Os problemas de decisão e a Teoria da Decisão

Documentos relacionados
Pesquisa Operacional

RISCO E INCERTEZA CONCEITOS DE RISCO 08/11/2013

DISCIPLINA: PESQUISA OPERACIONAL PROFESSOR: LUIS ANTONIO CCOPA YBARRA 1

Decisão Decidir Análise / Teoria da Decisão

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

Estratégias empresariais no uso da TI. Aula 1 Decisão sob incerteza Prof. E. A. Schmitz

Certeza. Risco BRUNI BRUNI BRUNI BRUNI. Incerteza. Incerteza. Incerteza e risco em Finanças. Capítulo. Alguns conceitos básicos...

INTRODUÇÃO À PESQUISA OPERACIONAL

Teoria da Decisão. Tomar Melhores Decisões usando métodos quantitativos e folhas de cálculo. Slide 1. c 2002, 1998 Maria Antónia Carravilla FEUP

Organização e Análise de Projectos. A análise de projectos face ao risco e à incerteza

Teoria da Decisão. Transparências de apoio à leccionação de aulas teóricas

Teoria da Decisão. Abordagem Clássica para Tomada de Decisão Multicritério. Prof. Lucas S. Batista.

Teoria da Decisão MÉTODOS QUANTITATIVOS DE GESTÃO

Técnicas de

Contabilometria. Análise da Decisão

CAPÍTULO 9 RISCO E INCERTEZA

Teoria da Decisão. Rev.1)Vendedor ambulante de camisas esportivas: Paulo Lobo

Capitulo 6 Viabilidade Econômica em Situação de Incerteza

Métodos de Estimação. Roteiro. 1. Three-point Estimation 2. Julgamento de Especialistas 3. Referências. Three-Point Estimation

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

DISCIPLINA: Pesquisa Operacional PROFESSOR: Luis Antonio Ccopa Ybarra

O PERT PROBABILÍSTICO.

Simulação Monte Carlo

Unidade: Risco e Retorno. Unidade I:

Capítulo 9. Exercícios de Teoria da Decisão Enunciados

CAP. 5a - ANÁLISE DE INVESTIMENTOS EM SITUAÇÕES DE INCERTEZA

Graduação Curso de Engenharia de Produção

Paulo Afonso Bracarense Ubiratan Vieira Guimarães. Métodos Quantitativos Aplicados a Negócios

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

Decisões de Financiamentos e Estrutura de Capital. Professor: Francisco Tavares

PERT PERT PERT PERT PERT PERT. O CPM assume que as estimativas de tempo para um projeto são certas (determinísticas);

Desenvolvimento de uma Plataforma Computacional para Apoio à Decisão sob Incerteza: uma perspectiva construtivista

Fundamentos de Risco e Retorno. Risco de um Ativo Individual. Risco de uma Carteira de Ativos. Fundamentos de Risco e Retorno:

Planejamento de Projetos

Plano de Projeto. Tema 3. Gerência de Projetos Profa. Susana M. Iglesias

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

Risco x Retorno. Fundamentos de Risco e Retorno: Fundamentos de Risco e Retorno. Risco de um Ativo Individual. Risco de uma Carteira de Ativos.

GST0071- Administração Financeira

4 TOMADA DE DECISÃO: RISCO E INCERTEZA

Vários modelos: um SAD pode incluir vários modelos, cada um representando uma parte diferente do problema de tomada de decisão Categorias de modelos

7. Análise do Risco e da Incerteza

5 Decisão Sob Incerteza

TOMADA DE DECISÃO SOB CONDIÇÕES DE INCERTEZAS COM AUXÍLIO DE UM OBJETO DE APRENDIZAGEM

UNIDADE III Processo Decisório

ANÁLISE DE RISCO E RETORNO DE INVESTIMENTO USO DAS MEDIDAS DE DISPERSÃO

Métodos Quantitativos. aula 1

3 Mercados e Bem-Estar Econômico

FICHA DE REVISÕES Micro 1

IMPLEMENTAÇÃO DA PLATAFORMA COMPUTACIONAL PAYOFF MATRIX: UMA FERRAMENTA PARA TOMADA DE DECISÃO SOB INCERTEZA

Qualidade na Tomada de Decisão com ênfase em custos

APLICAÇÃO DA TEORIA DAS DECISõES A UM PROBLEMA MERCADOLóGICO

Prof. Wilson Luigi Silva

Teoria da Decisão. Introdução. Prof. Lucas S. Batista. lusoba

ActivALEA. ative e atualize a sua literacia

Avaliação de Empresas Profa. Patricia Maria Bortolon

GERENCIANDO AS ESTIMATIVAS DE PRAZO DE FORMA CIENTÍFICA

Faculdade de Economia Universidade de Coimbra. Introdução. Análise de Decisão. Pedro Lopes Ferreira

RISCO E RETORNO. Exemplo: Probabilidade Investimento A Investimento B

Cap. 8 - Intervalos Estatísticos para uma Única Amostra

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

Análise do fluxo de caixa da empresa 19/08/2016. Prof. Dr. Osiris Marques

Avaliação de alternativas na tomada de decisão

CAPÍTULO 6 * JOGOS NA FORMA ESTRATÉGICA COM INFORMAÇÃO COMPLETA

GESTÃO DA PRODUÇÃO E LOGÍSTICA. Aula 5 Projeto da Rede de Suprimentos

Complexidade de Algoritmos. Edson Prestes

Cap. 4 - Estimação por Intervalo

ESTATÍSTICA. x(s) W Domínio. Contradomínio

MESTRADO PROFISSIONAL EM ECONOMIA DO SETOR PÚBLICO

Combinação de Classificadores (fusão)

Avaliação Financeira de Empresas e Empreendimentos Imobiliários

Aula 10 28/09/ Microeconomia. Comportamento do consumidor e incerteza. - PINDYCK (2007) Capítulo 5 até pg 138.

Atualmente uma das maiores preocupações do Sr. Macedo é com o nível de estoque do coco

Estatística Aplicada. Prof. Carlos Alberto Stechhahn PARTE I ESPAÇO AMOSTRAL - EVENTOS PROBABILIDADE PROBABILIDADE CONDICIONAL.

Estruturando o Fluxo Puxado O Caso do Quiosque

FGV ADM 04/JUNHO/2017

5 Agregação das Reservas das Entidades

FLUXO DE CAIXA OPERACIONAL (FCO) X FLUXO DE CAIXA DO ACIONISTA (FCA)

relógio apenas uma vez mediante ao pagamento de uma pequena taxa. Ao encontrarem algum defeito os consumidores devem devolver o relógio pagando

EEL - USP. Aula 2 Projeto do Produto, do processo e planejamento da produção. Prof. Dr. Geronimo

Teoria de Carteiras e a Gestão de Investimentos

Instrumentação Industrial. Fundamentos de Instrumentação Industrial: Introdução a Metrologia Incerteza na Medição

NBC TA 320 Materialidade no Planejamento e na Execução de Auditoria.

7 Resultados. 7.1 Descrição do Caso Estudado

QUESTÕES SOBRE LOCALIZAÇÃO. MOREIRA, Daniel. A Administração da Produção e Operações. São Paulo, Pioneira, 1998, cap. 7.

Gerência e Planejamento de Projeto. SCE Engenharia de Software Profs. José Carlos Maldonado e Elisa Yumi Nakagawa 2 o semestre de 2002

Engenharia de Software II

Métodos Numéricos. Turma CI-202-X. Josiney de Souza.

Sistemas de Equações Diferenciais Lineares

6 ESTUDO DE CASO: DESCRIÇÃO

UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE CIÊNCIAS E TECNOLOGIA DEPARTAMENTO DE ENGENHARIA CIVIL ÁREA DE ENGENHARIA E RECURSOS HÍDRICOS

Proposta C3 A A A A A max. x 100

MATÉRIA PO SEGUNDO BIMESTRE Prof. Me. Carlos Guimarães. Administração de Empresas 7º e 8º semestre

Mapas de decisões O que precisamos considerar para a tomada de decisões

7. RESULTADOS DAS PREVISÕES OUT OF SAMPLE

3 Mercados e Bem-Estar Econômico

MÉTODOS QUANTITATIVOS PARA CIÊNCIA DA COMPUTAÇÃO EXPERIMENTAL

Transcrição:

Os problemas de decisão e a Teoria da Decisão p. 1/23 Para que um problema seja caracterizado, é preciso que o tomador de decisão tenha, diante de si, mais de uma alternativa. A Teoria da Decisão é um conjunto de técnicas quantitativas que tem por objetivo ajudar o tomador de decisão tanto a sistematizar o problema de decisão como a solucioná-lo.

p. 2/23 Risco e Incerteza A uma tomada de decisão sempre está associada uma incerteza. A maioria das decisões administrativas é tomada com base em algum tipo de previsão e com a insuficiência de informações. Assim sendo torna-se importante fazer uma avaliação do risco envolvido. O risco é uma estimativa do grau de incerteza que se tem com respeito à realização de resultados futuros desejados, ou seja, é a probabilidade de haver variações nos resultados previstos, não importando se essas variações nos resultados, previstos, não importando o retorno se essas variações são para mais ou para menos.

p. 3/23 Decomposição de um problema Pode ser decomposto em três elementos fundamentais: Alternativas de decisão: são os possíveis cursos de ação à disposição do tomador de decisão. Estados da natureza: são as ocorrências futuras, fora do controle do tomador de decisão, e que podem influenciar nas consequências de uma alternativa de decisão escolhidas. Resultados: são as consequências de cada combinação entre alternativas e estados da natureza.

p. 4/23 Matriz de Decisão É uma tabela que permite visualizar as estratégias alternativas, os estados da natureza e os resultados associados. Estados da Natureza Alternativas EN 1 EN 2... EN k A 1 R 11 R 12... R 1k A 2 R 21 R 22... R 2k............... A p R p1 R p2... R pk

p. 5/23 Tipos de Decisão DTSC(Decisão Tomada Sob Certeza): se conhece exatamente o estado da natureza que irá ocorrer; DTSR(Decisão Tomada Sob Risco): se conhece as probabilidades associadas a cada futuro estado da natureza; DTSI(Decisão Tomada Sob Incerteza): nada se conhece sobre a futura ocorrência dos estados da natureza.

p. 6/23 Tipos de Decisão Na DTSR o critério básico de decisão é o de escolher a alternativa que conduza ao melhor VALOR ESPERADO DA ALTERNATIVA (VEA). Para cada alternativa, o VEA é calculado como a média ponderada dos seus resultados, usando como pesos de ponderação as probabilidades associadas aos estados da natureza e depois escolhe-se o "melhor"dos valores. Esta metodologia é conhecida como Regra de Decisão de Bayes. O VALOR ESPERADO DA INFORMAÇÃO PERFEITA (VEIP) é o valor máximo que se poderia pagar, caso se tivesse acesso à informação de qual estado da natureza iria ocorrer no futuro próximo.

p. 7/23 Exemplo 1: Considere a matriz de decisão: compra ou manufatura de um produto (lucro em milhares de reais) Estados da Natureza Alternativas Demanda Baixa p = 0,4 Demanda mdia p = 0,35 Demanda alta p = 0,25 Comprar o componente 10 40 100 Manufaturar o componente -30 20 150 Determinar a melhor alternativa de lucro.

p. 8/23 Solução: Temos os seguintes valores esperados para as alternativas: A 1 : 10(0,4)+40(0,35)+100(0,25) = 43 mil reais A 2 : 30(0,4)+20(0,35)+150(0,25) = 32,5 mil reais Logo, a alternativa comprar o componente conduz a um lucro maior.

p. 9/23 Exemplo 2: VEIP Considerando o exemplo anterior, calcular o Valor Esperado da Informação Perfeita (VEIP). Solução: Nessas condições, o melhor VEA será: 10(0,4)+40(0,35)+150(0,25) = 55,5 Esse resultado é o melhor possível,com a melhor informação possível. Não corresponde a uma alternativa, mas à combinação de alternativas, sempre com a melhor informação. Sem essa informação, o lucro era de 43. Logo, a melhor informação possível traz um acréscimo de lucro de 55,5-43=12,5 milhares de reais.

p. 10/23 Exemplo: A esse acréscimo de lucro, 12,5 milhares de reais, chamamos de VEIP. Representa o valor máximo que poderíamos pagar por uma informação melhor. Logo, podemos dar a seguinte definição formal: Valor Esperado da Informação Perfeita é o excedente obtido (sobre o melhor VEA) quando temos de antemão a informação perfeita, ou seja, qual o estado da natureza que ocorrerá em seguida.

p. 11/23 Principais Critérios na DTSI Critério Maximax Critério Maximin Critério de Laplace Critérios de Hurwicz Critério do Mínimo Arrependimento

p. 12/23 Critério Maximax Baseia-se em uma visão otimista do problema. Escolhido um determinado modelo, ocorrerá o melhor resultado possível. O administrador deve: examinar o lucro máximo para cada alternativa; escolher a alternativa que forneça o maior lucro máximo.

p. 13/23 Exemplo: Consideremos a matriz de decisão da Companhia Epsilon, referente à distribuição de produtos para uma companhia, com três alternativas e dois estados da natureza: Estados da Natureza Alternativas U sar revendedores locais Demanda Grande Demanda Pequena 140 40 Construir armazém proprio 200-30 U sar grande distribuidor local 160 10

p. 14/23 Exemplo: Os melhores resultados são: A 1 : 140; A 2 : 200; A 3 : 160. O tomador de decisão que adota o critério maximax pressupõem uma demanda grande no futuro e assim escolherá a alternativa construir armazém próprio.

p. 15/23 Critério Maximin Baseia-se em uma visão pessimista do problema. Escolhido um determinado modelo, ocorrerá o pior evento possível. O administrador deve: examinar o lucro mínimo para cada alternativa; escolher a alternativa que forneça o maior lucro mínimo.

p. 16/23 Exemplo: Utilizando a mesma matriz de decisão do exemplo anterior, os piores resultados de cada alternativa são: A 1 : 40; A 2 : 30; A 3 : 10. O tomador de decisão que adota o critério maximin pressupõem uma demanda pequena no futuro e assim escolherá a alternativa usar revendedores locais.

p. 17/23 Critério de Laplace É também conhecido como "critério da razão insuficiente", porque não temos razão suficiente para admitir o contrário, assumimos que são idênticas as probabilidades dos diversos estados da natureza. São calculados os valores esperados de cada alternativa, o que equivale a tomar o valor médio entre os resultados de cada alternativa. Dos resultados médios, escolhe-se o melhor deles.

p. 18/23 Exemplo: Na matriz de decisão da Companhia Epsilon, temos os seguintes resultados médios: A 1 : 90; A 2 : 85; A 3 : 85. Logo pelo critério de Laplace, é escolhida a alternativa usar revendedores locais, que apresenta o melhor dos resultados médios.

p. 19/23 Critério de Hurwicz Este critério é intermediário entre o mais pessimista (Maximin) e o mais otimista (Maximax). Dado um coeficiente de otimismo, v, o índice de cada alternativa é calculado de acordo com a fórmula abaixo: x = v x max +(1 v) x min onde x é o índice resultante relativo à alternativa considerada,x max é o índice máximo da alternativa e x min é o índice mínimo da alternativa. Computados os índices de todas as alternativas, escolhe-se aquela com o melhor índice.

p. 20/23 Exemplo: Adotemosv = 0,7 e voltemos novamente ao exemplo da Epsilon. Temos: A 1 : x = 0,7 140+0,3 40 = 110; A 2 : x = 0,7 200+0,3 ( 30) = 131; A 3 : x = 0,7 160+0,3 10 = 115. Pelo critério de Hurwicz, a alternativa escolhida é construir armazém próprio, pois fornece o maior VEA.

p. 21/23 Critério do Mínimo Arrependimento Dado um certo estado da natureza, chama-se arrependimento aquilo que se perde, quando não se escolhe a melhor alternativa para aquele estado de natureza. Para seguir o critério do mínimo arrependimento monta-se inicialmente a matriz de arrependimentos e, em seguida, para cada alternativa, escolhe-se o pior dos arrependimentos. Ao final decide-se pela alternativa com o menos ruim dos arrependimentos. Em outras palavras, aplica-se à matriz de arrependimento o critério maximim.

p. 22/23 Exemplo: Novamente na matriz de decisão para a distribuição de produtos da Companhia Episilon (lucro e milhares de reais), sob o estado da natureza demanda grande, o melhor resultado pertence à alternativa construir armazém próprio (lucro= 200, arrependimento = 0), enquanto, para o estado da natureza demanda pequena, o melhor resultado pertence à alternativa usar revendedores locais (lucro = 40, arrependimento = 0). Temos assim a matriz de arrependimentos a seguir:

p. 23/23 Exemplo: Estados da Natureza Alternativas Demanda Grande Demanda Pequena Pior Arrependimento U sar revendedores locais 60 0 60 Construir armazém próprio 0 70 70 U sar grande distribuidor local 40 30 40 Dos piores arrependimentos, o menos ruim é 40, que corresponde à alternativa usar grande distribuidor local.