![De mannlige hendene med en penn og koppen](/f/5ba55aaec7fd8c3ee407f298163a64e6.jpg)
En mann skriver på et stykke papir
Bildekreditt: master1305/iStock/Getty Images
Beslutningstrær er diagrammer som prøver å vise spekteret av mulige utfall og påfølgende beslutninger tatt etter en første beslutning. For eksempel kan den opprinnelige avgjørelsen din være om du skal gå på college, og treet kan prøve å gjøre det vis hvor mye tid du vil bruke på ulike aktiviteter og din inntjeningsevne basert på din beslutning. Det er flere bemerkelsesverdige fordeler og ulemper ved å bruke beslutningstrær.
Med tanke på konsekvenser
En av de mest nyttige aspektene ved beslutningstrær er at de tvinger deg til å vurdere så mange mulige utfall av en beslutning som du kan tenke deg. Det kan være farlig å ta raske beslutninger uten å vurdere rekkevidden av konsekvenser. Et beslutningstre kan hjelpe deg med å veie de sannsynlige konsekvensene av en beslutning opp mot en annen. I noen tilfeller kan det til og med hjelpe deg med å anslå forventede utbetalinger av beslutninger. For eksempel hvis du oppretter dollarverdianslag for alle utfall og sannsynligheter knyttet til hvert utfall du kan bruke disse tallene til å beregne hvilken første beslutning som vil føre til den største gjennomsnittlige økonomiske gevinsten. Beslutningstrær gir et rammeverk for å vurdere sannsynligheten og uttellingen for beslutninger, som kan hjelpe deg med å analysere en beslutning for å ta en mest mulig informert beslutning.
Dagens video
Forventninger
En ulempe med å bruke beslutningstrær er at utfallet av beslutninger, påfølgende beslutninger og utbetalinger primært kan være basert på forventninger. Når faktiske avgjørelser tas, kan det hende at utbetalingene og de resulterende beslutningene ikke er de samme som du har planlagt. Det kan være umulig å planlegge for alle beredskaper som kan oppstå som følge av et vedtak. Dette kan føre til et urealistisk beslutningstre som kan lede deg mot en dårlig beslutning. Uventede hendelser kan også endre avgjørelser og endre utbetalingene i et beslutningstre. For eksempel hvis du forventer at foreldrene dine skal betale for halvparten av skolen din når du bestemmer deg for å gå på skole, men senere oppdager at du må betale for all undervisningen din, vil dine forventede utbetalinger være dramatisk annerledes enn virkelighet.
Kompleksitet
Beslutningstrær er relativt enkle å forstå når det er få avgjørelser og utfall inkludert i treet. Store trær som inkluderer dusinvis av beslutningsnoder (punkter der nye beslutninger tas) kan være kronglete og kan ha begrenset verdi. Jo flere avgjørelser det er i et tre, desto mindre nøyaktige vil sannsynligvis forventede utfall være. For eksempel, hvis du lager et tre som kartlegger beslutningen om å gå på college, vil du sannsynligvis ikke være i stand til nøyaktig å forutsi sjansene at du vil tjene over 100 000 dollar om ti år, men du kan kanskje anslå inntjeningsevnen din nøyaktig etter at du kommer ut av høyskole.