Teorema de BAYES

Suponga el evento A1, A2, , An que forma una particin en el espacio muestral S. Todos los eventos Ai son mutuamente excluyentes y ! n i=1 A i = S. Sea B otro evento:

S " B = (A1 ! A2 ! .. ! An ) " B Las intersecciones Ai " B son mutuamente excluyentes.

A1

A5 A2

A4 B A3

96

Sea P la probabilidad de que el evento suceda, entonces: P(B) = P(A1 " B)+P( A2 " B)+ ..+P(An " B) y sea P(Ai " B)= P(Ai)P( BAi) Dado que A1, A2, , An es una particin en el espacio muestral S y B es cualquier evento. Entonces, para cualquier i: P(B) = P(A1 " B)+P( A2 " B)+ ..+P(An " B)= P(A1)P( BA1)+ P( A2) P( BA2)+.. +P(An)P( BAn). Como:
P ( Ai

P ( Ai B ) =

P ( A1) P ( B A1) + P ( A2 ) P ( B A2 ) + ... + P ( An ) P ( B An )

" B)

Entonces:

P ( Ai) P ( B Ai ) P ( Ai B ) = P ( A1) P ( B A1) + P ( A2) P ( B A2) + ... + P ( An ) P ( B An )

Ley de BAYES
97

Juegos Bayesianos Un juego Bayesiano consiste en: Un conjunto de jugadores . Un conjunto de estados. < Y, Para cada jugador: > Un conjunto de acciones. Un conjunto de creencias (Una distribucin de probabilidades sobre el conjunto de los estados. Un conjunto de seales que el jugador observa y una funcin de seales que asocia a cada seal un estado. Una funcin de pagos (el valor esperado que representa las preferencias de los jugadores entre loteras).
98

Equilibrio de NASH: En un juego estratgico con perfecta informacin un equilibrio de NASH es una situacin en la cual cada jugador tiene un comportamiento ptimo dado el comportamiento del otro jugador. En general, la seal que recibe el jugador es una informacin parcial acerca del estado y, por lo tanto tambin ser una informacin parcial sobre las seales recibidas por los otros jugadores. Incluso s el jugador conoce, a travs de su experiencia, las acciones que los otros jugadores podran tomar condicionada sobre la seal que ellos reciben, existira un grado de incertidumbre dado que el no conoce las seales que han recibido los otros jugadores. Denote al jugador i que recibe la seal ti como el jugador tipo ti. Coloquese usted mismo en la posicin del jugador tipo ti. Usted conoce que el estado es uno para el cual existe una seal i() = ti y usted asigna una probabilidad posterior de 0 en el evento de que i() ti.
99

En los estados para los cuales i() = ti usted formula una creencia posterior usando la ley de Bayes, de la siguiente forma: Denote la probabilidad que usted asignara a despus de observar la seal ti como:

pi ( ) { : ( ) = t }pi ( )
i i

La suma en el denominador se realiza sobre todos los estados que son compatibles con la seal ti. La creencia posterior p(|ti) que usted asigna a algn estado despus de que ha observado la seal ti viene dada por:

pi( ) s i( ) = ti P( ti) = { : i ( )=ti}pi( ) 0 s i( ) ti

100

Una vez que usted revisa sus creencias y elige una accin. Si usted conoce, que el estado es entonces cada jugador j recibe la seal j (). Su experiencia le dice, la accin que el jugador j toma cuando recibe la seal, esto es, la accin tomada por el tipo j (). Denote esta accin como a(j, j ()) y, denote el perfil en el cual el jugador j elige a(j, j ()) como a*. Ahora usted elegir aquella accin ai que maximizara su pago esperado:

p ( t i ) u i ( a i , ( a * i ( )), )

Donde es el conjunto de estados, p(|ti) y viene dado por (2), (ai ,a *-i ()) es el perfil de accin en el cual el jugador i elige la accin ai mientras el jugador j elige a*j() y ui(a,) es la funcin de pagos para el perfil de accin a en el estado .
101

Un equilibrio de NASH en un juego Bayesiano es un equilibrio de NASH de un juego estratgico que se define, de la siguiente forma: Para los jugadores: El conjunto de pares ( i, ti ) donde i es un jugador en el juego bayesiano y ti es una de las seales que i podra recibir. Las acciones: El conjunto de acciones de cada jugador ( i, ti ) que es el conjunto de acciones de i en el juego bayesiano. Preferencias. La funcin de pago de cada jugador viene dada de la siguiente forma: Fije el perfil de accin a. Para cada jugador j en el estado en el juego bayesiano denote por a*j() la accin a(j,j()) asignada por a al jugador (j, j()) . El pago para el jugador (i,ti) es el perfil de accin a para el cual:

p ( ti )ui ( ai , ( a * i ( )), )
Y, La optimalidad de la accin para el jugador i en el juego bayesiano depende de la existencia de otros tipos de jugadores.
102

Ejercicio aplicado del teorema de BAYES Suponga que las firmas IBM y COMPACQ ingresan al sistema de Internet. Existen dos software que proveen la entrada: Netscape y AOL. S IBM decide usar AOL o Netscape Compacq podra usar como estrategia seguir a IBM. Por otro lado, Compacq puede usar independientemente AOL cuando IBM ha decidido producir Netscape. La naturaleza les dice a las firmas en que juego se encuentran, y el juego en forma extensiva es el siguiente:

103

Compacq P(A.O.L) = 0.3 IBM A : Probabilidad 0.7 P(Netsc.)= 0.7 0.3 P(A.O.L)=0.5 Compacq

A.O.L

2,2

Netsc. A.O.L Netsc. Compacq A.O.L Netsc. Compacq A.O.L

-1 ,-1 -1 ,-1 1, 1 5,1 0,3 -1 , -1

B : Probabilidad 0.1 Naturaleza IBM

P(Netsc.)=0.5

Netsc. Compacq A.O.L Netsc. Compacq A.O.L

2,3 0,0 -1 , -1 -1 , -1

C : Probabilidad 0.2 IBM

P(A.O.L)=0.2

P(Netsc.)=0.8 Netsc. 4,4 104

IBM decide usar AOL siempre y cuando las ganancias esperadas de usar AOL sean mayores a las ganancias esperadas de usar NETSCAPE y viceversa. Para determinar cuales son las ganancias esperadas de usar uno u otro formato. Debemos encontrar con que probabilidad IBM usara uno u otro formato conociendo que Compacq lo sigue. Es decir, debemos encontrar primero cual es la probabilidad de que IBM use el sistema NETSCAPE y AOL en todos los estados de la Naturaleza. Sea X el evento de que IBM elija Netscape, entonces: P(X) = P(A) P(X|A) + P(B)P(X|B) + P(C) P(X|C) De esta forma, la probabilidad de que IBM use NETSCAPE es: P(NETSCAPE) = P(NETSCAPE|A) P(A) + P(NETSCAPE|B) P(B)+ P(NETSCAPE|C) P(C) P(NETSCAPE)= 0.7 0.7 + 0.5 0.1+ 0.2 0.8= 0.49+0.05+0.16=0.7 Suponga que IBM elige al azar usar NETSCAPE Cual es la probabilidad de que halla elegido NETSCAPE en el Estado A? Por el teorema de Bayes:
P( A NETSCAPE ) = P( A)P( NETSCAPE A) P( A)P( NETCAPE A) + P(B)P( NETSCAPE B) + P(C )P( NETSCAPE C )
105

P(A|NETSCAPE) = 0.49 / 0.7 = 0.7

En el estado B:

P(B NETSCAPE ) =

P(B)P( NETSCAPE B) P( A)P( NETCAPE A) + P(B)P( NETSCAPE B) + P(C )P( NETSCAPE C )

P(B|NETSCAPE) = 0.05/0.7 = 0.0714

En el estado C:

P(C NETSCAPE ) =

P(C )P( NETSCAPE C ) P( A)P( NETCAPE A) + P(B)P( NETSCAPE B) + P(C )P( NETSCAPE C )

P(C|NETSCAPE) = 0.16/0.7= 0.2286

106

De acuerdo a la regla de BAYES, la probabilidad de que IBM elija AOL es 0.3 (Compruebe). De esta forma: P(A| IBM elija AOL)=0.21 / 0.3 = 0.7;P(B| IBM elija AOL)= 0.05/ 0.3= 0.166; P(C|IBM elija AOL) = 0.04 / 0.3 = 0.134 El pago esperado para IBM de elegir AOL cuando COMPACQ elige AOL ser:

0.7 2 + 0.166 5 + 0.134 0 = 2.23

El pago esperado para IBM de elegir NETSCAPE cuando COMPACQ elige NETSCAPE ser:

0.7 1 + 0.0714 2 + 0.2286 4 = 1.7624

Dado que IBM es la primera firma que elige, sta elegir AOL pues le da mayores ganancias esperadas. De esta forma, las ganancias esperadas para COMPACQ de elegir AOL una vez que IMB ha elegido AOL ser:

0.7 2 + 0.166 1 + 0. 0.133 = 1.566

Dado que IBM es la primera firma que elige, sta elegir AOL pues le da mayores ganancias esperadas. De esta forma, las ganancias esperadas para COMPACQ de elegir NETCAPE una vez que IMB ha elegido AOL ser:

0.7 ( - 1) + 0.166 3 + 0.133 ( - 1) = -0.335

El equilibrio BAYESIANO consistir en que IBM y COMPACQ elegirn el sistema AOI pues el mayor pago para IBM viene de elegir AOL(2.23) y el mayor pago para COMPACQ viene de elegir AOL(1.566).

Jhon James Mora

107