PODEJMOWANIE DECYZJI GOSPODARCZYCH W WARUNKACH
NIEPEWNOŚCI
1. WSTĘP
Jednym z elementów procesu decyzyjnego jest stan otoczenia zewnętrznego. Każde zadanie decyzyjne związane jest z określonym rzeczywistym środowiskiem gospodarczo-społecznym, cechującym się pewnym stopniem niepewności. Ze względu na to kryterium wyodrębnia się następujące rodzaje warunków w jakich podejmowane są decyzje:
warunki pewności - jeżeli można uważać, że w trakcie realizacji decyzji środowisko nie wpłynie w żaden istotny sposób na jej wyniki;
warunki ryzyka - jeżeli środowisko może wpłynąć na efekty działań i zależą one od możliwego do określenia prawdopodobieństwa wystąpienia poszczególnych stanów środowiska;
warunki niepewności - wyniki działań zależą od stanów środowiska, których prawdopodobieństwo wystąpienia jest nieznane.
Decyzje gospodarcze najczęściej podejmowane są w warunkach niepewności i ryzyka. Celem tego opracowania jest prezentacja podstaw formalnych podejmowania decyzji w warunkach niepewności oraz możliwych do zastosowania reguł postępowania.
2. PODSTAWY FORMALNE PODEJMOWANIA DECYZJI W WARUNKACH NIEPEWNOŚCI
Przy podejmowaniu decyzji w warunkach niepewności wartości charakterystyk będących podstawą wskazania decyzji są całkowicie uwarunkowane czynnikami zewnętrznymi, nie podlegającymi jakiejkolwiek kontroli decydenta. Wystąpienie tych czynników można przewidzieć, ale nie można ich określić ani nimi sterować, ponieważ ich źródło znajduje się poza zasięgiem decydenta. Dlatego nazywa się je działaniem środowiska lub otoczeniem problemu.
W pracy rozważać będziemy sytuacje decyzyjne, w których potrafimy wyróżnić charakterystyczne stany środowiska i ich możliwe konsekwencje dla wartości charakterystyk uwzględnianych przy podejmowaniu decyzji. Koniecznym staje się ustalenie liczby stanów środowiska, która może być obiektywnie określona przez charakter działań środowiska. Jeżeli tak nie jest należy stany środowiska wyodrębnić tak, aby były rozłączne i łącznie przedstawiały wszystkie rozwiązania.
Wyróżnienie stanów środowiska powinno być związane z możliwością wskazania skutków ich wpływu na znaczenie charakterystyk. Rozważać będziemy sytuacje decyzyjne, w których:
można wskazać propozycje działań (warianty, alternatywy),
wyniki działań zależą w sposób istotny od wpływu środowiska, które jest poza kontrolą decydenta,
można wyróżnić charakterystyczne stany środowiska,
znane są konsekwencje wystąpienia poszczególnych stanów środowiska (znany jest związek między każdym z wyróżnionych stanów, a przewidywanym wynikiem działania).
Kolejnym krokiem jest ustalenie podstaw formalnych. Przyjęto tutaj następujące oznaczenia.
1. D - pole decyzyjne - zbiór decyzji dopuszczalnych, zwanych alternatywami.
D = {Ai} = {A1, A2,...,An}, (1)
gdzie: Ai - i-ta alternatywa,
i = 1,...,n ( numer alternatywy).
2. C - reprezentatywna charakterystyka (problem decyzyjny przedstawiono za pomocą jednego celu reprezentowanego przez charakterystykę C).
3. W - warunek kierunkowy W, jaki powinna spełniać charakterystyka C dla realizacji celu podejmowanej decyzji.
W: C → max lub C → min
4. Zbiór stanów środowiska.
S = {Sj} = {S1, S2,...,Sm}, (2)
gdzie: Sj - j-ty stan środowiska,
j = 1,...,m ( numer stanu środowiska).
5. (Ai, Sj) → kij - funkcja przyporządkowująca i-tej alternatywie i j-temu stanowi środowiska
wartość charakterystyki C, nazywaną konsekwencją.
6. Każda alternatywa zostaje przedstawiona za pomocą m - elementowego wektora wierszowego, którego elementami są wartości charakterystyki C w poszczególnych stanach środowiska.
Ai = [ ki1 ki2 ... kim ] (1 x m). (3)
7. Pole decyzyjne jest reprezentowane przez macierz konsekwencji zwaną również macierzą wypłat.
, (4)
Wiersze tej macierzy reprezentują poszczególne alternatywy a kolumny stany środowiska.
3. PORZĄDKOWANIE WARIANTÓW DECYZYJNYCH (ALTERNATYW)
Porządkowanie alternatyw polega na identyfikacji alternatyw zdominowanych i wyeliminowaniu ich z pola decyzyjnego. Jest to jeden ze sposobów podejmowania decyzji w warunkach niepewności. Skuteczny tylko wówczas, gdy w wyniku takiego postępowania zostanie ustalona jedna alternatywa dominująca nad pozostałymi.
Przy podejmowaniu decyzji w warunkach niepewności wyróżnia się dwa rodzaje dominacji dominację absolutną i dominację stanową.
Alternatywa Ai dominuje absolutnie nad alternatywą Ap, gdy najmniej korzystny wynik dla Ai nie jest gorszy od najkorzystniejszego wyniku dla Ap. Dominację absolutną w sposób formalny określają poniższe relacje:
1) dla W: C → max
min{kij} ≥ max{kpj}, (5)
j j
2) dla W: C → min
max{kij} ≤ min{kpj}, (6)
j j
gdzie: kij - wartość charakterystyki C dla i-tej alternatywy i j-tego stanu środowiska,
kpj - wartość charakterystyki C dla p-tej alternatywy i j-tego stanu środowiska.
Dominacja absolutna narzuca bardzo ostre warunki, dlatego w rzeczywistości rzadko występuje.
Alternatywa Ai dominuje nad alternatywą Ap w każdym stanie otoczenia, gdy dla każdego stanu alternatywa Ai nie jest gorsza niż alternatywa Ap, i istnieje taki stan Sr, w którym alternatywa Ai jest korzystniejsza od alternatywy Ap.
Dominację stanową w sposób formalny określają poniższe relacje:
1) dla W: C → max
kij ≥ kpj dla każdego stanu Sj ( j = 1,...,m ) i istnieje taki stan Sr, dla którego kir > kpr,
2) dla W: C → min
kij ≤ kpj dla każdego stanu Sj ( j = 1,...,m ) i istnieje taki stan Sr, dla którego kir < kpr.
Właściwy problem decyzyjny występuje wówczas, gdy w polu decyzyjnym pozostaną co najmniej dwie alternatywy niezdominowane. Wówczas konieczne jest korzystanie z jednej z przedstawionych poniżej reguł decyzyjnych.
4. KRYTERIA PODEJMOWANIA DECYZJI W WARUNKACH NIEPEWNOŚCI
W warunkach niepewności każda alternatywa jest przedstawiona w postaci wektora możliwych wartości reprezentatywnej charakterystyki. W rzeczywistości zrealizuje się tylko jedna, nie wiadomo która, wartość. Nie można w warunkach niepewności dokonać wyboru decyzji optymalnej z powodu braku wystarczających informacji. Można jedynie podać reguły wnioskowania pozwalające poznać konsekwencje splotu wpływów stanów środowiska i propozycji decyzji. Poznanie tych konsekwencji ma ułatwić subiektywny wybór i akceptację jednej z alternatyw, przy zachowaniu zasad racjonalności.
Celem analizy alternatyw w warunkach niepewności jest rozpoznanie alternatyw spełniających określone oczekiwania decydenta. Ważna jest tutaj subiektywna akceptacja danej alternatywy przez decydenta.
Sytuacje z jakimi mamy do czynienia przy podejmowaniu decyzji w warunkach niepewności, można przedstawić jako pewien rodzaj gry strategicznej i próbować wyznaczyć decyzję w oparciu o teorię gier. W grze takiej występuje dwóch partnerów. Jednym jest człowiek a drugim „natura” . Jest to więc przypadek gry człowieka z „naturą”. „Natura” jest przeciwnikiem nierozumnym, który sam nie jest zainteresowany wynikiem gry. Człowiek grając z „naturą” może przyjmować różne postawy np. ostrożnego decydenta ( postawa skrajnego pesymisty), ryzykanta (postawa skrajnego optymisty).
„Natura” postępuje zupełnie przypadkowo, ale w taki sposób, że nie można zastosować rachunku prawdopodobieństwa. Strategie jakie ma do wyboru człowiek grając z „naturą” to alternatywy, a strategie „natury” to stany środowiska.
Pewne charakterystyczne przypadki postaw decydenta odpowiedzialnego za realizację decyzji można sprowadzić do jednoznacznych reguł wskazywania decyzji. Reguły te są oznaczone nazwiskami wybitnych statystyków związanych z analizą danych w warunkach niepewności.
Reguła Walda (max-min lub min-max)
Jest to strategia bardzo ostrożna cechująca pesymistyczną ocenę stanu środowiska. Zakłada że wystąpią najmniej korzystne warunki realizacji zamierzenia.
Algorytm:
1. Dla każdej alternatywy należy wskazać wynik najgorszy.
2. Należy wskazać alternatywę dla której wynik jest najkorzystniejszy.
Reguła Walda przyjmuje więc postać :
max min {kij}, dla W: C → max (7)
i j
min max {kij}, dla W: C → min (8)
i j
Reguła max - max lub min - min
Reguła ta odzwierciedla postawę skrajnie optymistyczną lub ryzykancką. Jest to strategia oparta na założeniu, że wystąpią najkorzystniejsze warunki realizacji przedsięwzięcia.
Algorytm:
1. Dla każdej alternatywy należy wskazać wynik najlepszy.
2. Należy wskazać alternatywę dla której wynik jest najkorzystniejszy.
Reguła ta przyjmuje postać :
max max {kij}, dla W: C → max (9)
i j
min min {kij}, dla W: C → min (10)
i j
Reguła Hurwicza
Odzwierciedla postawę pośrednią między pesymistyczną a optymistyczną. Przyjmuje się tutaj założenie, że postawy skrajnego pesymisty i skrajnego optymisty umożliwiają rozpoznanie granic wahań możliwych wyników. Natomiast rzadko się zdarza, aby alternatywy wskazane za pomocą tych reguł stawały się decyzjami bez dalszej analizy. Według L. Hurwicza postawę pośrednią (kompromisową) między granicami wahań możliwych wyników można wyrazić jako średnią ważoną skrajnych wyników.
Algorytm:
1. Należy subiektywnie ustalić wartość współczynnika optymizmu λ (λ ∈ < 0,1 >) oraz obliczyć współczynnik pesymizmu (1-λ).
2. Dla każdej alternatywy należy obliczyć wartość funkcji:
ϕ (Ai) = λ max{kij} + (1-λ) min {kij} jeżeli W: C → max (11)
j j
ϕ (Ai) = λ min{kij} + (1-λ) max {kij} jeżeli W: C → min (12)
j j
3. Należy wskazać alternatywę, dla której wartość ϕ (Ai) jest najkorzystniejsza. Będzie nią alternatywa dla której:
ϕ (Ap) = max ϕ(Ai), jeżeli W: C → max (13)
i
ϕ (Ap) = min ϕ(Ai), jeżeli W: C → min (14)
i
Im współczynnik optymizmu jest bliższy 1, tym bardziej reguła Hurwicza jest zbliżona do reguły ryzykanckiej. Im współczynnik optymizmu λ jest bliższy 0, tym bardziej reguła Hurwicza jest zbliżona do reguły asekuranckiej.
Reguła Laplace'a (średniej konsekwencji)
Reguła ta odzwierciedla neutralną postawę decydenta odnośnie przyszłych warunków realizacji przedsięwzięcia gospodarczego. Opiera się na następującym wnioskowaniu: jeżeli nie można wyróżnić żadnego ze stanów środowiska (z powodu braku wystarczających informacji) można przyjąć, że wystąpienie każdego z nich jest jednakowo prawdopodobne. Wszystkie rozpatrywane stany środowiska traktuje się tutaj równorzędnie. Do wskazania alternatywy wykorzystuje się średnią wyników (średnią konsekwencji) przyporządkowanych każdej alternatywie.
Algorytm:
1. Dla każdej alternatywy należy obliczyć średnią konsekwencji:
, (15)
gdzie:
- średnia wyników dla i-tej alternatywy.
2. Należy wskazać alternatywę, dla której wartość
jest najkorzystniejsza. Należy więc wskazać alternatywę Ap, dla której:
, jeżeli W: C → max (16)
, jeżeli W: C → min (17)
Powoływanie się na regułę Laplace'a budzi wiele zastrzeżeń natury teoretycznej i praktycznej. Za podstawową wadę tej reguły uznaje się zbyt upraszczające wnioskowanie. Wątpliwości budzi zasadność przyjęcia jednakowych prawdopodobieństw występowania poszczególnych stanów środowiska. Korzysta się tu z tzw. „zasady równych racji”. Jeżeli nie można ustalić prawdopodobieństw występowania poszczególnych stanów natury to przyjmuje się, że są one równe.
Reguła Niehansa-Savage'a (reguła minimalizacji „utraconej szansy”)
J. Niehans w 1948 r. a L. J. Savage w 1951 r. zaproponowali wykorzystanie kryterium minimalizacji „utraconej szansy” do podejmowania decyzji w warunkach niepewności. Stosując tę regułę nie ocenia się bezpośrednich konsekwencji wskazania alternatywy, lecz skutki wynikające z niepodjęcia decyzji, która przy danym stanie natury byłaby najlepsza. Decydenci porównują wnioski wyciągane na podstawie macierzy konsekwencji, z rzeczywistością jaka ma miejsce po realizacji decyzji. Wówczas znany jest już stan środowiska i można analizować utraconą szansę.
Utracona szansa jest to różnica między wynikiem oferowanym przez wskazaną przez decydenta alternatywę, a wynikiem alternatywy najkorzystniejszej w danym stanie środowiska. Reguła Niehansa-Savage'a proponuje kierowanie się przy wyborze decyzji minimalizacją potencjalnych strat względem najkorzystniejszego wyniku w danym stanie środowiska.
Algorytm:
1. Na podstawie macierzy konsekwencji, dla każdego stanu środowiska należy ustalić najkorzystniejszy wynik. Będzie to:
max {kpj}, dla W: C → max (18)
p
min {kpj}, dla W: C → min (19)
p
2. Należy utworzyć macierz strat alternatywnych, będących konsekwencjami błędnych decyzji. Elementy tej macierzy oblicza się następująco:
uij = max {kpj} - kij, jeżeli W: C → max, (20)
p
uij = kij - min {kpj} , jeżeli W: C → min, (21)
p
gdzie: uij - element macierzy strat alternatywnych.
3. Dla każdej alternatywy należy obliczyć największą potencjalną stratę:
ϕ (Ai) = max {uij} (22)
j
4. Należy wskazać alternatywę Ap dla której maksymalna potencjalna strata jest najmniejsza:
ϕ (Ap) = min ϕ (Aij) (23)
i
Przedstawione reguły pozwalają rozpoznawać możliwe konsekwencje wskazania decyzji. Jednak żadna z nich nie przesądza o jej wyborze. Wybór należy do decydenta, który zaakceptuje jedną z reguł postępowania, lub wskaże określoną alternatywę na podstawie analizy konsekwencji. Wybór którejkolwiek z reguł postępowania nie może być nigdy wyborem przypadkowym, lecz powinien być dokonany po gruntownej analizie rozważanej sytuacji decyzyjnej.
6