---
title: "Criterio minimax de Bayes"
source: "https://systems-analysis.info/int/Criterio_minimax_de_Bayes"
wiki: "systems-analysis.info/int"
article: "Criterio_minimax_de_Bayes"
language: "es"
categories:
  - "Category:Decision theory"
  - "Category:Decision-making"
  - "Category:Spanish"
revision_id: 1301
wiki_created_at: 2026-09-06T22:46:36Z
wiki_modified_at: 2026-09-06T22:46:36Z
downloaded_at: 2026-09-07T22:45:20Z
---

# Criterio minimax de Bayes

**El criterio minimax de Bayes** es un método de toma de decisiones en condiciones de riesgo e incertidumbre parcial, orientado a minimizar el máximo riesgo esperado. Se aplica cuando las probabilidades de los resultados no se conocen con precisión o se representan mediante un conjunto de distribuciones admisibles.

## Esencia del criterio

El criterio minimax de Bayes supone que el tomador de decisiones no confía plenamente en las estimaciones de probabilidad disponibles. En lugar de elegir una estrategia que maximice el beneficio esperado (como en el criterio clásico de Bayes), se adopta una estrategia que minimiza el peor riesgo esperado posible.

En otras palabras, el minimax de Bayes combina:

- la naturaleza probabilística del enfoque de Bayes,
- la cautela propia de las estrategias minimax.

La estrategia se elige de tal manera que, en la distribución de probabilidad más desfavorable, el daño esperado sea el mínimo posible.

## Aplicación del criterio

El proceso de aplicación incluye los siguientes pasos:

1.  Se forma un conjunto de distribuciones de probabilidad admisibles para los resultados (si no se conocen las probabilidades exactas).
2.  Para cada estrategia, se determina el riesgo esperado máximo, considerando todas las distribuciones admisibles posibles.
3.  Se elige la estrategia que minimiza el riesgo máximo.

Este enfoque garantiza la robustez de las decisiones ante la incertidumbre sobre las probabilidades.

## Ventajas y desventajas

**Ventajas:**

- Robustez de las decisiones frente a errores en la estimación de probabilidades.
- Proporciona protección contra los peores escenarios, incluso con información incompleta.

**Desventajas:**

- Puede ser excesivamente conservador cuando las probabilidades se conocen con exactitud.
- Requiere un trabajo complejo con conjuntos de distribuciones de probabilidad, lo que complica los cálculos.