TEORIA DA DECISO

Processos de Deciso
Designa-se por processo de deciso aquele que requer um nico ou diversos conjuntos de decises para a sua composio. Cada deciso tem um ganho ou perda a ela associado, que determinado por circunstncias externas ao processo, factos que distinguem estes processos dos tratados atrs. O conjunto de circunstncias possveis, conhecidos como estados naturais, e uma distribuio de probabilidade que rege a ocorrncia de cada estado, so supostos conhecidos. Tanto o conjunto de decises possveis, como o de estados naturais sero considerados finitos (tal suposio pode ser relaxada numa abordagem mais sofisticada). Designaremos as decises possveis por D1 , D2 ,..., Dm . Designaremos os estados naturais por S1, S 2 ,..., S n . O retorno associado deciso Di e ao estado S j designa-se por g ij

( i =1,2,...m;

j =1,2,...n ).

Um processo que necessita da implementao de uma nica deciso definido completamente por uma tabela como
S1 g11 S2 g12

...

D1 D2

g 21

...
Dm

...
g m1

... g 22 ... .... ...

Sn g1n

g m2

...

g 2n

...
g mn

Uma tabela deste tipo designa-se por matriz de ganho j que as entradas g ij so expressas em termo de ganhos por deciso tomada (como evidente, ganhos negativos so perdas). Exemplo Uma grande companhia do sector energtico oferece 60 000 euro ao proprietrio de determinado terreno, pelos direitos de explorao do gs natural e opo para desenvolvimento futuro. A opo, se concretizada, equivale a um adicional de 600 000 euro para o proprietrio, mas ocorrer apenas se o gs natural for descoberto durante a fase de explorao. O proprietrio, julgando que o interesse da companhia uma boa indicao de que o gs existe, est disposto a desenvolver o empreendimento ele mesmo. Para isso, necessrio contratar especialistas em explorao e desenvolvimento. O custo inicial de 100 000 euro, que sero perdidos se nenhum gs for descoberto. Se o gs for descoberto, entretanto, o proprietrio estima um lucro de 2 000 000 de euro. As decises do proprietrio so:

D1 - aceitar a oferta da companhia de energia, D2 - explorar e desenvolver ele prprio.

Os estados naturais so:

S1 - no existe gs na terra, S 2 - existe gs na terra.

Os ganhos em milhes de euro do proprietrio para cada combinao de acontecimentos esto sintetizados na tabela seguinte:
S1 60 S2 660

D1 D2 Visto que: g11 = 60 g12 = 60 + 600 g 21 = 100 g 22 = 2000

100

2000

Falta especificar ou estimar as probabilidades relativas aos dois estados naturais: P ( S1 ) e P ( S 2 ) .

Critrio de Deciso Simplificado

O critrio minimax (ou pessimista) utilizado para seleccionar a deciso que minimiza o mximo possvel as perdas do analista de decises. Em termos de matriz de ganhos, a deciso que maximiza o possvel ganho mnimo. O critrio optimista usado para escolher a deciso que maximiza o possvel ganho. O critrio mediano utilizado para seleccionar a deciso na qual a mdia dos ganhos mximo e mnimo seja o maior possvel. Como nenhum destes trs critrios baseado no estado natural provvel, so considerados inferiores queles em que isso contemplado.

Assim, para o exemplo apresentado: A matriz de ganhos est dada atrs. O ganho mnimo para a deciso D1 60 . Para a deciso D2 100 . Como mx{ 60,100} = 60 , ganho associado a D1 a deciso recomendada sob o critrio minimx,

As mdias dos ganhos mximo e mnimo para D1 e D2 so, respectivamente,

2000 + ( 100 ) 600 + 60 = 360 e = 950 . 2 2

Como mx{360,950} = 950 , ganho associado a D2 , D2 a deciso tomada sob o critrio mediano, A maior entrada da matriz de ganhos 2 000, associada a D2 . Portanto D2 a deciso recomendada sob o critrio optimista.

Outro Exemplo
Determinar as decises recomendadas sob cada critrio simplificado para o seguinte processo de deciso. Um comprador de vestidos de uma loja de departamentos deve fazer as notas de encomenda ao fabricante 9 meses antes de os vestidos serem necessrios. Uma deciso quanto ao nmero de vestidos de comprimento mdio a adquirir para stock. O ganho principal para a loja de departamentos depende desta deciso e tambm da moda 9 meses mais tarde. As estimativas dos ganhos (em milhares de euro) do comprador so dados na tabela seguinte:
S1 : Comprimento Mdio em Alta Costura S2 : S3 : Comprimento Comprimento Mdio Mdio No Aceitvel Aceitvel

D1 : Nenhuma Encomenda D2 : Pequena Encomenda D3 : Encomenda Moderada D4 : Lote Encomendado

50

80

10
60

30
45

35
30

80

40

45

Os ganhos mnimos associados a cada diviso so: D1

D2

50

10

D3 - 30
D4 - 45

Mx{ 50,10,30,45} = 10 pelo que a deciso recomendada pelo critrio minimx D2 . Os ganhos mximos associados a cada deciso so:

D1
D2

80

35

D3 - 60
D4 - 80
Mx{80,35,60,80} = 80 pelo que quer D1 quer recomendadas pelo critrio optimista. Os ganhos mdios associados a cada deciso so:
D1 : D2 : D3 : D4 : 50 + 0 + 80 = 10, 3 10 + 30 + 35 = 18, 3 60 + 45 30 = 25, 3 80 + 40 45 = 25. 3

D4

so

decises

Como Mx{10,18,25,25} = 25 quer D3 quer D4 so decises recomendadas pelo critrio mediano. Por vezes, para este critrio, faz-se apenas a mdia entre os valores mximo e mnimo. Assim
D1 : D2 : D3 : D4 : 50 + 80 = 15 2 10 + 35 = 12,5 2 60 30 = 15 2 80 45 = 17,5 2

sendo agora a deciso recomendada pelo critrio mediano

D4 .

Critrio A Priori
O critrio a priori (ou de Bayes) utilizado para escolher a deciso que maximiza o ganho esperado. Exemplo Determine a deciso recomendada sob o critrio a priori para o problema do gs natural se o proprietrio estimar a probabilidade de encontrar gs igual a 0,6 . Como P ( S 2 ) = 0,6 obviamente P ( S1 ) = 1 0,6 = 0,4 . Usando os dados da tabela de ganhos vista atrs, temos que o ganho esperado para a deciso D1
E [ G1 ] = 60 0,4 + 660 0,6 = 420

e o ganho esperado para deciso D2

E[ G2 ] = ( 100) 0,4 + 2000( 0,6) = 1160 .

Podemos representar o processo pela rvore de deciso 60

E
420 S1 0,4 660 0,6 S2

C
D1

B
1160 D2 1160
S1

-100

G
0,4

D
0,6
S2

2 000 5

H
Em que 1160, maior ganho esperado, transportado de D para B .

Como o maior dos ganhos esperados est relacionado com D2 , D2 a deciso recomendada.

Outro Exemplo
Determinar a deciso recomendada sob o critrio a priori para o processo de deciso do problema da loja de departamentos, se o comprador estimar que P( S1 ) = 0,25 , P( S 2 ) = 0,40 , P( S3 ) = 0,35 . Usando a tabela dada atrs os ganhos esperados para cada deciso so - D1

E [ G1 ] = ( 50)( 0,25) + 0( 0,40) + 80( 0,35) = 15,5,

- D2

E [ G2 ] = ( 10 )( 0,25) + ( 30 )( 0,40) + 35( 0,35) = 21,75,

- D3

E [ G3 ] = ( 60)( 0,25) + ( 45)( 0,40) + ( 30)( 0,35) = 22,5,

- D4

E [ G4 ] = ( 80)( 0,25) + 40( 0,40) + ( 45)( 0,35) = 20,5.

Como o maior destes ganhos esperados 22,5, est relacionado com D3 , D3 a deciso recomendada sob o critrio a priori. Este processo representado pela rvore de deciso da figura seguinte: -50

F
S1

0,25 0

15,5

S2

G
80
S3

0,40

B
0,35 -10

D1

I
21,75
S1

30

C
22,5
D2

S2 0,25 0,40
S3

J
35

0,35

A
D3

K
60 22,5 80 0,25
S1

D4

L
45

20,5

D
40

S2

E
S3

S1

0,25 0,40 -45

O
S2

0,40 0,35
S3

M
-30

0,35

P N

Q
rvores de Deciso

J utilizmos aqui rvores de deciso para ilustrar processos de deciso. Vamos apresentar, ento, de modo estruturado algumas noes sobre este instrumento de deciso. Assim, uma rvore de deciso uma rvore orientada que representa um processo de deciso. Os ns representam pontos no tempo onde Uma ou outra deciso deve ser tomada pelo analista de decises, ou O analista de decises fica frente a um ou outro estado natural, ou O processo termina.

Saindo de um n de deciso existe um ramo para cada possvel deciso. Saindo de um n relativo a estados naturais existe um ramo para cada estado natural. Sob cada ramo indica-se a probabilidade do acontecimento correspondente, sempre que definida. As rvores de deciso so utilizadas na determinao de solues ptimas em processos complicadas. A tcnica consiste em comear com os ns finais e, sequencialmente, retornar na rede calculando os ganhos operados nos ns intermedirios. Cada ganho escrito sob o seu n correspondente. Uma deciso recomendada aquela que leva a um ganho esperado mximo. As decises que se tornam no recomendadas devem ter os seus ramos riscados.

Critrio A Posteriori

Se uma experincia (experimentao) imperfeita for efectuada para se obter informao sobre o verdadeiro estado da natureza, ento os dados dessa experincia podero ser combinados com as probabilidades iniciais dos vrios estados para gerar uma distribuio de probabilidade posterior. Designando o resultado da experincia por e supondo que a sua fiabilidade dada por probabilidades condicionadas

p ( S1 ) , p ( S 2 ) , , p ( S n ) ,
as probabilidades posteriores(ou a posteriori) dos estados

p ( S1 ) , p ( S 2 ) , , p ( S n )
so determinadas pelo Teorema de Bayes. O critrio a posteriori usado para seleccionar a deciso que maximiza o ganho esperado determinado com base na distribuio de probabilidade posterior.

Teorema de Bayes
Considere-se um espao amostral S constitudo por todos os resultados possveis de uma experincia conceptual (isto : previsto o estado natural em determinad momento). Se e so dois acontecimentos de S, ento a probabilidade condicionada de dado e a de dado so tais que
( ) = p( ) p( ) = p ( ) p( ) ,

em que

a interseco de e :

Podemos assim obter

p ( ) = p ( ) p ( ) p ( )

p( ) > 0
8

ou
p ( ) = p ( ) p ( ) p( )

p( ) > 0 ,

que so, de um modo geral, o Teorema de Bayes. Seja agora

{ 1, 2 ,..., s }
uma partio de S, isto : -

i ,

i =1,2,..., s

- i j =, i j - 1 2 ... s = S.

Portanto, ( 2 ... s ) = ( 1 ) + ( 2 ) + ... + ( s ) = ( S) = 1 . Por exemplo, com s = 3 , pode ter-se

2 1
3

E, como sugere a figura seguinte

 ( ) = p( 1 ) + p( 2 ) + .... + p( s )
(Teorema da probabilidade total).

, p( ) = p ( 1 ) p( 1 ) + p( 2 ) p( 2 ) + ... + p( s ) p( s ) =
=

j =1

p j p j .

)( )

Podemos assim ter uma combinao do Teorema de Bayes com o Teorema da probabilidade total, que conhecida tambm como Teorema de Bayes na forma

p( i ) =

p( i ) p( i )
i =1

p( i ) p( i )

, i = 1,2,..., s

De uma forma evidente, embora pouco rigorosa, pode dizer-se que o teorema de Bayes permite trocar os papis dos acontecimentos condicionado e condicionador.

Exemplo
O proprietrio do terreno onde se supe poder existir gs natural, fez sondagens nesse terreno cujo custo importou em 30 000 euro. As sondagens indicaram que o gs no existe, mas o teste no totalmente conclusivo. A companhia que realiza as sondagens garante que 30% das vezes o teste indica a inexistncia de gs quando ele de facto existe. Quando o gs no existe, o teste correcto 90% das vezes. Usando estes dados, aps a estimativa inicial do proprietrio de que a probabilidade de encontrar gs era de 0,6, determine, ento, a deciso recomendada usando o critrio a posteriori. Inicialmente,

( S1 ) = 0,4 e ( S 2 ) = 0,6 .
Seja 1 o acontecimento que indica a inexistncia de gs. Ento a fiabilidade do teste (valor preditivo) dada pelas probabilidades condicionadas

= (1 S1 ) = 0,90 e = (1 S 2 ) = 0,30 .

10

Ento, pelo Teorema de Bayes

( S1 1 ) =

(1 S1 ) ( S1 ) (1 S1 ) ( S1 ) = = (1 ) (1 S1 ) ( S1 ) + (2 S 2 ) ( S 2 )
0,9 0,4 2 0,36 = = 0 , 54 0,9 0,4 + 0,3 0,6 3

( S 2 1 ) =

(1 S 2 ) ( S 2 ) 0,3 0,6 = = (1 S1 ) ( S1 ) + ( 2 S 2 ) ( S 2 ) 0,9 0,4 + 0,3 0,6

= 0,18 1 = 0,54 3

Ou, de modo mais simples,

( S 2 1 ) = 1 ( S1 1 ) = 1 2 1 = . 3 3

A matriz de ganhos a posteriori agora S1 30 130 S2 630 1970

D1 D2

j que h que subtrair 30 000 euro (preo da sondagem) a cada entrada. Ento
[G1 1 ] = 30 2 1 + 630 = 230 3 3 2 1 + 1970 = 570 3 3

[G2 1 ] = 130

11

E, portanto, 30

M
S1

2
S2

3
630

230

K
D1

570

1 1

570

J
D2

-130 570
S1

O 2 3
S 2 1970

L 1 3

P
Como o maior ganho esperado est associado a D2 , D2 a deciso recomendada tendo em conta o critrio a posteriori. A figura apresentada acima a rvore da deciso do processo. A probabilidade de que as sondagens indiquem a inexistncia de gs, p(1 ) , 1 (um) j que o resultado da experincia conhecido.

Outro Exemplo
Resolver o problema anterior no caso de as sondagens terem indicado a presena de gs. Designe-se o acontecimento de que as sondagens indicaram a existncia de gs por 2 . Ento, de acordo com os dados do problema anterior

( 2 S1 ) = 1 p (1 S1 ) = 1 0,9 = 0,1 e ( 2 S 2 ) = 1 p (1 S 2 ) = 1 0,3 = 0,7 .

Recorde-se que as probabilidades iniciais so p ( S1 ) = 0,4 e p( S 2 ) = 0,6 . Portanto, a distribuio posterior de probabilidade :

12

p( S1 2 ) =

p ( 2 S1 ) p( S1 ) = p( 2 S1 ) p( S1 ) + p( 2 S 2 ) p( S 2 )

( 0,1)( 0,4) 0,04 = = 0,087 ( 0,1)( 0,4) + ( 0,7 )( 0,6) 0,46

p( S 2 2 ) =

p ( 2 S 2 ) p( S 2 ) = p ( 2 S1 ) p( S1 ) + p ( 2 S 2 ) p ( S 2 )

( 0,7 )( 0,6) 0,42 = = 0,913 ( 0,1)( 0,4) + ( 0,7 )( 0,6) 0,46

Ou, mais simplesmente,

p ( S 2 2 ) = 1 p ( S1 2 ) = 1 0,087 = 0,913 .
Tambm neste caso cada entrada da matriz de ganhos original deve ser reduzida de 30 000 euro para reflectir o custo do teste. Ento os ganhos esperados (em milhares de euro) para as decises D1 e D2 em relao distribuio de probabilidade deduzida so
[ G1 2 ] = ( 30 )( 0,087 ) + ( 630 )( 0,913) = 577,8 , [G2 2 ] = ( 130 )( 0,087 ) + (1970 )( 0,913) = 1787,3 .

Como o maior ganho esperado o associado a D2 , D2 a deciso recomendada na situao do critrio a posteriori. Na figura seguinte apresentar-se a rvore da deciso para este processo. A probabilidade de que as sondagens indiquem a presena de gs, p ( 2 ) , unitria, j que o resultado da experincia conhecido.

30

T
S1

13

577,8 1787,3 1787,3

D1

0,087 0,913
S2

630

2
1

U Q
D2

1787,3

S1

-130 0,087

V
1970

0,913

S2

W
Ainda outro exemplo
Qual a deciso recomendada se as sondagens discutidas nos exemplos (2 exemplos) dados atrs no tivessem sido realizadas, mas somente consideradas? Estamos agora perante um processo de deciso de dois estgios. Primeiro o proprietrio tem que decidir se vai realizar as sondagens e ento decidir se aceita a oferta da companhia energtica. Seja - DI : deciso de realizar sondagens, - DII : deciso de no realizar sondagens, - 1 : acontecimento as sondagens indicam a presena de gs, - 2 : acontecimento as sondagens no indicam presena de gs. A principal diferena est em que nem p(1 ) nem p ( 2 ) so iguais a 1 , visto que o resultado das sondagens desconhecido. Mas, como { S1, S 2 } constitui uma partio do espao de probabilidades, tendo em conta os dados dos dois exemplos anteriores

p (1 ) = p (1 S1 ) p( S1 ) + p(1 S 2 ) p( S 2 ) = ( 0,90 )( 0,4) + ( 0,3)( 0,6 ) = 0,54

e

p ( 2 ) = p ( 2 S1 ) p ( S1 ) + p ( 2 S 2 ) p( S 2 ) = ( 0,10)( 0,4 ) + ( 0,7 )( 0,6 ) = 0,46. Assim o ganho esperado no n I

14

( 570)( 0,54) + (1787,3)( 0,46) = 1130

vindo a rvore para este processo:

420

S1

60 0,4
S2

C
1160 D1

E
660

0,6

B
D2

F G -100

1160

S1

15

DI

D
570
D1

1160

A
D II

0,4 0,6 230

S1

S2

2000

H
30

J
1
0,54
D2

3
S2

1
S1

630

570

-130 N

I
1130

L 2
2
0,46

3 1 3
S2

1970

P
577,8 1787,3
D1
S1

30

T
0,087

R
0,913
S 2 630

U
1787,3 -130
S1

S
0,913

0,087
S2

1970

W
Como o n B tem um ganho esperado maior que o n I, DI recomendada em vez de DII . Assim, as decises recomendadas , entretanto, so para no realizar as sondagens e no aceitar a oferta da companhia energtica. Pelo contrrio o proprietrio deve comear a explorar a terra ele mesmo imediatamente. Note-se que a deciso de DI indiferente realizao de sondagens e aos seus resultados caso tenham sido realizadas. Assim, as sondagens no tm nenhum efeito na deciso final e representam apenas uma despesa. Note-se,

16

alis, que a diferena entre os valores esperados nos ns B e I (1160 1130 = 30) precisamente o valor do custo do teste.

Mais um Exemplo
Uma cidade pretende efectuar, ela prpria, a troca da frota municipal de automveis a gasolina por carros elctricos. O fabricante de carros elctricos afirma que a cidade, com o tempo, ter um lucro de 1 000 000 euro se realizar a converso. Mas a cidade tem as suas dvidas. Se o fabricante no estiver correcto a converso poder custar cidade 450 000 euro. Uma terceira possibilidade que nenhuma dessas situaes venha a ocorrer e a cidade no perca nem ganhe com a converso. De acordo com um levantamento de dados realizado, as respectivas probabilidades desses trs acontecimentos so 0,25 , 0,45 e 0,30 . A cidade realizou um programa piloto que, se implementado, indicaria o custo potencial ou economia na converso para carros elctricos. O programa envolve o aluguer de trs carros elctricos por trs meses e utilizados sob condies normais. O custo para a cidade deste programa piloto seria de 50 000 euro. O consultor da cidade acredita que os resultados do programa piloto seriam significativos, mas no conclusivos; assim apresentou na tabela seguinte uma compilao de probabilidades baseada na experincia de outras cidades, para ilustrar a sua afirmao. Que atitudes deveria a cidade tomar se ela quisesse maximizar a economia esperada? Programa Piloto Economia Inalterado Perda
C O N V E R S O

Economia Estabilidade Perda

0,6

0,3

0,1

0,4

0,4

0,2

0,1

0,5

0,4

Este um processo de dois estgios. Primeiro a cidade deve decidir se vai realizar o programa piloto e ento decidir se converte a sua frota para carros elctricos. Seja - DI : deciso de no realizar o programa piloto, - DII : deciso de realizar o programa piloto, - 1 : acontecimento o programa piloto indicam a economia, - 2 : acontecimento o programa piloto no indica economia nem perda,

17

- 3 : acontecimento o programa piloto indica perda, - D1 : deciso de converter para carros elctricos, - D2 : deciso de no converter para carros elctricos, - S1 : estabelece que os carros elctricos so mais baratos para operar que os modelos a gasolina, - S 2 : estabelece que os carros elctricos custam o mesmo para operar que os modelos a gasolina, - S3 : estabelece que os carros elctricos so mais caros para operar que os modelos a gasolina. A matriz de ganhos (em milhares de euro) S1 1000 0 S2 0 0 S3 450 0

D1 D2

A distribuio inicial de probabilidades

p( S1 ) = 0,25; p( S 2 ) = 0,30 e p( S3 ) = 0,45 .

Se o programa piloto no for realizado a distribuio inicial de probabilidades no reconvertida para distribuio a posteriori e os ganhos esperados para D1 e D2 so, respectivamente

[ G1 ] = (100 )( 0,25) + ( 0 )( 0,30 ) + ( 450)( 0,45) = 47,5 [ G2 ] = ( 0)( 0,25) + 0( 0,30 ) + 0( 0,45) = 0 .
Como o ganho esperado mximo est associado a D1 , D1 a deciso recomemdada sob o critrio a priori. Se o programa piloto for realizado, todoas as entradas da matriz de ganhos devem ser reduzidos em 50 , custo do teste: S1 950 50 S2 50 50 S3 500 50

D1 D2

E, face tabela apresentada pelo consultor,

p(1 S1 ) = 0,6 p ( 2 S1 ) = 0,3

p(1 S 2 ) = 0,4 p ( 2 S 2 ) = 0,4

p (1 S 3 ) = 0,1 p (21 S 3 ) = 0,5

18

p (3 S1 ) = 0,1

p (3 S 2 ) = 0,2

p (3 S 3 ) = 0,4

Ento, recorrendo ao teorema de Bayes:

p ( S1 1 ) =

p (1 S1 ) p( S1 ) = p (1 S1 ) p( S1 ) + p (1 S 2 ) p( S 2 ) + p (1 S3 ) p( S 3 )

( 0,6)( 0,25) = 0,4762 ( 0,6)( 0,25) + ( 0,4)( 0,30) + ( 0,1)( 0,45)

p ( 1 S 2 ) p ( S 2 )

p( S 2 1 ) =

i =1

( 0,40)( 0,30) = ( )( ) ( )( ) ( )( ) 0 , 6 0 , 25 + 0 , 4 0 , 30 + 0 , 1 0 , 45 P ( 1 S i ) p ( S i )
=
= 0,3810

p ( S3 1 ) =

p ( 1 S 3 ) p ( S 3 )
i =1

( 0,1)( 0,45) = P( 1 Si ) p( Si ) ( 0,6)( 0,25) + ( 0,4)( 0,30) + ( 0,1)( 0,45)

= ( 0,4762 + 0,3810 + 0,1428 = 1)

= 0,1428,

p ( S1 2 ) =

( 0,3)( 0,25) = 0,1786, ( 0,3)( 0,25) + ( 0,4)( 0,3) + ( 0,5)( 0,45) ( 0,4)( 0,3) ( 0,3)( 0,25) + ( 0,4)( 0,3) + ( 0,5)( 0,45)

p( S2 2 ) =

= 0,2857,

p ( S3 2 ) =

( 0,5)( 0,45) = 0,5357, ( 0,3)( 0,25) + ( 0,4)( 0,3) + ( 0,5)( 0,45)

( 0,1786 + 0,2857 + 0,5357 = 1, )

p( S1 3 ) =

( 0,1)( 0,25) = 0,0943, ( 0,1)( 0,25) + ( 0,2)( 0,3) + ( 0,4)( 0,45)

19

p( S 2 3 ) =

( 0,2)( 0,3) = 0,2265, ( 0,1)( 0,25) + ( 0,2)( 0,3) + ( 0,4)( 0,45) ( 0,4)( 0,45) = 0,6792, ( 0,1)( 0,25) + ( 0,2)( 0,3) + ( 0,4)( 0,45)
( 0,0943 + 0,2265 + 0,6792 = 1).

p( S3 3 ) =

Se o resultado do programa piloto 1 , as probabilidades posteriores so dadas por p ( Si 1 ) , i =1,2,3 e os ganhos esperados para as decises D1 e D2 , respectivamente por
[ G1 1 ] = ( 950 )( 0,4762 ) + ( 50 )( 0,3810 ) + ( 500 )( 0,1428) = 361,9 e

[ G2 1 ] = ( 50)( 0,4762 ) + ( 50 )( 0,3810) + ( 50)( 0,1428) = 50. A deciso recomendada sob o critrio a posteriori D1 . Se o resultado do programa piloto 2 , as probabilidades posteriores so dadas por p ( Si 2 ) , i =1,2,3 e os ganhos esperados para as decises D1 e D2 , respectivamente por [ G1 2 ] = ( 950)( 0,1786) + ( 50 )( 0,2857 ) + ( 500)( 0,5357 ) = 112,5 e
[G1 2 ] = 50 .

A deciso recomendada sob o critrio a posteriori D2 . Se o resultado do programa piloto 3 , as probabilidades posteriores so dadas por p( Si 3 ) , i =1,2,3 e os ganhos esperados para as decises D1 e D2 , respectivamente por
[ G1 3 ] = ( 950)( 0,0943) + ( 50 )( 0,2265) + ( 500 )( 0,6792 ) = 261,3 e

[G2 3 ] = 50 . A deciso recomendada sob o critrio a posteriori D2 . A rvore de deciso para este processo, que mostramos a seguir

20

1000 47,5
S1 0,25

0
S2 0,30 -450

D1

S3

47,5

0,45

B
DI

D2

79,75

S1 0,25 S2 0,30 S3 0,45 0

950
S1
0,4762

A
-50 -500 -50
S1
0,4762

361,9 361,9 D1

S2

0,3870 0,1429 S 3

E
DII

D2

-50

1
0,315

0,3810 0,1428

S2
S3 -50

-50

950

21

-112,5 S1
S3

0,1786

-50
0,2857

S2

79,75

-50 D1

0,5357

-500 -50

0,420

D2 -50
S1 S3
0,1786 0,2857 0,5357

-50

S2

-50

950
S1

0,265

-261,3
D1

0,0943

-50 -500

0,2265 S3 0,6792

S2

G
D2

-50 -50
0,0943

S1

S2
0,2265 0,6792

-50

S3

-50

Tem a particularidade de os resultados obtidos aparecerem nos ns sem letra e nos ramos que a eles chegam ou deles partem. Os ganhos esperados nos ns B, E, F e G so os ganhos relativos aos ns subsequentes, se as decises recomendadas tiverem sido tomadas. Pelo Teorema da probabilidade total:

P (1 ) = p (1 S1 ) p( S1 ) + p (1 S 2 ) p( S 2 ) + p (1 S3 ) p( S 3 ) =
= ( 0,6 )( 0,25) + ( 0,4 )( 0,3) + ( 0,1)( 0,45) = 0,315,

22

P( 2 ) = p ( 2 S1 ) p ( S1 ) + p ( 2 S 2 ) p( S 2 ) + p ( 2 S 3 ) p( S 3 ) =
= ( 0,3)( 0,25) + ( 0,4 )( 0,3) + ( 0,5)( 0,45) = 0,420,

P( 3 ) = p ( 3 S1 ) p ( S1 ) + p ( 3 S 2 ) p ( S 2 ) + p ( 3 S 3 ) p ( S 3 ) =
= ( 0,1)( 0,25) + ( 0,2)( 0,3) + ( 0,4)( 0,45) = 0,265 .

Ento o ganho esperado no n C

( 361,9)( 0,315) + ( 50)( 0,420) + ( 50)( 0,265) = 79,75 .

Como este valor maior que o ganho esperado no n B, o ramo de deciso para o n C, designado por DII , o recomendado. A cidade deve realizar o programa piloto e ento converter para veculos movidos a electricidade apenas se ele indicar economia.

Utilidade
A utilidade de um componente de pagamento o seu valor numrico para um analista de decises. Quando nenhum critrio de deciso aplicvel, a menos que os componentes de pagamento sejam quantificados na mesma unidade, o primeiro passo na anlise de qualquer processo de deciso determinar a utilidade de todos os componentes do pagamento no numricos. Uma utilidade comum a correspondncia monetria, onde cada componente de pagamento substitudo na matriz de ganhos pelo seu valor em euro. A correspondncia monetria, entretanto, no sempre apropriada. Um componente de 2 000 000 de euro o dobro de um de 1 000 000, mas o primeiro pode no corresponder ao dobro do ltimo para um realizador de decises. O primeiro milho pode ser mais valioso que o segundo. Nos casos em que os euros no reflectem a correspondncia verdadeira de um componente de pagamentos em relao a outro, ou em que os euros no so a unidade de quantificao adequada, devem usar-se outras unidades.

Lotaria
Uma lotaria L ( A, B; p) um acontecimento aleatrio que tem dois resultados, e , ocorridos com probabilidades p e 1 p respectivamente.

Utilidades de Von Neumann

O procedimento, indicado a seguir, de quatro etapas utilizado para determinar as utilidades de Von Neumann para uma tabela com um nmero finito de componentes.

23

Etapa 1 Enumerar os componentes de pagamento por ordem decrescente de convenincia:

e1 , e2 ,..., e p , sendo ei mais conveniente que e j se i < j ,

Etapa 2 Arbitrariamente atribuir valores numricos finitos u ( e1 ) e u (e p ) aos componentes e1 e e p , respectivamente, de modo que u ( e1 ) > u (e p ) , Etapa 3 Para cada componente e j , convenientemente localizado entre e1 e e p , determinar uma probabilidade equivalente p j , supondo que para o analista de decises indiferente obter e j com certeza ou participar na lotaria L (e1 , e p ; p j ) , Etapa 4 Fazer u ( e j ) = p j u ( e1 ) + (1 p j )u ( e p ) componente de pagamento l j . sendo
u (e j )

utilidade

do

A Etapa 3 , como evidente, extremamente subjectiva. O valor de p j para cada componente e j ( j = 2,3,..., p 1) uma determinao individual que pode variar drasticamente de uma pessoa para a outra ou at para uma mesma pessoa em duas pocas diferentes. As utilidades resultantes, entretanto, quantificam as correspondncias relativas dos componentes de pagamento para um determinado analista de decises num certo momento. Entretanto, para uma racionalidade individual, ser sempre esperado que a ordem dos p ' s , e portanto dos u ' s sejam as mesmas dos e' s . Uma utilidade normalizada se u ( e1 ) = 1 e u (e p ) = 0 , tornando as utilidades idnticas s probabilidades equivalentes. Exemplo Imagine uma situao na qual os ganhos listados na tabela do exemplo do gs natural, que aqui reproduzimos:
S1 60 100 S2 660 2000

D1 D2

24

No correspondem aos componentes de pagamento relativos ao proprietrio. Mostre que a funo de utilidade de Von Neumann pode ser usada para corrigir essa situao. Os componentes de pagamento por ordem decrescente de preferncia so:
e1 = 2000 e2 = 660 e3 = 60 e4 = 100 .

Se 100 (100 000 euro) representa as economias de toda a vida do proprietrio, ento perd-las seria catastrfico. Considerando que tal perda no pode ser mais importante para o proprietrio que ganhar 2000 (2000 000), ainda assim esta preferncia no reflectida nos valores em euro dos componentes de pagamento. Alm disso 660 pode ser dinheiro suficiente para satisfazer todos os desejos do proprietrio. 2000 obviamente melhor; mas pode no significar trs vezes mais valioso, em nmeros redondos, como sugerido apenas pelos nmeros. O proprietrio pode, por exemplo, estabelecer a utilidade de e1 em 100 e a de e4 em 1000 para reflectir o temor da perda das economias de toda a sua vida. Depois de muito reflectir, ele pode concluir ser indiferente receber e2 com certeza ou participar na lotaria L ( e1 , e4 ;0,999 ) . Ento a utilidade de e2 deveria ser

u ( e2 ) = 0,999u ( e1 ) + (1 0,999) u ( e2 ) = 0,999 100 + ( 0,001)( 1000 ) = 98,9 .

O proprietrio pode tambm concluir que indiferente receber e3 com certeza ou participar na lotaria L ( e1 , e4 ;0,95) . Ento a utilidade de e3 deve ser
u ( e3 ) = 0,95u ( e1 ) + (1 0,95) u ( e2 ) = 0,95 100 + 0,05 ( 1000 ) = 45 .

A matriz dos ganhos para o processo de deciso, em termos de utilidades assim

S1 45 1000 S2
98,9

D1 D2

45

Outro Exemplo
Determine a deciso recomendada pelo critrio a priori para o caso de o proprietrio do exemplo anterior, se a matriz dos ganhos a tabela de utilidades dada acima, estimando ele que a probabilidade de haver gs de 0,6 . Como ( S1 ) = 0,4 e ( S 2 ) = 0,6 os ganhos esperados para D1 e D2 so, respectivamente,

[ G1 ] = 45 0,4 + 98,9 0,6 = 77,34

e

25

[ G2 ] = ( 1000)( 0,4 ) + (100)( 0,6) = 340

sendo a deciso recomendada D1 .

26