Baixe o app para aproveitar ainda mais
Prévia do material em texto
Teoria da Decisão Disciplina: PRO708 - Pesquisa Operacional II Prof: Lásara Rodrigues Departamento de Engenharia de Produção, Administração e Economia Escola de Minas Universidade Federal de Ouro Preto 2ª Parte 2 Os problemas de decisão e a Teoria da Decisão • Resolver problemas é algo comum tanto para pessoas quanto para empresas. • Frequentemente, problemas aparecem e devem ser resolvidos. • Para que um problema seja realmente caracterizado, é preciso que o tomador de decisão tenha mais de uma alternativa. 3 Os problemas de decisão e a Teoria da Decisão • Problema de decisão envolve uma tomada de decisão hoje, mas as consequências dessa decisão serão sentidas ao longo do tempo. • Teoria da decisão é um conjunto de técnicas quantitativas que tem por objetivo ajudar o tomador de decisão tanto a sistematizar o problema de decisão como a solucioná-lo. 4 Os problemas de decisão e a Teoria da Decisão • Decisões são tomadas em ambientes que estão propensos às incertezas. • Exemplos: – Empresa petrolífera decidindo se deve ou não perfurar poço. – Financeira investindo em títulos. – Empresa agrícola selecionando mix de plantações e animais. – Fabricante lançando novo produto no mercado. 5 Os problemas de decisão e a Teoria da Decisão • Não há solução de um problema sem um critério. • Teoria da decisão baseia-se em critérios preestabelecidos, havendo sempre espaço para novos critérios e novas contribuições. 6 Teoria da Decisão • Fornece uma estrutura e metodologia para tomada de decisão racional quando os resultados são incertos. • Frequentemente, uma questão a ser respondida é se devemos tomar a decisão necessária imediatamente ou então realizar primeiramente alguns testes (com certo custo) para reduzir o nível de incerteza sobre o resultado da decisão. • Ex. teste de campo de novo produto. 7 Teoria da Decisão • Esse teste é conhecido como experimentação. • A teoria da decisão é dividida em (Hillier e Lieberman, 2010) : – Casos com experimentação – Casos sem experimentação 8 Tomada de Decisão sem Experimentação • Termos gerais tomador de decisão deve escolher uma alternativa de um conjunto de possíveis alternativas de decisão. • O conjunto contém todas as alternativas viáveis para prosseguir com o problema em questão. • A escolha da alternativa tem que ser feita diante da incerteza, pois o resultado será afetado por fatores aleatórios que estão fora do controle do tomador de decisão. 9 Tomada de Decisão sem Experimentação • Esses fatores aleatórios determinam que situação será encontrada no momento que a alternativa de decisão for executada. • Cada uma das possíveis situações é chamada de estado de natureza. • Para cada combinação de uma alternativa de decisão e de um estado de natureza, o tomador de decisão sabe qual será o prêmio resultante. 10 Tomada de Decisão sem Experimentação • Prêmio: medida quantitativa do valor para o tomador de decisão das consequências do resultado. Ex. lucro • Se a consequência do resultado não se tornar completamente certa mesmo quando o estado da natureza é fornecido, o prêmio se torna um valor esperado. • Tabela de prêmios: usada comumente para fornecer o prêmio para cada combinação de uma ação e um estado de natureza. 11 Estrutura de Análise de Decisão 1. O tomador de decisão precisa escolher uma das alternativas de decisão. 2. A natureza escolherá então um dos estados de natureza possíveis. 3. Cada combinação de uma alternativa de decisão e um estado de natureza resultaria em um prêmio, que é dado como uma das entradas da tabela de prêmios. 4. Essa tabela de prêmios deverá ser usada para encontrar um alternativa ótima para o tomador de decisão de acordo com um critério apropriado. 12 Tomada de Decisão sem Experimentação • O tomador de decisão geralmente terá alguma informação que deveria ser levada em conta em relação à relativa probabilidade dos estados de natureza possíveis. • Essas informações podem ser traduzidas em uma distribuição probabilística (atuam como se os estados da natureza fosse uma variável aleatória) distribuição prévia. 13 Tomada de Decisão sem Experimentação • Distribuições prévias são normalmente subjetivas. Geralmente dependem da intuição ou experiência do indivíduo (decisor). • Probabilidade para os estados de natureza fornecidos pelas distribuição prévia são ditas probabilidades prévias. 14 Tomada de Decisão sem Experimentação 15 Estado de Natureza Alternativas Petróleo Seco 1 – Perfurar em busca de petróleo 700 -100 2 – Vender o terreno 90 90 Probabilidade Prévia 0,25 0,75 Critérios para encontrar alternativa ótima • Critério do Prêmio Mínimo Máximo. • Critério da Probabilidade Máxima. • Regra de Decisão de Bayes. 16 Critério do Prêmio Mínimo Máximo 1. Para cada uma das possíveis alternativas de decisão, encontre o prêmio mínimo ao longo de todos os estados de natureza possíveis. 2. Em seguida, encontre o máximo desses prêmios mínimos. 3. Escolha a alternativa cujo prêmio mínimo fornece esse máximo. 17 Critério do Prêmio Mínimo Máximo 18 Estado de Natureza Alternativas Petróleo Seco Mínimo 1 – Perfurar em busca de petróleo 700 -100 -100 2 – Vender o terreno 90 90 90 Probabilidade Prévia 0,25 0,75 Valor mínimo máximo Critério do Prêmio Mínimo Máximo • Independente de qual for o verdadeiro estado de natureza o prêmio obtido fornece a melhor garantia possível. • Ponto de vista pessimista, conservador, decisor cauteloso. 19 Critério da Probabilidade Máxima 1. Identifique o estado de natureza mais provável (maior probabilidade prévia). 2. Para esse estado de natureza, encontre a alternativa de decisão com o prêmio máximo. 3. Escolha essa alternativa de decisão. 20 Critério da Probabilidade Máxima 21 Estado de Natureza Alternativas Petróleo Seco 1 – Perfurar em busca de petróleo 700 -100 -100 2 – Vender o terreno 90 90 90 Probabilidade Prévia 0,25 0,75 Máximo nesta coluna Máximo Critério da Probabilidade Máxima • Estado de natureza mais importante é o mais provável. • Alternativa escolhida é a melhor para esse estado de natureza. • Não depende de estimativas questionáveis subjetivas das probabilidades dos respectivos estados de natureza a não ser identificar o estado mais provável. 22 Critério da Probabilidade Máxima • Ignora outro estado de natureza a não ser aquele mais provável (ignora informações relevantes) inconveniente. • Em problemas com diversos estados de natureza, a probabilidade do mais provável pode ser reduzida. 23 Regra de Decisão de Bayes • Comumente escolhido. 1. Usando as melhores estimativas disponíveis das probabilidades dos respectivos estados de natureza (no momento as probabilidades prévias), calcule o valor esperado do prêmio para cada uma das possíveis alternativas de decisão. 2. Escolha a alternativa de decisão com o prêmio esperado máximo. 24 Regra de Decisão de Bayes Estado de Natureza Alternativas Petróleo Seco 1 – Perfurar em busca de petróleo 700 -100 2 – Vender o terreno 90 90 Probabilidade Prévia 0,25 0,75 25 Regra de Decisão de Bayes E[Prêmio(perfuração)] = 0,25(700)+0,75(-100) = 100 E[Prêmio(venda)] = 0,25(90)+0,75(90) = 90 • Alternativa escolhida é perfuração (100 > 90).• Escolha diferente dos outros dois critérios. 26 Regra de Decisão de Bayes • Vantagem incorpora todas as informações disponíveis (prêmios, melhores estimativas disponíveis das probabilidades dos respectivos estados de natureza). • Argumento probabilidades altamente subjetivas, muito instáveis para confiar nelas. • Cada estimativa deve ser avaliada em cada situação individual. 27 Tomada de Decisão com Experimentação • Testes adicionais podem ser realizados para aperfeiçoar estimativas preliminares fornecidas pelas probabilidades prévias probabilidades posteriores. • Teorema de Bayes 28 Tomada de Decisão com Experimentação • Exemplo: • Levantamento sísmico custo US$ 30.000 • Possíveis descobertas: – USS: sondagens sísmicas desfavoráveis; presença de petróleo improvável. – FSS: sondagens sísmicas favoráveis; presença de petróleo provável. 29 Tomada de Decisão com Experimentação • Experiência passada: – P(USS / Estado = Petróleo) = 0,4 – P(FSS / Estado = Petróleo) = 1 - 0,4 = 0,6 – P(USS / Estado = Seco) = 0,8 – P(FSS / Estado = Seco) = 1 – 0,8 = 0,2 30 Tomada de Decisão com Experimentação 31 Tomada de Decisão com Experimentação • Após os cálculos, utilizar as probabilidades posteriores no lugar das probabilidades prévias. • Prêmio esperado caso USS (desfavoráveis) E[Prêmio(perfuração/Descoberta = USS)] = 0,14*(700)+0,86*(-100) - 30= -15,7 E[Prêmio(venda)/Descoberta = USS] = 0,14*(90)+0,86*(90) -30= 60 32 Tomada de Decisão com Experimentação • Prêmio esperado caso FSS (favoráveis) E[Prêmio(perfuração/Descoberta = FSS)] = 1/2*(700)+1/2*(-100) - 30= 270 E[Prêmio(venda)/Descoberta = FSS] = 1/2*(90)+1/2*(90) -30= 60 33 Tomada de Decisão com Experimentação 34 Descoberta do Levantamento Sísmico Alternativa Ótima Prêmio esperado excluindo custo de levantamento Prêmio esperado incluindo custo de levantamento USS Vender o terreno 90 60 FSS Perfurar em busca de petróleo 300 270 • Tabela não responde se vale a pena ou não realizar experimentação (levantamento sísmico). Tomada de Decisão com Experimentação • Valor da experimentação – Determinar seu valor potencial. – Dois métodos complementares para avaliar seu valor potencial: • Valor esperado da informação perfeita. • Valor esperado da experimentação. 35 Valor esperado da informação perfeita • Supõe que a experimentação eliminará toda a incerteza sobre qual será o verdadeiro estado de natureza informação “perfeita”. • Calcula o incremento resultante no prêmio esperado (ignorando o custo de experimentação). • O valor esperado da informação perfeita fornece um limite superior do valor potencial do experimento. 36 Valor esperado da informação perfeita • Se pudesse saber se o terreno contém ou não petróleo antes de fazer sua escolha, o prêmio esperado a partir de então (antes de conseguir essa informação) seria de US$ 242.500 (excluindo o custo do experimento gerador da informação). 37 Estado de Natureza Alternativas Petróleo Seco 1 – Perfurar em busca de petróleo 700 -100 2 – Vender o terreno 90 90 Prêmio Máximo 700 90 Probabilidade Prévia 0,25 0,75 Prêmio esperado com informação perfeita = 0,25(700) + 0,75(90) = 242,5 Valor esperado da informação perfeita • Para avaliar se o experimento deve ser conduzido ou não, usamos o prêmio esperado com a informação perfeita para calcular o valor esperado da informação perfeita. Valor esperado da informação perfeita = prêmio esperado com informação perfeita – prêmio esperado sem experimentação 38 Valor esperado da informação perfeita • Exemplo: • Prêmio esperado sem experimentação segundo a regra de decisão de Bayes é US$ 100. • Valor esperado da informação perfeita = 242,5 – 100 = 142,5 • Como 142,5 excede 30 ( custo da experimentação – levantamento sísmico) pode valer a pena realizar a experimentação. 39 Valor esperado da informação perfeita • Como a experimentação normalmente não é capaz de fornecer informações perfeitas, o valor esperado da informação perfeita fornece um limite superior do valor esperado da experimentação. • Portanto, se esse limite for menor que o custo do experimento, este deve ser descartado. • Se esse limite superior exceder o custo do experimento, então devemos usar o segundo método (mais lento) em seguida. 40 Valor esperado da informação perfeita • Exemplo • Vamos admitir agora que alguém ofereça a um feirante a informação perfeita de antemão. • Todo sábado, esse alguém diz ao feirante qual será a demanda por melões no domingo. • O feirante não pode alterar a demanda, mas pode tirar o melhor proveito possível da situação. 41 Valor esperado da informação perfeita • Por exemplo, se ele sabe que num particular domingo a demanda será apenas de 50 melões, essa é a quantia que ele irá comprar. • Ele sempre comprará exatamente o que ele irá vender. • Quando a demanda for de 50 melões, o feirante lucrará R$ 100,00, quando a demanda for de 100 melões ele lucrará R$ 200,00 e, finalmente, quando a demanda for de 150 melões, ele lucrará R$ 300,00. Ocorre que: 42 Valor esperado da informação perfeita • o feirante lucrará R$ 100,00 em 35% das oportunidades; • lucrará R$ 200,00 em 45% das oportunidades; • lucrará R$ 300,00 em 20% das oportunidades. • Pois estas são as chances das demandas de 50, 100 e 150 melões. O feirante não pode interferir nos estados da natureza, ele apenas os conhece de antemão. 43 Valor esperado da informação perfeita • De posse da informação perfeita, o lucro médio do feirante será:(100) (0.35) + (200) (0.45) + (300) (0.20) = 185 • O feirante ganha agora R$ 185,00 contra R$ 130,00 que ganhava quando não havia a informação perfeita. • Pela definição, o valor esperado da informação perfeita = 185 – 130 = 55 44 Valor esperado da experimentação • Esse método calcula a melhoria real no prêmio esperado (ignorando o custo do experimento) que resultaria da realização do experimento. • Esse cálculo requer encontrar as probabilidades posteriores, a política ótima com experimentação e o prêmio esperado (sem o custo do experimento). 45 Valor esperado da experimentação • Cada um desses prêmios esperados deve ser ponderado pela probabilidade da descoberta. Prêmio esperado com experimentação = ∑P(Descoberta = descoberta j) * E[Prêmio/Descoberta = Descoberta j] 46 Valor esperado da experimentação • Exemplo: – P(USS) = 0,7 – P(FSS) = 0,3 – Política ótima com experimentação • E(Prêmio/Descoberta = USS) = 90 • E(Prêmio/Descoberta = FSS) = 300 – Prêmio esperado com experimentação = 0,7*90 + 0,3*300 = 153 47 Valor esperado da experimentação Valor esperado da experimentação = prêmio esperado com experimentação – prêmio esperado sem experimentação • Exemplo • Valor esperado da experimentação = 153 – 100 = 53 • Valor esperado da experimentação excede 30 (custo da experimentação) experimentação deve ser realizada. 48 Teoria da Decisão • Os problemas de decisão podem ser classificados de acordo com o maior ou menor conhecimento que temos acerca dos estados da natureza. Podem ocorrer três casos: – Decisão Tomada Sob Certeza – Decisão Tomada Sob Risco – Decisão Tomada Sob Incerteza 49 Decisão Tomada Sob Certeza • Sabe-se exatamente qual é o estado da natureza que vai ocorrer ou, de algumaforma, conhece-se com certeza todos os dados do problema. • Pode ocorrer ainda que possa admitir como constantes ou muito pouco variáveis todos os dados numéricos do problema. 50 Decisão Tomada Sob Risco • Não se sabe exatamente qual estado da natureza irá ocorrer, mas pode-se associar a cada um deles uma probabilidade de ocorrência. • Essa probabilidade pode ser atribuída tanto de forma objetiva (frequencialista) como de forma subjetiva. 51 Decisão Tomada sob Incerteza • Não se sabe exatamente qual estado da natureza irá ocorrer e, pior ainda, nem mesmo conseguimos associar quais probabilidades de ocorrência aos estados da natureza. 52 Referência • Hillier, F. S.; Lieberman, G. J. Introdução à Pesquisa Operacional. 9 ed. São Paulo: McGraw Hill, 2013. 53
Compartilhar