МЕТОД «ДЕРЕВА РЕШЕНИЙ» В ПОДГОТОВКЕ И РЕАЛИЗАЦИИ УПРАВЛЕНЧЕСКОГО РЕШЕНИЯ. Метод дерева решений


НОУ ИНТУИТ | Лекция | Методы классификации и прогнозирования. Деревья решений

Аннотация: Описывается метод деревьев решений. Рассматриваются элементы дерева решения, процесс его построения. Приведены примеры деревьев, решающих задачу классификации. Даны алгоритмы конструирования деревьев решений CART и C4.5.

Метод деревьев решений (decision trees) является одним из наиболее популярных методов решения задач классификации и прогнозирования. Иногда этот метод Data Mining также называют деревьями решающих правил, деревьями классификации и регрессии.

Как видно из последнего названия, при помощи данного метода решаются задачи классификации и прогнозирования.

Если зависимая, т.е. целевая переменная принимает дискретные значения, при помощи метода дерева решений решается задача классификации.

Если же зависимая переменная принимает непрерывные значения, то дерево решений устанавливает зависимость этой переменной от независимых переменных, т.е. решает задачу численного прогнозирования.

Впервые деревья решений были предложены Ховилендом и Хантом (Hoveland, Hunt) в конце 50-х годов прошлого века. Самая ранняя и известная работа Ханта и др., в которой излагается суть деревьев решений - "Эксперименты в индукции" ("Experiments in Induction") - была опубликована в 1966 году.

В наиболее простом виде дерево решений - это способ представления правил в иерархической, последовательной структуре. Основа такой структуры - ответы "Да" или "Нет" на ряд вопросов.

На рис. 9.1 приведен пример дерева решений, задача которого - ответить на вопрос: "Играть ли в гольф?" Чтобы решить задачу, т.е. принять решение, играть ли в гольф, следует отнести текущую ситуацию к одному из известных классов (в данном случае - "играть" или "не играть"). Для этого требуется ответить на ряд вопросов, которые находятся в узлах этого дерева, начиная с его корня.

Первый узел нашего дерева "Солнечно?" является узлом проверки, т.е. условием. При положительном ответе на вопрос осуществляется переход к левой части дерева, называемой левой ветвью, при отрицательном - к правой части дерева. Таким образом, внутренний узел дерева является узлом проверки определенного условия. Далее идет следующий вопрос и т.д., пока не будет достигнут конечный узел дерева, являющийся узлом решения. Для нашего дерева существует два типа конечного узла: "играть" и "не играть" в гольф.

В результате прохождения от корня дерева (иногда называемого корневой вершиной) до его вершины решается задача классификации, т.е. выбирается один из классов - "играть" и "не играть" в гольф.

Дерево решений "Играть ли в гольф?" Рис. 9.1. Дерево решений "Играть ли в гольф?"

Целью построения дерева решения в нашем случае является определение значения категориальной зависимой переменной.

Итак, для нашей задачи основными элементами дерева решений являются:

Корень дерева: "Солнечно?"

Внутренний узел дерева или узел проверки: "Температура воздуха высокая?", "Идет ли дождь?"

Лист, конечный узел дерева, узел решения или вершина: "Играть", "Не играть"

Ветвь дерева (случаи ответа): "Да", "Нет".

В рассмотренном примере решается задача бинарной классификации, т.е. создается дихотомическая классификационная модель. Пример демонстрирует работу так называемых бинарных деревьев.

В узлах бинарных деревьев ветвление может вестись только в двух направлениях, т.е. существует возможность только двух ответов на поставленный вопрос ("да" и "нет").

Бинарные деревья являются самым простым, частным случаем деревьев решений. В остальных случаях, ответов и, соответственно, ветвей дерева, выходящих из его внутреннего узла, может быть больше двух.

Рассмотрим более сложный пример. База данных, на основе которой должно осуществляться прогнозирование, содержит следующие ретроспективные данные о клиентах банка, являющиеся ее атрибутами: возраст, наличие недвижимости, образование, среднемесячный доход, вернул ли клиент вовремя кредит. Задача состоит в том, чтобы на основании перечисленных выше данных (кроме последнего атрибута) определить, стоит ли выдавать кредит новому клиенту.

Как мы уже рассматривали в лекции, посвященной задаче классификации, такая задача решается в два этапа: построение классификационной модели и ее использование.

На этапе построения модели, собственно, и строится дерево классификации или создается набор неких правил. На этапе использования модели построенное дерево, или путь от его корня к одной из вершин, являющийся набором правил для конкретного клиента, используется для ответа на поставленный вопрос "Выдавать ли кредит?"

Правилом является логическая конструкция, представленная в виде "если : то :".

На рис. 9.2. приведен пример дерева классификации, с помощью которого решается задача "Выдавать ли кредит клиенту?". Она является типичной задачей классификации, и при помощи деревьев решений получают достаточно хорошие варианты ее решения.

Дерево решений "Выдавать ли кредит?" Рис. 9.2. Дерево решений "Выдавать ли кредит?"

Как мы видим, внутренние узлы дерева (возраст, наличие недвижимости, доход и образование) являются атрибутами описанной выше базы данных. Эти атрибуты называют прогнозирующими, или атрибутами расщепления (splitting attribute). Конечные узлы дерева, или листы, именуются метками класса, являющимися значениями зависимой категориальной переменной "выдавать" или "не выдавать" кредит.

Каждая ветвь дерева, идущая от внутреннего узла, отмечена предикатом расщепления. Последний может относиться лишь к одному атрибуту расщепления данного узла. Характерная особенность предикатов расщепления: каждая запись использует уникальный путь от корня дерева только к одному узлу-решению. Объединенная информация об атрибутах расщепления и предикатах расщепления в узле называется критерием расщепления (splitting criterion) [33].

На рис. 9.2. изображено одно из возможных деревьев решений для рассматриваемой базы данных. Например, критерий расщепления "Какое образование?", мог бы иметь два предиката расщепления и выглядеть иначе: образование "высшее" и "не высшее". Тогда дерево решений имело бы другой вид.

Таким образом, для данной задачи (как и для любой другой) может быть построено множество деревьев решений различного качества, с различной прогнозирующей точностью.

Качество построенного дерева решения весьма зависит от правильного выбора критерия расщепления. Над разработкой и усовершенствованием критериев работают многие исследователи.

Метод деревьев решений часто называют "наивным" подходом [34]. Но благодаря целому ряду преимуществ, данный метод является одним из наиболее популярных для решения задач классификации.

www.intuit.ru

метод дерева решений

2.3 Методы построения деревьев решений.

 

Существующие методы (всего их несколько десятков), в принципе, могут быть разделены на две основные группы. К первой группе относятся методы построения строго-оптимального по заданному критерию качества дерева, ко второй группе – методы построения приближенно-оптимального дерева.

Задачу поиска оптимального варианта дерева можно отнести к задаче дискретного программирования или выбора из конечного (но очень большого) числа вариантов. Это следует из того, что для конечной обучающей выборки число вариантов ветвления (см. ниже) по каждой характеристике конечно.

В дискретном программировании рассматриваются три основные вида методов: полный перебор, метод динамического программирования и метод ветвей и границ. Однако эти методы, в приложении к деревьям решений, как правило, являются очень трудоемкими, особенно при большом числе наблюдений и характеристик. Поэтому мы ограничимся приближенными методами, к числу которых относятся метод последовательного ветвления, метод усечения и рекурсивный метод.

Рассмотрим сначала основные операции с деревьями решений. Методы построения деревьев будут представлять собой определенную последовательность этих операций.

 

2.3.1 Операция ветвления (разделения).

 

Данная операция является основной при построении дерева. Рассмотрим некоторую вершину дерева и произвольную характеристику Xj. Пусть область определения этой характеристики разделена (разбита) на Lj подмножеств (способы выбора таких подмножеств рассмотрим ниже). В случае количественной характеристики эти подмножества представляют собой набор подынтервалов разбиения, в случае качественной характеристики - произвольные подмножества значений, а в случае порядковой характеристики - подмножества, включающие соседние по порядку значения.

Сопоставим каждому из этих подмножеств ветвь дерева, выходящую из данной (родительской) вершины и ведущую в новую вершину-потомок. Таким образом, вершина "разветвилась" ("разделилась") на Lj новых вершин (рис. 5).

 

 

 

 

 

 

 

 

 

Рис.5

 

Заметим, что для дихотомических деревьев Lj всегда равно двум. Если Lj всегда равно трем, то такие деревья называют тернарными. Если Lj всегда равно четырем, то получим квадро-деревья.

Как получить разбиение области определения? Возьмем множество наблюдений, соответствующих данной вершине и рассмотрим значения характеристики Xj для этих наблюдений.

 

 

 

 

 

 

 

 

 

 

 

Пусть характеристика – количественная. В этом случае определяются границы – середины интервалов между соседними значениями, и разделение проводится по этим границам (рис.6). Например, для примера на рис. 7 (значения характеристики для наблюдений обозначены через «), в случае дихотомического дерева, можно рассматривать следующие варианты разделения: Xj < 0.5 или Xj >=0.5, Xj < 1.5 или Xj >=1.5. Если характеристика -–качественная, то варианты разбиения получаются непосредственно по значениям характеристики, например если Xj означает страну, то может быть получено следующее разбиение: Xj 0{Канада, Мексика, США} или Xj 0{Аргентина, Бразилия}.

 

 

 

Рис.7

 

При наличии большого числа значений число возможных вариантов становится чересчур большим, поэтому для ускорения процесса построения дерева рассматривают не все варианты, а только некоторые из них (например, такие как Xj =«Канада» или Xj≠ «Канада»).

В случае порядковой характеристики варианты разбиения состоят из соседних по порядку значений, например если Xj – воинское звание, то разделение может быть такое: Xj0[рядовой – старшина] или Xj0 [лейтенант – майор].

В некоторых случаях (при малом числе наблюдений) для качественных или порядковых характеристик может случиться так, что множество значений характеристик для наблюдений, соответствующих вершине, составляет лишь часть всей области определения этой характеристики. В этом случае необходимо оставшиеся значения, по какому- либо правилу приписать какой-либо из новых ветвей. Это нужно для того, чтобы при прогнозировании для объекта контрольной выборки, у которого встретилось такое значение, определить, к какой из ветвей он относится. Например, можно приписать данные значения той ветви, которой соответствует наибольшее число наблюдений.

 

2.3.2 Операция определения перспективности дальнейшего ветвления вершины (правило остановки).

 

Рассмотрим висячую вершину дерева, т.е. вершину, из которой не выходят ветви, но не ясно, будет ли эта вершина листом или произойдет дальнейшее ветвление. Рассмотрим подмножество наблюдений, соответствующее данной вершине. Вершина относится к бесперспективным для дальнейшего ветвления в двух случаях. Во-первых, если эти наблюдения однородны, т.е. в основном принадлежат к одному классу (задача распознавания образов, РО), либо разброс значений Y для них достаточно мал (задача регрессионного анализа, РА). К этому случаю относится и вариант, когда у наблюдений совпали значения всех X-ов. Во-вторых, если число наблюдений достаточно мало.

Вершина, бесперспективная для дальнейшего ветвления, объявляется листом.

Для определения перспективности можно задать следующие параметры: допустимую ошибку для вершины (задача РО), допустимую дисперсию (задача РА), порог на число наблюдений.

 

2.3.3 Операция присваивания решения листу.

 

Рассмотрим произвольный лист дерева. Этому листу соответствует подмножество наблюдений Data'. При решении задачи распознавания образов листу присваивается тот класс, для которого количество наблюдений из Data' максимально, в сравнении с другими классами. При решении задачи регрессионного анализа решение, присвоенное листу, равно среднему значению зависимой характеристики Y для наблюдений из Data'.

 

2.3.4 .Операция "разрастания" вершины.

 

Эта операция представляет собой последовательность операций ветвления для каждой из новообразованных вершин дерева. В результате этой операции данная вершина заменяется некоторым поддеревом (т.е. частью полного дерева, которая также имеет вид дерева (рис.8)).

 

 

 

 

 

 

 

 

 

 

Сложность поддерева ограничивается некоторым параметром. Подробнее один из способов разрастания будет описан ниже.

 

2.3.5. Операция усечения.

 

Эта операция обратна операции разрастания, т.е. для данной вершины полностью отсекается соответствующее поддерево, для которого эта вершина является корнем (рис. 9). Вершина затем объявляется листом и ей присваивается решение.

 

 

 

 

 

 

 

 

 

 

2.3.6. Операция "срастания" вершин или ("склейки").

 

Пусть вершина разделилась на L новых вершин. Возьмем какую-либо пару этих вершин и объединим их в одну вершину, которую соединим с родительской вершиной веткой (рис. 10). При этом подмножества значений, соответствующие срастаемым вершинам, объединяются.

 

 

 

 

 

 

 

Для количественных и порядковых характеристик допускается срастание вершин, которым соответствуют соседние подынтервалы или подмножества значений характеристик.

studfiles.net

МЕТОД «ДЕРЕВА РЕШЕНИЙ» В ПОДГОТОВКЕ И РЕАЛИЗАЦИИ УПРАВЛЕНЧЕСКОГО РЕШЕНИЯ

Метод дерева решений аналогичен методу сценариев с его эмоциональным содержанием, но предполагает аналитический подход к выбору наилучшего решения. Метод дерева решений позволяет руководителю визуально оценить результаты действия различных решений и выбрать наилучший их набор. Данный метод использует модель разветвляющегося по каким-либо условиям процесса. Модель представляет собой графическое изображение связей основных и последующих вариантов УР. В ней приводятся сведения о наименованиях УР, основных результатах каждого решения и ожидаемой эффективности. Это очень полезный метод, в случае тупикового варианта он по­зволяет отменить дальнейшую проработку всех решений, стоящих до него.

Т.о. «Дерево» решений – схематическое представление системы решений, иерархически упорядоченных в рамках базовой системы координат.

Использование вероятности оценки «дерева» решений, когда требуется принять несколько последовательных решений при заранее заданных основных альтернативах и их границах, продиктовано необходимостью учета неопределенности внешней среды. Здесь особое внимание следует уделять чувствительности решений, т.е. их зависимости от изменений вероятностей исходов. Это позволяет знать, насколько можно полагаться на выбранное решение.

Основные структурные элементы «дерева» решений:

- «Ветви» - возможные альтернативные решения, которые могут быть приняты, и возможные исходы, связанные с принятием этих решений.

- «Узлы» - места, где принимается решение.

Когда все решения и исходы указаны на «дереве», просчитывается каждый из вариантов и в конце проставляется его денежный доход или иной показатель, который выбран в качестве целевого.

Пример. Юноша хочет отдохнуть, расслабиться после напряжен­ной работы и учебы. Он начинает размышлять. Первая цепочка ре­шений: пойти куда-нибудь на дискотеку, взять с собой вина, с кем-нибудь повеселиться и, возможно, оказаться в милиции. Конец это­го набора плохой, поэтому всю цепочку решений нужно отбросить. Вторая цепочка решений: пойти в какой-нибудь спортивный трена­жерный зал, выбрать интересный вид занятий, усовершенствовать фигуру, поправить здоровье. Результат, безусловно, хороший, поэто­му можно детально проработать и промежуточные решения.

Общая идея «метода дерева» решений графически изображена на рис. 87.1. Данный метод хорошо сочетается с экспертными метода­ми, так как ряд этапов требуют оценки результатов специалистами. Реализация метода эффективна для типовых управленческих про­цессов, по которым накоплен значительный опыт и имеется об­ширная документация о решениях, условиях их реализации и самих результатах.

Основные этапы разработки или выбора УР по методу «дерева решений»:1 — составление новой цели развития или совершенствования компании;2 — сбор материалов о реальном состоянии дел в компании по новой цели;3 — формулирование проблем как разность между новой це­лью и обобщенной ситуацией в компании;4 — выбор или разработка критериев оценки проблемы;5 — декомпозиция проблемы на самостоятельные составные части;6 — поиск ресурсов и исполнителей разрешения проблем;

7 — разработка вариантов основных решений и их предполага­емая эффективность;8 — разработка вариантов детализирующих решений для каж­дого варианта основных решений;9 — разработка вариантов очередного набора детализирующих решений для каждого варианта предыдущих детализирую­щих решений и т.д.;

10 — оценка каждой ветви следующих друг за другом решений на эффективность действий и возможность достижения цели;11 — выбор наиболее приемлемых сочетаний вариантов реше­ний;12 — практическая реализация выбранного варианта сочета­ний решений.

Упрощенная схема данного метода с двумя альтернативами на каждом этапе решений представлена на рис. 5.18. Лучшее сочетание решений по ожидаемой эффективности принимается за основу для выдачи задания на разработку наборов УР. Так, в приведенном на рисунке примере лучше сочетаются два следующих решения:

· заключить договор на оказание консультационных услуг с фирмой «Профи», по которому фирма должна в результате обследования компании разработать рекомендации и осуществить совершенствование функциональной структуры управления;

· подключить к работе консультационной фирмы сотрудников отдела стратегического анализа на всех стадиях работы фирмы.

Другие сочетания решений имеют более низкую эффективность.

Требования в области теории вероятностей для правильного использования метода «дерева» решений сводится только к знанию того, что вероятности возникновения всех благоприятных и всех неблагоприятных исходов равны 1. В бизнесе часто возникают ситуации, в которых экспериментальных данных нет, а, значит, определение вероятности какого-либо события носит субъективный характер.

Метод «дерева решений» весьма успешно используют при разра­ботке компьютерных игр на выбор стратегий, при предварительной проработке вариантов решений.Метод «дерева решений» не гарантирует высокой эффектив­ности УРи достижения цели.

В настоящее время активно развиваются другие направления в теории принятия решений: «дерево» целей, «дерево» проблем.

Традиционный подход к использованию метода «дерева» решений не учитывает комплексности проблемы. Поэтому необходимо развивать данный метод, превратить его в «работающий» на практике, где формализованная часть сочетается с интеллектуальным потенциалом экспертов. Т.о., процессный подход в теории разработки управленческих решений предполагает использование системы методов в процессе последовательного снятия неопределенности: «дерево» целей (при построении системы целей), SWOT-анализа (при постановке системы проблем), морфологического метода (при формировании альтернатив). «Дерево» решений является завершающим этапом в базовом процессе разработки управленческих решений.

megaobuchalka.ru

Метод дерева решений - Энциклопедия по экономике

Методом дерева решений можно пользоваться в ситуациях, подобных описанной выше, в связи с рассмотрением платежной матрицы. В этом случае предполагается, что данные о результатах, вероятности и т.п. не влияют на все последующие решения. Однако дерево решений можно построить под более сложную ситуацию, когда результаты одного решения влияют на последующие решения. Таким образом, дерево решений — это полезный инструмент для принятия последовательных решений.  [c.238] На рис. 8.5. проиллюстрировано применение метода дерева решений для разрешения проблемы, требующей определенной последовательности решений. Вице-президент по производству из компании, в настоящее время выпускающей электрические газонокосилки, считает, что расширяется рынок ручных косилок. Он должен решить, стоит ли переходить на производство ручных косилок, и если сделать это, — стоит или не стоит продолжать выпуск электрических газонокосилок. Производство косилок обоих типов потребует увеличения производственных мощностей. До принятия решения руководитель собрал релевантную информацию об ожидаемых выигрышах в случае тех или иных вариантов действий и о вероятности соответствующих событий. Эта информация представлена на дереве решений.  [c.238]

Рассмотрите следующие методы принятия решений анализ безубыточности, метод платежной матрицы, метод ожидаемых значений и метод дерева решений.  [c.245]

Для анализа и оценки риска именно таких многостадийных решений целесообразно использовать метод дерева решений (рис. 7.5).  [c.236]

Для чего в анализе рисков используется метод дерева решений и в чем он состоит  [c.255]

Использование метода дерево решений.  [c.8]

По динамике цен активов на фондовых рынках имеется большая статистика. Неопределенности, связанные с поиском месторождений и добычей нефти и газа, моделируются методами дерева решений , имитационного моделирования или другими вычислительными средствами.  [c.81]

Количественная о j замещениях и количественных последствиях 4.4.1. Методы кривых безразличия для ПР в условиях риска и неопределенности 4.4.2. Методы деревьев решений 4.4.3. Декомпозиционные методы теории (ожидаемой полезности)  [c.52]

В практике управления широко используются такие методы, как платежная матрица дерево целей или решений. Наиболее известным из них является метод дерева решений для сравнения и оценки выдвинутых альтернатив. Особенно данный метод полезен в ситуациях, когда менеджер имеет дело с неопределенностью. Этот метод дает общую картину решения выборы, риски и исходы, которые могут иметь место. Более того, данный метод помогает открыть новые альтернативы, которые ранее могли быть опущены по каким-то причинам.  [c.545]

Фундаментальный анализ упущенных возможностей Углубленный анализ эффективности хозяйственной деятельности, сравнение с конкурентами и средним значением по рынку. Использование ых методов оценки (метод экспертных оценок, метод дерева решений, метод аналогий, анализ чувствительности и связанный с ним метод критических значений, анализ сценариев, метод Монте-Карло). Анализ эффективности диверсификации портфеля активов. Оценка влияния несистематических рисков.  [c.75]

Метод дерева решений  [c.208]

Общая идея метода. Метод дерева решений аналогичен методу сценариев с его эмоциональным содержанием, но предполагает аналитический подход к выбору наилучшего решения. Метод дерева решений позволяет руководителю визуально оценить результаты действия различных решений и выбрать наилучший их набор. Данный метод использует модель разветвляющегося по каким-либо условиям процесса. Модель представляет собой графическое изображение связей основных и последующих вариантов УР. В ней приводятся сведения о наименованиях УР, основных результатах каждого решения и ожидаемой эффективности. Общая идея метода дерева решений приведена на рис. 5.17,  [c.208]

Основные этапы реализации метода. Основные этапы разработки или выбора РУР по методу дерева решений  [c.209]

Метод дерева решений весьма успешно применяют при разработке компьютерных игр на выбор стратегий.  [c.211]

Выделяют следующие методы РУР аналитические, статистические, математического программирования, эвристические, активизирующие, экспертные, методы сценариев и метод дерева решений.  [c.211]

Метод дерева решений основан на анализе графических изображений связей основных и последующих вариантов УР по основным результатам каждого решения и ожидаемой эффективности.  [c.212]

Зачастую метод дерева решений отождествляется с разновидностью метода сценариев, так как построение сценария также можно рассматривать как метод, с помощью которого пытаются установить логическую последовательность событий, чтобы показать, как исходя из существующей ситуации может шаг за шагом развертываться будущее состояние. Основное назначение такого сценария - определение генеральной цели развития объекта прогнозирования, формулирование критериев оценки верхних уровней дерева решений. Здесь используются заранее подготовленные прогнозы и материалы по развитию объекта прогнозирования. К ним относятся, в первую очередь, результаты технико-экономического анализа основных производственных процессов.  [c.8]

Однако существует проблема достоверности экспертных оценок. Насколько безошибочно может быть определена экспертом точечная вероятность конкретного факта или события Такую точечную вероятность предлагается определять, например, в методах дерева решений и анализа сценариев. Методу дерева решений также присущи другие особенности. Популярность метода дерева решений связана с наглядностью и понятностью. Но очень остро для него стоит проблема значимости. Дело в том, что отдельным узлам на каждом новом построенном уровне дерева соответствует все меньшее число записей данных дерево решений дробит данные на большое количество частных случаев. Чем больше этих частных случаев, чем меньше обучающих примеров попадает в каждый такой частный случай, тем менее уверенной становится их классификация. Если построенное дерево слишком кустистое , т. е. состоит из неоправданно большого числа мелких веточек, то оно не будет давать статистически обоснованных ответов. Как показывает практика, в большинстве систем, использующих дерево решений, эта проблема не нахо-  [c.21]

Помня об основной проблеме метода дерева решений - проблеме значимости ветвей при дроблении на мелкие сценарии, - автор считает нецелесообразным использование большего числа интервалов по каждому параметру. Более того, по многим входным параметрам (например, капитальные вложения) можно рассматривать только наиболее вероятный интервал и один из крайних интервалов. Это связано с тем, что во многих случаях вероятность, например уменьшения стоимости капитальных вложений, можно считать равной нулю (учитывая, что эти средства будут вложены в первые годы реализации проекта и в такой короткий срок, вероятно, не появится возможность применить оборудование, более дешевое или позволяющее интенсифицировать производство и снизить издержки).  [c.28]

В зарубежной практике для количественной оценки меры риска с учетом большего числа факторов используется метод Дерево решений (рис. 4.4).  [c.127]

Что представляет собой метод Дерево решений для определения величины рисков  [c.139]

Глава 9. ПРИНЯТИЕ РЕШЕНИЙ О РАЗМЕЩЕНИИ (МЕТОД ДЕРЕВА РЕШЕНИЙ)  [c.217]

Наиболее широко используемым методом для решения разнообразных задач менеджмента является метод дерева решений, или метод платежной матрицы. Этот метод используется для ответа на вопрос, какая из альтернативных Стратегий поведения в наибольшей степени соответствует достижению поставленных целей в условиях неопределенности внешней среды или риска. Метод может помочь менеджерам принимать управленческие решения в подавляющем большинстве ситуаций, практически возникающих в их работе. Метод имеет три преимущества  [c.218]

Оценка риска методом "дерева решений" представляет собой моделирование задачи выбора вариантов решений графическим способом. Построив "дерево" из ветвей или путей развития возможных событий, оценивают каждый путь и выбирают наименее рискованный. Данный метод представляется наиболее трудоемким и неточным из-за опасности не учесть при построении "дерева" какой-либо путь развития событий.  [c.289]

ПРИМЕНЕНИЕ МЕТОДА ДЕРЕВО РЕШЕНИЙ  [c.74]

В случае небольшого числа переменных и возможных сценариев развития проекта для анализа рисков можно также воспользоваться методом дерева решений. Преимущество данного метода — в его наглядности. Последовательность сбора данных для построения дерева решений при анализе рисков включает следующие шаги  [c.617]

Для анализа именно таких многостадийных решений чаще всего используется метод дерева решений (рис. 21.2.7). Единица измерения — тыс. долл.  [c.618]

Э.А. Смирнов выделяет методы аналитические, статистические, математического программирования, активизирующие, экспертные, методы сценариев, метод дерева решений, эвристические. По его мнению, математические методы возможно использовать при наличии достаточного объема информации, имеющей количественные характеристики. При отсутствии этих условий может быть использован метод экспертных технологий, который применяется для формулирования цели решения, оценки влияния совокупности обстоятельств, генерирования и оценки альтернатив.  [c.51]

Метод дерева решений визуально, в форме графика демонстрирует лицу, принимающему решения, связи между видами решений и их процедурами, критериями выбора и результатами.  [c.52]

Методы принятия решения многообразны и могут использовать разнообразные модели физические, экономико-математические. Кроме того, могут быть применены экспертные методы (метод Дел-фи, метод сценариев, метод суда, метод дерева решений) и эвристические (интуитивный, адаптивный и рациональный). Каждый из них имеет свои плюсы и минусы, свою сферу использования.  [c.60]

Метод дерева решений позволяет наглядно (по аналогии с деревом целей и деревом критериев) представить процесс выбора альтернативы (рис. 20). Общий принцип построения дерева — нанесение на график последовательности действий, выражающих сущность альтернативы, и их оценку (+, —). Последствия со знаком минус отбрасываются, а положительные результаты характеризуют альтернативу, которая имеет преимущества.  [c.145]

Определив ожидаемое значение каждой альтернативы и расположив результаты в виде матрицы, руководитель без труда может установить, какой выбор наиболее привлекателен при заданных критериях. Он будет, конечно, соответствовать наивысшему ожидаемому значению. Исследования показывают когда установлены точные значения вероятности, методы дерева решений и платежной матрицы обеспечивают принятие более качественных решений, чем традиционные подходы25.  [c.237]

Метод дерева решений" [ tree-de ision" method]. Этот метод позволяет наиболее комплексно учесть риски реального инвестиционного проекта по отдельным последовательным этапам его осуществления. Экспертные оценки возможных сценариев вариации исходных параметров проекта при использовании этого метода являются более обоснованными, т.к. в этом случае они определяются не по проекту в целом, а в разрезе отдельных этапов его реализации и с учетом периода времени каждого из этапов. Вероятность неблагоприятного исхода в достижении заданных конечных показателей эффективности проекта и будет характеризовать меру его риска.  [c.257]

Суждения о предпочтительности альтернатив выносится по результатам их сравнения или оценки. Г позитивные и негативные стороны каждой из альтернатив и устанавливается некий компромисс, поз] сопоставление альтернативы с ранее принятым стандартом, критерием. Для этого используют критериальное сравнение Кепнера -Трегое, платежная матрица, дерево целей или решений, а также i теориях вероятности, предпочтений, полезности и др. Наиболее распространенным методом сравне) является метод дерева решений , особенно в ситуациях неопределенных, при наличии неуправляемы  [c.87]

Фундаментальный анализ возможности (вероятности) возникновения кризиса Комплексный экономический анализ эффективности хозяйственной деятельности. Альтернативный анализ перспектив кризиса в отрасли с использованием элементов р-анализа (с использованием исторической р , технического анализа фондового рынка и т.д. Использование глобальных показателей вероятности банкротства (метод Бивера, метод Альтмана, модель Аа-рони-Джоиса-Свори и т.д.). Использование вероятностных методов оценки риска (метод экспертных оценок, метод дерева решений, метод аналогий, анализ чувствительности и связанный с ним метод критических значений, анализ сценариев, метод Монте-Карло). Анализ эффективности диверсификации портфеля активов. Оценка влияния несистематических рисков. Оценка бизнеса (операционный аспект). Оценка бизнеса (ликвидационный аспект).  [c.74]

В теории разработки управленческих решений выделяют методы аналитические, статистические, математического программирования, эвристические, активизирующие, экспертные, методы сценариев и метод дерева решении. Каждый метод (как процесс) основан на использовании специально разработанных моделей (явлений). Так, аналитические методы разработки УР основаны на моделях, представляющих требуемый набор аналитических зависимостей, эвристические — используют модель Саймона и Ньюэла.  [c.180]

В теории разработки управленческих решений выделяют следующие методы аналитические, статистические, матричные, эвристические, активизирующие методы, экспертные методы, методы сценариев и метод дерева решений. Каждый метод (как процесс). основан на использовании специально разработанных моделей (явлений). Так, аналитические методы разработки УР основаны на моделях, представляющих требуемый набор аналитических зависимостей, эвристические — используют модель американцев Саймона и Ньюэла по стимулированию мышления при разработке УР и т. д. Каждая модель РУР должна периодически проверяться на достоверность, точность и эффективность. Проверка на достоверность необходима для соизмерения ее результатов с требованиями сегодняшнего дня. Основная задача каждой модели — облегчить какую-либо деятельность за счет формализации ряда процессов, входящих в данную деятельность. Всякое упрощение вносит ошибку в конечный результат. Приемлемость ошибки и выявляет проверка на достоверность. Точность определяется соответствием моделируемых процедур и операций при РУР реальным процессам и операциям. Чем точнее модель, тем она дороже. Точная модель не дает гарантии разработки эффективного решения, так как человек может  [c.263]

Метод анализа сценариев позволяет получать достаточно наглядную картину различных вариантов реализации проектов, а также предоставляет информацию о чувствительности и возможных отклонениях, а применение программных средств типа Ex el позволяет значительно повысить эффективность подобного анализа путем практически неограниченного увеличения числа сценариев и введения дополнительных переменных (но тогда он уже становится тождественным методу дерева решений).  [c.22]

В практике подготовки решений по широкому кругу вопросов (распределение капвложений по отраслям и другим экономическим объектам, анализ вариантов замены и модернизации оборудования, выбор тематики НИОКР, определение порядка обработки деталей на нескольких станках и др.) может использоваться метод дерево решений . Он применяется тогда, когда количество альтернатив и количество шагов принятия решений ограниченно (конечно). Дерево решений помогает выяснить все ситуации, в которых может осуществляться выбор последнего решения.  [c.62]

В практике системного анализа подобных вероятностных задач планирования при их оптимизации распространение получил графоматематический метод дерево решений , в основе которого лежат динамическое программирование и теория статистических решений1.  [c.74]

Метод дерева решений базируется на теории пяти стилей принятий решений, сформулированной В. Врумом, Р. Йегго-ном и А. Яго.  [c.52]

economy-ru.info

Метод дерева решений

Дерево решений — это графическое изображение процесса принятия решений, в котором отражены альтернативные решения, альтернативные состояния среды, соответствующие вероятности и выигрыши для любых комбинаций альтернатив и состояний среды. Этот метод можно назвать и деревом возможностей, что подчеркивает отличие от дерева целей – здесь мы видим оценку возможного решения.

Рисуют деревья слева направо. Места, где принимаются решения, обозначают квадратами, места появления возможных исходов изображаются кругами, возможные решения обозначаются пунктирными линиями, возможные исходы рисуются сплошными линиями.

Для каждой альтернативы мы считаем ожидаемую стоимостную оценку (EMV) — максимальную из сумм оценок выигрышей, умноженных на вероятность реализации выигрышей, для всех возможных вариантов.

 

Рисунок 9.1.3 Вариант графического изображения дерева решений

 

Многогранник конкурентоспособности предприятия

Еще один графический метод, применяемый в анализе деятельности предприятия – построение многогранника конкурентоспособности предприятия. Он позволяет наглядно показать положение анализируемого объекта – предприятия по основным конкурентным характеристикам в среде подобных предприятий. Рассмотрим практическое применение этого метода на основе сравнительного анализа показателей ведущих конкурентов одной из торговой фирмы - «Вестник плюс». Оценку проведем по 9-ти бальной шкале по четырем основным критериям (факторам) конкурентоспособности. Высшая оценка – 9, низшая – 1.

 

Таблица 9.2.1 Анализ конкурентоспособности по баллам

Факторы конкурентоспособности предприятия Балльная оценка фирм
«Вестник плюс» «Гермес» «Дубрава»
1.Продукт
Качество
Престиж торговой марки
Срок реализации
Многовариантность в использовании
Уникальность
Защищенность патентом
Надежность
Сумма баллов
Средний балл 6,9 7,7 3,7
2. Цена
Прейскурантная
Процент скидки с цены
Срок платежа
Условия кредита
Сумма баллов
Средний балл 6,0 4,0 4,5
3. Каналы и формы сбыта      
Степень охвата рынка
Размещение складских помещений
Система контрольных запасов
Система транспортировки
Сбыт через торговых представителей
Сбыт через оптовых посредников
Сумма баллов
Средний балл 6,8 5,3 2,8
4. Продвижение продуктов на рынке      
Реклама
Индивидуальная продажа
Продвижение продуктов по каналам торговли
Упоминание об изделиях в СМИ
Сумма баллов
Средний балл 6,3 7,5 2,8
ИТОГО СУММА БАЛЛОВ

 

По средним значениям факторов конкурентоспособности предприятия строим "многогранник конкурентоспособности" для каждого предприятия – см. рисунок ниже.

Рисунок 9.2.1 Многогранник конкурентоспособности предприятий

 

Если вершины многоугольника определенной фирмы ближе к центру, чем у конкурентов – его позиция по данному критерию самая плачевная. И наоборот, чем дальше вершины от центра, тем лучше положение фирмы. Анализируя рисунок 9.2, мы видим, что по трем углам (критериям, факторам) фирма «Дубрава» имеет наихудшие показатели, только по фактору цены, этой фирме удалось на «чуть-чуть» обойти «Гермес». Основная конкуренция развивается между «Вестник плюс» и «Гермес»: «Вестник плюс» проигрывает «Гермесу по факторам цены и каналам и формам сбыта.

Определим показатель уровня конкурентоспособности сети магазинов «Вестник плюс» относительно предприятий-конкурентов как отношение площадей «многогранника конкурентоспособности» данной фирмы к площади «многогранника конкурентоспособности» сети магазинов «Вестник плюс».

S (Вестник)= (6,9*6,0) + (6,0*6,8) + (6,8*6,3) + (6,3*6,9) 168,51

= 1,13

S Мегапол (7,7*4,0) + (4,0*5,3) + (5,3*7,5) + (7,5*7,7) 149,5

 

 

S (Вестник) =(6,9*6,0) + (6,0*6,8) + (6,8*6,3) + (6,3*6,9) 168,51

= 1,27

S (Дубрава)= (6,7*4,5) + (4,5*5,5) + (5,5*6,3) + (6,3*6,7) 131,76

Вывод: Торговая организация «Вестник плюс» в 1,13 раза конкурентоспособнее фирмы «Гермес» и в 1,27 раз конкурентоспособнее фирмы «Дубрава».

 

 

Похожие статьи:

poznayka.org

Реализация метода дерева в моделировании процесса принятия решений

Библиографическое описание:

Власов Д. А. Реализация метода дерева в моделировании процесса принятия решений // Вопросы экономики и управления. — 2016. — №2. — С. 34-37. — URL https://moluch.ru/th/5/archive/28/798/ (дата обращения: 26.08.2018).



Ключевые слова: принятие решений, модели принятия решений, дерево решений, оптимальное решение, методы принятия решений, анализ данных, стратегия.

Управленческая деятельность традиционно представляет собой цикл операций над категориями: «Подготовка», «Принятие» и «Реализация». Естественным является стремление к выбору непременно оптимальных, правильных решений. В контексте моделирования процесса принятия решений актуальны следующие вопросы.

Что следует понимать под допустимым решением? Какое решение следует допустить к рассмотрению, а какое следует сразу исключить? Насколько мы ограничены в принимаемых решениях? Что следует понимать под оптимальным решение? Является ли оптимальное решение лучшим для всех или только для некоторых субъектов? Должно ли оптимальное решение оставаться таковым на протяжении некоторого промежутка времени? Каковы критерии оптимальности решения? Каковы границы оптимальности и что делать, в ситуации, если оптимального решения не существует? Должен ли быть критерий оптимальности решения единственным и неизменным или критериев оптимальности может быть несколько и они подвержены изменениям? Какой принцип (принципы) должен лежать в основе принимаемых решений? Опыт, интуиция, случай, здравый смысл, чужое мнение? Влияет ли фактор времени на процесс принятия решения? Что делать, если решение необходимо принять моментально, а не через полчаса или год?

Есть ли зависимость процесса принятия решений от полноты имеющейся информации? Что делать, если имеющейся информации недостаточно или она полностью отсутствует? Способны ли мы научиться и научить принимать оптимальные решения? Существуют ли общие закономерности в области принятия решений или принятия решений — набор сугубо частных приемов, работающих для решения частных проблем и не подлежащих обобщению, распространению на различные области? Можно ли говорить о существовании общего концептуального аппарата в рамках категорий «Решение», «Процесс принятия решений», «Метод принятия решений», «Модель принятия решений»? Вне зависимости от того, какой точки зрения придерживаться по обозначенным выше вопросам, очевидно, что принятие решений было и остается важнейшим продуктом человеческой деятельности, в процессе принятия решений происходит интеграция знаний, компетенций, интересов, мировоззрения лица, принимающего решение (ЛПР)[3].

Метод деревьев решений. Применение метода деревьев решений позволяет получить прогнозируемое значение характеристики (например, доходности, эффективности и др.) на основе анализа исходной информации. Деревья решений (Decision Tree) в широком смысле являются структурами данных, на основе которых возможно содержательно интерпретировать шаблоны данных с целью их последующего распознавания. Деревья решений представляются в виде особых иерархических структур, включающих в себя узлы принятия решений. В процессе работы с деревом решений каждому узлу необходимо поставить в соответствие количественную характеристику с целью прогнозирования последующего значения. Начальные данные должны быть подготовлены (аналитический, статистический, экспертный методы [5]), а с другой стороны, может быть предусмотрено накопление множества стратегий (вероятных исходов), в рамках конкретной задачи принятия решения. Важны так же представления о логической последовательности событий и вероятных исходов.

Опишем далее структуру деревьев решений. С точки зрения классификации графов, дерево решений является древовидным графом. Данная структура включает в себя узлы, которые соединены друг с другом ребрами. Следует отметить, что недопустимо образование ребрами цикла, т. к. в этом случае будет иметь место граф, отличающийся от древовидного. Наличие цикла в графе усложняет (при условии выхода из цикла) и даже делает невозможным его использование в процессе принятия решений. Уровни дерева образуют иерархическую структуру, отражающую специфику исследуемой ситуации [2].

В дереве решений присутствует один специальный узел, называемый корневым. Как следует из названия, этот узел представляет собой основу дерева, т. к. от корневого узла есть пути по дереву к другим узлам. Кроме корневого узла существуют листовыеузлы. Они располагаются в конце любой цепочки подряд следующих ребер. Приведенное в рамках данной статьи описание структуры типа «дерево» данных является максимально абстрактным, без привязки к предметным областям — с целью самого широкого понимания и последующего применения в моделировании процесса принятия решения.

Метод деревьев решений характеризуется рядом преимущественных особенностей, благодаря которым он является востребованным и эффективным инструментом в моделировании принятии решений. Однако имеет место проблема построения деревьев решений. Несмотря на широкое использование, эвристические методы построения деревьев решений, основанные на использовании жадных алгоритмов, не способны определять наиболее полные и точные правила классификации данных.

Метод принятия решений на основе дерева решений относится к группе методов, позволяющих выполнять анализ данных (Data Mining) и позволяющих интегрировать математический инструментарий и передовые достижения в области IT и решать актуальные задачи анализа данных: задачу классификации и задачу прогнозирования. Реализация деревья решений позволяет исследовать ситуацию в рамках последовательной и иерархическойструктуры, создавать интуитивные модели, существенно упрощающие понимание исследуемой ситуации. В большинстве случаев построенные модели принятия решений подлежат легкой содержательной экономической, управленческой интерпретации, интуитивно понятны.

Большинство количественных методов принятия решений [1] относятся к параметрической группе методов, при работе с которыми требуется заранее иметь определенную информацию (такую как вид модели, тип зависимости между переменными модели, тип переменных и др.). В отличии от других методов, метод деревья решений относится к группе непараметрическим методам принятия решений, применение которых позволяет анализировать данные с отсутствием исходной информации о виде зависимости между ними. При этом точность прогноза развития ситуации сопоставима с другими методами принятия решений.

Построение иисследование модели ввиде дерева решений. Множество стратегий руководителя: , где — «Большое предприятие», — «Среднее предприятие», — «Малое предприятие», — «Продажа патента» / производственных площадей / оборудования и т. д. Множество состояний экономической среды: , где — «Крайне благоприятное», — «Средне благоприятное», — «Неблагоприятное». Данные об ожидаемом доходе представлены в матрице , содержательный смысл элементов которой представлен далее. Например, при выборе крайне оптимистической стратегии и реализации наблюдаем максимальный доход , однако при развитии негативного сценария событий — благоприятном состоянии экономической среды ожидаемый убыток будет максимальным и составит . С другой стороны, инвестиции даже при самом лучшем состоянии экономической среды не обеспечит прибыль на уровне . Выбор стратегии избавляет ЛПР от неопределенности состояния экономической среды в дальнейшем. Эта особенность проявляется в том, что все элементы последней строки матрицы одинаковы.

Рис. 1. Дерево решений

Дерево решений, адекватное описанной ситуации принятия решений представлено на рис. 1. Оно построено при двух ожиданиях состояний экономической среды. Начальное оптимистическое ожидание (верхняя область дерева решений). Уточненное (например, в результате дополнительного исследования экономической среды) пессимистическое ожидание, надежность которого выражена следующей матрицей . Оптимальные стратегии соответствуют максимальному уровню ожидаемого дохода (принцип максимизации дохода). Возможен последующий анализ ситуации с учетом одновременного минимизации риска, с привлечением функций полезности для формализации отношения ЛПР к риску.

Представим рекомендации по использованию метода дерева решений с целью повышения эффективности его использования, как в учебных, так и в профессиональных ситуациях. Рекомендация 1. Дерево решений становится эффективной моделью процесса принятия решений, если в ней нашли отражение множество всех альтернативных стратегий, множество всех альтернативных состояний среды, распределение вероятностей и ожидаемые исходы всех комбинаций вариантов. Рекомендация 2. Дерево решений должно быть построено на основе достоверной информации, полученной результате предварительной подготовки к принятию решения. В этом случае оно позволяет осознать и наглядно представить последовательную структуру процесса принятия решения в виде схемы с символами, которые доступнее воспринимать и анализировать. Рекомендация 3. Проблему размера дерева решения можно решить с помощью современного программного обеспечения. Кроме того, существуют техники регулирования глубины, позволяющие уменьшать размер дерева решений путем удаления участков, имеющие несущественное значение.

Литература:

1. Власов Д. А., Монахов В. М., Монахов Н. В. Математическое моделирование и методы внутримодельных исследований. М.: МГГУ им. М. А. Шолохова, 2007–345 с.

2. Власов Д. А., Синчуков А. В. Новое содержание прикладной математической подготовки бакалавра. // Преподаватель XXI век. — М.: МПГУ, 2013 Т.1 № 1, С. 71–79

3. Власов Д. А., Синчуков А. В. Стратегия развития методической системы математической подготовки бакалавров. // Наука и школа. — М.: МПГУ, 2012 — № 5 — С. 61–65

4. Микони С. В. Теория принятия управленческих решений. СПб.: Лань, 2015–448 с.

5. Тихомиров Н. П., Тихомирова Т. М. Риск — анализ в экономике. М.: Экономика, 2010–320 с.

Основные термины (генерируются автоматически): дерево решений, экономическая среда, оптимальное решение, принятие решений, метод деревьев решений, метод принятия решений, исходная информация, корневой узел, анализ данных, критерий оптимальности решения.

Похожие статьи

Анализ подготовки и принятия управленческих решений...

организация, решение, управленческое решение, лицо принимающее решение, подготовка и принятие решение, анализ, методы анализа.

Решение экономических проблем предприятия с помощью...

Использование методов принятия решений в условиях...

...решений, принятие решения, система поддержки принятия решений, разрабатываемая система, альтернатива, решение.

Ключевые слова: принятие решений, критерий, система критериев, полнота, действенность, разложимость, неизбыточность, оптимальность, риск...

Методологические аспекты принятия решений | Статья в журнале...

Ключевые слова: принятие решений, модели принятия решений, дерево решений, оптимальное решение, методы принятия. Должен ли быть критерий оптимальности решения единственным и неизменным или критериев оптимальности может быть несколько...

Роль графического метода в принятии управленческих решений.

Декомпозиционный метод решения транспортной задачи... целевая функция, оптимальное решение задачи, ограничение, задача, сумма значений, значение переменных, оптимальное решение задач, транспортная задача, предложенный метод, оптимальное решение.

Интеллектуальные системы поддержки принятия решений

интеллектуальный анализ данных, нейронная сеть, дерево принятия решений, дерево решений, алгоритм, параметр, алгоритм дерева принятия решений, SQL

Проектирование систем автоматического управления с использованием методов принятия решений.

Сравнительный анализ алгоритмов нейронной сети и деревьев...

Дерево решений, связанное с большинством других методов, используют в рамках критериев отбора так же для поддержки выбора определенных данных в рамках общей структуры.

Анализ эффективности применения методов классификации

Дерево принятия решений — средство поддержки принятия решений, использующееся в

Недостатки метода:  Проблема получения оптимального дерева решений является NP-полной с точки зрения некоторых аспектов оптимальности даже для простых задач [2,3].

Математические методы системного анализа | Статья в журнале...

Один из методов принятия решений является метод минимакса. Минимакс — это метод принятия решений, который используется тогда, когда нужно выбрать из множества вариантов, устроенного в виде дерева.

Некоторые вопросы интеллектуализации принятия...

− организации принятия управленческих решений на всех иерархических уровнях управления. Задача организации принятия решений на всех уровнях управляемой системы подразумевает алгоритмизацию функционирования отдельных подсистем и компонент...

moluch.ru

Метод - дерево - решение

Метод - дерево - решение

Cтраница 1

Метод дерева решений основан на анализе графических изображений связей основных и последующих вариантов УР по основным результатам каждого решения и ожидаемой эффективности.  [1]

Метод дерева решений аналогичен методу сценариев с его эмоциональным содержанием, но предполагает аналитический подход к выбору наилучшего решения. Метод дерева решений позволяет руководителю визуально оценить результаты действия различных решений и выбрать наилучший их набор. Данный метод использует модель разветвляющегося по каким-либо условиям процесса. Модель представляет собой графическое изображение связей основных и последующих вариантов УР. В ней приводятся сведения о наименованиях УР, основных результатах каждого решения и ожидаемой эффективности.  [2]

Метод дерева решений весьма успешно применяют при разработке компьютерных игр на выбор стратегий.  [3]

Зачастую метод дерева решений отождествляется с разновидностью метода сценариев, так как построение сценария также можно рассматривать как метод, с помощью которого пытаются установить логическую последовательность событий, чтобы показать, как исходя из существующей ситуации может шаг за шагом развертываться будущее состояние.  [4]

Общее обсуждение метода дерева решений, которое в настоящее время приобретает большое значение в нормативном технологическом прогнозировании.  [5]

Оценка риска методом дерева решений представляет собой моделирование задачи выбора вариантов решений графическим способом. Построив дерево из ветвей или путей развития возможных событий, оценивают каждый путь и выбирают наименее рискованный. Данный метод представляется наиболее трудоемким и неточным из-за опасности не учесть при построении дерева какой-либо путь развития событий.  [6]

Помня об основной проблеме метода дерева решений - проблеме значимости ветвей при дроблении на мелкие сценарии, - автор считает нецелесообразным использование большего числа интервалов по каждому параметру.  [7]

На рис. 8.5. проиллюстрировано применение метода дерева решений для разрешения проблемы, требующей определенной последовательности решений. Вице-президент по производству из компании, в настоящее время выпускающей электрические газонокосилки, считает, что расширяется рынок ручных косилок. Он должен решить, стоит ли переходить на производство ручных косилок, и если сделать это, - стоит или не стоит продолжать выпуск электрических газонокосилок. Производство косилок обоих типов потребует увеличения производственных мощностей.  [9]

Для чего в анализе рисков используется метод дерева решений и в чем он состоит.  [10]

Концепция ожидаемого значения является неотъемлемой частью метода дерева решений.  [12]

Наиболее широко используемым методом для решения разнообразных задач менеджмента является метод дерева решений, или метод платежной матрицы. Этот метод используется для ответа на вопрос, какая из альтернативных Стратегий поведения в наибольшей степени соответствует достижению поставленных целей в условиях неопределенности внешней среды или риска. Метод может помочь менеджерам принимать управленческие решения в подавляющем большинстве ситуаций, практически возникающих в их работе.  [13]

Выделяют следующие методы РУР: аналитические, статистические, математического программирования, эвристические, активизирующие, экспертные, методы сценариев и метод дерева решений.  [14]

Метод дерева решений аналогичен методу сценариев с его эмоциональным содержанием, но предполагает аналитический подход к выбору наилучшего решения. Метод дерева решений позволяет руководителю визуально оценить результаты действия различных решений и выбрать наилучший их набор. Данный метод использует модель разветвляющегося по каким-либо условиям процесса. Модель представляет собой графическое изображение связей основных и последующих вариантов УР. В ней приводятся сведения о наименованиях УР, основных результатах каждого решения и ожидаемой эффективности.  [15]

Страницы:      1    2

www.ngpedia.ru