एक आदमी कागज के टुकड़े पर लिखता है
छवि क्रेडिट: मास्टर1305/आईस्टॉक/गेटी इमेजेज
डिसीजन ट्री ऐसे डायग्राम होते हैं जो प्रारंभिक निर्णय के बाद किए गए संभावित परिणामों और बाद के निर्णयों की सीमा को प्रदर्शित करने का प्रयास करते हैं। उदाहरण के लिए, आपका मूल निर्णय यह हो सकता है कि कॉलेज जाना है या नहीं, और पेड़ कोशिश कर सकता है दिखाएँ कि विभिन्न गतिविधियों को करने में कितना समय व्यतीत होगा और आपके आधार पर आपकी कमाई की शक्ति फैसले को। निर्णय वृक्षों का उपयोग करने के कई उल्लेखनीय पक्ष और विपक्ष हैं।
परिणामों को ध्यान में रखते हुए
निर्णय वृक्षों के सबसे उपयोगी पहलुओं में से एक यह है कि वे आपको निर्णय के अधिक से अधिक संभावित परिणामों पर विचार करने के लिए बाध्य करते हैं, जैसा कि आप सोच सकते हैं। परिणामों की सीमा पर विचार किए बिना तत्काल निर्णय लेना खतरनाक हो सकता है। एक निर्णय वृक्ष आपको एक निर्णय के संभावित परिणामों को दूसरे के विरुद्ध तौलने में मदद कर सकता है। कुछ मामलों में, यह आपको निर्णयों के अपेक्षित भुगतान का अनुमान लगाने में भी मदद कर सकता है। उदाहरण के लिए, यदि आप प्रत्येक परिणाम से जुड़े सभी परिणामों और संभावनाओं का डॉलर मूल्य अनुमान बनाते हैं आप उन संख्याओं का उपयोग यह गणना करने के लिए कर सकते हैं कि कौन सा प्रारंभिक निर्णय सबसे बड़ी औसत वित्तीय अदायगी की ओर ले जाएगा। निर्णय वृक्ष निर्णयों की संभावना और भुगतान पर विचार करने के लिए एक ढांचा प्रदान करते हैं, जो आपको सबसे अधिक सूचित निर्णय को संभव बनाने के निर्णय का विश्लेषण करने में मदद कर सकता है।
दिन का वीडियो
अपेक्षाएं
निर्णय वृक्षों का उपयोग करने का एक दोष यह है कि निर्णयों के परिणाम, बाद के निर्णय और भुगतान मुख्य रूप से अपेक्षाओं पर आधारित हो सकते हैं। जब वास्तविक निर्णय किए जाते हैं, तो भुगतान और परिणामी निर्णय वही नहीं हो सकते हैं जिनकी आपने योजना बनाई है। निर्णय के परिणामस्वरूप उत्पन्न होने वाली सभी आकस्मिकताओं के लिए योजना बनाना असंभव हो सकता है। यह एक अवास्तविक निर्णय वृक्ष की ओर ले जा सकता है जो आपको एक बुरे निर्णय की ओर ले जा सकता है। साथ ही, अप्रत्याशित घटनाएं निर्णयों को बदल सकती हैं और निर्णय वृक्ष में अदायगी को बदल सकती हैं। उदाहरण के लिए, यदि आप उम्मीद करते हैं कि आपके माता-पिता स्कूल जाने का निर्णय लेते समय आपके आधे कॉलेज का भुगतान करेंगे, लेकिन बाद में पता चलता है कि आपको अपने सभी ट्यूशन के लिए भुगतान करना होगा, आपकी अपेक्षित अदायगी नाटकीय रूप से भिन्न होगी वास्तविकता।
जटिलता
जब पेड़ में कुछ निर्णय और परिणाम शामिल होते हैं, तो निर्णय वृक्षों को समझना अपेक्षाकृत आसान होता है। बड़े पेड़ जिनमें दर्जनों निर्णय नोड शामिल हैं (ऐसे स्थान जहां नए निर्णय किए जाते हैं) जटिल हो सकते हैं और उनका सीमित मूल्य हो सकता है। एक पेड़ में जितने अधिक निर्णय होते हैं, अपेक्षित परिणाम उतने ही कम सटीक होते हैं। उदाहरण के लिए, यदि आप कॉलेज जाने के निर्णय की एक ट्री मैपिंग करते हैं, तो आप शायद संभावनाओं का सटीक अनुमान नहीं लगा पाएंगे कि आप दस वर्षों में $100,000 से अधिक कमाएंगे, लेकिन आप अपनी कमाई की शक्ति का सटीक अनुमान लगाने में सक्षम हो सकते हैं। महाविद्यालय।
