Prawdopodobieństwa w modelach decyzyjnych

Dekodowanie modeli decyzyjnych

Tiago Brasil

Lead Data Engineer

Modele probabilistyczne

Białe prostokątne tło ułatwiające formatowanie slajdu Modele probabilistyczne wspierają podejmowanie decyzji, zapewniając ustrukturyzowane podejście do zarządzania niepewnością.

Stosując prawdopodobieństwa w modelach decyzyjnych, można:

  • Kwantyfikować niepewności, przypisując wartości od 0 do 1, aby wyrazić prawdopodobieństwo wyników

Diagram skupiony na symbolu celu reprezentującym podejmowanie decyzji. Cztery strzałki wychodzą z celu w czterech kierunkach, prowadząc do etykiet i ikon: Cele, Alternatywy, Ograniczenia i Niepewności (zaznaczone na żółto z ikoną linijki)

Dekodowanie modeli decyzyjnych

Prawdopodobieństwa i niepewności

Prawdopodobieństwa pozwalają osobom decyzyjnym kwantyfikować niepewności poprzez przypisanie wartości liczbowych do prawdopodobieństwa różnych wyników.

Matematyczna definicja prawdopodobieństwa jako ilorazu liczby wyników sprzyjających i liczby wszystkich możliwych wyników

Diagram prawdopodobieństwa ilustrujący różne poziomy niepewności w zależności od prawdopodobieństwa.

Dekodowanie modeli decyzyjnych

Prawdopodobieństwa w rzucie monetą

W standardowej monecie z orłem i reszką znajdźmy prawdopodobieństwo wypadnięcia orła dwa razy z rzędu.

Górna część drzewa decyzyjnego rzutu monetą z węzłem głównym oraz orłem i reszką jako dwoma możliwymi wynikami

Dekodowanie modeli decyzyjnych

Prawdopodobieństwa w rzucie monetą

W standardowej monecie z orłem i reszką znajdźmy prawdopodobieństwo wypadnięcia orła dwa razy z rzędu.

Drzewo decyzyjne z trzema warstwami. Warstwa 1 to węzeł główny reprezentujący rzut monetą, warstwa 2 to orzeł i reszka jako wyniki, warstwa 3 to orzeł i reszka dla każdego możliwego wyniku warstwy 2.

Dekodowanie modeli decyzyjnych

Prawdopodobieństwa w rzucie monetą

W standardowej monecie z orłem i reszką znajdźmy prawdopodobieństwo wypadnięcia orła dwa razy z rzędu.

Drzewo decyzyjne przedstawiające kolejne rzuty monetą ze wszystkimi możliwymi wynikami i ich prawdopodobieństwami zaznaczonymi na żółto

Dekodowanie modeli decyzyjnych

Prawdopodobieństwa w rzucie monetą

W standardowej monecie z orłem i reszką znajdźmy prawdopodobieństwo wypadnięcia orła dwa razy z rzędu.

Drzewo decyzyjne zaznaczające wynik pierwszego rzutu monetą jako orzeł, wynik drugiego rzutu i prawdopodobieństwo tego zdarzenia.

Dekodowanie modeli decyzyjnych

Prawdopodobieństwa w rzucie monetą

Białe prostokątne tło ułatwiające formatowanie slajdu Drzewo decyzyjne zaznaczające wynik pierwszego rzutu monetą jako orzeł, wynik drugiego rzutu jako reszka i prawdopodobieństwo tego zdarzenia.

Etykieta pokazująca, że prawdopodobieństwo wypadnięcia orła a następnie reszki wynosi 25%: 0,5 razy 0,5

Dekodowanie modeli decyzyjnych

Prawdopodobieństwa w rzucie monetą

Białe prostokątne tło ułatwiające formatowanie slajdu Drzewo decyzyjne zaznaczające reszkę jako wynik pierwszego i drugiego rzutu monetą oraz prawdopodobieństwo tego zdarzenia.

Etykieta pokazująca, że prawdopodobieństwo wypadnięcia co najmniej jednej reszki w dwóch kolejnych rzutach monetą wynosi 75%: 0,25 plus 0,25 plus 0,25

Dekodowanie modeli decyzyjnych

Budowanie probabilistycznego modelu decyzyjnego

Zespół marketingowy firmy detalicznej decyduje, gdzie uruchomić kolejną kampanię.

Początek drzewa decyzyjnego z kampanią marketingową jako węzłem głównym oraz mediami społecznościowymi i reklamami prasowymi jako alternatywami

Dekodowanie modeli decyzyjnych

Budowanie probabilistycznego modelu decyzyjnego

Zespół marketingowy firmy detalicznej decyduje, gdzie uruchomić kolejną kampanię.

Początek drzewa decyzyjnego z kampanią marketingową jako węzłem głównym, mediami społecznościowymi i reklamami prasowymi jako alternatywami oraz etykietą $100 reprezentującą koszt każdej z nich

Dekodowanie modeli decyzyjnych

Budowanie probabilistycznego modelu decyzyjnego

Zespół marketingowy firmy detalicznej decyduje, gdzie uruchomić kolejną kampanię.

Drzewo decyzyjne z kampanią marketingową jako węzłem głównym oraz mediami społecznościowymi i reklamami prasowymi jako alternatywami. Każda alternatywa ma sukces reprezentowany zielonym trójkątem i porażkę reprezentowaną czerwonym trójkątem

Dekodowanie modeli decyzyjnych

Budowanie probabilistycznego modelu decyzyjnego

Zespół marketingowy firmy detalicznej decyduje, gdzie uruchomić kolejną kampanię.

Drzewo decyzyjne z kampanią marketingową jako węzłem głównym oraz mediami społecznościowymi i reklamami prasowymi jako alternatywami. Każda alternatywa ma sukces reprezentowany zielonym trójkątem i porażkę reprezentowaną czerwonym trójkątem. Prawdopodobieństwo każdego z wyników oznaczono jako 50%

Dekodowanie modeli decyzyjnych

Budowanie probabilistycznego modelu decyzyjnego

Zespół marketingowy firmy detalicznej decyduje, gdzie uruchomić kolejną kampanię.

Drzewo decyzyjne z kampanią marketingową jako węzłem głównym oraz mediami społecznościowymi i reklamami prasowymi jako alternatywami. Każda alternatywa ma sukces reprezentowany zielonym trójkątem i porażkę reprezentowaną czerwonym trójkątem. Wartość zysku lub straty dla każdego wyniku zaznaczona na żółto

Dekodowanie modeli decyzyjnych

Budowanie probabilistycznego modelu decyzyjnego

Zespół marketingowy firmy detalicznej decyduje, gdzie uruchomić kolejną kampanię.

Drzewo decyzyjne z kampanią marketingową jako węzłem głównym oraz mediami społecznościowymi i reklamami prasowymi jako alternatywami. Każda alternatywa ma sukces reprezentowany zielonym trójkątem i porażkę reprezentowaną czerwonym trójkątem. Wartość zysku lub straty dla każdego wyniku zaznaczona na żółto. Strzałka ze znakiem odejmowania wskazuje koszt.

Dekodowanie modeli decyzyjnych

Budowanie probabilistycznego modelu decyzyjnego

Zespół marketingowy firmy detalicznej decyduje, gdzie uruchomić kolejną kampanię.

Końcowe drzewo decyzyjne z alternatywami, wynikami dla każdej alternatywy, ich prawdopodobieństwami oraz zaktualizowanymi wartościami zysku lub straty dla każdego wyniku

Dekodowanie modeli decyzyjnych

Obliczanie wartości oczekiwanej

Białe prostokątne tło ułatwiające formatowanie slajdu

Końcowe drzewo decyzyjne z alternatywami, wynikami dla każdej alternatywy, ich prawdopodobieństwami oraz zaktualizowanymi wartościami zysku lub straty dla każdego wyniku

Białe prostokątne tło ułatwiające formatowanie slajdu Etykieta wskazująca, że wartość oczekiwana to przewidywany sukces razy potencjalny zysk plus przewidywana porażka razy potencjalna strata

Dekodowanie modeli decyzyjnych

Obliczanie wartości oczekiwanej

Białe prostokątne tło ułatwiające formatowanie slajdu Etykieta przedstawiająca obliczenie wartości oczekiwanej dla alternatywy mediów społecznościowych wynoszące $300

Białe prostokątne tło ułatwiające formatowanie slajdu Etykieta wskazująca, że wartość oczekiwana to przewidywany sukces razy potencjalny zysk plus przewidywana porażka razy potencjalna strata

Dekodowanie modeli decyzyjnych

Obliczanie wartości oczekiwanej

Białe prostokątne tło ułatwiające formatowanie slajdu Etykieta przedstawiająca obliczenie wartości oczekiwanej dla alternatywy reklam prasowych wynoszące $335

Białe prostokątne tło ułatwiające formatowanie slajdu Etykieta wskazująca, że wartość oczekiwana to przewidywany sukces razy potencjalny zysk plus przewidywana porażka razy potencjalna strata

Dekodowanie modeli decyzyjnych

Obliczanie wartości oczekiwanej

Białe prostokątne tło ułatwiające formatowanie slajdu Etykieta przedstawiająca obliczenie wartości oczekiwanej dla alternatywy mediów społecznościowych wynoszące $300

Białe prostokątne tło ułatwiające formatowanie slajdu Etykieta przedstawiająca obliczenie wartości oczekiwanej dla alternatywy reklam prasowych wynoszące $335

Dekodowanie modeli decyzyjnych

Czas na ćwiczenia!

Dekodowanie modeli decyzyjnych

Preparing Video For Download...