Pesquisa Operacional Teoria da Decisão
Transcript of Pesquisa Operacional Teoria da Decisão
Introdução
Teoria prescritiva que pretende ajudar os indivíduos/organizações a
tomarem boas decisões.
Supõe que os indivíduos são capazes de expressas suas preferências
básicas e são racionais.
Teoria da decisão
Conjunto de conceitos e técnicas que permite estruturar e analisar um
problema (oportunidade) de maneira lógica, de forma a permitir a melhor
decisão possível face às informações disponíveis, de acordo com as
preferências do decisor.
Decisão
É um curso de ação escolhido, entre várias alternativas possíveis, como
o meio mais efetivo à disposição do indivíduo/organização, para alcançar
os objetivos pretendidos.
Processo de tomada de decisão
É o procedimento de identificar um problema ou uma oportunidade e
selecionar uma linha de ação para resolvê-lo.
Introdução
A dificuldade da tomada de decisão depende da complexidade do problema e da
incerteza dos agentes de decisão
Complexidade
Múltiplos objetivos (maximizar benefícios, minimizar custos,...) e múltiplas
alternativas e trade-offs entre eles.
Incerteza
Imprevisibilidade das conseqüências das ações.
Fontes da incerteza:
objetivos pouco claros
falta de coordenação
desconhecimento das decisões relacionadas
informação escassa
dados pouco precisos
Elementos de um problema de decisão
A estruturação de um problema de decisão requer a definição dos seguintes
componentes:
Estratégias alternativas: Conjunto com os possíveis cursos de ação para alcançar
os fins desejados. Quais as alternativas ? A lista de alternativas deve ser tão completa
quanto possível. Um problema começa a ser solucionado quando vislumbramos a
relação das possíveis alternativas de solução.
Conseqüência da alternativa (payoffs): Resultado de uma alternativa.
Estados da natureza (eventos incertos): Correspondem aos eventos futuros que
não estão sob controle do decisor e que podem influir sobre as alternativas, fazendo
que um mesmo curso de ação apresente mais de um resultado. Quantos e quais os
estados da natureza a considerar ? Qual a sua influência sobre os resultados das
alternativas ? Quais as probabilidades dos estados da natureza ?
O resultado de uma decisão depende não somente da alternativa escolhida e de como
ela é implementada, mas também depende de fatores não controláveis pelo agente
decisor (estados da natureza).
Matriz de decisão ou Matriz de payoff
Tabela que sumariza os resultados finais associados com cada alternativa sob
cada estado da natureza.
Necessidade de um critério (lucro, custo,...) para avaliar o resultado (payoff) de
cada alternativa sob cada estado da natureza.
Estrutura da matriz:
nas linhas listam-se um nº finito de alternativas (m), Di i=1,m
nas colunas listam-se um nº finito de estados da natureza (n), Sj j=1,n
Em cada cruzamento linha/coluna coloca-se o resultado correspondente
SE o decisor toma a decisão Di
E SE a natureza escolhe o estado Sj
ENTÃO o resultado será rij
Estados da natureza Alternativas
S 1 S 2 ... S n
D 1 r 1 1 r 1 2 ... r 1 n
D 2 r 2 1 r 2 2 ... r 2 n
... ... ... ... ...
D m r m 1 r m2 … r mn
Matriz de decisão ou Matriz de payoff
Descrição verbal dos resultados
Matriz de utilidades
chove não chove
trazer o guarda-chuva roupa seca roupa seca
não trazer o guarda-chuva roupa molhada roupa seca
Estados da naturezaAlternativas
chove não chove
trazer o guarda-chuva 15 15
não trazer o guarda-chuva 0 18
Estados da naturezaAlternativas
Exemplo: Decisão de trazer ou não um guarda-chuva amanhã.
O efeito da decisão depende do clima: vai chover ou não vai chover ?
Dois estados da natureza: chove e não chove.
Matriz de decisão ou Matriz de payoff
Exemplo: Uma companhia deseja lançar um novo produto (MOREIRA, p.133) e
para isso deve decidir entre duas alternativas:
• Construir uma nova fábrica, especialmente para o produto
• Aproveitar as instalações existentes
Um nova fábrica possibilitará maior flexibilidade para acomodar alterações na
demanda e no projeto do produto, mas levará também a maiores custos de
implantação.
Estados da natureza: A companhia pode considerar três estados para a demanda:
alta, média e baixa.
Estados da natureza
Alternativas Baixa demanda Média demanda Alta demanda
Usar instalações existentes -100 100 200
Construir novas instalações -300 0 400
Os seis passos da decisão
1 Definir o problema com clareza
2 Relacionar as possíveis linhas de ação (alternativas)
3 Mensurar os possíveis resultados decorrentes das
alternativas ao longo dos estados da natureza
4 Listar o retorno ou lucro de cada combinação de
alternativas e conseqüências
5 Selecionar um do modelos matemáticos utilizados na
Teoria da Decisão (seleção de uma estratégia).
6 Aplicar o modelo matemático e decidir
Boas decisões x Bons resultados
A abordagem estruturada do processo de tomada de decisão pode ajudar
a tomar boas decisões, mas não garante que bons resultados irão
sempre ocorrer como resultado de uma decisão.
Boas decisões nem sempre conduzem a bons resultados.
Mesmo tomando uma boa decisão, o acaso é o fator que sempre
determina a ocorrência ou não dos bons resultados.
No entanto, o uso de uma abordagem estruturada na tomada de decisão
melhora o conhecimento sobre o problema em face e aprimora a intuição
para resolvê-lo.
Exceções à parte, a experiência demonstra que mesmo nos contextos
mais caóticos, é sempre mais vantajoso tomar decisões com base em um
processo estruturado, do que decidir de forma não organizada.
Boa decisão
Tomada com base em todos os dados e informações
disponíveis e alternativas possíveis.
Baseada em métodos quantitativos apropriados.
Boas decisões x Bons resultados
Má decisão
Não se orienta por estes requisitos ainda que o resultado
obtido seja favorável.
Como não explora todas as informações e alternativas
possíveis, não se pode afirmar que o resultado favorável foi
maximizado.
Ambiente de tomada de decisão
As alternativas de decisão dependem do conhecimento de
quem decide e das informações que se detêm acerca do
problema ou da situação.
O problema é que normalmente as informações disponíveis
são expressas de modo vago, dando origem a diversos
níveis de incerteza, inclusive de natureza não probabilística.
Assim as decisões podem ocorrer em três ambientes:
Sob certeza
Sob risco
Sob incerteza
Decisões sob certeza
Ocorre quando existe a certeza do que irá ocorrer durante o período
em que a decisão é tomada.
A variáveis são conhecidas e a relação entre a ação e as
conseqüências é determinística.
Pode-se identificar com certeza os efeitos de todas as alternativas de
decisão.
Sabe-se exatamente o que vai acontecer.
As informações são precisas, mensuráveis e confiáveis sobre os
resultados das várias alternativas que estão sendo consideradas.
Decisões sob risco/incerteza
A insuficiência de informação introduz o risco/incerteza no
processo de tomada de decisão.
Por exemplo, a maioria das decisões administrativas
importantes é tomada com base em algum tipo de
previsão, o que, por si só, introduz o fator de
risco/incerteza no processo de tomada de decisão.
Risco e incerteza são conceitos diferentes.
Decisões sob risco/incerteza
Decisão sob risco
São conhecidas as probabilidades associadas a cada um dos estados da
natureza.
Para problemas de decisão que ocorrem freqüentemente é possível usar os
dados históricos para estimar as probabilidades.
Decisão sob incerteza
Situações de imprevisibilidade
Não se dispõe de informações para estabelecer a probabilidade de ocorrência
dos eventos.
A distribuição de probabilidade associadas aos eventos não é conhecida.
Embora não seja possível atribuir as probabilidades de ocorrência aos vários
resultados das alternativas identificadas, pode-se identificar os futuros
cenários pertinentes às opções de decisão.
Em geral, é uma situação que ocorre no início do processo de tomada de
decisão, quando ainda não é possível atribuir probabilidades para as
alternativas desejadas.
Ambientes de tomada de decisão
Certeza
Risco
Incerteza
• Critérios determinísticos
• Análise Benefício/custo
• Ponto de equilíbrio
• Programação matemática (linear, inteira)
• Critérios probabilísticos
• Simulação
• Árvores de decisão
• Teoria da utilidade
• Critérios não probabilísticos
• Teoria dos Jogos
Decisões sob risco/incerteza
Critérios probabilísticos para tomada de decisão sob risco:
Valor monetário esperado
Perda de oportunidade esperada
Valor Esperado da Informação Perfeita (VEIP)
Critérios não probabilísticos para tomada de decisão sob incerteza:
Maximax
Maximin ou Wald
Igualmente provável
Critério do realismo ou Hurwicz
Minimax ou Savage
Caso Masters & Doctors (CORRAR et al., p. 290)
Masters & Doctors é uma auditoria independente e consultoria empresarial que decide
contratar um novo gerente de projetos (decisão de baixo grau de estruturação e de nível
estratégico gerencial).
Passo 1: Problema: contratação de um novo profissional para a empresa
Passo 2: Possíveis alternativas de ação:
1) Contratar um gerente para projetos de auditoria
2) Contratar um gerente para projetos de consultoria
Passo 3: Dois estados da natureza:
1) A demanda por serviços de auditoria e consultoria é alta
2) A demanda por serviços de auditoria e consultoria é baixa
Passo 4: Matriz com o valor presente dos retornos (payoffs) de cada alternativa
Contratar gerente de auditoria
Contratar gerente de consultoria
Estados da natureza
Mercado alta demanda Mercado baixa demanda Alternativas de decisão
240.000
360.000
5.000
-50.000
Passos 5 e 6: Seleção de aplicação de um critério ou método não probabilístico para
decisão sob incerteza:
• Maximax
• Maximin ou Wald
• Igualmente provável ou Laplace-Bayes
• Critério do realismo ou Hurwicz
• Minimax ou Savage
Caso Masters & Doctors
Visão otimista, supõe que ocorrerá o melhor resultado.
Para cada decisão identifique o melhor resultado possível (máximo benefício
possível). Escolha a decisão para qual o benefício máximo é máximo.
Escolha a alternativa associada com o benefício máximo entre os máximos
potenciais (busque o melhor resultado entre os melhores possíveis).
Contratar gerente de auditoria
Contratar gerente de consultoria
Estados da natureza
Mercado alta demanda Mercado baixa demanda
Alternativas de decisão
240.000
360.000
5.000
-50.000
Máximo
240.000
360.000
Maior máximo Decisão: contratar gerente de consultoria
Critério Maximax
Contratar gerente de auditoria
Contratar gerente de consultoria
Estados da natureza
Mercado alta demanda Mercado baixa demanda
Alternativas de decisão
240.000
360.000
5.000
-50.000
Mínimo
5.000
-50.000
Maior mínimo Decisão: contratar gerente de auditoria
Corresponde a uma atitude pessimista ou prudente do tomador de decisão,
supõe que ocorrerá o pior resultado.
Para cada decisão identifique o pior resultado possível (mínimo benefício
possível).
Escolha a alternativa associada com o resultado menos desfavorável entre os
resultados adversos (busque o melhor resultado entre os piores possíveis)
Critério Maximin ou Wald
Contratar gerente de auditoria
Contratar gerente de consultoria
Estados da natureza
Mercado alta demanda Mercado baixa demanda
Alternativas de decisão
240.000
360.000
5.000
-50.000
Média
122.500
155.000
Maior média Decisão: contratar gerente de consultoria
Meio termo entre o Maximin e o Maximax (critério moderado)
A melhor alternativa é a que apresenta a maior média aritmética dos resultados.
Maior vantagem: simplicidade de cálculo
Maior inconveniente: pouco realista, pois implicitamente atribui as mesmas
probabilidades de ocorrência aos cenários ou estados da natureza
Critério igualmente provável ou Laplace-Bayes
Contratar gerente de auditoria, Média = (240.000 + 5.000) / 2 = 122.500
Contratar gerente de consultoria, Média = [360.000 + (-50.000)] / 2= 155.000
0 1 pessimista otimista
= 0 , critério de Wald (decide com base nos piores resultados)
= 1 , critério Maximax (decide com base nos melhores resultados)
Critério do realismo é a média ponderada:
Média ponderada = (melhor resultado) + (1 - ) (pior resultado)
A melhor alternativa maximiza o critério do realismo.
O decisor define o valor de com base em seu sentimento ou expectativa da
situação.
Baseia-se no coeficiente de realismo , um número entre 0 e 1 que reflete o
grau de otimismo do decisor.
Critério do realismo ou Hurwicz
No exemplo, assume-se uma postura otimista fixando em 0,7.
Alternativa contratar gerente de auditoria
Média ponderada = 0,7 x 240.000 + 0,3 x 5.000 = 169.500
Alternativa contratar gerente de consultoria
Média ponderada = 0,7 x 360.000 + 0,3 x -50.000 = 237.000
Contratar gerente de auditoria
Contratar gerente de consultoria
Estados da natureza
Mercado alta demanda Mercado baixa demanda
Alternativas de decisão
240.000
360.000
5.000
-50.000
Média
ponderada
169.500
237.000
Maior média ponderada Decisão: contratar gerente de consultoria
Coeficiente de realismo 0,7 0,3
Critério do realismo ou Hurwicz
-100.000
-50.000
0
50.000
100.000
150.000
200.000
250.000
300.000
350.000
400.000
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1
gerente de auditoria
gerente de consultoria
Prevalece a opção
pelo gerente de
consultoria
Prevalece a opção
pelo gerente de
auditoria
Critério do realismo ou Hurwicz
Méd
ia p
ond
era
da
Traduz uma atitude de prudência por parte do tomador de decisão (é
conservador).
A melhor alternativa minimiza ao máximo o maior arrependimento ou perda
de oportunidade.
O arrependimento de uma alternativa, em um dado estado da natureza, é a
diferença entre o resultado da decisão e o melhor resultado sob o estado
da natureza.
Implementado em três etapas:
1) Em cada um dos estados da natureza identifique a alternativa mais
favorável (melhor resultado).
2) Avalie quanto deixaria de ganhar (arrependimento), em relação a essa
alternativa, caso decidisse por cada uma das demais alternativas.
3) Escolha a alternativa que conduz ao menor dos arrependimentos máximos.
Critério Minimax ou Savage
Tabela de arrependimentos ou perdas de oportunidade
Contratar gerente de auditoria
Contratar gerente de consultoria
Estados da natureza
Mercado alta demanda Mercado baixa demanda
Alternativas de decisão
360.000 – 240.000 =
120.000
Máximo
120.000
55.000
Menor arrependimento máximo Decisão: contratar gerente de consultoria
Contratar gerente de auditoria
Contratar gerente de consultoria
Estados da natureza
Mercado alta demanda Mercado baixa demanda
Alternativas de decisão
240.000
360.000
5.000
-50.000
Melhor resultado do cenário 360.000 5.000
5.000 – 5.000 = 0
360.000 – 360.000 = 0 5.000 – (-50.000) =
55.000
Critério Minimax ou Savage Matriz de payoff
Caso Masters & Doctors - Decisão sob incerteza
Critério Decisão
Maximax contratar gerente de consultoria
Maximin contratar gerente de auditoria
Igualmente provável contratar gerente de consultoria
Critério do Realismo contratar gerente de consultoria
Minimax contratar gerente de consultoria
Caso Cia ABXT Produtos Eletrônicos (ANDRADE, p. 131)
A ABXT Eletrônica está considerando o lançamento de um novo auto-rádio.
Há quatro opções de modelo: Standard, LX, LS e GL, que diferem entre si pelo
acabamento e por características técnicas.
Os custos não variam uniformemente com as produções, já que a maioria das
peças e componentes é comprada de fornecedores diferentes.
Os preços dependem da aceitação no mercado.
O lucro de cada alternativa irá depender da escala de produção (custos) e da
venda de cada tipo.
Foram identificados quatro eventos que podem influir fundamentalmente nos
resultados finais:
Evento 1: produção e venda de 50.000 auto-rádios por ano.
Evento 2: produção e venda de 70.000 auto-rádios por ano.
Evento 3: produção e venda de 90.000 auto-rádios por ano.
Evento 4: produção e venda de 100.000 auto-rádios por ano.
Caso Cia ABXT Produtos Eletrônicos
Matriz de payoff: lucros esperados para os modelos
evento 1 evento 2 evento 3 evento 4
Standard 26 24 24 23
LX 27 28 22 20
LS 25 27 29 31
GL 26 26 26 26
Estados da naturezaModelos
Evento 1: produção e venda de 50.000 auto-rádios por ano.
Evento 2: produção e venda de 70.000 auto-rádios por ano.
Evento 3: produção e venda de 90.000 auto-rádios por ano.
Evento 4: produção e venda de 100.000 auto-rádios por ano.
Critério Maximax
evento 1 evento 2 evento 3 evento 4
Standard 26 24 24 23 26
LX 27 28 22 20 28
LS 25 27 29 31 31 = máximo
GL 26 26 26 26 26
Estados da naturezaModelos
lucro
máximo
Examinar o lucro máximo para cada alternativa
Escolher a alternativa que forneça o maior lucro possível
Critério Maximin
evento 1 evento 2 evento 3 evento 4
Standard 26 24 24 23 23
LX 27 28 22 20 20
LS 25 27 29 31 25
GL 26 26 26 26 26 = máximo
Estados da naturezaModelos
lucro
mínimo
Examinar o lucro mínimo para cada alternativa
Escolher a alternativa que forneça o maior lucro mínimo
Decisão: modelo LS
Decisão: modelo GL
Caso Cia ABXT Produtos Eletrônicos
Critério do Igualmente provável
Examinar o lucro médio para cada alternativa
Escolher a alternativa que forneça o maior lucro médio
evento 1 evento 2 evento 3 evento 4
Standard 26 24 24 23 24,25
LX 27 28 22 20 24,25
LS 25 27 29 31 28 = máximo
GL 26 26 26 26 26
Estados da naturezaModelos
média
Decisão: modelo LS
Caso Cia ABXT Produtos Eletrônicos
Critério do Realismo
Para cada alternativa calcular a média ponderada
Média ponderada = (melhor resultado) + (1 - ) (pior resultado) , sendo 0 1
Média ponderada (Standard) = 26 + (1 - ) 23
Média ponderada (LX) = 28 + (1 - ) 20
Média ponderada (LS) = 31 + (1 - ) 25
Média ponderada (GL) = 26 + (1 - ) 26
0
5
10
15
20
25
30
35
0 0,2 0,4 0,6 0,8 1
Standard
LX
LS
GL
Para valores de entre 0 e
0,175 prevalece a alternativa
GL e para valores de entre
0,175 e 1 prevalece a
alternativa LS.
Escolher a alternativa que fornece a maior média ponderada para um dado valor
Decisão: modelo LS
Caso Cia ABXT Produtos Eletrônicos
Critério Minimax
Para cada evento calcule-se o lucro máximo (o melhor resultado).
Para todos os eventos, calcula-se a diferença entre o lucro máximo e o lucro da alternativa em
análise.
Para cada alternativa calcule o máximo arrependimento
Escolha a alternativa que minimiza o máximo arrependimento
evento 1 evento 2 evento 3 evento 4
Standard 26 24 24 23
LX 27 28 22 20
LS 25 27 29 31
GL 26 26 26 26
Lucro máximo 27 28 29 31
Estados da naturezaModelos
Arrependimento evento 1 evento 2 evento 3 evento 4
Máximo
arrependimento
Standard 1 4 5 8 8
LX 0 0 7 11 11
LS 2 1 0 0 2 = mínimo
GL 1 2 3 5 5
Decisão: modelo LS
Caso Cia ABXT Produtos Eletrônicos
Comparação das decisões segundo os diferentes critérios
de decisão sob incerteza
Critério maximin: modelo GL
Critério maximax: modelo LS
Critério igualmente provável: modelo LS
Critério do realismo: modelo LS
Critério minimax: modelo LS
Caso Cia ABXT Produtos Eletrônicos
Caso Ômega Incorporadora (CORRAR et al., p.328)
A Incorporadora Ômega, visando suprir a grande demanda por residências em
condomínios na cidade do Rio de Janeiro, identificou duas áreas de interesse
para tal empreendimento: localidades A e B.
A Ômega sabe que um shopping center será construído próximo a uma ou outra
área dentre em breve, o que a valorizará muito.
O gestor da Ômega encontra-se diante da decisão de adquirir um, os dois ou
nenhum dos terrenos para construir o condomínio.
A tabela a seguir apresenta as informações sobre os preços atuais de cada
terreno, o valor presente dos fluxos de caixa futuros que a Ômega espera gerar
com a venda das residências e o valor pelo qual a empresa espera vender o
terreno, caso o shopping não seja construído nas proximidades do terreno:
Valores em $ milhões Localidades
A B
Preços atuais de cada terreno $25 $15
Valor presente dos fluxos de caixa futuros
com a construção do condomínio se o shopping
for construído nas proximidades.
$40 $28
Valor presente do preço de venda se o
shopping não for constituído no local $10 $8
3
4
5
6
7
8
A B C
Terrenos Shopping center construído na localidade
comprados A B
A $15 ($15)
B ($7) $13
A&B $8 ($2)
Nenhum $0 $0
Dados
40 – 25
8 – 15
40 - 25 + 8 - 15
10 – 25
28 – 15
28 - 15 + 10 - 25
Matriz de Payoff
Caso Ômega Incorporadora
Valores em $ milhões Localidades
A B
Preços atuais de cada terreno $25 $15
Valor presente dos fluxos de caixa futuros
com a construção do condomínio se o shopping
for construído nas proximidades.
$40 $28
Valor presente do preço de venda se o
shopping não for constituído no local $10 $8
Critério Maximax: escolhe a alternativa com melhor resultado entre os melres
resultados possíveis
Critério Maximin: escolhe a alternativa com o melhor resultado entre os piores
resultados possíveis
Critério Minimax: escolhe a alternativa que minimiza o máximo arrependimento
Caso Ômega Incorporadora
Terrenos Shopping center construído na localidade comprados A B MAX
A $15 ($15) $15 <--máximo
B ($7) $13 $13 A&B $8 ($2) $8
Nenhum $0 $0 $0
Terrenos Shopping center construído na localidade
comprados A B MIN
A $15 ($15) ($15)
B ($7) $13 ($7) A&B $8 ($2) ($2)
Nenhum $0 $0 $0 <--máximo
Terrenos Shopping center construído na localidade
comprados A B Max
A $0 $28 $28
B $22 $0 $22
A&B $7 $15 $15 <--mínimo
Nenhum $15 $13 $15 <--mínimo
Matriz de
arrependimentos
A Empresa Gremillet produtora de bens de consumo de massa tem 28% do mercado,
contra 47% e 20% ocupados pelas suas duas principais concorrentes e 5% ocupados
por algumas empresas marginais.
Querendo aumentar sua participação no mercado e seus lucros, a empresa vê quatro
estratégias possíveis:
A1 = Lançar um novo produto
A2 = Lançar uma campanha publicitária para os produtos já existentes
A3 = Lançar uma promoção de vendas para os mesmos produtos
A4 = Praticar uma política de baixa de preços
Caso Gremillet (GALESNE et al., p. 146)
Mediante uma análise da concorrência, os dirigentes da empresa foram levados a
admitir que a reação da concorrência podia tomar três formas (estados da natureza):
C1 = A concorrência reagiria prontamente, de forma enérgica
C2 = A concorrência reagiria firmemente, mas sem agressividade
C3 = A concorrência reagiria de forma fraca às iniciativas da empresa
Os dirigentes da empresa não se sentem em condições de atribuir qualquer
probabilidade de ocorrência a um das possíveis reações da concorrência, logo trata-se
de um exemplo de tomada de decisão em ambiente de incerteza.
C1 Reação
forte da
concorrência
C2 Reação
média da
concorrência
C3 Reação
fraca da
concorrência
A1 Lançamento de um produto novo -600.000 400.000 1.100.000
A2 Campanha de publicidade -50.000 100.000 300.000
A3 Promoção de vendas -400.000 200.000 700.000
A4 Baixa de preços -100.000 300.000 800.000
Cenários = Resultados esperados
Estados da Natureza
Estratégias da empresa
Matriz de payoff (benefícios para a empresa)
Caso Gremillet
Critério Maximax: decisão de lançar um produto novo
C1 Reação
forte da
concorrência
C2 Reação
média da
concorrência
C3 Reação
fraca da
concorrência
Máximo
A1 Lançamento de um produto novo -600.000 400.000 1.100.000 1.100.000
A2 Campanha de publicidade -50.000 100.000 300.000 300.000
A3 Promoção de vendas -400.000 200.000 700.000 700.000
A4 Baixa de preços -100.000 300.000 800.000 800.000
Cenários = Resultados esperados
Estados da Natureza
Estratégias da empresa
Caso Gremillet
C1 Reação
forte da
concorrência
C2 Reação
média da
concorrência
C3 Reação
fraca da
concorrência
Média
aritmética
A1 Lançamento de um produto novo -600.000 400.000 1.100.000 300.000
A2 Campanha de publicidade -50.000 100.000 300.000 116.667
A3 Promoção de vendas -400.000 200.000 700.000 166.667
A4 Baixa de preços -100.000 300.000 800.000 333.333
Cenários = Resultados esperados
Estados da Natureza
Estratégias da empresa
Critério Igualmente Provável ou Laplace Bayes: decisão de baixar os preços
Critério Maximin ou Wald: decisão de lançar uma campanha publicitária
C1 Reação
forte da
concorrência
C2 Reação
média da
concorrência
C3 Reação
fraca da
concorrência
Mínimo
A1 Lançamento de um produto novo -600.000 400.000 1.100.000 -600.000
A2 Campanha de publicidade -50.000 100.000 300.000 -50.000
A3 Promoção de vendas -400.000 200.000 700.000 -400.000
A4 Baixa de preços -100.000 300.000 800.000 -100.000
Cenários = Resultados esperados
Estados da Natureza
Estratégias da empresa
Caso Gremillet
Critério de Hurwicz com = 0,5: decisão de baixar os preços
Alfa 0,5
C1 Reação
forte da
concorrência
C2 Reação
média da
concorrência
C3 Reação
fraca da
concorrência
Melhores
resultados
Piores
resultados
Coeficiente
de realismo
A1 Lançamento de um produto novo -600.000 400.000 1.100.000 1.100.000 -600.000 250.000
A2 Campanha de publicidade -50.000 100.000 300.000 300.000 -50.000 125.000
A3 Promoção de vendas -400.000 200.000 700.000 700.000 -400.000 150.000
A4 Baixa de preços -100.000 300.000 800.000 800.000 -100.000 350.000
Cenários = Resultados esperados
Estados da Natureza
Estratégias da empresa
-800.000
-600.000
-400.000
-200.000
0
200.000
400.000
600.000
800.000
1.000.000
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1
A1
A2
A3
A4
Caso Gremillet
Critério de Hurwicz
Decisão de baixar os preços A4
Critério Minimax ou Savage: decisão de baixar os preços
C1 Reação
forte da
concorrência
C2 Reação
média da
concorrência
C3 Reação
fraca da
concorrência
A1 Lançamento de um produto novo -600.000 400.000 1.100.000
A2 Campanha de publicidade -50.000 100.000 300.000
A3 Promoção de vendas -400.000 200.000 700.000
A4 Baixa de preços -100.000 300.000 800.000
Melhores resultados -50.000 400.000 1.100.000
Estratégias da empresaArrependimento
Máximo
A1 Lançamento de um produto novo 550.000 0 0 550.000
A2 Campanha de publicidade 0 300.000 800.000 800.000
A3 Promoção de vendas 350.000 200.000 400.000 400.000
A4 Baixa de preços 50.000 100.000 300.000 300.000
Cenários = Resultados esperados
Estados da Natureza
Estratégias da empresa
Tabela de Arrependimentos
Caso Gremillet
Critério Decisão
Maximax A1 Lançamento de um produto novo
Laplace-Bayes A4 Baixa de preços
Wald A2 Campanha de publicidade
Savage A4 Baixa de preços
Hurwicz (alfa=0,5) A4 Baixa de preços
Caso Gremillet
Há tantas estratégias ótimas quanto são os critérios de base.
Em certos casos esta diversidade é perfeitamente justificável, pois reflete diferentes
atitudes gerenciais frente ao risco.
Entretanto, em algumas situações, essa diversidade é menos justificável, por exemplo,
os critérios Wald e Savage, ambos repousando sobre uma mesma atitude de prudência,
preconizam estratégias diferentes.
Qual o melhor critério? Nenhum critério trabalha bem em todas as situações e cada um
tem o seu ponto fraco.
O grande valor desses critérios está no fato de que procuram tornar objetivo um
processo de tomada de decisão por natureza subjetivo, em face das incertezas que
caracterizam os eventos.
Em situações extremas, com poucos dados e informações, o melhor é integrar à
tomada de decisão o conhecimento que se tem do problema mediante o uso de
probabilidades subjetivas, mesmo que “heróica”.
Critérios para decisão sob incerteza
Valor monetário esperado (VME)
Perda de oportunidade esperada (POE)
Valor Esperado da Informação Perfeita (VEIP)
Caso Masters & Doctors
Masters & Doctors é uma auditoria independente e consultoria empresarial que decide
contratar um novo gerente de projetos (decisão de baixo grau de estruturação e de nível
estratégico gerencial).
Passo 1: Problema: contratação de um novo profissional para a empresa
Passo 2: Possíveis alternativas de ação:
1) Contratar um gerente para projetos de auditoria
2) Contratar um gerente para projetos de consultoria
Passo 3: Dois estados da natureza:
1) A demanda por serviços de auditoria e consultoria é alta (probabilidade de 80%)
2) A demanda por serviços de auditoria e consultoria é baixa (probabilidade de 20%)
Passo 4: Matriz com o valor presente dos retornos (payoffs) de cada alternativa
Contratar gerente de auditoria
Contratar gerente de consultoria
Estados da natureza
Mercado alta demanda Mercado baixa demanda Alternativas de decisão
240.000
360.000
5.000
-50.000
Passos 5 e 6: Seleção de aplicação de um critério ou método probabilístico para
decisão sob incerteza:
• Valor monetário esperado
• Perda de oportunidade esperada
• Valor Esperado da Informação Perfeita (VEIP)
Caso Masters & Doctors
O VME de uma alternativa é a média dos valores de seus diversos resultados,
ponderada pelas probabilidades de ocorrência dos eventos.
O VME de uma alternativa Indica a média dos resultados que seria encontrada se o
mesmo problema de decisão fosse repetido várias vezes e a alternativa fosse sempre
escolhida.
Alternativa contratar gerente de auditoria
VME = 0,8 x 240.000 + 0,2 x 5.000 = 193.000
Alternativa contratar gerente de consultoria
VME = 0,8 x 360.000 + 0,2 x (-50.000) = 278.000
Valor Monetário Esperado (VME)
Contratar gerente de auditoria
Contratar gerente de consultoria
Estados da natureza
Mercado alta demanda Mercado baixa demanda
Alternativas de decisão
240.000
360.000
5.000
-50.000
VME
193.000
278.000
Maior VME O decisor deve escolher a alternativa com maior VME.
Decisão: contratar gerente de consultoria
A perda de cada alternativa, em um estado da natureza, é a diferença entre o melhor
resultado e o resultado da alternativa.
A POE corresponde ao montante esperado de perda por não ter decidido pela melhor
alternativa.
O primeiro passo para a calcular a POE consiste em estabelecer a tabela de perdas de
oportunidade de cada alternativa de decisão.
Tabela de Perdas
de oportunidade
Contratar gerente de auditoria
Contratar gerente de consultoria
Estados da natureza
Mercado alta demanda Mercado baixa demanda
Alternativas de decisão
360.000 – 240.000 =
120.000 5.000 – 5.000 = 0
360.000 – 360.000 = 0 5.000 – (-50.000) =
55.000
Perda de Oportunidade Esperada (POE)
Contratar gerente de auditoria
Contratar gerente de consultoria
Estados da natureza
Mercado alta demanda Mercado baixa demanda Alternativas de decisão
240.000
360.000
5.000
-50.000
Matriz de payoff
O passo seguinte consiste em calcular a POE de cada alternativa considerando as
probabilidade atribuídas aos cenários:
80% para o cenário de alta demanda
20% para o cenário de baixa demanda
Tabela de Perdas de oportunidade
Contratar gerente de auditoria
Contratar gerente de consultoria
Estados da natureza
Mercado alta demanda Mercado baixa demanda
Alternativas de decisão
360.000 – 240.000 =
120.000 5.000 – 5.000 = 0
360.000 – 360.000 = 0 5.000 – (-50.000) =
55.000
Alternativa contratar gerente de auditoria: POE = 0,8 x 120.000 + 0,2 x 0 = 96.000
Alternativa contratar gerente de consultoria: POE = 0,8 x 0 + 0,2 x (55.000) = 11.000
POE
96.000
11.000
Menor POE
Perda de Oportunidade Esperada (POE)
O decisor deve escolher a alternativa com a menor POE.
Decisão: contratar gerente de consultoria
Valor Esperado da Informação Perfeita (VEIP)
“Conhecemos” apenas as probabilidades de ocorrência de cada estado da natureza.
Porém, as probabilidades não dizem qual estado da natureza irá ocorrer.
Para um decisor, a situação ideal seria aquela em que ele estaria diante de uma
informação perfeita e sabe exatamente o estado da natureza no futuro (clarividência).
Esta informação perfeita transforma o ambiente de risco em um ambiente de certeza,
onde o decisor escolhe a alternativa que lhe proporciona o melhor resultado.
No entanto, o decisor não tem a informação perfeita, mas conhece apenas as
probabilidades de ocorrência dos diversos cenários.
O Valor Esperado Com Informação Perfeita (VECIP) é a soma dos melhores resultados
dos diversos estados da natureza, ponderados pelas respectivas probabilidades de
ocorrência.
Qual o benefício da introdução de uma informação perfeita (VEIP) que assegure, com
certeza, que um cenário ocorrerá ?
VEIP = VECIP – máximo VME
Valor Esperado da Informação Perfeita (VEIP)
Contratar gerente de auditoria
Contratar gerente de consultoria
Estados da natureza
Mercado alta demanda Mercado baixa demanda
Alternativas de decisão
240.000
360.000
5.000
-50.000
VME
193.000
278.000
Valor Monetário Esperado das alternativas:
VME contratar gerente de auditoria = 0,8 x 240.000 + 0,2 x 5.000 = 193.000
VME contratar gerente de consultoria = 0,8 x 360.000 + 0,2 x (-50.000) = 278.000
Valor Esperado Com Informação Perfeita (VECIP):
VECIP = 360.00 x 0,8 + 5.000 x 0,2 = 289.000
Valor Esperado da Informação Perfeita (VEIP)
VEIP = VECIP – VME = 289.000 – 278.000 = 11.000
O decisor pode despender no máximo $11.000 para obter uma informação perfeita que
altere o status de seu ambiente de decisão de risco para certeza. Acima deste valor a
informação perfeita não compensaria o custo de obtê-la.
Maior VME, logo
decisão contratar
gerente de
consultoria
Valor Esperado da Informação Perfeita (VEIP)
Em qualquer situação o VEIP é igual a POE, neste exemplo, $11.000.
No Valor Esperado Com Informação Perfeita (VECIP) não há perda de oportunidade,
pois consideram-se os melhores resultados de cada cenário.
Porém se deste valor for deduzido o máximo VME encontra-se a mínima perda de
oportunidade esperada (POE).
A direção da empresa Sigma vem discutindo a possibilidade de introdução, no
mercado, de um novo produto: os sistemas e equipamentos da primeira
“residência inteligente” do país.
A decisão leva em conta os resultados que se podem esperar do
empreendimento nos próximos cinco anos.
A variáveis de decisão envolvidas (nº de unidades a serem produzidas,
investimentos, estratégia de marketing, condições de distribuição e de pós-
venda) foram incorporadas na variável “escala pretendida para o lançamento”.
Foram consideradas as alternativas de decisão: escala nacional e escala
local.
As variáveis de estado relacionadas à decisão (preço de mercado dos
componentes, demanda pelo produto, reação dos concorrentes, ou condições
macroeconômicas futuras) foram resumidas na variável “condições do
mercado”. Foi considerado que o mercado pode ser favorável (alta
demanda) com probabilidade de ocorrência de 60% ou desfavorável com
probabilidade de ocorrência de 40%. (dois estados da natureza)
Caso Sigma (CORRAR et al., p. 324)
Probabilidades atribuídas aos estados da natureza
Caso Sigma
baixa alta
probabilidades 0,4 0,6
Alternativas
estratégia 1: lançar em escala local 4 15
estratégia 2: lançar em escala nacional -20 50
estratégia 3: não lançar 0 0
demanda do mercado
Matriz de Payoff
baixa alta
probabilidades 0,4 0,6
Alternativas
estratégia 1: lançar em escala local 4 15 10,6
estratégia 2: lançar em escala nacional -20 50 22 = máximo
estratégia 3: não lançar 0 0 0
demanda do mercado
VME
Critério do Valor Monetário Esperado (VME)
Caso Sigma
Estratégia 1 => VME = 4 x 0,4 + 15 x 0,6 = 10,6
Estratégia 2 => VME = -20 x 0,4 + 50 x 0,6 = 22
Estratégia 3 => VME = 0 x 0,4 + 0 x 0,6 = 0
Estratégia 2 é alternativa escolhida, pois apresenta o maior VME
Critério Perda de Oportunidade Esperada (POE)
Caso Sigma
Melhor resultado 4 50
perdas baixa alta POE
estratégia 1: lançar em escala local 0 35 21
estratégia 2: lançar em escala nacional 24 0 9,6 = mínimo
estratégia 3: não lançar 4 50 31,6
baixa alta
probabilidades 0,4 0,6
Alternativas
estratégia 1: lançar em escala local 4 15
estratégia 2: lançar em escala nacional -20 50
estratégia 3: não lançar 0 0
demanda do mercado
Estratégia 1 => POE = 0 x 0,4 + 35 x 0,6 = 21
Estratégia 2 => POE = 24 x 0,4 + 0 x 0,6 = 9,6
Estratégia 3 => POE = 4 x 0,4 + 50 x 0,6 = 31,6
Estratégia 2 é alternativa escolhida, pois apresenta a menor POE
Problema do jornaleiro (WANKE, 2010)
Um jornaleiro, dono de uma banca de jornal no centro
do Rio, tem que decidir quantos exemplares da revista
Time devem ser comprados de seu distribudor
importador a cada semana.
Como a demanda é incerta, se o jornaleiro comprar
muitos exemplares, ao final de cada semana pode haver
um excesso de revistas não vendidas sem valor residual
algum.
Por outro lado, se o jornaleiro comprar poucos
exemplares, pode haver deterioração da qualidade do
serviço pelo fato de parte da demanda não ser atendida.
Problema do jornaleiro
Com base nos dados de venda das últimas 100
semanas, a distribuição de frequências do número de
exemplares vendidos por semana é dada a seguir:
0
5
10
15
20
25
1 2 3 4 5 6 7 8
Fre
qu
enci
a
TNúmero de exemplares vendidos por semana
distribuição do número de
exeemplares vendidos por semana
Problema do jornaleiro
Sabendo que o custo de aquisição de cada exemplar da
revista junto ao importador é de R$ 8,00 e o preço de
venda na banca é de R$ 12,00, determine a quantidade
Q de exemplares que deve ser comprada
semanalmente de modo a maximizar o lucro esperado
dessa operação.
Problema do jornaleiro
Tabela de payoff do lucro
Valor em cada célula da tabela de payoff
12xMínimo(V,Q) - 8xQ
Receita das vendas Custo da compra
O lucro esperado é máximo na compra de Q=4
exemplares. Decisão compra 4 exemplares.
Referências bibliográficas
ANDRADE, E.L. Introdução à pesquisa operacional: métodos e modelos para
análise de decisões, 3ª edição, LTC, Rio de Janeiro, 2004.
CORRAR, L.J.; THEÓPHILO, C.R. Pesquisa Operacional: para decisão em
contabilidade e administração, Editora Atlas, São Paulo, 2007.
GALESNE, A.; FENSTERSEIFER, J.E.; LAMB, R. Decisões de investimento da
empresa, Editora Atlas, São Paulo, 1999.
MOREIRA, D.A. Administração da produção e operações, Pioneira Thomson
Learning, São Paulo, 2004.
WANKE, P. Gerência de operações: Uma abordagem logística, Editoras Atlas,
São Paulo, 2010.