CUPRINS

PROBLEME DECIZIONALE ÎN CONDIȚII DE CERTITUDINE

PROBLEME DECIZIONALE ÎN CONDIȚII DE CERTITUDINE

Forma generală a unei probleme decizionale multi-atribut se prezintă

ca o matrice, în care cele m linii reprezintă variantele decizionale, iar cele
n coloane reprezintă criteriile decizionale. Alternativa Ai corespunzătoare
criteriului Cj se descrie printr-un număr real xij, iar elementele vectorului
coeficienților de importanță criterială w=( w1 ,w 2 ,. .., w n ) sunt numere
reale. Astfel, forma generală a matricei decizionale are următoarea
reprezentare:

În general, se poate vorbi de trei tipuri principale de atribute, și

anume: atribute – beneficiu, care presupun maximizarea lor, atribute –
cost, care implică minimizarea lor, precum și atributele –
nonmonotonice, pentru care valorile apropiate de nivelul mediu duc spre
variantele cele mai bune. În contextul problemelor multi-atribut,
conceptul de atribut semnifică un mijloc de evaluare a unei variante, iar
un număr cât mai mare de atribute de analizat implică o creștere a
gradului de complexitate a proceselor decizionale.
Deoarece atributele și implicit consecințele matricei decizionale pot fi
de natură calitativă, vagi (exprimate sub formă de interval) sau de natură
cantitativă (exprimate în diferite unități de măsură), este necesară mai întâi
o omogenizare a consecințelor, cu ajutorul unei proceduri de normalizare,
precum normalizarea vectorială sau normalizarea prin transformări liniare,
care să convertească matricea A într-una R={rij}, i=1,m, j=1,n, cu
elemente în intervalul [0,1]. Astfel de modalități de normalizare sunt:

 Normalizarea vectorială: presupune ca fiecare linie a matricei să

fie împărțită la norma sa, așa încât fiecare valoare r ij a matricei R
normalizată să fie calculată după formula:
aij
r ij =
m

√ ∑ a 2ij
i=1

Astfel, matricea consecințelor nu mai este exprimată în unități de

măsură, facilitându-se comparațiile interatribut.

 Normalizarea prin transformări liniare: presupune ca în cazul

atributelor – beneficiu consecințele să fie împărțite la valoarea maximă a
fiecărui criteriu (fiecare coloană), în timp ce în cazul atributelor–cost
consecințele să fie împărțite la valoarea minimă a fiecărui criteriu.
Formulele de calcul sunt redate mai jos:
aij aij
r ij = r ij =1−
a max
j , amax
j ,
max
aj =max {aij }
unde i reprezintă maximul de pe fiecare coloană.
Avantajul acestei metode constă în faptul că transformarea este
proporțională, menținându-se ordinea relativă anterioară a consecințelor.
Dacă însă în matricea consecințelor sunt atât atribute–beneficiu, cât și
atribute–cost, nu se recomandă utilizarea ambelor formule simultană,
pentru că au baze diferite (1 pentru cost și 0 pentru beneficiu). În schimb,
se poate spre exemplu trata atributul–cost ca inversul atributului-
beneficiu, adică sub forma : 1/aij . Atunci ecuația pentru atributul-cost
devine :
min {aij } amin
1/ aij
r ij = = i = j
max {1/ a ij } aij aij
i
 Decizia asupra formulei folosite depinde de tipul de atribut mai des
regăsit în matricea consecințelor. O altă variantă de normalizare liniară
(Sum method) presupune împărțirea fiecărei valori la suma consecințelor
fiecărei variante.
a
r ij = n ij
∑ aj
j=1

 Normalizarea prin interpolare: presupune următorul calcul:

□ pentru criteriu de maxim: □ pentru criteriu de minim:

aij −amin
j amax
j −aij
r ij = r ij =
a max min
j −a j a max min
j −a j

Inconvenientul metodei constă însă în faptul că nu păstrează

proporțiile constrângerilor inițiale.
În ceea ce privește criteriile de tip calitativ se utilizează scale
ordinale sau de tip interval, ultimele fiind necesare și în cazul criteriilor
vagi.
Nu în ultimul rând, pentru cazul în care decidenții atribuie grade de
importanță diferite atributelor, vor trebui evaluați și coeficienții de
importanță a criteriilor. Și aici se pot identifica mai multe modalități,
dintre care se amintesc doar următoarele: metoda vectorului propriu,
metoda entropiei sau metoda LINMAP.
Principalele metode multi-atribut propuse în literatură (redate în fig.
1) permit rezolvarea problemelor decizionale în condiții de certitudine,
pentru care se cunosc cu siguranță, nivelurile consecințelor fiecărei
variante decizionale, în raport cu un număr finit de criterii.

. Metode fără informații despre preferințe asupra criteriilor

În situația în care nu se cunosc informații cu privire la preferințele

decidenților asupra criteriilor decizionale sau asupra variantelor
decizionale (proiecte de investiții) se pot identifica următoarele metode
multi-atribut: metoda dominanței, metoda maximin, metoda maximax și
metoda momentelor.

Fig 1. – Clasificarea metodelor decizionale multi-atribut

Prelucrare după Andrașiu, ș.a.-„Metode de decizii multicriteriale”,Ed. Tehnică, 1986, pg.25

Metoda dominanței

Metoda dominanței presupune identificarea și eliminarea pas cu pas

a tuturor variantelor decizionale dominate. Se numește variantă
dominată Vi dacă există cel puțin o altă variantă Vj și un k ∈{1,2,...,n}
pentru care rik < rjk și ril ¿ rjl pentru toți l ¿ k. Aplicarea acestei metode
nu necesită transformarea inițială a atributelor și nu conduce la o soluție
sau la o ierarhizare a variantelor, jucând mai degrabă rolul de filtrare
inițială a variantelor indicând mulțimea soluțiilor nedominate.

Metodele maximin și maximax

 Metoda maximin selectează doar cea mai bună variantă în raport cu
criteriul pentru care ia cea mai mică valoare, conform formulei:
max min {r ij }
i j . Această metodă presupune comparații interatribut, pentru
care este necesară normalizarea anterioară a criteriilor fie prin
transformare liniară fie prin interpolare. Mai mult, metoda utilizează doar
o mică parte a informațiilor disponibile privind procesul decizional și
anume un singur atribut pe alternativă, făcând-o mai puțin eficientă. Cu
toate acestea, funcția sa inversă minmax a fost amplu utilizată în teoria
jocurilor.
O altă metodă extrem de asemănătoare, presupunând aceleași
condiții de normalizare și respectiv aceleași dezavantaje o reprezintă
metoda maximax, ce selectează doar cea mai bună variantă în raport cu
criteriul pentru care ia cea mai mare valoare, conform formulei:
max max {r ij }
i j . Ambele metode au condus ulterior la procedura
Hurwicz, ce selectează variantele din următoarea mulțime:
~
V ={V i|max [(1−α )min r ij +α max r ij ]}
i j j ,

unde α ∈[0,1] reprezintă coeficientul de optimism, iar pentru α=0

regăsim criteriul maximin, în timp ce pentru α=1 avem criteriul
maximax.

Metoda momentelor

Metoda momentelor presupune lucrul cu matricea normalizată R și

următoarele etape:
Pas 1. Pentru fiecare linie a matricei se calculează momentul liniei:
n n
M li= ∑ j⋅r ij / ∑ r ij
j=1 j=1 , i=1,m
l
Pas 2. Se ordonează liniile crescător după M i
Pas 3. Pentru fiecare coloană se calculează momentul coloană:
 m m
M ci = ∑ i⋅r ij /∑ r ij
i=1 i=1 , j=1,n
c
Pas 4. Se ordonează coloanele crescător după M i
Pas 5. Se repetă pașii până când nu se mai pot efectua reordonări, ultima
ordonare dând și ierarhia finală a variantelor decizionale.

Metode cu informații despre preferințe ordinale asupra criteriilor

În situația în care se cunosc informații cu privire la preferințele

decidenților referitor la criteriile de selecție a variantelor decizionale, se
remarcă trei posibile situații:
a) se cunoaște un nivel standard al fiecărui criteriu
b) se cunoaște importanța relativă a criteriilor, sub forma unei preferințe
ordinale
c) se cunoaște importanța relativă a criteriilor, sub forma unei preferințe
cardinale

Metoda permutărilor succesive

Metoda a fost elaborată de Bernard și Besson inițial pentru cazul

preferințelor cardinale și adaptată ulterior și pentru cazul preferințelor
ordinale, pentru care s-a dovedit a fi mai intens aplicabilă. În cazul
cardinal, metoda presupune analiza tuturor permutărilor succesive ale
variantelor decizionale, folosind matricea inițială a consecințelor precum
și vectorul coeficienților de importanță al criteriilor notat
n
π =( π 1 , π 2 , .. . , π n ), ∑ π j=1
j=1 . Pentru fiecare din cele m! permutări posibile
V i ,V i ...,V i )
Qi= ( 1 2, m , i=1,m! se construiește o matrice pătratică, de forma:
 ∑ πj, daca i1 ¿ ik

Di=[
di i
k 1 ], unde
di i =
k 1

{ j ∈C

0,
∑
ik i1

j ∈ Di i
k 1
π j,
daca i 1 =i k
daca i 1 ¿i k
unde

Ci i 1= ¿¿
k

Di i1 =¿ ¿
k .
C ai j
Mulțimea i k i1 reprezintă submulțimea criteriilor pentru care k

a Di i a
depășește i1 j , iar k 1 este submulțimea criteriilor pentru care i1 j
ai j
depășește k . Se calculează apoi rangul fiecărei permutări:
R i= ∑ π j− ∑ πj
j∈ C i j∈ D
i
k 1 , i=1,m!, iar ierarhia optimă va fi dată de
i k i1

permutarea care înregistrează rangul maxim.

În cazul ordinal, se consideră cunoscută ordinea importanței criteriilor

ca fiind i 1 i2 C ,C ,...,C
in , construindu-se apoi vectorii πj cu
componentele i1, i2, …, ij egale cu 1/j, iar restul nule. Se determină
permutările optime corespunzătoare acestor vectori precum în cazul
cardinal și se obține ca soluție optimă permutarea corespunzătoare
vectorului πn.
.Metode cu informații despre preferințe cardinale asupra criteriilor

Metodele decizionale multi-atribut cu informații despre preferințele

cardinale ale decidenților asupra criteriilor consideră necesară
cunoașterea vectorului coeficienților de importanță al criteriilor,
π =( π 1 , π 2 , .. . , π n ), 0≤π i ≤1 , i=1,n, cu cel puțin un π i <0. Aceste
metode pot fi grupate în următoarele categorii:

a) metode directe, ce construiesc o funcție definită pe mulțimea

variantelor cu valori reale și selectează varianta pentru care funcția ia
cea mai mare valoare. Astfel de metode sunt metoda atribuirii liniare,
 metoda ponderării simple aditive, metoda ponderării ierarhizate, metoda
diametrelor, metoda Onicescu și altele.

b) metode indirecte, ce determină o ierarhie pe mulțimea variantelor pe

baza unui algoritm. În această categorie regăsim metoda ELECTRE cu
variantele sale.

c) metode care utilizează conceptul de distanță pentru a selecta varianta

cea mai apropiată de soluția ideală. Printre aceste metode regăsim:
metoda TOPSIS, metoda punctajelor, metoda Saphier și altele.

1. Metoda atribuirii liniare

Metoda aceasta (Linear Assignment Method) a fost propusă de

Bernardo și Blin și presupune lucrul cu matricea inițială a consecințelor,
considerând criteriile echiimportante. La baza algoritmului stă construcția
unei matrici a locurilor L = [Lij], i=1,m, j=1,n, unde Lij reprezintă locul
ocupat de varianta i în criteriul j. Ulterior se definește funcția loc, notată
cu l: V x C → {1,2,...,m} și definită de l(V i,Ci) = k, atunci când varianta
decizionalză Vi ocupă locul k din punctul de vedere al criteriuui C j.
Pentru fiecare variantă se calculează suma locurilor ocupate în toate
n
ρ(V i )=∑ l(V i , C j )
criteriile, pe baza funcției j=1 , i=1,m. În final, soluția
problemei va fi dată de varianta decizională pentru care
¿
ρ( V )=max ρ( V i )
i .
În situația în care k variante ocupă același loc pentru un criteriu, se
va împărți acel criteriu în k subcriterii cu coeficienți de importanță egali
cu a k-a parte din nivelul coeficientului criteriului inițial.
O variantă îmbunătățită a metodei atribuirii liniare presupune
construirea unei matrici F= [fij], i=1,m, j=1,m, unde fij reprezintă suma
coeficienților de importanță corespunzători criteriilor pentru care varianta
i ocupă lucul j. Apoi se rezolvă modelul de programare liniară:
 m m

{max ∑ ∑ bij⋅f ij

i=1
m
i=1 j=1
m
∑ bij =1 ,(∀ ) j=1 , m; ∑ bij =1,( ∀ )i=1 , m; b ij ∈ {0,1}( ∀ )i , i=1 , m
j=1

1 , daca V i ocupa locul j in clasamentul final

unde
bij = {0, alfel

2. Metoda ELECTRE

Metoda ELECTRE a fost propusă într-o primă formă de către un grup

de cercetători francezi în 1965, cunoscând ulterior numeroase variante.
Metoda ELECTRE I pornește de la matricea normalizată a consecințelor
R=(rij) , i=1,m , j=1,n. Pentru fiecare criteriu Cj al acestei matrici se
calculează stările rezultate ale evaluării variantelor, obținându-se vectorul
C̄ j =(r 1 j ,r 2 j ,...,r mj ) . Pentru a se putea compara variantele decizionale cu

mulțimea C= C̄1 x C̄2 x…x C̄ n se va asocia fiecărui criteriu Cj cu

j=1,n un graf Gj=(C, Uj), în care elementele mulțimii V a variantelor vor
reprezenta vârfurile grafului, iar între orice două noduri Vi și Vk se
trasează un arc Uj orientat de la Vi la Vk dacă Vk depășește Vi în
ordonarea după criteriul Cj. În schimb, dacă Vi și Vk sunt echivalente,
atunci se va trasa un arc în ambele sensuri. Astfel, graful G j tranzitiv și
complet va da o reprezentare clară a relației de preordine a variantelor în
raport cu criteriul Cj. Rezultatul comparațiilor se sintetizează într-o
ordine finală cu ajutorul unui graf sinteză G0=(V, U0) al celor n grafuriGj,
de la care se poate deduce ordinea finală a variantelor. Pentru ordonarea
completă cu G0 se introduc indicatorii de concordanță și de discordanță
între oricare două variante.

□ Indicatorul de concordanță între Vk și Vr, unde k și r= 1, m, arată

nivelul de depășire a variantei Vr de către Vk și se calculează astfel:
 n n
c (V k , V r )= ∑ p j / ∑ p j
j ∈J j=1 , unde
J={j|r kj ≥r rj } , unde pj reprezintă
coeficienții de importanță ai criteriilor Cj cu j=1,n.

□ Indicatorul de discordanță între Vk și Vr, unde k și r= 1, m, arată nivelul

depășirii variantei Vk de către Vr și se calculează astfel:

1
d (V k , V r )= d j
{
max |r kj −r rj|
0 ,daca r kj >r rj
, maximul se ia pentru acei j pentru care r kj ≤r rj

unde d este diferența maximă între valorile matricei R.

La pasul următor se introduce pe mulțimea V o relație de forma: V k

surclasează o variantă Vr dacă c (V k , V r )≥p și d (V k ,V r )≤q , unde p și
q sunt praguri de concordanță, respectiv de discordanță cuprinse între 0 și
1. Fiecărei perechi (p,q) i se va asocia un graf G(p,q)=(V,U(p,q)), în care
(V k , V r )∈U ( p , q ) dacă și numai dacă c (V k , V r )≥p și d (V k , V r )≤q .
În practică se pornește de la valorile p=1 și q =1-p=0 și se
micșorează valoarea lui p cu un pas h stabilit de utilizator până când se
obține o variantă V* care le surclasează pe toate celelalte, adică
c(V k ,V r )≥p și d (V k ,V r )≤q , i=1,n. Evident că surclasarea mai
puternică se va obține pentru un p apropiat cu 1, iar q de 0. Metoda este
simplu de aplicat, având avantajul că ține seama de relațiile de
concordanță și discordanță dîntre variante, dar nu ia în calcul dependența
sau independența criteriilor.

3.Metoda ELECTRE BOLDUR

Pas 1. Se transformă matricea consecințelor în matrice de utilități în

funcție de natura criteriului, pe baza următoarelor formule:
min
( aij −a j )
uij = max min
 Pentru criteriu de maxim: (a j −a j ) , unde
max min
a j =max aij a j =min aij
i și i
 max
( a j −aij )
uij = max min
 Pentru criteriu de minim: (a j −a j )
Pas 2. Se determină matricea coeficienților de concordanță astfel:
c(V k , V l )= ∑ π j (ukj −ulj )
{j/u kj>u lj }

Pas 3. Se determină matricea coeficienților de discordanță astfel:

d (V k , V l )= ∑ π j (ulj −ukj )
{ j/u kj <u lj }

Observație: Dacă suma coeficienților de importanță este 1, atunci

d(V k ,V l ) = c(V l ,V k ) .
Pas 4. Se determină criteriul de surclasare a variantelor decizionale
conform metodei ELECTRE, alegându-se p și q ∈[0,1] și p+q=1
c(V k , V l )≥p

astfel încât să aibă loc simultan relațiile:

{d (V k ,V l )≤q
⇒V k≻V l

1.3.7. Metoda Maximizării utilității globale

Pas 1. Se transformă matricea consecințelor în matrice de utilități ca la

pasul 1 al metodei ELECTRE BOLDUR
n
U (V i )=∑ π j uij
Pas 2. Se calculează utilitatea fiecărei variante j=1 ,
∀i=1,m
Pas 3. Se determină varianta decizională optimă ca fiind cea pentru care
¿
U (V )=max U (V i )
i . Celelalte variante decizionale se ordonează
descrescător după valorile lui U(Vi).
Problema 1.
În urma deciziei de reducere a cheltuielilor aferente chiriei anuale
pentru spațiul sediului principal de activitate al firmei Atlantis SRL,
managerul firmei se confruntă cu decizia alegerii unui nou sediu de
activitate, având de ales între trei noi posibile locații:
V1= apartament de 3 camere, 100 mp suprafață utilă, situat central,
contra unei chirii anuale de 7800 euro.
V2= apartament de 2 camere, 100 mp suprafață utilă, situat la 30 de
minute de centru, contra unei chirii anuale de 6000 euro.
V3= apartament de 4 camere, 130 mp suprafață utilă, situat la 10
minute de centru, contra unei chirii anuale de 9600 euro.
Decizia finală va fi luată, ținând cont de următoarele aspecte:
C1: cheltuielile legate cu chiria anuală (euro)
C2: suprafața utilă a spațiului (m2)
C3: poziția clădirii față de centrul orașului

Consecințele celor trei variante posibile în funcție de cele trei criterii

decizionale sunt redate în matricea A(aij) – matricea consecințelor:

Criterii C1 C2 C3
Variante (min) (max) (max)
V1 7800 100 3 (foarte bună)
V2 6000 100 1 (satisfăcător)
V3 9600 130 2 (bună)
Πj 0,5 0,3 0,2

Să se identifice decizia optimă a managerului și ierarhia finală a

variantelor decizionale, utilizând metodele ELECTRE și respectiv
metoda ponderării aditive simple în condiții de certitudine. Alegeți
varianta corectă:
A) V 1≻V 2 ≻V 3 ;
B) V 3 ≻V 1≻V 2 ;
C) V 1≻V 3 ≻V 2 ;
D) V 3 ≻V 2≻V 1 ;
Rezolvare
Se aplică metoda ELECTRE, parcurgând următorii pași:
Pas 1. Normalizăm matricea consecințelor A(aij) utilizând transformarea
liniară. Astfel, se efectuează următoarele calcule, ținând cont de faptul că
C1 este criteriu de minim, în timp ce C2 și C3 sunt criterii de maxim.
100 3
r 11 =1−
7800
=0 , 1875 r 12= =0 , 77 r 13= =1
9600 130 3
6000 100 1
r 21=1− =0,375 r 22= =0 , 77 r 23= =0 , 33
9600 130 3
9600 130 2
r 31=1− =0 r 32= =1 r 33= =0 , 66
9600 130 3

De aici rezultă matricea consecințelor normalizată R(rij):

Criterii C1 C2 C3
Variante (min) (max) (max)
V1 0,188 0,77 1
V2 0,375 0,77 0,33
V3 0 1 0,66
Πj 0,5 0,3 0,2

Pas 2. Construim matricea coeficienților de concordanță astfel:

C(V 1 ,V 2 )=0,3+0,2=0,5 C(V 2 ,V 3 )=0,5
C(V 1 ,V 3 )=0,5+0,2=0,7 C(V 3 ,V 1 )=0,3
C(V 2 ,V 1 )=0,5+0,3=0,8 C(V 3 ,V 2 )=0,3+0,2=0,5

Rezultă matricea coeficienților de concordanță:

C(Vk, Vl) V1 V2 V3
V1 - 0,5 0,7
V2 0,8 - 0,5
V3 0,3 0,5 -

Pas 3. Se construiește matricea coeficienților de discordanță astfel:

 d (V 1 , V 2 )=max {|0 ,188−0 , 375|, 0,0}=0 , 187
d (V 1 , V 3 )=max {0 ,|0 ,77−1|, 0}=0 , 23
d (V 2 , V 1 )=max {0,0 ,|0 ,33−1|}=0 , 67
d (V 2 , V 3 )=max{0 ,|0 ,77−1|,|0 ,33−0 , 66|}=0 , 33
d (V 3 , V 1 )=max {|0−0 ,188|, 0|0 , 66−1|}=0 ,34
d (V 3 , V 2 )=max{|0−0 ,375|, 0,0}=0 ,375

Rezultă matricea coeficienților de discordanță:

d(Vk, Vl) V1 V2 V3
V1 - 0,187 0,23
V2 0,67 - 0,33
V3 0,34 0,375 -

Pas 4. Se definește criteriul de surclasare astfel:

 Pentru p=0,8 se verifică dacă:

C(V2,V1) ≥ 0,8 și d(V2, V1)=0,67 ≤ 0,2 (Fals)

 Pentru p=0,7 se verifică dacă:

C(V1,V3) ≥ 0,7 și d(V1, V3)= 0,187 ≤ 0,3 (Adevărat)
⇒V 1 ≻V 3

 Pentru p=0,5 se verifică dacă:

C(V1,V2) ≥ 0,5 și d(V1, V2)=0,187 ≤ 0,5 (Adevărat)
⇒V 1 ≻V 2

C(V2,V3) ≥ 0,5 și d(V2, V3)=0,33 ≤ 0,5 (Adevărat)

⇒V 2 ≻V 3

Astfel, se obține ierarhia finală: V 1≻V 2 ≻V 3 , iar opțiunea finală a

managerului va fi pentru varianta 1.
Se aplică apoi metoda ponderării aditive simple, pornind de la aceeași
matrice a consecințelor normalizată R(rij) rezultată la pasul 1 al metodei
 n n
f (V i )= ∑ π j r ij / ∑ π j
ELECTRE. Se calculează apoi valorile funcției j =1 j=1

pentru fiecare variantă decizională, astfel:

f (V 1 )=0 ,188∗0,5+0 ,77∗0,3+1∗0,2=0 , 525
f (V 2 )=0 ,375∗0,5+0 ,77∗0,3+0 ,33∗0,2=0 , 4845
f (V 3 )=0∗0,5+1∗0,3+0 , 67∗0,2=0 , 434

Varianta optimă este dată de V1, pentru care se înregistrează maximul

funcției f(Vi). Ierarhia finală rezultată în urma aplicării metodei ponderări
aditive simple este următoarea:
V 1≻V 2 ≻V 3

Răspuns corect: A.

Problema 3.
Un manager se confruntă cu următoarea problemă decizională
privind selecția celui mai bun proiect de investiții. Acesta are de ales între
trei posibile proiecte, pe baza următoarelor criterii:
C1: costul investiției (euro)
C2: rentabilitatea proiectului (%)
C3: durata de recuperare a investiției (ani)
Consecințele celor trei proiecte de investiții sunt redate în matricea A(aij):

Criterii C1 C2 C3
Variante (min) (max) (min)
V1 50.000 7,5% 2
V2 70.000 15,5% 5
V3 90.000 20% 4
Πj 0,5 0,3 0,2

Identificați ierarhia finală a proiectelor de investiții aplicând metoda

permutărilor succesive.
A)
V 1≻V 2 ≻V 3
 B) V 2≻V 1 ≻V 3
C)
V 2≻V 3 ≻V 1

D)
V 3 ≻V 2≻V 1

E)
V 3 ≻V 1≻V 2

Rezolvare
Se parcurg următorii pași:
Pas 1. Se calculează matricea coeficienților de concordanță astfel:
C(V 1 ,V 2 )=0 C(V 2 ,V 3 )=0,2
C(V 1 ,V 3 )=0 C(V 3 ,V 1 )=1
C(V 2 ,V 1 )=1 C(V 3 ,V 2 )=0,8

V ≻V ≻V
Pas 2. Iterația I. ( 1 2 3 )
Pentru matricea coeficienților de concordanță se calculează
θ1 =0,2−2,8=−2,6 .

C(Vk,Vl) V1 V2 V3
V1 - 0 0
V2 1 - 0,2
V3 1 0,8 -

Pas 3. Iterația II. ( 2

V ≻V ≻V
3 1 )
Pentru matricea coeficienților de concordanță se calculează
θ2 =2,2−0,8=1,4 .

C(Vk,Vl) V1 V2 V3
V1 - 0,2 1
V2 0,8 - 1
V3 0 0 -

V ≻V ≻V
Pas 4. Iterația III. ( 3 2 1 )
Pentru matricea coeficienților de concordanță se calculează
θ3 =2,8−0,2=2,6 .
 C(Vk,Vl) V1 V2 V3
V1 - 0,8 1
V2 0,2 - 1
V3 0 0 -

Se constată faptul că nu mai sunt necesare restul permutărilor

deoarece
θ3 este maxim, ceea ce conduce la ierarhia finală
V 3 ≻V 2≻V 1 .

Răspuns corect: D.
Problema 4.
Un agent economic urmărește să încheie o poliță de asigurare pentru
imobilul în care își desfășoară activitatea de producție cu societatea de
asigurări care a înregistrat în ultimul an cei mai buni indicatori. Pentru
aceasta a luat în calcul patru posibile variante: Astra Asigurări, BCR
Asigurări, ING Asigurări și Alianz Țiriac Asigurări. Pentru a stabili
ierarhia finală a celor patru societăți de asigurări agentul economic va
ține cont de următoarele aspecte:
C1: prime brute subscrise (mii lei)
C2: prime brute încasate (mii lei)
C3: daune nete plătite (mii lei)
Consecințele celor patru variante posibile în funcție de cele trei
criterii decizionale sunt redate în matricea A(aij) – matricea consecințelor:

Criterii C1 C2 C3
Variante (max) (max) (min)
V1 - Astra Asigurări 7000 7300 2000
V2 - BCR Asigurări 2000 2200 100
V3 - ING Asigurări 8000 6000 800
V4 - Alianz Țiriac Asigurări 6800 7200 1900
Πj 0,3 0,4 0,3

Să se stabilească ierarhia finală a societăților de asigurare utilizând

metoda TOPSIS.
A)
V 2≻V 4 ≻V 1≻V 3
 B)
V 4 ≻V 1 ≻V 2 ≻V 3

C)
V 1≻V 4 ≻V 2≻V 3

D)
V 3 ≻V 4 ≻V 2≻V 1

Rezolvare
Aplicăm metoda TOPSIS, parcurgând următorii pași:
Pas 1. Se determină matricea consecințelor normalizată printr-o metodă
de normalizare vectorială și se obține matricea consecințelor normalizată
R(rij):

Criterii C1 C2 C3
Variante (max) (max) (min)
V1 - Astra Asigurări 0,294 0,32 0,42
V2 - BCR Asigurări 0,084 0,097 0,02
V3 - ING Asigurări 0,336 0,264 0,16
V4 - Alianz Țiriac Asigurări 0,286 0,32 0,4
Πj 0,3 0,4 0,3

Pas 2. Se construiește matricea normalizată ponderată V= (vij) , i=1,m ,

j=1,n.

Criterii C1 C2 C3
Variante (max) (max) (min)
V1 - Astra Asigurări 0,088 0,13 0,13
V2 - BCR Asigurări 0,025 0,04 0,006
V3 - ING Asigurări 0,1 0,11 0,05
V4 - Alianz Țiriac Asigurări 0,086 0,13 0,12

Pas 3. Se determină soluția ideală V* și respectiv soluția ideală negativă

V-.
¿ −
V =(0,1; 0, 13; 0, 06), V =(0,025 ; 0,04; 0,13)
Pas 4. Se calculează distanța dintre soluții pe baza formulei distanței
euclidiene:
 2 2 2
S 1 = √( 0 ,088−0,1) +(0 , 13−0 ,13 ) +(0 , 13−0 , 006 ) ¿0,1246
¿

2 2 2
S 2 = √ (0 ,025−0,1 ) +(0 ,04−0 , 13 ) +( 0 ,006−0 , 006 ) ¿ 0,1172
¿

S 3 = √(0,1−0,1 )2 +(0 ,11−0, 13)2 +(0 , 05−0 , 006)2 ¿0,0483

¿

S 4 =√(0 , 086−0,1)2 +(0 , 13−0 ,13 )2 +(0,12−0 , 006)2 ¿ 0,1149

¿

2 2 2
S 1−=√(0 , 088−0 ,025 ) +(0 ,13−0 , 04 ) +(0 , 13−0 , 13 ) =0 ,1098
S 2−=√(0 , 025−0 ,025 )2 +(0 , 04−0 , 04 )2 +( 0 ,006−0 , 13 )2 =0 ,124
S 3−=√(0,1−0 ,025 )2 +(0 , 11−0 ,04 )2 +(0 , 05−0 ,13 )2 =0 , 13
S 4−= √(0 ,086−0 , 025 )2 +(0 ,13−0 , 04 )2 +(0 ,12−0 , 13)2 =0 , 1092

Pas 5. se calculează apropierea relativă față de soluția ideală:

Ci =S i− ¿ (S i∗¿ +S i− )∈[0,1 ] ¿
¿
și se întocmește apoi clasificarea

variantelor decizionale, descrescător, în funcție de valorile lui

Ci ¿

S1− 0,1246 S2− 0,1 72 S3− 0, 483 S4− 0,1 49

C1= = =0,532¿C2= = =0,486¿C3= = =0,271¿C4= = =0,513¿
¿ ¿ ¿ ¿

(S 0,1246+0,1098 (S 0,1 72+0,124 (S 0, 483+0,13 (S 0,1 49+0,1092

1∗¿+S −) 2∗¿+S −) 3∗¿+S −) 4∗¿+S −)
1 2 3 4
Ierarhia finală a societăților de asigurări este așadar:
V 1≻V 4≻V 2≻V 3 .

Răspuns corect: C.

Problema 5.
Pentru amplasare unui magazin de prezentare a mobilei sunt propuse
trei variante (V1, V2, V3). Criteriile după care acestea sunt analizate se
referă la :
 C1 -volumul estimat pentru desfacerea zilnică (mil. lei)
C2 -indicele de gravitație comercială
C3 -suprafața de prezentare ( m2)
Consecințele corespunzătoare fiecărei variante decizionale, precum și
importanța relativă a criteriilor sunt date în tabelul următor:

Criterii C1 C2 C3
Variante (max) (min) (max)
V1 1000 3 560
V2 600 10 580
V3 500 9 500
Πj 0,25 0,55 0,2

Se cere să se determine varianta optimă prin metoda ELECTRE-

BOLDUR și prin metoda Maximizării utilității globale.

Rezolvare
Rezolvăm problema decizională mai întâi prin metoda
ELECTRE-BOLDUR. Pentru aceasta calculăm matricea utilităților,
min
aij −a j
max min
aplicând formula: r ij = a j −a j pentru criteriile de maxim, în
a min
r ij = j
timp ce pentru criteriul de minim calculăm raportul aij .
Pentru fiecare criteriu de maxim în parte s-au determinat diferențele între
valorile maxime și cele minime:
max min
a 1 -a 1 =1000-500=500
max min
a 3 -a 3 =580-500=80
3
r 12 =
Separat am calculat 10 =0,3
10
r 22=
10 =1
 9
r 32=
10 =0,9
A rezultat următoarea matrice a utilităților:
Criterii C1 C3
C2
Variante (max (max
(min)
) )
V1 1 0,3 0,75
V2 0,2 1 1
V3 0 0,9 0
πj 0,25 0,55 0,2
Scriem matricea coeficienților de concordanță:
c(V k , V l )= ∑ π j (ukj −ulj )
{j/u kj>u lj }

c(V k ,V l ) V1 V2 V3
V1 - 0,2 0,4
V2 0,435 - 0.305
V3 0,33 0 -

Scriem matricea coeficienților de discordanță, astfel:

d (V k , V l )= ∑ π j (ulj −ukj )
{ j/u kj <u lj }

d(V k ,V l ) V1 V2 V3
V1 - 0,435 0,33
V2 0,2 - 0
V3 0,4 0,305 -

Căutam un criteriu prin care o variantă decizională le surclasează pe

toate celelalte. Pentru aceasta trebuie îndeplinite simultan condițiile:
C(Vk,Vl)≥p
C(Vk,Vl)≤q
(p,q) ∈ (0,1), p+q=1 => Vk ¿ Vl (Vk preferată lui Vl)

Luăm:
 p=0,435 și q=0,565 => C(V2,V1)=0,435 ¿ 0,435
 D(V2,V1)=0,2 ¿ 0,565 (Adevărat) =>V2>V1

 p=0,4 și q=0,6 => C(V1,V3)=0,4 ¿ 0,4

D(V1,V3)=0,33 ¿ 0,6 (Adevărat) =>V1>V3

 p= 0,33 și q=0,67 => C(V3,V1)=0,33 5 ¿ 0,33

D(V3,V1)=0,4≤0,67 (Adevărat) =>V3>V1

 p= 0,305 și q=0,695 => C(V2,V3)=0,305 ¿ 0,305

D(V2,V3)=0≤0,695(Adevărat)=>V2>V3

Deci se alege V2 și rezultă următoarea ierarhie finală a variantelor

decizionale:
V 2≻V 1 ~V 3 .

Reluăm apoi problema utilizând metoda Maximizării utilității

globale. Pentru aceasta pornim de la aceași matrice a utilităților obținută
la pasul 1 al metodei ELECTRE-BOLDUR. Apoi calculăm funcțiile de
utilitate pentru fiecare variantă decizională în parte, astfel:
U(V1)=1*0,25+0,3*0,55+0,75*0,2=0,565
U(V2)=0,2*0,25+1*0,55+1*0,2=0,8
U(V3)=0*0,25+0,9*0,55+0*0,2=0,495

Astfel, se obține următoarea ierarhie finală a variantelor decizionale

V 2≻V 1 ≻V 3 . Se constată faptul că ambele metode cu utilități identifică
V2 ca fiind varianta decizională optimă.
 PROBLEME DECIZIONALE ÎN CONDIȚII DE RISC

Arbori decizionali
Problemele decizionale în condiții de risc, pot fi adesea rezolvate
prin intermediul arborilor decizionali, pentru care e necesară, mai întâi,
identificarea probabilităților de apariție a stărilor naturii. Având structură
arborescentă, cu noduri-decizionale și noduri-eveniment, arborele
decizional este deseori utilizat pentru a reflecta fluxul cronologic al
acțiunilor unui decident, ținând cont de stările posibile ale naturii.
Reprezentarea pornește de la un nod decizional “rădăcină” care se
ramifică, urmând ca fiecare ramură eveniment să se subdividă în alte
ramuri, aferente stărilor posibile ale naturii, în timp ce la capătul acestora
se regăsesc consecințele finale, reprezentând câștigurile așteptate ale
decidentului. Probabilitățile asociate ramurilor eveniment reprezintă
șansele de realizare a stărilor naturii.
Identificarea deciziei optime în condiții de risc se obține prin
parcurgerea inversă a întregului arbore, de la ”frunze” la nodul principal
-”rădăcină” (metoda inducției inverse) și prin compararea la fiecare pas a
câștigurilor medii așteptate.

Problema 6
O companie are un fond de investiții de 50.000 u.m.. Acești bani pot
fi investiți în obligațiuni municipale cu o rată anuală a dobânzii de 5 %
sau într-un nou utilaj ce costă 50.000 u.m.. Dacă se achizitioneaza
utilajul, atunci pentru o conjunctură economică favorabilă, se estimează
un profit annual de 10.000 u.m., iar în cazul unei conjuncturi economice
nefavorabile, se estimează o pierdere anuală de 20.000 u.m.. Pentru ce
probabilitate asociată stării favorabile a economiei, agentul economic este
indiferent între cele două variante?
a) p=0,75;
b) p=0,77;
c) p=0,72;
d) p=0,57;
e) p=0,7.

Rezolvare
Avem arborele decizional:

Pentru a fi indiferentă între obligațiuni(O) și utilaj(U) compania

trebuie ca:
EMV(O)=EMV(U)
EMV(O)=2500
EMV(U)=10.000*p+(1-p)*(-20.000)=30.000*p-20.000=>
=> 2500=30.000*p-20.000
p=22.500/30.000=0,75

Răspuns corect: A.

Problema 7
În vederea lansării unui nou produs electronic pe piață, o firmă
producătoare are posibilitatea efectuării prealabile a unui test pe piață la
un cost de 1 mil.$ sau a unei cercetări selective ample, la un cost de 5
mil.$.
În cazul unui răspuns favorabil la testul de piață (șansele estimate
fiind de 0.48), firma poate abandona proiectul sau poate trece la
distribuirea produsului pe piață. Șansele de succes în acest ultim caz sunt
estimate la 0.75, iar profitul firmei va crește cu 10 milioane $. În caz de
insucces, profitul firmei se va diminua cu 5 milioane $. În cazul în care
produsul nu se comercializează, profitul nu va fi afectat.
Dacă răspunsul testului de piață este nefavorabil, probabilitatea ca
produsul să aibă succes este de 0.8. Managerii firmei consideră că
cercetarea selectivă amplă oferă un rezultat favorabil comercializării
produsului cu probabilitatea de 0.40. Fiind dat un rezultat favorabil al
cercetării selective ample, șansele ca produsul să aibă succes sunt de
70%. Dacă rezultatul cercetării este nefavorabil probabilitatea ca
produsul să nu aibă succes este de 80%.
Construiți arborele decizional și determinați strategia pe care o vor
adopta managerii firmei în termenii speranței monetare.

Rezolvare
 Se calculează speranța monetară EMV pentru fiecare caz în parte.
Calculele se fac respectând mersul înapoi de la nodurile finale la primul
nod decizional.

EMV(D2)=max{-1 mil; 0.75*9 mil-0.25*6 mil}=5,25 mil.$

EMV(D3)=max{-1 mil;0.08*9-0,92*6}= -1 mil.$
EMV(D4)=max{-5 mil; 0,7*5 mil-0,3*10mil}=0,5 mil.$
EMV(D5)=max{-5mil; 0,2*5mil-0,8*10mil}= -5mil.$
EMV(D1)=max{0,48*5,25mil-0,52*1mil;0,4*0,5mil-0,6*5mil}=2mil.$

Rezultă că managerii firmei vor decide să facă un test de piață.

Dacă rezultatul este favorabil în urma testului de piață, atunci va fi
bine să distribuie produsul și o să obțină un profit de 9 milioane $, în
cazul în care produsul are success.
În schimb, dacă rezultatul este nefavorabil în urma testului de piață,
atunci va fi mai bine să nu distribuie produsul.
Problema 8
Se consideră problema decizională a unei societăți de leasing, care se
află în ipostaza de a decide între a apela sau nu la o societate specializată
pentru un studiu de analiză-diagnoză a pieței economice, care să-i
permită o anticipare a fluctuațiilor economice și a șanselor ca pe un
orizont mediu de timp, economia românească să se confrunte cu condiții
economice normale, de criză economică sau de dezvoltare accelerată,
contra unui cost de 500€.
Un al doilea punct decizional al finanțatorului constă în posibilitatea
de a accepta sau nu solicitarea de contractare a societății Atlantis SRL, în
vederea achiziționării în leasing financiar a unui autoturism în valoare de
15.000€ pe o perioadă de 3 ani, cu avans de 20%, valoare reziduală
inclusă în redevență și cu o dobândă de 9,5%.
Finanțatorul va trebui să-și fundamenteze decizia ținând cont atât de
câștigurile nete previzionate, cât și de probabilitățile asociate clientului
de a fi „bun platnic” sau de a înregistra întârzieri în plata redevențelor.
În cazul contractării, pe parcursul derulării contractului de leasing,
societățile de leasing se pot confrunta cu următoarele situații:
 clientul își plătește la timp și integral toate obligațiile contractuale
 clientul plătește integral, dar cu o întârziere de 30 până la 90 zile,
pentru care se calculează penalizări de 0,2%* Soldul restant de plată *
numărul de zile de întârziere de la data scadenței
 clientul se află în imposibilitate de plată, după o întârziere de
peste 90 de zile de la data scadenței.

În situația în care clientul înregistrează întârzieri de peste 90 de zile

de la data scadenței însă, societatea de leasing are de ales între a încerca
un plan de reeșalonare a plății soldului restant al clientului, asumându-și
un cost de oportunitate ce constă în șansa de utilizare a produsului în
respectivul interval de timp într-o altă posibilă operațiune de leasing sau
de a rezilia imediat contractul și de a încerca să-și recupereze bunul și
soldul restant, căutând, totodată, noi clienți cu scopul vânzării sau
închirierii respectivului bun la un nou preț.
În situația în care clientul este o societate în funcțiune în momentul
rezilierii, finanțatorul își poate acționa clientul în instanță, dacă acesta
refuză să plătească. Cheltuielile cu judecata se ridică însă la aproape 10%
din valoarea contractului și vor trebui suportate de societatea de leasing
în cazul în care nu va primi câștig de cauză în instanță pe motivul că nu
toate acțiunile sale au fost efectuate în legalitate.
În plus, societatea de leasing poate să decidă și între a încerca să-și
recupereze singură produsul finanțat sau să apeleze la o societate de
recuperare de bunuri, în schimbul unui cost mediu de 500 €, cu șanse
sigure de recuperare a bunului. În cazul în care bunul se declară furat,
finanțatorul va putea recupera pe baza asigurării CASCO 50% din
valoarea rămasă de amortizat a bunului.
Mai mult, în cazul recuperării bunului ce a făcut obiectul
contractului, societatea de leasing poate plasa produsul într-un nou
contract de leasing second-hand sau poate opta pentru vânzarea lui pe
piața auto second-hand. Printr-un contract de leasing second-hand este
posibil un câștig mai mare decât în cazul vânzării autoturismului pe piața
auto, însă și cererea pentru leasing second-hand este mai redusă,
diminuându-se astfel și șansele de contractare prin leasing. Prețul cu care
autoturismul ar putea fi plasat pe piața auto sau pe cea a leasingului se va
decide în funcție de suma rămasă de recuperat în momentul rezilierii
contractului de leasing.
Pe piața auto se consideră două posibilități: fie se vinde cu 30% peste
valoarea rămasă de recuperat din contractul de leasing, dacă piața auto
second-hand este favorabilă; fie se vinde la doar 80% din valoarea
rămasă de recuperat din contractul de leasing, în condiții nefavorabile pe
piața auto.
În schimb, pe piața leasingului second-hand produsul fie se
contractează la un preț cu 50% peste valoarea rămasă de recuperat din
contractul de leasing; fie nu se găsește solicitant și bunul nu poate fi
contractat. În această situație autoturismul rămâne în stocul societății de
leasing și presupune un cost lunar de garaj și asigurare CASCO de 150€
pe lună.
Problema decizională a finanțatorului în condiții de risc, poate fi
rezolvată prin intermediul unui arbore decizional, pentru care e necesară,
mai întâi, identificarea probabilităților de apariție a stărilor naturii. În
situația în care finanțatorul nu optează pentru studiul de analiză-diagnoză
a pieței economice, se vor utiliza probabilități subiective (anterioare),
obținute pe baza datelor istorice ale contractelor societății de leasing și pe
intuiția finanțatorului, în timp ce dacă se optează pentru studiul de
analiză-diagnoză, decizia finanțatorului va opera cu informații
suplimentare, ce vor genera probabilități revizuite (posterioare).
Astfel, probabilitățile subiective ale finanțatorului cu privire la
șansele ca pe termen scurt să fie condiții economice normale, de criză
economică sau de dezvoltare accelerată sunt prezentate în tabelul 3.1.

Tabel 1. Probabilitățile de apariție a stărilor naturii

Probabilită
Probabilită
ți Probabilită
STĂRI ALE ți
condiționat ți revizuite
NATURII subiective
e
P(Ni) P(I/Ni) P(Ni/I)
N1 - Condiții
30% 47% 43%
normale
N2 – Condiții de
40% 30% 36%
criză
N3– Condiții de
dezvoltare 30% 23% 21%
accelerată

În plus, în urma studiului de analiză-diagnoză a pieței economice se

obțin informațiile suplimentare I, cu privire la condițiile economice,
rezultând probabilitățile condiționate P(I/Ni).
Aplicând teorema lui Bayes, se calculează probabilitățile revizuite
(posterioare), ce înglobează informația suplimentară. P(Ni/I) reprezintă
probabilitatea ca starea reală a naturii să fie Ni, dată fiind informația I și
se obține pe baza următoarei relații de calcul, pe cazul general:

P (N i∩ X j ) P( X j /Ni ) *P( N i )
P( N i /X j )= =
P ( X j) ∑ P( X j /Ni ) *P( N i )
i

În ceea ce privește probabilitățile asociate măsurii în care clientul își

poate onora obligațiile contractuale, condiționat fiind de mediul
economic, acestea sunt următoarele:
Tabel .2. Probabilitățile deciziei de plată a clientului pe baza studiului de piață
PE BAZĂ DE STUDIU DE ANALIZĂ A PIEȚEI
STĂRI ALE Plată Plată
Plată integral
NATURII Plată integral cu integral cu Întârziere
cu întârziere
integral întârziere întârziere >90 zile
90 zile
30 zile 60 zile
N1 – Condiții normale 50% 26% 8% 3% 13%
N2 – Condiții de criză 15% 20% 16% 2% 47%
N3 – Condiții de
60% 17% 10% 6% 7%
dezvoltare accelerată

Tabel .3. Probabilitățile deciziei de plată a clientului fără a apela la studiu

FĂRĂ STUDIU DE ANALIZĂ A PIEȚEI
STĂRI ALE Plată integral Plată integral Plată integral
NATURII Plată Întârziere
cu întârziere cu întârziere cu întârziere
integral >90 zile
30 zile 60 zile 90 zile
N1 – Condiții normale 40% 20% 13% 7% 20%
N2 – Condiții de criză 15% 15% 15% 5% 50%
N3 – Condiții de
45% 20% 10% 10% 15%
dezvoltare accelerată

Mai mult, pe baza datelor istorice cu privire la statisticile

contractărilor în leasing din cadrul unei societăți de leasing, au fost
estimate probabilitățile măsurii în care un client cu întârzieri mai mari de
90 de zile de la data scadenței ar putea intra în insolvență sau dispune de
fonduri în urma reeșalonării pentru a plăti penalizările și redevențele
restante, condiționat fiind și de condițiile economice.
Valorificarea informațiilor suplimentare rezultate din studiul de
analiză-diagnoză a pieței economice cât și a operațiunilor de leasing, a
permis o revizuire a probabilităților (tabelurile 3.4 și 3.5).

Tabel .4. Probabilitățile tipurilor de clienți rău-platnici pe baza studiului

PE BAZĂ DE STUDIU DE ANALIZĂ A PIEȚEI
STĂRI ALE Clientul în Clientul în Clientul intră în
NATURII funcțiune funcțiune nu insolvență și nu
plătește plătește plătește
N1 – Condiții normale 80% 10% 10%
N2 – Condiții de criză 65% 15% 20%
N3–Condiții de 90% 7% 3%
 dezvoltare accelerată

Tabel .5. Probabilitățile tipurilor de clienți rău-platnici fără a apela la studiu

FĂRĂ STUDIU DE ANALIZĂ A PIEȚEI
STĂRI ALE Clientul în Clientul în Clientul intră în
NATURII funcțiune funcțiune nu insolvență și nu
plătește plătește plătește
N1 – Condiții normale 75% 15% 10%
N2 – Condiții de criză 60% 20% 20%
N3–Condiții de
80% 15% 5%
dezvoltare accelerată

În ceea ce privește șansele de recuperare a bunului și respectiv a

soldului restant de la clientul „rău platnic” atât în cazul în care se
apelează sau nu la o societate de recuperare de bunuri, acestea sunt
considerate a fi independente de condițiile economice (tabelul 3.6).

Tabel .6. Șanse de recuperare a bunului și soldului restant de la clienții rău-platnici

Recuperez Recuperez Pierd și sold Recuperez
CLIENT IN FUNCȚIUNE
sold și bun doar sold și bun doar bun
Reziliere și acțiune în instanță. Nu
apelează la societate de recuperare
80% 4% 6% 10%
Reziliere și acțiune în instanță.
Apelează la societate de recuperare
90% 0% 0% 10%

Recuperez Recuperez Pierd și Recuperez

CLIENT ÎN INSOLVENȚĂ
sold și bun doar sold sold și bun doar bun
Reziliere. Nu se apelează la
0% 0% 11% 89%
societate de recuperare
Reziliere. Se apelează la
0% 0% 0% 100%
societate de recuperare

În cazul plasării bunului pe piața auto sau pe piața leasingului

second-hand, șansele ca vânzarea, respectiv închirierea să se efectueze cu
succes variază în funcție de condițiile economice (tabelurile 3.7 și 3.8).

Tabel .7. Șansele de vânzare/închiriere a bunului pe baza studiului de piață

PE BAZĂ DE STUDIU DE ANALIZĂ A PIEȚEI
STĂRI ALE Piața auto second-hand Leasing second-hand
NATURII Nu
favorabilă nefavorabilă contractează
contractează
N1 – Condiții 55% 45% 35% 65%
normale
N2 – Condiții de criză 40% 60% 30% 70%
N3 – Condiții de
65% 35% 45% 55%
dezvoltare accelerată

Tabel .8. Șansele de vânzare/închiriere a bunului fără apel la studiul de piață

FĂRĂ STUDIU DE ANALIZĂ A PIEȚEI
STĂRI ALE Piața auto second-hand Leasing second-hand
NATURII Nu
favorabilă nefavorabilă Contractează
contractează
N1 – Condiții
50% 50% 30% 70%
normale
N2 – Condiții de criză 30% 70% 25% 75%
N3– Condiții de
60% 40% 40% 60%
dezvoltare accelerată

Pe baza celor prezentate, să se structureze problema decizională în

condiții de risc a societății de leasing sub forma unui arbore decizional și
să se determine decizia finală a firmei de leasing.

Rezolvare
Pentru calculul profiturilor medii nete așteptate, au fost utilizate
următoarele relații:
 în cazul plății integrale:

Profit= Redevența* 36+Comision - Cost

unde: Profit –profitul înregistrat pe întreaga perioadă de derulare a

contractului
Redevența – rata de leasing lunară în valoare de 384,4€, calculată
pentru un contract de finanțare în leasing a unui autoturism
în valoare de 15.000 € pe 36 luni, avans 20%, valoare
reziduală inclusă și dobândă 9,5%.
 Comision -comision la contractarea în leasing (2% din valoarea
autoturismului)
Cost - costul investiției, calculat ca preț de achiziție minus avans

 în cazul plății cu întârzieri:

Profit= Redevența* 36+Comision+ Penalizări- Cost

unde: Penalizări =Redevență * 0,2%*Număr zile de întârziere de

plată

 în cazul în care clientul înregistrează întârzieri mai mari de 90 de

zile, pentru calculul profitului s-a considerat că întârzierile au loc la 2 ani
după momentul contractării. În această situație, profitul s-a calculat
diferențiat, astfel:

 dacă finanțatorul și-a recuperat soldul restant și bunul și reușește

să-l vândă sau să-l închirieze:

Profit=Redevența* 27+Comision+ Penalizări + Preț_vânzare-Cost

unde: Preț_vânzare – noul preț de vânzare al bunului pe piața auto

sau leasing second hand, calculat ca: Valoarea rămasă de recuperat
din anul 3* Indice_preț
unde Indice_preț este:

{1.3, daca piata auto e favorabila ¿ {0.8, daca piata auto nu e favorabila ¿¿¿¿
 dacă finanțatorul și-a recuperat soldul restant și bunul, dar nu
reușește să-l vândă sau să-l închirieze:

Profit= Redevența* 27+Comision+ Penalizări – 150 *9 – Cost

  dacă finanțatorul nu-și poate recupera nici soldul restant și nici
bunul:

Profit= Redevența* 24+Comision – 0,5*(Val_amz)- Cost

unde: Val_amz – valoarea rămasă de amortizat a bunului, după

primii 2 ani de contract.

În plus, în cazul în care se solicită studiul de analiză-diagnoză a pieței

sau se apelează la o societate de recuperare de bunuri, din valoarea
așteptată a profiturilor se vor scădea și costurile necesare studiului,
respectiv recuperării bunului.
De asemenea, în situația în care finanțatorul decide acționarea în
instanță a clientului, cheltuielile de judecată, reprezentând 10% din prețul
de achiziție a bunului, vor fi suportate fie de client, în cazul în care
finanțatorul are câștig de cauză, fie de finanțator, în caz contrar.
Problema decizională se poate structura sub forma arborelui
decizional redat în figura 31.
Astfel se permite identificarea deciziei optime a finanțatorului în
condiții de risc, prin parcurgerea inversă a întregului arbore, de la
”frunze” la nodul principal, numit ”rădăcină” (metoda inducției inverse)
și prin compararea la fiecare pas a profiturilor medii așteptate. Pătratele
reprezintă punctele de decizie ale decidentului, numite noduri
decizionale, în timp ce cercurile reprezintă punctele eveniment.
La nivelul acestor noduri, fiecare ramură eveniment se subdivide în
alte ramuri, aferente stărilor posibile ale naturii, în timp ce la capătul
acestora se regăsesc consecințele finale, reprezentând profiturile așteptate
ale finanțatorului. Probabilitățile asociate ramurilor eveniment reprezintă
șansele de realizare a stărilor naturii.
În figurile 2 și 3 sunt prezentate în detaliu procesele decizionale ale
rezilierii contractului, respectiv ale reeșalonării plăților în condiții de
criză economică, fără solicitarea studiului de piață.
 819 50% plata integral 1638.2
contracteaza 26% plata integral cu intarziere de 30 zile 1661.3
8% plata integral cu intarziere de 60 zile 1684.4
3% plata integral cu intarziere de 90 zile 1707.4
819.1 REESA LONA RE 1365.9
43% conditii normale
13% intarziere plata
> 90 zile REZILIERE 1416.2
nu contracteaza -500.0
522 15% plata integral 1638.2
contracteaza 20% plata integral cu intarziere de 30 zile 1661.3
16% plata integral cu intarziere de 60 zile 1684.4
2% plata integral cu intarziere de 90 zile 1707.4
521.6 REESA LONA RE 1109.8
36% conditii de criza
352 47% intarziere plata
> 90 zile REZILIERE 1092.8
nu contracteaza -500.0

983 60% plata integral 1638.2

contracteaza 17% plata integral cu intarziere de 30 zile 1661.3
10% plata integral cu intarziere de 60 zile 1684.4
982.9 6% plata integral cu intarziere de 90 zile 1707.4
21% conditii de dezvoltare REESA LONA RE 1536.7
accelerata
7% intarziere plata
studiu de analiza > 90 zile REZILIERE 1660.5
nu contracteaza -500.0

352 855 40% plata integral 2138.2

contracteaza 20% plata integral cu intarziere de 30 zile 2161.3
13% plata integral cu intarziere de 60 zile 2184.4
7% plata integral cu intarziere de 90 zile 2207.4
855.3 REESA LONA RE 1655.6
30% conditii normale
20% intarziere plata
> 90 zile REZILIERE 1713.9
f ara studiu nu contracteaza 0.0

662 15% plata integral 2138.2

contracteaza 15% plata integral cu intarziere de 30 zile 2161.3
15% plata integral cu intarziere de 60 zile 2184.4
5% plata integral cu intarziere de 90 zile 2207.4
662.2 REESA LONA RE 1324.5
40% conditii de criza
289 50% intarziere plata
> 90 zile REZILIERE 1302.0
nu contracteaza 0.0

962 45% plata integral 2138.2

contracteaza 20% plata integral cu intarziere de 30 zile 2161.3
10% plata integral cu intarziere de 60 zile 2184.4
962.2 10% plata integral cu intarziere de 90 zile 2207.4
30% conditii de dezvoltare REESA LONA RE 1765.9
accelerata
15% intarziere plata
> 90 zile REZILIERE 1940.6
nu contracteaza 0.0

Fig. .1. Problema decizională a finanțatorului sub formă de arbore decizional

Analizând problema rezilierii în condiții de criză economică, s-a
constatat faptul că societatea de leasing obține cel mai mare profit de
1302 € la momentul rezilierii contractului, dacă decide să acționeze
clientul în instanță, fără a apela la o societate de recuperare de bunuri.
Având șanse foarte mari să-și recupereze atât bunul cât și soldul
restant, finanțatorul va urmări apoi să plaseze bunul pe piața auto second-
hand, unde va putea fi vândut, spre a genera profit societății de leasing.
Nivelul acestui profit va fi apoi comparat cu cel obținut din cea de-a doua
ramură decizională, care prevede opțiunea de reeșalonare a plăților
datorate de client, în aceleași condiții de criză economică.
 30% favorabil 3245.3
REZILIERE vanzare auto 1515.5
2034.4 70% nefavorabil
80% recuperare sold si bun 3937.2
leasing 25% contract -2602.1
75% stoc
1627.6 4% recuperare doar sold -2915.6
6%
Actiune in instanta pierdere sold si bun -5866.5
nu apeleaza la societate 30% favorabil 822.9
de recuperare bunuri vanzare auto -906.9
10% recuperare doar bun 70% nefavorabil
80% 1514.8
1302 client leasing 25% contract -5024.5
societate in functiune 75% stoc
reziliere 30% favorabil 2745.3
90% recuperare sold si bun vanzare auto 715.5
70% nefavorabil
3437.2
leasing 25% contract -3102.1
Actiune in instanta 75% stoc
apeleaza la societate 30% favorabil 322.9
de recuperare bunuri vanzare auto -1406.9
10% recuperare doar bun 70% nefavorabil
1014.8
leasing 25% contract -5524.5
75% stoc
812.1 30% favorabil 2022.9
recuperare bun vanzare auto 293.1
89% 70% nefavorabil
722.7 2714.8
leasing 25% contract -3824.5
Reziliere 75% stoc
NU apeleaza la societate nu recupereaza bun -4666.5
20% de recuperare bunuri 11% 30% favorabil 1522.9
client vanzare auto -206.9
in insolventa 70% nefavorabil
Reziliere 2214.8
Apeleaza la societate de recuperare bunuri leasing 25% contract -4324.5
75% stoc

Fig..2. Procesul decizional al rezilierii contractului sub formă de arbore decizional

Problema decizională a finanțatorului de a alege între reziliere și
reeșalonarea plăților este redată în figura 3.3, unde este, de altfel,
prezentată mai în detaliu ramura opțiunii privind reeșalonarea plăților.
 0.6 Client in functiune 2207.4
2207.4
plateste 0.3 favorabil 3245.3
2034 vanzare auto 1515.5
0.7 nefavorabil
0.8 recuperare sold si bun 0.3 3937.2
1324 leasing contract -2602.1
REESALONARE 1627.6 0.04 recuperare doar sold 0.8 stoc -2915.6
0.06
actiune in instanta pierdere sold si bun -5866.5
fara soc. de recup. 0.3 favorabil 822.9
1627.6 vanzare auto -906.9
0.1 recuperare doar bun 0.7 nefavorabil
0.2 Client in functiune 0.3 1514.8
nu plateste leasing contract -5024.5
0.8 stoc
1324 0.3 favorabil 2745.3
0.90 recuperare sold si bun vanzare auto 715.5
0.7 nefavorabil
1192.0 0.3 3437.2
leasing contract -3102.1
actiune in instanta 0.8 stoc
cu soc. de recup. 0.3 favorabil 322.9
vanzare auto -1406.9
0.1 recuperare doar bun 0.7 nefavorabil
0.3 1014.8
leasing contract -5524.5
0.8 stoc
812.1 0.3 favorabil 2022.9
0.89 recuperare bun vanzare auto 293.1
0.7 nefavorabil
722.7 0.3 2714.8
leasing contract -3824.5
Reziliere 0.8 stoc
722.74 nu apeleaza la societate pierdere sold si bun -4666.5
0.20 Client in insolventa de recuperare bunuri
0.11 0.3 favorabil 1522.9
nu plateste vanzare auto -206.9
312.0701687 0.7 nefavorabil
144.55 Reziliere si apeleaza la societate de recuperare bunuri 0.3 2214.8
leasing contract -4324.5
0.8 stoc
REZILIERE 1302.0

Fig.3. Procesul decizional al reeșalonării plăților sub formă de arbore decizional

Aplicând din nou metoda inducției inverse asupra ramurii privind

opțiunea de reeșalonare, se determină că cea mai probabilă stare
corespunde clientului care reușește să plătească integral datoria, în urma
planului de reeșalonare, aducând societății de leasing un profit de 1324.5
€. Comparând apoi profiturile medii ale celor două ramuri decizionale, se
constată faptul că societatea de leasing trebuie să opteze pentru varianta
reeșalonării plăților în condiții de criză economică, ținând cont de faptul
că starea cea mai probabilă este totuși aceea corespunzătoare unui client
„bun platnic”.
Asemănător au fost tratate și celelalte probleme decizionale privind
reeșalonarea sau rezilierea, în situațiile în care finanțatorul solicită sau nu
studiul de piață pentru fiecare din cele 3 stări ale naturii caracterizate fie
de condiții economice normale, de criză sau de dezvoltare economică,
determinându-se astfel profiturile medii așteptate pentru fiecare situație
în parte.
Parcurgând apoi întreg arborele decizional, se constată faptul că
decizia optimă a finanțatorului în condiții de risc, ce conduce la un profit
mediu maxim de 352 €, presupune ca societatea de leasing să solicite
studiul de piață și să accepte finanțarea prin leasing a autoturismului în
valoare de 15000€ într-un mediu economic caracterizat cel mai probabil
prin condiții economice normale pe un orizont mediu de timp și prin
clienți preponderenți „bun platnici”, care își vor onora toate obligațiile
contractuale la timp.
Mai mult, în urma modelării sub formă de arbore decizional a
deciziei în condiții de risc a societăților de leasing, se constată faptul că
atât în situația în care se solicită studiul de piață, cât și când nu se
efectuează o analiză de piață în prealabil, decizia finanțatorului se
caracterizează prin câteva elemente similare.
Astfel, în condiții economice normale, precum și în cele caracterizate
de dezvoltare economică accelerată, finanțatorul va avea cel mai mult de
câștigat în situația în care decide să finanțeze autoturismul în leasing,
având șansele cele mai mari ca redevențele să fie plătite cu regularitate și
la timp de către clienți până la sfârșitul contractului.
Dacă însă ar trebui să aleagă între rezilierea contractului și
reeșalonarea plăților, în situația în care clientul ar înregistra întârzieri în
plata redevențelor de peste 90 de zile, atunci finanțatorul ar trebui să
opteze pentru rezilierea imediată a contractului și încercarea plasării
bunului pe piața auto second-hand, câștigând astfel mai mult decât dacă
ar opta pentru un plan de reeșalonare a plăților. Justificarea e dată de
faptul că în condiții economice normale, dar mai ales în condiții de
dezvoltare economică, cererea de autoturisme pe piața second-hand este
destul de ridicată încât să permită obținerea rapidă a unui profit bun din
vânzarea bunului ce a făcut obiectul contractului de leasing.
În condiții de criză economică, când numărul clienților confruntați cu
întârzieri ale plății redevențelor de peste 90 de zile este mult mai ridicat,
decizia optimă a finanțatorului constă în stabilirea unui plan de
reeșalonare a plăților, care îi va permite societății de leasing recuperarea
investiției și a profitului urmărit, dar cu o anumită întârziere.
Interesant de menționat este totodată și măsura în care o variație a
parametrilor modelului decizional ar putea conduce la o răsturnare de
situație privind decizia optimă a finanțatorului. În acest sens se constată
faptul că decizia optimă este puternic influențată de prețul studiului de
piață, iar dacă nivelul acestui preț ar depăși 800€, profiturile medii
așteptate în situația solicitării studiului ar fi mai mici decât în situația în
care nu s-ar solicita studiul de piață.

Analiza Bayesiană

Analiza Bayesiană se utilizează atunci când decidentul include în

analiză o informație suplimentară sub formă de prognoză pe care o poate
cumpăra. Conform Teoremei lui Bayes se vor calcula probabilitățile
revizuite (probabilități posterioare) de apariție a stărilor naturii.

Problema 9
Luând în considerare evoluția vânzărilor din anul precedent,
managerul unei firme trebuie să decidă între următoarele strategii:
V1- reducerea capacității de producție cu 20%;
V2 –menținerea constantă a capacității de producție;
V3- creșterea capacității de producție cu 10%;

Cele trei strategii de producție conduc la obținerea diferitelor valori

ale profitului în funcție de trei stări ale naturii:
N1- dimunuarea profitului;
N2- menținerea constantă a profitului;
N3- creșterea profitului;
Pe baza experienței anterioare, managerul estimează următoarele
probabilități de apariție a stărilor naturii: P(N1)= 30%, P(N2)=30% și
P(N3)=40%.
Profiturile așteptate sunt redate în următorul tabel:
 Stări ale naturii N3
N1 N2
(u.m.
(u.m.) (u.m.)
Strategii )
V1 50 150 100
V2 -50 200 250
V3 -100 50 300
P(Ni) 30% 30% 40%

a) Să se determine profitul așteptat și varianta aleasă de manager.

b) Să se determine valoarea așteptată a informației perfecte.
c) Managerul poate apela la un consultant, care să-i furnizeze o
prognoză privind probabilităților de apariție a stărilor naturii,
contra unui cost de 15 u.m.
Fie Xi prognoza consultantului ca să se realizeze starea naturii Ni,
unde i=1,3. În următorul tabel se prezintă matricea A a
probabilităților condiționate P(Xj/Ni) pentru prognozele făcute de
consultant:

X1 X2 X3
N1 0.8 0.1 0.1
N2 0.1 0.7 0.2
N3 0.1 0.3 0.6

Să se determine profitul așteptat în situația în care se apelează la

prognoză și stabiliți care va fi varianta aleasă de manager.
d) Să se calculeze valoarea așteptată a informației suplimentare
(EVSI).
e) Să se calculeze eficiența netă a prognozei.

Rezolvare
a) Pentru fiecare variantă decizională se determină valoarea așteptată a
profitului conform criteriului lui Bayes și se alege varianta cu profit
maxim.
 n
∑ p j aij
EMV(Vi)= j=1

EMV(V1)= 50*0.3+150*0.3+100*0.4 = 100 u.m.

EMV(V2)= (-50)*0.3+ 200*0.3+250*0.4 = 145 u.m.
EMV(V3)= (-100)*0.3+50*0.3+300*0.4= 105 u.m.

Se observă faptul că cel mai mare profit EMV* se obține dacă se

alege varianta V2, ce implică menținerea constantă a capacității de
producție a firmei.

b) Pentru a determina valoarea așteptată a informației perfecte (EVPI),

se parcurg următoarele etape:
Pas 1. Se calculează profitul așteptat atunci când ar avea loc fiecare
stare a naturii în parte:

- pentru N1: π 1= max{50; -50; -100}=50 u.m.

=> se alege V1
- pentru N2: π 2= max{150; 200; 50}=200 u.m.
=> se alege V2
- pentru N3:
π 3 = max{100; 250; 300}=300 u.m.
=> se alege V3

Pas 2. Se calculează profitul așteptat în aceste situații:

3
∑ π j⋅P( N j )
PA= j=1 = 50*0.3+ 200*0.3+ 300*0.4= 195 u.m.

Valoarea așteptată a informației perfecte se obține astfel:

Pas 3. Se calculează valoarea așteptată a informației perfecte (EVPI)

astfel:

EVPI= PA- EVM*= 195 - 145= 50 u.m.

c) Probabilitățile condiționate P(Xi/Ni) indică probabilitatea ca prognoza
efectuată de consultant să indice starea naturii Ni, când starea naturii este
chiar Ni.
Se aplică teorema lui Bayes pentru a determina probabilitățile
condiționate (revizuite/posterioare), ce includ informația suplimentară.
Se parcurg următorii pași:

Pas 1. Se calculează probabilitățile P(Ni ¿ Xj)

P( N i∩X 1 ) P( N i∩X 2 ) P( N i∩X 3 )

N1 0.8*0.3= 0.24 0.1*0.3= 0.03 0.1*0.3= 0.03
N2 0.1*0.3=0.03 0.7*0.3= 0.21 0.2*0.3= 0.06
N3 0.1*0.4=0.04 0.3*0.4= 0.14 0.6*0.4= 0.24
3 3 3
∑ P( N i ∩X 1 ) ∑ P( N i ∩X 2 ) ∑ P( N i ∩X 3 )
P(Xi) i=1 =0 i=1 =0. i=1 =
.31 34 0.33

Pas 2. Se calculează probabilitățile condiționate P(Ni/Xj) redate în

P (N i∩ X j )
P( N i /X j )=
matricea B, conform formulei: P( X j )

P( N i /X 1 ) P( N i / X 2 ) P( N i / X 3 )
N1 0.77 0.08 0.09
N2 0.1 0.58 0.18
N3 0.13 0.34 0.73

Pas 3. Se determină profiturile așteptate înmulțind matricea

profiturilor A cu matricea probabilităților revizuite B, rezultând tabelul
următor:

X1 X2 X3
V1 66.5 125 104,5
V2 14 197 214
V3 -33 123 219
 Pas 4. Se calculează valoarea așteptată a profitului final când se
apelează la prognoză. (pentru fiecare prognoză în parte se ia cel mai
mare profit și se înmulțește cu probabilitatea prognozei respective)
Πprognoza = 66,5*0.31+ 197*0.36+ 219*0.33 = 163,805 u.m.

 Dacă are loc starea naturii N1 managerul va alege V1, pentru care
înregistrează cel mai mare profit π1*= 66,5 u.m.
 Dacă are loc starea naturii N2 managerul va alege V2, pentru care
înregistrează cel mai mare profit π2*= 197 u.m.
 Dacă are loc starea naturii N3 managerul va alege V3, pentru care
înregistrează cel mai mare profit π3*= 219 u.m.

d) Valoarea așteptată a informației suplimentare se obține astfel:

EVSI= Πprognoza – EMV* = 163,805 – 145 = 18,805 u.m.

Cum este mai mare decât costul informației suplimentare (15 u.m.),
managerul va solicita informația suplimentară.

e) Eficiența netă a prognozei se obține astfel:

EVSI 18 , 805
=
Eficiență netă= EVPI 50 = 37,61%

Problema 10
A). Un agent economic participant la o licitație are de ales între două
strategii. Matricea pierderilor este următoarea:
 Stări ale naturii
Câștigă Pierde
Strategii licitația licitația
S1 -300.000 100.000
S2 -100.000 20.000

Se estimează că probabilitatea ca agentul economic să câștige licitația

este de 0,6.

B). Știind că principalul contracandidat al agentului economic va face

oferta „X” și că P(firma concurentă face oferta „X”/agentul economic
câștigă licitația)=0,1 iar P(firma concurentă face oferta „X”/agentul
economic pierde licitația)=0,7, să se determine care este strategia căreia îi
corespunde cea mai mică pierdere (A) și care este strategia aleasă de
agentul economic în cazul B.
A). (S1,S1);
B). (S2,S1);
C). (S1~S2,S1);
D). (S2,S2);
E). (S1,S2);

Rezolvare

A).
Stări ale naturii Câștigă Pierde
Strategii licitația licitația
S1 -300.000 100.000
S2 -100.000 20.000
P(N) 0,6 0,4

Vom calcula valoarea așteptată a pierderii pentru fiecare strategie:

EMV 1 = 0,6·(-300.000)+0,4·100.000 = -140.000

EMV 2 = 0,6·(-100.000)+0,4·20.000 = -52.000
Va fi aleasă strategia S1, căreia îi corespunde cea mai mică valoare
așteptată a pierderii.

B).

P(I /N 1 ) = 0.1
P(I /N 2 ) = 0.7

P( N j∩ I) P (I /N j ) *P( N j )
P( N j /I)= = 3
P( I )
∑ P(I /N j ) *P( N j )
j=1

P(I) = 0,1·0,6+0,7·0,4 = 0,34

0 ,06 3
P( N 1 /I)= =
0,34 17
0,28 14
P( N 2 /I)= =
0,34 17

Se calculează pierderile așteptate ale fiecărei strategii folosind noile

probabilități revizuite:
3 14 500000
EMV 1 = 17 ·(-300000)+ 17 ·100000 = 17
≃29411 ,8

3 14 20000
− ≃−1176, 5
EMV 2 = 17 ·(-100000)+ 17 ·20000 = 17
Noua strategie va fi S2, și va aduce un profit de 1176,5 u.m.

Răspuns corect: E.

Problema 11
Managerul unei întreprinderi producătoare de mobilă analizează
posibilitatea producerii unei noi garnituri de mobilă pentru bucătărie pe
scară mică, medie sau mare. El estimează că cererea pentru acest tip de
mobilă poate fi mică, medie sau mare. În absența oricărei informații
suplimentare se consideră că cele trei stări ale naturii sunt echiprobabile.
Profiturile corespunzătoare fiecărei variante pentru fiecare stare a
naturii sunt prezentate în următorul tabel:

Stări ale
naturii N1 N2 N3
Variante
V1 200 200 200
V2 50 300 300
V3 -150 150 450

În urma unui studiu de piață efectuat de o firmă specializată a

rezultat că cererea va fi medie. Notând cu I rezultatul studiului și
cunoscând P(N1/I)=0,3, P(N2/I)=0,6 și P(N3/I)=0,3 determinați
probabilitățile posterioare și varianta ce va fi aleasă:
A). P(N1/I)=1/4; P(N2/I)=2/4; P(N3/I)=1/4;V2;
B). P(N1/I)=1/6; P(N2/I)=2/6; P(N3/I)=3/6;V1;
C). P(N1/I)=2/4; P(N2/I)=1/4; P(N3/I)=1/4;V1;
D). P(N1/I)=1/4; P(N2/I)=2/4; P(N3/I)=1/4;V1;
E). P(N1/I)=2/6; P(N2/I)=3/6; P(N3/I)=1/6;V2;

Rezolvare
Se calculează probabilitățile revizuite (posterioare) P( N j /I ) , (∀) j=1,3 .

Stări ale naturii

Variante
N1 N2 N3
V1 200 200 200
V2 50 300 300
V3 -150 150 450
P(N) 1/3 1/3 1/3
P( N j∩ I) P (I /N j ) *P( N j )
P( N j /I)= = 3
P( I )
∑ P(I /N j ) *P( N j )
j=1
 3
1
P( I )=∑ P( I /N j ) *P( N j )= (0,3+0,6 +0,3)=0,4
j=1 3

0,3 1
P( N 1 /I)= ⋅ =0 ,25
0,4 3
0,6 1
P( N 2 /I)= ⋅ =0,5
0,4 3
0,3 1
P( N 3 /I )= ⋅ =0 ,25
0,4 3
Se calculează profiturile așteptate ale fiecărei strategii folosind noile
probabilități revizuite:
EMV1=0,25·200+0,5·200+0,25·200=200
EMV2=0,25·50+0,5·300+0,25·300=237,5
EMV3=0,25·(-150)+0,5·150+0,25·450=150
max EMV i =EMV 2
1≤i≤3

Varianta aleasă va fi V2, aceea de a produce noi garnituri de mobilă

pentru bucătărie pe scară medie, și va aduce un profit de 237,5 u.m.

Răspuns corect: A.

Problema 12
În cadrul unei firme, Consiliul de Administrație trebuie să decidă
între următoarele variante:
V1- menținerea capacității de producție la același nivel;
V2 -modernizarea tehnologiei de fabricație;
V3- încheierea unui contract cu o altă firmă care să realizeze o parte
din producție;
V4- extinderea capacităților de producție;

Cele patru strategii de producție conduc la obținerea diferitelor valori

ale profitului în funcție de cinci stări ale naturii: declinul drastic al cererii,
declinul moderat al cererii, o creștere substanțială a cererii, o creștere
medie a cererii, nicio schimbre în volumul cererii. Profiturile
corespunzătoare celor patru strategii și celor cinci stări ale naturii sunt
date în următorul tabel:

Stări ale
naturii N1 N2 N3 N4 N5
Strategii
-
10000
V1 300000 200000 25000 -50000 0
V2 200000 100000 10000 -25000 -50000
10000
V3 -25000 -10000 0 25000 0
20000 50000
V4 -500000 -400000 -20000 0 0
P(Ni) 0,15 0,15 0,15 0,3 0,25

a) Care va fi varianta preferată?

b) Care este valoarea așteptată a informației perfecte?

Rezolvare
a) Pentru fiecare variantă decizională se determină valoarea așteptată a
profitului conform criteriului lui Bayes și se alege varianta cu profit
maxim.
n
∑ p j aij
EMV(Vi)= j=1

EMV(V1)=300000*0.15+200000*0.15+ 25000*0.15-5000*0.3-
-100000*0.25=45000+30000+3750-15000-25000= 38750
EMV(V2)=200000*0.15+100000*0.15+10000*0.15-25000*0.3-
-50000*0.25=30000+15000+1500-7500-12500= 26500
EMV(V3)=-25000*0.15-10000*0.15 +0*0.15+ 25000*0.3+
+100000*0.25= -3750-1500+0+7500+25000=27250
EMV(V4)= -500000*0.15 – 400000*0.15 – 20000*0.15+
+200000*0.3+500000*0.25= -75000-60000-3000 +
+60000+125000= 47000
 Deci cel mai mare profit EMV* se obține dacă se alege varianta V4.

b) Se determină valoarea așteptată a informației perfecte. Pentru aceasta

se calculează maximul de profit pentru fiecare stare a naturii:

- pentru N1: max{45000; 30000; 3750; -75000}=45000

- pentru N2: max{30000; 15000; -1500; -60000}=30000
- pentru N3:max{3750; 1500; 0; -3000}=3750
- pentru N4:max{-15000; -7500; 7500; 60000}=60000
- pentru N5:max{-25000; -12500; 25000; 125000}=125000

Se calculează profitul așteptat în aceste situații:

PA= 45000+ 30000+3750+60000+125000 = 263750

Valoarea așteptată a informației perfecte se obține astfel:

EVPI= 263750 - 47000= 216750.