Analisis de Decision

Analisis de Decision

1. CÁPSULA DE APLICACIÓN Prueba antidoping a estudiantes atletas

   • Se realizo un estudio con la mesa directiva de atletismo de la Universidad de Santa Clara tenía que decidir si debía recomendar la puesta en práctica de un programa antidoping para sus atletas intercolegiales.
     • . El árbol de decisiones básico tiene dos alternativas principales:“probar” y “no probar”. Si la prueba no se lleva a cabo, entonces el resultado de esa decisión es una lotería (evento aleatorio) en lo que se refiere a si el individuo utiliza o no drogas.
       • Si se elige la alternativa de “probar”, la prueba sería efectuada y los resultados serían determinados por el laboratorio apropiado. Los resultados podrían ser “
         ” o “”. Si el resultado es “+”, el encargado de tomar la decisión debe decidir entre “actuar” o “no actuar”.
         • . La probabilidad de que un individuo sea un usuario de drogas condicionada a un resultado “
           ” se conoce como probabilidad a posteriori, y se determina por medio del teorema de Bayes
           • se debe determinar el costo de cada resultado posible.A la identificación exacta de un usuario de drogas le fue asignado un costo de 0.

2. INTRODUCCIÓN

   • El análisis de decisión proporciona un marco para analizar una gran variedad de modelos de administración. Este marco establece un sistema para clasificar los modelos de decisión,
     • un sistema para clasificar los modelos de decisión, basado en la cantidad de información disponible sobre el modelo
       • la teoría de decisiones se ocupa de decisiones contra la naturaleza. Esta frase se refiere a una situación donde el resultado (rendimiento) de una decisión individual depende de la acción de otro agente (naturaleza), sobre el cual no se tiene control.
         • En los modelos de la teoría de decisiones, la pieza fundamental de información es la tabla de retribucionesEl proceso de decisión es como sigue:
           • 1.-Usted, quien toma la decisión, selecciona una de las decisiones alternativas d1, ..., dn. Suponga que elige d1.
             • 2.-Una vez tomada su decisión, ocurre un estado de la naturaleza que queda fuera de su control. Suponga que ocurre el estado 2.
               • 3.- El rendimiento que usted reciba puede ser determinado ahora a partir de la tabla de retribuciones. Dado que usted tomó la decisión d1 y ocurrió el estado de la naturaleza 2, el resultado es r12.
     • un criterio de decisión; esto es, una medida de la “bondad” de la decisión para cada tipo de omdelo

3. ÁRBOLES DE DECISIÓN

   • Un árbol de decisiones es un dispositivo gráfico para el análisis de decisiones bajo riesgo; esto es, modelos en los que tanto las decisiones como las probabilidades de los estados de la naturaleza están definidas. De manera más precisa, los árboles de decisiones fueron diseñados para utilizarse en modelos en los que hay una secuencia de decisiones, cada una de las cuales podría llevarnos a uno de varios resultados inciertos.
     • Un árbol de decisión1​ es un modelo de predicción utilizado en diversos ámbitos que van desde la inteligencia artificial hasta la Economía. Dado un conjunto de datos se fabrican diagramas de construcciones lógicas, muy similares a los sistemas de predicción basados en reglas, que sirven para representar y categorizar una serie de condiciones que ocurren de forma sucesiva, para la resolución de un problema.

4. Modelo Probabilistico:

   • Un modelo estadístico es un tipo de modelo matemático que usa la probabilidad, y que incluye un conjunto de asunciones sobre la generación de algunos datos muestrales, de tal manera que asemejen a los datos de una población mayor. Las asunciones o hipótesis de un modelo estadístico describen un conjunto de distribuciones de probabilidad, que son capaces de aproximar de manera adecuada probabilidad inherentes de un conjunto de datos.
     • Son modelos matemáticos apropiados para situaciones reales en condiciones especificas, son importantes por que nos ayudan a predecir la conducta de futuras repeticiones de un experimento aleatorio. Los modelos pueden ser discretos o continuos.
       • Los hechos se convierten en conocimiento, cuando son utilizados en la complementación exitosa de un proceso de decisión. Una vez que se tenga una cantidad masiva de hechos integrados como conocimiento, entonces su mente será sobrehumana en el mismo sentido en que, con la escritura, la humanidad es sobrehumana comparada a la humanidad antes de escribir