ÁRBOL DE DECISIÓN
El árbol de decisión es un diagrama que representa en forma secuencial condiciones y acciones.
Los arboles de decisión se destacan por su sencillez y pueden utilizarse en diversas áreas, tales
como: reconocimiento de señales de radar, reconocimiento de caracteres, sensores remotos,
sistemas expertos, diagnóstico médico, juegos, predicción meteorológica, control de calidad, etc.
Su nombre proviene de la forma que adopta el modelo, parecido a un árbol. El modelo está
conformado por múltiples nodos cuadrados, que representan puntos de decisión, y de los cuales
surgen ramas (que deben leerse de izquierda a derecha), que representan las distintas alternativas.
Las ramas que salen de nodos circulares, o casuales, representan los eventos.
CARACTERISTICAS
1. Un árbol de decisión es una forma gráfica y analítica de representar todos los eventos
(sucesos) que pueden surgir a partir de una decisión asumida en cierto momento.
2. Nos ayuda a tomar la decisión “más acertada”, desde un punto de vista probabilístico, ante un
abanico de posibles soluciones.
3. Permite desplegar visualmente un problema y organizar el trabajo de cálculos que deben
realizarse.
Proveen un método efectivo para la toma de decisiones debido a que:
1. Claramente plantean el problema para que todas las opciones sean analizadas.
2. Permiten analizar totalmente las posibles consecuencias de tomar una decisión.
3. Proveen un esquema para cuantificar el costo de un resultado y la probabilidad de que
suceda.
4. Nos ayuda a realizar las mejores decisiones sobre la base de la información existente y de las
mejores suposiciones.
TERMINOLOGÍA
Nodo de Decisión: Indica que una decisión necesita tomarse en ese punto del proceso. Está
representado por un cuadrado.
Nodo de Probabilidad: Indica que en ese punto del proceso ocurre un evento aleatorio. Está
representado por un círculo.
Rama: Nos muestra los distintos caminos que se pueden emprender cuando tomamos una
decisión o bien ocurre algún evento aleatorio.
VENTAJAS DE LOS ÁRBOLES DE DECISION:
La regla de asignación son simples y legibles, por tanto la interpretación de resultados es
directa e intuitiva.
Es válida sea cual fuera la naturaleza de las variables explicativas: continuas, binarias
nominales, u ordinales.
Es una técnica no paramétrica que tiene en cuenta las interacciones que pueden existir entre
los datos.
Es computacionalmente rápido.
DESVENTAJAS DE LOS ÁRBOLES DE DECISION
Las reglas de asignación son bastantes sensibles a pequeñas perturbaciones en los datos.
Dificultad para elegir el árbol óptimo.
Ausencia de una función global de las variables y como consecuencia perdida de la
representación.
Los arboles de decisión requieren un gran número de datos para asegurarse que la cantidad
de las observaciones de los nodos (hoja) es significativa.
Una compañía de seguros nos ofrece una indemnización por accidente de 210.000$. Si no aceptamos la oferta y decidimos ir a juicio podemos obtener 185.000$, 415.000$ o 580.000$ dependiendo de las alegaciones que el juez considere aceptables. Si perdemos el juicio, debemos pagar las costas que ascienden a 30.000$. Sabiendo que el 70% de los juicios se gana, y de éstos, en el 50% se obtiene la menor indemnización, en el 30% la intermedia y en el 20% la más alta, determinar la decisión más acertada.
CONCLUSIÓN
Un árbol de decisión en el que quien toma la decisión cuenta con información perfecta acerca de qué
estado ocurrió antes de tomar una decisión.
Este, nos permite tomar decisiones mediante información obtenida de cualquier tipo de estudio ya
sea comercial, empresarial e industrial permitiendo analizar cada una de los enlaces del
esquema del árbol de decisiones.
Top Related