Title | Arbol de Desición-Tesorero espía |
---|---|
Course | Teoria De Decisiones |
Institution | Universidad Nacional de San Agustín de Arequipa |
Pages | 2 |
File Size | 118.8 KB |
File Type | |
Total Downloads | 526 |
Total Views | 826 |
TESORERO ESPÍALa presidenta de una compañía de la rama industrial altamente competitiva considera que un empleado de la compañía está proporcionado Información confidencial a la competencia. Ella está segura en un 90% que éste informante es el tesorero de la compañía, cuyos contactos han sido extrem...
TESORERO ESPÍA La presidenta de una compañía de la rama industrial altamente competitiva considera que un empleado de la compañía está proporcionado Información confidencial a la competencia. Ella está segura en un 90% que éste informante es el tesorero de la compañía, cuyos contactos han sido extremadamente valiosos para obtener financiamiento para la compañía. Si lo despide y es el informante, la compañía gana $100.000. Si lo despide, pero no es el informante, la compañía pierde su experiencia y aún tiene a un informante en el equipo, con una pérdida para la compañía de $500.000. Si ella no despide al tesorero, la compañía pierde $300.000, sea o no sea el informante, ya que en ambos casos el informante continúa en la compañía. Antes de decidir la suerte del tesorero, la presidenta podría ordenar pruebas con un detector de mentiras. Para evitar posibles demandas, estas pruebas tendrían que administrarse a todos los empleados, con un costo total de $30.000. Otro problema es que las pruebas con el detector de mentiras no son definitivas. Si una persona está mintiendo, la prueba la revelará el 90% de las veces, pero si una persona no está mintiendo, la prueba lo indicará solo 70% de las veces. ¿Qué acciones deberá tomar la presidenta de la compañía?
Tabla 1 Situación Alternativas
Es Informante (P=0.9)
No es Informante (P=0.1)
Despedir
100.000
-500.000
No Despedir
-300.000
-300.000
Tabla 2 Investigación (Prueba) Identifica al Informante (I) No Identifica al Informante (NI) Probabilidad marginal
Situación Es Informante (E) (0.9)
No es Informante (NE) (0.1)
P[I&E]
P[I&NE]
(0.9) (0.9) = 0.81
(0.3) (0.1) = 0.03
P[NI&E]
P[NI&NE]
(0.1) (0.9) = 0.09
(0.7) (0.1) = 0.07
P[I]=P[I&E]+P[I&NE] P[I]= 0.84 P[NI]=P[NI&E]+P[NI&NE] P[NI]= 0.16
P[I]=P[D&I]+P[ND&I] P[NI]=P[D&NI]+P[ND&NI] 0.81+ 0.09 = 0.9
Fórmulas del teorema de Bayes P [ I ∨E ] P [ E ] P[ I ∨E ] P [ E ]+ P [ I ∨NE ] P [ NE ] P [ I ∨NE ] P[ NE ] P[ NE ∨I ]= P [ I ∨NE ] P[ NE ]+P[ I ∨ E ] P [ E ] P[ ¿∨E] P[ E] P[ E∨¿ ]= P [ ¿∨E ] P [ E]+P [¿∨NE ] P [ NE] P[ E∨I ]=
Probabilidades marginales
1.00
0.03 + 0.07 = 0.1
Valores para el caso 0.81 =0.964 0.81+0.03 0.03 P[ NE ∨I ]= =0.036 0.81+0.03 0.09 P[ E∨¿ ]= =0.562 0.09+0.07 P[ E∨I ]=
P[ NE ∨¿]=
P[ ¿∨NE ] P [ NE ] P [¿∨NE ] P [ NE]+P[ ¿∨E ] P [ E ]
P[ NE ∨¿]=
0.07 =0.438 0.09+0.07 Es Informante 0
70.000
Despedir 48.400 Prueba identifica al informante 0.84
48.400
No Despedir
0 No Es Informante -530.000
-330.000 Es Informante
Usar la Prueba
9.808
0
0.16
70.000
Despedir Prueba no identifica al informante
-192.800 -192.800
No Despedir
0
No Es Informante -530.000
-330.000
40.000
Es Informante 0.9
100.000
Despedir No usar la Prueba 0.1 40.000
No Es Informante -500.000
No Despedir -300.000...