Arbori decizionali

Definirea si explicarea temei

1.1 Noţiuni introductive privind arborii decizionali
Arborele de decizie reprezintă un instrument complex pentru vizualizarea şi
evaluarea alternativelor in procesul selecţiei deciziei. El furnizează o structură eficientă ,
în care se pot detalia gradat toate alternativele, în funcţie de toate opţiunile posibile,
obţinându-se în final rezultatele asociate cu fiecare curs posibil al alternativelor.
Arborele decizional permite secventarea unei probleme manageriale complexe într-o suită
logica şi ordonată de probleme mai simple şi evaluarea matematică concretă a câstigurilor
sau a pierderilor la fiecare nivel decisional.
Avantajul utilizării arborelui de decizie este cel al furnizării unei imagini echilibrate a riscurilor
şi câştigurilor, asociate pentru fiecare curs al alternativelor.
Un arbore de decizie este o structură sub forma unui arbore care conţine două tipuri de
noduri:
 noduri terminale sau frunze
 noduri decizionale
Fiecare nod decizional reprezintă de fapt un test pentru o anumită proprietate (caracteristică,
atribut), fiecare arc, care pleacă dintr-un astfel de nod, fiind o valoare a proprietăţii
respective. în schimb, fiecare frunză reprezintă o clasă.

1.2 Structura arborelui de decizie

Arborele decizional se utilizează în rezolvarea unor probleme manageriale complexe
cu implicaţii financiare majore:
− introducerea în fabricaţie de noi produse;
− alegerea amplasării unităţilor productive;
− alegerea echipamentelor;
− extinderea capacităţilor de producţie;
− planificarea întreţinerii şi reparaţiilor utilajelor.

1.3 Clasificarea arborilor de decizie

Arborii de decizie se împart în 3 categorii:
 Arbori de clasificare, termen folosit atunci când rezultatul predicţiei este clasa de
apartenenţă a datelor
 Arbori de regresie, atunci când rezultatul prognozat poate fi considerat un număr real
(preţul petrolului, preţul unei acţiuni, valoarea unei case etc.)
 CART (C&RT), adică Classification And Regression Tree (Breiman,1984), atunci
când suntem în ambele situaţii de mai sus.
Algoritmul de urmat pentru crearea modelului
Pentru construirea arborelui decizional se parcurg urmatoarele etape:
1. Identificarea problemei, stabilirea obiectivului şi determinarea alternativelor posibile.
2. Structurarea şi construirea (reprezentarea grafică) a arborelui de decizie.
3. Stabilirea nivelului de consecinţe aferente fiecarei alternative; rezultatele finale ale
alternativelor Ri.
4.Determinarea probabilităţilor evenimentelor; stările naturii au o anumită probabilitate de
reuşită pi.
5.Calculul speranţei matematice pentru fiecare alternativa decizională, etapă în care se
estimează valorile aşteptate pentru fiecare combinaţie posibilă dintre alternative şi stările
naturii.
Sm = SpiRi

6. Alegerea variantei decizionale pe baza valorii maxime obţinute. În lucrările de specialitate

anglo-saxone aceasta valoare raportată în unităti monetare este notată cu EMV abreviere de
la Expected Monetary Value (valoarea monetară aşteptată).
Arborele decizional, instrument grafic de analiza a variantelor evidenţiază secventele,
etapele dintr-un proces decizional, în principal în funcţie de o serie de stări ale naturii numite
evenimente. Aceste stări ale naturii definite prin probabilităţi specifice, sunt corelate în
arborele decizional cu alternativele decizionale, determinându-se la fiecare nivel câstigul
pentru fiecare combinatie dintre alternative şi stările naturii.
Starea naturii, evenimentul, reprezintă o situaţie bine precizată, o întâmplare care
influentează sau nu decizia. Exemplu de stare a naturii: mâine e o zi ploioasă.
Alternativa într-un arbore decizional reprezintă cursul acţiunii sau strategia care poate fi
aleasa pentru a adopta o decizie. Alternativele se concentrează în noduri de decizie
reprezentate grafic semnificând faptul că în acea secvenţă este necesară o selecţie a unei
alternative din mai multe posibile. Exemplu de alternativa: mâine nu iau umbrela.
Valoarea monetară aşteptată (EMV) pentru o alternativă se determină ca o sumă
algebrică a valorilor specifice stărilor naturii ponderate cu probabilitatea acestora de a se
realiza.
EMV(i) = Valoarea primei stări a naturii x Probabilitatea de apariţie a primei stări a naturii +
Valoarea celei de-a doua stări a naturii x Probabilitatea de apariţie a celei de-a doua stări a
naturii + Valoarea celei de-a treia stări a naturii x Probabilitatea de apariţie a celei de-a treia
3-a stări a naturii + ...
Optiunea în nodul de decizie va fi aleasă dintre alternativele care sunt generate din nodul
respectiv şi care realizează valoarea monetară asteptată maxim.
Un exemplu practic (poate sa fie live sau preluat) in SPSS/Python
unde antrenat un model

Aplicarea arborelui decizional cu privire la stabilirea posibilităţii

construirii unei fabrici de detergenţi

 Daniel Brancu, directorul întreprinderii SC Carminel SA trebuie sa hotarasca daca

sa construiasca sau nu o fabrica producatoare de detergenti. Problema sa poate fi
reprezentata schematic în urmatorul tabel:

ALTERNATIVE CONDITII CONDITII

FAVORABILE NEFAVORABILE
Construieste o fabrica mare 400.000 u.m. - 300.000 u.m.

Construieste o fabrica mica 80.000 u.m. -10.000 u.m.

Nu construieste 0 0
Probabilitatile starilor de conditii 0,4 0,6

2.1     Arborele decizional al problemei

      Arborele decizional al problemei este prezentat în fig. 1

Figura1
– Arborele decizional pentru S.C. CARMINEL S.A.

2.2 Evaluarea deciziei

 b) Alegerea strategiei celei mai bune se realizeaza folosind criteriul maximizarii
EMV

Max EMV = 26.000 u.m.

Deci Daniel Brancu va alege constructia unei fabrici mici.

Explicarea utilitatii modelului in cazul pe care l-ati prezentat

 sunt uşor de înţeles şi interpretat datorită formei lor grafice

 necesită un volum mic de pregătire a datelor în raport cu alte tehnici;
 il ajută pe antreprenorul Daniel Brancu să-și dea seama de capacitatea optima pe care ar
trebui să o aibă viitoarea lui fabrică, in așa fel încat sa nu aiba pierderi. De asemenea, se
poate folosi de acest model si dupa ce își pornește afacerea, pentru stabilirea cumpărari
echipamentului necesar, pentru mentenanță, scalarea afacerii pe viitor sau nu, organizarea
departamentelor suport, a angajatilor, etc.
 permit utilizarea atât a datelor nominale, categoriale, cât si a celor numerice fără nicio
restricţie;
 fac posibilă utilizarea unor tehnici statistice clasice pentru validarea modelului;
 sunt rapide şi lucrează bine cu seturi mari de date