Ein Entscheidungsbaum ist ein Entscheidungshilfe-Werkzeug, das einen baumähnlichen Graphen oder Modell von Entscheidungen und ihren möglichen Folgen, einschließlich Zufallsereignis-Ergebnisse, Quellenkosten und Dienstprogrammes verwendet. Es ist eine Weise, einen Algorithmus zu zeigen. Entscheidungsbäume werden in der Operationsforschung spezifisch in der Entscheidungsanalyse allgemein verwendet, um zu helfen, eine Strategie zu identifizieren, um am wahrscheinlichsten eine Absicht zu erreichen. Wenn in der Praxis Entscheidungen online ohne Rückruf unter unvollständigen Kenntnissen getroffen werden müssen, sollte einem Entscheidungsbaum durch ein Wahrscheinlichkeitsmodell als ein bestes auserlesenes Modell angepasst werden

oder Online-Auswahl-Musteralgorithmus. Ein anderer Gebrauch von Entscheidungsbäumen ist als ein beschreibendes Mittel, um bedingte Wahrscheinlichkeiten zu berechnen.

Allgemein

In der Entscheidungsanalyse werden ein "Entscheidungsbaum" — und das nah zusammenhängende Einfluss-Diagramm — als ein visuelles und analytisches Entscheidungshilfe-Werkzeug verwendet, wo die erwarteten Werte (oder das erwartete Dienstprogramm) konkurrierender Alternativen berechnet werden.

Ein Entscheidungsbaum besteht aus 3 Typen von nodes: -

1. Entscheidungsknoten - allgemein vertreten durch Quadrate

2. Zufallsknoten - vertreten durch Kreise

3. Endknoten - vertreten durch Dreiecke

Gezogen vom linken bis Recht hat ein Entscheidungsbaum nur Knoten gesprengt (Pfade spaltend), aber keine Becken-Knoten (Pfade zusammenlaufend). Deshalb, verwendet manuell, können sie sehr groß wachsen und sind dann häufig hart, völlig mit der Hand zu ziehen. Traditionell sind Entscheidungsbäume manuell - als beiseite Beispiel-Shows geschaffen worden - obwohl zunehmend Spezialsoftware verwendet wird.

Analyse kann den Entscheidungsträger (z.B, die Gesellschaft) Vorliebe oder Dienstprogramm-Funktion zum Beispiel in Betracht ziehen:

Die grundlegende Interpretation in dieser Situation ist, dass die Gesellschaft die Gefahr von B und Belohnungen unter realistischen Risikovorzugskoeffizienten bevorzugt (größer als 400 $ K — in dieser Reihe der Risikoabneigung, würde die Gesellschaft eine dritte Strategie, "Weder A noch B" modellieren müssen).

Einfluss-Diagramm

Ein Entscheidungsbaum kann kompakter als ein Einfluss-Diagramm vertreten werden, Aufmerksamkeit auf die Probleme und Beziehungen zwischen Ereignissen richtend.

Die Quadrate vertreten Entscheidungen, die Ovale vertreten Handlung, und der Diamant vertritt Ergebnisse.

Gebrauch im Unterrichten

Entscheidungsbäume, Einfluss-Diagramme, Dienstprogramm-Funktionen, und andere Entscheidungsanalyse-Werkzeuge und Methoden werden Studenten in Schulen des Geschäfts, der Gesundheitsvolkswirtschaft und des Gesundheitswesens unterrichtet, und sind Beispiele der Operationsforschung oder Verwaltungswissenschaftsmethoden.

Vorteile

Unter Entscheidungshilfe-Werkzeugen haben Entscheidungsbäume (und Einfluss-Diagramme) mehrere Vorteile:

Entscheidungsbäume:

Sind

• einfach, zu verstehen und zu dolmetschen. Leute sind im Stande, Entscheidungsbaum-Modelle nach einer kurzen Erklärung zu verstehen.
• Haben Sie Wert sogar mit kleinen harten Daten. Wichtige Einblicke können gestützt auf Experten erzeugt werden, die eine Situation (seine Alternativen, Wahrscheinlichkeiten und Kosten) und ihre Einstellungen für Ergebnisse beschreiben.
• Verwenden Sie ein weißes Kasten-Modell. Wenn ein gegebenes Ergebnis durch ein Modell zur Verfügung gestellt wird, wird die Erklärung für das Ergebnis durch die einfache Mathematik leicht wiederholt.
• Kann mit anderen Entscheidungstechniken verbunden werden. Das folgende Beispiel verwendet Kapitalwert-Berechnungen, KECKE 3 Punktschätzungen (Entscheidung #1) und ein geradliniger Vertrieb von erwarteten Ergebnissen (Entscheidung #2):

Nachteile

Entscheidungsbäume:

• Für Daten einschließlich kategorischer Variablen mit der verschiedenen Zahl von Niveaus wird der Informationsgewinn in Entscheidungsbäumen für jene Attribute mit mehr Niveaus beeinflusst.

Beispiel

Entscheidungsbäume können verwendet werden, um eine Investitionsmappe zu optimieren. Das folgende Beispiel zeigt eine Mappe von 7 Investitionsoptionen (Projekte). Die Organisation hat für die Gesamtinvestition verfügbare 10,000,000 $. Kühne Linien kennzeichnen die beste Auswahl 1, 3, 5, 6, und 7, der 9,750,000 $ kosten und eine Belohnung 16,175,000 schaffen wird. Alle anderen Kombinationen würden entweder das Budget überschreiten oder eine niedrigere Belohnung nachgeben.

Siehe auch

• Entscheidungstische
• Entscheidungsbaum-Kompliziertheit
• Entscheidungsbaum-Modell der Berechnung
• Baum von Expectiminimax
• Einfluss-Diagramm
• Kette von Markov
• Morphologische Analyse
• Verschiedenheitsalgorithmus
• Operationsforschung
• Topologischer combinatorics
• Wahrheitstabelle

Links

• 5 Mythen Über die Entscheidungsbaum-Analyse in der Streitigkeit
• Entscheidungsbaum-Analyse mindtools.com
• Entscheidungsanalyse öffnet Kurs an der Universität von George Mason
• Umfassende Entscheidungsbaum-Tutorenkurse und Beispiele
• Entscheidungsbäume in PMML