Vantaggi e svantaggi degli alberi decisionali

Gli alberi decisionali sono diagrammi che tentano di visualizzare la gamma di possibili risultati e le decisioni successive prese dopo una decisione iniziale. Ad esempio, la tua decisione originale potrebbe essere se frequentare il college e l'albero potrebbe tentare di mostra quanto tempo verrebbe speso facendo diverse attività e il tuo potere di guadagno in base al tuo decisione. Ci sono molti vantaggi e svantaggi notevoli nell'uso degli alberi decisionali.

Uno degli aspetti più utili degli alberi decisionali è che ti costringono a considerare il maggior numero possibile di risultati di una decisione a cui riesci a pensare. Può essere pericoloso prendere decisioni improvvise senza considerare la gamma di conseguenze. Un albero decisionale può aiutarti a valutare le probabili conseguenze di una decisione rispetto a un'altra. In alcuni casi, può anche aiutarti a stimare i profitti attesi delle decisioni. Ad esempio, se crei stime del valore in dollari di tutti i risultati e le probabilità associate a ciascun risultato puoi usare quei numeri per calcolare quale decisione iniziale porterà al più grande profitto finanziario medio. Gli alberi decisionali forniscono un quadro per considerare la probabilità e i profitti delle decisioni, che possono aiutare ad analizzare una decisione per prendere la decisione più informata possibile.

Uno svantaggio dell'utilizzo degli alberi decisionali è che i risultati delle decisioni, le decisioni successive e i guadagni possono essere basati principalmente sulle aspettative. Quando vengono prese decisioni effettive, i profitti e le decisioni risultanti potrebbero non essere le stesse di quelle pianificate. Potrebbe essere impossibile pianificare tutte le contingenze che possono sorgere a seguito di una decisione. Questo può portare a un albero decisionale irrealistico che potrebbe guidarti verso una decisione sbagliata. Inoltre, eventi imprevisti possono alterare le decisioni e modificare i profitti in un albero decisionale. Ad esempio, se ti aspetti che i tuoi genitori paghino metà del tuo college quando decidono di andare a scuola, ma in seguito scopri che dovrai pagare per tutte le tue tasse scolastiche, i tuoi guadagni previsti saranno drammaticamente diversi da realtà.

Gli alberi decisionali sono relativamente facili da capire quando ci sono poche decisioni e risultati inclusi nell'albero. Alberi di grandi dimensioni che includono dozzine di nodi decisionali (punti in cui vengono prese nuove decisioni) possono essere contorti e avere un valore limitato. Più decisioni ci sono in un albero, meno accurati saranno i risultati previsti. Ad esempio, se crei un albero che traccia la decisione di andare al college, probabilmente non sarai in grado di prevedere con precisione le possibilità che guadagnerai più di $ 100.000 in dieci anni, ma potresti essere in grado di stimare con precisione il tuo potere di guadagno dopo essere uscito da Università.