Professional Documents
Culture Documents
KONU 6
Değişik olası durumlar altında oluşabilecek farklı ödeme değerlerinin yer aldığı
çizelgeye “Ödeme Tablosu” denilmektedir.
Söz konusu tablodan yola çıkılarak karar verme aşamasındaki yöneticiye önemli
bilgiler sunulabilmektedir.
Olası Durumlar
Karar A b
1 Ödeme 1a Ödeme 1b
2 Ödeme 2a Ödeme 2b
1
Olasılık Değerleri Olmadan Karar Verme
Olası Durumlar
Karar Güçlü Ekonomik Zayıf Ekonomik
(S t Alma)
(Satın Al ) Koşullar Koşullar
Apartman inşası 50000 30000
Ofis inşası 100000 – 40000
Depo inşası 30000 10000
Maximax Kriteri
Ödeme değerlerinin maksimumu bulunun ve bunlar
arasından maksimum değer seçilir.
(Minimum maliyetli değerlerin en küçüğü)
Ödeme Tablosu
Olası Durumlar
Karar Güçlü Ekonomik Zayıf Ekonomik
(Satın Alma) Koşullar Koşullar
Apartman inşası 50000 30000
Ofis inşası
ş 100000 – 40000
Depo inşası 30000 10000
2
Maximin Kriteri
Ödeme Tablosu
Olası Durumlar
Karar Güçlü Ekonomik Zayıf Ekonomik
(Satın Alma) Koşullar Koşullar
Apartman inşası 50000 30000
Ofis inşası
ş 100000 – 40000
Depo inşası 30000 10000
Pişmanlık Matrisi
Olası Durumlar
Karar Güçlü Ekonomik Zayıf Ekonomik
(Satın Alma) Koşullar Koşullar
Apartman inşası 50000 0
Ofis inşası 0 70000
Depo inşası 70000 20000
3
Hurwicz Kriteri
İyimserlik katsayısı :
Kötümserlik Katsayısı : 1 –
Olası Durumlar
Karar Güçlü Ekonomik Zayıf Ekonomik
(S t Alma)
(Satın Al ) Koşullar Koşullar
Apartman inşası 50000 30000
Ofis inşası 100000 – 40000
Depo inşası 30000 10000
Hurwicz Kriteri
En iyi sonuç
Karar Değerler
4
Eşit Olasılık Kriteri
Eşit olasılık kriterine göre karar verilirken; olası durumlar altında yer alan
her ödeme değeri eşit olasılık katsayısı ile çarpılır ve elde edilen sonucun
en yüksek
ük k olanı
l t ih edilir.
tercih dili
En iyi değer
Karar Değer
5
Olasılıklar Altında Karar Verme
Olası Durumlar
Karar
K Güçlü
Gü lü Ek
Ekonomikik Zayıff Ek
Z Ekonomik
ik
(Satın Alma) Koşullar (p=0,6) Koşular (p=0,4)
Apartman inşası 50000 30000 EVPI
Ofis inşası 100000 EVPI – 40000
Depo inşası 30000 10000
EV ((mükemmel
ük l bil
bilgii var)) : 100
100.000.(0,6)
000 (0 6) + 30
30.000.(0,4)
000 (0 4) = 72
72.000
000 $
EV (mükemmel bilgi yok) : 100.000.(0,6) + (-40.000.(0,4)) = 44.000 $
EVPI : EV (mükemmel bilgi varsa) – EV (mükemmel bilgi yoksa)
EVPI : 72.000 – 44.000 = 28.000 $
En iyi kararda; “EVPI” değeri ile “EOL” değeri birbirine eşit olacaktır.
12 Y. Doç. Fazıl GÖKGÖZ
6
Karar Ağacı
Düğü l
Düğümlere ili ki hesaplanan
ilişkin h l b kl
beklenen d ğ l şekile
değerler kil işlenir.
i l i
Depo
0.60 $ 30,000
4
0.40
$ 22,000
$ 10,000
7
Sıralı Yapıda Bir Karar Ağacı
Örnek - 2
Nüfus artışı 2.000.000 $
0.60 (10 yıl sonra)
Apartman
2
İnşası 0.40
225.000 $
(-800.000$) Nüfus stabil
Nüfus artışı 3.000.000 $
Apartman inşası 0.80
1 (-800.000$) 6
Nüfus artışı
(3 yıl ödeme yok) 0.20
Nüfus stabil 700.000 $
0.60 4
Arazi alımı Arazi satışı 450.000 $
( 200 000$)
(-200.000$) 3
Nüfus artışı
Nüfus stabil Ticari yatırım 0.30 2.300.000 $
(3 yıl ödeme yok) (-600.000$) 7
0.40
Karar verdiklerimiz kare Nüfus stabil
şeklinde, olasılıklar ise daire
5 0.70 1.000.000 $
şeklinde ifade edilmiştir. 210.000 $
Arazi satışı
15 Y. Doç. Fazıl GÖKGÖZ
8
Sıralı Yapıda Bir Karar Ağacı (Beklenen Değerler)
Örnek - 2
9
Sıralı Yapıda Bir Karar Ağacı (Beklenen Değerler)
Örnek - 2
EV (düğüm 2)
2)= 0.6x(2.000.000$)
0 6x(2 000 000$) + 0.4x(225.000
0 4x(225 000 $)
$)=1
1.290.000
290 000 $
EV (düğüm 3)= 0.4(1.7400.000$) + 0.6x(790.000 $)=1.360.000 $
Buradan hareketle ilk düğüm olan 1 nci aşama için beklenen değer
hesabına geçilir.
10
Karar Ağacı Analizinde
“Bayesian” Yaklaşımı
Konuya teorik olarak bakabilmek için Bayesian kuramının
temelini anlamak gerekir. Bayesian olasılık kuramı
matematiksel istatistik kuramının bir dalı olarak ifade edilir.
edilir
Bu kuram belirsizlik taşıyan herhangi bir durumun modelini
oluşturmak, bu durumla ilgili gerçekçi gözlemleri kullanarak
sonuçlar üretmek amacıyla kullanılmaktadır.
Olasılık kuramında en önemli kavramlardan biri “koşullu
olasılık” tır.
olasılık
Bu tahminleri koşullu olasılık değerlerine bağlı olarak
gerçekleştirmektedir (Koşullu olasılık: belirli bir olayın, başka
bir olaya bağlı olarak gerçekleşmesine ilişki olasılık
değeridir).
21 Y. Doç. Fazıl GÖKGÖZ
11
Karar Ağacı Analizinde
“Bayesian” Yaklaşımı
Eşitliğin yeniden düzenlenmesi ile “Bayes Kuramı” elde
edilir.
P(A|B) = P (B/A) P(A) / P(B)
Burada:
A : Belirsizlik Taşıyan Önerme
B : Kanıt
P(A|B) : A’nın B kanıtından sonraki olasılığı (Posteriror)
P(A)
( ) : A’nın B kanıtından önceki olasılığı
ğ ((Prior))
P(B|A) : B kanıtının A olayının gerçekleşmesi için oluşma
olasılığı (Likelihood)
12
Karar Ağacı Analizinde
“Bayesian” Yaklaşımı
13
Karar Ağacı Analizinde
“Bayesian” Yaklaşımı
g : iyi ekonomi
P : kötü ekonomi
P : olumlu ekonomik rapor
N : olumsuz ekonomik rapor
27 Y. Doç. Fazıl GÖKGÖZ
14
Karar Ağacı Analizinde
“Bayesian” Yaklaşımı
Önsel (prior) olasılıklarımız;
P (g) : 0.60 ((rapor
p mevcut değilken
ğ ekonominin iyi
y olma olasılığı)
ğ)
P (p) : 0.40 (rapor mevcut değilken ekonominin kötü olma olasılığı)
P(g/P) = P(P/g).P(g) ..
P(g/P) =
P(P/g).P(g) + P(P/p).P(p)
15
Gayrimenkul Probleminin “Bayesian” Çözümü
P(g/P) = 0.923 50,000 $
Apartman
4 30,000 $
P(p/P) = 0.077
1 6
P(p/P) = 0.077 10,000 $
16
Karar Ağacı Analizinde
“Bayesian” Yaklaşımı
Son olarak, raporun olumlu P(P) veya olumsuz olma P(N) olasılıkları
aşağıdaki mantık çerçevesinde hesaplanabilir.
İki bağımlı olay A ve B’nin ikisininde olma olasılığı;
P(AB) = P(A/B).P(B)
ise, buradan hareketle olumlu ve olumsuz rapor olasılıkları
aşağıdaki şekilde ifade edilebilir.
P(P) = P(Pg) + P (Pp)
P(P) = P(P/g).P(g)
P(P/ ) P( ) + P(P/p).P(p)
P(P/ ) P( )
P(P) = (0.8).(0.6) + (0.1).(0.4) = = 0.52
P(N) = P(N/g).P(g) + P(N/p).P(p)
P(N) = (0.2).(0.6) + (0.9).(0.4) = 0.48
33 Y. Doç. Fazıl GÖKGÖZ
17
Gayrimenkul Probleminin “Bayesian” Çözümü
48,460 $ P(g/P) = 0.923 50,000 $
Apartman
4 30,000 $
89,220 $ P(p/P) = 0.077
2 89,220
, $ P(g/P) = 0.923 100,000 $
Ofis
5 - 40,000 $
Olumlu Depo P(p/P) = 0.077
Rapor P(P) = 0.52
28,460 $ P(g/P) = 0.923 30,000 $
1 63,194 $ 6
P(p/P) = 0.077 10,000 $
Ödev – 6
(Teslim Tarihi: 10.5.2006) – Birinci Bölüm
18
Ödev – 6
(Teslim Tarihi: 10.5.2006) – İkinci Bölüm
Aşağıdaki aşamalı karar ağacını dikkate alarak optimal yatırımı (A veya B) gerekli
hesaplamalar ile değerlendirmeleri yaparak ve şekilleri çizerek belirleyiniz.
0,4 300,000 $
((-20,000
, $) 7
0,6 60,000 $
4 45,000 $
0,3
2 0,7
A Yatırımı 75,000 $
(-70,000 $)
0,2 200,000 $
(-17,000 $) 8
0,8 70,000 $
1 5 60,000 $
0,35 105,000 $
80,000 $
37 Y. Doç. Fazıl GÖKGÖZ
19
Oyun Teorisi – Giriş
20
Oyun Teorisi – Sıfır Toplamlı Oyun
A1 40 (+) 34 30 (x) 33
A2 38 35 (+)(x) 36 37
(x) : Maximin strateji ; A, sıra değerlerinin minimumunu alıp içinden maksimumunu seçer
(+) : Minimax strateji ; B, sütun değerlerinin maksimumunu alıp içinden minimumu seçer
41 Y. Doç. Fazıl GÖKGÖZ
21
Oyun Teorisi – Sıfır Toplamlı Oyun
(Minimax Strateji)
Tam tersinden yapılacak bir analizle,
B oyuncusu (Minimax Strateji);
a) 1. stratejiyi oynadığında, A’nın en yüksek değere
sahip 1. stratejiyi (40$),
b) 2. stratejiyi oynadığında, A’nın da 2. stratejiyi (35$),
c) 3. stratejiyi oynadığında ise; A’nın 3. stratejiyi (37$),
d) 4. stratejiyi oynadığında ise; A’nın yine 3. stratejiyi
(38$) oynayacağını
varsaymaktadır.
22
Oyun Teorisi – Baskın Stratejiler
A1 42 34 30 33
A2 28 35 36 37
A3 28 33 35 30
Sıfır toplamlı iki kişilik oyunlarda denge noktası bulunmadığında, oyuncular ayrıca bir
satır veya sütundaki değerleri diğer satır veya sütun değerleriyle karşılaştırır.
Satırdaki değerler A oyuncusunun stratejileridir; sıradaki değerler diğer sıradaki
değerlerden büyük veya eşit olduğunda büyük/eşit olan sıra baskın strateji olarak
benimsenecektir (Her Ai için B3; B4
B4’e
e tercih edilir).
edilir)
Bu mantık içerisinde hiçbir zaman benimsenmeyecek olan stratejiler ise, zayıf
stratejiler olup, oyun matrisi dışında tutulur. Benzer bir yaklaşımla ancak tam
tersinden hareketle, sütunlardaki zayıf stratejiler çıkarılarak daha az elemanlı olan
sadeleştirilmiş bir oyun matrisi elde edilir (Her Bi için A2; A3’e tercih edilir).
Sonuçta, baskınlık kurulan stratejiler (domine edilen) oyun dışına çıkarılarak oyun
matrisinin basitleştirilmesi sağlanır.
46 Y. Doç. Fazıl GÖKGÖZ
23
Oyun Teorisi – Denge Durumu’nun Yokluğu
24
Oyun Teorisi – Karma Stratejiler
A’nın karma Maximin stratejisi V’yi minimum değerlerin
maksimumu olacak şekilde seçer.
B’nin karma Minimax stratejisi ise; A’nın beklenen değerinin
V’yi geçmesini engelleyecektir. Buradan hareketle, iki tarafın
da dengeye geldiği nokta oyunun değeri “V” olmaktadır.
Karma stratejide A’nın seçenekleri A1,... Am
ΣXi =1
X1,... Xm olasılıklarında “m” sonuçlu olasılık sürecinde “i” sonucu
Ai seçilir.
ili
A’nın karma stratejisi; Ai için Xi=p(Ai) olasılıkla seçildiği
(X1,...Xm) olasılık setinden oluşur. Karma stratejide en az iki
olasılık sıfırdan büyük olmaktadır. Ancak, “Arı strateji”de bir
olasılık 1’e eşittir, diğerleri hep sıfırdır.
49 Y. Doç. Fazıl GÖKGÖZ
50
büyüktür.
Y. Doç. Fazıl GÖKGÖZ
25
Oyun Teorisi – Karma Stratejiler
Her oyuncu için kendi emniyet düzeyini en iyi seviyeye getiren karma
stratejiyi benimsemelidir.
B, 1. stratejiyi seçtiğinde A’nın beklenen kazancı; 5 X1 + 20 X2
26