Besliskunde
BK1215
Lecture 1: Introductie en beslissen met
onzekerheid en risico
Wat is besliskunde?
Dit vak gaat over kwantitatieve methoden om het beslisproces te ondersteunen en te
verbeteren. Een beslissing is een keuze tussen verschillende alternatieven waarbij we de
uitkomst evalueren met behulp van bepaalde criteria. Systematische methoden zijn
noodzakelijk om de kwaliteit van beslissing te verbeteren. Onze intuïtie is niet altijd
betrouwbaar.
Beslissingsanalyse
Wat maakt een beslissing moeilijk? → veel keuzemogelijkheden, tegenstrijdige
doelstellingen en onzekerheid over de uitkomst
Wat maakt een goede beslissing → criteria om de uitkomst te beoordelen, criteria om het
proces te beoordelen
Outcome bias: een denkfout waarbij mensen de kwaliteit van een beslissing alleen
evalueren op basis van de uitkomst
Management/leiderschap = beslissingen nemen
Gestructureerde aanpak voor bedrijfskundige beslissingen:
- helpt bij het beter begrijpen van het probleem
- nodig om gezamenlijk beslissingen te nemen/overtuigen/verantwoorden
- helpt om aannames expliciet te maken
- helpt om de kwaliteit te waarborgen
- nuttig als je nog niet genoeg ervaring hebt om goede intuïtie te ontwikkelen
Opstellen beslistabel
Newsvendor problem: basis afweging voorraad beslissingen → kosten ‘te veel’ en kosten
‘te weinig’ → beperkte houdbaarheid
Beslisprobleem: structuur
1. Mogelijke keuzes (of strategieën)
2. Mogelijke toekomstscenario’s
3. Beslistabel = waardering uitkomst van mogelijke keuzes onder de verschillende
toekomstscenario’s
,Beslistabel
Verkoop = MIN(capaciteit, vraag) =
capaciteit
Meer verkopen dan capaciteit en
vraag kan niet
Nee-verkoop = MAX(vraag -
capaciteit, 0) = vraag - capaciteit
als vraag > capaciteit, dan
nee-verkoop = vraag - capaciteit →
maar nee-verkoop kan niet kleiner
zijn dan 0
Drie typen beslissingen
1. met zekerheid → kent met zekerheid de consequenties van iedere keuze
2. met onzekerheid → weet niets over de waarschijnlijkheid van de verschillende
uitkomsten
3. met risico → weet de kansverdeling op de verschillende uitkomsten
Besliscriteria bij onzekerheid
1. MaxiMax (optimistisch, best-case)
Bepaal voor iedere beslissing de beste uitkomst (max) en kies dan de beslissing met de
beste uitkomst (max)
2. MaxiMin (pessimistisch, worst-case)
Bepaal voor iedere beslissing de slechtste uitkomst (min) en kies dan de beslissing met de
beste uitkomst (max)
3. Realisme Criterium (Hurwicz)
Gewogen gemiddelde tussen optimisme en pessimisme
Kies een coëfficiënt a tussen 0 en 1 (1 = 100% optimistisch en 0 = 100% pessimistisch)
Bereken het gewogen gemiddelde voor ieder alternatief en kies het alternatief met de
hoogste waarde
4. Gelijke kansen (Laplace)
Bepaal voor ieder alternatief de gemiddelde uitkomst en kiest het beste alternatief (max)
5. MiniMax spijt
Spijt = het verschil tussen werkelijke uitkomst en maximale uitkomst
Maak een ‘opportunity loss’ tabel door de uitkomsten in iedere kolom af te trekken van de
beste uitkomst (max) in die kolom
Bepaal de maximale spijt per alternatief en kies het alternatief met de kleinste (min)
maximale (max) spijt
, Besliscriteria met risico
Als er informatie beschikbaar is over de waarschijnlijkheid (kans) op verschillende
uitkomsten. Maximaliseer dan de Expected Monetary Value (EMV): gewogen gemiddelde
van de verwachte winst
De verwachte waarde X is de som van de producten van de mogelijke waardes en de
bijbehorende kansen
Waarde van Informatie
Expected Value with Perfect Information (EVwPI): de gemiddelde lange termijn uitkomst
bij perfecte informatie (voorkennis)
Expected Value Perfect Information (EVPI): de waarde van perfecte voorkennis (bedrag
dat we zouden willen betalen voor informatie over de toekomst)
EVPI = EVwPI - Maximale EMW
EVPI > kosten → een gunstige beslissing
Expected Opportunity Loss (EOL): gewogen gemiddelde van de verwachte spijt
Minimale EOL is gelijk aan EVPI
Gevoeligheidsanalyse
- Hoe sterk variëren de uitkomsten bij een verandering van de input data?
- Gevoeligheidsanalyse: verandert de beslissing bij het variëren van de
inputvariabelen?
- Belangrijk als input data onbetrouwbaar is of veranderlijk
- Robuust model = beslissing verandert niet bij veel variatie van de inputparameters
- Robuuste modellen zijn ongevoelig voor variatie/fouten in input data
Responsiecollege 1
BK1215
Lecture 1: Introductie en beslissen met
onzekerheid en risico
Wat is besliskunde?
Dit vak gaat over kwantitatieve methoden om het beslisproces te ondersteunen en te
verbeteren. Een beslissing is een keuze tussen verschillende alternatieven waarbij we de
uitkomst evalueren met behulp van bepaalde criteria. Systematische methoden zijn
noodzakelijk om de kwaliteit van beslissing te verbeteren. Onze intuïtie is niet altijd
betrouwbaar.
Beslissingsanalyse
Wat maakt een beslissing moeilijk? → veel keuzemogelijkheden, tegenstrijdige
doelstellingen en onzekerheid over de uitkomst
Wat maakt een goede beslissing → criteria om de uitkomst te beoordelen, criteria om het
proces te beoordelen
Outcome bias: een denkfout waarbij mensen de kwaliteit van een beslissing alleen
evalueren op basis van de uitkomst
Management/leiderschap = beslissingen nemen
Gestructureerde aanpak voor bedrijfskundige beslissingen:
- helpt bij het beter begrijpen van het probleem
- nodig om gezamenlijk beslissingen te nemen/overtuigen/verantwoorden
- helpt om aannames expliciet te maken
- helpt om de kwaliteit te waarborgen
- nuttig als je nog niet genoeg ervaring hebt om goede intuïtie te ontwikkelen
Opstellen beslistabel
Newsvendor problem: basis afweging voorraad beslissingen → kosten ‘te veel’ en kosten
‘te weinig’ → beperkte houdbaarheid
Beslisprobleem: structuur
1. Mogelijke keuzes (of strategieën)
2. Mogelijke toekomstscenario’s
3. Beslistabel = waardering uitkomst van mogelijke keuzes onder de verschillende
toekomstscenario’s
,Beslistabel
Verkoop = MIN(capaciteit, vraag) =
capaciteit
Meer verkopen dan capaciteit en
vraag kan niet
Nee-verkoop = MAX(vraag -
capaciteit, 0) = vraag - capaciteit
als vraag > capaciteit, dan
nee-verkoop = vraag - capaciteit →
maar nee-verkoop kan niet kleiner
zijn dan 0
Drie typen beslissingen
1. met zekerheid → kent met zekerheid de consequenties van iedere keuze
2. met onzekerheid → weet niets over de waarschijnlijkheid van de verschillende
uitkomsten
3. met risico → weet de kansverdeling op de verschillende uitkomsten
Besliscriteria bij onzekerheid
1. MaxiMax (optimistisch, best-case)
Bepaal voor iedere beslissing de beste uitkomst (max) en kies dan de beslissing met de
beste uitkomst (max)
2. MaxiMin (pessimistisch, worst-case)
Bepaal voor iedere beslissing de slechtste uitkomst (min) en kies dan de beslissing met de
beste uitkomst (max)
3. Realisme Criterium (Hurwicz)
Gewogen gemiddelde tussen optimisme en pessimisme
Kies een coëfficiënt a tussen 0 en 1 (1 = 100% optimistisch en 0 = 100% pessimistisch)
Bereken het gewogen gemiddelde voor ieder alternatief en kies het alternatief met de
hoogste waarde
4. Gelijke kansen (Laplace)
Bepaal voor ieder alternatief de gemiddelde uitkomst en kiest het beste alternatief (max)
5. MiniMax spijt
Spijt = het verschil tussen werkelijke uitkomst en maximale uitkomst
Maak een ‘opportunity loss’ tabel door de uitkomsten in iedere kolom af te trekken van de
beste uitkomst (max) in die kolom
Bepaal de maximale spijt per alternatief en kies het alternatief met de kleinste (min)
maximale (max) spijt
, Besliscriteria met risico
Als er informatie beschikbaar is over de waarschijnlijkheid (kans) op verschillende
uitkomsten. Maximaliseer dan de Expected Monetary Value (EMV): gewogen gemiddelde
van de verwachte winst
De verwachte waarde X is de som van de producten van de mogelijke waardes en de
bijbehorende kansen
Waarde van Informatie
Expected Value with Perfect Information (EVwPI): de gemiddelde lange termijn uitkomst
bij perfecte informatie (voorkennis)
Expected Value Perfect Information (EVPI): de waarde van perfecte voorkennis (bedrag
dat we zouden willen betalen voor informatie over de toekomst)
EVPI = EVwPI - Maximale EMW
EVPI > kosten → een gunstige beslissing
Expected Opportunity Loss (EOL): gewogen gemiddelde van de verwachte spijt
Minimale EOL is gelijk aan EVPI
Gevoeligheidsanalyse
- Hoe sterk variëren de uitkomsten bij een verandering van de input data?
- Gevoeligheidsanalyse: verandert de beslissing bij het variëren van de
inputvariabelen?
- Belangrijk als input data onbetrouwbaar is of veranderlijk
- Robuust model = beslissing verandert niet bij veel variatie van de inputparameters
- Robuuste modellen zijn ongevoelig voor variatie/fouten in input data
Responsiecollege 1
