2. ELABORACIÓN DEL
ÁRBOL DE DECISIONES
Para su construcción es necesario considerar las distintas
alternativas o cursos de acción y los posibles eventos asociados a cada
curso de acción. Dentro de un Árbol de Decisión un cuadrado Œ
significará un punto de decisión, es decir, el punto desde el cual se fija
un curso de acción; y un O significará los posibles eventos asociados
al curso de esa acción. Siguiendo el siguiente gráfico comprenderemos
la estructura del Árbol de Decisiones.
3. FUNCIONALIDAD
Plantea el problema desde distintas perspectivas de acción.
• Permite analizar de manera completa todas las posibles soluciones.
• Provee de un esquema para cuantificar el costo del resultado y su probabilidad de
uso.
• Ayuda a realizar las mejores decisiones con base a la información existente y a las
mejores suposiciones.
• Su estructura permite analizar las alternativas, los eventos, las probabilidades y los
resultados.
4. VENTAJAS
Toma las ventajas de la estructura consecutiva de las ramas del árbol de decisión, de tal forma que se identifican de manera
inmediata el orden de verificación de las condiciones y las acciones que se deben llevar a cabo.
Las condiciones y las acciones del árbol de decisión se encuentran en ciertas ramas pero no en otras, a diferencia de las
tablas de decisión, donde todas forman parte de la misma tabla.
Al compararse con las tablas los árboles de decisión se entienden con más facilidad en una organización y son apropiadas
como un método de comunicación.
Plantea el problema para que todas las opciones sean analizadas.
Analiza las consecuencias de llevar a cabo una alternativa.
Facilita la interpretación de la decisión adoptada.
Muestra un esquema de coste de las distintas alternativas
-Nos lleva a adoptar la mejor alternativa con la información existente
5. DESVENTAJAS
Las reglas de asignación son bastante sencillas a pequeñas
perturbaciones en los datos.
Dificultad para elegir un árbol óptimo.
Ausencia de una función global de las variables y por lo tanto
pérdida de la representación.
Los árboles de decisión requieren un gran número de datos de los
que muchas veces no disponemos.