Karar Ağaçları Analizi

Karar ağaçları analizinin ne olduğu (ve hangi karar ağacından bahsettiğimiz)

Bugün 'karar ağacı' aradığınızda, bulduğunuz çoğu şey bir makine öğrenimi algoritması — verileri özelliklere göre ayıran bir sınıflandırıcıdır. Bu sayfa, daha eski, insana ait bir araç olan karar analizi ağacı hakkında; belirsizlik altında seçimleri değerlendirmek için Howard Raiffa'nın Karar Analizi (1968) eserinde ve Harvard/Stanford karar analizi geleneğinde kutsanmış bir tekniktir.

Dilbilgisi küçüktür. Karar düğümleri (kareler olarak çizilir) seçim yaptığınız noktalardır. Şans düğümleri (daireler) dünyanın seçim yaptığı noktalardır — bir onay gelir veya gelmez, talep yüksek veya düşük — her dal, tahmin ettiğiniz olasılığı taşır. Terminal düğümleri (yapraklar) orada sona ermenin kazancını taşır. Zaman soldan sağa akar: önce taahhüt, sonra aşağı akış sonuçları.

Analiz, geri almadır: yapraklardan başlayarak geriye doğru çalışarak, her şans düğümü olasılık ağırlıklı ortalamasına, her karar düğümü en iyi mevcut dalına çöker — çünkü oraya geldiğinizde en iyi dalı seçeceksiniz. Kökte ulaşan, her başlangıç seçeneğinin beklenen değeridir ve genellikle daha faydalı bir şeydir: aşamalı bir stratejinin ('önce pilot, sonra karar ver') hem cesur taahhütü hem de hiçbir şey yapmamayı aştığını keşfi. Araç kutusunda nerede durduğu: karar verme modelleri; para sorusunun statik versiyonu için maliyet-fayda analizi'ne bakın.

Ne zaman kullanılacağı — ve ne zaman kullanılmayacağı

Karar ağaçları, şu durumlarda fayda sağlar:

• ✓Karar sıralıdır. Şu anki seçimler, gelecekteki seçimleri açar veya kapatır — pilotlar, aşamalı yatırımlar, genişletme opsiyonu yapıları. Bu, ağacın ana alanıdır ve düz karşılaştırmaların göremediği şey budur.
• ✓Belirsizlik ayrık ve tahmin edilebilir. Düzenleyici onay, anlaşma kapanışı, teknik kilometre taşı — bunlar üzerine dürüstçe bir olasılık aralığı koyabileceğiniz olaylar.
• ✓Bilgilerin bir değeri olduğunu düşünüyorsunuz. Ağaçlar, taahhütte bulunmadan önce bilgi satın almanın beklenen değerini — karar analizinin gerçekten derin katkılarından biri olan 'önce çalışmayı yap' dalını fiyatlandırır.

Ve nerede yanıltıyorlar:

• ✗Şirketi tehlikeye atma bahisleri. Beklenen değer, tekrarlanabilir kararlar için doğru kriterdir; tek seferlik hayatta kalma bahislerinde, iflas etme olasılığı %10 olan bir durum, cazip bir ortalama ile dengelenmez. Risk tutumu analize dahil edilmelidir ve naif EV bunu göz ardı eder.
• ✗Kimsenin savunamayacağı olasılıklar. Ağacın çıktısı, tahminlerinin kalitesini miras alır; bir dala yazılan 0.6 bir iddiadır ve eğer kimse nedenini söyleyemiyorsa, aritmetik bir tiyatrodur. (Bu, aşağıdaki argüman-ağaç bağlantısıdır.)
• ✗Kombinatoryal patlama. Her belirsizliği modelleyin ve ağaç okunamaz hale gelir. Zanaat, aslında kararı etkileyen iki veya üç belirsizliği seçmektir.
• ✗Derin belirsizlik. Sonuçları bile sayamadığınızda, olasılıklar erken bir değerlendirmedir — bu senaryo planlaması'nın alanıdır.

Adım adım, bir örnekle birlikte

Örnek senaryo: bir biyoteknoloji araçları girişiminin ürününü şimdi piyasaya sürüp sürmemeye veya önce bir sertifikasyon çalışması yapmaya karar vermesi. Prosedür:

1. 1Kök kararı çerçevele. İlk kareden üç dal: hemen başlat; önce sertifikasyon çalışmasını yap (bir yıl, maliyetli); ürünü rafa kaldır.
2. 2Şubeler başına belirsizlikleri haritalayın. Şimdi başlat → şans düğümü: piyasa belgesiz ürünü kabul eder (tahmini %40) veya reddeder (%60). Önce çalışın → şans düğümü: sertifika verildi (%70) veya reddedildi (%30); eğer verildiyse, bir sonraki karar kutusu: sertifikalı olarak başlat (daha yüksek kabul, tahmini %80) veya teknolojiyi lisanslayın.
3. 3Yapraklarda ödemeleri ekleyin. Her uç durum bir değer alır: sertifikalı lansman başarısı büyük ödüldür; başarısız sertifikasız lansman, kayıp artı itibar zararıdır (açıkça maliyetlendirilmiştir); raflama ise sıfır eksi batık geliştirmedir.
4. 4Geri al. Her şans düğümünü olasılıklarıyla ortalama; her karar karesinde en iyi dalı koru. Sayıların, yılın gecikmesine rağmen, çalışma önceliğinin, hemen başlatmaktan daha değerli olmasını varsayalım — sertifikasyonun kabul üzerindeki etkisi beklemeye değiyor.
5. 5Tahminleri vurgulayın. Hangi kabul olasılığında hemen başlatma kazanır? Cevap %55 ise ve dürüst aralığınız %30–%50 ise, sonuç sağlamdır; eğer dönüş noktası orta aralıkta ise, karar bir tahmine bağlıdır — ve o tahmin 6. adımın incelemesini hak eder.
6. 6Yük taşıyan rakamları sorgulayın. %70 sertifikasyon tahmini bir yerden geldi — karşılaştırılabilir onaylar mı? danışmanın değerlendirmesi mi? Temeli açık ve sorgulanabilir hale getirin, aritmetik inanmadan önce.

Karar ağaçları ve argüman ağaçları — tamamlayıcılar, rakipler değil

İsimler kafa karışıklığına yol açıyor, bu yüzden burada net bir ayrım var. Bir karar ağacı hesaplar: bu olasılıklar ve kazançlar verildiğinde, hangi strateji en değerlidir? Bir argüman ağacı ise sorgular: bu olasılıklar ve kazançlar gerçekten güvenilir mi? karar kalitesi terimleri açısından, karar ağacı alternatifleri (düz analizlerin gözden kaçırdığı aşamalı olanlar dahil) ve bilgiyi (tahminleri açık hale getirerek) yapılandırır; argüman ağacı ise tam olarak bu girdiler hakkında sağlam akıl yürütme sağlar:

Karar ağaçları vs alternatifler