Дерево рішень

У цій статті пояснюється, що таке дерева рішень і для чого вони використовуються. Крім того, тут також показано, як створити дерево рішень і поетапне розв’язання вправи. Нарешті ви зможете побачити переваги та недоліки використання дерева рішень.

Що таке дерево рішень?

Дерево рішень — це діаграма, яка представляє рішення, які необхідно прийняти, різні сценарії, які можуть виникнути, і всі можливі результати. Таким чином, дерево рішень служить допоміжним засобом прийняття рішень, у якому необхідно враховувати кілька можливих сценаріїв.

Дерево рішень є дуже корисним інструментом для прийняття рішень, оскільки воно дозволяє візуалізувати всі можливі наслідки кожної альтернативи та яких результатів можна досягти з кожним прийнятим рішенням.

Ось чому дерево рішень є типом діаграми, який широко використовується в аналізі економічних рішень, оскільки воно дозволяє графічно відобразити можливі економічні витрати або очікувані вигоди від кожного можливого сценарію.

Як правило, щоразу, коли приймається рішення, можливі кілька сценаріїв. Таким чином, дерево рішень допомагає вам глобально побачити всі можливі сценарії та наскільки ймовірно кожен з них здійсниться, що дає змогу знати, наскільки ризикованим є кожне рішення.

Зауважте, що дерево рішень відрізняється від діаграми дерева, хоча вони мають схожі назви та фактично мають декілька спільних характеристик. Щоб дізнатися, що таке дерево рішень і чим воно відрізняється від дерева рішень, натисніть тут:

Елементи дерева рішень

Дерево рішень складається з таких елементів:

• Вузол рішення (□) : відповідає рішенню, яке необхідно прийняти. У дереві рішень він представлений квадратом.
• Вузол імовірності (○) – символізує те, що може мати місце кілька сценаріїв, кожна з гілок, що виходить із вузла ймовірності, представляє інший сценарій. Він малюється з порожнім колом у дереві рішень.
• Кінцевий вузол (△) : представляє результат, тому їх легко ідентифікувати, оскільки жодна гілка не залишає їх. У дереві рішень вони представлені трикутниками.

Як скласти дерево рішень

Щоб створити дерево рішень, необхідно виконати наступні кроки:

1. Представлення основного рішення : Першим кроком у створенні дерева рішень є представлення першого рішення, яке необхідно прийняти, на діаграмі. Для цього просто намалюйте квадрат і стрілку, що виходить із квадрата, для кожного з можливих варіантів, які можна вирішити.
2. Додайте вузли : у кожній із гілок, намальованих на попередньому кроці, розгорніть дерево рішень, додавши вузли рішень та ймовірності.
3. Доступ до результатів : продовжуйте додавати вузли рішень і ймовірностей, доки кожна гілка не досягне кінцевого вузла або результату. Коли всі шляхи ведуть до результату, ви завершите дерево рішень.
4. Прийміть рішення . Після того як ви склали дерево рішень, проаналізуйте його та вирішіть, що найкраще зробити.

Зверніть увагу, що дерево рішень не надає рішення, воно лише допомагає прийняти рішення. Остаточне рішення повинні прийняти ви. Нижче ми побачимо, як використовувати дерево рішень для аналізу різних можливих сценаріїв і прийняття найкращого рішення.

Приклад дерева рішень

Ознайомившись з визначенням дерева рішень і теорією, як це досягається, ми побачимо конкретний приклад, щоб повністю зрозуміти концепцію.

Компанія планує розширити свої потужності протягом наступних 5 років. Нинішнє зростання — це добре, але, за оцінками, воно може суттєво зрости, якщо нарешті виявиться, що економіка починає розвиватися (ймовірність цього оцінюється в 40%).

Варіанти полягають у тому, щоб продовжувати, як і раніше, переміститися у більшу локацію або розширити те, що вони зараз мають. Також було б життєздатним почекати і подивитися, що станеться в перший рік, і, якщо буде зростання, продовжити розширення. Економічна вигода, яка буде отримана в кожному випадку, полягає в наступному:

• Трансфер:
  • Значне зростання: 800 000 доларів США
  • Низький ріст: 100 000 доларів
• Розширення:
  • Значне зростання: 800 000 доларів США
  • Низький ріст: 100 000 доларів
• Не робіть нічого:
  • Значне зростання + розширення 2-й рік: $500 000
  • Сильне зростання + нічого не робити: 450 000 доларів США
  • Низький зріст: 400 000 доларів

Ґрунтуючись на всій інформації, яку нам надає формулювання проблеми, ми можемо представити рішення, які необхідно прийняти, кілька розглянутих сценаріїв і всі можливі результати в дереві рішень.

Отже, дерево рішень для цього випадку виглядає наступним чином:

Тепер, коли ми створили дерево рішень, настав час проаналізувати його та прийняти остаточне рішення. У наступному розділі ми покажемо вам різні критерії, за якими ви можете визначити своє рішення.

Критерії прийняття рішень у дереві рішень

Існує в основному три критерії для прийняття рішення за допомогою дерева рішень: песимістичний критерій, оптимістичний критерій і критерій математичного очікування. Нижче ми побачимо, з чого складається кожна з них.

песимістичний критерій

Песимістичний або консервативний критерій говорить про найгірший можливий сценарій. Тому за цим критерієм вибирається варіант, який дає найкращий результат, коли сценарій є найбільш негативним з усіх розглянутих.

Якщо ми наслідуватимемо наведений вище приклад, використовуючи песимістичний критерій, ми вирішимо продовжувати, як і раніше, і нічого не робити, оскільки ми отримаємо більший прибуток ($400 000), якщо зростання компанії буде низьким.

Використовуючи песимістичний критерій, ми гарантуємо мінімальний результат, який у цьому випадку становить 400 000 доларів США. Отже, якщо врешті-решт нам пощастить і станеться кращий сценарій, ми отримаємо кращий результат. Але ні в якому разі ми не отримаємо гірших результатів.

Майте на увазі, що навіть якщо ми використовуємо цей критерій, ми думаємо, що майбутній сценарій буде негативним, ми повинні логічно вибрати варіант, за допомогою якого ми отримаємо кращий результат у цьому песимістичному сценарії. Було б помилкою вибрати варіант, який дає гірший результат; ми повинні максимізувати все, що під нашим контролем.

оптимістичний критерій

Оптимістичний критерій стверджує, що сценарій, який відбудеться, буде найкращим із можливих. Тому, коли використовується цей критерій, ми обираємо варіант, який дозволяє отримати кращий результат за сприятливого сценарію.

Дотримуючись попереднього прикладу, ми вирішили перемістити компанію, тому що ми отримаємо кращий результат, якщо зростання компанії буде сильним, особливо якщо прибуток компанії становитиме 800 000 доларів.

Коли для прийняття рішення використовується оптимістичний критерій, результат може бути дуже хорошим, однак, якщо сценарій виявляється несприятливим, зазвичай виходить дуже поганий результат.

Тест математичного сподівання

Цей критерій полягає в обчисленні математичного очікування всіх альтернатив, щоб вибрати той варіант, який дає вищий результат.

Як і в статті, варіант, який ми повинні вибрати, — нічого не робити і залишити компанію як є, оскільки це варіант, який має найвищу очікувану вартість. високий ($440 000).

Цей критерій дуже корисний, коли процес прийняття рішення потрібно повторити кілька разів, оскільки тоді математичне очікування забезпечує в середньому найкращі рішення. Однак, якщо рішення приймається лише один раз, це може бути не найбільш прийнятним критерієм.

Слід зазначити, що ви також можете використовувати інші інструменти прийняття рішень, крім дерева рішень, наприклад матрицю рішень. Матриця рішень є дуже практичною для оцінки рішення, яке необхідно прийняти за різними критеріями, натисніть на наступне посилання, щоб побачити, як це робиться:

Переваги та недоліки дерева рішень

Перевага:

• Дерево рішень легко зрозуміти.
• Дерево рішень дозволяє глобально візуалізувати всі можливі сценарії та очікуваний результат у кожному сценарії.
• Цей тип діаграми є дуже ефективним, тому що його створення не займає багато часу, але швидко завершується.
• Нові ідеї або сценарії також можна додати до результату, зробивши його гнучкою діаграмою.
• Нарешті, дерево рішень можна легко комбінувати з іншими інструментами прийняття рішень.

Недоліки:

• Якщо дерево рішень має багато вузлів рішень або багато можливих сценаріїв, воно може стати складною діаграмою.
• Часто ймовірність кожного сценарію неможливо точно визначити, тому вона може бути неточною.
• Дерево рішень — це лише інструмент прийняття рішень, але остаточне рішення хтось має прийняти.