Teoria delle Decisioni 1

Teoria delle Decisioni

Metodologia che si applica quando un decisore pu`o scegliere tra
varie azioni future il cui esito dipende da fattori esterni che non
possono essere previsti esattamente
Finanza: scelta del portafogli azionario
incertezza sul valore futuro delle azioni
Marketing: sviluppo nuovi prodotti; campagne promozionali
incertezza sulla risposta dei clienti
Ricerca e Sviluppo: opportunit`a di eettuare ricerche
il costo della ricerca potrebbe superare gli ulteriori guadagni
Gare di appalto: denizione del prezzo di un oerta
il prezzo potrebbe essere troppo alto per vincere
oppure troppo basso per coprire costi ancora incerti
Trivellazioni Petrolifere: dove e quando eettuarle ?
incertezza sulle dimensioni dei giacimenti
Revisione Pretolani 2009 c Mauro DellAmico
Teoria delle Decisioni 2
Esempio: introduzione di un nuovo prodotto;
4 possibili modelli: A,B,C,D
3 possibili livelli di domanda: Basso, Medio, Alto
Protti stimati
Livello della Domanda
Modello Basso Medio Alto
A 200.000 350.000 600.000
B 250.000 350.000 540.000
C 300.000 375.000 490.000
D 300.000 350.000 470.000
In generale:
Stati di Natura
Azioni S
1
S
2
.... S
n
D
1
a
11
a
12
.... a
1n
D
2
a
21
a
22
.... a
2n
... ... ... .... ...
D
m
a
m1
a
m2
.... a
mn
a
ij
: payo (ritorno atteso) dalla decisione D
i
se si verica lo stato
di natura S
j
Una decisione D
i
domina una decisione D
k
se
a
ij
a
kj
, j = 1, . . . , n;
la decisione dominata D
k
viene scartata
Esempio: la decisione D `e dominata dalla decisione C.
Revisione Pretolani 2009 c Mauro DellAmico
Teoria delle Decisioni 3
Criteri che Non Utilizzano Probabilit`a
MAXMIN (o del pessimismo)
Si sceglie la decisione che massimizza il minimo payo
m
i
= min
j=1,...,n
{a
ij
} minimo payo della decisione D
i
si sceglie D
k
: m
k
= max
i
{m
i
}
Livello della Domanda
Modello Basso Medio Alto m
i
A 200.000 350.000 600.000 200.000
B 250.000 350.000 540.000 250.000
C 300.000 375.000 490.000 300.000 m
k
MAXMAX (o dellottimismo)
Si sceglie la decisione che massimizza il massimo payo
M
i
= max
j=1,...,n
{a
ij
} massimo payo della decisione D
i
si sceglie D
k
: M
k
= max
i
{M
i
}
Livello della Domanda
Modello Basso Medio Alto M
i
A 200.000 350.000 600.000 600.000 M
k
B 250.000 350.000 540.000 540.000
C 300.000 375.000 490.000 490.000
Revisione Pretolani 2009 c Mauro DellAmico
Teoria delle Decisioni 4
MINMAX REGRET
Si sceglie la decisione che minimizza la massima perdita di
opportunit`a
La perdita di opportunit`a della decisione D
i
se si avvera lo stato S
j
`e:
r
ij
= max
h
{a
hj
} a
ij
R
i
= max
j=1,...,n
r
ij
massima perdita della decisione D
i
si sceglie D
k
: R
k
= min
i
{R
i
}
Livello della Domanda
Modello Basso Medio Alto
A 200.000 350.000 600.000
B 250.000 350.000 540.000
C 300.000 375.000 490.000
Tabella delle perdite di opportunit`a r
ij
Livello della Domanda
Modello Basso Medio Alto R
i
A 100.000 25.000 0 100.000
B 50.000 25.000 60.000 60.000 R
k
C 0 0 110.000 110.000
Revisione Pretolani 2009 c Mauro DellAmico
Teoria delle Decisioni 5
Inadeguatezza dei criteri
MAXMIN
Decisioni Stati di natura
D
1
1 200 100 345 410
D
2
1 100 200 270 450
D
3
2 5 5 5 5
MAXMAX
Decisioni Stati di natura
D
1
101 1 1 1 1
D
2
100 99 98 99 99
D
3
100 98 99 99 99
MINMAX REGRET
Decisioni Stati di natura
D
1
40 1000 1000 1000 1000
D
2
50 50 50 50 50
D
3
1000 40 1000 1000 1000
Tabella delle perdite di opportunit`a
Decisioni Stati di natura R
i
D
1
960 0 0 0 0 960
D
2
950 950 950 950 950 950
D
3
0 960 0 0 0 960
Revisione Pretolani 2009 c Mauro DellAmico
Teoria delle Decisioni 6
Criteri che Utilizzano Probabilit`a
Stati di Natura
S
1
S
2
.... S
n
Azioni p
1
p
2
.... p
n
D
1
a
11
a
12
.... a
1n
D
2
a
21
a
22
.... a
2n
... ... ... .... ...
D
m
a
m1
a
m2
.... a
mn
p
j
= probabilit`a del vericarsi dello stato S
j
Valore monetario atteso
Expected Monetary Value (EMV)
Si sceglie la decisione che massimizza il payo medio
E
i
=
n

j=1
a
ij
p
j
valore atteso della decisione D
i
si sceglie D
k
: E
k
= max
i
{E
i
}
Livello della Domanda
Basso Medio Alto
Modello 0.1 0.5 0.4 E
i
A 200.000 350.000 600.000 435.000 E
k
B 250.000 350.000 540.000 416.000
C 300.000 375.000 490.000 413.500
Revisione Pretolani 2009 c Mauro DellAmico
Teoria delle Decisioni 7
Valore atteso della perdita di opportunit`a (regret)
Expected Opportunity Loss (EOL)
Si sceglie la decisione che minimizza la perdita media
ER
i
=
n

j=1
r
ij
p
j
valore atteso del regret della D
i
si sceglie D
k
: ER
k
= min
i
{ER
i
}
Livello della Domanda
Basso Medio Alto
Modello 0.1 0.5 0.4 ER
i
A 100.000 25.000 0 22.500 ER
k
B 50.000 25.000 60.000 41.500
C 0 0 110.000 44.000
Si dimostra che EMV e EOL sono criteri equivalenti
a

j
= max
h=1,...,m
{a
hj
} payo della decisione ottima per lo stato S
j
min
i
{ER
i
} = min
i
n

j=1
r
ij
p
j
= min
i
n

j=1
(a

j
a
ij
)p
j
= min
i

j=1
a

j
p
j

j=1
a
ij
p
j

=
n

j=1
a

j
p
j
+ min
i
{E
i
}
= P

max
i
{E
i
}
cio`e EOL = P

EMV, dove P

`e una costante del problema

(300.000 0.1 +375.000 0.5 +600000 0.4) max(435.000, 416.000, 413.000) =
(457.500) 435.000 = 22.500
Revisione Pretolani 2009 c Mauro DellAmico
Teoria delle Decisioni 8
Valore dellInformazione Perfetta
Expected Value of Perfect Information (EVPI)
Quanto saremmo disposti a spendere per sapere con certezza lo
stato di natura futuro?
il costo dellinformazione non deve superare il vantaggio
economico che ne deriva
senza informazione utilizziamo EMV
Attenzione: possiamo conoscere, non scegliere lo stato di natura!
Siamo chiaroveggenti (o spie) non maghi (o corruttori)
per noi, ogni stato S
j
ha probabilit`a p
j
di essere quello futuro
se lo stato futuro `e S
j
il nostro payo `e a

j
= max
h=1,...,m
{a
hj
}
P

=
n

j=1
a

j
p
j
: payo atteso se decidiamo di acquisire linformazione
perfetta (costante del problema)
Dunque per acquisire linformazione perfetta saremo disposti a
spendere al massimo EVPI = P

EMV
Notare che EVPI = EOL, cio`e, EVPI `e la perdita di opportunit`a
che si ha usando EMV; infatti, se k `e la decisione presa con EMV :
EVPI = P

EMV =
n

j=1
a

j
p
j

j=1
a
kj
p
j
=
n

j=1
p
j
(a

j
a
kj
) =
n

j=1
p
j
r
kj
= EOL
Revisione Pretolani 2009 c Mauro DellAmico
Teoria delle Decisioni 9
Utilizzo di Informazioni Campionarie
Una ricerca di mercato fornisce indicazioni circa lo stato di
natura pi` u probabile
La ricerca di mercato (fatta su un campione) non `e infallibile:
Stati di Natura
Esito della
Ricerca S
1
S
2
.... S
n
S
1
q
11
q
12
.... q
1n
S
2
q
21
q
22
.... q
2n
... ... ... .... ...
S
n
q
n1
q
n2
.... q
nn
q
ij
= Pr(S
i
|S
j
):
probabilit`a che la ricerca
indichi come stato pi` u
probabile S
i
se lo stato
vero `e S
j
Pr(x|y) = probabilit`a condizionata di x dato y
La tabella [q
ij
] si costruisce con dati storici su ricerche analoghe
Si utilizza linformazione campionaria per modicare le probabilit`a
associate agli stati di natura; se la ricerca indica come stato pi` u
probabile, si sostituisce ciascun p
j
= Pr(S
j
) con Pr(S
j
|):
p
j
Pr(S
j
|) =
Pr(|S
j
) Pr(S
j
)
Pr()
Nel calcolo di Pr(S
j
|), Pr(|S
j
) si ottiene dalla tabella [q
ij
], mentre
Pr() si ottiene tramite il Teorema di Bayes:
Sia S
1
, . . . , S
n
una partizione di un dato spazio degli eventi e un
evento casuale, allora vale:
Pr() =
n

j=1
Pr(|S
j
) Pr(S
j
)
Revisione Pretolani 2009 c Mauro DellAmico
Teoria delle Decisioni 10
Stati di Natura
0.1 0.5 0.4
Esito Basso Medio Alto
Basso 0.6 0.3 0.1
Medio 0.2 0.3 0.2
Alto 0.2 0.4 0.7
Tabella [q
ij
]
q
ij
= Pr(Esito
i
|Stato
j
)
Pr(Basso ) = 0.6 0.1 + 0.3 0.5 + 0.1 0.4 = 0.25
Pr(Basso|Basso ) =
Pr(Basso |Basso) Pr(Basso)
Pr(Basso )
=
0.6 0.1
0.25
= 0.24
Pr(Medio|Basso ) =
Pr(Basso |Medio) Pr(Medio)
Pr(Basso )
=
0.3 0.5
0.25
= 0.60
Pr(Alto|Basso ) =
Pr(Basso |Alto) Pr(Alto)
Pr(Basso )
=
0.1 0.4
0.25
= 0.16
Livello della Domanda = Basso
Basso Medio Alto
Modello 0.24 0.60 0.16 E
i
A 200.000 350.000 600.000 354.000
B 250.000 350.000 540.000 356.400
C 300.000 375.000 490.000 375.400 EMV
Esiti della Ricerca
Modello Basso Medio Alto
A 354.000 418.000 484.000
B 356.400 402.800 452.400
C 375.400 405.800 436.400
Tabella dei valori attesi
per i tre possibili esiti
della ricerca
Revisione Pretolani 2009 c Mauro DellAmico
Teoria delle Decisioni 11
Valore atteso dellinformazione campionaria (EVSI)
Quanto saremmo disposti a spendere per linformazione
campionaria?
EV SI: dierenza tra il valore atteso della decisione ottima con
informazione campionaria e senza
Lesito della analisi di mercato non `e noto a priori
Sia EMV
j
il valore atteso nel caso in cui lanalisi di mercato indica
come stato pi` u probabile = S
j
La probabilit`a Pr(S
j
) che sia = S
j
viene calcolata usando il
Teorema di Bayes
Allora il ritorno monetario atteso con lanalisi di mercato `e:
n

j=1
Pr(S
j
) EMV
j
Nellesempio:
0.25 375.400 + 0.25 418.000 + 0.5 484.000 = 440.350
dunque EVSI = 440.350 435.000 = 5.350
Ecienza dellinformazione campionaria
EV SI
EV PI
=
5.350
22.500
0.24
Revisione Pretolani 2009 c Mauro DellAmico
Teoria delle Decisioni 12
Alberi di decisione
Metodologia che utilizza una rappresentazione graca delle
decisioni e degli stati di natura

d
d
d
nodo quadrato
punto in cui si deve
eettuare una decisone
`
_

d
d
d
nodo circolare
punto da cui si dipartono
possibili stati di natura
a sinistra c`e la radice che `e associata al risultato del calcolo
allestrema destra ci sono le foglie associate ai payo
Il calcolo procede da destra a sinistra
`
_
`
_
`
_

d
d
d
d
d
d
d
d

d
d

d
d

d
d
Modello C
Modello B
Modello A
Alta (0.4)
Media (0.5)
Bassa (0.1)
Alta (0.4)
Media (0.5)
Bassa (0.1)
Alta (0.4)
Media (0.5)
Bassa (0.1)
490.000
375.000
300.000
540.000
350.000
250.000
600.000
350.000
200.000
E
C
=413.500
E
B
=416.000
E
A
=435.000
EMV=
435.000
Modelli Livello
domanda
Payoff
Revisione Pretolani 2009 c Mauro DellAmico
Teoria delle Decisioni 13

e
e
e
e
e
e
e
e
e
_

e
e
e
e
e
e
e
e
e
e
e
e
e
e
e
e
ee
Nessuna
ricerca
Ricerca di
mercato
Costo ricerca
2.500
EMV=437.850
(440.350-2.500)
Basso (0.25)
Medio (0.25)
Alto (0.50)
EMV=
437.850
_
_
_

d
d
d
d
d
d

d
d

d
d

d
d
Modello A
Modello B
Modello c
Alta (0.4)
Media (0.5)
Bassa (0.1)
Alta (0.4)
Media (0.5)
Bassa (0.1)
Alta (0.4)
Media (0.5)
Bassa (0.1)
490.000
375.000
300.000
540.000
350.000
250.000
600.000
350.000
200.000
E
C
=413.500
E
B
=416.000
E
A
=435.000
EMV
435.000
_
_
_

d
d
d
d
d
d

d
d

d
d

d
d
Modello C
Modello B
Modello A
Alta (0.04)
Media (0.40)
Bassa (0.56)
Alta (0.04)
Media (0.40)
Bassa (0.56)
Alta (0.04)
Media (0.40)
Bassa (0.56)
490.000
375.000
300.000
540.000
350.000
250.000
600.000
350.000
200.000
E
C
=436.400
E
B
=452.400
E
A
=484.000
EMV
484.000
_
_
_

d
d
d
d
d
d

d
d

d
d

d
d
Modello C
Modello B
Modello A
Alta (0.32)
Media (0.60)
Bassa (0.08)
Alta (0.32)
Media (0.60)
Bassa (0.08)
Alta (0.32)
Media (0.60)
Bassa (0.08)
490.000
375.000
300.000
540.000
350.000
250.000
600.000
350.000
200.000
E
C
=405.800
E
B
=402.800
E
A
=418.000
EMV
418.000
_
_
_

d
d
d
d
d
d

d
d

d
d

d
d
Modello C
Modello B
Modello A
Alta (0.16)
Media (0.60)
Bassa (0.24)
Alta (0.16)
Media (0.60)
Bassa (0.24)
Alta (0.16)
Media (0.60)
Bassa (0.24)
490.000
375.000
300.000
540.000
350.000
250.000
600.000
350.000
200.000
E
C
=375.400
E
B
=356.400
E
A
=354.000
EMV
375.400
Revisione Pretolani 2009 c Mauro DellAmico
Teoria delle Decisioni 14
Software house: maggioranza dei programmi sviluppati in DOS
Problema: conviene trasformare i programmi DOS in UNIX ?
Probabile evoluzione del mercato
Cresce UNIX Stazionario Cresce DOS
0.3 0.5 0.2
Costo trasformazione programmi DOS in UNIX: 20M
Guadagni attesi con la trasformazione in UNIX
Cresce UNIX Stazionario Cresce DOS
Con trasformazione UNIX 170M 100M 80M
Senza trasformazione 70M 100M 150M
Nel caso non si eettui la trasformazione e cresca la domanda di
programmi DOS si ipotizza di sviluppare nuovi programmi con un
investimento di 50M;
probabilit`a di successo = 60%; guadagno aggiuntivo = 70M;

d
d
d
d
d
d
d
d
d
d
d _

e
e
e
e
e
e
e

t
t
t
t
_

d
d
d
_

d
d
d
220M
150M
150M
Successo
(0.6)
Fallimento
(0.4)
EMV:
192M
Nuovi Prodotti
-50M
Prodotti standard
EMV:
150M
Stazionario (0.5)
Cresce UNIX (0.3)
Cresce DOS
(0.2)
100M
70M
EMV:
101M
Cresce UNIX (0.3)
Stazionario (0.5)
Cresce DOS (0.2)
170M
100M
80M
EMV:
117M
Trasformazione
in UNIX: -20M
Nessuna
trasformazione
EMV:
101M
Revisione Pretolani 2009 c Mauro DellAmico
Teoria delle Decisioni 15
Funzioni di Utilit`a
Tecnica che tiene conto dellinclinazione al rischio del decisore
Scelta tra due investimenti: BOT a tasso sso e azioni
Andamento del Mercato
Rialzo Stazionario Ribasso
Probabilit`a 0.6 0.2 0.2
BOT 1.200 1.200 1.200
Azioni 2.500 500 -1.000
E
BOT
= 1.200
E
Azioni
= 2.500 0.6 + 500 0.2 1000 0.2 = 1.400
Il criterio EMV suggerisce di acquistare azioni, ma se linve-
stitore non ha buone disponibilit`a nanziarie sceglie i BOT
Utilit`a: misura del valore di un azione, attribuito soggettiva-
mente dal decisore considerando guadagni e rischi
Alla tabella dei payo si sostituisce una Tabella di utilit`a
Revisione Pretolani 2009 c Mauro DellAmico
Teoria delle Decisioni 16
Costruzione di Funzioni di Utilit`a
sulle ascisse i payo
sulle ordinate il grado di utilit`a normalizzato tra 0 e 1
si costrusce per punti individuando lutilit`a di ogni payo
a
min
= payo minimo; a
max
= payo massimo; a
i
= payo corrente
Lutilit`a del payo a
i
si individua rispondendo alla domanda:
preferisci quadagnare a
i
con certezza oppure a
max
con
probabilit`a p e a
min
con probabilit`a (1 p) ?
iterativamente, con vari valori di p, sino a trovare il punto di
indierenza: il valore di p corrispondente `e lutilit`a di a
i
Esempio:
dom.: preferisci quadagnare 500 con certezza oppure 2500 con
probabilit`a 50% e perdere 1000 con probabilit`a 50% ?
risp.: guadagnare 500 (EMV = 750)
dom.: preferisci quadagnare 500 con certezza oppure 2500 con
probabilit`a 75% e perdere 1000 con probabilit`a 25% ?
risp.: rischiare (EMV = 1450)

dom.: preferisci quadagnare 500 con certezza oppure 2500 con
probabilit`a 60% e perdere 1000 con probabilit`a 40% ?
risp.: indierente (EMV = 1100)
lutilit`a di 500 `e 0.6
Revisione Pretolani 2009 c Mauro DellAmico
Teoria delle Decisioni 17
Possibili risposte del decisore
payo punto di pareggio
-1.000 0 (

a
min
)
500 60%
1.200 80%
2.500 100% (

a
max
)
Funzione di utilit`a
E
T
-1000 500 1200 2500
0
0.60
0.80
1.00
g
g
g
g
Tabella delle utilit`a
Andamento del Mercato
Rialzo Stazionario Ribasso
Probabilit`a 0.6 0.2 0.2 E
i
BOT 80 80 80 80
Azioni 100 60 0 72
Revisione Pretolani 2009 c Mauro DellAmico
Teoria delle Decisioni 18
Forma delle Funzioni di Utilit`a
E
T
utilit`a
payo
Avversione al rischio
E
T
utilit`a
payo
Propensione al rischio
E
T
utilit`a
payo

Indifferenza
Revisione Pretolani 2009 c Mauro DellAmico