miércoles, 31 de octubre de 2012

EJERCICIO 24 - CADENA DE MARKOV


24. En el diagrama siguiente aparece un laberinto en el que es posible atravesar cada una de las
puertas con igual probabilidad.
Una persona situada inicialmente en el compartimento 1 se
mueve de uno a otro sin interrupción. Escríbase la matriz de
transición de la cadena de Markov correspondiente y
calcúlese la probabilidad de que después de 4 pasos esté en
el compartimento número 3.





martes, 2 de octubre de 2012

SESIÓN VI - HERRAMIENTA PARA LA TOMA DE DECISIONES

TEORÍA DE JUEGOS: EJEMPLO

SESIÓN VI - HERRAMIENTA PARA LA TOMA DE DECISIONES


Matriz de resultados de un juego

La matriz de resultados de un juego representa el resultado del juego en una matriz. Supongamos que dos personas, A y B, están jugando un sencillo juego. El juego consiste en lo siguiente: la persona A tiene la posibilidad de elegir “arriba” o “abajo”, mientras que B puede elegir “izquierda” o “derecha”. Los resultados del juego se representan en la matriz de resultados:

Izquierda
Derecha
Arriba
(50 , 100)
(0 , 50)
Abajo
(100 , 50)
(50 , 0)

Estrategia dominante

Una estrategia dominante es aquella elección que realiza el jugador independientemente de lo que haga el otro. En el juego representado en la matriz de arriba, la estrategia dominante para A es elegir “abajo”, mientras que la estrategia dominante para B es elegir “izquierda”. Estas estrategias dominantes dan como resultado el equilibrio de estrategias dominantes del juego. Si cada jugador tiene una estrategia dominante se puede predecir el resultado del juego.

Equilibrio de Nash

El equilibrio de Nash fue formulado por John Nash, que es un matemático norteamericano, en 1951. Un par de estrategias es un equilibrio de Nash si la elección de A es óptima dada la de B y la de B es óptima, dada la de A. El equilibrio de Nash se diferencia del equilibrio de las estrategias dominantes en que, en el equilibrio de las estrategias dominantes, se exige que la estrategia de A sea óptima en el caso de todas las elecciones óptimas de B, y viceversa. El equilibrio de Nash es menos restrictivo que el equilibrio de estrategias óptimas.
Un juego puede tener más de un equilibrio de Nash. Existen juegos en los no existe un equilibrio de Nash.

Dilema del prisionero

Considera la siguiente historia. Dos sospechosos de un crimen son puestos en celdas separadas. Si ambos confiesan, cada uno será sentenciado a tres años de prisión. Si sólo uno confiesa, el que confiese será liberado y usado como testigo contra el otro, quien recibirá una pena de diez años. Si ninguno confiesa, ambos serán condenados por un cargo menor y tendrán que cumplir una pena de sólo un año de prisión. Este juego puede ser representado por una matriz 2x2:

Sospechoso B confiesa
Sospechoso B no confiesa
Sospechoso A confiesa
(3 , 3)
(0 , 10)
Sospechoso A no confiesa
(10 , 0)
(1 , 1)
Veamos cuál es la estrategia óptima para cada sospechoso. Si B confiesa, A preferirá confesar, ya que si confiesa obtendrá una pena de 3 años, y si no confiesa obtendrá una pena de 10 años. Si B no confiesa, A preferirá confesar, ya que de este modo será liberado, y si no confesara obtendrá una pena de un año. Entonces, A va a confesar, independientemente de lo que haga B. Análogamente, B también va a confesar independientemente de lo que haga A. Es decir, ambos sospechosos van a confesar y obtener entonces una pena de tres años de prisión cada uno. Este es el equilibrio del juego, que es ineficiente en el sentido de Pareto, ya que se puede reducir la condena de ambos si ninguno confesara.
Este es el ejemplo mas famoso de las situaciones en la que los equilibrios competitivos pueden llevar a resultados ineficientes. El dilema del prisionero ilustra la situación que se presenta en los cárteles. En un cártel, las empresas coalicionan (hacen un acuerdo) para reducir su producción y así poder aumentar el precio. Sin embargo, cada empresa tiene incentivos para producir mas de lo que fijaba el acuerdo y de este modo obtener mayores beneficios. Sin embargo, si cada una de las firmas hace lo mismo, el precio va a disminuir, lo que resultará en menores beneficios para cada una de las firmas. La misma estructura de interacciones caracteriza el problema de la provisión de bienes públicos (problema del free rider), y del pago voluntario de impuestos.

SESIÓN VI - HERRAMIENTA PARA LA TOMA DE DECISIONES

BIOGRAFÍA DE JOHN F. NASH

(Bluefield, 1928) Economista y matemático estadounidense. Extraordinariamente dotado para el análisis matemático, Nash desarrolló investigaciones en torno a la teoría de juegos, que le valieron el Premio Nobel de Economía en 1994, junto a John Harsanyi y Reinhard Selten.
Ingresó en el Carnegie Institute of Technology, en la actualidad Universidad Carnegie-Mellon de Pittsburgh, con la intención de estudiar Ingeniería química; pero tras cursar algunas asignaturas de Matemáticas, aceptó la sugerencia de sus profesores de orientar su carrera hacia esta materia. En 1948 obtuvo el grado de licenciado en Matemáticas y, tras recibir varias ofertas para realizar el doctorado, se decidió por la Universidad de Princeton.

A lo largo de sus estudios doctorales, mostró interés por diversos campos de estudio, como la topología, el álgebra geométrica o la teoría de juegos. En 1949 y como parte de sus investigaciones publicó en la revista Annals of Mathematics un artículo titulado "Non-cooperative Games", en el que se recogían las ideas principales de su tesis, que presentó el siguiente año en Princeton. En dicho artículo se exponían los puntos básicos sobre las estrategias y las posibilidades de predicción del comportamiento que se da en juegos no cooperativos con información incompleta.
Una vez finalizada su tesis, trabajó durante unos meses para la Corporación RAND, que estaba muy interesada en sus conocimientos de la teoría de juegos para aplicarlos a la estrategia militar y diplomática. Volvió a la Universidad de Princeton poco después, lo que no resultó impedimento para que colaborara de forma esporádica con la Corporación RAND. En 1952 se incorporó al cuerpo docente del prestigioso Massachusetts Institute of Technology (MIT), donde realizó una importante labor de investigación sobre variables algebraicas reales múltiples.

SESIÓN V - HERRAMIENTA PARA LA TOMA DE DECISIONES

TEORÍA DE JUEGOS




SESIÓN IV - HERRAMIENTA PARA LA TOMA DE DECISIONES


PRACTICA DE LABORATORIO 1
ARBOLES DE DECISIONES
PROBLEMA 1:El gerente de producto de una fábrica de calzado, está planeando las decisiones de producción para la línea veraniega del próximo año.  Su principal preocupación es estimar las ventas de un nuevo diseño de sandalias.  Estas han planteado problemas en años anteriores por dos razones: la estación limitada de venta no proporciona suficiente tiempo para que la empresa produzca una segunda serie de un artículo popular.  Los estilos cambian drásticamente año con año y las sandalias que no se venden pierden todo su valor.  El gerente de producto ha discutido el nuevo diseño con los vendedores y formuló las siguientes estimaciones de demanda:
DEMANDA
X0000
Y0000
Z0000
  La información obtenida del departamento de producción revela que la capacidad de producción a evaluar será de:
Alternativa 1: (60+x) 000  pares
Alternativa 2: (70+y) 000  pares
Alternativa 3: (80+z) 000  pares
Que un par de sandalias costará $15 y el departamento de mercadeo ha informado al gerente que el precio al mayoreo será de $50 por sandalia. El costo de inventario mensual es de $5, si al final de marzo sobran sandalias estas se rematan a $30. El costo de escasez es de $10 si no se cubre en el mes solicitado.
 (a) ¿Cuál es la decisión óptima si se usa el criterio de Laplace ? ( 1 PUNTO)
 (b) ¿Cuál es  la decisión óptima si se usa el criterio maximin ?  ( 1 PUNTO)
 (c) ¿Cuál es la decisión óptima si se usa el criterio maximax ? (1 PUNTO)
 (d) Construya la tabla de distribución en la que los datos sean los perjuicios
 (e) ¿Cuál es la decisión óptima si se usa el criterio minimax de perjuicios? ( 1 PUNTO)
 (f) Si se tiene la Probabilidad  0.50  0.30     0.20.  Hallar el valor esperado. ( 1 PUNTO)
 (g) Elaborar el árbol de decisiones ( 3 PUNTO)






PROBLEMA 2
Una empresa de transporte está evaluando la compra de una flota a camiones tipo A o camiones tipo B.
Las posibilidades que salgan bien los camiones es de 45%, si se adquieren los camiones tipo A se tendrá como ingreso ($4+X)000 pero si los camiones salen mal solo se recogerá ($1+X)000. Si en cambio se adquieren los camiones tipo B se gana ($3+y)000 si salen bien y solo $(1+z)000 si salen mal.
Para mejorar su decisión desea contratar a un mecánico  para evaluar los dos tipos de camiones, sabido es que cuando el mecánico dice que están bien los camiones acierta en un (30+y)%  pero cuando dicen que no está bien aciertan en un (10+z)%. ¿Qué debe hacer la empresa, contratar o no al mecánico?. Graficar árbol (10 puntos) y hallar VEIM.( 2 puntos)
¿Cuanto se puede pagar al mecánico?  





SESIÓN III - HERRAMIENTA PARA LA TOMA DE DESICIONES


ÁRBOLES MÚLTIBPLES

Problema 9
Erica va a volar a Londres el 5 de agosto y regresa a casa el 20 del mismo mes. Estamos a 1 de Julio y ella podría comprar hoy un boleto de viaje sencillo por $350 o un boleto de viaje redondo por $660. Ella también podría esperar hasta el 1 de Agosto para comprar un boleto.
 El primero de Agosto un boleto sencillo costara $370 y uno de viaje redondo costara $730. Es posible que entre el primero de Julio y el primero de Agosto, su hermana (quien trabaja para una aerolínea) pueda obtener un boleto sencillo gratis para Erica. La probabilidad de que su hermana obtenga el boleto gratis es de 0.30. Si Erica compra un boleto de viaje redondo el primero de Julio y su hermana obtiene un boleto gratis, ella puede devolver la mitad de su viaje redondo a la aerolínea. En este caso el costo total del boleto será $330 más una pequeña penalización de $50.Utilice un árbol de decisión para determinar cómo maximizar el costo esperado de Erica de obtener transporte de viaje redondo a Londres.



SESIÓN II - HERRAMIENTA PARA LA TOMA DE DESICIONES

ÁRBOL DE EXPANSIÓN