Metody podejmowania
decyzji
Plan zajęć z grupą 23AAA 1-2
Semestr letni 2008
1. Metody badań naukowych: W
2. Metody oceny prawdopodobieństwa
zdarzeń: W i Z
3. Podejmowanie decyzji w warunkach
niepewności:
W i Z
4. Podejmowanie decyzji na podstawie
drzewa decyzyjnego: W i Z.
2. Metody oceny prawdopodobieństwa
zdarzeń
Prawdopodobieństwo realizacji projektu
Prawdopodobieństwo zdarzenia w
doświadczeniu określane jest wg relacji
gdzie: LZS – liczba zdarzeń sprzyjających,
LWZ – liczba wszystkich zdarzeń.
Na przykład prawdopodobieństwo, że wypadnie
parzysta liczba oczek w kostce do gry wynosi:
LWZ
LZS
p
– liczba sprzyjających zdarzeń: ścianki z
liczbami 2, 4, 6, razem LZS = 3,
– liczba wszystkich zdarzeń: LWZ = 6,
– prawdopodobieństwo: p = 3 / 6 =0,5.
Ten sposób postępowania nie zawsze jest
możliwy, dlatego często korzysta się z
metody czynnikowo-punktowej oceny
prawdopodobieństwa. Zilustrujemy to na
przykładzie oceny ryzyka realizacji
przedsięwzięcia (projektu). Załóżmy, że
zostały określone potencjalne czynniki
ryzyka (tablica 1.). Załóżmy również, że
wybierzemy 10 czynników ryzyka z tablicy
1 i że będą one punktowane w skali 3
punktowej. Wynik takich ocen zawiera
tablica 2.
Maksymalna liczba punktów wynosi: LWZ =
10 ∙ 9 ∙ 3 =270,
Liczba punktów pozytywnych wynosi: LZS =
191,
Ryzyko realizacji projektu wynosi: p = 191 /
270 = 0,71.
Ocena prawdopodobieństwa zaistnienia
określonych dopełniających się
sytuacji np. siły, słabości
Niech ocena prawdopodobieństwa będzie
taka jak w tablicy 3.
Ponieważ analizowane sytuacje się
dopełniają, suma ich prawdopodobieństw
musi wynosić 1, dlatego obliczone
prawdopodobieństwa muszą być
odpowiednio skorygowane wg relacji:
gdzie: psi – prawdopodobieństwo
skorygowane,
pci – prawdopodobieństwo obliczone.
Na przykład w tablicy 3 mamy:
pci
pci
psi
58
,
0
59
,
0
34
,
0
1
ps
42
,
0
59
,
0
25
,
0
2
ps
3. Podejmowanie decyzji w warunkach
niepewności
Cechą charakterystyczną podejmowanych
decyzji w warunkach niepewności jest to,
że mamy do czynienia:
- z różnymi wyborami,
- z niepewnością.
Optymalna decyzja wymaga spełnienia
następujących postulatów:
- najkorzystniejszy wybór,
- najpewniejszy wybór.
Decyzje podejmowane w warunkach
niepewności dzieli się na decyzje przy:
- znanych prawdopodobieństwach zaistnienia
określonych sytuacji,
- nieznanych prawdopodobieństwach
zaistnienia określonych sytuacji.
Sytuację decyzyjną w warunkach niepewności
można scharakteryzować tak, jak w tablicy
1.28.
Z podanych wielkości wynika, że każdemu
działaniu Dj przy każdym stanie Si należy
przyporządkować odpowiednie miary
użyteczności wyników działań Uji.
Mogą nimi być: subiektywnie odczuwane korzyści
lub straty przypisywane wynikom działań przy
każdym stanie lub mogą to być zyski (straty).
Ponadto, przy znanych
prawdopodobieństwach każdemu stanowi
należy przypisać odpowiednie wielkości
prawdopodobieństw.
Sposób ustalania wartości oczekiwanej skutków
działania (użyteczności wyników) jest różnie
określany w różnych regułach decyzyjnych.
Jest on cechą charakterystyczną tych reguł.
Ponieważ sposobów działania jest wiele (co
najmniej dwa), dlatego zachodzi potrzeba
określenia kryteriów, według których można
wybrać działanie optymalne.
Przyjmuje się, że działanie optymalne to takie,
dla którego wartość oczekiwana skutków
działania jest maksymalna, to znaczy jest
ustalana zgodnie z relacją
DO = max {O1, O2, ....,Om}
gdzie: DO - decyzja optymalna,
Oj - wartość oczekiwana skutków
działania.
Decyzje przy znanych
prawdopodobieństwach
Jeżeli znane są prawdopodobieństwa pojawienia
się analizowanych stanów, to przy
podejmowaniu decyzji bierze się pod uwagę:
- użyteczność wyników działania,
- prawdopodobieństwo ich otrzymania.
Decyzja optymalna określona jest relacją:
D = max {(∑Uji pi)}
dla: i = 1,2 , ... , n oraz j = 1,2, ... , m.
Oznacza to, że należy podjąć to działanie, dla
którego wartość oczekiwana skutków
działania jest maksymalna.
2) Ocena użyteczności cząstkowych w
punktach
Kryteria oceny użyteczności:
przyjemne spędzenie wakacji 4 punkty,
dobre spędzenie wakacji 3 punkty,
przeciętne spędzenie wakacji 2 punkty,
złe spędzenie wakacji 1 punkt,
Uwzględniając te założenia, otrzymamy
użyteczności stanów pogodowych
zestawione w tablicy 1.30.
Przykład 2
Rozważmy problem wyboru rodzaju
produkcji; możemy produkować jeden z
wyrobów: motylki, trampki lub traperki.
Dane dotyczące tych wyrobów zawiera
tablica 1.32.
Obliczenia:
- działanie l. lOxO,3-6xO,2-8x0,4+2xO,1 = -1,2
- działanie 2. -10 x 0,33 + 3 x 0,2 + 5 x 0,4 + 12
x 0,1 = 0,8
- działanie 3. -15xO,3+20xO,2+6xO,4-4xO,1 =
1,5
Wynik: DO = max {-1,2; 0,8; 1,5} = 1,5 → poz. 3.
Decyzja: produkować traperki.
Decyzje przy nieznanych
prawdopodobieństwach
Przy nieznanych prawdopodobieństwach
stosowane są następujące reguły decyzyjne:
- maksimaksu (skrajnego optymizmu),
- minimaksu (skrajnego pesymizmu,
asekuranctwa),
- optymizmu i pesymizmu,
- równej szansy.
W konkretnej sytuacji decyzyjnej stosuje się
jedną wybraną regułę decyzyjną.
REGUŁA SKRAJNEGO OPTYMIZMU
(MAKSIMAKSU). Reguła ta zaleca brać pod
uwagę najlepsze wyniki działania, stąd
nazwa skrajny optymizm. Decyzja
optymalna określona jest relacją
DO = max {max {Uji}} dla: j = l, 2, ...
, m oraz i = l, 2, ... , n.
Przykład
Dla danych z tablicy 1.32 mamy:
Obliczenia:
- działanie l. max { 10, -6, -8, 2} = 10,
- działanie 2. max{-l0, 3, 5, 12} = 12,
- działanie 3. max{-15, 20, 6, -4} = 20.
Wynik: DO = max {l0, 12, 20} = 20 → poz. 3.
Decyzja: produkować traperki.
REGUŁA SKRAJNEGO ASEKURANCTWA
(MINIMAKSU). Reguła ta zaleca brać pod
uwagę najgorsze wyniki działania. Decyzja
optymalna określona jest relacją
dla: j = 1, 2, ... , m oraz i = 1,2, ... , n.
Przykład
Dla danych z tablicy 1.32 mamy:
Obliczenia:
- działanie l. min { 10, -6, -8, 2} = -8,
- działanie 2. min {-lO, 3, 5, 12} = -10,
- działanie 3. min{-15, 20, 6, -4} = -15.
Wynik: DO = max{-8, -10, -15} = -8 → poz. 1.
Decyzja: produkować motylki.
REGUŁA OPTYMIZMU I PESYMIZMU. Reguła
ta zaleca brać pod uwagę zarówno najlepsze,
jak i najgorsze wyniki działania oraz wskaźnik
optymizmu W. Przy W = O reguła zamienia
się w regułę minimaksu, zaś przy W = l w
regułę maksimaksu. Decyzja optymalna
określona jest relacją
DO = max {[max {Uji} W + min {Uji} (1 -
W)]}
dla: j = 1, 2, ... , m oraz i = 1,2, ... , n.
Przykład
Dla danych z tablicy 1.32 oraz przy założeniu
wskaźnika optymizmu W = 0,5 mamy:
Obliczenia:
- działanie l. 10 x 0,5 + (-8) x 0,5 = l,
- działanie 2. 12 x 0,5 + (-10) x 0,5 = 1,
- działanie 3. 20x0,5+(-15)x0,5 = 2,5.
Wynik: DO = max{l, 1, 2,5} = 2,5 → poz.3.
Decyzja: produkować traperki.
REGUŁA RÓWNEJ SZANSY (LAPLACE' A).
W regule tej przyjęto założenie, że skoro
nieznane są prawdopodobieństwa, to
rozsądnie jest przyjąć, iż wszystkie stany
mają jednakowe szanse pojawienia się.
Decyzja optymalna określona jest relacją
DO = max {∑Uji}
Dla: j = 1,2, ... , m oraz i = 1,2, ... , n.
Przykład
Dla danych z tablicy 1.32 mamy:
Obliczenia:
- działanie 1. 10 - 6 - 8 + 2 = -2,
- działanie 2. -10 + 3 + 5 + 12 = 10,
- działanie 3. -15+20+6-4 = 7.
Wynik: DO = max{-2, 10, 7} = 10 → poz. 2.
Decyzja: produkować trampki.
PORÓWNANIE DECYZJI. Rozważane reguły
decyzyjne prowadziły do decyzji
zestawionych w tablicy 1.33.
4. Podejmowanie decyzji na podstawie
drzewa decyzyjnego
W drzewie decyzyjnym najczęściej określa się
cztery obszary:
1. Definicja decyzji: trzeba określić czego
decyzja ma dotyczyć, np. budować nową
fabrykę, czy modernizować dotychczasową?
2. Węzeł decyzyjny: najpierw podane są
alternatywy decyzji: budowa nowej fabryki,
modernizacja fabryki (idąc od lewej do prawej)
i koszt ich realizacji: 120, 50, później wartość
podjętej decyzji (idąc od prawej do lewej).
3. Węzeł szans: podane są wartości ścieżek: 200
i 90 oraz 120 i 60 i ich prawdopodobieństwa:
65% i 35% (dla każdej alternatywy suma
prawdopodobieństw wynosi 1).
4. Wartość netto ścieżki: podane są
prawdopodobieństwa i wartości netto dla
każdej alternatywy (wartość minus koszt),
odpowiednio: 200 – 120 =80 i 90 – 120 = –
30 oraz
120– 50 = 70 =70 i 60 – 50 = 10.
Mając te dane, można obliczyć wartość decyzji
dla każdej alternatywy:
WA = (W1 – K) ∙ P1 + (W2 – K) ∙ P2
gdzie: W1 – wartość pierwszej ścieżki przy
danej alternatywie,
W2 – wartość drugiej ścieżki przy
danej alternatywie,
K – koszt danej alternatywy,
P1, P2 – prawdopodobieństwa
analizowanych ścieżek, P1 + P2 = 1.
Dla naszego przypadku:
WA1 = 80 ∙ 0,65 – 30 ∙ 0,35 = 41,5
WA2 = 70 ∙ 0,65 + 10 ∙ 0,35 = 49
Wartość decyzji końcowej wynosi:
W = max [WA1, WA2] = max[41,5;49] =
49, a więc modernizacja fabryki.
5. Wybraną alternatywę odpowiednio
zaznaczamy oraz dopisujemy w
odpowiednich miejscach: prawda – fałsz.
6. Przykład analizy zawiera schemat.