Universidade Federal Fluminense

Apostila de Pesquisa Operacional II

Teoria da Deciso


Lidia Angulo Meza
Renato Teixeira da Silva












Volta Redonda, 11 de maro de 2008

I
Sumrio

2. Teoria da Deciso.................................................................................................... 1
2.1Conceitos Bsicos ................................................................................................... 1
2.1.1 Decisor ............................................................................................................................. 1
2.1.2 Analista ............................................................................................................................ 1
2.1.3 Conjunto de Alternativas.................................................................................................. 1
2.1.4 Atributos........................................................................................................................... 1
2.2 Apoio Multicritrio Deciso............................................................................... 2
2.2.1 Tipos de Problemas .......................................................................................................... 2
2.2.2 Preferncia do Decisor ..................................................................................................... 2
2.2.3 Mtodo ou Escolha Justa.................................................................................................. 3
2.3 Exemplo................................................................................................................. 3
2.4 Mtodos Elementares............................................................................................ 3
2.4.1 Mtodo da Dominncia .................................................................................................... 3
2.4.2 Mtodo Conjuntivo .......................................................................................................... 3
2.5 Mtodos Ordinais.................................................................................................. 4
2.5.1 Mtodo Lexicogrfico...................................................................................................... 4
2.5.2 Mtodo de Borda.............................................................................................................. 4
2.5.3 Mtodo de Condorcet ....................................................................................................... 4
2.5.4 Mtodo de Coppeland ...................................................................................................... 6
2.5.5 Mtodo das Ponderaes.................................................................................................. 6
2.6 Deciso com Incerteza........................................................................................... 9
2.6.1 Exemplo ........................................................................................................................... 9
2.6.2 Regra Otimista ................................................................................................................. 9
2.6.3 Regra Pessimista ............................................................................................................ 10
2.6.4 Regra de Laplace............................................................................................................ 10
2.6.5 Regra de Savage............................................................................................................. 11
2.6.6 Critrio de arrependimento (ou de perda de oportunidade)............................................ 12

II
2.7 Deciso com risco ................................................................................................ 13
2.7.1 Exemplo 1 ...................................................................................................................... 13
2.7.2 Exemplo 2 ...................................................................................................................... 13
2.7.3 Deciso com experimentao ou a posteriori............................................................. 15
2.7.4 Exemplo 3 ...................................................................................................................... 15
2.7.5 Valor da Experimentao............................................................................................... 17
2.7.5.1 Valor esperado da informao perfeita (EVPI) ....................................................... 17
2.7.5.2 Valor esperado da experimentao.......................................................................... 17
2.8 Bibliografia.......................................................................................................... 18





Pesquisa Operacional II Teoria da Deciso
Prof Lidia 1



2. Teoria da Deciso




"Faa as coisas o mais simples que voc puder, porm no as mais simples."
Albert Einstein


Nos dias atuais, tanto na rea pblica quanto na privada, somos cercados de vrios
problemas complexos da tomada de deciso. O Homem sempre tentou resolver esses
problemas atravs de raciocnios dedutivos, heursticas e abstraes a fim de guiar suas
escolhas e tambm poder valid-las (Gomes et al., 2004). Este captulo visa apresentar
alguns mtodos para o auxlio na tomada de deciso em cenrios complexos.
2.1Conceitos Bsicos

2.1.1 Decisor

Indivduo ou grupo de indivduos que, direta ou indiretamente, proporciona o juzo de
valor final que poder ser utilizado no momento de avaliar as alternativas disponveis,
objetivando identificar a melhor escolha. Sempre se supe a existncia de um decisor,
seja este ideal ou real.

2.1.2 Analista

a pessoa, ou equipe de trabalho, incumbida de modelar o problema e fazer as
recomendaes relativas seleo final. Ela deve examinar as opinies do decisor,
tratando-as de forma objetiva para que sejam transferidas posteriormente para o modelo.
2.1.3 Conjunto de Alternativas

Conjunto sobre o qual o decisor dever identificar a melhor escolha. Essas alternativas
podem ser discretas, como apartamentos para alugar, ou contnuas, como a localizao
em um plano.
2.1.4 Atributos

Atributos ou critrios so o conjunto de caractersticas de cada alternativa. Somente a
partir dos atributos possvel realizar a escolha. Tomemos como exemplo a compra de
Pesquisa Operacional II Teoria da Deciso

Prof Lidia 2
um carro: o conjunto de alternativas so os carros possveis para compra, como Astra,
Parati, Gol, etc. e os atributos podem ser o preo, conforto, rendimento, potncia, entre
outros, de cada carro.
2.2 Apoio Multicritrio Deciso

Segundo Gomes et al. (2004), o Apoio Multicritrio Deciso a atividade do analista
que, baseado em modelos claramente apresentados, ajuda na obteno de elementos de
resposta s questes de um decisor no decorrer de um processo. Esses elementos servem
para esclarecer cada deciso e, normalmente, recomend-la ou, simplesmente, favorec-
la.
A metodologia multicritrio se segmenta em dois segmentos:
O primeiro a contnuo, conhecido como Programao Multiobjetivo ou
Otimizao Vetorial, que trabalha com problemas com objetivos mltiplos, onde
as alternativas podem assumir um nmero infinito de valores.
O segundo o discreto, conhecido como Deciso Multicritrio Discreta (DMD),
que analisa problemas com o conjunto de alternativas de deciso formado por um
nmero finito e geralmente pequeno de variveis. Somente este segmento ser
abordado nesta apostila.

2.2.1 Tipos de Problemas

Em um dado problema de deciso, uma das quatro problemticas abordada pela DMD:
P: seleciona a melhor alternativa ou as melhores alternativas.
P: aceita alternativas que parecem boas e descarta as alternativas que parecem
ruins, ou seja, realiza classificao das alternativas.
P: gera uma ordenao das alternativas.
P: realizar uma descrio das alternativas.

2.2.2 Preferncia do Decisor

Com o intuito de representar as preferncias do decisor de forma realista, ao comparar
duas alternativas podemos nos deparar com quatro situaes mutuamente excludentes:
Indiferena (I): quando o tomador de deciso indiferente entre x
1
e x
2
, isto ,
existem razes claras para justificar a equivalncia entre duas alternativas. Essa
situao representada por x
1
I x
2
(l-se x
1
indiferente a x
2
).
Preferncia estrita (P): o tomador de deciso prefere estritamente x
1
a x
2
. Essa
situao representada por x
1
P x
2
(l-se x
1
estritamente prefervel a x
2
).
Preferncia fraca (Q): quando o tomador de deciso no sabe se prefere
estritamente x
1
a x
2
ou se indiferente a essas alternativas. Essa situao
representada por x
1
Q x
2
(l-se x
1
prefervel ou indiferente a x
2
).
Incompatibilidade (R): ocorre quando no possvel identificar nenhuma das
trs situaes anteriores. Essa situao representada por x
1
R x
2
(l-se x
1

incomparvel a x
2
).
Pesquisa Operacional II Teoria da Deciso

Prof Lidia 3
OBS.: Sero utilizados nas prximas sees somente os conceitos de Indiferena (I) e
Preferncia (P) nos mtodos apresentados.

2.2.3 Mtodo ou Escolha Justa

Consiste em um conjunto de propriedades que garante um mtodo justo.
Propriedade 1: Transitividade Caso aPb e bPc, ento podemos afirmar que
aPc.
Propriedade 2: Totalidade O mtodo deve conseguir colocar as alternativas em
ordem.
Propriedade 3: Unanimidade Todas as alternativas concordam com a
ordenao.
Propriedade 4: Independncia A posio de uma alternativa em relao a outra
depende somente delas e no do conjunto de todas as alternativas.
Propriedade 5: Universalidade O mtodo deve satisfazer todas as propriedades
anteriores.
2.3 Exemplo

Ser utilizado um problema de expanso de um prdio como exemplo de aplicao dos
mtodos de DMD. Este problema possui os seguintes atributos e as seguintes
alternativas:

Alternativas Custo Funcionalidade Qualidade
A1 R$11.000,00 7 Deficiente
A2 R$14.000,00 9 Suficiente
A3 R$13.000,00 5 Muito Boa
A4 R$12.000,00 3 Boa
A5 R$12.000,00 6 Boa
Tabela 2.1: Problema de expanso de um prdio
2.4 Mtodos Elementares

2.4.1 Mtodo da Dominncia

O Mtodo da Dominncia visa retirar do conjunto todas as alternativas que so
dominadas.
Sejam duas alternativas A1 e A2. Se A1 for melhor ou igual a A2 em todos os critrios,
ento podemos afirmar que A1 domina A2 e A2 pode ser retirada do conjunto.
Aplicao: Comparando as alternativas A4 e A5 vemos que A5 domina A4. Portanto
A4 pode ser retirada da anlise.

2.4.2 Mtodo Conjuntivo

Pesquisa Operacional II Teoria da Deciso

Prof Lidia 4
O Mtodo Conjuntivo objetiva classificar as alternativas em duas classes: Aceitvel ou
Inaceitvel. Para isso pode-se estabelecer valores mnimos ou mximos para cada
critrio.
Aplicao: Imagine uma restrio oramentria que limita os gastos em no mximo R$
13.500,00. Com isso as alternativas A1, A3, A4 e A5 so aceitveis e a alternativa A2
inaceitvel.
2.5 Mtodos Ordinais

2.5.1 Mtodo Lexicogrfico

O Mtodo Lexicogrfico busca ordenar as alternativas atravs de uma ordenao prvia
dos critrios. Essa ordenao dos critrios se d por ordem de importncia.
A ordenao das alternativas feita pelo critrio de maior importncia. Caso haja algum
empate, utiliza-se o segundo critrio mais importante e assim consecutivamente at que
todas as alternativas sejam ordenadas.
Aplicao: A ordenao dos critrios a seguinte: Custo, Funcionalidade, Qualidade.
Ordenando as alternativas: A1, A5, A4, A3, A2.

2.5.2 Mtodo de Borda

O Mtodo de Borda ordena as alternativas atravs de uma pontuao atribuda a cada
uma delas. Essa pontuao dada da seguinte forma: as alternativas so ordenadas da
melhor para a pior segundo cada critrio. A cada posio da alternativa atribuda uma
pontuao correspondente (1 lugar = 1 ponto; 2 lugar = 2 pontos; e assim
sucessivamente; em caso de empate realizada uma mdia dos pontos e atribuda para
cada alternativa).
Aplicao:

Custo Func. Quali.


A1 = 1 + 2 + 5 = 8
A2 = 5 + 1 + 4 = 10
A3 = 4 + 4 + 1 = 9
A4 = 2,5 + 5 + 2,5 = 10
A5 = 2,5 + 3 + 2,5 = 8

A ordenao obtida foi: A1 e A5, A3, A2 e A4.

2.5.3 Mtodo de Condorcet

No Mtodo de Condorcet as alternativas so comparadas par a par em relao a todos os
critrios.
Uma alternativa ser prefervel a outra caso apresente um nmero de critrios
favorveis.
Aps comparar as alternativas, um grafo criado. Caso uma alternativa X seja
prefervel a outra Y, gerado um arco partindo de X e chegando a Y. Caso uma
alternativa Y seja indiferente a outra Z, dois arcos so gerados: um saindo de Y e
Pesquisa Operacional II Teoria da Deciso

Prof Lidia 5
chegando em Z e outro saindo de Z e chegando em Y. O grafo acima pode ser visto na
Figura 2.1.


Figura 2.1: Grafo do Mtodo Condorcet

A partir deste grafo obtida uma matriz de adjacncias (Seo 1.2.4), onde o arco do
grafo receber o valor de 1, indicando preferncia e 0, caso contrrio. essa matriz de
adjacncias que classifica as alternativas atravs de duas fases:

Destilao Descendente: Identifica as alternativas da melhor para a pior. A
melhor alternativa aquela prefervel a todas as outras, isto , sua linha possui
apenas valores 1 (menos na coluna que a representa), e a coluna possui apenas
valores 0. Aps identificar a melhor alternativa, ela excluda da matriz de
adjacncias e o mesmo processo repetido at que no seja mais possvel.
Assim, no final, teremos uma lista das melhores alternativas.

Destilao Ascendente: Identifica as alternativas da pior para a melhor. A pior
alternativa aquela em que todas as alternativas so preferveis a ela, isto , sua
linha possui apenas valores 0, e a coluna possui apenas valores 1 (menos na
linha que a representa). Aps identificar a pior alternativa, ela excluda da
matriz de adjacncias e o mesmo processo repetido at que no seja mais
possvel. Assim, no final, teremos uma lista das piores alternativas.

Com isso este mtodo nem sempre permite ordenar todas as alternativas. Isso acontece
porque algumas alternativas apresentam ciclos de intransitividade, isto , so preferveis
em relao a apenas algumas alternativas.

Aplicao:

Custo Func. Quali.


A1 e A2: A1PA2 , A2PA1 , A2PA1
A2PA1
A1 e A3: A1PA3 , A1PA3 , A3PA1
A1PA3
A1 e A4: A1PA4 , A1PA4 , A4PA1
A1PA4
A1 e A5: A1PA5 , A1PA5 , A5PA1
A1PA5
A2 e A3: A3PA2 , A2PA3 , A3PA2
A3PA2
A2 e A4: A4PA2 , A2PA4 , A4PA2 A4PA2
A2 e A5: A5PA2 , A2PA5 , A5PA2 A5PA2
A3 e A4: A4PA3 , A3PA4 , A3PA4 A3PA4
A3 e A5: A5PA3 , A5PA3 , A3PA5 A5PA3
A4 e A5: A5IA4 , A5IA4 , A4IA5 A5IA4


Pesquisa Operacional II Teoria da Deciso

Prof Lidia 6

Figura 2.2: Grafo do Problema de Aplicao

A1 A2 A3 A4 A5
A1 0 0 1 1 1
A2 1 0 0 0 0
A3 0 1 0 1 0
A4 0 1 0 0 0
A5 0 1 1 1 0
| |
|
|
|
|
|
|
\ .
(2.1)

Nesta aplicao no possvel ordenar as alternativas, pois elas apresentam ciclos de
intransitividade.

2.5.4 Mtodo de Coppeland

uma mistura dos Mtodos de Borda e de Condorcet. A partir da matriz de adjacncias
obtida no Mtodo de Condorcet, consiste em somar o nmero de vitrias (valores da
linha da alternativa) das alternativas e subtrair as derrotas (valores da coluna da
alternativa), gerando uma pontuao para cada uma delas. A ordenao das alternativas
se d de forma decrescente.
Este mtodo superior ao de Condorcet por no apresentar ciclos de intransitividade,
conseguindo assim, ordenar todas as alternativas. importante frisar que a ordenao
obtida nas fases do mtodo de Condorcet dos melhores e piores indivduos ser a
mesma do mtodo de Coppeland.

Aplicao:

A partir da Matriz de Adjacncia da seo anterior, temos:

A1 = 3 - 1 = 2
A2 = 1 - 3 = -2
A3 = 2 - 2 = 0
A4 = 1 - 3 = -2
A5 = 3 - 1 = 2

A ordenao obtida foi: A1 e A5, A3, A2 e A4.

2.5.5 Mtodo das Ponderaes

Pesquisa Operacional II Teoria da Deciso

Prof Lidia 7
Este mtodo consiste na soma ponderada dos valores dos critrios normalizados. Este
mtodo a base dos mtodos da Escola Americana como, por exemplo, o AHP e o
UTA.
Primeiramente, s possvel trabalhar neste mtodo com critrios quantitativos, pois
necessrio normalizar os dados de cada critrio. Para isto, dependendo do tipo de
critrio, utiliza-se uma determinada frmula:

Critrio de Maximizao:
{ }
{ } { }
ij ij
ij
ij ij
x Min x
x
Max x Min x

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

`
)

e para problemas de maximizao o maior valor encontrado, ou

seja,
( )
1
1
,
n
i i j
j=
Max 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.