Probabilità nei modelli decisionali

Decodificare il Decision Modeling

Tiago Brasil

Lead Data Engineer

Modelli probabilistici

Un rettangolo bianco con contorno bianco per facilitare l’impaginazione della slide I modelli probabilistici supportano le decisioni offrendo un metodo strutturato per gestire l’incertezza.

Applicando le probabilità nei modelli decisionali possiamo:

  • Quantificare l’incertezza assegnando valori tra 0 e 1 per esprimere la probabilità degli esiti

Un diagramma centrato su un bersaglio che rappresenta il decision-making. Quattro frecce puntano a etichette e icone di Obiettivi, Alternative, Vincoli e Incertezze (evidenziate in giallo con un righello che le indica)

Decodificare il Decision Modeling

Probabilità e incertezze

Le probabilità permettono a chi decide di quantificare l’incertezza assegnando valori numerici alla probabilità che si verifichino diversi esiti.

Definizione matematica: probabilità = esiti favorevoli / numero di esiti possibili

Diagramma della probabilità che illustra diversi livelli di incertezza in base alla probabilità.

Decodificare il Decision Modeling

Probabilità in un lancio di moneta

Con una moneta equa (testa e croce), troviamo la probabilità di ottenere testa due volte di fila.

Parte superiore di un albero decisionale: lancio della moneta come radice e testa/croce come due possibili esiti

Decodificare il Decision Modeling

Probabilità in un lancio di moneta

Con una moneta equa (testa e croce), troviamo la probabilità di ottenere testa due volte di fila.

Un albero decisionale a tre livelli. Livello 1: radice che rappresenta il lancio della moneta; livello 2: testa e croce come esiti; livello 3: per ciascun esito del livello 2, testa e croce.

Decodificare il Decision Modeling

Probabilità in un lancio di moneta

Con una moneta equa (testa e croce), troviamo la probabilità di ottenere testa due volte di fila.

Un albero decisionale che rappresenta lanci consecutivi della moneta con tutti i possibili esiti e le rispettive probabilità evidenziate in giallo

Decodificare il Decision Modeling

Probabilità in un lancio di moneta

Con una moneta equa (testa e croce), troviamo la probabilità di ottenere testa due volte di fila.

Un albero decisionale che evidenzia l’esito del primo lancio come testa, poi il secondo esito e la probabilità di questo evento.

Decodificare il Decision Modeling

Probabilità in un lancio di moneta

Un rettangolo bianco con contorno bianco per facilitare l’impaginazione della slide Un albero decisionale che evidenzia come esito del primo lancio testa, del secondo croce, e la relativa probabilità.

Un’etichetta che mostra che la probabilità di ottenere prima testa e poi croce è 25% (0,5 × 0,5)

Decodificare il Decision Modeling

Probabilità in un lancio di moneta

Un rettangolo bianco con contorno bianco per facilitare l’impaginazione della slide Un albero decisionale che evidenzia croce come esito del primo e del secondo lancio, con la relativa probabilità.

Un’etichetta che mostra che la probabilità di ottenere almeno una croce in due lanci è 75% (0,25 + 0,25 + 0,25)

Decodificare il Decision Modeling

Costruire un modello decisionale probabilistico

Il team marketing di un’azienda retail sta decidendo dove lanciare la prossima campagna.

Inizio di un albero decisionale con “Campagna marketing” come nodo radice e “Social media” e “Annunci su giornale” come alternative

Decodificare il Decision Modeling

Costruire un modello decisionale probabilistico

Il team marketing di un’azienda retail sta decidendo dove lanciare la prossima campagna.

Inizio di un albero decisionale con “Campagna marketing” come nodo radice, “Social media” e “Annunci su giornale” come alternative e un’etichetta $100 a indicare il costo di ciascuna

Decodificare il Decision Modeling

Costruire un modello decisionale probabilistico

Il team marketing di un’azienda retail sta decidendo dove lanciare la prossima campagna.

Un albero decisionale con “Campagna marketing” come radice e “Social media” e “Annunci su giornale” come alternative. Ogni alternativa ha “Successo” (triangolo verde) e “Fallimento” (triangolo rosso)

Decodificare il Decision Modeling

Costruire un modello decisionale probabilistico

Il team marketing di un’azienda retail sta decidendo dove lanciare la prossima campagna.

Un albero decisionale con “Campagna marketing” come radice e “Social media” e “Annunci su giornale” come alternative. Ogni alternativa ha “Successo” (triangolo verde) e “Fallimento” (triangolo rosso). La probabilità di ciascun esito è 50%.

Decodificare il Decision Modeling

Costruire un modello decisionale probabilistico

Il team marketing di un’azienda retail sta decidendo dove lanciare la prossima campagna.

Un albero decisionale con “Campagna marketing” come radice e “Social media” e “Annunci su giornale” come alternative. Ogni alternativa ha “Successo” (triangolo verde) e “Fallimento” (triangolo rosso). Il valore di profitto/perdita per ogni esito è evidenziato in giallo

Decodificare il Decision Modeling

Costruire un modello decisionale probabilistico

Il team marketing di un’azienda retail sta decidendo dove lanciare la prossima campagna.

Un albero decisionale con “Campagna marketing” come radice e “Social media” e “Annunci su giornale” come alternative. Ogni alternativa ha “Successo” (triangolo verde) e “Fallimento” (triangolo rosso). Il valore di profitto/perdita per ogni esito è evidenziato in giallo. Una freccia con segno meno punta al costo.

Decodificare il Decision Modeling

Costruire un modello decisionale probabilistico

Il team marketing di un’azienda retail sta decidendo dove lanciare la prossima campagna.

L’albero decisionale finale con le alternative, gli esiti per ciascuna alternativa, le loro probabilità e il valore aggiornato di profitto o perdita per ogni esito

Decodificare il Decision Modeling

Valutare il valore atteso

Un rettangolo bianco con contorno bianco per facilitare l’impaginazione della slide

L’albero decisionale finale del problema con alternative, esiti, probabilità e valore aggiornato di profitto/perdita per ogni esito

Un rettangolo bianco con contorno bianco per facilitare l’impaginazione della slide Un’etichetta che indica che il valore atteso = successo previsto × guadagno potenziale + fallimento previsto × perdita potenziale

Decodificare il Decision Modeling

Valutare il valore atteso

Un rettangolo bianco con contorno bianco per facilitare l’impaginazione della slide Un’etichetta che mostra il calcolo del valore atteso per l’alternativa Social media pari a $300

Un rettangolo bianco con contorno bianco per facilitare l’impaginazione della slide Un’etichetta che indica che il valore atteso = successo previsto × guadagno potenziale + fallimento previsto × perdita potenziale

Decodificare il Decision Modeling

Valutare il valore atteso

Un rettangolo bianco con contorno bianco per facilitare l’impaginazione della slide Un’etichetta che mostra il calcolo del valore atteso per l’alternativa Annunci su giornale pari a $335

Un rettangolo bianco con contorno bianco per facilitare l’impaginazione della slide Un’etichetta che indica che il valore atteso = successo previsto × guadagno potenziale + fallimento previsto × perdita potenziale

Decodificare il Decision Modeling

Valutare il valore atteso

Un rettangolo bianco con contorno bianco per facilitare l’impaginazione della slide Un’etichetta che mostra il calcolo del valore atteso per l’alternativa Social media pari a $300

Un rettangolo bianco con contorno bianco per facilitare l’impaginazione della slide Un’etichetta che mostra il calcolo del valore atteso per l’alternativa Annunci su giornale pari a $335

Decodificare il Decision Modeling

Ayo berlatih!

Decodificare il Decision Modeling

Preparing Video For Download...