chiara mocenni - sistemi di supporto alle decisioni i – aa. 2006-2007 sistemi di supporto alle...
TRANSCRIPT
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa. 2006-2007
Sistemi di Supporto alle
Decisioni I
Lezione 6
Chiara MocenniCorso di laurea L1 in Ingegneria Gestionale e
L2 in Ingegneria InformaticaIII ciclo
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa. 2006-2007
Probabilità condizionate
• Le probabilità in gioco non sempre sono indipendenti da specifici eventi
• Quando ciò non è più vero, si hanno probabilità condizionate
P(A|B)
probabilità che si verifichi A supponendo che si verifichi B
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa. 2006-2007
Esempio: ecografia
• Si considerino i seguenti eventi relativi alla nascita di un bambino:
• M il nascituro è maschio
• F il nascituro è femmina
• EM l’ecografia prevede “maschio”
• EF l’ecografia prevede “femmina”
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa. 2006-2007
Esempio: ecografia
• Si consideri dapprima la probabilità che due eventi si verifichino entrambi (probabilità congiunta):
P(M,EM)
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa. 2006-2007
Esempio: ecografia
• Valgono le seguenti espressioni:
P(M,EM) = P(M|EM) P(EM)
P(M,EM) = P(EM|M) P(M)
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa. 2006-2007
Teorema di Bayes
• Quindi:
P(M|EM) P(EM) = P(EM|M) P(M)
ossia
P(M|EM) =P(EM|M) P(M)
P(EM)
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa. 2006-2007
Esempio: ecografia
Supponiamo
• P(M) = 0.5 P(F) = 0.5
• P(EM|M) = 0.9 P(EM|F) = 0.05
e di conseguenza
• P(EF|M) = 0.1 P(EF|F) = 0.95
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa. 2006-2007
Esempio: ecografia
Possiamo ora calcolare
P(EM) = P(EM|M) P(M) + P(EM|F) P(F) = 0.9 0.5 + 0.05 0.5 = 0.475
P(EF) = 1- P(EM) = 0.525
Possiamo ora applicare la formula di Bayes
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa. 2006-2007
Esempio: ecografia
P(M|EM) =P(EM|M) P(M)
P(EM)
=0.9 0.5
0.475= 0.947
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa. 2006-2007
Esempio: ecografia
P(F|EF) =P(EF|F) P(F)
P(EF)
=0.95 0.5
0.525= 0.904
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa. 2006-2007
Teorema di Bayes
• In generale, dati due eventi A e B:
P(A|B) =P(B|A) P(A)
P(B)
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa. 2006-2007
Teorema di Bayes
P(A|B) =P(B|A) P(A)
P(B)
Probabilità a-prioriProbabilità condizionate
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa. 2006-2007
Teorema di Bayes
• È uno strumento per integrare in modo quantitativo le informazioni disponibili (prob. a-priori) con quelle rilevabili o misurabili (prob. condizionate)
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa. 2006-2007
Esempio: il concerto
• Supponiamo ora che sia disponibile ulteriore informazione sul tempo di domani
• Questa informazione non è perfetta
• Come determinare il valore di questa informazione?
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa. 2006-2007
Attendibilità dell’informazione
• Caratterizziamo l’attendibilità della nuova informazione in termini di probabilità condizionata:
P(“Sereno”|Sereno) = 0.8
P(“Pioggia”|Pioggia) = 0.8
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa. 2006-2007
Attendibilità dell’informazione
• L’informazione a-priori in questo caso è data da:
P(Ser) = 0.4
P(Piog) = 0.6
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa. 2006-2007
Attendibilità dell’informazione
• La probabilità che la nuova informazione indichi “sereno”sarà:
P(“Ser”) = P(“Ser”|Ser) P(Ser) +
P(“Ser”|Piog) P(Piog) =
0.8 0.4 + 0.2 0.6 = 0.44
P(“Piog”) = 1- 0.44 = 0.56
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa. 2006-2007
Attendibilità dell’informazione
• Con Bayes possiamo calcolare
= 0.8 0.4 / 0.44 = 0.727
P(Piog|”Ser”) = 1- P(Ser|”Ser”) = 0.273
P(Ser|”Ser”) =P(“Ser”|Ser) P(Ser)
P(”Ser”)
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa. 2006-2007
Attendibilità dell’informazione
• E analogamente
= 0.8 0.6 / 0.56 = 0.857P(Ser|”Piog”) = 1- P(Piog|”Piog”) =
0.143
P(Piog|”Piog”) =P(“Piog”|Piog) P(Piog)
P(”Piog”)
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa. 2006-2007
Valore dell’informazione imperfetta• Per molti decisori il valore
dell’informazione si determina ancora come differenza tra equivalente certo della decisione con informazione gratuita e equivalente certo della decisione in assenza di informazione
• Attenzione: ora le probabilità in gioco sono probabilità condizionate
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa. 2006-2007
aperto
chiuso
sereno (0.727)
sereno (0.727)
sereno (0.727)
pioggia (0.273)
pioggia (0.273)
pioggia (0.273)1
0
0.57
0.67
0.95
0.32
0.727
0.5970.778
portico
aperto
chiuso
sereno (0.143)
sereno (0.143)
sereno (0.143)
pioggia (0.857)
pioggia (0.857)
pioggia (0.857)0.143
0.6550.178
portico
L’oracolo prevede“sereno” (0.44)
L’oracolo prevede“pioggia” (0.56)
0.778
0.655
0.7091
0
0.57
0.67
0.95
0.32€ 5,470
Informazione gratuita(Avi)
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa. 2006-2007
Il valore dell’informazione (Avi)
Quindi il valore dell’informazione imperfetta per Avi è:
equivalente certo della decisione con informazione gratuita: € 5,470
-
equivalente certo della decisione in assenza di informazione: € 4,600
= € 870
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa. 2006-2007
Informazione e decisioni
• Il valore dell’informazione perfetta per Avi era di € 2,000
• L’imperfezione nell’informazione determina un cambiamento di decisione (Portico anziché Aperto nel caso in cui l’oracolo preveda tempo sereno)
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa. 2006-2007
aperto
chiuso
sereno (0.727)
sereno (0.727)
sereno (0.727)
pioggia (0.273)
pioggia (0.273)
pioggia (0.273)1
0
0.4
0.5
0.9
0.2
0.727
0.4270.709
portico
aperto
chiuso
sereno (0.143)
sereno (0.143)
sereno (0.143)
pioggia (0.857)
pioggia (0.857)
pioggia (0.857)0.143
0.4850.3
portico
L’oracolo prevede“sereno” (0.44)
L’oracolo prevede“pioggia” (0.56)
0.727
0.485
0.591
0
0.4
0.5
0.9
0.2€ 5,900
Informazione gratuita(Inat)
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa. 2006-2007
Il valore dell’informazione (Inat)
Quindi il valore dell’informazione imperfetta per Inat è:
equivalente certo della decisione con informazione gratuita: € 5,900
-
equivalente certo della decisione in assenza di informazione: € 4,800
= € 1,110
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa. 2006-2007
Confronto tra decisori: Avi
• Senza informazione: Chiuso
• Con informazione imperfetta: se l’oracolo prevede sereno, allora Portico, altrimenti Chiuso
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa. 2006-2007
Confronto tra decisori: Inat
• Senza informazione: Portico
• Con informazione imperfetta: se l’oracolo prevede sereno, allora Aperto, altrimenti Chiuso
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa. 2006-2007
Confronto tra decisori
• Il valore dell’informazione imperfetta per Inat è di € 1,110, per Avi è di € 870
• Il motivo per cui Inat, pur essendo più propensa al rischio rispetto a Avi, sia disposta a pagare di più è che ancora, in assenza di informazione, le scelte sono diverse
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa. 2006-2007
Analisi di sensibilità rivistaUna volta introdotti il concetto di probabilità soggettiva e il teorema di Bayes, possiamo estendere l’analisi di sensibilità effettuata per la determinazione della funzione di utilità anche alla assegnazione delle probabilità soggettive. Riprendiamo perciò l’esempio della tavola di decisione.
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa. 2006-2007
a1
Stati di natura
110
< -3 [-3,+2] > +2
a2
a3
110 110
100 105 115
90 100 120
Decisioni
probabilità 0.2 0.4 0.4
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa. 2006-2007
I valori di utilita’ degli eventi elemetari erano:
u(90)=0
u(100)=0.4
u(105)=0.6
u(110)=0.8
u(115)=0.95
u(120)=1
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa. 2006-2007
Osserviamo nuovamente che
P(2) = P(3).
Supponiamo che il decisore abbia espresso qualche dubbio sul fatto che effettivamente queste due probabilità fossero uguali.
Poniamo allora
P(2) = p
P(3) = q
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa. 2006-2007
P(1) = 1 - p - q
Inoltre
U[a1] = 0.8, U[a2] = 0.7, U[a3] = 0.56.
U[a1] > U[a2]
0.8 > (1-p-q)*0.40 + p*0.60 + q*0.95 8 > 4p+11q
Ne consegue che
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa. 2006-2007
U[a1] > U[a3]
0.8 > (1-p-q)*0.0 + p*0.40 + q*1 4 > 2p + 5q
U[a2] > U[a3]
(1-p-q)*0.40 + p*0.60 + q*0.95> (1-p-q)* 0.0 + p*0.4 + q*1
8 > 4p+9q
Analogamente
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa. 2006-2007
1.0
0.5 1.00
0.5
D
C
B
A
(0.4,0.4)
p + q = 1
p
q
4p + 9q = 8
2p + 5q = 4
4p + 11q = 8
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa. 2006-2007
Nella regione A si ha U[a1] > U[a2] > U[a3]
Nella regione B si ha U[a2] > U[a1] > U[a3]
Nella regione C si ha U[a2] > U[a3] > U[a1]
Nella regione D si ha U[a3] > U[a2] > U[a1]
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa. 2006-2007
Il punto (0.4,0.4) si trova all’interno della regione A. Quindi l’investimento a1 sembra essere il più conveniente, coerentemente con quanto visto in precedenza.Quello che dobbiamo verificare, e che in questo caso è evidente, è che per piccole variazioni di p e q il punto stimato (0.4,0.4) rimanga all’interno della regione A.
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa. 2006-2007
Quiz! (problema decisionale)
A CB