Vantaggi e svantaggi degli alberi decisionali

Gli alberi decisionali sono diagrammi che tentano di visualizzare la gamma di possibili risultati e le successive decisioni prese dopo una decisione iniziale. Ad esempio, la tua decisione originale potrebbe essere se frequentare il college e l'albero potrebbe tentare di mostrare quanto tempo verrebbe speso svolgendo attività diverse e il tuo potere di guadagno in base alla tua decisione. Ci sono molti vantaggi e svantaggi notevoli nell'uso degli alberi decisionali.

Considerando le conseguenze

Uno degli aspetti più utili degli alberi decisionali è che ti costringono a considerare quanti più possibili risultati di una decisione puoi pensare. Può essere pericoloso prendere decisioni improvvisate senza considerare la gamma delle conseguenze. Un albero decisionale può aiutarti a valutare le probabili conseguenze di una decisione rispetto a un'altra. In alcuni casi, può anche aiutarti a stimare i guadagni attesi delle decisioni. Ad esempio, se crei stime del valore in dollari di tutti i risultati e le probabilità associati a ciascun risultato, puoi utilizzare quei numeri per calcolare quale decisione iniziale porterà al massimo profitto finanziario medio. Gli alberi decisionali forniscono un quadro per considerare la probabilità e i guadagni delle decisioni, che possono aiutarti ad analizzare una decisione per prendere la decisione più informata possibile.

Aspettative

Uno svantaggio dell'utilizzo degli alberi decisionali è che i risultati delle decisioni, le decisioni successive e i guadagni possono essere basati principalmente sulle aspettative. Quando vengono prese decisioni effettive, i guadagni e le decisioni risultanti potrebbero non essere gli stessi di quelli che hai pianificato. Potrebbe essere impossibile pianificare tutte le contingenze che possono sorgere a seguito di una decisione. Questo può portare a un albero decisionale non realistico che potrebbe guidarti verso una decisione sbagliata. Inoltre, eventi imprevisti possono alterare le decisioni e modificare i guadagni in un albero decisionale. Ad esempio, se ti aspetti che i tuoi genitori paghino metà del tuo college quando decidono di andare a scuola, ma in seguito scopri che dovrai pagare tutte le tasse scolastiche, i guadagni previsti saranno notevolmente diversi dalla realtà.

Complessità

Gli alberi decisionali sono relativamente facili da capire quando ci sono poche decisioni e risultati inclusi nell'albero. Alberi di grandi dimensioni che includono dozzine di nodi decisionali (punti in cui vengono prese nuove decisioni) possono essere contorti e possono avere un valore limitato. Più decisioni ci sono in un albero, meno accurati saranno i risultati attesi. Ad esempio, se fai una mappatura ad albero della decisione di andare all'università, probabilmente non sarai in grado di prevedere con precisione le possibilità di guadagnare oltre $ 100.000 in dieci anni, ma potresti essere in grado di stimare con precisione i tuoi guadagni potere dopo aver lasciato il college.