Ventajas y desventajas de árboles de decisión

Los árboles de decisión son diagramas que intentan mostrar la gama de posibles resultados y las decisiones posteriores realizados después de una decisión inicial. Por ejemplo, su decisión original podría ser ya sea para asistir a la universidad y el árbol podría intentar mostrar cuánto tiempo se dedica a hacer diferentes actividades y su poder adquisitivo basa en su decisión. Hay varias ventajas notables y los contras de la utilización de árboles de decisión.

teniendo en cuenta las consecuencias

Uno de los aspectos más útiles de árboles de decisión es que te obligan a considerar la mayor cantidad de resultados posibles de una decisión que se pueda imaginar. Puede ser peligroso para tomar decisiones estímulo-de-la-momento sin tener en cuenta la variedad de consecuencias. Un árbol de decisión puede ayudarle a sopesar las posibles consecuencias de una decisión en contra de otro. En algunos casos, puede incluso ayudar a estimar las ganancias esperadas de decisiones. Por ejemplo, si crea las estimaciones del valor en dólares de todos los resultados y las probabilidades asociadas con cada resultado puede utilizar estos números para calcular qué decisión inicial dará lugar a la mayor rentabilidad financiera media. Los árboles de decisión proporcionan un marco para considerar la probabilidad y los pagos de las decisiones, lo que puede ayudar a analizar la decisión de tomar la decisión más informada posible.

Esperanzas de heredar

Un inconveniente del uso de árboles de decisión es que los resultados de las decisiones, las decisiones y los pagos posteriores pueden basarse principalmente en las expectativas. Cuando se toman decisiones reales, los beneficios y las decisiones resultantes no pueden ser los mismos que los que & # 039; he planeado. Puede que sea imposible hacer planes para todas las contingencias que pueden surgir como consecuencia de una decisión. Esto puede conducir a un árbol de decisión realista que podría guiar hacia una mala decisión. Además, los eventos inesperados pueden alterar las decisiones y cambiar los pagos en un árbol de decisión. Por ejemplo, si usted espera que sus padres van a pagar la mitad de su colegio cuando se decide a ir a la escuela, pero más tarde se descubre que va a tener que pagar por la totalidad de su matrícula, sus ganancias esperadas serán drásticamente diferente de la realidad.

Complejidad

Los árboles de decisión son relativamente fáciles de entender cuando hay pocas decisiones y los resultados incluidos en el árbol. Los árboles grandes que incluyen docenas de nodos de decisión (puntos donde se toman nuevas decisiones) pueden ser complejos, y los pueden tener un valor limitado. Los más decisiones que hay en un árbol, los menos precisos cualquier resultado que se espera es probable que sean. Por ejemplo, si usted hace un mapeo de árbol a cabo la decisión de ir a la universidad, es probable que ganó & # 039; t ser capaz de predecir con precisión las posibilidades de que se van a realizar más de $ 100.000 en diez años, pero que podría ser capaz de estimar con precisión su poder adquisitivo después de salir de la universidad.