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

D1
D2

S1
g11
g 21

S2
g12
g 22

Sn
... g1n
... g 2n

...

...

.... ...

Dm

g m1 g m 2 ...

...

...
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

S2

D1
60
660
D2 100 2000
Visto que:

g11 = 60
g12 = 60 + 600
g 21 = 100
g 22 = 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

respectivamente,

D2

so,

D2 , D2

A maior entrada da matriz de ganhos 2 000, associada a

D2 .

D1

600 + 60
2000 + ( 100)
= 360 e
= 950 .
2
2
Como mx{360,950} = 950 , ganho associado a
deciso tomada sob o critrio mediano,
-

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

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

S2 :

S3 :

Comprimento Comprimento
Mdio
Mdio No
Aceitvel
Aceitvel

50

80

10

30

35

60

45

30

80

40

45

Os ganhos mnimos associados a cada diviso so:

D1 - 50
D2 - 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 - 80
D2 - 35
D3 - 60
D4 - 80
Mx{80,35,60,80} = 80 pelo que quer D1 quer D4 so decises
recomendadas pelo critrio optimista.
Os ganhos mdios associados a cada deciso so:

D1 :

50 + 0 + 80
= 10,
3

D2 :

10 + 30 + 35
= 18,
3

D3 :

60 + 45 30
= 25,
3

D4 :

80 + 40 45
= 25.
3

Como Mx{10,18,25,25} = 25 quer

recomendadas pelo critrio mediano.

D3

quer

D4

so

decises

Por vezes, para este critrio, faz-se apenas a mdia entre os valores mximo e
mnimo. Assim

D1 :

50 + 80
= 15
2

D2 :

10 + 35
= 12,5
2

D3 :

60 30
= 15
2

D4 :

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 .

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
Como

P(S 2 ) = 0,6

obviamente

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

S2

0,6

D1

B
-100
1160

D2
1160

S1

0,4

D
0,6

S2

2 000

H
Em que 1160, maior ganho esperado, transportado de

Como o maior dos ganhos esperados est relacionado com

deciso recomendada.

para

D2 , D2

.
a

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
6

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 ,
a deciso recomendada sob o critrio a priori.
Este processo representado pela rvore de deciso da figura seguinte:
-50

D3

F
S1
0,25
0
15,5

S2
0,40

80
S3

0,35
-10

D1
21,75

C
22,5

D2

30

S1
0,25
S2
0,40
S3
0,35

J
35

K
60

D3
22,5

D4
20,5

E
S3

80

S1
0,25
0,40

45

S2

0,40
40

S2

S1
0,25

0,35

S3

M
-30

0,35
-45

Q
7

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

( I ) = p ( ) p( ) = p ( ) p( ) ,
em que

I a interseco de e :
I

Podemos assim obter

p ( ) =

p ( ) p( )
p ( )

p ( ) > 0

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
9

i I j = , i j

1 U 2 U ... U s =

S.

Portanto, ( U 2 U ... U s ) = (1 ) + ( 2 ) + ... + ( s ) = (S) = 1 .

Por exemplo, com

s = 3 , pode ter-se

2
1
3

E, como sugere a figura seguinte

3
( ) = p( I 1 ) + p( I 2 ) + .... + p( I s )
(Teorema da probabilidade total).

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

10

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 )
s

i =1

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

p ( i ) p( i )

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 .
Ento, pelo Teorema de Bayes

(S1 1 ) =

(1 S1 )(S1 )
(1 S1 )(S1 )
=
=
(1 )
(1 S1 )(S1 ) + ( 2 S 2 )(S 2 )

11

(S 2 1 ) =

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

(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
S2
D1
30
630
D2 130 1970
j que h que subtrair 30 000 euro (preo da sondagem) a cada entrada.
Ento

2
1
[G1 1 ] = 30 + 630 = 230
3
3
2
1
[G2 1 ] = 130 + 1970 = 570
3
3

12

E, portanto,
30

M
2

S1

230

S2
630

D1
570

570

1
1

D2

-130

570

S1
2

L
1
3

S2

1970

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 S 1 ) = 1 0 ,9 = 0 ,1

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

( ) = 0,4

Recorde-se que as probabilidades iniciais so p S1

Portanto, a distribuio posterior de probabilidade :

p(S 2 ) = 0,6 .

13

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.

( )

14

30

T
S1
577,8

1787,3

D1
1787,3

0,087

S2
0,913

630

Q
1

D2
1787,3

-130

S1

V
0,087
S2
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
-

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.

p( 2 ) so iguais a 1, visto
que o resultado das sondagens desconhecido. Mas, como {S1, S 2 } constitui

A principal diferena est em que nem

p(1 )

nem

uma partio do espao de probabilidades, tendo em conta os dados dos dois

exemplos anteriores

15

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

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

vindo a rvore para este processo:

16

420

60

S1

0,4

1160 D1

660

S2
0,6

S1

G -100

B
1160

D2

DI
1160

0,4
S2
2000
0,6
H
230
30
S1
M
K 23
S2
1
630
3
-130 N
S1
O
2
3

570

D1

D II

D2
0,54

570

1130

1970

S2

0,46

30

T
577,8

S1
0,087

1787,3

D1

0,913

S 2 630

U
1787,3

-130

S1

V
0,087
0,913

S2
1970

17

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,
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

Economia

0,6

0,3

0,1

Estabilidade

0,4

0,4

0,2

0,1

0,5

0,4

Perda

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

18

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,

3 : acontecimento o programa piloto indica perda,

D1 : deciso de converter para carros elctricos,

D2 : deciso de no converter para carros elctricos,

S1 :

S 2 : estabelece que os carros elctricos custam o mesmo para

estabelece que os carros elctricos so mais baratos para

operar que os modelos a gasolina,

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 S 2
S3
D1 1000 0 450
D2
0
0
0
A distribuio inicial de probabilidades

p(S1 ) = 0,25; p(S 2 ) = 0,30

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 .

19

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:

D1
D2

S1
950
50

S2
S3
50 500
50 50

E, face tabela apresentada pelo consultor,

p (1 S1 ) = 0,6

p (1 S 2 ) = 0,4

p (1 S3 ) = 0,1

p ( 2 S1 ) = 0,3

p ( 2 S 2 ) = 0,4

p ( 21 S3 ) = 0,5

p ( 3 S1 ) = 0,1

p ( 3 S 2 ) = 0,2

p ( 3 S3 ) = 0,4

Ento, recorrendo ao teorema de Bayes:

p (S1 1 ) =

p (S 2 1 ) =

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

(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 )

(0,40)(0,30)
=
3
(
)(
)
(
)(
)
(
)(
)
0
,
6
0
,
25
+
0
,
4
0
,
30
+
0
,
1
0
,
45
P ( S ) p (S )
1 i
i
i =1
=

= 0,3810
p (S3 1 ) =

p (1 S3 ) p(S3 )

(0,1)(0,45)
=
3
(
)(
)
(
)(
)
(
)(
)
0
,
6
0
,
25
+
0
,
4
0
,
30
+
0
,
1
0
,
45
P ( S ) p (S )
1 i
i
i =1
=

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

20

p (S1 2 ) =

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

p (S 2 2 ) =

(0,4)(0,3)
= 0,2857,
(0,3)(0,25) + (0,4)(0,3) + (0,5)(0,45)

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)

p (S 2 3 ) =

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

p (S3 3 ) =

(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).

Se o resultado do programa piloto

dadas por

1 ,

as probabilidades posteriores so

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 .

21

Se o resultado do programa piloto

dadas por

2 ,

as probabilidades posteriores so

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
Se o resultado do programa piloto
dadas por

3 ,

D2 .

as probabilidades posteriores so

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

22

1000

S1

47,5

0,25

S2
D1

S3

0,30
0,45

-450

47,5
0

D2

S1

0,25

S2
DI

0,30

S3
79,75

0,45

950

A
S1
0,4762

-50

S2

361,9

-500

0,3870

361,9 D1

S3

0,1429

-50

D2

S1

-50

DII

0,4762

S2

-50

0,3810

0,1428

S3
-50

0,315

950
-112,5 S1

-50

0,1786

S2
S3
-50 D1

79,75

2
0,420

0,2857

-500

0,5357

-50

D2 -50
S1

0,1786

-50

S2
0,2857
0,5357

S3

-50

23

950

S1
0,265

0,0943

-261,3

-50

S2
0,2265

D1

0,6792

S3

-500

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(S3 ) =

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

24

= (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.
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 ,

25

Etapa 2

( ) aos
componentes e1 e e p , respectivamente, de modo que u (e1 ) > u (e p ),

Arbitrariamente atribuir valores numricos finitos u (e1 ) e 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 )

sendo

u (e j )

utilidade

do

componente de pagamento l j .
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

S2

D1
60
660
D2 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.

26

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

S2

98,9
D1
45
D2 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
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

27

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

sendo a deciso recomendada D1 .

28