Professional Documents
Culture Documents
Karar Analizi 2022 Aralık
Karar Analizi 2022 Aralık
■Gruplar
■ Değişimler, Dalgalanmalar
Karmaşık Karar
Problemi
Ödemeler
Tablosu
Doç. Dr. Mehtap Dursun (Oyun Teorisi) 7
Karar Alma Sürecindeki Gizli Tuzaklar
■ En iyileme (optimizasyon)
■ Karar Analizi
■ Tahmin
■ Simülasyon
■ Sorunun tanımlanması
■ Tüm olası seçeneklerin listelenmesi
■ KV’nin kontrolunda olmayan / doğanın sunduğu tüm olası olayların
listelenmesi
■ Her seçeneğin her olay için elde edeceği sonuçarı gösteren karar
tablosunun oluşturulması
■ Bir karar modelinin seçilmesi (doğa durumuna göre)
■ Modelin uygulanması ve bir seçeneğin seçilerek karar verilmesi
OLAYLAR
SEÇENEKLER Yüksek Talep Düşük Talep oi
Büyük fabrika kurma 200 -180 200
Küçük fabrika kurma 100 -20 100
Yatırım yapmama 0 0 0
OLAYLAR
SEÇENEKLER Yüksek Talep Düşük Talep si
Büyük fabrika kurma 200 -180 -180
Küçük fabrika kurma 100 -20 -20
Yatırım yapmama 0 0 0
m
maks {a ok + (1 – a) sk}
i =1
OLAYLAR Uzlaşık
SEÇENEKLER Yüksek Talep Düşük Talep değer
Büyük fabrika kurma 200 -180 380a-180
Küçük fabrika kurma 100 -20 120a-20
Yatırım yapmama 0 0 0
OLAYLAR Satır
SEÇENEKLER Yüksek Talep Düşük Talep ortalaması
Büyük fabrika kurma 200 -180 10
Küçük fabrika kurma 100 -20 40
Yatırım yapmama 0 0 0
■ Olasılık
– Objektif
– Sübjektif
Modeller
■ En Olası Olay Kriteri
■ Beklenen Değer Kriteri
■ Tam bilginin beklenen değeri
şeklinde tanımlanır.
q1 q2 q3
P(q) 2/9 3/9 4/9
a1 5 5 8
a2 3 3 9
OLAYLAR Beklenen
SEÇENEKLER Yüksek Talep Düşük Talep değer
Büyük fabrika kurma 200 -180 10
Küçük fabrika kurma 100 -20 40
Yatırım yapmama 0 0 0
Doç. Dr. Mehtap Dursun 31
TAM BİLGİNİN BEKLENEN DEĞERİ
KV bir karar probleminle karşılaştığında bir danışmana başvurup tam bilgiden oluşan bir yardım alırsa
ve aldığı yardıma göre karar verirse problemi risk altında karar verme sınıfından çıkıp belirlilik altında
karar verme sınıfına girer.
Fakat bu danışmanlık hizmeti için belirli miktarda bir ücret ödemesi gerekmektedir.
Bu ücretin en çok ne kadar olacağı "tam bilginin beklenen değeri" (TBBD) yöntemi ile bulunabilir.
TBBD = Tam bilgi ile beklenen değer – Risk altında en büyük beklenen değer
Girişimci TBBD'den (bu örnek için 60 bin TL'dan) daha yüksek ücretli
bir danışmanlık hizmetine başvurmamalıdır.
■ KARAR AĞAÇLARI
KV’ye sunulan seçenekler ile şansa bağlı seçimleri bir
arada aşama sırasına göre görsel olarak ortaya koyan
bir modelleme yöntemi
– Karar noktaları
– Şans noktaları
Doç. Dr. Mehtap Dursun 34
KARAR AĞACI
OLAYLAR
SEÇENEKLER q1 q2 ... qn q1 x11
a1 x11 x12 ... x1n
a2 x21 x22 ... x2n
a1
. . . ... . qn
... a2 x1n
am xm1 xm2 xmn
am
q1 xm1
qn xmn
Doç. Dr. Mehtap Dursun 36
KARAR AĞACI YÖNTEMİ
1. Sorunun tanımlanması
2. Karar ağacının çizilmesi (karar ve şans noktaları ile son aşama
getirileri veya faydaları)
3. Olayların oluşma olasılıklarının atanması ve şans dallarına
yazılması
4. Beklenen değer veya beklenen faydaların hesaplanması ve şans
noktalarına yazılması
5. En yüksek beklenen değer veya faydanın ilgili karar noktalarına
yazılması (çok aşamalı karar vermede)
6. Beklenen değer veya beklenen fayda kriteri kullanılarak seçimin
yapılması
%40
150
Doç. Dr. Mehtap Dursun 38
Karmaşık
Örnek
■ Verilen bir karar kümesi içinden KV’ye ve Karar Verme Durumuna bağlı olarak en iyi
kararı verme (Bell ve diğ., 1988; Kaliszewski ve diğ., 1997)
■ Seçeneklerin kriterlere göre değerlendirilmesini gerektirir
■ Sorun tipleri (problematique) üç ana başlıkta toplanabilir (Roy,
1990;
Vanderpooten, 1990; Vincke, 1992; Yoon ve Hwang, 1995)
■ SEÇİM (a)
En tatmin edici eylemleri (seçenekleri) ya da diğer tüm eylemlere
baskın eylemleri barındıran mümkün olduğunca sınırlandırılmış en
küçük eylemler alt kümesinin oluşturulması
■ SIRALAMA (b)
Eylemlerin; azalan tercihler yönünde, en iyiden en kötüye, mümkün
olduğunca zengin, kısmi veya tam bir sıralamasının oluşturulması
■ SINIFLANDIRMA / AYIRMA (g)
Önceden tanımlanmış kategorilere eylemlerin atanması
■ AMAÇ (OBJECTIVE)
Bir kişinin ulaşmak istediği düzey (Keeney, 1996)
■ KRİTER (CRITERION)
Belirli bir önem ekseni veya bakış açısına göre seçeneklerin
karşılaştırılmasını sağlayan araç (Bouyssou, 1990)
■ ÖLÇÜT (ATTRIBUTE)
Amaca ne kadar ulaşıldığını gösteren ölçü (Keeney, 1996)
Seçeneklerin temel özellikleri, kaliteleri veya verimlilik parametreleri
(Evren ve Ülengin, 1992)
■ KV / SORUN SAHİBİ
■ ÇÖZÜM KULLANICI
■ SONUÇLARA KATLANANLAR / SORUN MÜŞTERİSİ
■ KARAR ANALİSTİ / SORUN ÇÖZÜCÜ
■ SORUNU YAPILANDIRMA
■ KARAR MODELİNİ KURMA
■ SORUNU ÇÖZÜMLEME
■ Uzmanların bir konuya ilişkin olarak sahip oldukları düşünceleri ve karşıklı ilişkileri
görsel olarak ortaya koymayı sağlayan bir çeşit yönlü çizge
■ Bir kişinin konu ile ilgili düşünce sisteminin matematiksel modeli
■ Karmaşık sorunların belirli bir yapıya oturutulmasına ve ilişkilerin daha iyi
anlaşılmasına yardımcı
■ Kavramlar (değişkenler)
Şehire + Şehirdeki
insan
göç
sayısı
Satış
fiyatını
arttırma Pazar
–
payı Satış
+
Reklam + hacmi
yapma +
Kar
+
Kaliteli –
Talep Üretim
ürün + maliyeti
üretme
Fabrika –
İşçi verimliliği
Ücret
artışı + tatmini +
Doç. Dr. Mehtap Dursun 51
BH TÜRLERİ
Şehire + Şehirdeki
■ Basit insan
göç
sayısı
■ Ağırlıklandırılmış
Şehire +5 Şehirdeki
insan
göç
sayısı
■ Bulanık
■ Yol (path)
Bir değişkenden başka bir değişkene giden yol üzerinde bazı diğer değişkenler ve
aralarındaki ilişkiler vardır
■ Döngü (cycle)
İlk ve son noktası aynı olan yol
Satış
fiyatını
arttırma Pazar
–
payı Satış
+
Reklam + hacmi
yapma +
Kar
+
Kaliteli –
Talep Üretim
ürün + maliyeti
üretme
Fabrika –
İşçi verimliliği
Ücret
artışı + tatmini +
Doç. Dr. Mehtap Dursun 56
BH ÖRNEĞİ 2
Şehirdeki Şehire
insan göç
sayısı
Modernizasyon
– Sağlık
faaliyetleri
–
Çöp Hastalık
miktarı –
sayısı
yoğunluğu
Bakteri
yoğunluğu
Doç. Dr. Mehtap Dursun 57
MATRİS CEBRİ
■ Komşuluk Matrisi
■ Merkezilik
■ Ulaşılabilirlik Matrisi
■ İki değişken arasındaki direkt etkileri gösteren V matrisi, komşuluk (valency) matrisi
olarak isimlendirilir.
sis
Şehire Şehirdeki
göç insan
+ sayısı sg +1
sf r k pp t sh kar merkezilik
sf 0 0 0 -1 0 0 0 1 sf 1
r 0 0 0 1 0 0 0 1 r 1
k 0 0 0 0 1 0 0 1 k 1
Satış V pp 0 0 0 0 0 1 0 1 pp 3
fiyatını t 0 0 0 0 0 1 0 1 t 2
arttırma Pazar sh 0 0 0 0 0 0 1 1 sh
– payı
3
Satış kar 0 0 0 0 0 0 0 0 kar 1
Reklam
+ hacmi
+ 0 0 0 2 1 2 1 6
yapma + Kar
+ sf r k pp t sh kar sf r k pp t sh kar
Kaliteli Talep Üretim – sf 0 0 0 0 0 -1 0 sf 0 0 0 0 0 0 0
ürün maliyeti r 0 0 0 0 0 1 0 r 0 0 0 0 0 0 0
üretme
+
Fabrika – k 0 0 0 0 0 1 0 k 0 0 0 0 0 0 0
verimliliği V2 pp 0 0 0 0 0 0 1 V4 pp 0 0 0 0 0 0 0
Ücret İşçi
t 0 0 0 0 0 0 1 t 0 0 0 0 0 0 0
artışı tatmini +
+ sh 0 0 0 0 0 0 0 sh 0 0 0 0 0 0 0
kar 0 0 0 0 0 0 0 kar 0 0 0 0 0 0 0
sf r k pp t sh kar sf r k pp t sh kar
sf 0 0 0 0 0 0 -1 sf 0 0 0 -1 0 -1 -1 3
r 0 0 0 0 0 0 1 r 0 0 0 1 0 1 1 3
k 0 0 0 0 0 0 1 k 0 0 0 0 1 1 1 3
3
V pp 0 0 0 0 0 0 0 R pp 0 0 0 0 0 1 1 2
t 0 0 0 0 0 0 0 t 0 0 0 0 0 1 1 2
sh 0 0 0 0 0 0 0 sh 0 0 0 0 0 0 1 1
kar 0 0 0 0 0 0 0 kar 0 0 0 0 0 0 0 0
Doç. Dr. Mehtap Dursun 0 0 0 2 1 5 6 14 62
Çok Kriterli Karar Verme
■ Çok Kriterli Karar Verme problemleri birbirleri ile çelişir ve ortak ölçüm değerlerine
sahip olmayan bir dizi ölçüte bağlı olarak değerlerndirilen bir dizi alternatif gerektirir
■ Eğer karar vericiler arasında tek bir hedef-tercih yapısı varsa, çok sayıda karar verici
olsa bile aslında tek kişili bir karar verme probleminden bahsedilebilir
■ Buna karşın, bunlardan birinde bile farklılık olması durumunda grup halinde karar
verme söz konusudur