Introducció

Un arbre de decisions és una eina visual i analítica que ajuda a prendre decisions mostrant les diferents opcions disponibles i les seves possibles conseqüències en forma d'un diagrama d'arbre. Aquesta tècnica és especialment útil per a decisions complexes que impliquen múltiples etapes i incerteses.

Components d'un Arbre de Decisions

  1. Node de Decisió: Representa un punt on s'ha de prendre una decisió. Es dibuixa com un quadrat.
  2. Branques: Representen les diferents alternatives o opcions disponibles a partir d'un node de decisió.
  3. Node d'Esdeveniment: Representa un punt on es produeix un esdeveniment incert. Es dibuixa com un cercle.
  4. Fulles: Representen els resultats finals de les decisions i esdeveniments. Es dibuixen com triangles.

Passos per Crear un Arbre de Decisions

  1. Identificar la Decisió a Prendre: Clarificar quin és el problema o la decisió que s'ha de resoldre.
  2. Dibuixar el Node de Decisió Inicial: Representar el punt de partida de la decisió amb un quadrat.
  3. Afegir les Alternatives: Dibuixar les branques que surten del node de decisió inicial, cadascuna representant una opció diferent.
  4. Afegir Nodes d'Esdeveniment: Per cada alternativa, identificar els possibles esdeveniments incerts i dibuixar-los com cercles.
  5. Afegir Resultats Finals: Dibuixar les fulles que representen els resultats finals de cada camí possible.
  6. Assignar Probabilitats i Valors: Si és possible, assignar probabilitats als nodes d'esdeveniment i valors (com costos o beneficis) als resultats finals.
  7. Avaluar i Seleccionar la Millor Alternativa: Utilitzar l'arbre per avaluar les opcions i seleccionar la millor alternativa basada en els valors i probabilitats assignats.

Exemple d'Arbre de Decisions

Situació: Decisió sobre l'Expansió d'una Empresa

  1. Node de Decisió Inicial: Decidir si expandir-se o no.

    • Alternativa 1: Expandir-se
    • Alternativa 2: No expandir-se
  2. Nodes d'Esdeveniment per a l'Alternativa 1:

    • Esdeveniment 1: L'expansió té èxit (probabilitat 0.6)
    • Esdeveniment 2: L'expansió fracassa (probabilitat 0.4)
  3. Resultats Finals:

    • Èxit de l'expansió: Benefici de 1.000.000 €
    • Fracàs de l'expansió: Pèrdua de 500.000 €
    • No expandir-se: Benefici de 200.000 €

Diagrama

[Decisió: Expandir-se?]
       /       \
   Sí /         \ No
     /           \
[Èxit]         [Benefici: 200.000 €]
  /   \
0.6 /     \ 0.4
  /         \
[Benefici: 1.000.000 €] [Pèrdua: 500.000 €]

Exercici Pràctic

Situació: Decisió sobre la Inversió en un Nou Producte

  1. Node de Decisió Inicial: Decidir si invertir en el nou producte o no.

    • Alternativa 1: Invertir
    • Alternativa 2: No invertir
  2. Nodes d'Esdeveniment per a l'Alternativa 1:

    • Esdeveniment 1: El producte té èxit (probabilitat 0.7)
    • Esdeveniment 2: El producte fracassa (probabilitat 0.3)
  3. Resultats Finals:

    • Èxit del producte: Benefici de 500.000 €
    • Fracàs del producte: Pèrdua de 200.000 €
    • No invertir: Benefici de 100.000 €

Tasca

  1. Dibuixa l'arbre de decisions per aquesta situació.
  2. Assigna les probabilitats i els valors als nodes i resultats finals.
  3. Calcula el valor esperat per a cada alternativa.
  4. Selecciona la millor alternativa basada en el valor esperat.

Solució

  1. Arbre de Decisions:
[Decisió: Invertir en el nou producte?]
       /       \
   Sí /         \ No
     /           \
[Èxit]         [Benefici: 100.000 €]
  /   \
0.7 /     \ 0.3
  /         \
[Benefici: 500.000 €] [Pèrdua: 200.000 €]
  1. Càlcul del Valor Esperat:

    • Invertir:
      • Valor esperat = (0.7 * 500.000 €) + (0.3 * -200.000 €) = 350.000 € - 60.000 € = 290.000 €
    • No invertir:
      • Valor esperat = 100.000 €
  2. Selecció de la Millor Alternativa:

    • La millor alternativa és invertir en el nou producte, ja que el valor esperat (290.000 €) és superior al de no invertir (100.000 €).

Conclusió

Els arbres de decisions són una eina poderosa per visualitzar i analitzar les opcions disponibles i les seves conseqüències. A través d'un procés estructurat, es poden prendre decisions informades i basades en dades, minimitzant la incertesa i maximitzant els beneficis potencials.

© Copyright 2024. Tots els drets reservats