TECNOLÒGICO NACIONAL DE MÈXICO

INSTITUTO TECNOLÒGICO DE COMITANCILLO

Carrera:

Ingeniería en Gestión Empresarial

UNIDAD 1

Materia:

Estadística Inferencial 1

Catedrático:

Ing. Felipe Salinas Velázquez

Alumna:

Diana Laura Escobar Chiñas

Grupo: 4B

Número de Control: 19710110

Ciclo Escolar: Febrero – Julio 2021

San Pedro Comitancillo, Oaxaca. Marzo de 2021.

 Contenido

1. Investigación documental sobre las teorías de decisión basado en la

Estadística Inferencial.................................................................................................1

INTRODUCCIÓN........................................................................................................1

DESARROLLO..........................................................................................................2

CONCLUSIÓN.........................................................................................................10

BIBLIOGRAFÍA........................................................................................................11

2. Cuadro sinóptico de la clasificación de la estadística......................................12

 1. Investigación documental sobre las teorías de decisión
basado en la Estadística Inferencial.

INTRODUCCIÓN
Por medio de este ensayo de investigación sobre las teorías de decisión basadas en
la estadística inferencial veremos las diferentes teorías de decisión que se conocen
en cuestión de la estadística inferencial, así como conocer de qué tratan y su
implicación en la inferencia estadística; por lo que primero debemos saber a qué nos
referimos con teoría de decisión. En la vida el hombre se enfrenta a la necesidad de
tomar constantemente decisiones, por lo que éste utiliza reglas que fijan su
comportamiento tras observar, repetidamente, los fenómenos del mundo a su
alrededor. El éxito de las decisiones es evaluado al considerar en que proporción
estas han sido acertadas. Las ciencias del comportamiento modelan este, y
establecen la cordura de los individuos, al considerar su aptitud para fijar reglas que
le lleven a ser racional y exitoso.

Esto ha conllevado la necesidad de establecer teorías que modelen la toma de

decisiones en diversas ciencias particulares. La racionalidad de los individuos se
mide de acuerdo a ciertos modelos de comportamiento desarrollados en estas
ciencias. Al considerar el problema general, el punto de vista matemático ha
conllevado a desarrollar modelos que conforman la Teoría de Decisión. Esta
comparte algunas características con la Teoría de Juegos.

Las decisiones estadísticas, basadas sobre la evidencia observada en muestras,

implican siempre la posibilidad de error. Los estadísticos no tratan con decisiones
fundamentadas en la certeza, sino que, simplemente, estiman la probabilidad o
improbabilidad de ocurrencia de los hechos. En todo momento se toman decisiones,
por lo que se debe elegir una alternativa. Las dos teorías de decisión que se verán
en este ensayo son la de la teoría de la incertidumbre y la teoría bajo riesgo, que es
cuando no se puede efectuar suposiciones sobre las condiciones futuras en las que
se desarrollarán los cursos de acción elegidos. Ni siquiera es posible asignar

P á g i n a 1 | 12
probabilidades razonables a dichos sucesos futuros. Y también veremos la
implicación del árbol de decisiones en los escenarios bajo riesgo.

P á g i n a 2 | 12
DESARROLLO
Una de las situaciones que más dificultad lleva a la hora de tomar una decisión es
aquella en la que las consecuencias de las decisiones no pueden ser controladas,
sino que están sujetas a la aleatoriedad; esta aleatoriedad puede provenir, tanto
porque el proceso pueda estar gobernado por el azar, como por una falta de
información que nos impida determinar con exactitud cuáles son esas
consecuencias. El contexto en que nos encontramos, por lo tanto, es aquél en que el
decisor ha de tomar una decisión ante una situación con diversos estados
gobernados por el azar.

En ocasiones también intervienen las probabilidades a la hora de tomar una decisión.

Si estas probabilidades son conocidas (o han sido estimadas) antes de tomar la
decisión, se dice que es un proceso de decisión bajo riesgo, mientras que si son
desconocidas se habla de decisión bajo incertidumbre.

Teoría de decisión en situación de incertidumbre

El proceso de toma de decisiones se hace más complejo en condiciones de
incertidumbre, es decir, cuando los datos obtenidos son mínimos o las fuentes no
son fiables, se desconocen las posibles soluciones y las repercusiones. En este
escenario, donde no pueden asignarse probabilidades a los eventos posibles, se
presentan muchas variables incontrolables; no se conoce como pueden variar o
interactuar las diferentes variables del problema por lo que hay que plantear las
diferentes alternativas para la solución.

Algunas veces es posible consolidar los efectos de esas variables no controlables en

términos de su distribución de probabilidad. Así, la toma de decisiones bajo
incertidumbre implica que no se conoce la probabilidad de que prevalezca uno u otro
de los estados de resultado.

Existen dos tipos de toma de decisiones bajo incertidumbre:

 Estructuradas, es aquel ambiente en que se conocen los estados de la
naturaleza, pero no las probabilidades asignadas a cada uno de esos estados.

P á g i n a 3 | 12
  No estructuradas, es aquel en el que no se conocen ni los estados de la
naturaleza ni las probabilidades.
Ante esta situación, es difícil estimar los riesgos, por lo que la toma de decisiones
bajo incertidumbre, se basa en la experiencia de la persona, y se presenta cuando no
se puede predecir el futuro en función de las experiencias pasadas por ir asociado
con muchas variables incontrolables. Para empezar con el proceso de análisis
primero vemos la organización de datos que se debe comenzar con la matriz de
pagos.
Procedimiento para construir la matriz de pagos:
1. Identificación de las alternativas de decisión.
2. Identificación de los estados de la naturaleza.
3. Cálculo de los resultados asociados a cada AD vs EN.
Matriz de pagos:
Alternativa Estados de la naturaleza Los elementos que intervienen en un proceso
s de decisión de estas características:
EN 1 EN 2 EN 3
de decisión  EN: Estados de la naturaleza o posibles
AD 1 X11 X12 X13 escenarios
 AD: Posibles alternativas o decisiones.
AD 2 X21 X22 X23
 Xij: Consecuencias de tomar la decisión AD,
AD 3 X31 X32 X33 y se dé el estado EN.

Después se debe resolver la información obtenida, esto por medio de una serie de
metodologías y criterios. Cuando se está en una situación de incertidumbre se puede
tener hasta cinco criterios:
 Criterio de Wald o minimax-maximin o pesimista: Para cada alternativa se
supone que va a pasar lo peor, y elige aquella alternativa que dé mejor valor. De
esta forma se asegura que en el peor de los casos se obtenga lo mejor posible,
que corresponde a una visión pesimista de lo que puede ocurrir.
 Criterio optimista: Es el criterio justamente opuesto al anterior, para cada
alternativa se supone que pasará lo mejor, y se elige la que dé mejor valor.
 Criterio de LaPlace: Parte del hecho de que no se conocen las probabilidades de
ocurrencia de cada uno de los estados de la naturaleza, propone que las
probabilidades sean las mismas para cada estado.
 Criterio de Hurwicz: Este criterio combina las actitudes pesimista y optimista,
valorando cada alternativa con una ponderación entre lo mejor y lo peor posible.
Esta ponderación se hace multiplicando lo mejor por un factor α entre 0 y 1,

P á g i n a 4 | 12
 denominado índice de optimismo, y lo peor por 1− α, sumando ambas
cantidades. Se elegirá la alternativa que mejor valor dé.
 Criterio de Savage o costes de oportunidad: Este criterio toma en consideración
el coste de oportunidad o penalización o arrepentimiento por no prever
correctamente el estado de la naturaleza.

Estos costes de oportunidad se evalúan para cada alternativa y cada estado,

haciendo la diferencia entre lo mejor de ese estado y lo que proporciona esa
alternativa para ese estado, construyendo la llamada matriz de penalizaciones o
costes de oportunidad. Sobre esta matriz se aplican los criterios anteriores, pudiendo
aplicarse el del coste esperado. Pero los más importantes son tres que consisten en:
el criterio optimista, el criterio pesimista y criterio de Laplace.
Matriz de criterios de incertidumbre:
Alternativa
Criterio Criterio Criterio
s
optimista pesimista de LaPlace
de decisión
AD 1 MRP PRP VPR
AD 2 MRP PRP VPR
AD 3 MRP PRP VPR
 MRP: Mejor resultado posible de la alternativa en la matriz de pagos.
Criterio Optimista: Se elige el mejor resultado de todas las alternativas.
 PRP: Peor resultado posible de la alternativa en la matriz de pagos.
Criterio pesimista: Se elige el mejor resultado de todas las alternativas.
 VPR: El valor promedio de los resultados de la alternativa en la matriz de pagos.
Criterio de LaPlace: Se elige el mejor promedio de todas las alternativas.

Una vez que se tengan rellenados los valores correspondientes entre los resultados
asociados a cada alternativa de decisión y los criterios de incertidumbre se debe
escoger en cada criterio la mejor alternativa y dependiendo del criterio que se escoja
esa será la decisión que se debe tomar, o solo escoger el mejor resultado entre los
criterios, esto con ayuda de la inferencia estadística a la que se llegue con los
resultados obtenidos.

A continuación, se dará un ejemplo para comprender mejor:

Ejemplo de la matriz de pagos:

Alternativas Estados de la naturaleza
P á g i n a 5 | 12
 de decisión Leve Moderado Grave
Taller de la marca 810 1330 2470
Taller
610 1650 2450
recomendado
Taller de amigo 2770 2770 2770

Ejemplo de la matriz de penalizaciones o de criterios:

Alternativas Criterio Criterio Criterio

de decisión optimista pesimista de LaPlace
Taller de la marca 810 2470 1537
Taller 610 2450 1570
recomendado
Taller de amigo 2770 2770 2770
 Criterio optimista: Se debe llevar el vehículo al taller recomendado.
 Criterio pesimista: Se debe llevar el vehículo al taller recomendado.
 Criterio de LaPlace: Se debe llevar el vehículo al taller de la marca.

Teoría de decisión en situación de riesgo

Los modelos se adaptan a problemáticas donde el decisor no tiene seguridad del
resultado asociado a sus decisiones y solo determina un conjunto de resultados
posibles. Cada resultado tiene una probabilidad de realizarse. El decisor debe
determinar su función de utilidad y, partir de ella, utilizar algún principio de
racionalidad para buscar la mejor decisión, aquella que maximiza su utilidad. Para
ello, establece reglas de decisión que permiten ordenar las diferentes decisiones.

Los elementos que intervienen en un proceso de decisión de estas características

son:
 E = (E1, …, Em): Conjunto de estados de la naturaleza o posibles escenarios.
 A = (A1, …, An): Conjunto de posibles alternativas o decisiones.
 Xij: Consecuencia de tomar la decisión Ai y se dé el estado Ej.
 pj: Probabilidad de que se dé el estado E j; este valor en muchas ocasiones no
es conocido.
Con estos elementos, cuando el proceso se define en una sola etapa, es decir, hay
una única decisión que tomar en un momento dado, y los conjuntos de estados y

P á g i n a 6 | 12
A la matriz central formada por las consecuencias, se
le suele denominar matriz de pagos o consecuencias,
alternativas son finitos, para facilitar la comprensión de la situación, se representa el
problema mediante una tabla de decisión:
E1 E2 … Em
p1 p2 … pm
A1 X11 X12 … X1m
A2 X21 X22 … X2m
…

An Xn1 Xn2 … …
Xnm

La mayor dificultad en este contexto es cómo valorar una decisión o alternativa para
poder compararla con otras. Así se presentan distintos criterios para valorar las
alternativas y, según sea el criterio adoptado, decidir cuál es la decisión óptima. Los
criterios se clasifican según utilicen las probabilidades de los distintos estados o no.
Criterios utilizando las probabilidades de los estados de la naturaleza:
 Criterio del valor esperado: Este criterio supone seleccionar aquella alternativa
cuyo pago esperado o medio sea mejor (si los pagos son beneficios, la de mayor
beneficio esperado y si son costes, la de menor coste esperado).
 Criterio de lo más probable: Este criterio supone elegir la alternativa con mejor
valor para el estado más probable, es decir, visto cuál es el estado más probable
elegir la alternativa con mejor valor en ese estado.
 Criterio del escenario medio: En ocasiones, cuando el espacio de estados es
numérico, también es posible establecer un escenario medio y buscar aquella
alternativa óptima para este escenario. Tiene sentido hacerlo sobre todo con
distribuciones continuas (espacio de estados infinito). Si las consecuencias son
proporcionales al estado, este criterio es equivalente al del valor esperado.
 Criterio del valor en riesgo: Este criterio es especialmente útil cuando el conjunto
de estados de la naturaleza es continuo o al menos tiene un número de posibles
escenarios muy elevado. Se basa en que normalmente el decidor siente aversión
por el riesgo, mientras que para cantidades que superan un umbral las
diferencias no le importan tanto.

P á g i n a 7 | 12
  Criterio de Savage o costes de oportunidad: Este criterio toma en consideración
el coste de oportunidad o penalización o arrepentimiento por no prever
correctamente el estado de la naturaleza.

Ejemplo: Vamos a ver un ejemplo para clarificar todos estos conceptos. Supóngase
que en la demanda prevista para el mes siguiente de un determinado producto es 1,
2, 3 o 4, con probabilidades 0.1, 0.3, 0.4, y 0.2, respectivamente. Si un producto que
es fabricado un mes se vende ese mismo mes el precio de venta será de 6500 euros,
mientras que si ha de venderse el mes siguiente será de 4000. Los costes unitarios
de producción son de 5000 euros.
Con estos datos se forma la matriz de decisión:
E1 = 1 E2 = 2 E3 = 3 E4 = 4
p1 = 0.1 p2 = 0.2 p3 = 0.3 p4 = 0.4
A1 = 1 1500 1500 1500 1500
A2 = 2 500 3000 3000 3000
A3 = 3 -500 2000 4500 4500
A4 = 4 -1500 1000 3500 6000
Las distintas alternativas seleccionadas para los distintos criterios serán:

 Criterio de ganancia esperada: Las esperanzas de ganancia son las siguientes:

para A1=1500, para A2=2750, para A3=3250 y para A4=2750. Con lo que la
decisión óptima es producir 3 artículos.
 Criterio de lo más probable: El estado más probable es E 3, y para este estado la
mejor alternativa es pedir 3 artículos.
 Criterio del escenario medio: El escenario medio resulta ser: 1x0.1+ 2x0.3 +
3x0.4 + 4x0.2 = 2.7, cómo se ve no corresponde a ninguno de los estados ya que
no es entero. Los beneficios serían para A 1=1500, para A2=3000, para A3=3750 y
para A4=2750, que como se ve no coinciden con los valores de la ganancia
esperada. La alternativa elegida sería A3.
 Criterio de Savage: El primer paso es construir la matriz de penalizaciones o
costes de oportunidad. La matriz la formamos por columnas, obteniendo el
máximo de la columna y restándole a este valor el pago de cada alternativa. Así
la matriz obtenida es:

0 1500 3000 4500 Ahora aplicamos el criterio minimax, para minimizar

1000 0 1500 3000 la máxima penalización, obteniendo que los
2000 1000 0 1500 máximos son 4500, 3000, 2000 y 3000, por lo que
3000 2000 1000 0 la alternativa sería producir 3 artículos.
P á g i n a 8 | 12
Relación de las teorías de incertidumbre y de riesgo.
La principal diferencia entre estos dos escenarios radica en el hecho de que en el
caso del primer escenario no existen probabilidades, en cambio en las situaciones
bajo riesgo sí existen probabilidades que se puede asociar a los eventos que no se
pueden controlar. Sin embargo, los procesos de análisis de ambos escenarios son
muy parecidos. Lo primero que se hace es organizar los datos, para empezar con
esto lo primero es usar la matriz de pagos, que es una herramienta que se puede
utilizar en ambos escenarios, pero en las situaciones de riesgo se puede utilizar una
segunda herramienta para la organización de datos, que es el árbol de decisiones.

Árboles de decisión:
Para representar la aleatoriedad por etapas se suele utilizar los denominados árboles
de escenarios. Sin embargo, para nuestro contexto no es suficiente representar la
aleatoriedad, ya que las decisiones tomadas en el proceso condicionan lo que puede
o no darse posteriormente, representándose en un árbol de decisión la secuencia de
aleatoriedad y decisiones que conforman el proceso. Esta representación es
apropiada cuando tanto el espacio de estados como el de las decisiones es discreto.
Para representar gráficamente en un árbol de decisión el proceso se utilizan los
siguientes elementos y notación:
 Vértice de azar: Son vértices que representan puntos en los que la naturaleza
elige un estado. De estos vértices salen tantos arcos como estados de la
naturaleza posibles hay en ese punto, y se representan mediante un círculo.
 Vértice de decisión: Son vértices que representan puntos en los que hay que
tomar una decisión. De ellos salen tantos arcos como alternativas posibles hay
en ese punto, y se representan mediante un cuadrado.
 Vértice inicial o raíz: Es la raíz del árbol, de donde salen tantos arcos como
decisiones iniciales hay, ya que en un proceso de estas características lo primero
es tomar una decisión.
 Vértice terminal u hoja: Son los vértices finales de una rama que es sucesión de
estados y decisiones. Se les asigna el coste o beneficio (según sea la función
objetivo a evaluar) del camino seguido para llegar a él, y se representan por un
triángulo.

P á g i n a 9 | 12
El árbol se construye de la raíz a las hojas, mostrando el proceso secuencial que es
seguido. Una vez acabado se valora de las hojas a la raíz de la siguiente forma:
 Nodos de azar: Se valoran con alguno de los criterios mostrados para valorar
decisiones, en general, suele ser el del valor medio, pero, no tiene por qué ser
así.
 Nodos de decisión: Se valoran eligiendo la mejor decisión según el criterio
considerado.
Ejemplo: Un vendedor ambulante ha de decidir en el mes de enero si va a acudir a
una feria que se celebra en el mes de septiembre, porque en el caso en que sea que
sí tendrá que pagar 40,000 pesos de licencia para poder montar su puesto en la
feria. Un mes antes de la feria se conocen las previsiones meteorológicas para el
mes de septiembre, de modo que si estas, son de mal tiempo el vendedor sabe que
lo más rentable es no ir a la feria. Por experiencias de años anteriores sabe que el
30% de las veces estas previsiones son de mal tiempo. En el caso de que sean
buenas las previsiones, el vendedor decidirá ir a la feria y hacer el pedido de
productos a vender.
Puede hacer dos tipos de pedido: un pedido grande de 900 unidades, con un precio
unitario de compra de 100 pesos y un precio de venta de 300 pesos, o un pedido
pequeño de 600 unidades que comprará a 125 pesos y venderá a 350 pesos. Una
vez en la feria, este vendedor estima que la demanda puede ser de tres tipos:
demanda alta de 900 unidades, media de 600 unidades, y baja de 300 unidades, con
probabilidades de 0.3, 0.5 y 0.2, respectivamente. Sin embargo, se da la
circunstancia de que, si la demanda es mayor que la cantidad de productos que ha
llevado el precio de venta se verá reducido en 50, en concepto de penalización.
Representación gráfica del árbol de decisión:
140,000
ta 0.3
D. Al
D. Media 0.5 50,000
A2 D. B
aja 0
.2 -40,000

D2
65,000
A1
Permiso ta 0.3
D. Al
D. Media 0.5 95,000
D1 A´2 D. B
-40,000 aja
No permiso 0 0.2 -10,000

P á g i n a 10 | 12
La valoración de los nodos se hace como sigue:
 Nodo A2: Habrá que valorarlo según alguno de los criterios vistos, por ejemplo, si
utilizamos el del valor medio se valorará con 59,000, si fuera el de Wald con
-40,000. En cualquier caso, hay que definir uno de ellos para todos los nodos, así
que lo desarrollaremos según el criterio del valor medio.
 Nodo A’2: Puesto que se ha decidido hacerlo según el criterio del valor medio,
será 65,000.
 Nodo D2: Al ser un nodo de decisión se valora con el mejor valor de los nodos
conectados a él, es decir, el mejor de A2 y A’2, con 65,000
 Nodo A1: Es un nodo de azar, luego se valora por el criterio adoptado con la
media del nodo 45,500.
 El otro nodo es un nodo terminal valorado con 0.
 Nodo D1: Es un nodo de decisión en el que se elige entre 45.500 y 0, con lo que
resulta valorado en 45,500. Además, es el nodo inicial, con lo que ya se ha
valorado todo el árbol.
Así la política óptima resulta ser pedir el permiso en enero, y si hace buen tiempo ir
con pedido pequeño. Esta política óptima nos da una ganancia esperada de 45,500.

P á g i n a 11 | 12
CONCLUSIÓN
La teoría de la estadística proporciona una base para toda la gama de técnicas, tanto
en el diseño del estudio como en el análisis de datos, que se utilizan dentro de las
aplicaciones de la estadística. Así como también nos ayuda a tomar decisiones
basadas en esos análisis, cálculos y estudios que nos brinda la información. La toma
de decisiones consiste en elegir básicamente una alternativa, y cómo en todo
momento se necesita tomar decisiones es importante conocer las teorías de decisión
en la estadística que, basadas sobre la evidencia observada en muestras, implican
siempre la posibilidad de error. Los estadísticos no tratan con decisiones
fundamentadas en la certeza, sino que, simplemente, estiman la probabilidad o
improbabilidad de ocurrencia de los hechos.

La probabilidad es una rama de las matemáticas que a través de sus leyes se

pueden evaluar las consecuencias esperadas con los diversos resultados posibles en
la realización de un fenómeno aleatorio dicho de otro modo calculando la esperanza
matemática que ayuda a tomar decisiones de fenómenos naturales. Y dentro de lo
que abarca las probabilidades existe una teoría de decisión que se desarrolla con el
uso de esta, y ésta es la teoría de la incertidumbre, que también involucra a la teoría
bajo riesgo, en las que las dos están conectadas, pero que, a pesar de llevar un
proceso parecido, no son los mismo y no se emplean en las mismas situaciones.

Cuando las probabilidades son conocidas (o han sido estimadas) antes de tomar la
decisión, se dice que es un proceso de decisión bajo riesgo, mientras que si son
desconocidas se habla de decisión bajo incertidumbre. Ambas teorías nos ayudan a
tomar decisiones en diferentes situaciones y nos permiten inferir, según cual sea la
que empleamos, los mejores resultados probables.

Una herramienta con la que cuenta la teoría de decisiones bajo riesgo es el árbol de
decisiones que es un instrumento para representar la aleatoriedad por etapas de
algunos escenarios del proceso de decisión, pero que nos permite acondicionar lo
que se puede o no darse posteriormente y ser representado en una gráfica que nos
permite visualizar todas las opciones y alternativas de cada decisión tomada y así

P á g i n a 12 | 12
lograr encontrar la mejor ruta de acción que nos permita obtener los mejores
resultados.

P á g i n a 13 | 12
BIBLIOGRAFÍA
 https://analisis-certidumbre-riesgo-
incertidumbre.fandom.com/es/wiki/Toma_de_decisiones_bajo_Incertidumbre

 https://www.researchgate.net/profile/Carlos-
Bouza/publication/325264103_ELEMENTOS_DE_LA_TEORIA_DE_DECISION_Y
_DE_LA_TEORIA_DE_INFORMACION/links/5b028a29aca2720ba0981b7d/ELEM
ENTOS-DE-LA-TEORIA-DE-DECISION-Y-DE-LA-TEORIA-DE-
INFORMACION.pdf

 Video: teoría de decisiones bajo incertidumbre

 https://www.mat.ucm.es/~bvitoria/Archivos/a_dt_UCM.pdf

 Video: Árbol de decisiones.

P á g i n a 14 | 12
2. Cuadro sinóptico de la clasificación de la estadística

Gráfica
Permiten presentar distribuciones que
Descriptiva visualizan la información de manera rápida
y sencilla, demostrando con mayor claridad
Detalla las relaciones de interés en la relación que estos datos tienen entre sí.
las muestras exploradas. Organiza,
resume, presenta y describe la
información que contienen los Numérica
datos de manera informativa. Describe y resume la distribución de los
datos de forma numérica buscando
relaciones entre ellos que puedan ser
presentados también ordenados en
cuadros.
Estadística

Paramétrica
Inferencial Comprende procedimientos estadísticos
Valora en qué medida las basados en distribuciones comunes.
relaciones encontradas en los
datos de la muestra pueden No paramétrica
extrapolarse a la población general.
Comprende procedimientos estadísticos
Por medio de estimadores y
basados en distribuciones que no se ajustan
pruebas de hipótesis basadas en a los criterios paramétricos. Su utilización es
probabilidades para establecer una recomendable cuando no se puede asumir
decisión. que los datos tienen una distribución
conocida.
P á g i n a 15 | 12