Академический Документы
Профессиональный Документы
Культура Документы
información
CI5103
Ejemplo: Licitación de proyecto
En base a información histórica se puede elaborar la siguiente tabla:
Profit
Ejemplo: Licitación de proyecto
El árbol de decisión respectivo queda:
Valor de considerar la incertidumbre
(o costo de ignorarla)
1) Estructure el árbol considerando incertidumbre
2) Resuelva el árbol è encuentre la alternativa óptima y su
costo esperado E[C*(a*)]
3) Resuelva el árbol suponiendo conocido un escenario (esto es,
ignorando incertidumbre)èencuentre la alternativa óptima aIU*
4)Evalúe el costo esperado de aIU* en el árbol original (el que
considera incertidumbre): E[C(aIU*)]
5)Calcule la pérdida esperada o el costo esperado de ignorar
incertidumbre (ECIU) como:
ECIU= E[C(aIU*)]-E[C*(a*)]
Costo de la información:
$10,000
En el caso de información perfecta, el árbol se
reduce a:
Riesgo mediante funciones de utilidad
Hasta ahora hemos considerado que la decisión óptima se define
en términos de valor esperado. ¿Cómo introducimos aversión al
riesgo?
Dado un beneficio neto x ($), se define una función de utilidad U(x)
tal que el tomador de decisión no sea indiferente frente a dos
alternativas con el mismo E(x) pero distinta SD(x).
Por ejemplo:
• U(x) = a + bx − cx 2 (c>0) (Aversión al riesgo cuadrática)
• U(x) = a − be−cx (b,c>0) (Aversión al riesgo exponencial)
Riesgo mediante funciones de utilidad
Considere las siguientes dos alternativas: una determinística (A) y una apuesta (B).
Elija un valor para X tal que usted sea indiferente a las siguientes dos alternativas:
U($0) = 1 = a + b
U($X millones) = 0.5 = a + b*exp(c*X) Se obtiene al imponer U(X)=E[U($0),U($5)]
U($5 millones) = 0 = a + b*exp(c*5)
Ejemplo:
! x(a , θ ) θ θ θ $ ! R(a , θ ) θ θ θ $
i j 1 2 3 i j 1 2 3
# & # &
# a3 5 8 4 & # a3 2 1 0 &
# & # &
# a2 7 4 3 & # a 2 0 5 1 &
# a3 5 9 2 &% # a 2 0 2 &
" " 3 %
Dominancia estocástica
Enfoque basado en la probabilidad acumulada de los beneficios X
para cada alternativa.
La probabilidad acumulada se construye en base a la fila de la
matriz asociada a la alternativa ai.
Requiere conocer o suponer probabilidades de escenarios.
Ejemplo:
x(ai , θ j ) θ1 θ 2 θ3
a1 7 17 12
a2 10 16 5