“Yo no creo en las verdades absolutas. Le temo a tales creencias porque obstaculizan la búsqueda de una mejor compresión”.

Vistas de página en total

2078

sábado, 4 de junio de 2011

TEORÍA DE JUEGOS






La teoría de juegos data de 1928, Cuando Von Neumann concibió su teoría esencial. La teoría de juegos es una herramienta que ayuda a analizar problemas de optimización interactiva. La teoría de juegos tiene muchas aplicaciones en las ciencias sociales. La mayoría de las situaciones estudiadas por la teoría de juegos implican conflictos de intereses, estrategias y trampas. De particular interés son las situaciones en las que se puede obtener un resultado mejor cuando los agentes cooperan entre sí, que cuando los agentes intentan maximizar sólo su utilidad.

JUEGOS

Se refiere a condiciones de conflictos de negocios en el transcurso de tiempo. Los participantes son competidores que emplean las técnicas matemáticas y el pensamiento lógico a fin de descubrir la mejor estrategia para vencer a sus competidores.

JUEGOS DE SUMA CERO

Son modelos que describen una situación en la cual la ganancia de un participante esta balanceada exactamente con la perdida de los demás. En un juego de suma cero de dos personas, los intereses de los dos competidores son opuestos.

PUNTO DE SILLA



Es el punto sobre una superficie en el que la pendiente es cero pero no se trata de un extremo local (máximo o mínimo).

ESTRATEGIA MAXIMIN
Se considera un “juego de suma cero” en el que lo que yo gano lo pierde el otro jugador. Cada jugador dispone de tres estrategias posibles a las que designaremos como A, B, y C (supongamos que son tres tarjetas con dichas letras impresas).

Los premios o pagos consisten en la distribución de diez monedas que se repartirán según las estrategias elegidas por ambos jugadores y se muestran en la siguiente tabla llamada matriz de pagos. Mis ganancias, los pagos que puedo recibir, se muestran sobre fondo verde. Los pagos al otro jugador se muestran sobre fondo rosa. Para cualquier combinación de estrategias, los pagos de ambos jugadores suman diez. 

Por ejemplo. Si yo juego la tarjeta C y el otro jugador elige su tarjeta B entonces yo recibiré ocho monedas y el otro jugador recibirá dos.

Éste es por tanto un juego de suma cero. Se llama juego de suma cero aquél en el que lo que gana un jugador es exactamente igual a lo que pierde o deja de ganar el otro. 


Para descubrir qué estrategia me conviene más vamos a analizar la matriz que indica mis pagos, la de fondo verde. Ignoro cuál es la estrategia (la tarjeta) que va a ser elegida por el otro jugador. Una forma de analizar el juego para tomar mi decisión consiste en mirar cuál es el mínimo resultado que puedo obtener con cada una de mis cartas. En la siguiente tabla se ha añadido una columna indicando mis resultados mínimos.
En efecto, 
· Si yo elijo la tarjeta A, puedo obtener 9, 1 o 2, luego como mínimo obtendré un resultado de 1. 
· Si elijo la tarjeta B, puedo obtener 6, 5 o 4, luego como mínimo obtendré 4. 
· Si elijo la tarjeta C, puedo obtener 7, 8 o 3, luego como mínimo obtendré 3.

De todos esos posibles resultados mínimos, el que prefiero es 4 ya que es el máximo de los mínimos. 
  
La estrategia MAXIMIN consiste en elegir la tarjeta B ya que esa estrategia me garantiza que, como mínimo, obtendré 4.


¿Podemos prever la estrategia del otro jugador? Supongamos que el otro jugador quiere elegir también su estrategia MAXIMIN. Mostramos ahora sólo los pagos asignados al otro jugador en los que destacamos el pago mínimo que puede obtener para cada una de sus estrategias. Subrayamos el máximo de los mínimos y su estrategia maximin.
En efecto,
· Si él elige A, su peor resultado sería si yo elijo A con lo que yo obtendría 9 y él 1. 
· Si él elige B, su peor resultado sería si yo elijo C con lo que yo obtendría 8 y él 2. 
· Si él elige C, su peor resultado sería si yo elijo B con lo que yo obtendría 4 y él 6.


Su estrategia MAXIMIN consiste por tanto en jugar la carta C con lo que se garantiza que, al menos, obtendrá 6.

Éste es un juego con solución estable. Ninguno de los jugadores siente la tentación de cambiar de estrategia. Supongamos que se empieza a repetir el juego una y otra vez. Yo jugaré siempre mi estrategia maximin (B) y el otro jugará siempre su estrategia maximin (C). Cada uno sabe lo que jugará el otro la siguiente vez. Ninguno estará tentado de cambiar su estrategia ya que el que decida cambiar su estrategia perderá. 
  
Se llama “punto de silla” al resultado en el que coinciden las estrategias maximin de ambos jugadores.
  
No todos los juegos tienen un punto de silla, una solución estable. La estabilidad del juego anterior desaparece simplemente trastocando el orden de las casillas BB y BC:



En esta nueva tabla mi estrategia maximin sigue siendo la B y la estrategia maximin del otro jugador sigue siendo la C. Pero la solución ahora ya no es estable. Si jugamos repetidas veces y yo repito mi estrategia maximín, B, el otro estará tentado de cambiar su estrategia, pasando de la C a la B con lo que obtendrá un pago mayor, 6 en vez de 5.
Claro que si el otro empieza a elegir sistemáticamente la estrategia B yo preferiré cambiar mi estrategia a la C para así obtener 8. Entonces el querrá volver a su estrategia C y así sucesivamente.
  
El Teorema del Maximin afirma que en todo juego bipersonal de suma cero en el que sea posible jugar estrategias mixtas además de las puras, las estrategias maximin de cada jugador coincidirán siempre en una solución estable, un punto de silla.

VALOR DEL JUEGO.

Es aquel pago que un participante o competidor tiene garantizado que puede recibir de un juego si toma una decisión correcta, independientemente de las decisiones de los demás jugadores.





TEORÍA DE DECISIONES

En el mundo real la administración de una empresa no puede saber con anticipación cual sera la demanda de sus productos, por lo que debe desarrollar los mejores pronósticos de ventas y costos, para lo cual toma una decisión basada en esos cálculos.

La empresa debe escoger entre varias alternativas la mejor alternativa; este proceso se puede dar mediante una de las siguientes situaciones a saber:

Toma de decisiones bajo certidumbre: Se conoce el problema, por lo que las alternativas de solución darán resultados conocidos e invariables. Al tomar la decisión solo se debe pensar en la alternativa que genere la mayor utilidad o beneficio.
Toma de decisiones bajo riesgo: La información con la que se cuenta para solucionar el problema es incompleta, es decir, se conoce el problema, se conocen las posibles soluciones, pero no se conoce con certeza los resultados que pueden arrojar. En este tipo de decisiones, las posibles alternativas de solución tienen cierta probabilidad conocida de generar un resultado. 
Toma de decisiones bajo incertidumbre: Se posee información deficiente para tomar la decisión, no se tienen ningún control sobre la situación, no se conoce como puede variar o la interacción de la variables del problema, se pueden plantear diferentes alternativas de solución pero no se le puede asignar probabilidad a los resultados que arrojen.

CRITERIOS DE DECISIÓN

Estrategia MAXIMIN: El criterio maximin supone maximizar el resultado mínimo, es decir el decisor quiere asegurarse la elección mejor en caso que se de la situación más desfavorable. Es pesimista. Es útil en situaciones muy inciertas, si quieren evitarse riesgos o si existe conflicto.

Estrategia MAXIMAX: El criterio maximax  consiste en maximizar el máximo; escoger el resultado máximo entre los mejores de cada alternativa. Es optimista.


Estrategia MINIMAX: El criterio minimax plantea elegir en función de lo que se dejará de ganar. Por tanto, en primer lugar debe calcularse el máximo coste de oportunidad de cualquier opción y, en segundo lugar, elegir el menor de ellos. 

Enfoques optimista y pesimista.

En esta sección consideramos los enfoques de la toma de decisiones que no requieren un conocimiento de las probabilidades de los estados de la naturaleza. 
Enfoque optimista.
El enfoque optimista evalúa cada alternativa de decisión en función del mejor resultado que pueda ocurrir. La alternativa que se recomienda es la que da el mejor resultado posible. Para un problema en el que se desea la mayor ganancia, el enfoque optimista conduciría al tomador de decisiones a elegir la alternativa correspondiente a la mayor ganancia. Para problemas que implican minimización, este enfoque conduce a elegir la alternativa con el resultado más pequeño. Mediante el criterio Hurwiz asignaríamos mayor probabilidad a la cantidad mayor de cada uno de los cursos de acción y menor probabilidad a la cantidad menor.
Enfoque pesimista.
El enfoque pesimista evalúa cada alternativa de decisión desde el punto de vista del peor resultado que pueda ocurrir. La alternativa de decisión recomendada es la que proporciona el mejor de los peores resultados posibles. Para un problema en el que la medida de salida es la ganancia, este enfoque conduciría al tomador de decisiones a elegir la alternativa que maximiza la ganancia mínima posible que podría obtenerse. Para problemas que implican minimización, este enfoque identifica la alternativa que minimizara el resultado máximo.
Valor esperado: es el valor esperado de la información correcta. 
VEIPER: permite definir el valor máximo que estaría dispuesto a pagar por un estudio.

viernes, 3 de junio de 2011

CADENAS DE MARKOV (2da PARTE)

Las cadenas de Markov son una herramienta para analizar el comportamiento y el gobierno de determinados tipos de procesos estocásticos, por tanto, representa un sistema que varia su estado a lo largo del tiempo, siendo cada cambio una transición del sistema.

Las cadenas de markov pueden usarse en procesos que tenga las siguientes propiedades:


  1. El conjunto de sucesos posibles es finito.
  2. La probabilidad del siguiente suceso depende solamente del suceso inmediatamente anterior.
  3. Estas probabilidades permanecen constantes con el tiempo.
Cada suceso individual se denomina estado. Por lo que en cadenas de markov se habla de estado recurrente, absorbente, estable...

Estado Recurrente: es aquel que en la medida que comenzando en el se tenga la certeza de volver en algún momento del tiempo sobre si mismo. 

Estado Absorbente: es aquel que tiene una probabilidad  de ser abandonado igual a cero, o sea que, una vez comenzado es imposible dejarlo.
una cadena de markov es absorbente si tiene por lo menos un estado absorbente y es posible ir desde cada estado no absorbente hasta por lo menos un estado absorbente.

Estado Estable: es aquel en el que los valores del vector de probabilidad no presenta variación, han llegado a su estado estable.

Matriz de Transición: Una  matriz de transición para una cadena de Markov de n estados es una matriz de n x n con todos los registros no negativos y con la propiedad adicional de que la suma de los registros de cada columna (o fila)  es 1. Por ejemplo la siguiente es una matriz de transición.



Matriz Regular: Una matriz regular es una matriz cuadrada que tiene inversa





Matriz Ergodicas: en cadenas de markov una matriz ergodica es aquella que describe matemáticamente un proceso en el cual es posible avanzar desde un estado hasta cualquier otro. Todos sus estados son no nulos, no periódicos. 




CADENAS DE MARKOV


El análisis de Markov tuvo su origen en los estudios de secuencia de los experimentos conectados en cadena, y en los intentos para descubrir matemáticamente los fenómenos físicos conocidos como movimientos browniano, el análisis de markov es una forma de analizar el movimiento actual de alguna variable, a fin de evaluar y predecir el movimiento futuro de la misma.


A Andréi Andréyevich Márkov, se debe la teoría de las cadenas de markov; El fue un matemático ruso conocido por sus trabajos en la teoría de los números y la teoría de probabilidades. Márkov nació en Riazán, Rusia. Antes de los 10 años su padre, un funcionario estatal, fue trasladado a San Petersburgo donde Andréi entró a estudiar en un instituto de la ciudad. Desde el principio mostró cierto talento para las matemáticas y cuando se graduó en 1874 ya conocía a varios matemáticos de la Universidad de San Petersburgo, donde ingresó tras su graduación.

Se conoce que una de las aplicaciones de las cadenas de markov es el estudio de mercado para ver como un usuario se mueve en el consumo de un producto a otro.

Fundamentos para el desarrollo de cadenas de markov

para aplicar eficientemente el análisis de markov se debe tener conocimientos básicos de:

  • Operaciones con matrices (suma, resta, multiplicación, Matriz transpuesta e inversa, y método de Gauss-Jordan para resolver las matrices)
  • Probabilidad (Teoría de la probabilidad)