Baixe o app para aproveitar ainda mais
Prévia do material em texto
Pesquisa Operacional Modelos Probabilísticos 1 – Análise de Decisões Professor Luciano Barboza da Silva Análise de Decisão • Em geral os modelos determinísticos de PO implicam contextos de decisão em que é possível estimar, com razoável certeza, as consequências de escolhas alternativas. • Alguns problemas, entretanto, não se enquadram nesse arcabouço: Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 2 Análise de Decisão – Exemplo: Fabricante lançando um novo produto no mercado: qual a reação do público alvo? Qual o nível de propaganda adequado? – Uma empresa petrolífera decidindo se deve ou não perfurar um poço em determinada área? Quais as chances de encontrar petróleo? Em que volume? Serão necessários mais gastos com análises? Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 3 Análise de Decisão • A análise de decisão é um conjunto de técnicas desenvolvidas para orientar a tomada de decisão racional em ambientes de muita incerteza; Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 4 Análise de Decisão • Exemplo básico: – Uma empresa A é proprietária de uma área de terra que pode conter petróleo. Uma consultoria relatou “a direção que ele acredita que haja uma chance em quatro de encontrar petróleo. Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 5 Análise de Decisão Em virtude dessa possibilidade, outra companhia, digamos B, ofereceu $90.000,00 para comprar o terreno. Entretanto A está considerando a possibilidade de permanecer com o terreno de modo a ela própria perfurá-lo em busca de petróleo. O custo da perfuração é de $100.000,00. Caso seja encontrado petróleo a receita esperada resultante será de $800.000,00, de forma que o lucro esperado será de $700.000,00. Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 6 Análise de Decisão A empresa arcará com uma perda de $100.000,00 (custo de perfuração) caso o terreno seja seco (sem petróleo). A tabela abaixo (chamada Matriz de Decisão) resume as informações: Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 7 Condições do Terreno Alternativas Petróleo Seco Perfuração Própria $700.000,00 -$100.000,00 Venda do Terreno $90.000,00 $90.000,00 Prob. Das Condições 1/4 3/4 Análise de Decisão • Essa tabela resume todos os elementos do modelo decisório que vamos estudar: – Alternativas de Decisão: Cada decisor se encontra diante de alternativas de decisão. Caso não haja alternativas não haverá um problema de decisão. Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 8 Análise de Decisão Essas alternativas, em geral, indicam ações mutuamente exclusivas e vamos supor que esgota toda a lista de possibilidades de escolha disponível ao decisor. No nosso exemplo as alternativas da empresa A são: • Perfuração Própria: em busca de petróleo; • Venda do terreno. Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 9 Análise de Decisão – Estados da Natureza: São as condições ambientais, que o decisor não pode controlar mas que interferem sobre as consequências das escolhas do decisor. Esses estados da Natureza devem ser exaustivos (ou seja, devem conter todas as ocorrências possíveis). Em geral na natureza está o mecanismo aleatório que dá ao problema, sua característica fundamental. Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 10 Análise de Decisão No nosso exemplos temos os seguintes estados: • Petróleo, ou seja, existência de petróleo na área a ser perfurada; • Seco, ou seja, inexistência de petróleo na área perfurada – Prêmio: è uma medida quantitativa, para o decisor, das consequências de suas escolhas, sujeitas às realizações dos estados da natureza. Assim para cada alternativa de decisão Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 11 Análise de Decisão e para cada estado da natureza possível, existe um prêmio (que considera-se conhecido pelo decisor). No nosso caso um exemplo de prêmio seria $700.000,00 que ocorre quando há petróleo (estado da natureza) e a empresa escolher Perfuração Própria. Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 12 Análise de Decisão OBS: Note que as alternativas estão disponíveis ao decisor, ou seja, sob sua possibilidade de escolha; OBS: Note que os estados da natureza estão fora da capacidade de escolha do decisor; Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 13 Análise de Decisão OBS: Embora utilizemos o termo “estado da natureza”, o termo natureza significa apenas algo que está além da capacidade do decisor e interfere nos prêmios que o mesmo possa receber no processo de escolha (Ex. o mercado de trabalho, o nível da inflação etc.). Quando um certo estado da natureza se estabelece podemos dizer que a “natureza escolheu sua alternativa”. Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 14 Decisões a priori • Em termos gerais, a expressão “Decisão a priori” significa que o decisor faz suas escolhas com base nas informações que possui, sem nenhum experimento adicional; • Sob essa ótica foram desenvolvidos alguns métodos: Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 15 Decisões a priori • Critério do Máximo prêmio Mínimo: – Para cada alternativa dada ao decisor observamos o menor prêmio pago; – Escolhemos a alternativa que apresenta o maior prêmio dentre esses menores observados Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 16 Decisões a priori – Exemplo: Voltemos ao nosso exemplo: Sob o critério definido a alternativa a ser escolhida é a alternativa “venda do Terreno” Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 17 Condições do Terreno Alternativas Petróleo Seco Menor Prêmio Perfuração Própria $700 -$100 -$100 Venda do Terreno $90 $90 $90 Prob. Das Condições 1/4 3/4 Decisões a priori • OBS: Esse critério é bastante pessimista.Note que o único objetivo desse método é garantir que tenhamos o melhor resultado se der tudo errado; • OBS: Esse critério seria importante se o oponente do decisor (no caso, a natureza) buscasse intencionalmente sua ruína. Mas como a natureza não é um agente racional, isso não parece razoável; Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 18 Decisões a priori • OBS: Note ainda que o critério não se preocupa com as probabilidades de ocorrência dos estados da natureza. Note que a decisão não mudaria mesmo que a probabilidade de ocorrência dos piores estados diminuíssem drasticamente. Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 19 Decisões a priori • Critério do Probabilidade Máxima: – Determinar o estado da natureza mais provável; – Para esse estado da natureza encontrar a alternativa que pague o maior prêmio. Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 20 Decisões a priori Retornando ao nosso exemplo, temos: Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 21 Condições do Terreno Alternativas Petróleo Seco Perfuração Própria $700.000,00 -$100.000,00 Venda do Terreno $90.000,00 $90.000,00 Prob. Das Condições 1/4 3/4 Decisões a priori • Assim: – O estado da natureza mais provável é “Seco”, cuja probabilidade é ¾; – Assim a alternativa a ser escolhida seria a “Venda do Terreno”, uma vez que paga o melhor prêmio. Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 22 Decisões a priori • OBS: Esse critério corrige um aspecto do critério anterior: ele leva em consideração as chances de ocorrência dos estados da natureza; • OBS: Note, entretanto, que ao considerar apenas a probabilidade máxima esse critério despreza uma massa deprobabilidades menores (cuja soma, inclusive, pode ultrapassar a máxima); Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 23 Decisões a priori • OBS: Além disso, mesmo um estado de pequena probabilidade pode ocorrer, e se o prêmio pago para esse estado por outras alternativas for alto, pode-se deixar de ganhar mais. Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 24 Decisões a priori • Critério de Bayes (Máximo VEA – Valor Esperado das Alternativas ): – O Critério de Bayes leva em consideração toda a massa de probabilidades associada ao problema bem como todos os prêmios pagos por cada uma das alternativas. Para tanto utiliza a noção de Valor Esperado da Alternativa. Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 25 Decisões a priori – Para cada alternativa possível calcula-se o Valor Esperado (média ponderada em que os pesos correspondem “as probabilidades dos estados da natureza) dos prêmios pagos; – Escolhe-se a alternativa com o maior valor esperado. – OBS: Para uma VA discreta X calcula-se o Valor Esperado como: Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 26 x xXxPEX Decisões a priori Retornando ao nosso exemplo, temos: Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 27 Condições do Terreno Alternativas Petróleo Seco Perfuração Própria $700.000,00 -$100.000,00 Venda do Terreno $90.000,00 $90.000,00 Prob. Das Condições 1/4 3/4 Decisões a priori – Logo – E assim a alternativa escolhida é “Perfuração Própria” Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 28 90 4 3 90 4 1 90Terreno do Venda|Prêmio 100 4 3 100 4 1 700PrópriaPerfuração|Prêmio E E Decisões a priori • OBS: Note que a solução contrariou as soluções nos procedimentos anteriores, que apontaram ambas para a Venda do Terreno; • OBS: Note ainda que utilizamos todas as informações disponíveis: as melhores estimativas disponíveis das probabilidades dos estados da natureza e os valores dos prêmios associados a cada escolha. Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 29 Decisões a priori • OBS: Note ainda: Mesmo que a “Perfuração Própria” tenha uma probabilidade alta de prejuízo (estado “Seco”) o prêmio por encontrar “Petróleo” é tão alto que vale a pena correr riscos. Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 30 Análise de Sensibilidade • Por melhor que sejam os métodos apriorísticos, todos sofrem de uma dependência forte da precisão das estimativas das probabilidades dos estados da natureza (exceção: Prêmio Mínimo Máximo); • Para avaliar os impactos da incerteza gerada por essa dependência foi desenvolvida a Análise de Sensibilidade; Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 31 Análise de Sensibilidade • Objetivo do Método: Determinar quão sensível (ou estável) é nossa decisão a possíveis variações nas probabilidades de estados da natureza; • Reconsideremos nosso exemplo, mas dessa vez vamos considerar probabilidades genéricas para os estados, conforme quadro a seguir: Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 32 Análise de Sensibilidade Dados esses valores genéricos para as probabilidades dos estados da natureza, podemos estudar os impactos de variações nas mesmas Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 33 Condições do Terreno Alternativas Petróleo Seco Perfuração Própria $700.000,00 -$100.000,00 Venda do Terreno $90.000,00 $90.000,00 Prob. Das Condições p 1- p Análise de Sensibilidade • Utilizando o método de Bayes podemos calcular o VEA para cada alternativa: Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 34 90 19090| Terreno do Venda 100008 1100700| PrópriaPerfuração pppAEV p pppVEA Análise de Sensibilidade • Assim escolhemos a alternativa com maior VEA, dada a probabilidade p, ou seja: – Escolhemos Perfuração Própria se: Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 35 2375,0 80 19 90100800 | Terreno do Venda| PrópriaPerfuração pp pAEVpVEA Análise de Sensibilidade – Escolhemos Venda do Terreno se: – Somos indiferentes entre Venda do Terreno e Perfuração Própria se: Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 36 2375,0 80 19 10080090 | PrópriaPerfuração| Terreno do Venda pp pVEApAEV 2375,0 80 19 10080090 | PrópriaPerfuração| Terreno do Venda pp pVEApAEV Análise de Sensibilidade – Podemos estabelecer graficamente essa relação: Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 37 2375,0p VEA Própria PerfuraçãoVEA Terreno do VendaVEA B RegiãoA Região Análise de Sensibilidade • Região A: Nesta região (p < 0,2375) e o VEA (Venda do Terreno) é maior que o VEA(Perfuração Própria). Sendo assim na Região A a melhor escolha é a Venda do Terreno; Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 38 Análise de Sensibilidade • Região B: Nesta região (p > 0,2375) e o VEA (Venda do Terreno) é menor que o VEA(Perfuração Própria). Sendo assim na Região B a melhor escolha é a Perfuração Própria; Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 39 Análise de Sensibilidade • Assim conseguimos uma regra simples para decisão: Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 40 Própria Perfuração2375,0 Própria Perfuraçãoou Terreno do Venda :aIndiferenç 2375,0 Terreno do Venda2375,0 p p p Análise de Sensibilidade • OBS: Note que em nossa análise p é a probabilidade de haver petróleo (Estado da Natureza Petróleo). Essa probabilidade será nossa Variável de Decisão. Assim para o nosso exemplo original , com p = ¼. Nesse caso, portanto, como temos p > 0,2375, nossa decisão será: Perfuração Própria. Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 41 Análise de Sensibilidade • OBS: Note também que quanto mais distante de 0,2375 for p mais estável é nossa decisão, pois como p é uma estimativa pode conter erros de medição e erros muito grandes são mais raros que erros pequenos. Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 42 Tomada de Decisão com Experimentação • Às vezes é possível executar experimentos que permitem ajustar as estimativas prévias de probabilidade (consultorias, por exemplo); • Nesse caso duas coisas devem ser avaliadas: – Qual a decisão tomar com base nas novas estimativas? – Qual o ganho líquido que essas informações trarão para o decisor? Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 43 Tomada de Decisão com Experimentação • Retomando nosso exemplo: – Vamos supor que antes de tomar sua decisão a empresa A tenha acesso à possibilidade de um levantamento sísmico detalhado do terreno para obter uma melhor estimativa de encontrar petróleo. Suponhamos ainda que o custo da pesquisa seja R$ 30.000,00. Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 44 Tomada de Decisão com Experimentação Um levantamento sísmico obtém sondagens que indicam se a estrutura geológica é favorável à presença de petróleo. Dividiremos as possíveis descobertas do levantamento em duas categorias: SSD – Sondagens Sísmicas Desfavoráveis: significando que a presença de petróleo é muito improvável; SSF - Sondagens Sísmicas Desfavoráveis: significando que a presençade petróleo é muito provável; Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 45 Tomada de Decisão com Experimentação Baseado em experiências passadas o grupo de sondagem consegue garantir os seguintes resultados: Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 46 .2,08,01Seco| ;8,0Seco| ;6,04,01Petróleo| ;4,0Petróleo| SSFP SSDP SSFP SSDP Tomada de Decisão com Experimentação • Probabilidades Posteriores (a Posteriori): – Com base nas informações levantadas pela consultoria (classificação do terreno em SSD ou SSF) é possível atualizar as probabilidades prévias (chamadas a priori) de modo que as novas estimativas incorporem as informações trazidas pelos consultores. Essas novas estimativas são chamadas Probabilidades Posteriores (ou a posteriori). Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 47 Tomada de Decisão com Experimentação • Notação: E = { e1, e2, ..., en} - Conjunto dos Estados da Natureza; P( Estado = ej ) – Probabilidade prévia da Natureza assumir o estado ej; Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 48 Tomada de Decisão com Experimentação • Notação: D = { d1, d2, ..., dn} - Conjunto das possíveis descobertas; P( Estado = ej | Descoberta = di) – Probabilidade posterior da natureza assumir o estado ej, j = 1,2,3...,n, dado que descobrimos o fato di, i = 1,2,...,k . Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 49 Tomada de Decisão com Experimentação • Para o nosso modelo : E = { Petróleo, Seco } - Conjunto dos Estados da Natureza; P( Estado = Petróleo ) = 1/4 e P( Estado = Seco ) = ¾ D = { Petróleo, Seco} Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 50 Tomada de Decisão com Experimentação • Assim nossas estimativas de probabilidades posteriores são dadas por: Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 51 SSF|Petróleo1SSF|Seco SSF SSFPetróleo SSF|Petróleo SSD|Petróleo1SSD|Seco SSD SSDPetróleo SSD|Petróleo PP P P P PP P P P Tomada de Decisão com Experimentação – P[Petróleo | SSD] e P[Seco | SSD] : Logo: Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 52 7,08,0 4 3 4,0 4 1 Seco|SSDSecoPetróleo|SSDPetróleo SSDSecoSSDPetróleoSSD 1,04,0 4 1 Petróleo|SSDPetróleoSSDPetróleo PPPP PPP PPP 86,0 7 6 7 1 1SSD|Seco14,0 7 1 7,0 1,0 SSD|Petróleo PP Tomada de Decisão com Experimentação – P[Petróleo | SSF] e P[Seco | SSF] : Logo: Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 53 3,02,0 4 3 6,0 4 1 Seco|SSFSecoPetróleo|SSFPetróleo SSFSecoSSFPetróleoSSF 15,06,0 4 1 Petróleo|SSFPetróleoSSFPetróleo PPPP PPP PPP 5,0 2 1 2 1 1SSF|Seco5,0 2 1 3,0 15,0 SSF|Petróleo PP Tomada de Decisão com Experimentação • Temos assim o seguinte quadro resumo : Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 54 Estados da Natureza Probabilidades Petróleo Seco Sem experimento 0,25 0,75 Experimento = SSD 0,14 0,86 Experimento = SSF 0,50 0,50 Tomada de Decisão com Experimentação • Retornemos agora ao problema de decisão: – Suponhamos que o resultado do experimento seja SSD. Neste caso temos a seguinte matriz de decisão: Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 55 Condições do Terreno Alternativas Petróleo Seco Custo do Experimento Perfuração Própria $700.000,00 -$100.000,00 $30.000,00 Venda do Terreno $90.000,00 $90.000,00 $30.000,00 Prob. Das Condições 0,14 0,86 Tomada de Decisão com Experimentação Assim Logo a alternativa a ser escolhida é a Venda do Terreno Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 56 603086,09014,090SSD|Venda 183086,010014,0700SSD|Prórpia Perfuração VEA VEA Tomada de Decisão com Experimentação – Suponhamos que o resultado do experimento seja SSF. Neste caso temos a seguinte matriz de decisão: Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 57 Condições do Terreno Alternativas Petróleo Seco Custo do Experimento Perfuração Própria $700.000,00 -$100.000,00 $30.000,00 Venda do Terreno $90.000,00 $90.000,00 $30.000,00 Prob. Das Condições 0,50 0,50 Tomada de Decisão com Experimentação Assim Logo a alternativa a ser escolhida é a Perfuração Própria Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 58 603050,09050,090SSD|Venda 2703050,010050,0700SSD|Prórpia Perfuração VEA VEA Tomada de Decisão com Experimentação • Assim podemos formatar o seguinte quadro de escolhas ótimas: Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 59 Descoberta por Levantamento Sísmico Alternativa Ótima Prêmio Esperado Bruto Prêmio Esperado (Prêmio Bruto – Custo do Experimento) SSD Venda do Terreno $90.000,00 $60.000,00 SSF Perfuração Própria $300.000,00 $270.000,00 Valor do Experimento • Antes da execução de um experimento para atualização das probabilidades dos eventos capitais do processo decisório, deve-se fazer uma análise de custo-benefício para verificar a viabilidade do processo; Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 60 Valor do Experimento • No nosso exemplo, temos que o procedimento de sondagem sísmica tem um custo de R$ 30.000,00. Assim a questão que se põe é: sob que condições vale a pena inserir o experimento n processo decisório? • Duas metodologias podem ser utilizadas: – VEIP – Valor Esperado da Informação Perfeita; – VEE – Valor Esperado da Experimentação. Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 61 Valor do Experimento • VEIP – Valor Esperado da Informação Perfeita – Vamos imaginar, nesse método, que o experimento elimine toda e qualquer incerteza sobre o evento estudado. Em outras palavras, vamos supor que: Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 62 SecoSSD1Seco|SSD PetróleoSSF1Petróleo|SSF PPP PPP Valor do Experimento Assim, embora não saibamos qual o estado da natureza vai ocorrer, caso ele ocorra o experimento indicativo nos dirá com certeza. Voltando a nossa matriz de decisão: Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 63 Condições do Terreno Alternativas Petróleo Seco Perfuração Própria $700.000,00 -$100.000,00 Venda do Terreno $90.000,00 $90.000,00 Prob. Das Condições 0,25 0,75 Valor do Experimento Pela metodologia VEIP como o experimento nos indica o estado com certeza, em qualquer caso poderemos escolher a melhor alternativa (que será perfeitamente indicada pelo experimento). Chamamos essa situação de Escolha sob informação Perfeita. Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 64 Valor do Experimento Se o experimento for executado e tivermos como resultado SSF temos que o estado da natureza seria “Petróleo”. Nesse caso devemos escolher “Perfuração Própria” e ganhamos R$ 700.000,00. Essa situação ocorrerá com probabilidade P(SSF) = P(Petróleo) = 0,25 (essa é a melhor estimativa que temos do estado da natureza antes do experimento). Pesquisa Operacional 2 - Prof. Luciano Barboza daSilva 65 Valor do Experimento Se o experimento for executado e tivermos como resultado SSD temos que o estado da natureza seria “Seco”. Nesse caso devemos escolher “Venda do Terreno” e ganhamos R$ 90.000,00. Essa situação ocorrerá com probabilidade P(SSD) = P(Seco) = 0,75 (essa é a melhor estimativa que temos do estado da natureza antes do experimento). Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 66 Valor do Experimento Assim sob informação perfeita teríamos um valor esperado do ganho calculado em: Como vimos anteriormente a melhor opção, sem experimento, seria “Perfuração Própria” cujo valor esperado é dado por Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 67 50,24275,09025,0700* E 10075,010025,0700Própria Perfuração VEA Valor do Experimento Logo temos: onde: E* - Valor esperado sob informação perfeita VEA* - Valor esperado da melhor alternativa No nosso caso: Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 68 ** VEAEVEIP 50,14210050,242Prórpia Perfuração* VEAEVEIP Valor do Experimento Assim notamos que o VEIP mede o excedente dos ganhos esperados caso o experimento produza informação perfeita. Logo desejamos que o VEIP seja maior que o custo do experimento; No nosso exemplo concluímos que o experimento vale a pena, pois: Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 69 o)Experiment do (Custo 3050,142 VEIP Valor do Experimento OBS: Notemos que esse método tem um problema importante: jamais alcançaremos uma situação de Informação Perfeita, logo o VEIP é o limite máximo dos ganhos esperados, que nunca pode ser atingido. Assim decidir executar o experimento pelo fato de valer menos que o VEIP pode ser perigoso; Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 70 Valor do Experimento OBS: Por outro lado notemos que exatamente por ser o VEIP o limite superior dos valores esperados, se VEIP for menor que o custo do experimento podemos concluir, com certeza, que o experimento deve ser evitado, ou seja, o VEIP é um ótimo teste negativo. Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 71 Valor do Experimento VEE – Valor Esperado do Experimento Neste método busca-se uma estimativa do ganho real médio obtido ao se executar o experimento; Para isso partimos da tabela de políticas ótimas desenvolvida anteriormente, considerando os ganhos brutos (sem descontar o custo do experimento) Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 72 Valor do Experimento Como já estimamos anteriormente: P(SSD) = 0,7 e P(SSF) = 0,3 Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 73 Descoberta por Levantamento Sísmico Alternativa Ótima Prêmio Esperado Bruto SSD Venda do Terreno $90.000,00 SSF Perfuração Própria $300.000,00 Valor do Experimento – Caso o experimento obtenha SSD a alternativa a ser escolhida deverá ser “Venda do Terreno”, o que implica um ganho de $90. Esse fato ocorrerá, segundo nossas estimativas, com probabilidade 0,7; – Caso o experimento obtenha SSF a alternativa a ser escolhida deverá ser “Perfuração Própria” que implicará um ganho de $300. Esse fato deve ocorrer com probabilidade 0,3; Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 74 Valor do Experimento – Assim, dada a experimentação, o ganho esperado será de: – Calculamos e VEE como: E* - Valor esperado sob informação perfeita VEA* - Valor esperado da melhor alternativa Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 75 15330,030070,090* E **VEE VEAE Valor do Experimento OBS: Obviamente, quanto maior o VEE mais interessante se torna executar o experimento. No nosso exemplo: Como o VEE é maior que o custo de experimentação ($ 30.000,00), temos que vale a pena executar o experimento. Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 76 53$100153VEE ** VEAE Valor do Experimento OBS: Note que o VEE é o maior valor que deve ser pago por um experimento que melhore nossas informações. Caso um experimento seja mais caro que o VEE não deve ser executado; Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 77 Valor do Experimento OBS: Note que, em geral, VEIP > VEE. Assim é possível termos uma situação em que: ou seja, o custo de experimentação menor que o VEIP mas maior que o VEE. Assim para avaliarmos a viabilidade da execução de um experimento devemos ter em mãos o VEE; Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 78 VEE < Custo de Experimentação < VEIP Valor do Experimento OBS: Note, entretanto, que o sempre teremos a seguinte relação: VEE < VEIP . Assim de VEIP < Custo de experimentação já poderemos descartar o experimento, pois o mesmo é excessivamente caro. Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 79 Árvore de Decisão • Um instrumento bastante útil para análise da tomada de decisão é a chamada Árvore de Decisão, que permite visualizar a dinâmica do processo em seus momentos cruciais; • Lembremos que, no processo decisório temos decisões que o decisor toma e decisões que a “natureza toma” (estas últimas associadas a probabilidades); Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 80 Árvore de Decisão • Uma árvore é uma estrutura matemática chamada grafo, composta de nós e arestas; Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 81 Nó Arestas Árvore de Decisão • Nós de Decisão: Representam a possibilidade de escolha, por parte do decisor. Esses nós serão representados por nós quadrados; • Nós de Eventos: Representam as possibilidades de “escolha da natureza”. Esses nós serão representados por círculos; Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 82 Árvore de Decisão • Além dos Nós de Decisão e Eventos temos os seguintes elementos nas árvores de decisão: – Os valores dos prêmios associados as decisões; – As probabilidades dos estados da natureza Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 83 Árvore de Decisão • Para nosso exemplo: Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 84 670 -130 60 670 -130 60 700 -100 90 f h g c d e b a Árvore de Decisão • OBS: Note que em cada nó de evento associamos as probabilidades das escolhas da natureza; • OBS: Note ainda que nos f e g temos as probabilidades posteriores (0,143 e 0,857 em f e 0,5 e 05 em g) (pois nesse ponto teremos executado o experimento). Já no nó h temos as probabilidades prévias (0,25 e 0,75), uma vez que não optamos por fazer o experimento; Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 85 Árvore de Decisão • Procedimento: – Executamos a análise de trás para frente na árvore, ou seja, seus galhos extremos à direita para seu nó de partida “a esquerda; – Assim, primeiramente, para cada nó de evento f,g e h calcule o prêmio esperado e coloque o resultado sobre o nó. Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 86 Árvore de Decisão • Procedimento: – Nesse caso temos: Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 87 10075,010025,0700 2705,01305,0670 57,15857,0130143,0670 h g f EPh EPg EPf Árvore de Decisão • Assim: Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 88 670 -130 60 670 -130 60 700 -100 90 -15,6 60 270 60 100 90 Árvore de Decisão • Procedimento: – OBS: Note que para os nós restantes é como se existisse uma decisãocerta da natureza. Podem ser modelados também como uma ausência de nó. Nesse caso o valo esperado coincide com o valor final; Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 89 Árvore de Decisão • Procedimento: – Para cada nó de decisão c, d, e escolha a alternativa (galho) com maior valor de prêmio, fazendo uma marca (//) na alternativa excluída; Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 90 Árvore de Decisão • Procedimento: – Assim para nosso caso: – Nó c Escolhemos “Venda do Terreno” (prêmio esperado 60), eliminando “Perfuração Própria” (prêmio esperado - 15,57); Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 91 Árvore de Decisão • Procedimento: – Nó d Escolhemos “Perfuração Própria” (prêmio esperado 270), eliminando “Venda do Terreno” (prêmio esperado 60); – Nó e Escolhemos “Perfuração Própria” (prêmio esperado 100), eliminando “Venda do Terreno” (prêmio esperado 90); Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 92 Árvore de Decisão • Para nosso exemplo: Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 93 670 -130 60 670 -130 60 700 -100 90 -15,6 60 270 60 100 90 60 270 100 Árvore de Decisão • Procedimento: – Agora, para o nó de evento b calculamos o prêmio esperado: – Agora para o nó de decisão restante, escolhe-se a alternativa de maior prêmio (neste caso 123), eliminando-se a restante; Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 94 1237,0603,0270 bEP Árvore de Decisão • Para nosso exemplo: Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 95 670 -130 60 670 -130 60 700 -100 90 -15,6 60 270 60 100 90 60 270 100 123 123 Árvore de Decisão • Temos assim a seguinte política ótima: – Realizar sondagem sísmica; – Caso o resultado seja favorável (SSF) escolhemos “Perfuração Própria”, caso contrário escolhemos “Venda do Terreno” – O valor esperado do prêmio por essa política é de R$ 123.000,00 Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 96
Compartilhar