Manual de Teoria Da Decisao 05 06
-
Upload
aylton-mangue -
Category
Documents
-
view
21 -
download
7
description
Transcript of Manual de Teoria Da Decisao 05 06
-
12005/2006 1
Gesto e Teoria da Deciso
Teoria da Deciso
Licenciatura em Engenharia CivilLicenciatura em Estatstica
2005
/200
6
2
1. Introduo2. Deciso em situao de incerteza
n Critrio Optimistan Critrio Pessimistan Critrio intermdio (Savage) e anlise de sensibilidadenMatriz de arrependimento ou custo de oportunidaden Critrio Min Max
3. Deciso em situao de risconValor esperado da deciso
nAnlise de sensibilidade probabilidade subjectiva
4. Valor da InformaonValor da informao perfeitanValor da informao adicional
Teoria da Deciso
Agenda
-
22005
/200
6
3
At agora estudaram-se os principais mtodos e tcnicas da IO
Neste captulo pretende-se ter uma prospectiva integrada da
racionalizao dos processos de deciso a fim de melhor se poder apoiar a
tomada de deciso em contexto real
A IO oferece um conjunto vasto de teorias, mtodos e modelos no campo
da teoria da deciso
Com isto, os processos decisrios podem ser bastante melhorados,
racionalizados!
Contudo, o processo decisrio encontra inmeros paradigmas
Teoria da Deciso
Introduo
2005
/200
6
4
Paradigmas:
- Da racionalidade: cr-se apenas na razoe a afectividade
- Da estabilidade: apesar da realidade ser no estacionria
- Do mtodo: sequncias de anlise ou de procedimentos para classes de problemas, evitando-se o livre arbtrio
- Cientfico: cr-se na cincia para descrever a realidade
- Da eficcia: acredita-se que possvel criar sistemas eficazes, ie, que permitam atingir metas predefinidas com ndices de segurana ou fiabilidade elevados
- De economia: eficincia econmica
- Comportamental: o estudo das organizaes afasta-se das cincias puras ou aplicadas por no buscar propriamente teorias ou enunciados universais, mas sim por conhecer o comportamento da realidade em que se vai intervir a fim de conhecer resposta em funo de intervenes e cenrios alternativos de aleatoriedade e incerteza
Teoria da Deciso
Introduo
-
32005
/200
6
5
O desenvolvimento de sistemas de apoio aos processos decisrios tem tambm
originado confuses e equvocos na vida das organizaes:
- Equvoco da substituio: considerar que os sistemas de deciso podem ou devem
ser considerados substitutos dos decisores
- Equvoco da omniscincia: tomar deciso com base na convico de que
melhor acreditar e utilizar o saber, a experincia e a intuio que tudo mais
dispensaro
- Equivoco da urgncia: graas ao desenvolvimentos, hoje os meios de clculo
permitem o desenvolvimento de modelos cada vez mais sofisticados e
suficientemente rpidos
- Equvoco da especificidade: na realidade, se os problemas forem correctamente
analisados, as suas questes fundamentais podero no ser especficas
Teoria da Deciso
Introduo
2005
/200
6
6
Teoria da Deciso
Introduo
Incerto
Complexo
Dinmico
Competitivo
Finito..
Ambiente
Valores
Engenho
Percepo
Escolha
Informao
Preferncia
Intuio
(lgica no verificvel)
D
E
C
I
S
O
R
E
S
U
L
T
A
D
O
S
-
42005
/200
6
7
Teoria da Deciso
Introduo
Incerto
Complexo
Dinmico
Competitivo
Finito..
Ambiente
Valores
Engenho
Percepo
Escolha
Informao
Preferncia
L
G
I
C
A
D
E
C
I
S
O
R
E
S
U
L
T
A
D
O
S
Alternativas
ProbabilidadesEstruturaAtribuio de valor
Preferncia temporalAtitude faceao risco
2005
/200
6
8
Teoria da Deciso
Introduo
Modelo de Deciso
Alternativas
A1
A2.
.
.An
Resultados
R11,R12,...R1MR21,R22,...R2M
.
.
.Rn1,Rn2,...RnM
Resultados
Deciso
A*
InformaoModelos
Escolha
Grau de satisfao de OBJECTIVOS
Preferncias do(s) agente(s) de deciso:
Juzos de valorFunes de trocaAtitude face ao riscoPreferncias temporais
Anlise de sensibilidade
Valor da informao
Valorao e
Avaliao
Critrios de
Deciso
-
52005
/200
6
9
Teoria da Deciso
Introduo
Dimensionar a capacidade produtiva de uma fbrica, estando disponvel 5 alternativas:
D1 capacidade produtiva de 10 000 ton
D2 capacidade produtiva de 15 000 ton
D3 capacidade produtiva de 20 000 tonD4 capacidade produtiva de 25 000 ton
D5 capacidade produtiva de 30 000 ton
H incerteza quanto procura (capacidade de absoro) do mercado, tendo-se definido cinco cenrios:
E1 procura muito baixa
E2 procura baixa
E3 procura mediana
E4 procura altaE5 procura muito alta
2005
/200
6
10
Teoria da Deciso
Introduo
Foram estimados os resultados lquidos (ganhos) de cada capacidade produtiva (Di) para cada cenrio (Ej)de procura.
MATRIZ DE GANHOS
1006020-10-50D5
76804610-20D4
5054604016D3
3436404424D2
2020222426D1
E5E4E3E2E1
-
62005
/200
6
11
Teoria da Deciso
Critrio optimista
Para cada deciso considerar o resultado mais favorvel ( )ijjii RmaxRD =
100D
80D60D44D26D
5
4
3
2
1
( )
ijji
* RmaxMaxD
ptima) (deciso D*
1006020-10-50D5
76804610-20D4
5054604016D3
3436404424D2
2020222426D1
E5E4E3E2E1
MATRIZ DE GANHOS
2005
/200
6
12
Teoria da Deciso
Critrio pessimista
Para cada deciso considerar o resultado menos favorvel ( )ijjii RminRD =
50D
20D16D24D20D
5
4
3
2
1
-
-
( )
ijji
* RminMaxD
1006020-10-50D5
76804610-20D4
5054604016D3
3436404424D2
2020222426D1
E5E4E3E2E1
MATRIZ DE GANHOS
ptima) (deciso D*
-
72005
/200
6
13
Teoria da Deciso
Critrio intermdio (Savage)
Para cada deciso associar uma mdia ponderada entre os resultados mais ou menos favorveis
c coeficiente de ponderao medindo o grau de optimismo:
c = 1 => optimista c = 0 => pessimista
( ) ( ) ( )ijjijjii Rminc1RmaxcRD -+=
( ) ( ) ( )ijjijjii Rminc1RmaxcRD -+=
2005
/200
6
14
Teoria da Deciso
Critrio intermdio (Savage)
23205,0265,0D1 =+
1006020-10-50D5
76804610-20D4
5054604016D3
3436404424D2
2020222426D1
E5E4E3E2E1
MATRIZ DE GANHOS
ptima) (deciso D*
Para c = 0,5
25)50(5,01005,0D5 =-+30)20(5,0805,0D4 =-+
38165,0605,0D3 =+
34245,0445,0D2 =+
-
82005
/200
6
15
Teoria da Deciso
Matriz de arrependimento ou custo de oportunidade
1006020-10-50D5
76804610-20D4
5054604016D3
3436404424D2
2020222426D1
E5E4E3E2E1
MATRIZ DE GANHOS
Para cada estado da natureza (cenrio) Ej, identificar o resultado mais favorvel (e, portanto, a deciso ptima nesse contexto) =>
Para cada deciso Di (num cenrio Ej) o custo de oportunidade => ( )iji
*j RmaxR =
ij*jij RRC -=
020405476D5
240143446D4
50260410D3
66442002D2
806038200D1
E5E4E3E2E1
MATRIZ DE CUSTOS DE OPORTUNIDADE (PERDAS/ARREPENDIMENTO)
2005
/200
6
16
Teoria da Deciso
Critrio Min Max(pessimista sobre a matriz de custos de oportunidade)
( )ijjii CmaxCD =
ptima) (deciso D*
A cada deciso associar o custo de oportunidade (perda/arrependimento) mximo
76D
46D50D66D80D
5
4
3
2
1
( )
ijji
* CmaxminD
00405476D5
240143446D4
50260410D3
66442002D2
806038200D1
E5E4E3E2E1
MATRIZ DE CUSTOS DE OPORTUNIDADE (PERDAS/ARREPENDIMENTO)
-
92005
/200
6
17
Teoria da Deciso
Deciso em situao de risco
ptima) (deciso D*
A cada estado da natureza (cenrio) Ej atribuda uma probabilidade de ocorrncia p j
Critrio do VALOR ESPERADO: a cada deciso associado o valor esperado dos ganhos
1006020-10-50D50,100,150,500,200,05Probabilidade
76804610-20D4
5054604016D3
3436404424D2
2020222426D1
E5E4E3E2E1
MATRIZ DE GANHOS
52501,05415,0605,0402,01605,0D3 =++++
[ ] =j
jijii pRRED
22201,02015,0225,0242,02605,0D1 =++++
6,43761,08015,0465,0102,0)20(05,0D4 =++++-
8,38341,03615,0405,0442,02405,0D2 =++++
4,241001,06015,0205,0)10(2,0)50(05,0D5 =+++-+-
2005
/200
6
18
a) Qual o valor mximo de erro que o agente de deciso pode cometer nas estimativas dos estados da natureza, sem alterar a deciso ptima
E[D1] = 6p1 + 10(1-p1) = 10 4p1E[D2] = 4p1 + 15(1-p1) = 15 4p1E[D1] = E[D2]
p1 = 5/7 ( P1 = 5/7 D* = D1) p2 = 2/7
b) Qual o mximo a pagar para determinar qual o estado da natureza que ir ocorrer?
D2 deciso anteriormente tomadaE[Infor. Perfeita] = 0,6 x 2 + 0,40 x 0 = 1,2
Teoria da Deciso
Valor da informao perfeitaClculo das probabilidades de indiferena: Exemplo
D*
Custo de oportunidade dado que escolhi D2
E1 E2D1 6 10 E[D1] = 7,6D2 4 15 E[D2] = 8,4Prob. 0,6 0,4
Matriz de ganhos
-
10
2005
/200
6
19
Teoria da Deciso
Valor da informao - Valor esperado da Informao perfeita
Valor da informao perfeita: valor mximo que estou disposto a pagar
pela informao depende da deciso escolhida
Valor Esperado da Informao Perfeita VEIP : ponderado o valor da informao para cada cenrio (estado da natureza) atravs da probabilidade de ocorrncia desse estado:
1. Para o estado de informao inicial (I), identificar a deciso ptima DI*
2. Para cada estado da natureza j (que se admite ter efectivamente ocorrido):
A.Identificar a deciso ptima DII* a que est associado um resultado optimizado Rj*
B.Calcular a diferena dos resultados em relao deciso DI*
Vj = Rj* - Rj(DI*) valor da informao perfeita (para o estado j)
3. Valor esperado da informao perfeita:
[ ] jj
jpVVE =
2005
/200
6
20
Exemplo:
1. -
2. -
3. -
5050100RRVDD5j
265480RRVDD4j
06060RRVDD3j
44044RRVDD2j
101626RRVDD1j
355555*II
344444*II
333333*II
322222*II
311111*II
=-=-==
=-=-==
=-=-==
=-=-==
=-=-==
3*I DD =
[ ] 2,101,05015,0265,002,0405,010VE =++++=
0,150Estado j = 5
0,1526Estado j = 4
0,50Estado j = 3
0,24Estado j = 2
0,0510Estado j = 1
ProbabilidadesValor da informaoInformao perfeitaResumo:
Teoria da Deciso
Valor da informao - Valor esperado da Informao perfeita
-
11
2005
/200
6
21
Teoria da Deciso
Valor da informao - Valor da informao adicional ( posterior)
Estado de informao I: priori
Estado de informao II: posteriori
0,050,650,20,050,05pj
E5E4E3E2E1Estado
3*I DD
[ ][ ][ ][ ][ ] 0,45DE
DD5,64DE
4,52DE5,36DE9,20DE
5
4*II4
3
2
1
==
===
Valor da informao
R4j-R3j
E5E4E3E2E1Estado
*IID
*ID
76-5080-5446-6010+40-20-16Valor da informao
+26+26-14-30-36R4j-R3j
E5E4E3E2E1Estado
2005
/200
6
22
VEIA: Valor Esperado da Informao Adicional
Diferena entre valores esperados dos ganhos:
da deciso ptima posterior (depois da informao adicional) DII*
e da deciso ptima priori DI*
[ ][ ]05,05065,0542,06005,04005,016
05,07665,0802,04605,01005,0)20(4,525,64
1,125,02665,0262,0)14(05,0)30(05,0)36(VEIA
++++--++++-=
-==
=++-+-+-=
Sendo este valores esperados calculados para a nova informao (probabilidades posterior)
Teoria da Deciso
Valor da informao - Valor da informao adicional ( posterior)
-
12
2005
/200
6
23
Tipos tipos de equipamento a adquirir: A, B, C
Dentro de 1 ano, a Administrao central adquire tambm equipamento A,
B, C (existem estimativas das probabilidades da Administrao optar por
este ou aquele tipo de equipamento)
Custos diferenciados consoante a opo da Administrao Central
(compatibilidade, economia de escala, etc.)
Custo adicional de 10 mil se a decis o for adiada por um ano
Valer a pena esperar um ano?
Teoria da Deciso
Valor esperado da informao perfeita: Exemplo
Opo da Administrao CentralNossa deciso ZA ZB ZC
DA 80 180 190DB 180 100 160DC 140 140 130Probabilidades 0,2 0,6 0,2
Custos(milhares )
2005
/200
6
24
a) Deciso ptima para a informao actual
E[DA] = 0,2 x 80 + 0,6 x 180 + 0,2 x 190 = 162
E[DB] = 0,2 x 180 + 0,6 x 100 + 0,2 x 160 = 128
E[DC] = 0,2 x 140 + 0,6 x 140 + 0,2 x 130 = 138
b) Custos de arrependimento dentro de 1 ano face deciso tomada(Dopt DB)
Se a Administrao optar por A: 180 - 80 = 100
Se a Administrao optar por B: 100 - 100 = 0
Se a Administrao optar por C: 160 -130 = 30
c) Custo esperado de arrependimento
0,2 x 100 + 0,6 x 0 + 0,2 x 30 = 26
D*
VEIP (> custo da informao perfeita)
Teoria da Deciso
Valor esperado da informao perfeita: Exemplo
-
13
2005
/200
6
25
5. Noo de utilidade e curvas de utilidade
6. Construo de curvas de utilidade
7. Propenso e averso ao risco
Teoria da Deciso
Agenda
2005
/200
6
26
Teoria da Deciso
Noo de utilidade e curvas de utilidade
Utilidade associada a um resultado : medida do grau de satisfao que esse
resultado proporciona (ao agente decisor)
Exemplo
Questes:
a) Valorao dos resultados (monetrios) [Ganhar 10 mil euros igualmente atraente quando, partida, se tem 100 mil euros ou no se tem nada?]
b) Atitude face ao risco
0,50,5pj
5,0+100D2
7,5+30-15D1
E[Di]E2E1
Matriz de ganhos (monet rios)
*D
-
14
2005
/200
6
27
Curva de Utilidade
0102030405060708090
100
-30 -20 -10 0 10 20 30 40 50 60 70Mil
Uti
lidad
e
Teoria da Deciso
Noo de utilidade e curvas de utilidade
0,50,5pj
42,5+45+40D2
40+55+25D1
E[Di]E2E1
*D
Matriz de Utilidades
2005
/200
6
28
Teoria da Deciso
Propenso e averso ao risco
AVERSO AO RISCO : utilidade marginal decrescente
Utilidade
Mil 200 400 600
20
60
80
X+DX-D
y + e2
x
y
y - e1
-
15
2005
/200
6
29
AVERSO AO RISCO
I. Recebo uma quantia fixa: 400 => U(400) = 60
II. Jogo: recebo 200 (50%) ou 600 (50%) => 0,5xU(200)+0,5xU(600) = 50
e2 < e1
[U(x+D) - U(x)] < [U(x) - U(x-D)]
U(x+D) + U(x-D) < 2U(x)
0,5U(x+D) + 0,5U(x-D) < U(x)
Valor esperado da utilidade associada a um jogo:
0,5
0,5x + D
x -D
D*
Teoria da Deciso
Propenso e averso ao risco
2005
/200
6
30
Teoria da Deciso
Propenso e averso ao risco
PROPENSO PARA O RISCO : utilidade marginal CRESCENTE
X+D
y + e2
X-D
y - e1
x
y
Utilidade
Mil 200 400 600
20
40
80
-
16
2005
/200
6
31
PROPENSO PARA O RISCO
I. Recebo uma quantia fixa: 400 => U(400) = 40
II. Jogo: recebo 200 (50%) ou 600 (50%) => 0,5xU(200)+0,5xU(600) = 50
e2 > e1
[U(x+D) - U(x)] > [U(x) - U(x-D)]
U(x+D) + U(x-D) > 2U(x)
0,5U(x+D) + 0,5U(x-D) > U(x)
Valor esperado da utilidade associada a um jogo:
0,5
0,5x + D
x -D
D*
Teoria da Deciso
Propenso e averso ao risco
2005
/200
6
32
Valor marginal: teoria do valor, segunda a qual ele determinado pela
sua utilidade marginal, isto , pelo acrscimo de utilidade total que se
obtm por cada unidade adicional do factor em causa (Dicionrio da
Lngua Portuguesa)
Custo marginal: acrscimo de custo total resultante de produzir uma
unidade adicional
Exemplo: Numa oficina produzem-se diariamente 20 caixilharias, com um
custo total de 723,9. Se a produo passar a 21, o custo dirio passa
para 729,6. Ento, o custo marginal da 21 caixilharia 5,7, igual ao
acrscimo do custo total de passar de 20 para 21 (normalmente
corresponde ao custo varivel de produzir uma caixilharia)
Teoria da Deciso
Anlise Marginal
-
17
2005
/200
6
33
Teoria da Deciso
Anlise Marginal
Custo Total
0,0
100,0
200,0
300,0
400,0
500,0
600,0
700,0
800,0
1 3 5 7 9 11 13 15 17 19 21 23
Unidades
Eu
ros
0,0
100,0
200,0
300,0
400,0
500,0
600,0
1 4 7 10 13 16 19 22
Unidades
Eu
ros
Marginal
Mdio
2005
/200
6
34
8. Decises sequenciais
9. rvores de deciso
Teoria da Deciso
Agenda
-
18
2005
/200
6
35
Os problemas de deciso reais apresentam frequentemente um carcter sequencial:
Exemplo
O planeamento de um semestre no IST feito por um aluno:
Vou aos testes de todas as disciplinas que o permitam
Quanto maior for o nmero de provas de avaliao, exames ou teste,
menor a probabilidade de xito
As disciplinas que correrem mal em teste passam para a 1 chamada de exame
As disciplinas que correrem mal na 1 chamada de exame passam
para a 2 chamada de exame
Se mesmo assim no fizer todas as disciplinas, ento vou a 2 poca
...poca especial...
Teoria da Deciso
Decises sequenciais
2005
/200
6
36
Sequencialidade:Alternncia entre momentos de escolha controlados pelo decisor
momentos de deciso
E momentos de escolha controlada pelas variveis no
controlveis, isto , o resto do mundo momentos do acaso
Teoria da Deciso
Decises sequenciais e rvores de deciso
rvores de deciso:Permitem a anlise dos problemas de deciso sequenciais,
descrevendo a sequncia de momentos de deciso ( ) e do acaso ( )
E, bem assim, as alternativas correspondentes a cada momento
-
19
2005
/200
6
37
rvores de deciso:
1. Representam-se em rvore as possveis sequncias de
escolhas do decisor e do acaso (trajectrias de alternativas)
2. Calculam-se os resultados relativos s pontas da rvore
3. Probabilizam-se os ramos dos ns de acaso a fim de poder
associar a cada n um valor de sntese (em geral, o valor
esperado)
4. Escolhem-se nos ns de decises os ramos com melhor
resultado, iniciando essas escolhas nos ns de deciso mais
profundos da rvores e recuando progressivamente at atingir
o n de deciso inicial (correspondente ao instante actual)
Teoria da Deciso
Decises sequenciais e rvores de deciso
2005
/200
6
38
Compra de um equipamentoUm instituto pblico possui um dado equipamento A que tem de sersubstitudo por outro mais eficiente (B) no prazo mximo de 2 anos. Esta substituio pode ocorrer imediatamente ou daqui a 1 ou 2 anos. Para determinar qual a data mais aconselhvel para a sua substituio, obtiveram-se as seguintes previses:
Teoria da Deciso
Decises sequenciais e rvores de deciso Exemplo 1
9501.000
500600
400500
Preo
750
700
600
Preo
0,80,2
0,1
0,50,5
0,7
0,60,4
0,2
Prob.Prob.
Daqui a 2 anosPrximo anoPreo Actual
700
Preo do equipamento B (milhares de euros)
-
20
2005
/200
6
39
Compra de um equipamento
Nota: Todos os preos e prejuzos foram previamente actualizados para
valores referentes ao ano em curso
Questo: Recomendaria a substituio imediata do equipamento?
260280300
Daqui a 2 anosPrximo anoActual
Preo de venda de A (milhares de euros)
6040
Prejuzos resultantes de usar A em vez de B (milhares de euros)
Teoria da Deciso
Decises sequenciais e rvores de deciso Exemplo 1
2005
/200
6
40
Teoria da Deciso
Decises sequenciais e rvores de deciso Exemplo 1Momento de deciso
comprar
No comprar
Momento de acaso
0,2
0,7
0,1
Comp
rar
No comprar
Comprar
No comprar
ComprarNo comprar
0,6
0,4
0,5
0,5
0,2
0,8
2005
2006
2007
rvore de deciso
-
21
2005
/200
6
41
comprar
No comprar0,2
0,7
0,1
Comp
rar
No comprar
Comprar
No comprar
ComprarNo comprar
0,6
0,4
0,5
0,5
0,2
0,8
2005
2006
2007
rvore de deciso
790 = 950 + 40 + 60 - 260
840 = 1000 + 40 + 60 - 260
440 = 600 + 40 + 60 - 260
510 = 750 + 40 - 280
340 = 500 + 40 + 60 - 260
340 = 500 + 40 + 60 - 260
240 = 400 + 40 + 60 - 260
460 = 700 + 40 - 280
360 = 600 + 40 - 280
Custo total da compra do equipamento
400 = 700 - 300
Teoria da Deciso
Decises sequenciais e rvores de deciso Exemplo 1
2005
/200
6
42
comprar
No comprar0,2
0,7
0,1
Comp
rar
No comprar
Comprar
No comprar
ComprarNo comprar
0,6
0,4
0,5
0,5
0,2
0,8
2005
2006
2007
rvore de deciso
790
840
440
510
340
340
240
460
360
400
(800)custo esperado
800 = 840 x 0,2 + 790 x 0,8
(390)
(280)
(380)
380 = 0,2 x 280 ++ 0,7 x 390 ++ 0,1 x 510
Momento de deciso:No comprar
Momento de deciso:No comprar
Momento de deciso:comprar
Teoria da Deciso
Decises sequenciais e rvores de deciso Exemplo 1
-
22
2005
/200
6
43
comprar
No comprar0,2
0,7
0,1
Comp
rar
No comprar
Comprar
No comprar
ComprarNo comprar
0,6
0,4
0,5
0,5
0,2
0,8
2005
2006
2007
rvore de deciso
790
840
440
510
340
340
240
460
360
400
(800)
(390)
(280)
(380)
Recomendao para 2005:
No comprar
Teoria da Deciso
Decises sequenciais e rvores de deciso Exemplo 1
2005
/200
6
44
Venda de um terreno que pode ter uma jazida de petrleo
Teoria da Deciso
Decises sequenciais e rvores de deciso Exemplo 2
Furo
Petrleo (2
5%)
Seco (75%)
Venda
Furo
Petrleo (1
4,3%)
Seco (85,7%)
Venda
Furo
Petrleo (5
0%)
Seco (50%)
Venda
Fazer e
studo
sismo
l gic
o
No fazer estudo
sismolgico
Desfavor v
el (70%)
Favor vel (30%)
-
23
2005
/200
6
45
Teoria da Deciso
Decises sequenciais e rvores de deciso Exemplo 2
Furo
Petrleo (2
5%)
Seco (75%)
Venda
Furo
Petrleo (1
4,3%)
Seco (85,7%)
Venda
Furo
Petrleo (5
0%)
Seco (50%)
Venda
Fazer e
studo
sismo
l gic
o
No fazer estudo
sismolgico
Desfavor v
el (70%)
Favor vel (30%)
- Custos
+ Receitas
Venda de um terreno que pode ter uma jazida de petrleo
-30
0
0
0
0
0
0
-100
-100
-100
+90
+90
+90
+800
+800
+800
Resultado
90
-100
700 = 800 - 100
60 = 90 - 30
-130 = -100 - 30
670 == 800 - 100 - 30
60
-130
670
2005
/200
6
46
Teoria da Deciso
Decises sequenciais e rvores de deciso Exemplo 2
Furo
Petrleo (2
5%)
Seco (75%)
Venda
Furo
Petrleo (1
4,3%)
Seco (85,7%)
Venda
Furo
Petrleo (5
0%)
Seco (50%)
Venda
Fazer e
studo
sismo
l gic
o
No fazer estudo
sismolgico
Desfavorv
el (70%)
Favor vel (30%)
- Custos
+ Receitas
Venda de um terreno que pode ter uma jazida de petrleo
-30
0
0
0
0
0
0
-100
-100
-100
+90
+90
+90
+800
+800
+800
Resultado
90
-100
700
60
-130
670
60
-130
670
Valor esperado (acaso)
123
270
100
-15,7
Valor esperado (deciso)60
100
270
123
Valor esperado (jcom custo de estudo)
-
24
2005
/200
6
47
10. Metodologia multicritrion Estruturao, rvore de valores e operacionalizao
dos pontos de vista
n Avaliao local:
- Noo de funo de valor
- Mtodos de construo das funes de valor (direct rating e bisseco)
Teoria da Deciso
Agenda
2005
/200
6
48
Critrio instrumento que permite a avaliao de aces /alternativas
segundo um ponto de vista particular
Incorpora:
Um orientao pr-activa do utilizador elementos mais subjectivos:
Que objectivos se pretende alcanar?
Uma orientao analtica reactiva elementos mais objectivos:
Que caractersticas das alternativas afectam a sua atractividade?
Teoria da Deciso
Metodologia multicritrio
-
25
2005
/200
6
49
Quer os objectivos dos decisores, quer as caractersticas das
aces / alternativas constituem o que se designa por ponto de
vista (ou preocupao, atributos...)
Deste modo, um ponto de vista (ou preocupao) qualquer
aspecto, num determinado contexto, que os actores consideram
relevantes para a avaliao da atractividade das aces /
alternativas
Teoria da Deciso
Metodologia multicritrio
2005
/200
6
50
Fases da metodologia multicritrio apoio tomada de deciso
A. Estruturao
Sistemas de valores / objectivos
Operacionalizao: construo da matriz de impactos
Teoria da Deciso
Metodologia multicritrio
Pontos de vista(perspectivas)
Critrios / Atributos
Discritor do nvel de impacto (ou desempenho) de cada alternativa segundo cada ponto de vista
-
26
2005
/200
6
51
Fases da metodologia multicritrio apoio tomada de deciso
B. Avaliao
Avaliao local (segundo cada ponto de vista)
Avaliao final
Teoria da Deciso
Metodologia multicritrio
Agregao
2005
/200
6
52
B. Avaliao1. Avaliao parcial (ou local) de cada alternativa segundo cada um dos
pontos de vista fundamentais
Construo de uma funo de valor (cardinal) para cada descritor Associa uma pontuao (valor cardinal, numa escala prdefinida) a cada
um dos nveis de impacto do descritor
2. Avaliao global, por agregao das avaliaes parciais
Mtodos de agregao Compensatrios
No compensatrios
Mtodo compensatrio: agregao por mdia ponderada (modelo de agregao aditiva simples)
necessrio atribuir os pesos aos pontos de vista, que funcionam como constantes de escala que harmonizam as avaliaes parciais
Teoria da Deciso
Metodologia multicritrio
( ) ( )=
l=N
1iii aVaVPontuao global da
alternativa a
Pontuao parcial da alternativa asegundo o ponto de vista i
peso do ponto de vista i
-
27
2005
/200
6
53
B. Avaliao
3. Avaliao de sensibilidade:
Avaliar a robustez das recomendaes
Providenciar meios de aprendizagem aos actores para eventual reviso dos seu juzos de valor e quadros e preferncias
reflectivos no modelo de avaliao
Teoria da Deciso
Metodologia multicritrio
2005
/200
6
54
Escritrio
Exemplo 1 Escolha de um novo escritrio
Teoria da Deciso
Metodologia multicritrio rvore de valores
Aquisio ManutenoProximidadeaos clientes Visibilidade Imagem Conforto rea
Estacionamento
Custos
Marketing Condies de trabalho
Benefcios
() (/ano) Distncia ao centro(km)
Escala ordinal ou estimao directa(atribuio de pontos)
(m2) (n de lugares)
-
28
2005
/200
6
55
Exemplo 2 Escolha de um carro
Teoria da Deciso
Metodologia multicritrio rvore de valores
Esttica
Economia
Desempenho
Conforto
Segurana
Ar condicionado
Direco assistida
Rdio
Vidros elctricos...etc.
Airbag
Pr-tensores
Barras de proteco
Etc.
Status
Carro
(*)(*) escala qualitativa
(m)
(s/n)ABS
Dist. Travagem a 100 km/h
Bagageira
Dist. Banco-tecto
Largura interiorComprimento interior (cm)
(cm)
(litros)
(cm)
Suspenso
Equipamento
Espao
Equipamentosegurana
Traves
Custo de aquisio
Custo de manuteno
consumo
Velocidade mxima
Acelerao 0-100 km/h
(*)
(*)
(Km/h)
(seg. )
(litros/100km)
(/ano)
()
2005
/200
6
56
v Propriedades desejveis da rvore de valores:
Abrangncia
Operacionalidade
Independncia
Ausncia de redundncia
Dimenso mnima
v Escalas de classificao:
De razo (cardinal, com zero absoluto)
De intervalos (cardinal, sem zero absoluto)
Ordinal
Nominal
Teoria da Deciso
Metodologia multicritrio rvore de valores
-
29
2005
/200
6
57
Avaliao local arranjar uma funo de valor que transforme as preferncias, o desempenho das alternativa (em cada um dos pontos de vista) numa escala pr-definida (por exemplo: de 0 a 100, ou de 0 a 10...)
A funo de valor de transformao deve ser No decrescente Ou no crescente
Teoria da Deciso
Metodologia multicritrio Avaliao local
No decrescente
0
20
40
60
80
100
120
0
200
400
600
800
1000
1200
1400
1600
rea de escritrio
valo
r
m2
No crescente
0
20
40
60
80
100
120
0 2 4 6 8 10 12 14
Distncia ao centro
valo
r
km
2005
/200
6
58
Funes de valor Mtodo da bisseco:
1. Fixar uma escala de valor (0 a 100, por exemplo) e atribuir o valor mais
baixo (0) alternativa com pior nvel de performance e o mais elevado
(100) com melhor nvel de performance (de acordo com o ponto de vista
em causa)
Ex: V(100m2) = 0
V(1500m2) = 100
2. Identificar o nvel de performance que, segundo o agente de deciso, tem um valor a meio caminho entre a melhor e a pior alternativa
Ex: V(X m2) = 50
X = ? X = 700 m2
3. Repetir o passo 2 tomando como extremos alternativas cujo valor j tenha
sido estimado
Teoria da Deciso
Metodologia multicritrio Avaliao local
-
30
2005
/200
6
59
Funes de valor Estimao Directa (Direct rating):
1. Ordenar as alternativas (para um dado ponto de vista), por ordem
decrescente de preferncias
2. Definir uma escala de valor (0 a 100, por exemplo) e atribuir o valor mais
elevado (100) alternativa de maior preferncia e o menos elevado (0)
de menor preferncia
3. Atribuir sucessivamente pontuaes s outras alternativas
4. Verificar se as diferenas de pontuao entre alternativas reflectem
efectivamente diferena de graduao de preferncias
Teoria da Deciso
Metodologia multicritrio Avaliao local
2005
/200
6
60
11. Mtodos compensatriosn Padronizao da matriz de impactos
n Avaliao global (mdia ponderada)
n Razo de compensao
n Anlise de sensibilidade aos pesos (Trident)
Teoria da Deciso
Agenda
-
31
2005
/200
6
61
Padronizao da matriz de impactos Padronizao de escalas: 0 = Xij = 1 para cada atributo
Sentido de preferncia crescente:
ou, se sentido de preferncia decrescente:
Nota: Admitindo funo de valor linear .
Teoria da Deciso
Metodologia multicritrio Mtodos compensatrios
( )( ) ( )C
C C
C Cij' =
ij - mini
ij
maxi
ij - min i
ij
( )( ) ( )C
C C
C Cij' =
maxi
ij - ij
maxi
ij - min i
ij
2005
/200
6
62
Padronizao da matriz de impactos (exemplos)
Teoria da Deciso
Metodologia multicritrio Mtodos compensatrios
300
150
250
400
350
Xi ( Lucros)
0,65
04
0,43
12
1
i
8,0150400150350
=--
300
150
250
400
350
Xi ( Custos)
0,45
14
0,63
02
1
i
2,0150400350400
=--
-
32
2005
/200
6
63
Avaliao global agregao por mdia ponderada (Mtodo de
agregao aditiva simples)
Por vezes
Teoria da Deciso
Metodologia multicritrio Mtodos compensatrios
( ) ( )=
l=N
1jijji AVAV
Pontuao global da alternativa Ai
Pontuao parcial da alternativa Aisegundo o ponto de vista j
peso do critrio j
=
=lN
1jj 1
=
l=N
1jijji XX
2005
/200
6
64
Problema: aquisio de um imvel para instalao da sede de uma
empresa
Cinco alternativas (A1 a A5) Trs Pontos de Vista Fundamentais (critrios):
Custo Funcionalidade Qualidade arquitectnica e integrao urbanstica
Operacionalizao dos PVF: descritores para os critrios
Teoria da Deciso
Metodologia multicritrio Exemplo
Critrio Descritor Custo Custo de aquisio (106 Euros)
Funcionalidade ndice que sumariza um vasto conjunto de caractersticas e
atributos funcionais do edifcio (escala de 0-10)
Qualidade arquitectnica e integrao urbanstica
Escala qualitativa (Deficiente; Suficiente; Boa; Muito Boa)
-
33
2005
/200
6
65
Matriz dos impactos:
Nota: a alternativa A4 dominada por A5!
Teoria da Deciso
Metodologia multicritrio Exemplo
Alternativa Custo (c) Funcionalidade (f)
Qualidade (q)
A1 11 7 Deficiente
A2 14 9 Suficiente
A3 13 5 Muito Boa
A4 12 3 Boa
A5 12 6 Boa
2005
/200
6
66
Modelos de preferncias parciais (segundo cada um dos critrios):
funes de valor
Custo: funo de valor linear entre os custos mnimo (11x106 Euros) e
mximo (14x106 Euros) das alternativas em jogo
Funcionalidade : funo de valor linear entre os limites da escala adoptada
para o ndice de sntese
Qualidade arquitectnica e integrao urbanstica:
Teoria da Deciso
Metodologia multicritrio Exemplo
Nvel do descritor Pontuao (valor cardinal) Deficiente 0 Suficiente 5
Boa 8 Muito Boa 10
-
34
2005
/200
6
67
Padronizao (uniformizao das escalas de avaliao parcial): exprimir todas as avaliaes parciais na escala (0-1)
Custo:
Funcionalidade:
Qualidade arquitect. e int. urb.:
Matriz de avaliaes parciais padronizadas
Teoria da Deciso
Metodologia multicritrio Exemplo
)1114()(14
-- aCusto
)010().(
-afuncndice
10)(aPontuao
Alternativa Custo (c) Funcionalidade (f) Qualidade (q) A1 1 2/3 0 A2 0 1 1/2 A3 1/3 1/3 1 A4 2/3 0 4/5 A5 2/3 1/2 4/5
2005
/200
6
68
Avaliao global :
Teoria da Deciso
Metodologia multicritrio Exemplo
Alternativas Custo Funcio- nalidade
Qualidade
A1 1 0,667 0 0,600A2 0 1 0,5 0,450A3 0,333 0,333 1 0,533A4 0,667 0 0,8 0,507A5 0,667 0,5 0,8 0,657
Pesos 0,4 0,3 0,3
Avaliaes parciais (locais)Avaliao
global
Perfis de impacto
00,10,20,30,40,50,60,70,80,9
1
Custo Funcionalidade Qualidade
Ava
lia
es p
arci
ais
A1A2A3A4A5
( ) ( )=
l=N
1ijiij AVAV
Melhor alternativa
-
35
2005
/200
6
69
Avaliao global :
Teoria da Deciso
Metodologia multicritrio Exemplo
657,024,015,0267,0A global Pontuao
5 =++=
2005
/200
6
70
Razo de compensao (trade-off) entre dois critrios
Critrio 1 - CustoPeso = 0.4
Pior nvel (pontuao parcial = 0) Custo = 14 x 106 (A2)Melhor nvel (pontuao parcial = 1) Custo = 11 x 106 (A1)
Critrio 3 Qualidade arquitectnica e integrao urbansticaPeso = 0.3
Pior nvel (pontuao parcial = 0) Deficiente (A1)Melhor nvel (pontuao parcial = 1) Muito Boa (A3)
Teoria da Deciso
Metodologia multicritrio Exemplo
Diferena de atractividade entre estes dois nveis vale 0.4 pontos em termos de avaliao global
Diferena de atractividade entre estes dois nveis vale 0.3 pontos em termos de avaliao global
-
36
2005
/200
6
71
Razo de compensao (trade-off) entre dois critrios:
Teoria da Deciso
Metodologia multicritrio Exemplo
75,04,03,0
1
3 -=-=ll
O ganho de 1 ponto no critrio 3 (correspondente a passar de Deficiente a Muito Bom) compensado pela perda de 0,75 pontos no critrio 1(correspondente a (14-11) x 0,75 = 2,25 x 106 , visto que a funo de valor do custo linear).
Isto , uma alternativa Deficiente em termos de Qualidade Arquitectnica e Integrao Urbanstica equivalente(igualmente atraente) a uma outra Muito Boa neste critrio, mas com um acrscimo de custo de 2,25 x 106 ou, dito de outro modo,
para passar de Deficiente a Muito Boa no critrio 3 estaria disposto a pagar, no mximo, 2,25 x 106 para essa mudana ser atraente.
2005
/200
6
72
Anlise de sensibilidade aos pesos dos critrios apenas 2 critrios Matriz de avaliaes parciais
Avaliaes globais (soma ponderada):
Teoria da Deciso
Metodologia multicritrio Exemplo
Alternativa Custo (c) Funcionalidade (f) A1 1 2/3 A2 0 1 A3 1/3 1/3 A4 2/3 0 A5 2/3 1/2
Pesos l1 12 1 l-=l
( )
( )
( )
( )
( ) 11155
11144
1133
11122
11111
61
21
121
32
xA
3210
32xA
31
131
31
xA
1110xA33
21
32
1xA
l+=l-+l=
l=l-+l=
=l-+l=
l-=l-+l=
l+=l-+l=
-
37
2005
/200
6
73
Anlise de sensibilidade aos pesos dos critrios apenas 2 critrios
Teoria da Deciso
Metodologia multicritrio Exemplo
2005
/200
6
74
Anlise de sensibilidade aos pesos dos critrios 3 critrios
Anlise de sensibilidade ao peso l1 do Critrio 1, mantendo relao (neste caso, igualdade) entre os pesos dos outros critrios
Matriz de avaliaes parciais
Teoria da Deciso
Metodologia multicritrio Exemplo
l-=l=l
2
1 132
Alternativa Custo (c) Funcionalidade (f) Qualidade (q) A1 1 2/3 0 A2 0 1 1/2 A3 1/3 1/3 1 A4 2/3 0 4/5 A5 2/3 1/2 4/5
Pesos l1 2
1 12
l-=l
21 1
3l-
=l
-
38
2005
/200
6
75
Anlise de sensibilidade aos pesos dos critrios 3 critrios
Avaliaes globais (soma ponderada):
Teoria da Deciso
Metodologia multicritrio Exemplo
111
155
111
133
111
22
11
111
0166.065.02
154
21
21
32
XA
31
32
21
21
31
31
XA
43
43
21
21
21
XA
32
31
21
32
XA
l+=
l-+
l-+l=
l-=l-
+
l-+l=
l-=
l-+
l-=
l+=
l-+l=
2005
/200
6
76
Anlise de sensibilidade aos pesos dos critrios 3 critrios
Teoria da Deciso
Metodologia multicritrio Exemplo
-
39
2005
/200
6
77
Anlise de sensibilidade aos pesos dos critrios Trident
Avaliaes globais (soma ponderada):
Teoria da Deciso
Metodologia multicritrio Exemplo
Alternativa Custo (c) Funcionalidade (f) Qualidade (q) A1 1 2/3 0 A2 0 1 1/2 A3 1/3 1/3 1 A4 2/3 0 4/5 A5 2/3 1/2 4/5
Pesos l1 l2 1 - l1 - l2
A4 - alternativa dominada
2005
/200
6
78
Anlise de sensibilidade aos pesos dos critrios Trident
Avaliaes globais (soma ponderada):
Teoria da Deciso
Metodologia multicritrio Exemplo
( )
( )
( ) 21212155
21212133
2121222
2111
?103
?152
54
??154
?21
?32
XA
?32?
321??11?
31?
31XA
?43
?21
21
??121
?XA
?32
?XA
--=--++=
--=--++=
+-=--+=
+=
-
40
2005
/200
6
79
Anlise de sensibilidade aos pesos dos critrios Trident
Anlise de sensibilidade no plano assinalando os pontos Xi = Xj:
Teoria da Deciso
Metodologia multicritrio Exemplo
1253
1252
1232
1251
1231
1221
?1116
116?XX
?2411
83
?XX
?71
73
?XX
?292924?XX
?45
43?XX
?93?XX
-==
+==
-==
-==
-==
-==
0
0,2
0,4
0,6
0,8
1
1,2
0 0,25 0,5 0,75 1 1,25l1
l2
X2 =X3
X 2=X5
X3 =X
5X1 =X
3
X1 =X
5
X1=X2
2005
/200
6
80
0
0,2
0,4
0,6
0,8
1
1,2
0 0,25 0,5 0,75 1 1,25l1
l2
Anlise de sensibilidade aos pesos dos critrios Trident Cada rea elementar est associada a uma certa ordenao das alternativas => a troca de posio relativa obriga a atravessar uma das rectas!
Teoria da Deciso
Metodologia multicritrio Exemplo
X2 =X3
X 2=X5
X3 =X5X1 =X
3
X1 =X5
X1=X2
X3
X2
X5X1
-
41
2005
/200
6
81
11. Mtodos compensatriosn Discusso sobre os pesos dos critrios
n Mtodos swing weights para a determinao dos pesos
n Exemplo de aplicao da determinao dos pesos
Teoria da Deciso
Agenda
2005
/200
6
82
Discusso sobre o peso dos critrios
A atribuio de pesos (coeficientes de ponderao) aos critrios tem
obrigatoriamente de ser feita com referncia s escalas de impacte dos critrios
So incorrectos os processos de ponderao directa, por referncia noo
psicolgica e intuitiva de importncia dos critrios, mas desligada dos
respectivos intervalos de escala!
Exemplo: na avaliao de propostas para a realizao de uma empreitada,
considerem-se dois critrios: custo e prazo
Por se considerar o custo mais importante que o prazo, atriburam-se os
pesos 0,6 e 0,4, respectivamente (o que corresponder (?!) ideia que o
custo 1,5 vezes mais importante que o prazo)
Teoria da Deciso
Metodologia multicritrio Mtodos compensatrios
-
42
2005
/200
6
83
Discusso sobre o peso dos critrios Cenrio 1 apresentaram-se a concurso dois concorrentes
Admitindo (como prtica muito habitual) que, para avaliao segundo cada critrio, so dados 100 pontos melhor proposta e 0 (zero) pontos pior (usando-se uma interpolao linear para propostas intermdias, caso existam, o que corresponde a assumir um andamento linear para as respectivas funes de valor entre aqueles casos extremos)
Concluso: proposta do concorrente A prefervel do B
Teoria da Deciso
Metodologia multicritrio Mtodos compensatrios
globalPrazoCusto
100
0
400B
60100A
AvaliaoAvaliao ParcialConcorrente
185B
243A
Prazo(meses)
Custo(106 euros)
Concorrente
2005
/200
6
84
Discusso sobre o peso dos critrios
Cenrio 2 apresentaram-se a concurso trs concorrentes(igual ao Cenrio 1, com uma terceira proposta C)
Admitindo o mesmo esquema de avaliao
Concluso: proposta do concorrente B agora prefervel do A !!! (apenas como resultado de ter surgido uma 3 proposta, que at dominada pela do concorrente B)
Teoria da Deciso
Metodologia multicritrio Mtodos compensatrios
PrazoCusto
401000C
100
0
6440B
60100A
Avaliao
global
Avaliao ParcialConcorrente
188C
185B
243A
Prazo
(meses)
Custo
(106 euros)
Concorrente
-
43
2005
/200
6
85
Discusso sobre o peso dos critrios
Cenrio 3 apresentaram-se a concurso dois concorrentes
Admitindo o mesmo esquema de avaliao
Concluso: proposta do concorrente A prefervel do B (...mas razovel dar um peso 0.6 a uma diferena de custos de apenas 1000 euros e 0.4 a uma diferena de prazos de 6 meses?)
Teoria da Deciso
Metodologia multicritrio Mtodos compensatrios
globalPrazoCusto
100
0
400B
60100A
AvaliaoAvaliao ParcialConcorrente
183 001B
243 000A
Prazo
(meses)
Custo
(103 euros)
Concorrente
2005
/200
6
86
Discusso sobre o peso dos critrios
Interpretao dos pesos (coeficientes de ponderao):
O peso de um critrio representa o acrscimo de pontuao global quando se
passa do pior nvel para o melhor nvel nesse critrio (admitindo que o
intervalo de escala para avaliao parcial segundo esse critrio entre 0 e 1)
Teoria da Deciso
Metodologia multicritrio Mtodos compensatrios
p1Diferena entre as duas alternativas
Z
Z
Critrio 4...Critrio 3Critrio 2Critrio 1
...YX0 (pior nvel)A
X Y ...1 (melhor nvel)B
Pontuao globalPontuaes parciaisAlternativa
p1Diferena entre as duas alternativas
Z
Z
Critrio 4...Critrio 3Critrio 2Critrio 1
...YX0 (pior nvel)A
X Y ...1 (melhor nvel)B
Pontuao globalPontuaes parciaisAlternativa
n321 pzpypxp0 ++++ K
n321 pzpypxp1 ++++ K
-
44
2005
/200
6
87
Discusso sobre o peso dos critrios
Teoria da Deciso
Metodologia multicritrio Mtodos compensatrios
A razo entre os pesos de dois critrios representa a funo de troca (trade-off) entre esses critrios (ou melhor, entre as pontuaes ou avaliaes parciais segundo esses critrios)
Trocam-se (ficando indiferente) 12.5 pontos no critrio custo (o que corresponde a pagar mais 25 x 103euros) por 50 pontos no critrio prazo (o que corresponde a reduzir o prazo em 6 meses)
24 meses400 x 103 eurosPior nvel(0 pontos)
12 meses200 x 103 eurosMelhor nvel(100 pontos)
Critrio custo(peso = 0.8)
Critrio prazo(peso = 0.2)
Critrio 2Critrio 1
+25
275
300
Custo(10 3euros)
- 12.5
62.5
50
PontuaoParcial (V1)
0+ 50+ 6Diferena(A-B)
25
75
PontuaoParcial (V2)
5521B
5515A
Avaliao globalPrazo(meses)
AlternativaCritrio 2Critrio 1
+25
275
300
Custo(10 3euros)
- 12.5
62.5
50
PontuaoParcial (V1)
0+ 50+ 6Diferena(A-B)
25
75
PontuaoParcial (V2)
5521B
5515A
Avaliao globalPrazo(meses)
Alternativa
2
1
1
2VV
505.1225.0
8.02.0
pp
pesososentreRazoDD
-=--====
( ) ( ) 21
21
2
1
1
2
V
B1
A11
V
B2
A22
B22
B11
A22
A11 Vp
pV
V
V
p
pVVpVVpVpVpVpVp
12
D-=DD
D-=--=-+=+
DD4342143421
2005
/200
6
88
Mtodo swing weights para determinao dos pesos
1. Ordenar atributos segundo ordem decrescente de importncia.
2. Ao atributo mais importante atribuir um coeficiente mximo (por
exemplo, 100).
3. Sucessivamente, para cada um dos outros atributos, procurar
quantificar a importncia de mudar do pior para o melhor nvel
segundo esse atributo comparativamente com o mesmo tipo de
mudana segundo o atributo mais importante.
4. Normalizar pesos (para que a soma d 1)
Teoria da Deciso
Metodologia multicritrio Mtodos compensatrios
Imaginar uma alternativa que est ao pior nvel segundo todos os atributos. Se apenas fosse possvel mover um atributo para o seu melhor nvel de performance, qual o atributo escolhido?
Repetir para 2 (3, etc.) escolha.
-
45
2005
/200
6
89
Swing Weights - Exemplo:
Teoria da Deciso
Metodologia multicritrio Mtodos compensatrios
Uma empresa de transporte pblico pretende explorar uma de 4 linhas de transportes (L1 a L4).
Para a avaliao dessas linhas foram estabelecidos 3 critrios: lucro anual previsvel durante os prximos 5 anos (C1), possibilidade de expanso urbanstica da rea a servir (C2) e probabilidade de haver concorrncia de outros operadores (C3)
Para o critrio C1 foi decidido que a sua funo de valor seria linear (0 para a pior alternativa e 1 para a melhor), para o critrio C2 admitiu-se V(Mdia) = 0,5 e para o critrio C3 utilizou-se o Direct Rating considerando-se que a diferena de valor de passar de uma probabilidade de concorrncia Alta (pior alternativa) para uma probabilidade Mdia o dobro da diferena de passar de uma probabilidade de concorrncia Mdia para uma probabilidade Baixa.
Para a definio do peso dos critrios decidiu-se aplicar o mtodo Swing Weights , tendo-se considerado que o critrio C1 era o mais importante , que passar o critrio C2 de Pequena para Grande era igualmente atractivo a baixar C1 em 31,25 milhes de euros e que o decisor estaria disposto a baixar de Baixa para Alta o critrio C3 caso o C1 subisse 43,75 milhes de euros
2005
/200
6
90
Swing Weights - Exemplo:
Teoria da Deciso
Metodologia multicritrio Mtodos compensatrios
A anlise das linhas de transporte mostrou que:
Que linha escolher utilizando o modelo de agrega o aditiva simples?
Linha C1[milhes ] C2 C3L1 100 Mdia BaixaL2 150 Grande AltaL3 120 Pequena MdiaL4 130 Pequena Alta
( ) ( )=
l=N
1jijji AVAV
-
46
2005
/200
6
91
Swing Weights - Exemplo:
Teoria da Deciso
Metodologia multicritrio Mtodos compensatrios
Avaliao local:
V1 = (Li-100)/(150-100)
V(Pequeno) = 0,0V(Mdio) = 0,5
V(Grande) = 1,0
V(Alta) = 0,0V(Mdia) = 2/3V(Baixa) = 1,0
Linha C1[milhes ] V1 C2 V2 C3 V3L1 100 0,00 Mdia 0,50 Baixa 1,00L2 150 1,00 Grande 1,00 Al ta 0,00L3 120 0,40 Pequena 0,00 Mdia 0,67L4 130 0,60 Pequena 0,00 Al ta 0,00
Peso p1 p2 p3
2005
/200
6
92
Swing Weights - Exemplo:
Teoria da Deciso
Metodologia multicritrio Mtodos compensatrios
Avaliao global - clculo dos pesos:
Critrio considerado mais importante
C1
150 1,0
100 0,0
62,5% (131,25)
87,5% (143,75)
=31,25/(150-100)
=100+31,25
=43,75/(150-100)
=100+43,75
C1 C2
0 x p1 + 1,0 x p2 = 0,625 x p1 + 0 x p2
=> p2 = 0,625p1
Baixa 1,0
Alta 0,0
C3
Grande 1,0
Pequena 0,0
C2
C1 C3
0 x p1 + 1,0 x p3 = 0,875 x p1 + 0 x p3
=> p3 = 0,875p1
Normalizar os pesos
p1 + p2 + p3 = 1,0
Soluo
p1 = 0,40
p2 = 0,25
p3 = 0,35
-
47
2005
/200
6
93
Swing Weights - Exemplo:
Teoria da Deciso
Metodologia multicritrio Mtodos compensatrios
Avaliao global - agregao:
Linha V1 V2 V3 V(Li)L1 0,00 0,50 1,00 0,48L2 1,00 1,00 0,00 0,65L3 0,40 0,00 0,67 0,39L4 0,60 0,00 0,00 0,24p 0,40 0,25 0,35
( ) ( )=
l=N
1jijji AVAV
Melhor linha!
2005
/200
6
94
12. Mtodos no compensatriosn Conceito
n Electre
n Noo de subordinao
n Matriz de concordncia
n Matriz de discordncian Teste de concordncia e no concordncia
n Anlise de subordinao
n Exemplo
Teoria da Deciso
Agenda
-
48
2005
/200
6
95
Teoria da Deciso
Metodologia multicritrio Mtodos no compensatrios
Conceito Avaliao global baseada num conjunto de caractersticas (ou
atributos) das alternativas, mas no so admissveis modelos
de agregao das avaliaes parciais (segundo cada
caracterstica particular) baseados em esquemas
compensatrios.
Um mau desempenho (pelo menos) em determinada(s)
caracterstica(s) no pode ser compensado por bons
desempenhos em outras caractersticas.
2005
/200
6
96
Teoria da Deciso
Metodologia multicritrio Mtodos no compensatrios
Conceito
Exemplo: avaliao de um aluno baseada nas classificaes obtidas
nas disciplinas de Matemtica, Portugus, Qumica, Biologia, Ingls e
Desenho (caractersticas consideradas relevantes):
- Ms classificaes a Matemtica e Portugus no podem ser
compensadas por boas notas nas restantes disciplinas.
- Para que um aluno seja considerado (globalmente) Bom, ele tem que ser
pelo menos Bom a Matemtica e Portugus.
- Uma m classificao a Matemtica ou Portugus determina
automaticamente que o aluno no possa ter avaliao global positiva
(independentemente das classificaes nas restantes disciplinas).
-
49
2005
/200
6
97
Teoria da Deciso
Metodologia multicritrio Mtodos no compensatrios
Tcnicas dos determinantesAvaliao parcial (segundo cada caracterstica): 5 nveis de classificao:
N5 (ou ++) muito positivo N4 (ou +) positivo N3 (ou 0) neutroN2 (ou -) negativo N1 (ou - -) muito negativo
Cada caracterstica classificada atendendo importncia que lhe atribuda na avaliao global das alternativas, usando categorias como:
Determinante (quando se considera que uma alternativa que seja negativa (pior que neutro) numa caracterstica determinante condio suficiente para ser globalmente avaliada como negativa (pior que neutro)
Importante
Secundria-
+
Grau de importncia da caracterstica para a avaliao
global
2005
/200
6
98
Teoria da Deciso
Metodologia multicritrio Mtodos no compensatrios
Regra de agregao define condies para atribuio de nveis de
classificao global atendendo a avaliaes parciais e categoria de
importncia das caractersticas respectivas Exemplo (Tcnica dos determinantes):
Todas as caractersticas determinantes negativas ou (alguma determinante muito negativa e todas as importantes negativas)
- -
Alguma caracterstica determinante negativa ou a maioria das determinantes e importantes negativas
-
Maioria das caractersticas determinante e importantes no negativas, sem nenhuma determinante negativa
0
Todas as caractersticas determinantes positivas e uma maioria d as importantes e secundrias positivas
+
Todas as caractersticas determinantes positivas, todas as importantes positivas e uma maioria das secundrias positivas; pelo menos uma determinante muito positiva e maioria global das caractersticas muito positivas
+ +
CondiesAvaliao global
-
50
2005
/200
6
99
Teoria da Deciso
Metodologia multicritrio Mtodos no compensatrios (Electre)
ndice de concordncia: soma dos pesos (coeficientes de importncia) dos
critrios para os quais o desempenho de a pelo menos to bom como o de b
lj coeficiente de importncia relativa do critrio j (Slj = 1)
ndice de discordncia: mximo da diferena de desempenho segundo
critrios para os quais o desempenho de b melhor que o de a:
Dab = Maxj(Xbj - Xaj)
)bj
X aj
X :j (paraab
C l n
1=j j =
2005
/200
6
100
Teoria da Deciso
Metodologia multicritrio Mtodos no compensatrios (Electre)
Matriz de discordncia (exemplo)
Alternativa Custo (c) Funcionalidade (f) Qualidade (q) A1 1 2/3 0 A2 0 1 1/2 A3 1/3 1/3 1 A5 2/3 1/2 4/5
A1 A2 A3 A5
A1 _____ ( )21 ,31 ,1 ++-
( )1 ,31- ,32- 1
( )54 ,61- ,31-
54
A2 ( )21- ,31 - ,1
1 _____ ( )21 ,32- ,31
( )157 ,21- ,32
?
A3 ( )1- ,31 ,32
?
( )21- ,32 ,31-
? _____ ( )51- ,61 ,31
?
A5 ( )54- ,61 ,31
?
( )157- ,21 ,32-
( )51 ,61- ,31-
51
_____
-
51
2005
/200
6
101
Teoria da Deciso
Metodologia multicritrio Mtodos no compensatrios (Electre)
Matriz de concordncia (exemplo)
A1 A2 A3 A5
A1
-- 1
0,4
1,2
0,4+0,3=0,7
1,2
0,4+0,3=0,7
A2 2,3
0,3+0,3=0,6
--
2
0,3
2
0,3
A3 3
0,3
1,3
0,4+0,3=0,7
--
3
0,3
A5 3
0,3
1,3
0,4+0,3=0,7
1,2
0,4+0,3=0,7
--
Alternativa Custo (c) Funcionalidade (f) Qualidade (q) A1 1 2/3 0 A2 0 1 1/2 A3 1/3 1/3 1 A5 2/3 1/2 4/5
Peso 0,4 0,3 0,3
2005
/200
6
102
Teoria da Deciso
Metodologia multicritrio Mtodos no compensatrios (Electre)
Noo de subordinao (ou prevalncia): "a pelo menos to boa como b"
(a O b) se forem satisfeitas duas condies:
i) Condio de concordncia (sentido mdio de preferncia maioria)
Cab a limiar de concordncia
(0 a 1) (em geral a > 0.5)
ijX i
Min - ijX iMax
jMax
ii)Condio de discordncia ("veto")
Dab b limiar de discordncia
0 b
-
52
2005
/200
6
103
Teoria da Deciso
Metodologia multicritrio Mtodos no compensatrios (Electre)
2005
/200
6
104
Teoria da Deciso
Metodologia multicritrio Mtodos no compensatrios (Electre)
Noo de subordinao (ou prevalncia):
A1
A3A5
A2
A1A5
Conjunto das alternativas preferncias
Conjunto das outras
alternativas
Relaes de prevalncia
A2A3
Subordinao (dados a e b)
A5 O A2 A5 pelo menos to boa com A2A5 O A3 A5 pelo menos to boa com A3