Introduccion
El análisis de decisión proporciona un soporte cuantitativo a los tomadores de decisiones en todas las áreas tales como ingenieros, analistas en las oficinas de planificación, agencias publicas, consultores en proyectos de gerencia, planificadores de procesos de producción, analistas financieros y de economía, expertos en diagnósticos de soportes medico y tecnológicos e infinidad de otras áreas.
Es la forma que pueden tomar un conjunto de datos obtenidos de muestros de datos con comportamiento que se supone aleatorio
Un modelo estadístico es un tipo de modelo matematico que usa la probabilidad, y que incluye un con junto de asunciones sobre la generación de algunos datos muestrales, de tal manera que asemejen a los datos de una población mayor.
Las asunciones o hipótesis de un modelo estadístico describen un conjunto de distribuciones de probabilidad, que son capaces de aproximar de manera adecuada un conjunto de datos. Las distribuciones de probabilidad inherentes de los modelos estadísticos son lo que distinguen a los modelos de otros modelos matemáticos deterministas.
Un modelo estadístico queda especificada por un conjunto de ecuaciones que relacionan diversas variables aleatroias, y en las que pueden aparecer otras variables no aleatrias. Como tal "un modelo es una representación formal de una teoría"
Todos los tests de hipótesis estadísticas y todos los esticmadores estadisticos proceden de modelos estadísticos. De hecho,los modelos estadísticos son una parte fundamentalmente de la inferencia estadisticas.
La Dinámica de un Sistema:
Muchos de los sistemas a los cuales pertenecemos son sistemas dinámicos, los cuales cambian a través del tiempo. El sistema será estático o dinámico dependiendo del horizonte temporal que se escoja y de las variables en las cuales se está concentrado. El horizonte temporal es el periodo de tiempo dentro del cual se estudia el sistema. Las variables son valores cambiables dentro del sistema.
En los modelos probabilísticos, el gerente no esta preocupado solamente por los resultados, sino que también con la cantidad de riesgo que cada decisión acarrea.
Como un ejemplo de la diferencia entre los modelos probabilísticos versus determinísticos, considere el pasado y el futuro: Los gerentes se encuentran mucho mas cautivados por darle forma al futuro que por la historia pasada.
El concepto de probabilidad ocupa un lugar importante en el proceso de toma de decisiones, ya sea que el problema es enfrentado en una compañía, en el gobierno, en las ciencias sociales, o simplemente en nuestra vida diaria. La probabilidad entra en el proceso representando el; rol de sustituto de la certeza – un sustituto para el conocimiento completo.
Los modelos probabilísticos están ampliamente basados en aplicaciones estadísticas para la evaluación de eventos incontrolables (o factores), así como también la evaluación del riesgo de sus decisiones. La idea original de la estadística fue la recolección de información sobre y para el Estado.
Los modelos probabilísticos son vistos de manera similar que a un juego; las acciones están basadas en los resultados esperados. El centro de interés se mueve desde un modelo determinístico a uno probabilístico usando tecnicas sudgetivas para estimación, prueba y predicción. En los modelos probabilísticos, el riesgo significa incertidumbre para la cual la distribución de probabilidad es conocida. Por lo tanto, la evaluación de riesgo significa un estudio para determinar los resultados de las decisiones junto a sus probabilidades.
Los tomadores de decisiones generalmente se enfrentan a severa escasez de información. La evaluación de riesgo cuantifica la brecha de información entre lo que es conocido y lo que necesita saber para tomar una decisión óptima. Los modelos probabilístico son utilizados para protegerse de la incertidumbre adversa, y de la explotación de la propia incertidumbre.
No hay comentarios.:
Publicar un comentario