บทที่ 14 (Chapter 18)

Formalized Sensitivity Analysis

And Expected Value Decisions

1
 14. Learning Objectives
1. Sensitivity to Variation in Data
2. Learning to Estimate Using Three Estimates
3. Economic Variability and Expected Value
4. Expected Value Computations for Alternatives
5. Understanding Decision Trees for Staged
Evaluations
2
14.1 Determining Sensitivity To
Parameter Variation

3
 14.1 SENSITIVITY: Analysis
• Sensitivity Analysis หรือการวิเคราะห์ความไว :
– เป็ นการศึกษาถึงการเปลี่ยนแปลง output variable ที่เรา
สนใจ เมื่อมีการเปลี่ยนแปลง input variables ตั้งแต่หนึ่ งตัว
ขึ้ นไปในช่วงที่กำหนด
• ถ้าการเปลี่ยนแปลงเพียงเล็กน้อยของ input parameter ทำให้
output variable เกิดการเปลี่ยนแปลงมาก:
– ตัวแปรตัวนั้นจะ sensitive to the outcome.
– ถ้าไม่ตวั แปรนั้นจะ insensitive to the outcome.
4
 14.1 SENSITIVITY: Defined
• Sensitivity Analysis (SA) เป็ นการศึกษาว่า:
– ค่า economic worth
• (PW, AW, ROR, B/C) และ,
• โครงการที่ถกู เลือก –
– จะมีการเปลี่ยนแปลงไปอย่างไร ถ้าตัวแปรอย่าง
น้อยหนึ่ งตัว มีการเปลี่ยนแปลงในช่วงที่ก ำหนดสำหรับ
ตัวแปรแต่ละตัว
5
 14.1 SENSITIVITY: Plotting

• การวัดความไวสามารถทำได้โดยสร้างกราฟระหว่างการ
เปลี่ยนแปลงตัวแปร กับ ผลลัพธ์ที่ได้
• We have already seen this applied in the application of
breakeven interest rate analysis.

6
 14.1 SENSITIVITY: No. of Variables

• การวิเคราะห์ความไวอย่างง่ายสามารถกระทำได้โดยการ
เปลี่ยนแปลงตัวแปรเพียงแค่ตวั เดียวต่อการวิเคราะห์หนึ่ งครั้ง
(Change one parameter at a time )
• และทำการสร้างกราฟระหว่างการเปลี่ยนแปลงตัวแปรนั้นกับ
ผลลัพธ์ที่ได้
• การศึกษาการเปลี่ยนแปลงของตัวแปรหลายๆตัวพร้อมๆกันจะ
ทำให้การวิเคราะห์ยุง่ ยาก

7
 14.1 SENSITIVITY: One Parameter Plot
กราฟระหว่างตัวแปรหนึ่งตัว กับ PW of a Cash Flow

$PW
สมมติว่าตัวแปรตัวหนึ่ง (x-axis).
มีการเปลี่ยนแปลงค่าจาก
low value to some high value and
plot the PW amt. for
each variation.

Low Parameter High

8
 14.1 SENSITIVITY: Basic Steps
1. กำหนดตัวแปรที่ตอ้ งการศึกษา ซึ่งมักเป็ นตัวแปรที่อาจมีการ
เปลี่ยนแปลงค่าจากการประมาณ
2. กำหนดช่วง (range) และขั้น (increment) ของการเปลี่ยนแปลง
สำหรับตัวแปรแต่ละตัว
3. กำหนดวิธีการในการวัด economic worth
4. คำนวณผลลัพธ์ economic worth สำหรับตัวแปรที่กำหนดไว้
5. สร้างกราฟของผลลัพธ์เพื่อให้สามารถมองภาพได้ดีขึ้น
6. ตีความหมายจากกราฟ
9
 ตัวอย่างที่ 14.1
• Compose your own spreadsheet for this problem
• Parameters:
– P = $80,000, SV = 0,
– CFBT = $27,000 – 2,000(t), t = yr. No.
– MARR: Vary from {10% – 25%}
– Life: Vary from {8 – 12 } years
10
 ตัวอย่างที่ 14.1: Design
• MARR is a variable of interest.
• Range: { 10% to 25% }
• Define increments – say 5%;
• Measure of worth: PW;
• First Analysis:
– Use a 10-year life (n = 10) and model.
11
 ตัวอย่างที่ 14.1: SENSITIVITY
CF EQ. Constant t-value
27000 -2000
Investment $ 80,000.00
Year Cflow

0 -$80,000
MARR PW(i%)
1 $25,000 10% $27,831.49
2 $23,000
15% $11,510.26
3 $21,000
4 $19,000 20% -$962.36
5 $17,000 25% -$10,711.51
6 $15,000
7 $13,000
8 $11,000
9 $9,000
10 $7,000
12
 ตัวอย่างที่ 14.1: PW vs. MARR Range
Ex. 18.1 PW vs. MARR
$30,000.00
$25,000.00
$20,000.00
$15,000.00
$-PW

$10,000.00
$5,000.00
$0.00
-$5,000.000% 10% 20% 30%
-$10,000.00
-$15,000.00
MARR

13
ตัวอย่างที่ 14.1: Specimen Spreadsheet Model

14
 ตัวอย่างที่ 14.1: Vary the Life n {8-12}
• Next, model by changing the project life to vary from 8 to
12 years.
• Assume 2-year increments;
• For simplicity, hold the interest rate constant at 15%.
• Note: These are the types of decisions the analyst will
have to make for a problem of this type.
15
 ตัวอย่างที่ 14.1: Varying “n” at fixed “i”
Interest Rate 15.00%

Year Cflow "n" PW(i%)

8 $7,221.61
0 -$80,000
1 $25,000 10 $11,510.26
2 $23,000 12 $13,145.70
3 $21,000
PW vs. "n" in years
4 $19,000
5 $17,000 $25,000.00

6 $15,000
$15,000.00
7 $13,000 $ PW
8 $11,000 PW
$5,000.00 n
9 $9,000 vari
10 $7,000 -$5,000.00 6 7 8 9 10 11 12
es

11 $5,000
12 $3,000 -$15,000.00 Years

16
ตัวอย่างที่ 14.1: Specimen Spreadsheet – Varying “n”

17
Plot of PW versus MARR and n for sensitivity analysis

18
 14.1 Varying More than One Parameter

• Multi-parameter variation:
– ยากกว่าการศึกษาทีละตัวแปร
– อาจจำเป็ นต้องใช้ Software เฉพาะ เช่น
• Palaside’s Top Rank Excel add-in.
• Top Rank, once added into Excel, permits almost
automatic multi-parameter sensitivity analysis.
19
 14.1 Output for Multi-Parameter Sensitivity

• The output for multi-parameter sensitivity takes the

form of what is called a:
1. Tornado plot, or
2. Spider plot.

20
14.1 Spider plot
Output The greater
variable is the slope of
RoR a line on a
spider plot,
the more
sensitive
that
variable is
to the
targeted
output
variable.

Here, sales price is the most sensitive parameter

21
14.2 Formalized Sensitivity
Analysis Using Three
Estimates

22
 14.2 Applying Three Estimates

1. Pessimistic value,
2. Most likely value, and
3. Optimistic value.

23
 ตัวอย่างที่14.3: Applying Three Estimates

• Engineer is faced with 3 alternatives; A, B and C

• Each alternative requires 4 parameters:
– First Cost;
– Salvage Value;
– AOC;
– Life in Years.
24
 ตัวอย่างที่14.3: Applying Three Estimates

• สำหรับทางเลือกแต่ละทาง { A, B, and C },
• ให้ทำการกำหนด :
– Pessimistic Value – P,
– Most Likely – ML,
– Optimistic - O

25
Applying Three Estimates: Build a Table

Strategy First Cost SV AOC Life

Alt A.
P -20,000 0 -11,000 3
ML -20,000 0 -9,000 5
O -20,000 0 -5,000 8
Alt. B
P -15,000 500 -4,000 2
ML -15,000 1,000 -3,500 4
O -15,000 2,000 -2,000 7
Alt. C
P -30,000 3,000 -8,000 3
ML -30,000 3,000 -7,000 7
O -30,000 3,000 -3,500 9 26
 ตัวอย่างที่14.3: Applying Three Estimates: AW Analysis

• For each alternative and for each level

– P, ML, and O determine the AW (12%)
– Where,
– AW= -P(A/P,12%,nlevel) + AOClevel + SV.

27
 ตัวอย่างที่14.3: Applying Three Estimates

Alt A P SV AOC n A/P Factor AW(i%)

P -$20,000 $0 -$11,000 3 0.4163 -$19,327
ML -$20,000 $0 -$9,000 5 0.2774 -$14,548
O -$20,000 $0 -$5,000 8 0.2013 -$9,026

Alt B P SV AOC n A/P Factor AW(i%)

P -$15,000 $500 -$4,000 2 0.5917 -$12,640
ML -$15,000 $1,000 -$3,500 4 0.3292 -$8,229
O -$15,000 $2,000 -$2,000 7 0.2191 -$5,089

Alt C P SV AOC n A/P Factor AW(i%)

P -$30,000 $3,000 -$8,000 3 0.4163 -$19,601
ML -$30,000 $3,000 -$7,000 7 0.2191 -$13,276
O -$30,000 $3,000 -$3,500 9 0.1877 -$8,927
28
 ตัวอย่างที่14.3: Excel Plot for A, B, and C
Alt A
Ex. 18.3
Alt B Clearly, alt. B
Alt C
$25,000 presents the lowest
AC at all levels
{P,ML. And O}.
$20,000
From this, the
$15,000 analysts gets a
A. Cost

better overall picture

$10,000 of the relationship
among the three
$5,000 alternatives.

$0
1 2 3 4 5 6 7 8 9
Life - Years 29
14.3 Economic Variability
and Expected Value

30
 14.3 Expected Value and Variance
• Engineers must deal with estimates.
• Many estimates are far into the future.
• The farther away from t = 0, the less reliable the estimate.
• Time forces uncertainty in estimation!
• One way to model uncertainty is to:
– Assign probability distributions to selected parameters.
– But this, too, can be difficult!
31
 14.3 Expected Value – Defined
• Expected Value of a discrete variable is defined as:
m
E ( x)   X i P( X i ) [12.2]
i 1

X i  the value of the variable X,

m = the maximum possible values X can assume,
P(X i ) = the probability that X i occurs.
32
 14.3 Probability Rule
• If an economic parameter is viewed as a random variable
with an assigned probability distribution, then:
m

 P(X )  1.0
i=1
i

Means: All of the possible outcomes taken

together are certain to occur.

33
 ตัวอย่างที่ 14.4: Expected Value
• A business estimates the following net cash flow for a time period:

NCF P(NCF) Describes four

possible outcomes
$5,000 0.50 only. The
probabilities sum to
$10,000 0.35 1.00.

$0 0.05
-$500 0.10
34
 ตัวอย่างที่ 14.4: Expected Value
• E(X) = 5,000(0.5) + 10,000(0.35) + 0(0.05) -500(0.1) =
$5,950.
• Note: The $5,950 is not one of the four possible outcomes
defined.
• The E(x) = $5,950 represents a weighted average of the
four outcomes.
• The weights are the assigned probabilities.
35
14.4 Expected Value
Computations for
Alternatives

36
 14.4 Application of EV’s
• Two Applications for EV
1. Preparation of numerical information in order to
provide a more complete engineering economy
analysis;
2. To evaluate the expected viability of a fully
formulated alternative.
37
 ตัวอย่างที่ 14.5
• An electric utility is experiencing a difficult time obtaining
natural gas for electric generation. Fuels other than natural as are
purchased at an extra cost, which is transferred to the customer.
Total monthly fuel expense are now averaging $7,750,000.
• Revenue is estimated for the past 24 months using three fuel-mix
situation – gas plentiful, less than 30% other fuels purchased,
and 30% or more other fuels. Can the utility expect to meet
future monthly expenses based on the 24 months o data if a
similar fuel-mix pattern continues?

38
 ตัวอย่างที่ 14.5

E(revenue) = 5,270,000(0.5) + 7,850,000(0.25) + 12,130,000(0.25)

= $7,630,000
39
 ตัวอย่างที่ 14.6
• A business is evaluating whether or not to purchase a piece of
equipment.
• The equipment costs $5,000 and will have an expected life of 3 years.
• Business conditions are described by three possible outcomes:
1. Receding (P = 0.2)
2. Stable (P = 0.6)
3. Expanding (P = 0.2)
40
 ตัวอย่างที่ 14.6
MARR = 15.00%
At the 15% rate the EV of
0.2 0.6 0.2 the cash flow is negative:
Year Receding Stable Expanding Reject the investment
CF CF CF overall because of
0 -$5,000 -$5,000 -$5,000 negative expected value.
1 $2,500 $2,000 $2,000
2 $2,000 $2,000 $3,000
3 $1,000 $2,000 $3,500
Sum $500 $1,000 $3,500 =NPV($D$2,F8:F10)+F7
PW -$656 -$434 $1,309

EV(15%) -$130

=D13*D4+E13*E4+F13*F4

41
 14.5 Staged Evaluation Of
Alternatives Using A Decision Tree

42
 14.5 Decision Trees
• บ่อยครั้งการวิเคราะห์ทางเศรษฐศาสตร์จ ำเป็ นต้องทำใน
ลักษณะ “staged decisions.”
• นัน่ คือผลที่ได้จาก one stage มีผลต่อ the succeeding stage.
• With appropriate software, one can evaluate and or
simulate complex decision trees.
– Palaside Corporation’s PrecisionTree Excel add-in.

43
 14.5 Decision Tree Construction
• การเขียน Decision trees จะเริ่มจากซ้ายไปขวา
• สัญญลักษณ์ สี่เหลี่ยม แทน decision node;
• Branches (กิ่ง) ที่เชื่อมระหว่าง decision node แทน ทาง
เลือกที่เป็ นไปได้ในการตัดสินใจ
• สัญลักษณ์ วงกลม แทน probability node with
possible outcomes and assigned probabilities.
44
 14.5 Tree Logic Decision Node
• First, one makes a decision, then:
• Outcomes flow from that decision.

Alternative 1 TRUE 1
0 0
Example Tree Decision
0
Alternative 2 FALSE 0
0 0

Specimen output from Palaside Corp. PrecisionTree Excel add-in

45
 14.5 Probability Node
• Example Probability (chance) node.
Outcome 1 75.0% 0.75
0 0
Example Tree Chance
0
Outcome 2 25.0% 0.25
0 0

PrecisionTree Example: Note the assigned probabilities of 75%

and 25%. Assigned branch probabilities should sum to 1.00

46
14.5 More Complex Tree Design

47
14.5 The Sell Outcome: 9m with P = 1

48
 14.5 Utilizing Decision Trees
• การประยุกต์ใช้ decision-tree analysis:
– ต้องมีความรูเ้ กี่ยวกับปั ญหานั้นอย่างถ่องแท้
– การวาด decision ทำให้เกิดการแก้ปัญหาอย่างเป็ นระบบ
มากขึ้ น!
– กำหนด decision points และ probability nodes
• Assign the perceived probabilities.
• คำนวณย้อนหลัง (right to left), folding the analysis back to
the initial decision node.
49
 ตัวอย่างที่ 14.8 – Page 639
• A staged decision problem involves to either market or sell a new
invention.
• If the decision is to “market,” then:
– Go International, or
– Go National.
• If one sells, then the CFBT will be 9 million with 100% certainty.
• The values at the far right of the tree represent the PW of CFBT for
each path.
50
 14.5 Sell or Market
PW of
CFBT
($ m illion)
14
0.5 12 Ex. 18.8
14 Int.
The values out
0.5 16
D2 to the right of
0.2
High
0.4 4
the tree are the
0.2 Nat.
0.4 -3
PW of CFBT)
0.2 -1
and are
4.2
0.8 6 “givens.”
M arket 0.8
Low 4.2 Int.
EV calculations
9
2
0.2 -3 work right to
D3 0.4
D1
6 left back to D1
Nat. 0.4 -2
9
block.
Sell 0.2 2
1.0 9

Expected values for each

51
alternative (calculated)
 14.5 Example 14.8 Analysis
• Given the PW of CFBT out to the right of the each terminal path,
• Calculate the E(each decision).
• Select the larger value at each decision node – number inside of the
symbol.
• Keep working back to the D1 block.
• The max EV is “9,” indicating the “sell decision” is the preferred
choice.
52
14.5 Example 14.8 Analysis

53
 14.5 EV (Decision)
• Given a properly constructed tree:
– Begin at the top right of the tree;
– Determine the PW value for each outcome branch, and consider the
time value of money;
– Calculate the expected value for each decision alternative by applying:

E (decision)  
all outcomes
(outcome estimate)P(outcome)
54
 14.5 EV of the tree…
• Continuing…
– At each decision node, select the best (max or min)
E(decision) value;
– Keep moving to the left until the first decision node is
reached recording the “best” EV from the preceding path.
– Trace the path through the tree that yields the best
outcome back at the D1 node.
55
 14.5 Example 14-8 – Path That Max. EV
For Example 18-8, the preferred path is shown
below.

D1

9
Sell
1.0 9

Decision: Sell the new invention rather than Market –

higher EV with this decision!
56
 14.5 Additional Notes
• Software exists that can aid in the construction and analysis of
decision trees.
• One such package is:
– Palisade’s PrecisionTree package;
– Add-in to Excel
• Build complex models and have automatic sensitivity analysis
and or risk analysis (simulation).
57
 14.5 Final thoughts on Decision Trees
• Represent a powerful and graphical approach to modeling
engineering economy problems;
• Well suited for “staged” or “sequential” decisions.
• Remember, decision trees will not make automatic
decisions…
• The utility of the tool is only as good as the data and the
insights of the analyst.

58
 สรุป
• บทนี้เกี่ยวข้องกับการวิเคราะห์ความไว (sensitivity)
ของการเปลี่ยนแปลงตัวแปรหนึ่งตัวขึ้นไปต่อ
Economic worth.
• เมื่อมีการเปรียบเทียบระหว่างสองทางเลือก ให้
คำนวณ และสร้างกราฟของค่า Economic worth for
different values of the parameter จะสามารถช่วยให้
ตัดสินใจได้ง่ายขึ้น
59
 สรุป
• ถ้าต้องการศึกษาถึงการเปลี่ยนแปลงของตัวแปร
หลายตัวในช่วงที่ก ำหนด, ให้สร้างกราฟระหว่าง the
measure of worth โดยใช้วิธี three estimates for a
parameter:
– Most likely,
– Pessimistic, and
– Optimistic.
60
 สรุป
• The combination of parameter and probability estimates
results in the expected value relations
• E(X) = (X)P(X)
• This expression is also used to calculate E(revenue),
E(cost), E(cash flow) E(PW), and E(i) for the entire cash
flow sequence of an alternative.
• A measure of central tendency.
61
End of Chapter 18 Lecture Set

62