Beruflich Dokumente
Kultur Dokumente
Análise de Decisão
1. Introdução
Uma indústria lança um novo produto no mercado. Qual será a reação dos
clientes potenciais? Quanto deveria ser produzido? A aceitação do produto
por parte do mercado deveria ser testada em uma pequena região antes de
decidir sobre a distribuição total do produto? Quanto se deve investir em
publicidade para lançar o produto?
Uma concorrência pública será aberta. Qual será o custo do projeto? Quais
as potencias companhias que poderiam concorrer?
Uma firma agrícola necessita planejar para o próximo ano o uso de suas
terras. Quantos hectares devem ser destinados a pastagens para criação de
gado e quantos hectares devem ser destinados ao plantio de milho e soja?
Estes exemplos são tipos de processos de tomada de decisão nos quais existe uma
grande incerteza envolvida. Análise de Decisão fornece uma metodologia para tomar tais
decisões de maneira racional.
O exemplo protótipo abaixo será utilizado para ilustrar a metodologia envolvida.
Exemplo Protótipo: a companhia GoferBroke possui terras que podem ter petróleo. Um
levantamento geofísico determinou que existe 1 chance em 4 de realmente existir petróleo
nestas terras. Por causa desta informação, outra companhia petrolífera quer comprar estas
terras por $90.000,00. Entretanto, a GoferBroke sabe que o custo para perfurar um poço
naquela região é $100.000,00. Se for encontrado petróleo, o retorno esperado deverá ser de
$800.000,00. Descontando o custo da perfuração, o lucro então será de $700.000,00.
A tabela abaixo resume estas informações.
Qual a decisão que a companhia GoferBroke deve tomar: 1) vender a terra e ganhar
$90.000,00 sem riscos ou 2) perfurar o poço a um custo de $100.000,00 e obter um retorno
de $800.000,00, resultando em lucro de $700.000,00 com um risco estimado em 75% (3 em
4) ?
Neste critério, o problema de tomar uma decisão é vista como um Jogo (Teoria dos
Jogos) entre o Tomador de Decisão (jogador A) e a Natureza (jogador B).
Critério de Maximin Payoff: para cada ação (estratégia), encontrar o mínimo payoff entre
todos os Estados da Natureza e então encontrar o máximo destes payoff mínimos. Escolher
a ação cujo mínimo payoff resultou neste máximo.
Este critério assume como decisão a ser tomada a que for mais provável.
Aplicando este critério para o exemplo protótipo, indica que o Estado Poço Seco
possui a maior probabilidade. Na coluna "Poço Seco", a alternativa "Vender a terra" possui
o maior payoff.
Estado Payoff
Alternativa Poço com Petróleo Poço Seco
Perfurar $700.000,00 $-100.000,00
Vender a terra $90.000,00 $90.000,00 Máximo
Probabilidade à Prior 0.25 0.75
Máximo
Com isso, a ação a ser tomada, segundo este critério é vender a terra.
O maior problema deste critério é que este ignora completamente muita informação
relevante. Nenhum outro Estado da Natureza é considerado, a não ser o mais provável.
Uma vez que $100.000,00 é maior que $90.000,00 a ação a ser tomada, segundo
este critério é perfurar o poço. Percebe-se que este critério resultou em uma ação diferente
das ações obtidas segundo os dois critérios anteriores.
A grande vantagem deste critério em relação aos demais é que este incorpora todas
as informações disponíveis (Estados da Natureza e Probabilidades a Priori).
A fim de verificar o efeito de possíveis imprecisões nas Probabilidades a Priori,
pode-se realizar uma Análise de Sensibilidade.
A figura abaixo mostra em azul a reta dada pela expressão (3), em vermelho a reta
dada pela expressão (4) e em verde a reta que divide a região onde a decisão deveria ser
vender a terra (região à esquerda) da região onde a decisão deveria ser perfurar o poço
(região à direita).
600
500
Região onde Região onde
a decisão deveria a decisão deveria
ser vender a terra ser perfurar o poço
400
Payoff Esperado
300
200
100
-100
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Probabilidade a Priori para Poço com Petroleo
Com isso, pode-se concluir que se p>0.2375, a decisão deveria ser perfurar o poço e
se p<0.2375, a decisão deveria ser vender a terra.
Para outros problemas que possuem mais de que duas alternativas, o mesmo
procedimento pode ser aplicado, a diferença é que vai haver mais retas (uma para cada
alternativa). No entanto, a reta que estiver mais acima (no exemplo, reta azul acima da
vermelha para a região onde p>0.2375 e reta vermelha acima da azul para a região onde
p<023.75) dentre as demais em uma região indica a decisão a ser tomada.
Com mais que duas retas, poderá haver mais de um Crossover Point, onde a decisão
muda de uma alternativa para outra.
Para problemas com mais de dois Estados da Natureza, a metodologia mais direta é
realizar a Análise de Sensibilidade sobre somente dois Estados de cada vez.
A estas probabilidades dadas em (6), (7), (8) e (9) dá-se o nome de Probabilidades
Condicionais, a partir das quais se podem encontrar as Probabilidades a Posteriori dos
respectivos Estados da Natureza dada as Sondagens Sísmicas.
O objetivo é:
n
P(Constatação = constatação j) = ∑ P(Estado = estado k, Constatação = constatação j)
(11)
k =1
1
O Teorema de Bayes se basea em que P(A ∩ B) = P(A / B)P(B) = P(B / A )P(A ) e, portanto,
P(A ∩ B) P(A ∩ B)
P(A / B) = ou P(B / A ) = . Assim, de posse de P(A / B) e P(B) , calcula-se
P(B) P(A )
P(A ∩ B) e então divide-se esta probabilidade conjunta por P(A ) para se obter P(B / A ) (a probabilidade
condicional inversa de P(A / B) ).
[
E Payoff (Perfurar Constatação = USS) = ] 1
(700) + 6 (− 100) − 30 = −15.7 (18)
7 7
[ ]
E Payoff (Vender Constatação = USS) =
1
(90) + 6 (90) − 30 = 60 (19)
7 7
[ ]
E Payoff (Perfurar Constatação = FSS) =
1
(700) + 1 (− 100) − 30 = 270 (20)
2 2
[ ]
E Payoff (Vender Constatação = FSS) =
1
(90) + 1 (90 ) − 30 = 60 (21)
2 2
Uma vez que o objetivo é maximizar o Payoff Esperado, estes resultados produzem
a seguinte política ótima, como mostra a tabela 2.
Entretanto, este resultado não responde se é válido gastar (ou não) $30.000,00 para
realizar a experimentação.
onde:
EVWOE é o Valor Esperado Sem Experimentação.
Para o exemplo protótipo, o Valor Esperado Sem Experimentação (seção 2.3) é 100.
Portanto:
Uma vez que 142.5 é maior que 30 (custo do levantamento geofísico), deve-se
proceder com o levantamento geofísico. O segundo método citado abaixo avalia o potencial
benefício da experimentação.
onde:
P(USS ) = P(USS petroleo).P(petroleo) + P (USS poço sec o).P(poço sec o) = 0.4 * 0.25 + 0.8 * 0.75 = 0.7 (27)
P(FSS) = P(FSS petroleo).P(petroleo) + P(FSS poço sec o ).P(poço sec o) = 0.6 * 0.25 + 0.2 * 0.75 = 0.3 (28)
E(Payoff Constatação = USS ) = 90 (29)
E (Payoff Constatação = FSS) = 300 (30)
EVE = Payoff Esperado Com Experiment açao − Payoff Esperado Sem Experiment açao (32)
4. Árvores de Decisão
Fig. 4 - Árvore de Decisão para o exemplo protótipo com fluxo de dinheiro e probabilidades.
1. Começar no lado direito da Árvore e mover para a esquerda uma coluna de cada
vez. Para cada coluna, utilizar o passo 2 ou passo 3, dependendo se a bifurcação na
coluna é uma bifurcação de chance ou uma bifurcação de decisão.
2. Para cada bifurcação de chance calcular seu Payoff Esperado multiplicando o Payoff
Esperado de cada galho (em verde, na figura 4) pela probabilidade de cada galho e
então somar estes produtos. Armazenar este Payoff Esperado para cada bifurcação
Para começar o procedimento, considere a coluna mais à direita cujos galhos originam-
se das bifurcações f, g e h. Aplicando o passo 2, seus Payoff Esperados (EP) são
calculados como:
EP =
1 1
(670) + (−130) = 270
para bifurcação g (35)
2 2
EP =
1 3
(700) + (−100) = 100
para bifurcação h (36)
4 4
Estes Payoff Esperados são colocados acima destas bifurcações (ver figura 5).
Dando seqüência, move-se uma coluna para a esquerda, o que consiste em alcançar
as bifurcações de decisão c,d e e. Através do passo 3 obtém-se:
Estes Payoff Esperados são colocados acima destas bifurcações de decisão (ver
figura 5). A alternativa escolhida também está indicando para inserir barras duplas nos
galhos rejeitados.
O Payoff Esperado de 123 deve ser colocado sobre a bifurcação a e uma barra dupla
indicando o galho rejeitado.
Uma vez concluída a Árvore, move-se da esquerda para a direita através apenas dos
caminhos abertos (sem barras duplas), o que resulta na seguinte política ótima:
Política Ótima:
Fazer levantamento geofísico,
Se resultado é desfavorável, vender a terra, senão perfurar.
O Payoff Esperado (incluindo os custos do levantamento) é 123 ($123.000,00).
Esta solução ótima (única) é a mesma que pode ser obtida sem o beneficio da
Árvore de Decisão aplicando a expressão 37 para os valores da tabela 2.
5. Teoria da Utilidade
−
M (38)
u(M ) = R 1 − e R
onde:
M é o valor do dinheiro;
R é a tolerância ao risco do indivíduo.
3000
2000
atração
ao risco
1000
u(M)
0
-1000 indiferença
ao risco
aversão
-2000
ao risco
-3000
aversão
ao risco
indiferença
ao risco
atração
ao risco
600
400
200
u(
M) 0
-200
-400
-600 indiferença
ao risco
aversão
ao risco
-800
-600 -400 -200 0 200 400 600
M
A tabela abaixo mostra os valores dos Payoff monetários e seus respectivos valores
de utilidade.
A Política Ótima obtida com os valores de utilidade neste exemplo é a mesma obtida
com os Payoff monetários, apenas com a diferença no valor da Utilidade Esperada (que
corresponde ao Payoff Esperado no caso de utilizar Payoff monetário).
Qual investimento deve ser escolhido segundo cada um dos critérios abaixo:
a) Maximin Payoff
b) Máxima Verossimilhança
c) Decisão de Bayes
demanda é mais provável ocorrer. Experiências prévias indicam que tais pesquisas
são corretas em dois terços das vezes em que são realizadas.
a) Encontre o EVPI para este problema. Considere a probabilidade a priori de
vender 10.000 igual a probabilidade a priori de 100.000 igual a 0.5.
b) A resposta em a) indica que compensa realizar a pesquisa de mercado ?
c) Desenvolva um diagrama em árvore de probabilidade para obter as
probabilidades a posteriori dos dois níveis de demanda para cada dos dois
resultados possíveis da pesquisa de mercado.
d) Encontre EVE.
4) José toma decisões de acordo com a regra de decisão de Bayes. José construiu a
seguinte tabela de Payoff :
Estado da Natureza
Alternativa S1 S2 S3
A1 50 100 -100
A2 0 10 -10
A3 20 40 -40
5) Suponha que você more em uma região sujeita a terremotos, assim você está
considerando comprar um seguro para sua casa ao custo anual de $180,00. A
probabilidade de um terremoto danificar sua casa durante um ano é 0.001. Se isto
acontece, você estima que o custo dos danos (totalmente cobertos pelo seguro) é
$160.000,00. Seus bens (incluindo a sua casa) totalizam $250.000,00.
a) Aplique a regra de decisão de Bayes para determinar qual alternativa
(comprar ou não o seguro) maximiza seus bens esperados após 1 ano.
b) Você agora tem construído uma função de utilidade que mede o valor dos
seus bens (x) em $. Está função é dada por u(x ) = x . Compare a utilidade
de reduzir seus bens totais no próximo ano pelo custo do seguro contra
terremotos com a utilidade esperada no próximo ano de não comprar o
seguro contra terremoto. Você deveria comprar o seguro?
6) Faça um programa que calcule, dado uma matriz de Payoff para n estados da
natureza e m alternativas, os payoff´s seguindo os critérios de Maximin,
Maxima Verossimilhança e Bayes.
7) Faça um programa que gere, a cada iteração, uma matriz de Payoff com valores
aleatórios para os intervalos dado na tabela abaixo:
Estado Payoff
Alternativa Poço com Petróleo Poço Seco
Perfurar M11 M12
Vender a terra M21 M22
Probabilidade à p1 p2
Prior
onde:
M11 = [300,1000]
M12 = [-300,-50]
M21 = M22 = [50,120]
p1 = [0.05,0.40]
p2 = 1- p1
Respostas
1.a)
Estado da Natureza
Alternativas Vender 10.000 Vender 100.000
Produzir Computadores 0 54
Vender Direitos 15 15
1.b)
E[Payoff (Pr oduzir Computadores )] = 0p + 54(1 − p ) = −54p + 54
E[Payoff (Vender Direitos)] = 15p + 15(1 − p ) = 15
Analise de Sensibilidade
60
50
40
Payoff Esperado
30
20
10
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Probabilidade a Priori para Vender 10.000
1.c)
39
E[Payoff (Pr oduzir Computadores )] = E[Payoff (Vender Direitos)] ⇒ −54p + 54 = 15 ⇒ p = = 0.7222
54
2.a)
Máximo
Investimento Especulativo.
2.c)
E[Payoff (Conservador )] = 0.1* 30.000,00 + 0.5 * 5.000,00 + 0.4 * (− 10.000,00) = 1.500,00
E[Payoff (Especulativo )] = 0.1* 40.000,00 + 0.5 *10.000,00 + 0.4 * (− 30.000,00) = −3.000,00
E[Payoff (Cíclico)] = 0.1* (− 10.000,00) + 0.5 * 0,00 + 0.4 *15.000,00 = 5.000,00 Máximo
Investimento Cíclico.
3.a)
Estado da Natureza
Alternativas Vender 10.000 Vender 100.000
Produzir Computadores 0 54
Vender Direitos 15 15
Máximo Payoff 15 54
EVWPI = 0.5(15) + 0.5(54) = 34.5
Estado da Natureza
Alternativas Vender Vender Payoff Esperado
10.000 100.000
EVWOE = 27
3.b) Uma vez que 7.500.000,00 é maior que 1.000.000,00, a pesquisa deve ser realizada
segundo este critério.
3.c)
2 1
P(Pesq10) = P(Pesq10 V10).P(V10) + P(Pesq10 V100).P(V100) = * 0.5 + * 0.5 = 0.5
3 3
1 2
P(Pesq100) = P(Pesq100 V10).P(V10) + P(Pesq100 V100).P(V100) = * 0.5 + * 0.5 = 0.5
3 3
3.d)
Regra de Bayes com probabilidade a posteriori.
Payoff Esperado se constatação é Pesq10:
2
[ ]
E Payoff (Pr oduzir Constatação = Pesq10 ) = (0) + 1 (54) − 1 = 17
3 3
2
[ ]
E Payoff (Vender Constatação = Pesq10) = (15) + 1 (15) − 1 = 14
3 3
Payoff Esperado Com Experiment açao = P ( pesq10) * (18) + P ( pesq100 ) * (36) = 0.5 *18 + 0.5 * 36 = 27
4.b)
Estado da Natureza
Alternativa S1 S2 S3
A1 50 100 -100
A2 0 10 -10
A3 20 40 -40
EVWOE = 35
EVPI = EVWPI − EVWOE = 53 − 35 = 18
5.b)