Você está na página 1de 28

1

T TE EO OR RI IA A D DA A D DE EC CI IS S O O


P Pr ro oc ce es ss so os s d de e D De ec ci is s o o


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
m
D D D ,..., ,
2 1
.
Designaremos os estados naturais por
n
S S S ,..., ,
2 1
.
O retorno associado deciso
i
D e ao estado
j
S designa-se por
ij
g
( ). ,... 2 , 1 ; ,... 2 , 1 n j m i = =
Um processo que necessita da implementao de uma nica deciso definido
completamente por uma tabela como


1
S
2
S
...
n
S
1
D
11
g
12
g ...
n
g
1

2
D
21
g
22
g ...
n
g
2

... ... .... ... ...
Dm
1 m
g
2 m
g
...
mn
g

Uma tabela deste tipo designa-se por matriz de ganho j que as entradas
ij
g
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
2
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:

1
D - aceitar a oferta da companhia de energia,
2
D - explorar e desenvolver ele prprio.

Os estados naturais so:

1
S - no existe gs na terra,
2
S - existe gs na terra.

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


1
S
2
S
1
D
60 660
2
D
100 2000

Visto que:

60
11
= g
600 60
12
+ = g
100
21
= g
2000
22
= g

Falta especificar ou estimar as probabilidades relativas aos dois estados
naturais: ( )
1
S P e ( )
2
S P .

C Cr ri it t r ri io o d de e D De ec ci is s o o S Si im mp pl li if fi ic ca ad do o

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.



3
Assim, para o exemplo apresentado:

- A matriz de ganhos est dada atrs. O ganho mnimo para a
deciso
1
D 60. Para a deciso
2
D 100 . Como
{ } 60 100 , 60 = mx , ganho associado a
1
D a deciso
recomendada sob o critrio minimx,

- As mdias dos ganhos mximo e mnimo para
1
D e
2
D so,
respectivamente,

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

Como { } 950 950 , 360 = mx , ganho associado a
2
D ,
2
D a
deciso tomada sob o critrio mediano,

- A maior entrada da matriz de ganhos 2 000, associada a
2
D .
Portanto
2
D 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:


1
S :
Comprimento
Mdio em Alta
Costura
2
S :
Comprimento
Mdio
Aceitvel
3
S :
Comprimento
Mdio No
Aceitvel
1
D : Nenhuma
Encomenda
50 0 80
2
D : Pequena
Encomenda
10 30 35
3
D : Encomenda
Moderada
60 45 30
4
D : Lote Encomendado
80 40 45


4
Os ganhos mnimos associados a cada diviso so:


1
D - 50


2
D - 10

3
D - 30

4
D - 45

{ } 10 45 , 30 , 10 , 50 = Mx pelo que a deciso recomendada pelo
critrio minimx
2
D .
Os ganhos mximos associados a cada deciso so:

1
D - 80


2
D - 35

3
D - 60

4
D - 80

{ } 80 80 , 60 , 35 , 80 = Mx pelo que quer
1
D quer
4
D so decises
recomendadas pelo critrio optimista.
Os ganhos mdios associados a cada deciso so:

, 10
3
80 0 50
:
1
=
+ +
D

, 18
3
35 30 10
:
2
=
+ +
D

, 25
3
30 45 60
:
3
=
+
D

. 25
3
45 40 80
:
4
=
+
D

Como { } 25 25 , 25 , 18 , 10 = Mx quer
3
D quer
4
D so decises
recomendadas pelo critrio mediano.
5
Por vezes, para este critrio, faz-se apenas a mdia entre os valores mximo e
mnimo. Assim

15
2
80 50
:
1
=
+
D

5 , 12
2
35 10
:
2
=
+
D

15
2
30 60
:
3
=

D

5 , 17
2
45 80
:
4
=

D

sendo agora a deciso recomendada pelo critrio mediano
4
D .

C Cr ri it t r ri io o A A P Pr ri io or ri i

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
6 , 0 .
Como ( ) 6 , 0
2
= S P obviamente ( ) 4 , 0 6 , 0 1
1
= = S P . Usando os dados da
tabela de ganhos vista atrs, temos que o ganho esperado para a deciso
1
D


| | 420 6 , 0 660 4 , 0 60
1
= + = G E

e o ganho esperado para deciso
2
D

| | ( ) ( ) 1160 6 , 0 2000 4 , 0 100
2
= + = G E .







6
Podemos representar o processo pela rvore de deciso

60

E


420
1
S
0,4
660
C 0,6
2
S F

1
D

B
-100
1160

2
D G
1160
1
S 0,4

D
0,6

2
S 2 000

H


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

Como o maior dos ganhos esperados est relacionado com
2
D ,
2
D 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
( ) 25 , 0
1
= S P , ( ) 40 , 0
2
= S P , ( ) 35 , 0
3
= S P .
Usando a tabela dada atrs os ganhos esperados para cada deciso so

-
1
D

| | ( )( ) ( ) ( ) , 5 , 15 35 , 0 80 40 , 0 0 25 , 0 50
1
= + + = G E

-
2
D
7
| | ( )( ) ( )( ) ( ) , 75 , 21 35 , 0 35 40 , 0 30 25 , 0 10
2
= + + = G E

-
3
D

| | ( )( ) ( )( ) ( )( ) , 5 , 22 35 , 0 30 40 , 0 45 25 , 0 60
3
= + + = G E

-
4
D

| | ( )( ) ( ) ( )( ) . 5 , 20 35 , 0 45 40 , 0 40 25 , 0 80
4
= + + = G E

Como o maior destes ganhos esperados 22,5, est relacionado com
3
D ,
3
D
a deciso recomendada sob o critrio a priori.
Este processo representado pela rvore de deciso da figura seguinte:
-50
F

1
S
0,25
0
15,5
2
S G
0,40
B 80

3
S
0,35 H
-10


1
D I
21,75
1
S 30
0,25
2
S
C 0,40 J
22,5
2
D
3
S 35
0,35
A K


3
D 60

4
D 22,5
1
S L
0,25
20,5 80 D
2
S 45
E
1
S O 0,40 M
0,25
3
S 0,40
2
S 40 0,35
3
S -30
0,35 P
-45 N
Q
8
r rv vo or re es s d de e D De ec ci is s o o

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.

C Cr ri it t r ri io o A A P Po os st te er ri io or ri i

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 u e supondo que a sua fiabilidade
dada por probabilidades condicionadas

( )
1
S p u , ( )
2
S p u , , ( )
n
S p u ,

as probabilidades posteriores(ou a posteriori) dos estados

( ) u
1
S p , ( ) u
2
S p , , ( ) u
n
S p

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.


9
T Te eo or re em ma a d de e B Ba ay ye es s

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 A e B so dois acontecimentos de S, ento a
probabilidade condicionada de Adado B e a de B dado A so tais que

( ) ( ) ( ) ( ) ( ) A A B = B B A = B A P p p p p ,

em que B A a interseco de A e B:
B A












A B


Podemos assim obter

( )
( ) ( )
( ) A
B B A
= A B
p
p p
p , ( ) 0 > A p

ou

( )
( ) ( )
( ) B
A A B
= A B
p
p p
p , ( ) 0 > B p ,

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

Seja agora

{ }
s
H H H ,..., ,
2 1


uma partio de S, isto :

- = H
i
C, s i ,..., 2 , 1 =
10

- = H H
j i
C, j i =

- = H H H
s
...
2 1
S.

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


2
H

1
H

3
H



E, como sugere a figura seguinte




1
H A
2
H


3
H

( ) ( ) ( ) ( )
s
p p p H A + + H A + H A = A P ....
2 1


(Teorema da probabilidade total).



( ) ( ) ( ) ( ) ( ) ( ) ( ) = H H A + + H H A + H H A = A E
s s
p p p p p p p ... ,
2 2 1 1


11
( ) ( )
j
s
j
j
p p H H A =
=1
.

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

( )
( ) ( )
( ) ( )
s i
p p
p p
p
s
i
i i
i i
i
,..., 2 , 1 ,
1
=
H H A
H H A
= A H

=
.

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,

( ) 4 , 0
1
= P S e ( ) 6 , 0
2
= P S .

Seja
1
u o acontecimento que indica a inexistncia de gs. Ento a fiabilidade
do teste (valor preditivo) dada pelas probabilidades condicionadas

( ) 90 , 0
1 1
= = P S u e

( ) 30 , 0
2 1
= = P S u .

Ento, pelo Teorema de Bayes

( )
( ) ( )
( )
( ) ( )
( ) ( ) ( ) ( )
=
P P + P P
P P
=
P
P P
= P
2 2 2 1 1 1
1 1 1
1
1 1 1
1 1
S S S S
S S S S
S
u u
u
u
u
u


12
3
2
6 , 0 3 , 0 4 , 0 9 , 0
4 , 0 9 , 0
54 , 0
36 , 0
= =
+

= e

( )
( ) ( )
( ) ( ) ( ) ( )
=
+

=
P P + P P
P P
= P
6 , 0 3 , 0 4 , 0 9 , 0
6 , 0 3 , 0
2 2 2 1 1 1
2 2 1
1 2
S S S S
S S
S
u u
u
u

3
1
54 , 0
18 , 0
= =

Ou, de modo mais simples,

( ) ( )
3
1
3
2
1 1
1 1 1 2
= = P = P u u S S .

A matriz de ganhos a posteriori agora


1
S
2
S
1
D 30 630
2
D 130 1970

j que h que subtrair 30 000 euro (preo da sondagem) a cada entrada.
Ento

| | 230
3
1
630
3
2
30
1 1
= + = E u G

| | 570
3
1
1970
3
2
130
1 2
= + = E u G












13
E, portanto,


30

M

1
S
3
2

230
K
2
S
630

1
D
3
1
N
570 570
I
1
u J
1
2
D -130
570 O

1
S
L
3
2


3
1

2
S 1970
P


Como o maior ganho esperado est associado a
2
D ,
2
D 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, ( )
1
u p , 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
u . Ento, de acordo com os dados do problema anterior

( ) ( ) 1 , 0 9 , 0 1 1
1 1 1 2
= = = P S p S u u e

( ) ( ) 7 , 0 3 , 0 1 1
2 1 2 2
= = = P S p S u u .

Recorde-se que as probabilidades iniciais so ( ) 4 , 0
1
= S p e ( ) 6 , 0
2
= S p .
Portanto, a distribuio posterior de probabilidade :
14
( )
( ) ( )
( ) ( ) ( ) ( )
=
+
=
2 2 2 1 1 2
1 1 2
2 1
S p S p S p S p
S p S p
S p
u u
u
u


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


( )
( ) ( )
( ) ( ) ( ) ( )
=
+
=
2 2 2 1 1 2
2 2 2
2 2
S p S p S p S p
S p S p
S p
u u
u
u


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

Ou, mais simplesmente,

( ) ( ) 913 , 0 087 , 0 1 1
2 1 2 2
= = = u u S p S p .

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
1
D e
2
D em relao
distribuio de probabilidade deduzida so

| | ( )( ) ( )( ) 8 , 577 913 , 0 630 087 , 0 30
2 1
= + = E u G ,

| | ( )( ) ( )( ) 3 , 1787 913 , 0 1970 087 , 0 130
2 2
= + = E u G .

Como o maior ganho esperado o associado a
2
D ,
2
D 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, ( )
2
u p ,
unitria, j que o resultado da experincia conhecido.










15
30
T

1
S
577,8 0,087


1
D R
2
S 630
1787,3 1787,3 0,913
I
2
u U
Q
1
2
D
1787,3
S
1
S -130

0,087 V

2
S
0,913 1970
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

-
I
D : deciso de realizar sondagens,

-
II
D : deciso de no realizar sondagens,

-
1
u : acontecimento as sondagens indicam a presena de gs,

-
2
u : acontecimento as sondagens no indicam presena de
gs.

A principal diferena est em que nem ( )
1
u p nem ( )
2
u p so iguais a 1, visto
que o resultado das sondagens desconhecido. Mas, como { }
2 1
, S S constitui
uma partio do espao de probabilidades, tendo em conta os dados dos dois
exemplos anteriores

16
( ) ( ) ( ) ( ) ( ) ( )( ) ( )( ) 54 , 0 6 , 0 3 , 0 4 , 0 90 , 0
2 2 1 1 1 1 1
= + = + = S p S p S p S p p u u u

e

( ) ( ) ( ) ( ) ( ) ( )( ) ( )( ) . 46 , 0 6 , 0 7 , 0 4 , 0 10 , 0
2 2 2 1 1 2 2
= + = + = S p S p S p S p p u u u

Assim o ganho esperado no n I

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

vindo a rvore para este processo:





































17

420
1
S 60
C 0,4 E
1160
1
D
2
S 660
0,6 F
B

2
D 1160
1
S G -100

I
D D
1160 0,4
2
S 2000
0,6 H
A 570 230 30

1
D
1
S M

II
D J K
3
2


2
S

1
u
2
D
3
1
630
0,54 570 -130 N
I L
1
S O
1130
3
2



2
u
3
1

2
S 1970
0,46 P 30
T

577,8
1
S
1787,3 0,087

1
D R
Q 0,913
2
S 630

U

1787,3 -130

1
S
S V
0,087

0,913
2
S
1970

W


18
Como o n B tem um ganho esperado maior que o n I,
I
D recomendada
em vez de
II
D . 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
I
D 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,
alis, que a diferena entre os valores esperados nos ns B e I
( ) 30 1130 1160 = 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 25 , 0 , 45 , 0 e 30 , 0 .
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?




C
O
N
V
E
R
S

O

Programa Piloto
Economia Inalterado Perda

Economia

6 , 0

3 , 0

1 , 0


Estabilidade


4 , 0

4 , 0

2 , 0

Perda


1 , 0

5 , 0

4 , 0

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

19
-
I
D : deciso de no realizar o programa piloto,

-
II
D : deciso de realizar o programa piloto,

-
1
u : acontecimento o programa piloto indicam a economia,

-
2
u : acontecimento o programa piloto no indica economia nem
perda,

-
3
u : acontecimento o programa piloto indica perda,

-
1
D : deciso de converter para carros elctricos,

-
2
D : deciso de no converter para carros elctricos,

-
1
S : estabelece que os carros elctricos so mais baratos para
operar que os modelos a gasolina,

-
2
S : estabelece que os carros elctricos custam o mesmo para
operar que os modelos a gasolina,

-
3
S : estabelece que os carros elctricos so mais caros para
operar que os modelos a gasolina.

A matriz de ganhos (em milhares de euro)


1
S
2
S
3
S
1
D
1000 0 450
2
D 0 0 0

A distribuio inicial de probabilidades

( ) ( ) 30 , 0 ; 25 , 0
2 1
= = S p S p e ( ) 45 , 0
3
= S p .

Se o programa piloto no for realizado a distribuio inicial de probabilidades
no reconvertida para distribuio a posteriori e os ganhos esperados para
1
D e
2
D so, respectivamente

| | ( )( ) ( )( ) ( )( ) 5 , 47 45 , 0 450 30 , 0 0 25 , 0 100
1
= + + = E G
| | ( )( ) ( ) ( ) 0 45 , 0 0 30 , 0 0 25 , 0 0
2
= + + = E G .

20
Como o ganho esperado mximo est associado a
1
D ,
1
D 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:


1
S
2
S
3
S
1
D
950 50 500
2
D
50 50 50

E, face tabela apresentada pelo consultor,

( ) 6 , 0
1 1
= S p u ( ) 4 , 0
2 1
= S p u ( ) 1 , 0
3 1
= S p u

( ) 3 , 0
1 2
= S p u ( ) 4 , 0
2 2
= S p u ( ) 5 , 0
3 21
= S p u

( ) 1 , 0
1 3
= S p u ( ) 2 , 0
2 3
= S p u ( ) 4 , 0
3 3
= S p u

Ento, recorrendo ao teorema de Bayes:

( )
( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
=
+ +
=
3 3 1 2 2 1 1 1 1
1 1 1
1 1
S p S p S p S p S p S p
S p S p
S p
u u u
u
u


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


( )
( ) ( )
( ) ( )
( )( )
( )( ) ( )( ) ( )( )
=
+ +
= =

=
45 , 0 1 , 0 30 , 0 4 , 0 25 , 0 6 , 0
30 , 0 40 , 0
3
1
1
2 2 1
1 2
i
i i
S p S P
S p S p
S p
u
u
u

3810 , 0 =

( )
( ) ( )
( ) ( )
( )( )
( )( ) ( )( ) ( )( )
=
+ +
= =

=
45 , 0 1 , 0 30 , 0 4 , 0 25 , 0 6 , 0
45 , 0 1 , 0
3
1
1
3 3 1
1 3
i
i i
S p S P
S p S p
S p
u
u
u

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

21
( )
( )( )
( )( ) ( )( ) ( )( )
, 1786 , 0
45 , 0 5 , 0 3 , 0 4 , 0 25 , 0 3 , 0
25 , 0 3 , 0
2 1
=
+ +
= u S p



( )
( )( )
( )( ) ( )( ) ( )( )
, 2857 , 0
45 , 0 5 , 0 3 , 0 4 , 0 25 , 0 3 , 0
3 , 0 4 , 0
2 2
=
+ +
= u S p


( )
( )( )
( )( ) ( )( ) ( )( )
, 5357 , 0
45 , 0 5 , 0 3 , 0 4 , 0 25 , 0 3 , 0
45 , 0 5 , 0
2 3
=
+ +
= u S p


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


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


( )
( )( )
( )( ) ( )( ) ( )( )
, 2265 , 0
45 , 0 4 , 0 3 , 0 2 , 0 25 , 0 1 , 0
3 , 0 2 , 0
3 2
=
+ +
= u S p


( )
( )( )
( )( ) ( )( ) ( )( )
, 6792 , 0
45 , 0 4 , 0 3 , 0 2 , 0 25 , 0 1 , 0
45 , 0 4 , 0
3 3
=
+ +
= u S p


( ). 1 6792 , 0 2265 , 0 0943 , 0 = + +

Se o resultado do programa piloto
1
u , as probabilidades posteriores so
dadas por ( )
1
u
i
S p , 3 , 2 , 1 = i e os ganhos esperados para as decises
1
D e
2
D , respectivamente por

| | ( )( ) ( )( ) ( )( ) 9 , 361 1428 , 0 500 3810 , 0 50 4762 , 0 950
1 1
= + + = E u G e

| | ( )( ) ( )( ) ( )( ) . 50 1428 , 0 50 3810 , 0 50 4762 , 0 50
1 2
= + + = E u G

A deciso recomendada sob o critrio a posteriori
1
D .
22
Se o resultado do programa piloto
2
u , as probabilidades posteriores so
dadas por ( )
2
u
i
S p , 3 , 2 , 1 = i e os ganhos esperados para as decises
1
D e
2
D , respectivamente por

| | ( )( ) ( )( ) ( )( ) 5 , 112 5357 , 0 500 2857 , 0 50 1786 , 0 950
2 1
= + + = E u G

e

| | 50
2 1
= E u G .

A deciso recomendada sob o critrio a posteriori
2
D .
Se o resultado do programa piloto
3
u , as probabilidades posteriores so
dadas por ( )
3
u
i
S p , 3 , 2 , 1 = i e os ganhos esperados para as decises
1
D e
2
D , respectivamente por

| | ( )( ) ( )( ) ( )( ) 3 , 261 6792 , 0 500 2265 , 0 50 0943 , 0 950
3 1
= + + = E u G e


| | 50
3 2
= E u G .

A deciso recomendada sob o critrio a posteriori
2
D .
A rvore de deciso para este processo, que mostramos a seguir






















23

1000

47,5
1
S
0,25 0

2
S

1
D
3
S 0,30
0,45 -450
47,5
0
B
2
D 0
1
S
0,25

2
S 0

I
D 0,30

3
S
79,75 0,45 0 950
A

1
S
0,4762 -50
361,9
2
S
0,3870 -500
361,9
1
D 0,1429
3
S
-50
E
2
D -50
1
S

II
D 0,4762

2
S -50
0,3810

1
u 0,1428
3
S
0,315 -50
950

-112,5
1
S 0,1786 -50

2
S

3
S 0,2857
79,75 -50
1
D 0,5357 -500
C
2
u F -50
0,420
2
D -50

1
S 0,1786 -50

2
S
0,2857
0,5357
3
S -50

24

950



1
S
0,265 0,0943
-261,3 -50

2
S
0,2265

1
D 0,6792
3
S -500

G


2
D -50

-50 0,0943

1
S

2
S
0,2265 -50

0,6792
3
S

-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:

( ) ( ) ( ) ( ) ( ) ( ) ( ) = + + =
3 3 1 2 2 1 1 1 1 1
S p S p S p S p S p S p P u u u u

( )( ) ( )( ) ( )( ) , 315 , 0 45 , 0 1 , 0 3 , 0 4 , 0 25 , 0 6 , 0 = + + =


( ) ( ) ( ) ( ) ( ) ( ) ( ) = + + =
3 3 2 2 2 2 1 1 2 2
S p S p S p S p S p S p P u u u u

( )( ) ( )( ) ( )( ) , 420 , 0 45 , 0 5 , 0 3 , 0 4 , 0 25 , 0 3 , 0 = + + =


( ) ( ) ( ) ( ) ( ) ( ) ( ) = + + =
3 3 3 2 2 3 1 1 3 3
S p S p S p S p S p S p P u u u u


25
( )( ) ( )( ) ( )( ) 265 , 0 45 , 0 4 , 0 3 , 0 2 , 0 25 , 0 1 , 0 = + + = .

Ento o ganho esperado no n C

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

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

U Ut ti il li id da ad de e

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.

L Lo ot ta ar ri ia a

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


U Ut ti il li id da ad de es s d de e V Vo on n N Ne eu um ma an nn n

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.

Etapa 1

Enumerar os componentes de pagamento por ordem decrescente de
convenincia:

, ,..., ,
2 1 p
e e e sendo
i
e mais conveniente que
j
e se j i < ,

26
Etapa 2

Arbitrariamente atribuir valores numricos finitos ( )
1
e u e ( )
p
e u aos
componentes
1
e e
p
e , respectivamente, de modo que ( )
1
e u > ( )
p
e u ,

Etapa 3

Para cada componente
j
e , convenientemente localizado entre
1
e e
p
e ,
determinar uma probabilidade equivalente
j
p , supondo que para o
analista de decises indiferente obter
j
e com certeza ou participar na
lotaria L ( )
j p
p e e ; ,
1
,

Etapa 4

Fazer ( ) ( ) ( ) ( )
p j j j
e u p e u p e u + = 1
1
sendo ( )
j
e u a utilidade do
componente de pagamento
j
l .

A Etapa 3 , como evidente, extremamente subjectiva. O valor de
j
p para
cada componente ( ) 1 ,..., 3 , 2 = p j e
j
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 s p' , e portanto dos s u' sejam as mesmas
dos s e' .
Uma utilidade normalizada se ( ) 1
1
= e u e ( ) 0 =
p
e u , 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:


1
S
2
S
1
D 60 660
2
D 100 2000

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.

27
Os componentes de pagamento por ordem decrescente de preferncia so:

2000
1
= e 660
2
= e 60
3
= e 100
4
= e .

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
1
e em 100 e a
de
4
e 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
2
e com
certeza ou participar na lotaria L ( ) 999 , 0 ; ,
4 1
e e .
Ento a utilidade de
2
e deveria ser

( ) ( ) ( ) ( ) ( )( ) 9 , 98 1000 001 , 0 100 999 , 0 999 , 0 1 999 , 0
2 1 2
= + = + = e u e u e u .

O proprietrio pode tambm concluir que indiferente receber
3
e com certeza
ou participar na lotaria L( ) 95 , 0 ; ,
4 1
e e . Ento a utilidade de
3
e deve ser

( ) ( ) ( ) ( ) ( ) 45 1000 05 , 0 100 95 , 0 95 , 0 1 95 , 0
2 1 3
= + = + = e u e u e u .

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


1
S
2
S
1
D 45 9 , 98
2
D 1000 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
6 , 0 .
Como ( ) 4 , 0
1
= P S e ( ) 6 , 0
2
= P S os ganhos esperados para
1
D e
2
D so,
respectivamente,
| | 34 , 77 6 , 0 9 , 98 4 , 0 45
1
= + = E G

e

28
| | ( )( ) ( )( ) 340 6 , 0 100 4 , 0 1000
2
= + = E G

sendo a deciso recomendada
1
D .