Voordelen en nadelen van beslissingsbomen

Beslisbomen zijn diagrammen die proberen het bereik van mogelijke uitkomsten en daaropvolgende beslissingen weer te geven die na een eerste beslissing zijn genomen. Uw oorspronkelijke beslissing zou bijvoorbeeld kunnen zijn om naar de universiteit te gaan, en de boom zou kunnen proberen om: laten zien hoeveel tijd zou worden besteed aan verschillende activiteiten en uw verdienvermogen op basis van uw beslissing. Er zijn verschillende opmerkelijke voor- en nadelen aan het gebruik van beslisbomen.

Een van de nuttigste aspecten van beslisbomen is dat ze je dwingen om zoveel mogelijke uitkomsten van een beslissing te overwegen als je maar kunt bedenken. Het kan gevaarlijk zijn om plotselinge beslissingen te nemen zonder rekening te houden met de reeks gevolgen. Een beslisboom kan u helpen de waarschijnlijke gevolgen van de ene beslissing af te wegen tegen de andere. In sommige gevallen kan het u zelfs helpen de verwachte uitbetalingen van beslissingen in te schatten. Als u bijvoorbeeld schattingen van de waarde in dollars maakt van alle uitkomsten en kansen die aan elke uitkomst zijn gekoppeld, u kunt die cijfers gebruiken om te berekenen welke eerste beslissing zal leiden tot de grootste gemiddelde financiële uitbetaling. Beslisbomen bieden een raamwerk om de waarschijnlijkheid en uitbetalingen van beslissingen te overwegen, wat u kan helpen een beslissing te analyseren om de best geïnformeerde beslissing te nemen die mogelijk is.

Een nadeel van het gebruik van beslisbomen is dat de uitkomsten van beslissingen, daaropvolgende beslissingen en uitbetalingen primair gebaseerd kunnen zijn op verwachtingen. Wanneer daadwerkelijke beslissingen worden genomen, zijn de uitbetalingen en de resulterende beslissingen mogelijk niet dezelfde als die waarop u zich had voorgesteld. Het kan onmogelijk zijn om alle onvoorziene omstandigheden die kunnen ontstaan ​​als gevolg van een beslissing te plannen. Dit kan leiden tot een onrealistische beslisboom die u naar een slechte beslissing zou kunnen leiden. Ook kunnen onverwachte gebeurtenissen beslissingen veranderen en de uitbetalingen in een beslissingsboom veranderen. Als je bijvoorbeeld verwacht dat je ouders de helft van je collegegeld betalen als ze besluiten naar school te gaan, maar later ontdek dat je al je collegegeld moet betalen, je verwachte uitbetalingen zullen dramatisch anders zijn dan realiteit.

Beslisbomen zijn relatief eenvoudig te begrijpen als er weinig beslissingen en uitkomsten in de boom zijn opgenomen. Grote bomen met tientallen beslissingsknooppunten (plaatsen waar nieuwe beslissingen worden genomen) kunnen ingewikkeld zijn en hebben mogelijk een beperkte waarde. Hoe meer beslissingen er in een boom zitten, hoe minder nauwkeurig de verwachte resultaten waarschijnlijk zijn. Als je bijvoorbeeld een boom maakt die de beslissing om naar de universiteit te gaan in kaart brengt, ben je waarschijnlijk niet in staat om de kansen nauwkeurig te voorspellen dat u over tien jaar meer dan $ 100.000 zult verdienen, maar u kunt uw verdienvermogen mogelijk nauwkeurig schatten nadat u uit de middelbare school.