Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Critrio de Minimizao:
{ }
{ } { }
ij ij
ij
ij ij
Max x x
x
Max x Min x
Aps este processo, a "pior" alternativa recebe valor 0 e a "melhor" 1 em cada critrio.
Feito isso, cada critrio recebe um peso
i
, que representa sua importncia, e tem como
condio que
i
= 1.
O prximo passo somar para cada alternativa o valor do critrio multiplicado pelo seu
peso.
Com os resultados encontrados so ordenadas as alternativas.
Aplicao:
Neste mtodo o critrio "Qualidade", por ser qualitativo, foi descartado. Vamos
considerar que os dois critrios tm pesos iguais, isto ,
1
e
2
iguais a 0,5.
Alternativas
Custo
(
1
= 0,5)
Funcionalidade
(
2
= 0,5)
Soma
Ponderada
A1
14000 11000
1
14000 11000
7 3 2
9 3 3
0,833
A2
14000 14000
0
14000 11000
9 3
1
9 3
0,500
A3
14000 13000 1
14000 11000 3
5 3 1
9 3 3
0,333
A4
14000 12000 2
14000 11000 3
3 3
0
9 3
0,333
A5
14000 12000 2
14000 11000 3
6 3 1
9 3 2
0,583
Tabela 2.2: Dados normalizados e soma ponderada
A ordenao obtida foi A1, A5, A2, A3 e A4.
Anlise de Sensibilidade
possvel realizar uma anlise de sensibilidade dos pesos em problemas com 2
critrios.
Sabemos que
1
+
2
= 1, ento
2
= 1
1
. Substituindo essa equao nas somas
ponderadas de cada alternativa temos:
Pesquisa Operacional II Teoria da Deciso
Prof Lidia 8
Alternativas Soma Ponderada
A1
1 2 1
2 1 2
3 3 3
+ +
A2
2 1
1
A3
1 2
1 1 1
3 3 3
+
A4
1 1
2 2
3 3
A5
1 2 1
2 1 1 1
3 2 6 2
+ +
Tabela 2.3: Soma ponderada
Figura 2.3: Grfico da Anlise de Sensibilidade
Determinando a interseo entre A1 e A2 temos:
1 2 1
2 1
1
3 4
= +
Sendo assim, conclumos que:
Para
1
<
1
4
a melhor alternativa A2.
Para
1
=
1
4
a melhor alternativa A2 ou A1.
Para
1
>
1
4
a melhor alternativa A1.
Para ordenar as outras alternativas, basta traar a partir da melhor alternativa uma linha
perpendicular ao eixo das ordenadas. A ordenao se d conforme essa linha corta as
linhas das alternativas. Por exemplo, em
1
=
1
4
temos a seguinte ordenao: A1 e A2,
A5, A3, A4.
Pesquisa Operacional II Teoria da Deciso
Prof Lidia 9
2.6 Deciso com Incerteza
O ambiente empresarial muito dinmico. Dentro dele podemos nos deparar com vrias
situaes onde temos que tomar uma deciso imediata sobre um determinado assunto
sem conhecer como o mercado vai ser comportar. As tcnicas que sero apresentadas
servem para auxiliar a tomada de deciso neste tipo de problema.
Na deciso com incerteza, os dados dependem de cenrios. A distribuio de
probabilidade associada aos cenrios no conhecida. A matriz abaixo apresenta as
informaes bsicas para resoluo deste problema:
1 2 n
S S S
1 1 1 2 1 1
2 1 2 2 2 2
1 2 m
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
n
n
m m m n
v a ,S v a ,S v a ,S a
v a ,S v a ,S v a ,S a
v a ,S v a ,S v a ,S a
| |
|
|
|
|
|
\ .
(2.2)
onde a
i
representa a alternativa i com i = 1, 2, ...,m; S
j
representa o cenrio j com j = 1,
2, ..., e v(a
i
,
S
j
) o resultado ou conseqncia associada a ao a
i
e ao cenrio S
j
.
Nas prximas sees, sero mostradas abordagens para resolver problema de deciso
com incerteza.
2.6.1 Exemplo
O plano de urbanizao de uma rea residencial prev a construo da infra-estrutura de
saneamento bsico que inclui o abastecimento de gua e o tratamento de esgotos. O
projeto depende da populao que ir residir na rea e da economia do setor. Existem 4
opes de ao a ser tomada e 4 cenrios possveis: (a) estagnao econmica; (b)
crescimento moderado; (c) crescimento gradual e; (d) crescimento forte. A partir dos
custos apresentados qual ser a ao tomada?
a b c d
A1 150 270 350 470
A2 225 225 375 425
A3 300 300 300 400
A4 450 450 450 450
| |
|
|
|
|
|
\ .
(2.3)
2.6.2 Regra Otimista
Na regra otimista para problemas de minimizao determinamos o do menor valor de
cada alternativa e depois o menor de todos eles. Buscamos o
( ) { }
,
i j
a S i j
Min min v a S .
Para problemas de maximizao determinamos o maior valor de cada alternativa e
depois o maior de todos eles. Buscamos o
( ) { }
,
i j
a S i j
Max max v a S .
Esta regra considera que o resto do mundo conspira a favor do decisor.
Aplicao:
Pesquisa Operacional II Teoria da Deciso
Prof Lidia
10
min
A1 150
A2 225
A3 300
A4 450
| |
|
|
|
|
|
\ .
(2.4)
Usando a regra otimista a melhor alternativa a A1.
2.6.3 Regra Pessimista
Na regra pessimista para problemas de minimizao determinamos o maior valor de
cada alternativa e depois o menor de todos eles. Buscamos o
( ) { }
,
i j
a S i j
Min max v a S .
Para problemas de maximizao determinamos o menor valor de cada alternativa e
depois o maior de todos eles. Buscamos o
( ) { }
,
i j
a S i j
Max min v a S .
Esta regra baseia-se em uma atitude conservadora, onde a deciso tomada nas piores
condies.
Aplicao:
max
A1 470
A2 425
A3 400
A4 450
| |
|
|
|
|
|
\ .
(2.5)
Usando a regra pessimista a melhor alternativa a A3.
2.6.4 Regra de Laplace
A Regra de Laplace est baseada no princpio da razo insuficiente. Neste caso, por no
serem conhecidas as probabilidades dos cenrios, considera-se ento que todos possuem
a mesma probabilidade.
P(S
1
) = P(S
2
) = ... = P(S
n
) =
1
n
(2.6)
Deve-se ento, para cada alternativa, somar o produto entre o valor da alternativa em
um cenrio e sua probabilidade.
Para problemas de minimizao, escolhemos o menor valor encontrado, ou seja,
( )
1
1
,
n
i i j
j=
Min a v a S
n
`
)
.
Aplicao:
Pesquisa Operacional II Teoria da Deciso
Prof Lidia
11
( )
( )
( )
( )
1
A1 150 270 350 470 310
4
1
A2 225 225 375 425 312, 5
4
1
A3 300 300 300 400 325
4
1
A4 450 450 450 450 450
4
| |
+ + + =
|
|
|
+ + + =
|
|
|
+ + + =
|
|
|
| + + + =
|
\ .
(2.7)
Usando a Regra de Laplace, a melhor alternativa a A1.
2.6.5 Regra de Savage
A Regra de Savage introduz uma ponderao entre a regra otimista e a pessimista. A
partir da definio da postura do decisor escolhido o ndice de otimismo ( [0, 1])
onde:
= 1 enfoque otimista;
= 0, 5 enfoque moderado;
= 0 enfoque pessimista.
criada uma frmula para cada alternativa com base no tipo de problema:
Para problemas de minimizao:
( ) ( ) ( ) { }
, 1 ,
i j j
a S i j S i j
Min min v a S max v a S +
Para problemas de maximizao:
( ) ( ) ( ) { }
, 1 ,
i j j
a S i j S i j
Max max v a S min v a S +
Aplicao:
Considerando um enfoque moderado do decisor ( = 0, 5) temos:
min max
A1 150 470
A2 225 425
A3 300 400
A4 450 450
| |
|
|
|
|
|
\ .
(2.8)
A1 = 150 + 470(1 ) A1 = 310
A2 = 225 + 425(1 ) A2 = 325
A3 = 300 + 400(1 ) A3 = 350
A4 = 450 + 450(1 ) A4 = 450
Usando a Regra de Savage a melhor alternativa a A1.
Pesquisa Operacional II Teoria da Deciso
Prof Lidia
12
Anlise de Sensibilidade
possvel realizar uma anlise de sensibilidade do ndice de otimismo. Para isto, a
partir das expresses para cada alternativa, um grfico gerado e pode ser visto na
Figura 2.4.
Figura 2.4: Grfico da Anlise de Sensibilidade
Para < 0.25, a melhor alternativa A3.
Para = 0.25, a melhor alternativa A3 ou A2.
Para 0.25 < < 0.375, a melhor alternativa A2.
Para = 0.375, a melhor alternativa A2 ou A1.
Para > 0.375, a melhor alternativa A1.
2.6.6 Critrio de arrependimento (ou de perda de oportunidade)
Minimiza ao mximo a maior perda de oportunidade, consistindo em um contexto
conservador ao extremo.
Calcula-se a matriz de arrependimento (ou perdas) r (a
i
,
S
j
), dada por:
r (a
i
,
S
j
) =
{ }
{ }
, v(ai, Sj)-min v(ai, Sj) se v for de perdas
max v(ai, Sj) v(ai, Sj), se v for de ganhos
No Problema-exemplo 2:
a b c d
A1 150 270 350 470
A2 225 225 375 425
A3 300 300 300 400
A4 450 450 450 450
| |
|
|
|
|
|
\ .
(2.9)
150 225 300 400 = Mxima Perda de Oportunidade
Pesquisa Operacional II Teoria da Deciso
Prof Lidia
13
Matriz de arrependimento:
a b c d
A1 0 45 50 70
A2 75 0 75 25
A3 150 75 0 0
A4 300 225 150 50
| |
|
|
|
|
|
\ .
(2.10)
A alternativa selecionada ser aquela que minimiza o mximo arrependimento (no exemplo em
questo, seria escolhida a alternativa A1).
max
A1 70
A2 75
A3 150
A4 300
| |
|
|
|
|
|
\ .
(2.11)
2.7 Deciso com risco
Em algumas situaes de tomada de deciso com vrios cenrios so conhecidas as
probabilidades de cada um deles. Neste caso, utiliza-se a tcnica de deciso com risco,
onde a deciso tomada a partir do valor esperado de cada alternativa.
2.7.1 Exemplo 1
O Grupo de Investimento Retorno Certo est disposto a adquirir novas cotas para seu
grupo. As aes disponveis no mercado so das Companhias A e B. Segundo os
analistas, especialistas em mercados de aes, h uma chance de 60% de que o mercado
esteja provvel e 40% desprovvel. Qual ao deve ser comprada?
Rendimento do Investimento
Mercado Provvel Mercado Desprovvel
Ao da Cia. A 5000 -2000
Ao da Cia. B 1500 500
Tabela 2.4: Dados do Exemplo
E [A] = 0, 6(5000) + 0, 4(2000) = 2200
E [B] = 0, 6(1500) + 0, 4(500) = 1100
Sendo assim, melhor investir nas aes da companhia A.
2.7.2 Exemplo 2
Uma empresa A proprietria de uma rea de terra que pode conter petrleo. Um
gelogo consultor relatou direo que ele acredita que haja 1 chance em 4 de
encontrar petrleo. Outra companhia petrolfera, B, ofereceu US$ 90.000 para comprar
o terreno. No entanto, a empresa A est considerando a possibilidade de permanecer no
Pesquisa Operacional II Teoria da Deciso
Prof Lidia
14
terreno e ela prpria perfur-lo em busca de petrleo. O custo de perfurao de
US$100.000. Se for encontrado petrleo, a receita esperada resultante ser de US$
800.000. A empresa arcar com uma perda de US$100.000 caso o terreno seja seco. Os
lucros, em milhares de dlares, obtidos de acordo com a deciso tomada esto contidos
na Tabela 2.5.
Petrleo Seco
Perfurar 700 -100
Vender 90 90
Tabela 2.5: Dados do Exemplo 2
Escolha qual a melhor alternativa utilizando o critrio do valor esperado.
Soluo:
Decises (alternativas): perfurar (A1) ou Vender (A2).
Cenrios (estados): petrleo (P) ou seco (S).
Petrleo Seco
Perfurar (A1) 700 -100
Vender (A2) 90 90
Probabilidade 0,25 0,75
Tabela 2.6: Exemplo 2
Valor esperado de cada alternativa:
E [A1] = ( ) ( ) 700 0, 25 100 0, 75 100 =
E [A2] = ( ) ( ) 90 0, 25 90 0, 75 90 + =
Como o lucro esperado em mdia superior para a alternativa A1, escolhida a opo
de perfurar o terreno.
Anlise de sensibilidade
Chamando de p a probabilidade de encontrar petrleo, o valor esperado para cada
deciso pode ser escrito como:
E [A1] = ( ) 700 100 1 p p
E [A2] = ( ) 90 0 1 90 p+9 p =
Se p 0,2375, a melhor opo perfurar.
Se p 0,2375, a melhor opo vender.
Testes mais detalhados poderiam ser recomendados para se verificar com mais exatido
a existncia ou no de petrleo.
Pesquisa Operacional II Teoria da Deciso
Prof Lidia
15
Figura 2.5: Grfico da Anlise de Sensibilidade
2.7.3 Deciso com experimentao ou a posteriori
Quando se tem informaes adicionais atravs de testes, experimentos, entre outros, que
sero utilizadas para aperfeioar estimativas preliminares das probabilidades dos
estados da natureza: probabilidades posteriores.
Definimos:
Estados da Natureza: S
i
(i = 1, ..., n; n estados da natureza)
Resultados do teste: t
k
(k = 1, ..., r; r resultados do teste)
Usa-se o Teorema de Bayes para obteno das novas probabilidades associadas a cada
cenrio (probabilidades posteriores ou a posteriori):
( )
( )
( )
( ) ( )
( )
( )
( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
1 1 2 2
k j j j k
j k
k k
k j j
j k
k k k n n
P t S P S P S t
P S t
P t P t
P t S P S
P S t =
P t S P S +P t S P S + +P t S P S
= =
(2.12)
2.7.4 Exemplo 3
Do exemplo 2: Antes de tomar uma deciso a empresa pode realizar um levantamento
ssmico detalhado do terreno para obter uma estimativa melhor da probabilidade de se
encontrar petrleo a um custo de US$30.000. Este levantamento obtm sondagens
ssmicas que indicam se a estrutura geolgica favorvel presena de petrleo.
Baseado em experincias passadas, se existir petrleo ento a probabilidade de
sondagens ssmicas desfavorveis de 0,4. Se no existir petrleo, ento a
probabilidade de sondagens ssmicas desfavorveis de 0,8. Qual alternativa seria
escolhida de acordo com os possveis resultados do teste?
Soluo:
Teste: levantamento ssmico detalhado
-200
-100
0
100
200
300
400
300
600
700
800
0 0,3 1 1,3
V
a
|
o
r
L
s
p
e
r
a
d
o
d
e
|
u
c
r
o
(
U
5
)
erfurar
vender
Pesquisa Operacional II Teoria da Deciso
Prof Lidia
16
Dois possveis resultados: Sondagens ssmicas desfavorveis (USS) e Sondagens
ssmicas favorveis (FSS).
( )
P USS P 0, 4 =
( )
P USS S 0, 8 =
( ) ( )
P FSS P 1 P USS P 0, 6 = =
( ) ( )
P FSS S 1 P USS S 0, 2 = =
Teorema da Probabilidade Total:
( ) ( ) ( ) ( ) ( )
( )
P USS P USS S P S P USS P P P
P USS 0,8 0, 75 0, 4 0, 25 0, 7
= +
= + =
( ) ( ) ( ) ( ) ( )
( )
P FSS P FSS P P P P FSS S P S
P FSS 0, 6 0, 25 0, 2 0, 75 0, 3
= +
= + =
Teorema de Bayes:
( )
( ) ( )
( )
P USS P P P
0, 4 0, 25
P P USS 0,143
P USS 0, 7
=
= =
( )
( ) ( )
( )
P USS S P S
0, 8 0, 75
P S USS 0, 857
P USS 0, 7
=
= =
( )
( ) ( )
( )
P FSS P P P
0, 6 0, 25
P P FSS 0, 5
P FSS 0, 3
=
= =
( )
( ) ( )
( )
P FSS S P S
0, 2 0, 75
P S FSS 0, 5
P FSS 0, 3
=
= =
- Caso o resultado do teste seja desfavorvel, temos:
E [A1 USS ] = ( ) ( ) 700 0,143 100 0, 857 14, 4 =
E [A2 USS ] = ( ) ( ) 90 0,143 90 0,857 90 + =
A melhor alternativa vender.
- Caso o resultado do teste seja favorvel, temos:
E [A1 FSS] = ( ) ( ) 700 0, 5 100 0, 5 300 =
E [A2 FSS] = ( ) ( ) 90 0, 5 90 0, 5 90 + =
A melhor alternativa perfurar.
Observao: No h necessidade de se considerar o custo do levantamento para os
clculos de valor esperado de cada alternativa, uma vez que este o mesmo para
qualquer situao, no interferindo na escolha da melhor alternativa.
Pesquisa Operacional II Teoria da Deciso
Prof Lidia
17
2.7.5 Valor da Experimentao
H dois mtodos complementares para determinar o valor potencial de uma
experimentao: Valor esperado da informao perfeita e Valor esperado da
experimentao.
2.7.5.1 Valor esperado da informao perfeita (EVPI)
Supe que a experimentao eliminar toda a incerteza, fornecendo um limite superior
do valor potencial do experimento. Se esse limite superior for menor que o custo do
experimento, este deve ser descartado.
Calcula-se o prmio mximo para cada estado da natureza usando as probabilidades
prvias (anteriori).
O valor esperado da informao perfeita dado por:
EVPI = Prmio esperado com informao perfeita - Prmio esperado sem experimentao
A Tabela 2.7 mostra o clculo do Prmio esperado com informao perfeita para o
Exemplo 3.
Estado da natureza
Alternativa Petrleo Seco
1. Perfurar em busca de petrleo 700 -100
2. Vender o terreno 90 90
Prmio mximo 700 90
Probabilidade Prvia 0,25 0,75
Prmio esperado com informao perfeita = ( ) ( ) 0, 25 700 0, 75 90 242, 5 + =
Tabela 2.7: Prmio esperado com informao perfeita
Prmio esperado sem experimentao = 100 (calculado no Exemplo 2)
Clculo do valor esperado da informao perfeita:
EVPI = 242,5 100 = 142,5
Como U$ 142,50 muito superior ao custo do levantamento (U$ 30,00), vale a pena
realizar o teste.
2.7.5.2 Valor esperado da experimentao
Utilizado quando o limite superior for superior ao custo do experimento. Calcula a
melhoria real no prmio esperado.
Calcula-se o prmio esperado com experimentao, sem considerar o custo do
experimento e utilizando as probabilidades de cada possvel descoberta do teste a ser
realizado. Logo, prmio esperado com experimentao dado por:
Pesquisa Operacional II Teoria da Deciso
Prof Lidia
18
( )
E
j
Prmio esperado com experimentao = P Descoberta = descoberta j
Prmio Descoberta = descoberta j
O valor esperado da informao perfeita calculado como:
EVE Prmio esperado com experimentao - Prmio esperado sem experimentao =
No Exemplo 3, h dois possveis resultados para o levantamento ssmico:
P (USS) = 0,7
P (FSS) = 0,3
E (Prmio Descoberta = USS) = 90
E (Prmio Descoberta = FSS) = 300
Prmio esperado com experimentao = ( ) ( ) 0, 7 90 0, 3 300 153 + =
Prmio esperado sem experimentao = 100 (calculado no Exemplo 2)
Clculo do valor esperado da experimentao:
EVE = 153 100 = 53
Como este valor excede U$ 30,00 (o custo de realizar o levantamento ssmico), o
experimento deve ser realizado.
2.8 Bibliografia
1. GOMES, L.F.A.M.; ARAYA, M.C.G.; CARIGNANO,C. Tomada de Decises em
Cenrios Complexos. So Paulo: Pioneira Thompson Learning, 2004.
2. GOMES, L.F.A.M.; GOMES, C.F.S.; ALMEIDA, A.T.de. Tomada de Deciso
Gerencial: enfoque multicritrio. So Paulo: Atlas, 2002.
3. HILLIER, F.S.; LIEBERMAN, G.J. Introduo Pesquisa Operacional. So
Paulo: MacGraw Hill, 2006.
4. MEZA,L.A. Pesquisa Operacional II - Teoria da Deciso. 2007. 19 f. Notas de
Aula.