ANÁLISE DE DECISÃO. Elementos básicos sobre árvores de decisão e diagramas de influência. Conceitos complementares:

Documentos relacionados
MODELOS DE APOIO À DECISÃO

Modelar a incerteza: Árvores de decisão e diagramas de influência. Carlos A. Bana e Costa

Modelar a incerteza: Árvores de decisão e diagramas de influência. Carlos A. Bana e Costa

Modelar a incerteza: Árvores de decisão e diagramas de influência

Análise de Decisão. Resolução indicativa

MODELOS DE APOIO À DECISÃO 2008/2009: Guia de Utilização do Software PrecisionTree

ANÁLISE DE DECISÃO 2014/2015: Guia de Utilização do Software PrecisionTree

Informação Geral 2008/2009

ANÁLISE DE DECISÃO 2010/2011. Caderno de Exercícios n.º 1 Modelização de Incerteza

ANÁLISE DE DECISÃO 2011/2012: Guia de Utilização do Software PrecisionTree

Caderno de exercícios no. 2

Informação Geral 2009/2010

MODELOS E APLICAÇÕES EM ANÁLISE DE DECISÃO Regras para o trabalho individual

ANÁLISE DE DECISÃO 2013/2014

Avaliação e Gestão de Risco em Projectos Mestrado em Engenharia e Gestão Industrial Departamento de Engenharia e Gestão, Instituto Superior Técnico

5 Decisão Sob Incerteza

Amostragem Aleatória e Descrição de Dados - parte II

PROBABILIDADES E INTRODUÇÃO A PROCESSOS ESTOCÁSTICOS. Aula 6 29 março de abril MOQ-12 Probabilidades e Int. a Processos Estocásticos

Capítulo 2 Resumindo Dados e Gráficos. Seção 2-1 Visão Geral. Visão Geral Características Importantes dos Dados

Parte I (6.5 valores)

Lógica e Raciocínio. Introdução a Teoria da Decisão. Universidade da Madeira.

TOMADA DE DECISÃO E EXECUÇÃO

Decisão Decidir Análise / Teoria da Decisão

Matemática A RESOLUÇÃO GRUPO I. Teste Intermédio. Versão 1. Duração do Teste: 90 minutos º Ano de Escolaridade. 1.

Teste de Software. Técnica de Teste Estrutural. Rosemary Silveira Filgueiras Melo

Teoria da Decisão. Slide 1. c 2002, 1998 Maria Antónia Carravilla FEUP

Decisões Sequenciais Árvores de Decisão

MODELOS DE APOIO À DECISÃO Licenciatura em Engenharia e Gestão Industrial Departamento de Engenharia e Gestão, Instituto Superior Técnico

QuickTime and atiff (Uncompressed) decompressorare needed to see this picture. Análise de Decisão. Métodos Quantitativos 2004/2005.

Introdução ao tema das Redes Bayesianas

8. Árvores. Fernando Silva DCC-FCUP. Estruturas de Dados. Fernando Silva (DCC-FCUP) 8. Árvores Estruturas de Dados 1 / 38

8. Árvores. Fernando Silva. Estruturas de Dados DCC-FCUP. Fernando Silva (DCC-FCUP) 8. Árvores Estruturas de Dados 1 / 38

Notas importantes NOME: NO. IST:

PROPOSTA INDICATIVA DE RESOLUÇÃO. MODELOS DE APOIO À DECISÃO Departamento de Engenharia e Gestão, Instituto Superior Técnico

Escola Secundária c/3º CEB de Lousada

Estatística Aplicada. Prof. Carlos Alberto Stechhahn EXERCÍCIOS - REVISÃO ESPAÇO AMOSTRAL - EVENTOS PROBABILIDADE. Administração. p(a) = n(a) / n(u)

Programa de Matemática 1.º ano

Exercício do livro Decision Analysis for the Professional (Peter McNamee e John Celona) Capítulo 04 Exercício Gerador

Aula de hoje Aula passada

Criar um recurso para QIM com ActivInspire - Studio

Organização de dados

Programa de Matemática 4º ano

Curso Profissional de Nível Secundário

Árvores de Decisão. Uma árvore de decisão é composta pelos seguintes elementos (veja figura 1):

Análise de Decisão. Afectação multicritério de recursos. João Carlos Lourenço Carlos A. Bana e Costa

Física da Informação Probabilidades

Tabela Unidades de Processo Candidatas

ZS Rest. Manual Profissional. BackOffice Mapa de Mesas. v2011

Finanças Corporativas. Análise de Sensibilidade. Métodos de Avaliação de Risco. Motochoque Ltda. Análise de Risco

Árvores e Mapas. Luís Lopes. Estruturas de Dados DCC-FCUP

Estatística Descritiva. Objetivos de Aprendizagem. 6.1 Sumário de Dados. Cap. 6 - Estatística Descritiva 1. UFMG-ICEx-EST. Média da amostra: Exemplo:

ESCOLA SECUNDÁRIA DE LOUSADA

1. Não é permitido separar este conjunto de folhas. O conjunto de folhas deverá ser devolvido por completo no final do exame.

Desenho do Cronograma 1

MODELOS DE APOIO À DECISÃO Licenciatura em Engenharia e Gestão Industrial Departamento de Engenharia e Gestão, Instituto Superior Técnico

nos projetos de investimento

Diagrama de Atividades

Complementos de Investigação Operacional. Folha nº 1 Programação Inteira 2006/07

ESTATÍSTICA APLICADA À ADMINISTRAÇÃO

Estatística Descritiva

Diagramas de Use Case Resumo

CARTAZES DE RUA E DE INTERIORES

Recursividade. Objetivos do módulo. O que é recursividade

Fundamentos de Lógica e Algoritmos. Aula 2.3 Introdução a Algoritmos. Prof. Dr. Bruno Moreno

Estruturas de Dados Apresentação

SUMÁRIO. Fundamentos Árvores Binárias Árvores Binárias de Busca

Teste de Software. Técnica de Teste Estrutural. Rosemary Silveira Filgueiras Melo

Complementos de Investigação Operacional. Folha nº 1 Programação Inteira 2007/08

Estatística Descritiva

Fluxogramas. Leandro Tonietto ago-09

Teoria das Probabilidades

Prof.: Joni Fusinato

Graphing Basic no Excel 2007

Universidade Veiga de Almeida Algoritmos e Linguagem I

CE Estatística I

Trabalho Prático 2015 Simulador de Circuitos Opção 1 Versão /11/2013

INTELIGÊNCIA ARTIFICIAL

MODELO DE DECISÃO PARA ESCOLHA DE PORTFOLIO DE INVESTIMENTOS

Probabilidade e Estatística I Antonio Roque Aula 2. Tabelas e Diagramas de Freqüência

NOTAS DE AULA 1 METAHEURÍSTICA 13/10/2016

Busca Competitiva. Inteligência Artificial. Até aqui... Jogos vs. busca. Decisões ótimas em jogos 9/22/2010

Conhecimento Incerto Decisões Sobre Incerteza

ELEMENTOS DE PROBABILIDADE. Prof. Paulo Rafael Bösing 25/11/2015

Teoria da utilidade Alguns conceitos chave

SCC0503 (Algoritmos e Estruturas de Dados II) Prof. Moacir P. Ponti Junior. Trabalho 2

FICHA de AVALIAÇÃO de MATEMÁTICA A 12.º Ano Versão 3

3. Tem-se: Como não pode ser, então. ( não pode ser porque se assim fosse a probabilidade de sair a face numerada com o número

Projecto de Algoritmos e Estruturas de Dados

FICHA de AVALIAÇÃO de MATEMÁTICA A 12.º Ano Versão 1

Arquivos Seqüenciais: Intercalação

Gestão de Base de dados Tabelas e Chaves

Universidade Federal de Lavras

AMEI Escolar Matemática 8º Ano Estatística: Organização e Tratamento de Dados

RELATÓRIO DE ESTÁGIO EMPRESA : ALUNO : (centralizado)

AULA TEÓRICA RESOLUÇÃO DE PROBLEMAS 4ª

1/7 1/ se hoje não chove, amanhã não vai chover com probabilidade p 00 = 6/7;

Transcrição:

ANÁLISE DE DECISÃO Elementos básicos sobre árvores de decisão e diagramas de influência Mónica Oliveira Ano lectivo 2011/2012 2 Conceitos Diagramas de influência Árvores de decisão Conceitos complementares: Valor monetário esperado Perfil de risco e perfil de risco acumulado 1

3 Queremos investir uns tantos s. Temos incerteza sobre a evolução dos mercados accionistas e das taxas de juro Jornal de Negócios, 20.09.2011 Diagramas de influência 2

Estruturação de problemas de incerteza Estrutura lógica e temporal entre decisões Estrutura lógica (dependente) entre eventos incertos Estrutura temporal da sequência de eventos incertos relacionada com a sequência de decisões Representações usando conceitos chave: Diagramas de influência Árvores de decisão 5 O que é que influencia o retorno do investimento? Diagrama de Influência 6 Exemplos de: Clemen, R. (1996), Making Hard Decisions: An Introduction to Decision Analysis (2nd Edition). Duxbury. 3

7 Diagramas de Influência 1. Elementos representados por: Nós de Decisão Nós de Incerteza Nós de Consequência (rectângulos): representam decisões (e alternativas) (ovais): representam eventos incertos (e resultados) (eventos de incerteza) (losangos): representam consequências (e cálculos) Os nós são colocados num grafo e têm ARCOS a ligá-los. Arcos representam relações (de relevância ou de sequência) entre nós: Nó predecessor nó sucessor 8 Diagramas de Influência 2. Relações lógicas são representadas por setas Indica sequência: só aponta para nós de decisão Indica relevância: só aponta para nós de incerteza e de consequência Sequência Relevância A decisão A precede a decisão B O evento C é conhecido antes de tomar a decisão D A decisão E é relevante para definir as probabilidades de ocorrência do evento F O evento G é relevante para definir as probabilidades de ocorrência do evento H 4

9 Nós de cálculo Nó de consequência 10 Sobre diagramas de influência Capturam o conhecimento num dado momento sobre um problema Nunca devem conter ciclos Nunca podem ter mais que um nó de consequência O nó final tem que ser um nó de consequência A interpretação de diagramas é fácil, mas a sua criação é difícil 5

11 Diagrama a representar no software PrecisionTree 12 Diagrama de influência de base Uma decisão e um evento incerto Outcomes Wild Success Flop Alternatives Savings Business Choice Business Result Return Savings Wild Success 2200 Flop 2200 Business Wild Success 5000 Flop 0 6

13 Um exemplo mais complexo Forecast Hits Miami Misses Miami Outcomes Hits Miami Misses Miami 14 Alternatives Evacuate Stay Informação Imperfeita: Envolve uma decisão e dois eventos incertos no momento da decisão. O resultado do evento incerto ( Forecast ) é conhecido no momento em que a decisão é tomada. Choice Outcome Consequence risk Consequence cost Evacuate Hits Miami Low risk High cost Misses Miami Low risk High cost Stay Hits Miami High risk High cost Misses Miami Low risk Low cost 7

15 Desenvolvimento de modelos financeiros para capturarem a incerteza! 1ª versão 3ª versão 2ª versão Principais passos para construir um diagrama de influência 1. Listar todas as decisões. 2. Desenhar arcos de sequência entre decisões. 3. Identificar nós de consequência. 4. Desdobrar os nós de consequência em nós de cálculo. 5. Desenhar arcos dos nós de decisão para os nós de cálculo intermédios. 6. Listar todos os nós de incerteza. 7. Desenhar arcos de relevância entre os nós de incerteza. 8. Desenhar os arcos de sequência entre os nós de incerteza e os nós de decisão. 9. Desenhar os arcos de relevância dos nós de decisão para os nós de incerteza. 10. Desenhar os arcos de relevância entre os nós de incerteza e os nós intermédios de cálculo. 16 8

Exercício: desenhar um diagrama de influência Acabou de vestir um fato novo que lhe custou 300 euros. Vai sair para trabalhar. Considera levar um guarda-chuva que protegerá o fato se chover. Sem guarda-chuva, o fato pode ficar danificado. Se não chover, carregar o guarda chuva causa inconveniência. Árvores de decisão 9

19 Uma ÁRVORE DE DECISÃO representa todos os possíveis percursos que um decisor pode seguir ao longo do tempo, incluindo todas as alternativas de decisão e todas as implicações decorrentes de eventos incertos. 20 Estruturação de elementos em árvores de decisão 10

Representação de elementos numa árvore de decisão Nós de decisão Representam decisões Nós de incerteza Representam a possibilidade de eventos incertos 21 Os ramos de um nó de decisão representam as opções; um decisor só pode escolher uma opção. Em cada nó de incerteza devem haver ramos que correspondam a um conjunto de resultados mutuamente exclusivos e colectivamente exaustivos. Consequências Consequências são especificadas no final dos ramos Quando uma incerteza é desfeita, somente um dos resultados pode acontecer. 22 Lendo árvores de decisão Se um nó de incerteza está à direita de um nó de decisão a decisão é tomada antes do momento de ocorrência de um evento incerto. Ao contrário, colocar um evento incerto antes de uma decisão significa que a decisão é tomada condicionalmente à ocorrência de um evento incerto específico. Informação imperfeita: decisor espera por informação antes de tomar uma decisão. O formato crescente indica que um evento incerto pode resultar em qualquer valor entre dois limites. 11

Como olhar para as árvores de decisão 1. São avaliadas da esquerda para a direita Deve-se pensar nos nós como ocorrendo numa sequência temporal 2. Só pode ser escolhida uma alternativa em cada nó de decisão 3. Os resultados de um nó de incerteza têm que estar todos enunciados; não pode ocorrer mais do que um resultado ao mesmo tempo mas um resultado terá sempre que acontecer 4. As árvores de decisão representam todos os cenários futuros 5. Se a ordem de nós de incerteza não for importante, escolher a sequência mais simples 23 24 Convertendo o exemplo do furacão 12

25 Árvores de decisão vs. diagramas de influência Forças Diagramas de influência Compactos Bons para comunicação, em particular na fase de estruturação Permitem boa visão para problemas complexos Adequados para entendimento da relevância entre nós de incerteza Árvores de Decisão Apresentam detalhes, o que permite uma compreensão profunda do problema Representação flexível Adequadas para problemas de decisão assimétrica Adequadas para efectuar análise de sensibilidade Fraquezas Detalhes suprimidos Demasiado complexas para problemas grandes Uso complementar das árvores de decisão e dos diagramas de influência 26 Cálculos na próxima aula de problemas 13

27 Exemplos retirados do software PrecisionTree 28 Aspecto de uma árvore de decisão no PrecisionTree 14

Conceitos complementares Valor monetário esperado Perfil de risco 30 (Árvores de Decisão e) Valor Monetário Esperado Quando o objectivo de um problema é medido em euros A primeira sugestão é Resolver o problema escolhendo a alternativa que maximiza o valor monetário esperado Valor esperado de uma variável aleatória Y: 15

O que são as probabilidades (Pi s)? O conceito de perfil de Risco O perfil de risco é um gráfico que apresenta as probabilidades associadas a cada consequência. Cada perfil de risco está associado a uma estratégia, a uma alternativa imediata ou a alternativas em decisões futuras. 31 Probability Risk Profile For Oil Diagram of oil_infl.xls 0,6 0,5 0,4 0,3 0,2 0,1 0-100000 -50000 0 50000 100000 150000 200000 250000 300000 Value O conceito de perfil de risco cumulativo Neste formato, o eixo vertical contém a probabilidade de um evento assumir um valor menor ou igual ao valor do eixo horizontal. Resulta das probabilidades acumuladas do perfil de risco. Alternativamente, para cada valor específico no eixo horizontal podemos ler a probabilidade associada a um resultado ser inferior ou igual a um valor específico. Cumulative Probability 1,2 1 0,8 0,6 0,4 0,2 0 Cumulative Probability For Oil Diagram of oil_infl.xls -100000-50000 0 50000 100000 150000 200000 250000 300000 Value 32 16

33 17