Você está na página 1de 115

Gesto e Teoria da Deciso

Teoria da Deciso
Licenciatura em Engenharia Civil
Licenciatura em Engenharia do Territrio

2008/2009

Teoria da Deciso

Agenda
1.
2.

Introduo
Deciso em situao de incerteza
 Critrio

Optimista
 Critrio Pessimista
 Critrio intermdio (Savage) e anlise de sensibilidade
 Matriz de arrependimento ou custo de oportunidade
 Critrio Min Max
2008/2009

3. Deciso em situao de risco


 Valor

esperado da deciso
 Anlise de sensibilidade probabilidade subjectiva

4. Valor da Informao
 Valor

da informao perfeita
 Valor da informao adicional
2

Teoria da Deciso

Introduo

At agora estudaram-se os principais mtodos e tcnicas da IO

Neste

captulo

pretende-se

ter

uma

prospectiva

integrada

da

racionalizao dos processos de deciso a fim de melhor se poder apoiar a


tomada de deciso em contexto real

A IO oferece um conjunto vasto de teorias, mtodos e modelos no campo

2008/2009

da teoria da deciso

Com isto, os processos decisrios podem ser bastante melhorados,


racionalizados!

Contudo, o processo decisrio encontra inmeros paradigmas

Teoria da Deciso

Introduo

2008/2009

Paradigmas:

Da racionalidade: cr-se apenas na razoe a afectividade

Da estabilidade: apesar da realidade ser no estacionria

Do mtodo: sequncias de anlise ou de procedimentos para classes de


problemas, evitando-se o livre arbtrio

Cientfico: cr-se na cincia para descrever a realidade

Da eficcia: acredita-se que possvel criar sistemas eficazes, ie, que


permitam atingir metas predefinidas com ndices de segurana ou fiabilidade
elevados

De economia: eficincia econmica

Comportamental: o estudo das organizaes afasta-se das cincias puras ou


aplicadas por no buscar propriamente teorias ou enunciados universais, mas
sim por conhecer o comportamento da realidade em que se vai intervir a fim
de conhecer resposta em funo de intervenes e cenrios alternativos de
aleatoriedade e incerteza
4

Teoria da Deciso

Introduo

O desenvolvimento de sistemas de apoio aos processos decisrios tem tambm


originado confuses e equvocos na vida das organizaes:

Equvoco da substituio: considerar que os sistemas de deciso podem ou devem


ser considerados substitutos dos decisores

Equvoco da omniscincia: tomar deciso com base na convico de que


melhor acreditar e utilizar o saber, a experincia e a intuio que tudo mais

2008/2009

dispensaro

Equivoco da urgncia: graas ao desenvolvimentos, hoje os meios de clculo


permitem o desenvolvimento de modelos cada vez mais sofisticados e
suficientemente rpidos

Equvoco da especificidade: na realidade, se os problemas forem correctamente


analisados, as suas questes fundamentais podero no ser especficas
5

Teoria da Deciso

Introduo

Ambiente
Incerto

Engenho

Escolha

Complexo

Intuio

2008/2009

Dinmico

Percepo

Informao

(lgica no
verificvel)

C
I
S

Preferncia

Competitivo
Valores

E
S
U
L
T
A
D
O
S

Finito..
6

Teoria da Deciso

Introduo

Ambiente
Incerto

Engenho

Escolha
Alternativas

Complexo

2008/2009

Dinmico

Percepo

Informao

Competitivo
Valores

Finito..

Preferncia

Probabilidades
Estrutura
Atribuio
de valor
Preferncia
temporal
Atitude face
ao risco

D
E

I
C
A

E
S
U
L
T
A
D
O
S

Teoria da Deciso

Introduo

Modelo de Deciso

2008/2009

Alternativas

Resultados

A1

R11,R12,...R1M

A2

Escolha

R21,R22,...R2M

Valorao
e

Critrios
de

Avaliao

Deciso

An

Rn1,Rn2,...RnM

Informao
Modelos
Grau de satisfao
de OBJECTIVOS

Deciso
A*

Resultados
Preferncias do(s)
agente(s) de deciso:
Juzos de valor
Funes de troca
Atitude face ao risco
Preferncias temporais

Anlise de
sensibilidade
Valor da informao

Teoria da Deciso

Introduo
Dimensionar a capacidade produtiva de uma fbrica, estando disponvel 5
alternativas:
D1 capacidade produtiva de 10 000 ton
D2 capacidade produtiva de 15 000 ton
D3 capacidade produtiva de 20 000 ton
D4 capacidade produtiva de 25 000 ton

2008/2009

D5 capacidade produtiva de 30 000 ton

H incerteza quanto procura (capacidade de absoro) do mercado, tendo-se


definido cinco cenrios:
E1 procura muito baixa
E2 procura baixa
E3 procura mediana
E4 procura alta
E5 procura muito alta
9

Teoria da Deciso

Introduo
Foram estimados os resultados lquidos (ganhos) de cada capacidade produtiva (Di)
para cada cenrio (Ej)de procura.

2008/2009

MATRIZ DE GANHOS

E1

E2

E3

E4

E5

D1

26

24

22

20

20

D2

24

44

40

36

34

D3

16

40

60

54

50

D4

-20

10

46

80

76

D5

-50

-10

20

60

100
10

Teoria da Deciso

Critrio optimista
Para cada deciso considerar o resultado
mais favorvel

Di R i = max (R ij )
j

D1 26
D 2 44

D* Max max (R ij )
j

D 3 60
D 4 80
D 5 100 D* (deciso ptima)

2008/2009

MATRIZ DE GANHOS

E1

E2

E3

E4

E5

D1

26

24

22

20

20

D2

24

44

40

36

34

D3

16

40

60

54

50

D4

-20

10

46

80

76

D5

-50

-10

20

60

100

11

Teoria da Deciso

Critrio pessimista
Para cada deciso considerar o resultado
menos favorvel

D i R i = min (R ij )
j

D1 20
*
D 2 24 D (deciso ptima)

D* Max min (R ij )
j

D3 16
D 4 20
D5 50

2008/2009

MATRIZ DE GANHOS

E1

E2

E3

E4

E5

D1

26

24

22

20

20

D2

24

44

40

36

34

D3

16

40

60

54

50

D4

-20

10

46

80

76

D5

-50

-10

20

60

100

12

Teoria da Deciso

Critrio intermdio (Savage)

Para cada deciso associar uma mdia ponderada entre os


resultados mais ou menos favorveis
Di R i = c max (R ij ) + (1 c ) min (R ij )
j

2008/2009

c coeficiente de ponderao medindo o grau de


optimismo:
c = 1 => optimista
c = 0 => pessimista
D i R i = c max (R ij ) + (1 c ) min (R ij )
j

13

Teoria da Deciso

Critrio intermdio (Savage)


Para c = 0,5
D1 0,5 26 + 0,5 20 = 23

D 2 0,5 44 + 0,5 24 = 34
D* (deciso ptima)

D 3 0,5 60 + 0,5 16 = 38
D 4 0,5 80 + 0,5 (20) = 30

D5 0,5 100 + 0,5 ( 50) = 25

2008/2009

MATRIZ DE GANHOS
E1

E2

E3

E4

E5

D1

26

24

22

20

20

D2

24

44

40

36

34

D3

16

40

60

54

50

D4

-20

10

46

80

76

D5

-50

-10

20

60

100
14

Teoria da Deciso

Matriz de arrependimento ou custo de oportunidade


MATRIZ DE GANHOS
E1

E2

E3

E4

E5

D1

26

24

22

20

20

D2

24

44

40

36

34

D3

16

40

60

54

50

D4

-20

10

46

80

76

D5

-50

-10

20

60

100

2008/2009

Para cada estado da natureza (cenrio) Ej, identificar o resultado mais favorvel
(e, portanto, a deciso ptima nesse contexto) => R *j = max (R ij )
i
*
Para cada deciso Di (num cenrio Ej) o custo de oportunidade => Cij = R j R ij
MATRIZ DE CUSTOS DE OPORTUNIDADE (PERDAS/ARREPENDIMENTO)
E1

E2

E3

E4

E5

D1

20

38

60

80

D2

20

44

66

D3

10

26

50

D4

46

34

14

24

D5

76

54

40

20

15

Teoria da Deciso

Critrio Min Max


(pessimista sobre a matriz de custos de oportunidade)

A cada deciso associar o custo de oportunidade (perda/arrependimento)


mximo
D i Ci = max(Cij )
j

D1 80
D 2 66
D 3 50 D* (deciso ptima)
D 4 46

2008/2009

D 5 76

D* min max (C ij )

i
j

MATRIZ DE CUSTOS DE OPORTUNIDADE (PERDAS/ARREPENDIMENTO)


E1

E2

E3

E4

E5

D1

20

38

60

80

D2

20

44

66

D3

10

26

50

D4

46

34

14

24

D5

76

54

40

16

Teoria da Deciso

Deciso em situao de risco

2008/2009

MATRIZ DE GANHOS
E1

E2

E3

E4

E5

D1

26

24

22

20

20

D2

24

44

40

36

34

D3

16

40

60

54

50

D4

-20

10

46

80

76

D5

-50

-10

20

60

100

Probabilidade

0,05

0,20

0,50

0,15

0,10

A cada estado da natureza (cenrio) Ej atribuda uma probabilidade de


ocorrncia pj
Critrio do VALOR ESPERADO: a cada deciso associado o valor esperado
dos ganhos
D i E[R i ] = R ij p j
j

D1 0,05 26 + 0,2 24 + 0,5 22 + 0,15 20 + 0,1 20 = 22


D 2 0,05 24 + 0,2 44 + 0,5 40 + 0,15 36 + 0,1 34 = 38,8
D 3 0,05 16 + 0,2 40 + 0,5 60 + 0,15 54 + 0,1 50 = 52 D* (deciso ptima)
D 4 0,05 (20) + 0,2 10 + 0,5 46 + 0,15 80 + 0,1 76 = 43,6
17
D 5 0,05 (50) + 0,2 (10) + 0,5 20 + 0,15 60 + 0,1100 = 24,4

Teoria da Deciso

Valor da informao perfeita


Clculo das probabilidades de indiferena: Exemplo
a)

Qual o valor mximo de erro que o agente de deciso pode cometer nas
estimativas dos estados da natureza, sem alterar a deciso ptima

D1
D2
Prob.

E1
6
4
0,6

E2
10
15
0,4

E[D1] = 7,6
E[D2] = 8,4 D*

Matriz de
ganhos

E[D1] = 6p1 + 10(1-p1) = 10 4p1


E[D2] = 4p1 + 15(1-p1) = 15 4p1
2008/2009

E[D1] = E[D2]

b)

p1 = 5/7 ( P1 5/7 D* = D1)

p2 = 2/7

Qual o mximo a pagar para determinar qual o estado da natureza


que ir ocorrer?
D2 deciso anteriormente tomada
E[Infor. Perfeita] = 0,6 x 2 + 0,40 x 0 = 1,2
Custo de oportunidade dado
que escolhi D2

18

Teoria da Deciso

Valor da informao

- Valor esperado da Informao perfeita

Valor da informao perfeita: valor mximo que estou disposto a pagar


pela informao depende da deciso escolhida
Valor Esperado da Informao Perfeita VEIP : ponderado o valor da
informao para cada cenrio (estado da natureza) atravs da probabilidade
de ocorrncia desse estado:
1. Para o estado de informao inicial (I), identificar a deciso ptima DI*

2008/2009

2. Para cada estado da natureza j (que se admite ter efectivamente ocorrido):


A.Identificar a deciso ptima DII* a que est associado um resultado
optimizado Rj*
B.Calcular a diferena dos resultados em relao deciso DI*
Vj = Rj* - Rj(DI*) valor da informao perfeita (para o estado j)

3. Valor esperado da informao perfeita:

E[V ] = Vjp j
j

19

Teoria da Deciso

Valor da informao

- Valor esperado da Informao perfeita

Exemplo:
1. -

D*I = D 3

2. -

j = 1 D*II D1 V1 = R 11 R 31 = 26 16 = 10
j = 2 D*II D 2 V2 = R 22 R 32 = 44 40 = 4
j = 3 D*II D 3 V3 = R 33 R 33 = 60 60 = 0
j = 4 D*II D 4 V4 = R 44 R 34 = 80 54 = 26
j = 5 D*II D 5 V5 = R 55 R 35 = 100 50 = 50

2008/2009

Resumo:

3. -

Informao perfeita

Valor da informao

Probabilidades

Estado j = 1

10

0,05

Estado j = 2

0,2

Estado j = 3

0,5

Estado j = 4

26

0,15

Estado j = 5

50

0,1

E[V ] = 10 0,05 + 4 0,2 + 0 0,5 + 26 0,15 + 50 0,1 = 10,2

20

Teoria da Deciso

Valor da informao

- Valor da informao adicional ( posterior)

Estado de informao I: priori D*I D 3


Estado de informao II: posteriori
Estado

E1

E2

E3

E4

E5

pj

0,05

0,05

0,2

0,65

0,05

E[D1 ] = 20,9
E[D 2 ] = 36,5
E[D 3 ] = 52,4
2008/2009

E[D 4 ] = 64,5 D*II D 4


E[D 5 ] = 45,0
Estado

E1

E2

E3

E4

E5

Valor da informao

-20-16

10+40

46-60

80-54

76-50

R4j-R3j

-36

-30

-14

+26

+26

D*II

D*I

21

Teoria da Deciso

Valor da informao

- Valor da informao adicional ( posterior)

VEIA: Valor Esperado da Informao Adicional


VEIA = (36) 0,05 + (30) 0,05 + (14) 0,2 + 26 0,65 + 26 0,5 =
= 12,1
= 64,5 52,4

2008/2009

= [(20) 0,05 + 10 0,05 + 46 0,2 + 80 0,65 + 76 0,05]


[16 0,05 + 40 0,05 + 60 0,2 + 54 0,65 + 50 0,05]

Diferena entre valores esperados dos ganhos:


da deciso ptima posterior (depois da informao adicional) DII*
e da deciso ptima priori DI*

Sendo este valores esperados calculados para a


nova informao (probabilidades posterior)
22

Teoria da Deciso

Valor esperado da informao perfeita: Exemplo

Tipos tipos de equipamento a adquirir: A, B, C

Dentro de 1 ano, a Administrao central adquire tambm equipamento A,


B, C (existem estimativas das probabilidades da Administrao optar por
este ou aquele tipo de equipamento)

Custos diferenciados consoante a opo da Administrao Central


(compatibilidade, economia de escala, etc.)

Nossa deciso
2008/2009

DA
DB
DC
Probabilidades

Opo da Administrao Central


ZA
ZB
ZC
80
180
190
180
100
160
140
140
130
0,2
0,6
0,2

Custos
(milhares )

Custo adicional de 10 mil se a deciso for adiada por um ano

Valer a pena esperar um ano?

23

Teoria da Deciso

Valor esperado da informao perfeita: Exemplo


a)

Deciso ptima para a informao actual


E[DA] = 0,2 x 80 + 0,6 x 180 + 0,2 x 190 = 162
E[DB] = 0,2 x 180 + 0,6 x 100 + 0,2 x 160 = 128 D*
E[DC] = 0,2 x 140 + 0,6 x 140 + 0,2 x 130 = 138

b)

Custos de arrependimento dentro de 1 ano face deciso tomada


(Dopt DB)
Se a Administrao optar por A: 180 - 80 = 100

2008/2009

Se a Administrao optar por B: 100 - 100 = 0


Se a Administrao optar por C: 160 -130 = 30
c)

Custo esperado de arrependimento


0,2 x 100 + 0,6 x 0 + 0,2 x 30 = 26
VEIP (> custo da informao perfeita)
24

Teoria da Deciso

Agenda

Noo de utilidade e curvas de utilidade

6.

Construo de curvas de utilidade

7.

Propenso e averso ao risco

2008/2009

5.

25

Teoria da Deciso

Noo de utilidade e curvas de utilidade


Utilidade associada a um resultado : medida do grau de satisfao que esse
resultado proporciona (ao agente decisor)
Exemplo

2008/2009

Matriz de ganhos (monetrios)

E1

E2

E[Di]

D1

-15

+30

7,5

D2

+10

5,0

pj

0,5

0,5

D*

Questes:
a) Valorao dos resultados (monetrios) [Ganhar 10 mil euros igualmente
atraente quando, partida, se tem 100 mil euros ou no se tem nada?]
b) Atitude face ao risco
26

Teoria da Deciso

Noo de utilidade e curvas de utilidade

Utilidade

Curva de Utilidade

-30

-20

100
90
80
70
60
50
40
30
20
10
0
-10 0

10

20

30

40

50

60

70

2008/2009

Mil

Matriz de Utilidades
E1

E2

E[Di]

D1

+25

+55

40

D2

+40

+45

42,5

pj

0,5

0,5

D*

27

Teoria da Deciso

Propenso e averso ao risco


AVERSO AO RISCO: utilidade marginal decrescente

2008/2009

Utilidade
y + 2

80

60

y - 1

20
200
X-

400
x

600
X+

Mil

28

Teoria da Deciso

Propenso e averso ao risco


AVERSO AO RISCO
I. Recebo uma quantia fixa: 400 => U(400) = 60 D*
II. Jogo: recebo 200 (50%) ou 600 (50%) => 0,5xU(200)+0,5xU(600) = 50

2 < 1
[U(x+) - U(x)] < [U(x) - U(x-)]

2008/2009

U(x+) + U(x-) < 2U(x)


0,5U(x+) + 0,5U(x-) < U(x)
Valor esperado da utilidade
associada a um jogo:
x+
0,5
0,5

x-
29

Teoria da Deciso

Propenso e averso ao risco


PROPENSO PARA O RISCO: utilidade marginal CRESCENTE

2008/2009

Utilidade
y + 2

80

40

y - 1

20
200
X-

400
x

600
X+

Mil

30

Teoria da Deciso

Propenso e averso ao risco


PROPENSO PARA O RISCO
I. Recebo uma quantia fixa: 400 => U(400) = 40
II. Jogo: recebo 200 (50%) ou 600 (50%) => 0,5xU(200)+0,5xU(600) = 50 D*

2 > 1
[U(x+) - U(x)] > [U(x) - U(x-)]

2008/2009

U(x+) + U(x-) > 2U(x)


0,5U(x+) + 0,5U(x-) > U(x)
Valor esperado da utilidade
associada a um jogo:
x+
0,5
0,5

x-
31

Teoria da Deciso

Anlise Marginal

Valor marginal: teoria do valor, segunda a qual ele determinado pela


sua utilidade marginal, isto , pelo acrscimo de utilidade total que se
obtm por cada unidade adicional do factor em causa

(Dicionrio da

Lngua Portuguesa)

Custo marginal: acrscimo de custo total resultante de produzir uma


unidade adicional

2008/2009

Exemplo: Numa oficina produzem-se diariamente 20 caixilharias, com um


custo total de 723,9. Se a produo passar a 21, o custo dirio passa
para 729,6. Ento, o custo marginal da 21 caixilharia 5,7, igual ao
acrscimo do custo total de passar de 20 para 21 (normalmente
corresponde ao custo varivel de produzir uma caixilharia)
32

Teoria da Deciso

Anlise Marginal
Custo Total

600,0

800,0

500,0
700,0

Marginal

Euros

Euros

500,0

2008/2009

Mdio

400,0

600,0

400,0

300,0
200,0

300,0
200,0

100,0

100,0

0,0

0,0
1 3 5 7 9 11 13 15 17 19 21 23
Unidades

7 10 13 16 19 22
Unidades

33

Teoria da Deciso

Agenda

Decises sequenciais

9.

rvores de deciso

2008/2009

8.

34

Teoria da Deciso

Decises sequenciais

Os problemas de deciso reais apresentam frequentemente


um carcter sequencial:
Exemplo
O planeamento de um semestre no IST feito por um aluno:
Vou aos testes de todas as disciplinas que o permitam
Quanto maior for o nmero de provas de avaliao, exames ou teste,
menor a probabilidade de xito
2008/2009

As disciplinas que correrem mal em teste passam para a 1 chamada


de exame
As disciplinas que correrem mal na 1 chamada de exame passam
para a 2 chamada de exame
Se mesmo assim no fizer todas as disciplinas, ento vou a 2 poca
...poca especial...
35

Teoria da Deciso

Decises sequenciais e rvores de deciso

Sequencialidade:
Alternncia entre momentos de escolha controlados pelo decisor
momentos de deciso

2008/2009

E momentos de escolha controlada pelas variveis no


controlveis, isto , o resto do mundo momentos do acaso

rvores de deciso:
Permitem a anlise dos problemas de deciso sequenciais,
descrevendo a sequncia de momentos de deciso ( ) e do
acaso ( )
E, bem assim, as alternativas correspondentes a cada momento
36

Teoria da Deciso

Decises sequenciais e rvores de deciso

rvores de deciso:
1. Representam-se em rvore as possveis sequncias de
escolhas do decisor e do acaso (trajectrias de alternativas)
2. Calculam-se os resultados relativos s pontas da rvore
3. Probabilizam-se os ramos dos ns de acaso a fim de poder

2008/2009

associar a cada n um valor de sntese (em geral, o valor


esperado)
4. Escolhem-se nos ns de decises os ramos com melhor
resultado, iniciando essas escolhas nos ns de deciso mais
profundos da rvores e recuando progressivamente at atingir
o n de deciso inicial (correspondente ao instante actual)
37

Teoria da Deciso

Decises sequenciais e rvores de deciso Exemplo 1


Compra de um equipamento
Um instituto pblico possui um dado equipamento A que tem de ser
substitudo por outro mais eficiente (B) no prazo mximo de 2 anos. Esta
substituio pode ocorrer imediatamente ou daqui a 1 ou 2 anos. Para
determinar qual a data mais aconselhvel para a sua substituio,
obtiveram-se as seguintes previses:
Preo do equipamento B (milhares de euros)

2008/2009

Preo Actual

Prximo ano

Daqui a 2 anos

Prob.

Preo

Prob.

Preo

0,2

600

0,6
0,4

400
500

0,7

700

0,5
0,5

500
600

0,1

750

0,8
0,2

950
1.000

700

38

Teoria da Deciso

Decises sequenciais e rvores de deciso Exemplo 1


Compra de um equipamento
Preo de venda de A (milhares de euros)
Actual

Prximo ano

Daqui a 2 anos

300

280

260

2008/2009

Prejuzos resultantes de usar A em vez de B (milhares de euros)


40

60

Nota: Todos os preos e prejuzos foram previamente actualizados para


valores referentes ao ano em curso
Questo: Recomendaria a substituio imediata do equipamento?
39

Teoria da Deciso

Decises
Momento sequenciais e rvores de deciso Exemplo 1
de deciso
Momento de
acaso

rvore de deciso
p ra
m
co
N
oc

om
pra

0,6

0,4

0,2

Comprar

0,7

N
oc

om
pra
r

0,5

0,5

Comp
rar

o
N

m
co

2008/2009

No comp
rar

0 ,1

2005

ra
p
m
Co

ar
pr

2006

0,2

0,8

2007

40

Teoria da Deciso

Decises sequenciais e rvores de deciso Exemplo 1


rvore de deciso

co

rar
mp

N
oc

400 = 700 - 300

No comp
r

om
pra
r

ar

0,4

240 = 400 + 40 + 60 - 260

340 = 500 + 40 + 60 - 260

Comprar 460 = 700 + 40 - 280

0,7

N
oc

om
pra
r

Comp
r
o
N

2006

340 = 500 + 40 + 60 - 260

0,5

0,5

440 = 600 + 40 + 60 - 260


ar
510 = 750 + 40 - 280

ar
pr
m
co

2008/2009

0,6

0,2

0,1

2005

360 = 600 + 40 - 280

r
ra
p
om

0,2

840 = 1000 + 40 + 60 - 260

0,8

Custo total da compra


do equipamento

790 = 950 + 40 + 60 - 260

2007

41

Teoria da Deciso

Decises sequenciais e rvores de deciso Exemplo 1


Momento de deciso:
No comprar

rvore de deciso

co

400

rar
mp

N
oc

No comp
r

om
pra
r

Momento de deciso:
No comprar
240

0,6
ar (280)

0,4

0,2

340

Comprar 460

0,7

N
oc

0,1

om
pra
r

Comp
r

380 = 0,2 x 280 +


+ 0,7 x 390 +
+ 0,1 x 510

o
N

2006
custo esperado
800 = 840 x 0,2 + 790 x 0,8

(390)

ar
510

ar
pr
m
co

2008/2009

(380)

2005

360

r
ra
p
om

0,2

340

0,5

Momento de deciso:
440
comprar

0,5

840

0,8

(800)

790

2007

42

Teoria da Deciso

Decises sequenciais e rvores de deciso Exemplo 1


rvore de deciso

co

400

rar
mp

N
oc

No comp
r

om
pra
r

(380)

ar (280)

N
oc

0,1

om
pra
r

Comp
r

2006

(390)

ar
510

ar
pr
m
co

Recomendao para 2005:


No comprar

0,4

340

Comprar 460

0,7

2005

240

0,6

0,2

o
N

2008/2009

360

r
ra
p
om

0,2

340

0,5

0,5

440

840

0,8

(800)

790

2007

43

Teoria da Deciso

Decises sequenciais e rvores de deciso Exemplo 2


Venda de um terreno que pode ter uma jazida de petrleo
,3%)
4
1
(
leo
Petr

Fu
ro

Seco (

Venda

Seco (

Fu
ro

Fav
or
vel
(30
%)

)
50%
(
o
e
l
Petr
50%)

Venda
N
o
ud
st
r e ico
ze g
fa ol
o ism
s

P
Fu
ro

2008/2009

0%)
7
(
l
e
v
avor
f
s
e
D

do
u
t
es gico
r
ze l
Fa ismo
s

85,7%)

o (25
etrle
Seco (

Venda

%)

75%)

44

Teoria da Deciso

Decises sequenciais e rvores de deciso Exemplo 2


Venda de um terreno que pode ter uma jazida de petrleo
- Custos

,3%) 670
4
1
(
leo
Petr

+800

Seco (

Fu
ro

+ Receitas
Resultado

-100
Venda

0%)
7
(
l
e
v
avor
f
s
e
D

Seco (

-100
Venda

50%)
-130 = -100 - 30
0

60 = 90 - 30

+90

N
o
ud
st
r e ico
ze g
fa ol
o ism
s

670 =
= 800 - 100 - 30

+800

Fu
ro

)
50%
(
o
e
l
Petr

P
Fu
ro

2008/2009

Fav
or
vel
(30
%)

60

+90

do
u
t
es gico
r
ze l
Fa ismo
s
-30

85,7%)
-130

o (25
etrle

+800

Seco (

-100

Venda

+90

%) 700 = 800 - 100

75%)

-100
90

45

Teoria da Deciso

Decises sequenciais e rvores de deciso Exemplo 2


Venda de um terreno que pode ter uma jazida de petrleo
- Custos
+ Receitas

-15,7
Fu
ro

Resultado
Valor esperado (acaso)

123

o
ud
st
r e ico
ze g
fa ol
o ism
s

Valor esperado (j
com custo de estudo)

-100

60
270
Fu
ro

-130
60

0%)
5
(
o
le
Petr

-100

100
-100

50%)

-130

60

+90

270

670

+800

Seco (

Venda

100

85,7%)

+90

Fav
or
vel
(30
%)

+800

Seco (

Venda

Fu
ro

do
u
t
es gico
r
ze l
Fa ismo
s
-30

avor
f
s
e
D

123

2008/2009

Valor esperado (deciso)

0%)
7
(
l
e
v

)
4,3% 670
1
(
o
le
Petr

5
leo (2

r
t
e
P

%)

700

+800

Seco (

Venda

+90

75%)

-100
90

46

Teoria da Deciso

Agenda

2008/2009

10.

Metodologia multicritrio


Estruturao, rvore de valores e operacionalizao


dos pontos de vista

Avaliao local:

Noo de funo de valor

Mtodos de construo das funes de valor


(direct rating e bisseco)

47

Teoria da Deciso

Metodologia multicritrio

Critrio instrumento que permite a avaliao de aces /alternativas


segundo um ponto de vista particular
Incorpora:
Um orientao pr-activa do utilizador elementos mais subjectivos:

2008/2009

Que objectivos se pretende alcanar?


Uma orientao analtica reactiva elementos mais objectivos:
Que caractersticas das alternativas afectam a sua atractividade?

48

Teoria da Deciso

Metodologia multicritrio

Quer os objectivos dos decisores, quer as caractersticas das


aces / alternativas constituem o que se designa por ponto de
vista (ou preocupao, atributos...)

2008/2009

Deste modo, um ponto de vista (ou preocupao) qualquer


aspecto, num determinado contexto, que os actores consideram
relevantes para a avaliao da atractividade das aces /
alternativas
49

Teoria da Deciso

Metodologia multicritrio
Fases da metodologia multicritrio apoio tomada de deciso
A. Estruturao
Sistemas de valores / objectivos

Pontos de vista
(perspectivas)

2008/2009

Critrios /
Atributos

Discritor do nvel de impacto (ou desempenho) de


cada alternativa segundo cada ponto de vista

Operacionalizao: construo da matriz de impactos


50

Teoria da Deciso

Metodologia multicritrio
Fases da metodologia multicritrio apoio tomada de deciso
B. Avaliao

Avaliao local (segundo cada ponto de vista)

2008/2009

Agregao

Avaliao final

51

Teoria da Deciso

Metodologia multicritrio
B. Avaliao
1. Avaliao parcial (ou local) de cada alternativa segundo cada um dos
pontos de vista fundamentais
Construo de uma funo de valor (cardinal) para cada descritor
 Associa uma pontuao (valor cardinal, numa escala prdefinida) a cada
um dos nveis de impacto do descritor

2. Avaliao global, por agregao das avaliaes parciais


Mtodos de agregao
 Compensatrios

2008/2009

 No compensatrios

Mtodo compensatrio: agregao por mdia ponderada (modelo de


agregao aditiva simples)
Pontuao parcial da alternativa a
N

Pontuao global da
alternativa a

V(a ) = i Vi (a )
i =1

segundo o ponto de vista i


peso do ponto de vista i

necessrio atribuir os pesos aos pontos de vista, que funcionam


como constantes de escala que harmonizam as avaliaes parciais
52

Teoria da Deciso

Metodologia multicritrio
B. Avaliao
3. Avaliao de sensibilidade:

Avaliar a robustez das recomendaes

Providenciar meios de aprendizagem aos actores para eventual


reviso dos seu juzos de valor e quadros e preferncias

2008/2009

reflectivos no modelo de avaliao

53

Teoria da Deciso

Metodologia multicritrio rvore de valores


Exemplo 1 Escolha de um novo escritrio
Escritrio

Benefcios

Custos

2008/2009

Marketing

Aquisio

()

Manuteno

(/ano)

Proximidade
Visibilidade
aos clientes
Distncia
ao centro
(km)

Condies de trabalho

Imagem

Conforto

Escala ordinal ou estimao directa


(atribuio de pontos)

rea

(m2)

Estaciona
mento
(n de
54
lugares)

Teoria da Deciso

Metodologia multicritrio rvore de valores


Exemplo 2 Escolha de um carro
Custo de aquisio

()

Custo de manuteno (/ano)

Economia

(litros/100km)

consumo
Velocidade mxima

Desempenho

(Km/h)

Acelerao 0-100 km/h (seg.)


Traves
Segurana

ABS

(s/n)

Dist. Travagem a 100 km/h


Airbag

(m)

Equipamento
segurana

2008/2009

Carro

Espao
Conforto
Equipamento
Esttica

(*)

(litros)
(cm)
(cm)
(cm)

Ar condicionado
Direco assistida

(*)
Suspenso (*)

Status

Bagageira
Dist. Banco-tecto
Largura interior
Comprimento interior

Pr-tensores
Barras de proteco
Etc.

Rdio
Vidros elctricos...etc.

(*) escala qualitativa

55

Teoria da Deciso

Metodologia multicritrio rvore de valores


 Propriedades desejveis da rvore de valores:
Abrangncia
Operacionalidade
Independncia
Ausncia de redundncia
Dimenso mnima

2008/2009

 Escalas de classificao:
De razo (cardinal, com zero absoluto)
De intervalos (cardinal, sem zero absoluto)
Ordinal
Nominal

56

Teoria da Deciso

Metodologia multicritrio Avaliao local

Avaliao local arranjar uma funo de valor que transforme as


preferncias, o desempenho das alternativa (em cada um dos pontos
de vista) numa escala pr-definida (por exemplo: de 0 a 100, ou de 0 a
10...)
A funo de valor de transformao deve ser
No decrescente
Ou no crescente
No crescente
120

100

100

80

80
valor

120

60
40

60
40

20

20

rea de escritrio

1600

1400

1200

1000

800

600

400

200

0
0

valor

2008/2009

No decrescente

m2

0
0

10

Distncia ao centro

12

14

km

57

Teoria da Deciso

Metodologia multicritrio Avaliao local


Funes de valor Mtodo da bisseco:
1. Fixar uma escala de valor (0 a 100, por exemplo) e atribuir o valor mais
baixo (0) alternativa com pior nvel de performance e o mais elevado
(100) com melhor nvel de performance (de acordo com o ponto de vista
em causa)
Ex: V(100m2) = 0
V(1500m2) = 100

2008/2009

2. Identificar o nvel de performance que, segundo o agente de deciso, tem


um valor a meio caminho entre a melhor e a pior alternativa
Ex: V(X m2) = 50
X = ? X = 700 m2
3. Repetir o passo 2 tomando como extremos alternativas cujo valor j tenha
sido estimado
58

Teoria da Deciso

Metodologia multicritrio Avaliao local


Funes de valor Estimao Directa (Direct rating):
1. Ordenar as alternativas (para um dado ponto de vista), por ordem
decrescente de preferncias
2. Definir uma escala de valor (0 a 100, por exemplo) e atribuir o valor mais
elevado (100) alternativa de maior preferncia e o menos elevado (0)

2008/2009

de menor preferncia
3. Atribuir sucessivamente pontuaes s outras alternativas
4. Verificar se as diferenas de pontuao entre alternativas reflectem
efectivamente diferena de graduao de preferncias

59

Teoria da Deciso

Agenda

Mtodos compensatrios


Padronizao da matriz de impactos

Avaliao global (mdia ponderada)

Razo de compensao

Anlise de sensibilidade aos pesos (Trident)

2008/2009

11.

60

Teoria da Deciso

Metodologia multicritrio Mtodos compensatrios

Padronizao da matriz de impactos


Padronizao de escalas: 0 Xij 1 para cada atributo
Sentido de preferncia crescente:

2008/2009

'
ij =

( ij )
max ( ij ) - min ( ij )
i
i
ij - min
i

ou, se sentido de preferncia decrescente:

'
ij =

( ij ) - ij
max ( ij ) - min ( ij )
i
i
max
i

Nota: Admitindo funo de valor linear.


61

Teoria da Deciso

Metodologia multicritrio Mtodos compensatrios

2008/2009

Padronizao da matriz de impactos (exemplos)


i

Xi ( Lucros)

350

400

Xi ( Custos)

350

400 350
= 0,2
400 150

400

250

0,4

250

0,6

150

150

300

0,6

300

0,4

350 150
= 0,8
400 150

62

Teoria da Deciso

Metodologia multicritrio Mtodos compensatrios

Avaliao global agregao por mdia ponderada (Mtodo de


agregao aditiva simples)

Pontuao parcial da alternativa Ai


segundo o ponto de vista j

V(A i ) = jVj (A i )
j=1

peso do critrio j

2008/2009

Pontuao global da
alternativa Ai

Por vezes

X i = jX ij
j=1

=1

j=1

63

Teoria da Deciso

Metodologia multicritrio Exemplo


Problema: aquisio de um imvel para instalao da sede de uma
empresa
Cinco alternativas (A1 a A5)
Trs Pontos de Vista Fundamentais (critrios):
Custo
Funcionalidade
Qualidade arquitectnica e integrao urbanstica

2008/2009

Operacionalizao dos PVF: descritores para os critrios


Critrio
Custo
Funcionalidade

Qualidade arquitectnica
e integrao urbanstica

Descritor
Custo de aquisio (106 Euros)
ndice que sumariza um vasto
conjunto de caractersticas e
atributos funcionais do edifcio
(escala de 0-10)
Escala qualitativa (Deficiente;
Suficiente; Boa; Muito Boa)
64

Teoria da Deciso

Metodologia multicritrio Exemplo

2008/2009

Matriz dos impactos:

11

Funcionalidade
(f)
7

Qualidade
(q)
Deficiente

A2

14

Suficiente

A3

13

Muito Boa

A4

12

Boa

A5

12

Boa

Alternativa

Custo (c)

A1

Nota: a alternativa A4 dominada por A5!

65

Teoria da Deciso

Metodologia multicritrio Exemplo

Modelos de preferncias parciais (segundo cada um dos critrios):


funes de valor
Custo: funo de valor linear entre os custos mnimo (11x106 Euros) e
mximo (14x106 Euros) das alternativas em jogo
Funcionalidade: funo de valor linear entre os limites da escala adoptada

2008/2009

para o ndice de sntese


Qualidade arquitectnica e integrao urbanstica:
Nvel do descritor
Deficiente
Suficiente
Boa
Muito Boa

Pontuao (valor cardinal)


0
5
8
10
66

Teoria da Deciso

Metodologia multicritrio Exemplo

Padronizao (uniformizao das escalas de avaliao parcial):


exprimir todas as avaliaes parciais na escala (0-1)
Custo:

14 Custo(a)
(14 11)

Funcionalidade:

Pontuao (a )
10

Qualidade arquitect. e int. urb.:

ndice func.(a)
(10 0)

2008/2009

Matriz de avaliaes parciais padronizadas


Alternativa
A1
A2
A3
A4
A5

Custo (c)
1
0
1/3
2/3
2/3

Funcionalidade (f)
2/3
1
1/3
0
1/2

Qualidade (q)
0
1/2
1
4/5
4/5

67

Teoria da Deciso

Metodologia multicritrio Exemplo


Avaliao global :

Avaliaes parciais

Perfis de impacto
1
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0

A1
A2
A3
A4
A5

2008/2009

Custo

Alternativas
A1
A2
A3
A4
A5
Pesos

Funcionalidade

Qualidade

Avaliaes parciais (locais)


FuncioCusto
Qualidade
nalidade
1
0,667
0
0
1
0,5
0,333
0,333
1
0,667
0
0,8
0,667
0,5
0,8
0,4

0,3

Avaliao
global
0,600
0,450
0,533
0,507
0,657

V(A j ) = i Vi (A j )
i =1

0,3

Melhor alternativa

68

Teoria da Deciso

Metodologia multicritrio Exemplo

2008/2009

Avaliao global :

Pontuao global
A 5 = 0,267 + 0,15 + 0,24 = 0,657
69

Teoria da Deciso

Metodologia multicritrio Exemplo


Razo de compensao (trade-off) entre dois critrios
Critrio 1 - Custo
Peso = 0.4
Pior nvel (pontuao parcial = 0) Custo = 14 x 106 (A2)
Melhor nvel (pontuao parcial = 1) Custo = 11 x 106 (A1)
Diferena de atractividade entre estes dois nveis
vale 0.4 pontos em termos de avaliao global

2008/2009

Critrio 3 Qualidade arquitectnica e integrao urbanstica


Peso = 0.3
Pior nvel (pontuao parcial = 0) Deficiente (A1)
Melhor nvel (pontuao parcial = 1) Muito Boa (A3)
Diferena de atractividade entre estes dois nveis
vale 0.3 pontos em termos de avaliao global

70

Teoria da Deciso

Metodologia multicritrio Exemplo


Razo de compensao (trade-off) entre dois critrios:

3
0,3
=
= 0,75
1
0,4

2008/2009

O ganho de 1 ponto no critrio 3 (correspondente a passar de


Deficiente a Muito Bom)
 compensado pela perda de 0,75 pontos no critrio 1
(correspondente a (14-11) x 0,75 = 2,25 x 106 , visto que a funo
de valor do custo linear).


Isto , uma alternativa Deficiente em termos de Qualidade


Arquitectnica e Integrao Urbanstica equivalente
(igualmente atraente) a uma outra Muito Boa neste critrio,
mas com um acrscimo de custo de 2,25 x 106 ou, dito de
outro modo,
para passar de Deficiente a Muito Boa no critrio 3 estaria
disposto a pagar, no mximo, 2,25 x 106 para essa mudana
ser atraente.
71

Teoria da Deciso

Metodologia multicritrio Exemplo


Anlise de sensibilidade aos pesos dos critrios apenas 2 critrios
Matriz de avaliaes parciais
Alternativa
A1
A2
A3
A4
A5
Pesos

Custo (c)
1
0
1/3
2/3
2/3
1

Funcionalidade (f)
2/3
1
1/3
0
1/2
2 = 1 1

Avaliaes globais (soma ponderada):


A2

2
(1 1 ) = 2 + 1
3
3
3
x 2 = 0 1 + 1 (1 1 ) = 1 1

A3

x3 =

2008/2009

A1

A4
A5

x 1 = 1 1 +

1
1
(1 1 ) = 1
1 +
3
3
3
2
2
x 4 = 1 + 0 (1 1 ) =
1
3
3
2
1
1 1
x 5 = 1 + (1 1 ) = + 1
3
2
2 6

72

Teoria da Deciso

Metodologia multicritrio Exemplo

2008/2009

Anlise de sensibilidade aos pesos dos critrios apenas 2 critrios

73

Teoria da Deciso

Metodologia multicritrio Exemplo


Anlise de sensibilidade aos pesos dos critrios 3 critrios
Anlise de sensibilidade ao peso 1 do Critrio 1, mantendo relao (neste caso,
igualdade) entre os pesos dos outros critrios
1 1

2 = 3 =

2008/2009

Matriz de avaliaes parciais


Alternativa
A1
A2
A3
A4
A5
Pesos

Custo (c)
1
0
1/3
2/3
2/3
1

Funcionalidade (f)
2/3
1
1/3
0
1/2
2 =

1 1
2

Qualidade (q)
0
1/2
1
4/5
4/5
3 =

1 1
2

74

Teoria da Deciso

Metodologia multicritrio Exemplo


Anlise de sensibilidade aos pesos dos critrios 3 critrios
Avaliaes globais (soma ponderada):

2008/2009

2 1 1 1 2
A1 X1 = 1 +

= + 1
3 2 3 3
1 1
1 1 1 3 3
A2 X2 =
+

= 1
2
2 2 4 4
1
1 1 1 1 1
2 1
A 3 X 3 = 1 +
= 1

+
3
3 2
2
3 3
2
1 1 1 4 1 1
A 5 X 5 = 1 +

+
= 0.65 + 0.0166 1
3
2 2 5 2

75

Teoria da Deciso

Metodologia multicritrio Exemplo

2008/2009

Anlise de sensibilidade aos pesos dos critrios 3 critrios

76

Teoria da Deciso

Metodologia multicritrio Exemplo


Anlise de sensibilidade aos pesos dos critrios Trident
Avaliaes globais (soma ponderada):

2008/2009

Alternativa
A1
A2
A3
A4
A5
Pesos

Custo (c)
1
0
1/3
2/3
2/3
1

Funcionalidade (f)
2/3
1
1/3
0
1/2
2

Qualidade (q)
0
1/2
1
4/5
4/5
1 - 1 - 2

A4 - alternativa
dominada

77

Teoria da Deciso

Metodologia multicritrio Exemplo


Anlise de sensibilidade aos pesos dos critrios Trident

2008/2009

Avaliaes globais (soma ponderada):

2
A1 X1 = 1 + 2
3
1
(1 1 2 ) = 1 1 1 + 3 2
A2 X2 = 2 +
2
2 2
4
1
1
2
2
A 3 X 3 = 1 +
2 + 1 (1 1 2 ) = 1 1 2
3
3
3
3
2
1
4
4 2
3
A 5 X 5 = 1 +
2 + (1 1 2 ) = 1 2
3
2
5
5 15
10

78

Teoria da Deciso

Metodologia multicritrio Exemplo


Anlise de sensibilidade aos pesos dos critrios Trident
Anlise de sensibilidade no plano assinalando os pontos Xi = Xj:
2

1,2

X1 = X 2 2 = 3 91
3 5
1
4 4
24
=
291
29
3 1
= 1
7 7
3 11
= + 1
8 24
6 16
= 1
11 11

X1 = X 3 2 =

2008/2009

X1 = X 5 2
X2 = X3 2
X2 = X5 2
X3 = X5 2

X1=X2

X 2=X 5

0,8

0,6

0,4

3=

0,2

1=

1=

X2 =X

0
0

0,25

0,5

0,75

1,25

79

Teoria da Deciso

Metodologia multicritrio Exemplo


Anlise de sensibilidade aos pesos dos critrios Trident
Cada rea elementar est associada a uma certa ordenao das
alternativas => a troca de posio relativa obriga a atravessar uma das
rectas!
2

1,2

X1=X2

X 2=X 5

2008/2009

0,8

X2

0,6

0,4

X1

X5

0,2

X2 =X

X3

0
0

0,25

0,5
X3=X
5

1=

X 0,75
=X
1

1,25

80

Teoria da Deciso

Agenda

Mtodos compensatrios


Discusso sobre os pesos dos critrios

Mtodos swing weights para a determinao dos


pesos

Exemplo de aplicao da determinao dos pesos

2008/2009

11.

81

Teoria da Deciso

Metodologia multicritrio Mtodos compensatrios


Discusso sobre o peso dos critrios
A atribuio de pesos

(coeficientes de ponderao) aos critrios tem

obrigatoriamente de ser feita com referncia s escalas de impacte dos critrios


So incorrectos os processos de ponderao directa, por referncia noo
psicolgica e intuitiva de importncia dos critrios, mas desligada dos
respectivos intervalos de escala!
Exemplo: na avaliao de propostas para a realizao de uma empreitada,
2008/2009

considerem-se dois critrios: custo e prazo


Por se considerar o custo mais importante que o prazo, atriburam-se os
pesos 0,6 e 0,4, respectivamente (o que corresponder (?!) ideia que o
custo 1,5 vezes mais importante que o prazo)

82

Teoria da Deciso

Metodologia multicritrio Mtodos compensatrios


Discusso sobre o peso dos critrios

2008/2009

Cenrio 1 apresentaram-se a concurso dois concorrentes


Concorrente

Custo
(106 euros)

Prazo
(meses)

24

18

Admitindo (como prtica muito habitual) que, para avaliao segundo cada critrio,
so dados 100 pontos melhor proposta e 0 (zero) pontos pior (usando-se uma
interpolao linear para propostas intermdias, caso existam, o que corresponde a
assumir um andamento linear para as respectivas funes de valor entre aqueles casos
extremos)
Concorrente

Avaliao

Avaliao Parcial
Custo

Prazo

global

100

60

100

40

Concluso: proposta do concorrente A prefervel do B

83

Teoria da Deciso

Metodologia multicritrio Mtodos compensatrios


Discusso sobre o peso dos critrios
Cenrio 2 apresentaram-se a concurso trs concorrentes
(igual ao Cenrio 1, com uma terceira proposta C)
Concorrente

Custo
(106 euros)

Prazo
(meses)

24

18

18

 Admitindo o mesmo esquema de avaliao


2008/2009

Concorrente

Avaliao Parcial
Custo

Prazo

Avaliao
global

100

60

40

100

64

100

40

 Concluso: proposta do concorrente B agora prefervel do A !!! (apenas como


resultado de ter surgido uma 3 proposta, que at dominada pela do concorrente B)
84

Teoria da Deciso

Metodologia multicritrio Mtodos compensatrios


Discusso sobre o peso dos critrios
Cenrio 3 apresentaram-se a concurso dois concorrentes
Concorrente

Custo
(103 euros)

Prazo
(meses)

3 000

24

3 001

18

 Admitindo o mesmo esquema de avaliao

2008/2009

Concorrente

Avaliao Parcial

Avaliao

Custo

Prazo

global

100

60

100

40

 Concluso: proposta do concorrente A prefervel do B (...mas razovel

dar um peso 0.6 a uma diferena de custos de apenas 1000 euros e 0.4 a
uma diferena de prazos de 6 meses?)
85

Teoria da Deciso

Metodologia multicritrio Mtodos compensatrios


Discusso sobre o peso dos critrios
Interpretao dos pesos (coeficientes de ponderao):
 O peso de um critrio representa o acrscimo de pontuao global quando se

passa do pior nvel para o melhor nvel nesse critrio (admitindo que o
intervalo de escala para avaliao parcial segundo esse critrio entre 0 e 1)

2008/2009

Alternativa

Pontuaes parciais

Pontuao global

Critrio 1

Critrio 2

Critrio 3

...

Critrio 4

0 (pior nvel)

...

0 p1 + x p2 + y p3 + K + z pn

1 (melhor nvel)

...

1 p1 + x p2 + y p3 + K + z pn

Diferena entre as duas alternativas

p1

86

Teoria da Deciso

Metodologia multicritrio Mtodos compensatrios


Discusso sobre o peso dos critrios
 A razo entre os pesos de dois critrios representa a funo de troca (trade-off) entre esses critrios
(ou melhor, entre as pontuaes ou avaliaes parciais segundo esses critrios)
Critrio custo
(peso = 0.8)

Melhor nvel
(100 pontos)
Pior nvel
(0 pontos)

Critrio prazo
(peso = 0.2)

200 x 103 euros

12 meses

400 x 103 euros

24 meses

2008/2009

Critrio 1

Critrio 2

Alternativa

Custo
(103euros)

Pontuao
Parcial (V1)

Prazo
(meses)

Pontuao
Parcial (V2)

Avaliao global

300

50

15

75

55

275

62.5

21

25

55

Diferena
(A-B)

+25

- 12.5

+6

+ 50

 Trocam-se (ficando indiferente) 12.5 pontos no critrio custo (o que corresponde a pagar mais 25 x 103
euros) por 50 pontos no critrio prazo (o que corresponde a reduzir o prazo em 6 meses)

p
V1
0.2
12.5
Razo entre os pesos = 2 =
= 0.25 =
=
p1 0.8
50
V2

p1 V1A + p2 V2A = p1 V1B + p2 V2B p2 V2A V2B = p1 V1A V1B


14243
14243
V2

V1

p2
p1

V1
V2

p
V1 = 2 V2
p1
87

Teoria da Deciso

Metodologia multicritrio Mtodos compensatrios


Mtodo swing weights para determinao dos pesos
1. Ordenar atributos segundo ordem decrescente de importncia.
Imaginar uma alternativa que est ao pior nvel segundo todos os
atributos. Se apenas fosse possvel mover um atributo para o seu
melhor nvel de performance, qual o atributo escolhido?
Repetir para 2 (3, etc.) escolha.

2. Ao atributo mais importante atribuir um coeficiente mximo (por

2008/2009

exemplo, 100).
3. Sucessivamente, para cada um dos outros atributos, procurar
quantificar a importncia de mudar do pior para o melhor nvel
segundo esse atributo comparativamente com o mesmo tipo de
mudana segundo o atributo mais importante.
4. Normalizar pesos (para que a soma d 1)

88

Teoria da Deciso

Metodologia multicritrio Mtodos compensatrios


Swing Weights - Exemplo:
Uma empresa de transporte pblico pretende explorar uma de 4 linhas de transportes
(L1 a L4).

2008/2009

Para a avaliao dessas linhas foram estabelecidos 3 critrios: lucro anual previsvel
durante os prximos 5 anos (C1), possibilidade de expanso urbanstica da rea a
servir (C2) e probabilidade de haver concorrncia de outros operadores (C3)
Para o critrio C1 foi decidido que a sua funo de valor seria linear (0 para a pior
alternativa e 1 para a melhor), para o critrio C2 admitiu-se V(Mdia) = 0,5 e para o
critrio C3 utilizou-se o Direct Rating considerando-se que a diferena de valor de
passar de uma probabilidade de concorrncia Alta (pior alternativa) para uma
probabilidade Mdia o dobro da diferena de passar de uma probabilidade de
concorrncia Mdia para uma probabilidade Baixa.
Para a definio do peso dos critrios decidiu-se aplicar o mtodo Swing Weights,
tendo-se considerado que o critrio C1 era o mais importante, que passar o critrio
C2 de Pequena para Grande era igualmente atractivo a baixar C1 em 31,25
milhes de euros e que o decisor estaria disposto a baixar de Baixa para Alta o
critrio C3 caso o C1 subisse 43,75 milhes de euros
89

Teoria da Deciso

Metodologia multicritrio Mtodos compensatrios


Swing Weights - Exemplo:
A anlise das linhas de transporte mostrou que:

2008/2009

Linha
L1
L2
L3
L4

C1[milhes ]
100
150
120
130

C2
Mdia
Grande
Pequena
Pequena

C3
Baixa
Alta
Mdia
Alta

Que linha escolher utilizando o modelo de agregao aditiva simples?


N

V(A i ) = jVj (A i )
j=1

90

Teoria da Deciso

Metodologia multicritrio Mtodos compensatrios


Swing Weights - Exemplo:
Avaliao local:

2008/2009

Linha
L1
L2
L3
L4
Peso

C 1[ milh es ]
100
150
120
130

V1
0,00
1,00
0,40
0,60
p1

C2
M dia
Grande
Pequena
Pequena

V2
0,50
1,00
0,00
0,00
p2

C3
Baixa
Alta
M dia
Alta

V3
1,00
0,00
0,67
0,00
p3

V1 = (Li-100)/(150-100)

V(Pequeno) = 0,0
V(Mdio) = 0,5
V(Grande) = 1,0

V(Alta) = 0,0
V(Mdia) = 2/3
V(Baixa) = 1,0

91

Teoria da Deciso

Metodologia multicritrio Mtodos compensatrios


Swing Weights - Exemplo:
Avaliao global - clculo dos pesos:
=43,75/(150-100)

Critrio considerado
mais importante

=31,25/(150-100)

C1 C2
0 x p1 + 1,0 x p2 = 0,625 x p1 + 0 x p2

C1
150
=100+43,75

1,0

87,5%
(143,75)

=100+31,25
Baixa

=> p2 = 0,625p1

C3

1,0

0 x p1 + 1,0 x p3 = 0,875 x p1 + 0 x p3

C2

=> p3 = 0,875p1

62,5%
(131,25)

1,0

Normalizar os pesos

2008/2009

Grande

C1 C3

p1 + p2 + p3 = 1,0
Soluo
p1 = 0,40

Pequena

0,0

100

0,0

Alta

0,0

p2 = 0,25
p3 = 0,35

92

Teoria da Deciso

Metodologia multicritrio Mtodos compensatrios


Swing Weights - Exemplo:
Avaliao global - agregao:
N

V(A i ) = jVj (A i )

2008/2009

j=1

Linha
L1
L2
L3
L4
p

V1
0,00
1,00
0,40
0,60
0,40

V2
0,50
1,00
0,00
0,00
0,25

V3
1,00
0,00
0,67
0,00
0,35

V(Li)
0,48
0,65
0,39
0,24

Melhor linha!

93

Teoria da Deciso

Agenda

2008/2009

12.

Mtodos no compensatrios


Conceito

Electre


Noo de subordinao

Matriz de concordncia

Matriz de discordncia

Teste de concordncia e no concordncia

Anlise de subordinao

Exemplo

94

Teoria da Deciso

Metodologia multicritrio Mtodos no compensatrios


 Conceito
 Avaliao global baseada num conjunto de caractersticas (ou
atributos) das alternativas, mas no so admissveis modelos
de

agregao

caracterstica

das

avaliaes

particular)

parciais

baseados

(segundo
em

cada

esquemas

compensatrios.

2008/2009

Um mau desempenho (pelo menos) em determinada(s)


caracterstica(s) no pode ser compensado por bons
desempenhos em outras caractersticas.

95

Teoria da Deciso

Metodologia multicritrio Mtodos no compensatrios

Conceito
 Exemplo: avaliao de um aluno baseada nas classificaes obtidas
nas disciplinas de Matemtica, Portugus, Qumica, Biologia, Ingls e
Desenho (caractersticas consideradas relevantes):
Ms

classificaes

Matemtica

Portugus

no

podem

ser

2008/2009

compensadas por boas notas nas restantes disciplinas.


Para que um aluno seja considerado (globalmente) Bom, ele tem que ser

pelo menos Bom a Matemtica e Portugus.


Uma

classificao

Matemtica

ou

Portugus

determina

automaticamente que o aluno no possa ter avaliao global positiva


(independentemente das classificaes nas restantes disciplinas).
96

Teoria da Deciso

Metodologia multicritrio Mtodos no compensatrios


Tcnicas dos determinantes
 Avaliao parcial (segundo cada caracterstica): 5 nveis de classificao:

N5 (ou ++) muito positivo


N4 (ou +) positivo
N3 (ou 0) neutro
N2 (ou -) negativo
N1 (ou - -) muito negativo

2008/2009

 Cada caracterstica classificada atendendo importncia que lhe atribuda na


avaliao global das alternativas, usando categorias como:
+
Grau de importncia
da caracterstica
para a avaliao
global

Determinante (quando se considera que uma alternativa que


seja negativa (pior que neutro) numa caracterstica
determinante condio suficiente para ser globalmente
avaliada como negativa (pior que neutro)
Importante

Secundria

97

Teoria da Deciso

Metodologia multicritrio Mtodos no compensatrios


 Regra de agregao define condies para atribuio de nveis de
classificao global atendendo a avaliaes parciais e categoria de
importncia das caractersticas respectivas
 Exemplo (Tcnica dos determinantes):
Avaliao
global

2008/2009

++

Condies
Todas as caractersticas determinantes positivas, todas as importantes positivas e uma
maioria das secundrias positivas; pelo menos uma determinante muito positiva e
maioria global das caractersticas muito positivas

Todas as caractersticas determinantes positivas e uma maioria das importantes e


secundrias positivas

Maioria das caractersticas determinante e importantes no negativas, sem nenhuma


determinante negativa

Alguma caracterstica determinante negativa ou a maioria das determinantes e


importantes negativas

--

Todas as caractersticas determinantes negativas ou (alguma determinante muito


negativa e todas as importantes negativas)
98

Teoria da Deciso

Metodologia multicritrio Mtodos no compensatrios (Electre)

 ndice de concordncia: soma dos pesos (coeficientes de importncia) dos


critrios para os quais o desempenho de a pelo menos to bom como o de b

n
C = (para j: X X )
ab j=1 j
aj
bj

2008/2009

j coeficiente de importncia relativa do critrio j

(j = 1)

 ndice de discordncia: mximo da diferena de desempenho segundo


critrios para os quais o desempenho de b melhor que o de a:

Dab = Maxj(Xbj - Xaj)

99

Teoria da Deciso

Metodologia multicritrio Mtodos no compensatrios (Electre)


 Matriz de discordncia (exemplo)
Alternativa
A1
A2
A3
A5

Custo (c)
1
0
1/3
2/3

A1

2008/2009

A1

A2

A3

A5

_____

Funcionalidade (f)
2/3
1
1/3
1/2

A2

( 1, +

1 , +1
3
2

(1, - 13 , - 1 2 )

_____

(2 3 , 13 , - 1) ( 13 , 2 3 , - 12)

A3

Qualidade (q)
0
1/2
1
4/5

A5

) ( 2 3 , - 13 , 1) ( 13 , - 16 , 4 5 )
1

(13 , - 2 3 , 1 2 ) (2 3 , - 12 , 715)

_____

(13 , 16 , - 4 5 ) ( 2 3 , 12 , - 715) ( 13 , - 16 , 15)


1

( 13 , 1 6 , - 15 )

_____

100

Teoria da Deciso

Metodologia multicritrio Mtodos no compensatrios (Electre)


 Matriz de concordncia (exemplo)
Alternativa
A1
A2
A3
A5
Peso

Custo (c)
1
0
1/3
2/3
0,4

A1

A2

A5

A5

1,2

1,2

0,4

0,4+0,3=0,7 0,4+0,3=0,7
2

0,3

0,3

--

0,3+0,3=0,6
3

A3

A3

2,3

A2

Qualidade (q)
0
1/2
1
4/5
0,3

--

A1
2008/2009

Funcionalidade (f)
2/3
1
1/3
1/2
0,3

1,3

3
--

0,3

0,4+0,3=0,7

1,3

0,3
1,2
--

0,3

0,4+0,3=0,7 0,4+0,3=0,7
101

Teoria da Deciso

Metodologia multicritrio Mtodos no compensatrios (Electre)

 Noo de subordinao (ou prevalncia): "a pelo menos to boa como b"
(a O b) se forem satisfeitas duas condies:
 i) Condio de concordncia (sentido mdio de preferncia maioria)
 Cab limiar de concordncia

2008/2009

 (0 1) (em geral > 0.5)


 ii)Condio de discordncia ("veto")
 Dab limiar de discordncia

 0 Max Max X - Min X


j i ij i ij

102

Teoria da Deciso

Metodologia multicritrio Mtodos no compensatrios (Electre)


 Anlise de subordinao:

Limiar da
concordncia

Matriz de concordncias

A1

A2

A3

A5

=0,6

--

0,4

0,7

0,7

Cab aprovadas

A2

0,6

--

0,3

0,3

A3

0,3

0,7

--

0,3

A5

0,3

0,7

0,7

--

A2

A3

A5

A1

Limiar da
discordncia

2008/2009

Matriz de discordncias

A1
A1
A2

_____

_____

A3

A5

_____

_____

=0,5
Dab , seno so vetadas
Subordinao (dados e )
A5 O A2 A5 pelo menos to boa com A2
A5 O A3 A5 pelo menos to boa com A3
103

Teoria da Deciso

Metodologia multicritrio Mtodos no compensatrios (Electre)


 Noo de subordinao (ou prevalncia):
Subordinao (dados e )
A5 O A2 A5 pelo menos to boa com A2
A5 O A3 A5 pelo menos to boa com A3

2008/2009

A1

A1

A2

A5

A3

A5

A3
A2

Relaes de
prevalncia

Conjunto das
alternativas
preferncias

Conjunto das
outras
alternativas
104

Teoria da Deciso

Agenda

MacModel Demonstrao de software




Introduo

Exemplo

2008/2009

13.

105

Teoria da Deciso

MacModel Demonstrao de software


 Introduo
O MacModel um software multi-critrio para ajuda tomada de decises
O software no substitui o decisor, j que visa ser um apoio ao processo de
tomada de decises
Os problemas que podem ser resolvidos com o MacModel, so problemas
multi-critrio em que existe um conjunto enumerado de alternativas a

2008/2009

considerar.
 Problemas com um nmero infinito ou muito elevado de alternativas, saem fora do

mbito do MacModel.
 O software funciona em trs fases:

1.definio dos critrios, das ponderaes e das funes de valor


2.introduo das alternativas, de acordo com os critrios definidos
3.analises de sensibilidade.

106

Teoria da Deciso

MacModel Demonstrao de software


 Introduo
 As anlises de sensibilidade so teis e muito comuns quando h dvidas
sobre as ponderaes ou sobre os valores de cada alternativa.
 Em ambos os casos, o MacModel permite anlises de sensibilidade
mostrando como essas variaes podem afectar o resultado da alternativa

2008/2009

vencedora.
 Pode-se tambm inserir informao para multi-decisores, incluindo o
MacModel duas vias distintas para ajudar a obter o consenso.

 http://jcoelho.m6.net

107

Teoria da Deciso

MacModel Demonstrao de software


 Exemplo

2008/2009

 Compra de um apartamento junto ao IST

Alternativa/Critrio

Custo aquisio
[]

Distncia a p do
IST [min]

Qualidade

L1

200.000

15

Boa

L2

300.000

10

Boa

L3

150.000

30

Deficiente

L4

350.000

Muito Boa

Peso

0,5

0,35

0,15

108

Teoria da Deciso

MacModel Demonstrao de software


 Exemplo: pr-processamento dos dados qualitativos
Transformao da escala

2008/2009

Muito Boa 10
Boa 7,5
Suficiente 5,0
Deficiente 2,5
M 0,0

Alternativa/Critrio

Custo aquisio
[]

Distncia a p do
IST [min]

Qualidade

L1

200.000

15

7,5

L2

300.000

10

7,5

L3

150.000

30

2,5

L4

350.000

10

Peso

0,5

0,35

0,15
109

Teoria da Deciso

MacModel Demonstrao de software


 Exemplo: mais do que 3 critrios

2008/2009

Custo
Aquisio []

Condomnio []

Distncia a p
do IST [min]

L1

200.000

1.000

15

7,5

L2

300.000

3.000

10

7,5

L3

150.000

500

30

2,5

L4

350.000

4.000

10

0,9

0,1

0,35

0,15

Alternativa/Critrio

Peso

0,5

Qualidade

Agregao num nico critrio:


Para aplicao do tridente, o
nmero mximo de critrios 3
110

Teoria da Deciso

MACBETH Demonstrao de software

 O que o MACBETH?
Measuring Attractiveness by a Category Based Evaluation Technique"
(Medir a Atratividade por uma Tcnica de Avaliao Baseada em

2008/2009

Categorias) o objectivo da abordagem MACBETH.

Esta abordagem uma metodologia de apoio tomada de deciso, que


permite avaliar opes tendo em conta mltiplos critrios.

111

Teoria da Deciso

MACBETH Demonstrao de software


 A distino fundamental entre MACBETH e outros mtodos de Anlise
de Deciso com mltiplos critrios que MACBETH requer apenas
julgamentos qualitativos sobre as diferenas de atratividade entre
elementos, para gerar pontuaes para as opes em cada critrio e

2008/2009

para ponderar os critrios.

 Sete categorias semnticas de diferena de atratividade so introduzidas


em MACBETH: diferena de atratividade nula, muito fraca, fraca,
moderada, forte, muito forte e extrema.

112

Teoria da Deciso

MACBETH Demonstrao de software


 medida que os julgamentos qualitativos so expressos pelo avaliador e
introduzidos em M-MACBETH (www.m-macbeth.com), o software verifica
automaticamente a sua consistncia e oferece sugestes para resolver
eventuais inconsistncias.

2008/2009

 Depois, o processo MACBETH de apoio deciso evolui para a


construo de um modelo quantitativo de avaliao. A partir dos
julgamentos do avaliador e utilizando as funcionalidades do software,
uma escala de pontuaes em cada critrio e pesos relativos para os
critrios so gradualmente sugeridos e discutidos.
113

Teoria da Deciso

MACBETH Demonstrao de software


 Em seguida, uma pontuao global calculada para cada opo,
fazendo a soma ponderada das suas pontuaes nos mltiplos critrios.
Essa pontuao global reflete a atratividade da opo respectiva no
conjunto de todos os critrios.

2008/2009

 Diversas anlises de sensibilidade e de robustez dos resultados do


modelo, assim construdo, permitiro compreender o problema em
profundidade, de ajustar o modelo e de formar convices sobre as
prioridades a estabelecer ou as opes a selecionar, em contextos de
tomada de deciso individual ou em grupo.
114

Teoria da Deciso

MACBETH Demonstrao de software

 M-MACBETH oferece numerosas representaes grficas que facilitam a

2008/2009

elaborao de um relatrio justificando recomendaes elaboradas.

115