Ada 2. Arbol Decisiones-Metodos Cuantitativos 4DC
Ada 2. Arbol Decisiones-Metodos Cuantitativos 4DC
Ada 2. Arbol Decisiones-Metodos Cuantitativos 4DC
Warren cree que hay tres posibles escenarios para estas tres inversiones: 1) una economía al alza, 2) una economía estab
pesimista respecto a dónde se dirige la economía, así que ha asignado probabilidades previas de 0.1, 0.5 y 0.4, respectivame
estima que sus ganancias en los escenarios correspondientes son las dadas en la siguiente tabla. ¿Qué inversión debe hacer
a) Reaplique la regla de decisión de Bayes cuando la probabilidad previa de una economía estable es 0.3 y la de una econom
b)reaplique la regla de decisión de Bayes cuando la probabilidad previa de una economía estable es 0.7 y la de una
economía a la baja es 0.2
Construya un árbol de decisiones para este problema con las probabilidades previas originales.
Construya un árbol de decisiones para este problema con las probabilidades previas originales.
ble. Él cree que la cifra de 0.1 es correcta como probabilidad previa de una economía al alza.
re una economía estable y una economía a la baja. Por lo tanto, quiere hacer un análisis de
Economía a la baja
-$ 10,000,000.00
-$ 30,000,000.00
$ 15,000,000.00
0.6
Economía a la baja
-$ 10,000,000.00
-$ 30,000,000.00
$ 15,000,000.00
0.2
ias originales.
ias originales.
3. Considere un problema de análisis de decisiones cuyos pagos (en miles de dólares) se dan en la
siguiente tabla de pagos: a) ¿Qué alternativa debe elegir según la regla de decisión de Bayes?
S1 S2
A1 80 25
A2 30 50
A3 60 40
Proba 0.4 0.6
A1 47
A2 42
A3 48
b)Use TreePlan para construir y resolver un árbol de decisiones para este problema.C) Realice ahora este análisis de
sensibilidad en forma sistemática, generando una tabla de datos que muestre la mejor alternativa (de acuerdo con
la regla de decisión de Bayes) y el pago esperado resultante aumenta la probabilidad previa de S1 en incrementos
de 0.04 de 0.2 a 0.6.
dan en la
ayes?
a) Desarrolle una formulación de análisis de decisiones para este problema, identificando las alternativas de decisi
estados de la naturaleza y la tabla de pagos cuando no se usa la empresa de calificación de crédito
b) Suponiendo que no se usa la empresa de calificación de crédito, aplique la regla de decisión de Bayes para de
qué alternativa de decisión debe elegir. c) ) Encuentre los valores esperados de la información perfecta. ¿Indica
respuesta que debe considerar el uso de la empresa de calificación de crédito?
VEIP
$ - $ 5,000.00 $ 6,000.00
$ 11,000.00
VEIP
VEIP $ 11,000.00 $ 8,000.00
VEIP= $ 3,000.00
Costo $ 5,000.00
de un crédito de 100 000 dólares a un cliente nuevo posible, un fabricante
o, riesgo promedio y riesgo bajo—, pero no sabe en qué categoría ubicar a
te de vestidos son riesgos altos, 50% son riesgos promedio y 30% son
riesgo promedio, 10 000 dólares, y para riesgo bajo, 20 000 dólares. Si no
ganización de calificación de crédito pagando 5 000 dólares por compañía
e las tres categorías, la siguiente tabla muestra los porcentajes asignados a
a) Desarrolle una formulación de análisis de decisiones para este problema identificando las alternativas de decisión, los e
tabla de pagos cuando el estudio de mercado no se realizab) Suponiendo que no se realiza el estudio de mercado, use la r
determinar qué alternativa de decisión debe elegir realice tambien el diagrama de árbol. Realice una analisis de sensibilida
porentaje de productos existosos tiene una variación del 5%, que puede concluir con este análisis? c) Encuentre el valor e
perfecta. ¿Indica esta respuesta que debe considerar la realización del estudio de mercado?
b) 411.000
C) 594
Éxito Fracaso
Probabilidad 0.67 0.33 Si
si $ 1,500,000.00 -$ 1,800,000.00 No
no 0 0
VEIP
VEIP=
C
y comercializar un nuevo producto. Se estima que es dos veces más
perada sería 1 500 000 dólares. Si fracasa, la pérdida esperada sería 1
pronosticar si el producto tendría éxito. La experiencia anterior con estos
7% del tiempo, mientras que se ha pronosticado que los productos no
$ 411,000.00
$ -
$ 1,005,000.00
$ 1,005,000.00 $ 411,000.00
$ 594,000.00