Técnicas bayesianas de apoyo a la toma de decisiones

Abstract

En esta tesis se desarrollan nuevas técnicas relativas a la toma de decisiones en diferentes contextos. En primer lugar, se propone un método de agregación de preferencias que permite que un grupo alcance una decisión colaborativa mediante la ordenación de las posibles alternativas. Este método se ha adaptado para resolver problemas de clasificación, combinando comparación por pares, regresión binaria Bayesiana y el algoritmo del vecino más cercano. Además, se ha propuesto un proceso de aprendizaje continuo.

En el contexto de la evaluación del grado de acuerdo, se ha propuesto un método basado en el índice de Dice. Este método se aplica a problemas de diferenciación de productos en el ámbito del análisis sensorial. Por otra parte, también se han propuesto dos aproximaciones Bayesianas basadas en métodos de Montecarlo que permiten obtener la distribución de probabilidad de las medidas de acuerdo, en lugar de únicamente estimaciones puntuales.

Por último, se han utilizado redes Bayesianas para resolver problemas de decisión en el ámbito veterinario y en el análisis de riesgos en aviación. Se ha considerado una aplicación sobre la caracterización cinemática del semen de tenca y otra sobre la identificación de los factores de riesgo en el síndrome respiratorio ovino. En ambos casos los resultados obtenidos se utilizarán para mejorar la producción animal. En el contexto de la aviación, se han analizado las variables más influyentes en las salidas de pista durante el aterrizaje, proporcionando una clasificación de las pistas según el riesgo de accidente.

In this thesis some new statistical methods related to decision making field are developed. First, a new method to aggregate preferences is proposed, allowing a group to make a collaborative decision by ordering all the possible alternatives. This model has been adapted to solve classification problems, combining pairwise comparison, Bayesian binary regression, and k-nearest neighbor algorithm. Moreover, a continuous learning process has been proposed.

In the context of measuring agreement, a Dice's index-based method is proposed. It is applied to problems of product differentiation in the field of sensory analysis. Likewise, two Monte Carlo-based Bayesian approaches have been proposed, providing estimated probability distributions for the measures of agreement instead of only punctual estimations.

Finally, Bayesian networks are used to provide information on several decision problems regarding the veterinary field and risk analysis in landing procedure. One application deals with the characterization of sperm motility in tench and another is focused on risk factors in the ovine respiratory syndrome. Achieved results will be used to improve animal production. Eventually, in the aviation context, the most influential variables for runway excursions are analyzed. A runway ranking is provided according to risks associated with landing procedures.