P. 1
TEORIA DA DECISÃO

TEORIA DA DECISÃO

|Views: 1.096|Likes:
Publicado porliufsctiago

More info:

Published by: liufsctiago on Jun 22, 2011
Direitos Autorais:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

02/18/2013

pdf

text

original

Pesquisa Operacional

Teoria da Decisão 1. TEORIA DA DECISÃO

Elisangela Beretta

A teoria da decisão no qual estaremos trabalhando em nosso contexto abrange técnicas quantitativas na tentativa de resolver problemas envolvendo a tomada de decisão. Note que para que haja o ato de decidir, o problema deve conter mais de duas alternativas, levando o tomador de decisão a optar entre elas. Caso isso não ocorra, ou seja, você possua somente um caminho a seguir, não que isso não seja um problema de tomada decisão, mas não estaremos considerando aqui este tipo de problema. Os problemas de tomada de decisão estão no cotidiano tanto de pessoas físicas como jurídicas, no entanto, você, diariamente decide qual roupa usar, o que irá almoçar, e até mesmo se irá almoçar, entre outros. O ato de decisão deve ser imediato, gerando conseqüências imediatas e futuras. Assim, nossas técnicas irão prever o futuro? Infelizmente não, mas poderemos nos basear no futuro, usando ferramentas matemáticas de previsão: Probabilidade. Para então conhecer as técnicas de resolução de um problema que envolva a tomada de decisão, precisamos conhecer três estruturas básicas para tal teoria. Alternativas, Estados de Natureza e Resultados. 1.1 ALTERNATIVAS São as possíveis soluções para o problema ou os caminhos nos quais devemos seguir. Se você não conseguir listar estes caminhos, você não terá um problema. Por exemplo, suponha que uma empresa produtora de portas de madeira, resolva trabalhar com exportação de seus produtos, porém a mesma precisão deslocar seus produtos até o porto, então ela tem duas alternativas, uma é colocar seus caminhões a disposição para o transporte das cargas e adquirir assim um contêiner ou alocar do próprio Porto o caminhão e o contêiner. Cada uma dessas decisões gerará resultados diferentes. Note que comprar um contêiner gerará um custo alto imediato, porém será compensado futuramente ou até mesmo por utilizar de seus próprios caminhões no transporte, bem como, reduzirá a venda interna no país, já que sem caminhão como ele fará o transporte de carga interna? Alugando poderá ser uma ótima alternativa, mas o custo pode ser alto. Todas essas previsões futuras, que envolvem em especial demanda, são conhecidas como os Estados de Natureza, pois são elas que ajudaram a escolher uma alternativa. Ou seja, se soubéssemos que a demanda externa irá aumentar ou diminuir, teríamos uma melhor visão de qual decisão tomar. 1.2 ESTADOS DE NATUREZA São todos os acontecimentos futuros que poderão influenciar sobre cada alternativa no momento da tomada de decisão. Note que no exemplo anterior, a demanda futura é um Estado de Natureza, no qual poderemos classificá-la como grande, média e baixa. Assim, teremos duas alternativas e três estados de natureza, ou seja, para cada alternativa os três possíveis estados de natureza, ficando mais fácil definir qual alternativa seguir. 1.3 RESULTADOS São as conseqüências de se escolher uma alternativa, assumindo certo estado de natureza. Veja que para nosso exemplo, temos duas alternativas e três estados de natureza, gerando assim, 2 x 3 = 6 possíveis resultados. 1.4 MATRIZ DE DECISÃO Este é um modelo a ser utilizado para facilitar a tomada de decisão. A matriz de decisão, contem as alternativas: (A1, A2, A3, ..., Ak), bem como, os estados de natureza: (EN1. EN2, EN3, ..., ENp). Normalmente os estados de natureza são listados por coluna e as alternativas por linha. Veja o modelo: 1

entre outros dados que geram de forma certa.DTSC Para problemas no quais sabemos exatamente qual estado de natureza irá acontecer. Estes problemas são caracterizados do tipo Tomada de Decisão Sob Certeza – TDSC.VEA. Essa probabilidade pode ser associada de forma objetiva ou não. para determinarmos qual a melhor alternativa deve ser escolhida. Veja a matriz a seguir que mostra a seguinte situação.Alternativas A1 A2 A3 Ak EN1 R11 R21 R31 Rk1 EN2 R12 R22 R32 Rk2 Estados de natureza EN3 R13 R23 R33 Rk3 ENp R1p R2p R3p Rkp Geralmente. os custos. Decisão Tomada Sob Risco (DTSR) e Decisão Tomada Sob Incerteza (DTSI). Portanto. finito) será a soma dos produtos de cada resultado associado a tal alternativa pela probabilidade associada ao estado de natureza correspondente. Existem assim. é a média ponderada dos resultados de cada alternativa. por observação. para determinarmos a solução de um problema do tipo DTSR. Tabela 1 – Matriz de decisão: Compra e manufaturar componente de um produto (Lucros em milhares) Estados de Natureza – DEMANDA Alternativas Baixa Média Alta P = 0.DTSR Neste tipo de problema. será aquela que possuir o MELHOR Valor Esperado da Alternativa . Dada uma matriz com k alternativas e p estados de natureza.5 Decisão Tomada Sob Certeza . Os problemas de programação lineares vistos até o momento contem de forma certa. 1. bem como. Assim. devemos de alguma forma conhecer um pouco sobre os estados de natureza. fazendo uso das ferramentas de Estatística.3 -10 60 180 Manufaturar 10 50 100 Comprar componente . mas podemos associar a cada um deles uma probabilidade de ocorrência.A conterá instalações custosas e a capacidade de utilização de suas instalação será muito baixa. a melhor decisão a ser tomada. entretanto se a demanda for baixa a Ciclo S. Então. não sabemos exatamente qual estado de natureza ocorrerá. Se a demanda for nos próximos meses pelas bicicletas for alta. decidir reduzir custos ou ampliar lucros. bem como. então manufaturar seria o ideal. sabemos que teremos k x p resultado. A empresa Ciclo S. ou seja.3 P = 0. precisamos entender o significado da expressão Valor Esperado da Alternativa – VEA. três tipos de situações para uma tomada de deicsão: Decisão Tomada Sob Certeza (DTSC). Vejamos cada uma delas e como será o tratamento para a tomada de decisão. Esse método também é conhecido como Método de Bayes. lucros.4 P = 0.A é uma empresa manufatureira de bicicletas que está diante da decisão de comprar de terceiros ou manufaturar um componente comum a todas as suas bicicletas. tomando como peso de ponderação as probabilidades dos estados de natureza. Exemplo 1. as probabilidades dos estados de natureza ocorrerem. A associação se dá por meio de pesquisa. seja ela documental ou não. 1. o valor esperado da alternativa k (sendo k um número natural.6 Decisão Tomada Sob Risco .

ficaria mais fácil determinar qual alternativa escolher.3)+(180). e para tal.Determine a melhor alternativa a ser tomada.(0. gerando um lucro de 10 mil.3) = 4+15+30 = 49 Assim. R: MOTOBOY Tabela 1 – Matriz de decisão: Satisfação quanto ao procedimento de entrega de documentos (Lucros milhares) Estados de Natureza – SATISFAÇÃO Alternativas de entrega Baixa Alta P = 0. ou seja. para determinar os VEAs temos: VEA1 = (-10). folhas de pagamentos e documentos diversos é realizada pelo próprio contador chefe. mas podemos estimar. Sendo assim. ou se a demanda fosse alta. Solução: Aplicando a Regra de Bayer. por mais que saibamos qual o estado de natureza venha a acontecer. Mas note que a probabilidade destas demandas acontecerem não podem ser alteradas. continuaríamos manufaturando.(0. bem como se a demanda fosse média passaríamos a manufaturar.6 15 30 Contador 5 40 Estagiário 2 45 Motoboy 1. qual deve ser a melhor escolha. Note que os estados de natureza e as probabilidades associadas não podem ser alteradas. contratando o serviço de motoboy ou enviando algum de seus estagiários até seus clientes.4 P = 0.(0. 3 . A tabela abaixo relaciona as tomadas de decisão com as futuras satisfações. se soubéssemos que a demanda fosse baixa. aproximando-se do que seria o ideal. medindo lucro. pensa em modificar sua estratégia de entrega de documentação.7 VALOR ESPERADO PELA INFORMAÇÃO PERFEITA (VEIP) Imagine se você pudesse saber exatamente o que irá acontecer no futuro. O contador chefe vendo que está havendo aumento de trabalho e o mesmo não está conseguindo passar tanto tempo na contabilidade. Sabendo quanto ele irá lucrar com tais decisões ou até mesmo.4)+(50).3)+(100). passando a lucrar 180 mil. porém se soubéssemos qual seria o estado de natureza que iria acontecer. lucrando 60 mil.(0. ela estará sujeita a probabilidade associada a ela.(0.4)+(60). o mecanismo de entrega de impostos. no qual temos duas alternativas e três estados de natureza. Exercício 1: Na Contabilidade SUL.(0. É retirado diariamente alguns minutos para a visitação de seus clientes. até quanto estamos dispostos a pagar pela informação perfeita? O valor a ser paga pela melhor informação é dado pelo Valor Esperado pela Informação Perfeita (VEIP). pois são previsões existentes. gastaríamos o quanto fosse necessário por tal informação. a decisão a ser tomada é Manufaturar o componente. continuando ele a levar os documentos e prevendo a satisfação de seus clientes. para então tomar uma decisão! Isso é possível? Infelizmente não. mesmo que haja demanda a variação de demanda. bem como para entregar os documentos quando necessário.3) = -4+18+54 = 68 VEA2 = (10). Veja. Vamos voltar ao exemplo anterior. optaríamos por comprar o componente.

quando se escolhe a melhor alternativa entre todos de uma estado de natureza. o valor a ser pago por tal informação é dado pelo Valor Esperado pela Informação Perfeita. Assim. não a melhor alternativa. R: 5. chama-se arrependimento àquilo que se perde.3 0 80 . Tabela 1 – Matriz de decisão: Compra e manufaturar componente de um produto (Lucros em milhares) Estados de Natureza – DEMANDA Alternativas Baixa Média Alta P = 0.4 P = 0. podemos definir assim o melhor lucro.3) + 180(0. faremos: (10 – (-10)) = 20 (Valor de perda caso escolhamos a alternativa 1 para este estado de natureza) e 10 – 10 = 0 (Valor de perda também ao escolher essa alternativa para este Estado de Natureza. Por exemplo. para nosso exemplo teríamos. consigo identificar o quanto eu posso vir a pagar por tal informação.2 MIL 1. calcular o arrependimento correspondente a cada estado de natureza. Veja. receberíamos como visto anteriormente 68 mil. Exemplo 3: Dada a matriz de lucros. Obtendo o melhor lucro. dado um certo estado de natureza.8 MÉTODO DOS ARREPENDIMENTOS Podemos determinar o VEA trocando os valores originais da matriz de decisão. vamos olhar para cada estado de natureza e os lucros associados a eles. ou seja.4 P = 0.IDEAL é dado por: VEAi = 10(0. com 10 mil. logo o que gera mais lucro será Comprar Componente.Portanto. para o EN1 – Demanda Baixa. calculando a seguinte diferença : VEIP = VEAi – VEA VEIP = 76mil – 68 mil VEIP = 8mil (valor pago pela informação perfeita ou por uma informação melhor) Exercício 2: Retome o Exercício 1 e determine o VEIP. Veja. Para obter a solução basta aplicar o método de Bayer aos dados da matriz de arrependimento e escolher a alternativa que contenha o mínimo arrependimento médio.3 -10 60 180 Manufaturar 10 50 100 Comprar componente Para obtermos a matriz de arrependimentos. Assim. temos -10 para Manufaturar e 10 para Comprar componente. Repita tal processo para todos os lucros relacionados a cada estado de natureza. Se não soubéssemos desta informação. Note que não é uma escolha de alternativa.4) + 60(0. pelos seus respectivos arrependimentos.3 20 0 Manufaturar 0 10 Comprar componente Alta P = 0. temos que o VEA . Veja. mas sim de identificar o LUCRO – IDEAL.3 P = 0.3) = 4 + 18 + 54 = 76 mil Esse resultado corresponde ao lucro que teríamos caso ocorressem tais estados de natureza. na nova matriz. Exemplo 2: Considerando os dados do exemplo da empresa Ciclo AS. Tabela 2 – Matriz de arrependimentos: (Lucros em milhares) Estados de Natureza – DEMANDA Alternativas Baixa Média P = 0.

perderemos 8mil em lucros. Compare com dados encontrados anteriormente. sendo ele lucro. caso venhamos a não escolher a alternativa 1. temos: VEA1 = (-10)p + 60(1-p) = -10p +60 – 60p = -70p + 60 VEA2 = (20)p + 50(1-p) = 20p +50 –50p = -30p + 50 5 .P -10 60 Manufaturar 20 50 Comprar componente 10 40 Comprar e manufaturar Aplicando o método de Bayer para cada alternativa. aplicaremos o método de Bayer. utilizando método de arrependimento.4) + 10(0. Faremos isso para identificar o ponto no qual existe uma troca de decisão. custo.. note que os arrependimentos serão sempre positivos.3) = 27mil Assim. teremos: Tabela 4 – Matriz de decisão: Analise de Sensibilidade – probabilidade (Lucros em milhares) Estados de Natureza – DEMANDA Alternativas Baixa Alta P 1.4 P = 0.. Assumindo o EN1 com probabilidade p. manufaturar.Assim. ou seja. pode haver uma modificação em sua decisão.9 ANÁLISE DE SENSIBILIDADE Para tomarmos uma decisão sobre qualquer problema. Note que ao mesmo tempo em que você obtém a alternativa a ser escolhida. e as probabilidades associadas a cada estado de natureza. Aqui. precisamos dos valores associados a cada alternativa. você também determina o VEIP.6 -10 60 Manufaturar 20 50 Comprar componente 10 40 Comprar e manufaturar Quando trabalhamos com análise. Note que se algum destes dados for alterado.4) + 0(0. estamos justamente verificando o que acontece ao alterarmos uma das informações : Lucro/ Probabilidade. entre outros.3) = 8mil VEA2 = 0(0. 1. Vejamos o seguinte exemplo: Tabela 3 – Matriz de decisão: Compra. entãoo EN2 terá probabilidade 1-p. Para obter a melhor alterntiva. Exercício 3: Retome o Exercício 1 e determine o VEIP.3) + 0(0. bem como 27 mil se deixarmos de escolher a Alternativa 2. a decisão correta será optar por aquela que mesno gera perdas. Assim. VEA1 = 20(0. Claro que aqui. estaremos fazendo a alteração na probabilidade. manufaturar componente e comprar e manufaturar um produto (Lucros em milhares) Estados de Natureza – DEMANDA Alternativas Baixa Alta P = 0. Vejamos então como entender as várias modificações de informação e como isso pode alterar nossa tomada de decisão.3) + 80(0.

25 ou VEA2 quando 0. Portanto. b) A partir da alternativa VEA2. Assim.0 + 60 => VEA1 = 60 (0.25.0 + 50 => VEA1 = 50 (0. Assumiremos dois pontos. Gráfico 1 – Estudo quanto à sensibilidade da probabilidade p. p = 25% ou 0. 40) Vamos montar o gráfico de cada VEA. VEA = 0 e p =0.60) Se VEA2 = 0 => -30p + 50 = 0 => -30p = -50 => p = 5/3 Se p = 0 => VEA2 = -30. VEA1 = VEA2 -70p + 60 = -30p + 50 -70p + 30p = 50 – 60 -40p = -10 p = 1/4. Escolheremos VEA1 quando 0 ≤ p < 0. 50) (5/3. ou seja. 0) Se p = 0 => VEA1 = -70. 0) Se VEA3 = 0 => -30p + 40 = 0 => -30p = -40 => p = 4/3 (4/3. Assim. 0) Se p = 0 => VEA3 = -30.0 + 40 => VEA1 = 40 (0. Logo. pelo gráfico notamos que: a) A alternativa VEA1 será a melhor escolha até a probabilidade de cruzamento com a alternativa VEA2. basta igualar as duas equações e determinar p que iguala as duas alternativas.25 < p ≤ 1. VEA1 e VEA3 não se tornam mais viáveis.VEA3 = (10)p + 40(1-p) = 10p +40 – 40p = -30p + 40 Vamos então. a partir dos VEA’s representar suas retas correspondes. Se VEA1 = 0 => -70p + 60 = 0 => -70p = -60 => p = 6/7 (6/7. Para tal. devemos identificar qual deve ser o valor de p que interfere na escolha de VEA1 para VEA2. .

fazendo uso da árvore de decisões. As linhas da árvore são denominadas déramos e os pontos de encontro de um ramo a outro. Exercício 5: Retome o Exercício 1 e obtenha a melhor decisão. A resolução da arvore se dá no sentido da direta para esquerda. 1.A. são chamados de nó. seria apresentar os dados da matriz de decisão em um gráfico. Assim.10 ARVORE DE DECISÃO Outra forma de se trabalhar com problemas de Tomada de Decisão sob Risco. iniciamos nos nós de estado de natureza e a rotina de resolução se dá conforme visto na matriz de decisão. 7 . Vamos retomar o problema da Empresa Ciclo S.Exercício 4: Retome o Exercício 1 e faça a análise de sensibilidade quanto a probabilidade. Esse gráfico é conhecido como Arvore de Decisão. para exemplificar o modelo gráfico.

Normalmente. Assumindo assim.11 Decisão Tomada Sob Incerteza – DTSI Para este tipo de problema. Assumindo assim. a tomada de decisão é feita escolhendo de cada alternativa o melhor.Indeciso Este critério é adotado o critério da razão insuficiente. O MELHOR será 10 mil. mas agora sem conhecer as probabilidades dos estados de natureza. torna o problema que era do tipo DTSI em DTSR. O MELHOR será 180 mil. Normalmente. e desta relação optamos pela melhor dentre elas. . mas não podemos associar a cada um deles uma probabilidade de ocorrência.1. Tabela 6 – Matriz de decisão: Compra e manufaturar componente de um produto (Lucros em milhares) Estados de Natureza – DEMANDA Alternativas Baixa Média Alta MINIMAX -10 60 180 -10 Manufaturar 10 50 100 Comprar 10 componente Ou seja. ou seja. mas agora sem conhecer as probabilidades dos estados de natureza. 1. conhecemos os possíveis estados de natureza. Assim. como se tem motivo algum para dizer que um estado de natureza é pior ou melhor que outro. aplicando o método de Bayes para determinar qual deve ser a melhor alternativa. caracteriza o tomador de decisão como Pessimista. este critério quando utilizado.11. Vamos voltar ao exemplo da Empresa Ciclo S. já que a mesma se faz mediante a personalidade do tomador de decisão. Assim. este critério quando utilizado. este critério quando utilizado. 1.2 CRITÉRIO MINIMAX ..Pessimista Este critério é conhecido também como o máximo entre os mínimos.3 CRITÉRIO LAPLACE ..A.11. ou seja.Otimista Este critério é conhecido também como o máximo entre os máximos.1 CRITÉRIO MAXIMAX .A. 1. Existem inúmeros critérios para a tomada de decisão sob incerteza. Tabela 5 – Matriz de decisão: Compra e manufaturar componente de um produto (Lucros em milhares) Estados de Natureza – DEMANDA Alternativas Baixa Média Alta MAXIMAX -10 60 180 Manufaturar 180 10 50 100 100 Comprar componente Ou seja. que a empresa deverá COMPRAR O COMPONENTE. ou seja. Veremos alguns destes critérios. Vamos voltar ao exemplo da Empresa Ciclo S. dentre os PIORES lucros de cada alternativa. Normalmente. que a empresa deverá MANUFATURAR O COMPONENTE.11. então o tomador de decisão assume que todo estado de natureza tem mesma probabilidade de acontecer. a tomada de decisão é feita escolhendo de cada alternativa o pior. caracteriza o tomador de decisão como Indeciso. e desta relação optamos pela melhor dentre elas. caracteriza o tomador de decisão como Otimista. dentre os MELHORES lucros de cada alternativa. o tomador de decisão terá um leque se opções ou escolher um critério que lhe seja mais interessante.

Tabela 8 – Matriz de arrependimentos: (Lucros em milhares) Estados de Natureza – DEMANDA Alternativas Baixa Média Alta 20 0 0 Manufaturar 0 10 80 Comprar componente MINIMAX 20 80 Ou seja..Vamos voltar ao exemplo da Empresa Ciclo S. que a empresa deverá MANUFATURAR O COMPONENTE. Daniel A. São Paulo: Thomson Learning. Atlas.A. (003 P472) 9 . aplicando a mesma probabilidade aos estados de natureza e aplicando Bayes. M. mas agora sem conhecer as probabilidades dos estados de natureza. Assumindo assim. Tabela 7 – Matriz de decisão: Compra e manufaturar componente de um produto (Lucros em milhares) Estados de Natureza – DEMANDA Alternativas Baixa P = 1/3 Média P = 1/3 Alta P = 1/3 LAPLACE -10 60 180 Manufaturar VEA1 = 230/3 10 50 100 VEA2 = 160/3 Comprar componente Ou seja. 3ª d. aplique os critérios para DTSI. d all. assumindo a matriz abaixo: R: MAXIMAX: Motoboy – MINIMAX: Contador – LAPLACE: Motoboy – ARREP. Pesquisa operacional – curso introdutório. 1998.4 CRITÉRIO MÍNIMO ARREPENDIMENTO Para este critério. Exercício 6: Para o exercício da Contabilidade SUL. aplicando o método MINIMAX na matriz de arrependimentos. determinamos que o VEA1 é o MELHOR.A.: Estagiário. SILVA E.11. Tabela 9 – Matriz de decisão: Satisfação quanto ao procedimento de entrega de documentos (Lucros milhares) Estados de Natureza – SATISFAÇÃO Alternativas de entrega Baixa Alta 15 30 Contador 5 40 Estagiário 2 45 Motoboy MOREIRA. 1. Pesquisa Operacional. Vamos voltar ao exemplo da Empresa Ciclo S. precisamos montar a Matriz de Arrependimentos. determinamos que a MELHOR alternativa será MANUFATURAR O COMPONENTE. Veja. mas agora sem conhecer as probabilidades dos estados de natureza... 2007. Tendo a mesma. aplica-se o critério do MINIMAX para se obter a melhor alternativa.

You're Reading a Free Preview

Descarregar
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->