Avantages et inconvénients des arbres de décision

Les arbres de décision sont des diagrammes qui tentent d'afficher la gamme de résultats possibles et les décisions ultérieures prises après une décision initiale. Par exemple, votre décision initiale pourrait être d'aller à l'université, et l'arbre pourrait tenter de montrez combien de temps serait consacré à différentes activités et votre capacité de gain en fonction de votre décision. Il y a plusieurs avantages et inconvénients notables à utiliser des arbres de décision.

L'un des aspects les plus utiles des arbres de décision est qu'ils vous obligent à considérer autant de résultats possibles d'une décision que vous pouvez imaginer. Il peut être dangereux de prendre des décisions impromptues sans tenir compte de l'éventail des conséquences. Un arbre de décision peut vous aider à évaluer les conséquences probables d'une décision par rapport à une autre. Dans certains cas, cela peut même vous aider à estimer les bénéfices attendus des décisions. Par exemple, si vous créez des estimations en dollars de tous les résultats et probabilités associés à chaque résultat vous pouvez utiliser ces chiffres pour calculer quelle décision initiale conduira à la plus grande rentabilité financière moyenne. Les arbres de décision fournissent un cadre pour considérer la probabilité et les bénéfices des décisions, ce qui peut vous aider à analyser une décision pour prendre la décision la plus éclairée possible.

Un inconvénient de l'utilisation des arbres de décision est que les résultats des décisions, les décisions ultérieures et les gains peuvent être basés principalement sur des attentes. Lorsque des décisions réelles sont prises, les gains et les décisions qui en résultent peuvent ne pas être les mêmes que ceux que vous avez planifiés. Il peut être impossible de prévoir toutes les éventualités qui peuvent survenir à la suite d'une décision. Cela peut conduire à un arbre de décision irréaliste qui pourrait vous guider vers une mauvaise décision. De plus, des événements inattendus peuvent altérer les décisions et modifier les gains dans un arbre de décision. Par exemple, si vous vous attendez à ce que vos parents paient la moitié de vos frais universitaires au moment de décider d'aller à l'école, mais plus tard découvrir que vous devrez payer tous vos frais de scolarité, vos gains attendus seront radicalement différents de réalité.

Les arbres de décision sont relativement faciles à comprendre lorsqu'il y a peu de décisions et de résultats inclus dans l'arbre. Les grands arbres qui incluent des dizaines de nœuds de décision (endroits où de nouvelles décisions sont prises) peuvent être alambiqués et peuvent avoir une valeur limitée. Plus il y a de décisions dans un arbre, moins les résultats attendus sont susceptibles d'être précis. Par exemple, si vous créez un arbre pour définir la décision d'aller à l'université, vous ne serez probablement pas en mesure de prédire avec précision les chances que vous gagnerez plus de 100 000 $ dans dix ans, mais vous pourrez peut-être estimer avec précision votre capacité de gain une fois que vous serez sorti de Université.