Escolar Documentos
Profissional Documentos
Cultura Documentos
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
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:
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 .
( )
( )
D2
so,
D2 , D2
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
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
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
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
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(S 2 ) = 0,6
obviamente
D2
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
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
D2
6
D3
D4
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
-
O processo termina.
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
p ( ) =
p ( ) p( )
p ( )
p ( ) > 0
ou
p ( ) =
p ( ) p ( )
,
p ( )
p( ) > 0 ,
{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.
s = 3 , pode ter-se
2
1
3
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 .
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,
= (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
(S 2 1 ) = 1 (S1 1 ) = 1
2 1
= .
3 3
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
( ) = 0,4
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
( )
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
-
2 :
p( 2 ) so iguais a 1, visto
que o resultado das sondagens desconhecido. Mas, como {S1, S 2 } constitui
p(1 )
nem
15
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
DI
recomendada
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
18
S1 :
S3 :
S1 S 2
S3
D1 1000 0 450
D2
0
0
0
A distribuio inicial de probabilidades
p(S3 ) = 0,45 .
19
D1
D2
S1
950
50
S2
S3
50 500
50 50
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
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
=
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).
1 ,
as probabilidades posteriores so
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
2 ,
as probabilidades posteriores so
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
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
24
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,
25
Etapa 2
( ) 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 )
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
( )
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
e1 = 2000
e2 = 660
e3 = 60
e4 = 100 .
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 .
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,
27
28