Древо решений

В этой статье объясняется, что такое деревья решений и для чего они используются. Кроме того, в нем также показано, как создать дерево решений и пошаговое решение упражнения. Наконец, вы сможете увидеть преимущества и недостатки использования дерева решений.

Что такое дерево решений?

Дерево решений — это диаграмма, на которой представлены решения, которые необходимо принять, различные сценарии, которые могут произойти, и все возможные результаты. Таким образом, дерево решений служит средством принятия решений, в котором необходимо принять во внимание несколько возможных сценариев.

Дерево решений — очень полезный инструмент для принятия решений, поскольку оно позволяет визуализировать все возможные последствия каждой альтернативы и то, каких результатов можно достичь с помощью каждого принятого решения.

Вот почему дерево решений — это тип диаграммы, широко используемый при анализе экономических решений, поскольку оно позволяет графически представить возможные экономические затраты или ожидаемые выгоды каждого возможного сценария.

Обычно при принятии решения возможны несколько сценариев. Итак, дерево решений помогает вам глобально увидеть все возможные сценарии и вероятность того, что каждый из них осуществится, что позволяет вам узнать, насколько рискованно каждое решение.

Обратите внимание, что дерево решений отличается от древовидной диаграммы, хотя они имеют схожие названия и фактически имеют несколько общих характеристик. Чтобы узнать, что такое дерево решений и чем оно отличается от дерева решений, нажмите здесь:

Элементы дерева решений

Дерево решений состоит из следующих элементов:

• Узел решения (□) : соответствует решению, которое необходимо принять. В дереве решений он представлен квадратом.
• Узел вероятности (○) — символизирует возможность реализации нескольких сценариев; каждая из ветвей, выходящих из узла вероятности, представляет собой отдельный сценарий. В дереве решений он отображается пустым кружком.
• Конечный узел (△) : представляет результат, поэтому его легко идентифицировать, поскольку от него не выходит ни одна ветвь. В дереве решений они представлены треугольниками.

Как составить дерево решений

Для создания дерева решений необходимо выполнить следующие шаги:

1. Представление основного решения . Первым шагом в создании дерева решений является представление на диаграмме первого решения, которое необходимо принять. Для этого просто нарисуйте квадрат и стрелку, выходящую из квадрата, для каждого из возможных вариантов, которые можно решить.
2. Добавить узлы : в каждой из ветвей, нарисованных на предыдущем шаге, разверните дерево решений, добавив узлы решений и вероятностей.
3. Доступ к результатам : продолжайте добавлять узлы решений и вероятностей, пока каждая ветвь не достигнет конечного узла или результата. Когда все пути приведут к результату, вы завершите дерево решений.
4. Примите решение : после того, как вы заполнили дерево решений, проанализируйте его и решите, что лучше всего сделать.

Обратите внимание, что дерево решений не предоставляет решения, оно просто помогает принять решение. Окончательное решение должны принять вы. Ниже мы увидим, как использовать дерево решений для анализа различных возможных сценариев и принятия наилучшего решения.

Пример дерева решений

Увидев определение дерева решений и теорию того, как оно достигается, мы увидим конкретный пример, чтобы полностью понять концепцию.

Компания планирует расширить свои мощности в течение следующих 5 лет. Текущий рост – это хорошо, но, по оценкам, он может значительно увеличиться, если наконец окажется, что экономика находится на подъеме (вероятность этого оценивается в 40%).

Варианты: продолжить, как и раньше, переехать в более просторное место или расширить то, которое у них есть в данный момент. Также было бы целесообразно подождать и посмотреть, что произойдет в первый год, и, если будет рост, продолжить расширение. Экономическая выгода, которая будет получена в каждом случае, заключается в следующем:

• Передача:
  • Сильный рост: $800 000
  • Низкий рост: 100 000 долларов США.
• Расширение:
  • Сильный рост: $800 000
  • Низкий рост: 100 000 долларов США.
• Не делайте ничего:
  • Сильный рост + расширение, 2-й год: 500 000 долларов США.
  • Сильный рост + Ничего не делать: $450 000
  • Низкий рост: 400 000 долларов США.

Основываясь на всей информации, которую нам предоставила постановка задачи, мы можем представить решения, которые необходимо принять, множество рассматриваемых сценариев и все возможные результаты в дереве решений.

Итак, дерево решений для этого случая выглядит следующим образом:

Теперь, когда мы создали дерево решений, пришло время проанализировать его и принять окончательное решение. В следующем разделе мы покажем вам различные критерии, которые вы можете использовать для принятия решения.

Критерии принятия решения в дереве решений

В основном существует три критерия для принятия решения о том, какое решение следует принять с использованием дерева решений: пессимистический критерий, оптимистический критерий и критерий математического ожидания. Ниже мы увидим, из чего состоит каждый из них.

пессимистический критерий

Пессимистический или консервативный критерий говорит о том, что произойдет наихудший возможный сценарий. Поэтому в этом критерии выбирается вариант, дающий лучший результат, когда сценарий является наиболее негативным из всех рассмотренных.

Если мы последуем приведенному выше примеру, используя пессимистический критерий, мы решим продолжать, как и раньше, и ничего не делать, потому что мы получим большую прибыль (400 000 долларов США), если рост компании будет низким.

Используя пессимистический критерий, мы гарантируем минимальный результат, который в данном случае составляет 400 000 долларов США. Так что, если в конечном итоге нам повезет и произойдет лучший сценарий, мы получим лучший результат. Но ни в коем случае мы не получим худших результатов.

Имейте в виду, что даже если мы, используя этот критерий, думаем, что будущий сценарий будет отрицательным, мы должны логически выбрать тот вариант, при котором мы получим лучший результат в этом пессимистическом сценарии. Было бы ошибкой выбирать вариант, дающий худший результат; мы должны максимизировать все, что находится под нашим контролем.

оптимистический критерий

Оптимистический критерий утверждает, что реализуемый сценарий будет наилучшим из возможных. Поэтому при использовании этого критерия мы выбираем тот вариант, который позволяет получить лучший результат при благоприятном сценарии.

Следуя предыдущему примеру, мы решили бы переместить компанию, потому что мы получим лучший результат, если рост компании будет сильным, особенно если прибыль компании составит 800 000 долларов США.

Когда для принятия решения используется оптимистический критерий, результат может быть очень хорошим, однако, если сценарий оказывается неблагоприятным, обычно получается очень плохой результат.

Тест математического ожидания

Этот критерий состоит в вычислении математического ожидания всех альтернатив таким образом, чтобы был выбран вариант, получивший более высокий результат.

Как и в статье, нам следует выбрать вариант — ничего не делать и оставить компанию такой, какая она есть, поскольку именно этот вариант имеет наибольшую ожидаемую ценность. высокий (440 000 долларов США).

Этот критерий очень полезен, когда процесс принятия решения необходимо повторить несколько раз, поскольку тогда математическое ожидание в среднем обеспечивает лучшие решения. Однако если решение принимается только один раз, это может быть не самый подходящий критерий.

Следует отметить, что помимо дерева решений вы также можете использовать другие инструменты принятия решений, например матрицу решений. Матрица решений очень удобна для оценки решения, которое необходимо принять по различным критериям. Нажмите на следующую ссылку, чтобы узнать, как это делается:

Преимущества и недостатки дерева решений

Преимущество:

• Деревья решений легко понять.
• Дерево решений позволяет глобально визуализировать все возможные сценарии и ожидаемый результат в каждом сценарии.
• Этот тип диаграммы очень эффективен, поскольку его создание не занимает много времени, но его можно быстро заполнить.
• К результату также можно добавить новые идеи или сценарии, что делает его гибкой диаграммой.
• Наконец, дерево решений можно легко комбинировать с другими инструментами принятия решений.

Недостатки:

• Если дерево решений имеет много узлов решений или множество возможных сценариев, оно может превратиться в сложную диаграмму.
• Часто вероятность реализации каждого сценария не может быть определена точно и поэтому может быть неточной.
• Дерево решений — это всего лишь инструмент принятия решений, но окончательное решение должен кто-то принять.