Wahrscheinlichkeiten in Entscheidungsmodellen

Entscheidungsmodellierung verstehen

Tiago Brasil

Lead Data Engineer

Probabilistische Modelle

Ein weißes Rechteck mit weißer Kontur zur Unterstützung des Folienlayouts Probabilistische Modelle unterstützen Entscheidungen mit einem strukturierten Umgang mit Unsicherheiten.

Mit Wahrscheinlichkeiten in Entscheidungsmodellen können wir:

  • Unsicherheiten quantifizieren, indem wir Werte zwischen 0 und 1 vergeben, um die Eintrittswahrscheinlichkeit von Ergebnissen auszudrücken

Ein Diagramm mit einem Zielsymbol in der Mitte für Entscheidungsfindung. Vier Pfeile zeigen nach außen zu Labels und Icons für Ziele, Alternativen, Einschränkungen und Unsicherheiten (in Gelb hervorgehoben, mit einem Lineal-Icon darauf)

Entscheidungsmodellierung verstehen

Wahrscheinlichkeiten und Unsicherheiten

Wahrscheinlichkeiten ermöglichen es, Unsicherheiten zu quantifizieren, indem numerische Werte für die Eintrittswahrscheinlichkeit verschiedener Ergebnisse vergeben werden.

Mathematische Definition der Wahrscheinlichkeit als günstige Ergebnisse geteilt durch die Anzahl möglicher Ergebnisse

Wahrscheinlichkeitsdiagramm, das je nach Wahrscheinlichkeit unterschiedliche Unsicherheitsgrade zeigt.

Entscheidungsmodellierung verstehen

Wahrscheinlichkeiten beim Münzwurf

Bei einer fairen Münze mit Kopf auf der einen und Zahl auf der anderen Seite wollen wir die Wahrscheinlichkeit für zweimal hintereinander Kopf bestimmen.

Oberer Teil eines Entscheidungsbaums mit Münzwurf als Wurzel und Kopf bzw. Zahl als zwei möglichen Ergebnissen

Entscheidungsmodellierung verstehen

Wahrscheinlichkeiten beim Münzwurf

Bei einer fairen Münze mit Kopf auf der einen und Zahl auf der anderen Seite wollen wir die Wahrscheinlichkeit für zweimal hintereinander Kopf bestimmen.

Ein Entscheidungsbaum mit drei Ebenen: Ebene 1 ist der Münzwurf, Ebene 2 Kopf und Zahl als Ergebnisse, Ebene 3 erneut Kopf und Zahl für jede Möglichkeit von Ebene 2.

Entscheidungsmodellierung verstehen

Wahrscheinlichkeiten beim Münzwurf

Bei einer fairen Münze mit Kopf auf der einen und Zahl auf der anderen Seite wollen wir die Wahrscheinlichkeit für zweimal hintereinander Kopf bestimmen.

Ein Entscheidungsbaum für zwei aufeinanderfolgende Münzwürfe mit allen möglichen Ergebnissen und deren Wahrscheinlichkeiten, in Gelb hervorgehoben

Entscheidungsmodellierung verstehen

Wahrscheinlichkeiten beim Münzwurf

Bei einer fairen Münze mit Kopf auf der einen und Zahl auf der anderen Seite wollen wir die Wahrscheinlichkeit für zweimal hintereinander Kopf bestimmen.

Ein Entscheidungsbaum, der das Ergebnis des ersten Wurfs als Kopf sowie das zweite Ergebnis und dessen Wahrscheinlichkeit hervorhebt.

Entscheidungsmodellierung verstehen

Wahrscheinlichkeiten beim Münzwurf

Ein weißes Rechteck mit weißer Kontur zur Unterstützung des Folienlayouts Ein Entscheidungsbaum, der den ersten Wurf als Kopf, den zweiten als Zahl und die Wahrscheinlichkeit dieses Ergebnisses hervorhebt.

Ein Label, das zeigt: Die Wahrscheinlichkeit für zuerst Kopf und dann Zahl beträgt 25 %, 0,5 mal 0,5

Entscheidungsmodellierung verstehen

Wahrscheinlichkeiten beim Münzwurf

Ein weißes Rechteck mit weißer Kontur zur Unterstützung des Folienlayouts Ein Entscheidungsbaum, der Zahl als Ergebnis des ersten und zweiten Wurfs sowie die Wahrscheinlichkeit dafür hervorhebt.

Ein Label, das zeigt: Die Wahrscheinlichkeit, bei zwei Würfen mindestens eine Zahl zu bekommen, beträgt 75 %, 0,25 plus 0,25 plus 0,25

Entscheidungsmodellierung verstehen

Ein probabilistisches Entscheidungsmodell aufbauen

Das Marketingteam eines Einzelhändlers entscheidet, wo die nächste Kampagne starten soll.

Beginn eines Entscheidungsbaums mit „Marketingkampagne" als Wurzel und Social Media sowie Zeitungsanzeigen als Alternativen

Entscheidungsmodellierung verstehen

Ein probabilistisches Entscheidungsmodell aufbauen

Das Marketingteam eines Einzelhändlers entscheidet, wo die nächste Kampagne starten soll.

Beginn eines Entscheidungsbaums mit „Marketingkampagne" als Wurzel, Social Media und Zeitungsanzeigen als Alternativen sowie einem $100-Label für die Kosten je Alternative

Entscheidungsmodellierung verstehen

Ein probabilistisches Entscheidungsmodell aufbauen

Das Marketingteam eines Einzelhändlers entscheidet, wo die nächste Kampagne starten soll.

Ein Entscheidungsbaum mit „Marketingkampagne" als Wurzel und Social Media sowie Zeitungsanzeigen als Alternativen. Jede Alternative hat „Erfolg" als grünes Dreieck und „Misserfolg" als rotes Dreieck.

Entscheidungsmodellierung verstehen

Ein probabilistisches Entscheidungsmodell aufbauen

Das Marketingteam eines Einzelhändlers entscheidet, wo die nächste Kampagne starten soll.

Ein Entscheidungsbaum mit „Marketingkampagne" als Wurzel und Social Media sowie Zeitungsanzeigen als Alternativen. Jede Alternative hat „Erfolg" als grünes Dreieck und „Misserfolg" als rotes Dreieck. Die Wahrscheinlichkeit jeder Ausprägung ist mit 50 % beschriftet.

Entscheidungsmodellierung verstehen

Ein probabilistisches Entscheidungsmodell aufbauen

Das Marketingteam eines Einzelhändlers entscheidet, wo die nächste Kampagne starten soll.

Ein Entscheidungsbaum mit „Marketingkampagne" als Wurzel und Social Media sowie Zeitungsanzeigen als Alternativen. Jede Alternative hat „Erfolg" als grünes Dreieck und „Misserfolg" als rotes Dreieck. Gewinn- bzw. Verlustwerte sind in Gelb markiert.

Entscheidungsmodellierung verstehen

Ein probabilistisches Entscheidungsmodell aufbauen

Das Marketingteam eines Einzelhändlers entscheidet, wo die nächste Kampagne starten soll.

Ein Entscheidungsbaum mit „Marketingkampagne" als Wurzel und Social Media sowie Zeitungsanzeigen als Alternativen. Jede Alternative hat „Erfolg" als grünes Dreieck und „Misserfolg" als rotes Dreieck. Gewinn-/Verlustwerte sind in Gelb markiert. Ein Pfeil mit Minus zeigt auf die Kosten.

Entscheidungsmodellierung verstehen

Ein probabilistisches Entscheidungsmodell aufbauen

Das Marketingteam eines Einzelhändlers entscheidet, wo die nächste Kampagne starten soll.

Der endgültige Entscheidungsbaum mit Alternativen, ihren Ergebnissen, den jeweiligen Wahrscheinlichkeiten und den aktualisierten Gewinn-/Verlustwerten

Entscheidungsmodellierung verstehen

Erwartungswert bewerten

Ein weißes Rechteck mit weißer Kontur zur Unterstützung des Folienlayouts

Der endgültige Entscheidungsbaum mit Alternativen, ihren Ergebnissen, den jeweiligen Wahrscheinlichkeiten und den aktualisierten Gewinn-/Verlustwerten

Ein weißes Rechteck mit weißer Kontur zur Unterstützung des Folienlayouts Ein Label, das angibt: Erwartungswert = vorhergesagter Erfolg × potenzieller Gewinn plus vorhergesagtes Scheitern × potenzieller Verlust

Entscheidungsmodellierung verstehen

Erwartungswert bewerten

Ein weißes Rechteck mit weißer Kontur zur Unterstützung des Folienlayouts Ein Label mit der Berechnung des Erwartungswerts für die Social-Media-Alternative: $300

Ein weißes Rechteck mit weißer Kontur zur Unterstützung des Folienlayouts Ein Label, das angibt: Erwartungswert = vorhergesagter Erfolg × potenzieller Gewinn plus vorhergesagtes Scheitern × potenzieller Verlust

Entscheidungsmodellierung verstehen

Erwartungswert bewerten

Ein weißes Rechteck mit weißer Kontur zur Unterstützung des Folienlayouts Ein Label mit der Berechnung des Erwartungswerts für die Alternative Zeitungsanzeigen: $335

Ein weißes Rechteck mit weißer Kontur zur Unterstützung des Folienlayouts Ein Label, das angibt: Erwartungswert = vorhergesagter Erfolg × potenzieller Gewinn plus vorhergesagtes Scheitern × potenzieller Verlust

Entscheidungsmodellierung verstehen

Erwartungswert bewerten

Ein weißes Rechteck mit weißer Kontur zur Unterstützung des Folienlayouts Ein Label mit der Berechnung des Erwartungswerts für die Social-Media-Alternative: $300

Ein weißes Rechteck mit weißer Kontur zur Unterstützung des Folienlayouts Ein Label mit der Berechnung des Erwartungswerts für die Alternative Zeitungsanzeigen: $335

Entscheidungsmodellierung verstehen

Lass uns üben!

Entscheidungsmodellierung verstehen

Preparing Video For Download...