November 2
alberi decisionali sono diagrammi che tentano di visualizzare la gamma di possibili risultati e le successive decisioni prese dopo una decisione iniziale. Ad esempio, la decisione iniziale potrebbe essere fatto per frequentare il college, e l'albero potrebbe tentare di mostrare quanto tempo sarebbe trascorso facendo attività diverse e la vostra capacità di guadagno basato sulla vostra decisione. Ci sono diversi vantaggi notevoli e contro di utilizzare alberi di decisione.
Uno degli aspetti più utili di alberi di decisione è che ti costringono a prendere in considerazione il maggior numero di possibili risultati di una decisione, come si può pensare. Può essere pericoloso per prendere decisioni sperone-of-the-moment senza considerare la gamma di conseguenze. Un albero di decisione può aiutare a pesare le probabili conseguenze di una decisione contro un altro. In alcuni casi, può anche aiutare a stimare payoff attesi delle decisioni. Ad esempio, se si crea un dollaro stime di valore di tutti i risultati e le probabilità associate a ogni risultato è possibile utilizzare questi numeri per calcolare quale decisione iniziale porterà alla più grande guadagno finanziario medio. Gli alberi decisionali forniscono un quadro di prendere in considerazione la probabilità e vincite delle decisioni, che può aiutare ad analizzare la decisione di rendere possibile la decisione più informata.
Un inconveniente di utilizzare alberi di decisione è che i risultati delle decisioni, decisioni e vincite successive possono essere basati principalmente sulle aspettative. Quando le decisioni vengono prese, i profitti e le conseguenti decisioni non possono essere le stesse di quelle che si & # 039; ve previsto per. Può essere impossibile pianificare tutti i rischi che possono insorgere come risultato di una decisione. Questo può portare a un albero decisionale realistico che si potrebbe guidare verso una cattiva decisione. Inoltre, gli eventi imprevisti possono alterare le decisioni e cambiare i profitti in un albero decisionale. Ad esempio, se si prevede che i tuoi genitori pagheranno la metà del college, quando si decide di andare a scuola, ma poi scoprire che si dovrà pagare per tutto il vostro insegnamento, il tuo payoff attesi saranno radicalmente diverso da quello della realtà.
alberi di decisione sono relativamente facili da capire quando ci sono poche decisioni e risultati inseriti nella struttura. Grandi alberi che comprendono decine di nodi decisionali (punti in cui sono fatte nuove decisioni) possono essere contorto e possono avere valore limitato. I più decisioni ci sono in un albero, meno accurata eventuali risultati attesi sono suscettibili di essere. Per esempio, se si effettua una mappatura albero fuori la decisione di andare al college, probabilmente vinto & # 039; t essere in grado di prevedere con precisione le probabilità che verranno effettuati più di $ 100.000 in dieci anni, ma si potrebbe essere in grado di stimare con precisione la vostra capacità di guadagno dopo aver ottenuto il college.