Risk Ve Belirsizlik Altinda Karar Alma

Risk ve Belirsizlik
Altında Karar Verme

1. Karar Analizleri
2. Karar Ağaçları
3 O
3. Oyun Teorisi
T i i
KONU 6
Karar Verme Aşamasındaki Bileşenler
Gelecekte gerçekleşmesi mümkün olan olaylar “Olası Durumlar” şeklinde ifade

edilebilir.
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
2 Y. Doç. Fazıl GÖKGÖZ
1
Olasılık Değerleri Olmadan Karar Verme
Kullanılan Temel Yöntemler

Maximax Maximin
Mi i
Minimax regrett H
Hurwicz
i
Eşdeğer İhtimal
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
(Satın Alma) Koşullar Koşullar
Ofis inşası
ş 100000 – 40000
Maksimum ödeme değeri seçilir
2
Maximin Kriteri
Minimum ödeme değerlerinin maksimum olanı seçilir.
Ödeme Tablosu
Olası Durumlar
Ofis inşası
ş 100000 – 40000
Maksimum ödeme değeri seçilir
Minimax Pişmanlık Kriteri

Minimum ödeme değerlerinin maksimum değerli olanı seçilir.
Güçlü Ekonomik Koşullar Zayıf Ekonomik Koşular
100000 – 50000 = 50000 30000 – 30000 = 0
100000 – 100000 = 0 30000 – (- 40000) = 70000
100000 – 30000 = 70000 30000 – 10000 = 20000
Pişmanlık Matrisi
Olası Durumlar
Ofis inşası 0 70000
Minimum pişmanlık değeri seçilir
3
Hurwicz Kriteri
İyimserlik katsayısı : 
Kötümserlik Katsayısı : 1 – 
(kötümser) 0 <  < 1 (iyimser)
Olası Durumlar
(S t Alma)
(Satın Al ) Koşullar Koşullar
Ofis inşası 100000 – 40000
Hurwicz Kriteri
En iyi sonuç
Karar Değerler
Apartman inşası 50000 (0.4) + 30000 (0.6) = 38000

Ofis inşası 100000 (0.4) – 40000 (0.6) = 16000
Depo inşası 30000 (0.4) +10000 (0.6) = 18000
Hurwics kriterine göre karar verilirken; en iyi koşullardaki ödeme

ğ l i  ile
değerleri
d il çarpılırken,
l k geriye
i kalan
k l değerler
d ğ l isei kötümserlik
kötü lik katsayısı
k t
ile çarpılır. Sonuç olarak, tüm karar alternatiflerine göre en iyi değer
seçilir.
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
Apartman inşası 50000 (0.5) + 30000 (0.5) = 40000

Ofis inşası 100000 (0.5) – 40000 (0.5) = 30000
Depo inşası 30000 (0.5)
(0 5) + 10000 (0
(0.5)
5) = 20000
Olasılıklar Altında Karar Verme
Beklenen Değer (EV): her karar ilişkin ödeme değeri, olası

duruma ilişkin
ş olasılık ile ççarpılarak
p tespit
p edilir.
E(x) : Σi=1n Xi.P(xi),

En iyi sonuç
N: “x” rassal değişkeninin aldığı değerlerin sayısı
EV (apartman) : 50.000.(0,6) + 30.000.(0,4) = 42.000 $
EV (Ofis) : 100.000.(0,6) + (-40.000.(0,4)) = 44.000 $
EV (depo) : 30.000.(0,6) + 10.000.(0,4) = 22.000 $
En iyi karar beklenen değeri en yüksek olan seçenektir.
5
Beklenen Fırsat Kaybı (EOL); her karara ilişkin beklenen

pismanlık değeridir.
En iyi
EOL (apartman) : 50.000.(0,6) + 0.000.(0,4) = 30.000 $ sonuç
EOL (Ofis) : 0.000.(0,6) + (70.000.(0,4)) = 28.000 $

EOL (depo) : 70.000.(0,6) + 20.000.(0,4) = 50.000 $
En iyi karar; beklenen fırsat kaybı değeri en düşük olan

seçeneğin stercihidir.
“EV” ve “EOL” kriterlerine göre bulunan sonuçlar aslında

aynı unusuru işaret etmektedir.

Mükemmel Bilgilendirmenin Beklenen Değeri (EVPI); Karar vericinin
ilave bilgiye ödeyebileceği maksimum değerdir.
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
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.
6
Karar Ağacı
Karar Ağacı: Karar alternatiflerinin düğümler halinde ve kendilerine ait

olasılık değerleri belirtilerek ifade edildiği bir şekildir.
Düğü l
Düğümlere ili ki hesaplanan
ilişkin h l b kl
beklenen d ğ l şekile
değerler kil işlenir.
i l i
Karar ağacında olaylar sırasıyla ele alınmaktadır.
Karar ağacı kollarındaki en iyi seçeneğin düğüm bazında

belirlenebilmesi için olasılık değerleri kullanılarak hesaplanan “Beklenen
Değerler”
ğ arasında karşılaştırma
ş ş yyapılmalıdır.
p
EV (Düğüm 2) : 50.000.(0,6) + 30.000.(0,4) = 41.000 $

EV (Düğüm 3) : 100.000.(0,6) + (-40.000.(0,4)) = 44.000 $
EV (Düğüm 4) : 30.000.(0,6) + 10.000.(0,4) = 22.000 $
Sıralı Yapıda Bir Karar Ağacı

Örnek - 1
Güçlü Ekonomik
$ 42,000 Koşullar
$ 50,000
Apartman 0.60
İnşası 2
0.40
$ 30,000
Zayıf Ekonomik
$ 44,000 Koşullar
$ 100,000
1 3
Ofis $ -40,000
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$) Nüfus stabil
Apartman inşası 0.80
1 (-800.000$) 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
Sıralı Yapıda Bir Karar Ağacı (Beklenen Değerler)

Örnek - 2
Sıralı karar ağacı analizi yapabilmek için ağacın en son

unsurundan en başa doğru bir değerlendirme yapılmaktadır.
Bu kapsamda; beklenen değerler, incelenen karar aşamasındaki
olasılık değerleri ile işlemin sonucunda ulaşılacak olan ödeme
değerleri ile ağırlıklandırılarak toplanır.
Diğer bir ifadeyle, olasılık değerleri bizim ağırlık oranlarımız
olacaktır.
EV (düğüm 6)= 0.8x(3.000.000$)

0 8x(3 000 000$) + 0.2x(700.000
0 2x(700 000 $)=2.540.000
$)=2 540 000 $
EV (düğüm 7)= 0.3x(2.300.000$) + 0.7x(1.000.000 $)=1.390.000 $
Beklenen değer rakamları düğümlerin üzerinde yazılmaktadır.

8
Örnek - 2
Ancak, düğüm 4 ve 5’te durum biraz farklıdır. Bu aşamalarda

olasılıksal bir durum mevcut değildir (nüfusun artması veya
stabil olması),
olması) yani beklenen değer hesabımızı düğümde söz
konusu olan alternatiflere göre yapmamız gerekmektedir.
Örneğin; 4 nolu düğümün beklenen değeri için; EV (6) değeri

olan 2.540.000 $’dan apartman inşasının masrafları düşülür
ve geriye kalan 1.740.000 $ artık EV (4) olmaktadır.
4 ncü düğüm için diğer bir beklenen değer olan arsanın

satışından doğabilecek olan 450.000 $’lık bedeldir.

Örnek - 2
Ancak rasyonel karar alabilmemiz için mevcut alternatifler

arasında beklenen değeri yüksek olan seçenek seçilmelidir.
Buradan hareketle,
hareketle 4 ncü düğümün EV (4) değeri 1.740.000
1 740 000
$ olacaktır.
Diğer yandan, 5 nolu düğümün beklenen değeri için; EV (7)
değeri olan 1.390.000 $’dan ticari masrafları düşülür ve
geriye kalan 790.000 $ artık EV (5) olmaktadır.
Benzer şekilde, 5 nci düğüm için diğer bir beklenen değer

olan arsanın satışından doğabilecek olan 210.000 $’lık
bedeldir. Ancak yine rasyonelite gereği 5 nci düğümün EV (5)
değeri 1.390.000 $ olarak seçilmelidir.
9
Örnek - 2
Son olarak, 2 ve 3 nolu düğümlerin beklenen değerleri hesaplanır.
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.
Maliyetlerden arındırılmış olarak en yüksek beklenen değere sahip

olan seçenek tercih edilmelidir.
edilmelidir
Apartman inşası : 1.290.000 $ - 800.000 $ = 490.000 $

Arsa alımı : 1.360.000 $ - 200.000 $ = 1.160.000 $
En yüksek beklenen net ödeme değerine sahip seçenek arsadır.


Örnek - 2
1.290.000 $ Nüfus artışı 2.000.000 $

0.60 (10 yıl sonra)
Apartman
2
İnşası 0.40
225.000 $ Nüfus artışı
(-800.000$) Nüfus stabil 3.000.000 $
1.160.000 $ Apartman inşası
2.540.000
0.80
$
(-800.000$)
1 6
(3 yıl ödeme yok) 0.20
Nüfus stabil
0.60 4 700.000 $
Arazi alımı
1.360.000 $ Arazi satışı 450.000 $
((-200.000$)
200.000$)
3
1.390.000 $
Nüfus stabil Ticari yatırım Nüfus artışı 2.300.000 $
(3 yıl ödeme yok) (-600.000$) 7
0.40 0.30
5 Nüfus stabil 0.70
790.000 $ 1.000.000 $
Arazi satışı 210.000 $
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).

P (X=x| Y=y)=r koşullu olasılığının ifadesi şöyledir: “Y=y” nin
doğru olması durumunda “X=x” olma olasılığı “r”dir.
X ve Y’nin alabileceği değerlerin kombinasyonları için koşullu

olasılıkları belirleyen tabloya koşullu olasılık dağılımı denilir.
Bu durum, p(X|Y) şeklinde ifade edilmekle birlikte, koşullu

olasılık “çarpım kuralını” belirlemede önem arzeder.
Çarpim kuralı iki olayın birden oluşma olasılığını tanımlar ve p

(A ∩ B) ile ifade edilir.
Bu durumda p (A ∩ B)= p (A|B).p(B)= p(B|A).p(A) olur.

11
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)
Ayrıca 1/ P(B), normalizasyon etmeni olup hesaba

katilmayabilmektedir.

Bayesian istatistikte sık kullanılan terimleri özetlersek;
a) Önsel olasılık veya dağılım (prior): Herhangi bir gözlem
yapmadan önce modelin gerçek olma olasılığıdır. Bu
amaçla objektif veriler de subjektif görüşler de kullanılabilir.
b) Sonsal olasılık veya dağılım (posterior): Gözlemler

dikkate alındığında modelin gerçek olma olasılığı olabilirlik
((likelihood)
e ood) bebelli b
bir modeldeki
ode de verilerin
e e koşullu
oşu u o olasılık
as
durumudur. Buna bayes faktörü adı da verilmektedir.
Sonuç olarak, Bayesian ve klasik istatistik kuramları
arasındaki en önemli fark olasılıkların değerlendirilmesinde
yatmaktadir.
12
Daha önceki yansılarımızda, mükemmel bilgilendirmenin

beklenen değeri kavramı üzerinde durulmuştur.
durulmuştur
Mükemmel bilginin varlığı söz konusu olduğunda; karar vericinin
daha iyi kararlar verebileceği ifade edilebilir.
Ancak, geleceğe yönelik olarak mükemmel bilginin varlığı nadiren
gözlemlenen bir unsur olduğundan, kararlarımızı almada
rasyoneliteyi arttıracak olan ilave bilgilere ihtiyaç duyulmaktadır:
Bu bölümde, söz konusu ilave bilginin karar analizlerimizde önemli
bir istatistiksel yaklaşım olan “Bayesian” yaklaşımı bağlamında
incelecektir.
Gayrimenkul örneğimiz üzerinden bu yaklaşım irdelelenecektir.

Gayrimenkul örneğimizdeki bilgilere ilaveten, karar vericinin

profesyonel bir ekonomik analist çalıştıracağını düşünelim.
düşünelim
Buradaki temel amaç, gelecekteki olası ekonomik koşullara
dair ilave bilginin teminidir.
Buradaki analist, düzenli olarak piyasayı ve ekonomik
konjonktürü incelemekte, karar verici durumundaki
yyatırımcının satın almayı y düşündüğü
ş ğ yyatırım araçlarının
ç
sonuçlarını tartışmaktadır.
Ekonomik analist burada potansiyel olarak “iyi ekonomik
koşullar” ve “kötü ekonomik koşullar” bağlamında
değerlendirme raporu hazırlamaktadır.
13
Ekonomik analist geçmiş verilerden yola çıkarak gelecekte

karşılaşılabilecek olası ekonomik durumlar hakkında
tahminlerde bulunmaktadır.
Temel kuramlardan hareketle problemimize geri dönecek

olursak; koşullu olasılıklara ilişkin olarak aşağıdaki notasyonu
yapmak mümkündür.
g : iyi ekonomi
P : kötü ekonomi
P : olumlu ekonomik rapor
N : olumsuz ekonomik rapor

Olası durumlara yönelik koşullu olasılık değerlerimiz;
P (P/g) : 0.80
P (N/g) : 0.20
0 20
P (P/p) : 0.10
P (N/p) : 0.90
Örneğin, gelecekteki olayın iyi olması (g) ve bunun raporda olumlu
(P) olarak yazılmış olması halindeki olasılık değeri P (P/g) : 0.80’dir.
Koşullu olasılık değerlerinin bilinmesi halinde, önsel olasılık (prior)
d ğ l i sonsall olasılık
değerleri, l l k (posterior)
( t i ) değerlerine
d ğ l i dönüştürülebilir.
dö ü tü ül bili
Şöyle ki; P(P/g) ekonomik raporun olumlu olması ve buna bağlı
olarak ekonomik koşulların da iyi olma olasılığıyken, P(g/P) ise;
ilave bilgi niteliğindeki raporun olumlu olmasının ekonomik
koşulların iyi olması için oluşma olasılığıdır.
14
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)
Koşullu olasılık değerlerimiz de belirli olduğundan dolayı, buradan

hareketle sonsal (posterior) olasılık değerleri hesaplanabilir.
P(g/P) = P(P/g).P(g) ..
P(g/P) =
P(P/g).P(g) + P(P/p).P(p)

(0.8).(0.6)
P(g/P) =
[ (0.8).(0.6) + (0.1).(0.4) ]
P(g/P) = 0.923
Buradan, ekonomik koşulların iyi olmasına yönelik önceki
olasılığının %60 olduğu, analistin hazirladığı olumlu rapordan
edinilen ilave bilgi çerçevesinde önceki olasılık değerinin
%96.23 olarak revize edilebileceği ifade edilebilir.
Geriye kalan revize edilek önceki olasılıklar (sonsal olasılıklar)
ise;
P(g/N) = 0.250
P(p/P) = 0.077
30
P(p/N) = 0.750 Y. Doç. Fazıl GÖKGÖZ
15
Gayrimenkul Probleminin “Bayesian” Çözümü
P(g/P) = 0.923 50,000 $
Apartman
4 30,000 $
P(p/P) = 0.077
2 P(g/P) = 0.923 100,000 $

Ofis
5 - 40,000 $
Depo P(p/P) = 0.077
P(g/P) = 0.923 30,000 $
1 6
P(p/P) = 0.077 10,000 $
P(g/N) = 0.250 50,000 $

Apartman
7
P(p/N) = 0.750 30,000 $
3 Ofis P(g/N) = 0.250 100,000 $

8
Depo P(p/N) = 0.750 - 40,000 $
P(g/N) = 0.250 30,000 $

9
P(p/N) = 0.750 10,000 $

P(P) ve P(N) marjinal olasılıklar olarak ifade eidlmektedir.
Bu olasılıkları karar ağacı analizine yönlendirdiğimizde
Sondan başa doğru (sağdan sola) analiz yaptığımız takdirde, 4 nolu
düğüm için beklenen değerler
EV (Apartman) = 50.000 $ x (0.923) + 30.000 $ x (0.077)

EV (Apartman) = 48,460 $
Benzer şekilde düğüm 5,6,7,8,9 için de aynı hesaplamalar yapılarak

düğüm aşamalara ilişki beklenen değerler tespit edilir.
Beklenen değeri en yüksek olan seçeneğin değeri tercih edilir.
16
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

Buradan hareketle, 2 ve 3 nolu düğümlerdeki beklenen değerler
sırasıyla 89,220 $ ve 35,000 $ olarak bulunur.
Marjinal olasılıklar dikkate alındığında temel yatırım stratejisinin

beklenen değeri ;
EV (strateji) = 89,220 $ x (0,52) + 35,000 $ (0,48)

EV (strateji) = 63,194 $
Söz konusu beklenen değerler ekonomist tarafından sağlanan

ilave bilgilere göre revize edilmiş olunur. Böylece, tüm ilave
bilgiler değerlendirilmiş ve strateji kararına yardımcı olmuştur.
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 $
P(N) = 0.48 35,000 $

P(g/N) = 0.250 50,000 $
Olumsuz Apartman 7
Rapor
35 000 $
35,000 P(p/N) = 0.750 30,000 $
3 Ofis - 5,000 $ P(g/N) = 0.250 100,000 $

8
Depo P(p/N) = 0.750 - 40,000 $
15,000 $
P(g/N) = 0.250 30,000 $
9
P(p/N) = 0.750 10,000 $
Ödev – 6
(Teslim Tarihi: 10.5.2006) – Birinci Bölüm
Bir çiftçi, üç farklı ziraat ürününden hangisini ekeceğine karar vermek

istemektedir. .ödeme tablosu aşağıda sunulmakta olup, tüm karar kriterlerine
[M i
[Maximax, M i i Mi i
Maximin,Minimax-pişmanlık,
i l k Hurwics
H i (α ( = 0.3),
0 3) Eşit
E it Olasılık]
Ol l k] göre
ö her
h
karar tercihi için rasyonel olan seçenekleri ayrı ayrı belirleyiniz. Gerekli işlem ve
açıklamaları da yapınız.
Olası Durumlar (Ödeme $)

(Ekilecek Ürün) Koşullar Koşullar
Mısır 35,000 8,000
Fındık 18,000 12,000
Soya 22,000 20,000

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 $
BYatırımı 0,15 (-9,000 $) 9

(-50,000 $) 0,65 40,000 $
0,55 6 55,000 $
3 0,30
80,000 $
Oyun Teorisi – Giriş
Karar analizleri ve karar ağaçları bölümünde yalnızca tek

karar verici açısından konu irdelenmiştir.
Diğer ifadeyle, önceden herhangi bir rekabet söz konusu
değildir.
Ancak gerçekte rekabetin olmadığı bir çevrenin varlığı
çok nadir gözlemlenen bir olgudur. Birden fazla karar
verici ortak getiriler üzerinde en iyi ödeme değerlerine
ulaşabilmeyi
l bil i hedeflemektedir.
h d fl kt di
Bu hedefler ise Oyun Teorisi’nin konusuna girmektedir.
Oyun Teorisi kapsamında karar vericiler kazanmak için
planlar geliştirmektedir.
19
Oyun Teorisi – Giriş
Rekabet haindeki karar vericiler “Oyuncular” olarak

adlandırılır.
İki oyuncudan oluşturulan oyuna ise; “İki Kişilik Oyun”
şeklinde isimlendirmek mümkündür. Eğer oyunda “n” kişi
bulunuyorsa, “n-kişilik Oyun” denilmektedir.
Oyunlar da kendi aralarında sınıflandırılabilir, örneğin;
oyuncuların kazançları ve kayıpları toplamı sıfır
olduğunda,
ld ğ d “S f
“Sıfır T l l Oyun”
Toplamlı O ” söz ö k
konusu
olmaktadır.
Eğer bu toplam sıfıra eşit değilse yeni oyun, “Sıfır
Toplamlı Olmayan Oyun” olarak adlandırılır.
Oyun Teorisi – Sıfır Toplamlı Oyun
Bazı Uygulama Alanları:

1) Sendika,
Sendika işveren ve hükümetin pazarlığını yaptığı işçi
ücretleri
2) Ülkeler arası savaş stratejileri
3) Politikacılar arası seçim stratejileri
4) Firmaların Pazar payı arttırma stratejileri
5) Sporcu ve kulüp arasındaki transfer görüşmesi
6) İhalelerde teklif verme stratejileri
7) Satınalma politikaların tespiti
8) Yeni ürünler arası seçim yapılması
20
İki kişilik oyunda kazancını maksimize etmeye çalışan

kişi saldırgan olan taraftır. Kaybını minimize etmeye
çalışan taraf ise; savunma yapan kişidir.
İki rakip firmanın birbirlerine karşı geliştirdiği stratejileri
inceleyelim.
A Firması’nın B Firması’nın Stratejileri ($)

Stratejileri ($) B1 B2 B3 B4
A1 40 (+) 34 30 (x) 33
A2 38 35 (+)(x) 36 37
A3 28 (x) 33 37 (+) 38 (+)
(x) : Maximin strateji ; A, sıra değerlerinin minimumunu alıp içinden maksimumunu seçer
(+) : Minimax strateji ; B, sütun değerlerinin maksimumunu alıp içinden minimumu seçer

(Maximin Strateji)
A oyuncusu 1. stratejiyi oynadığında; B oyuncusu 1.
stratejiyi oynarsa 40 $, 2. ,3. ve 4. stratejiler için sırasıyla
34 $, 30 $ ve 33 $ kazanacaktır. Matrisin diğer unsurları
da benzer şekilde irdelenebilir. Her oyuncu, karşısındaki
oyuncunun kendine göre en iyi davranışı
gerçekleştireceğini varsaymalıdır.
A oyuncusu (Maximin Strateji);
a) 1. stratejiyi oynadığında, B B’nin
nin en düşük değere
sahip 3. stratejiyi (30$),
b) 2. stratejiyi oynadığında, B’nin 2. stratejiyi (35$),
c) 3. stratejiyi oynadığında ise; B’nin 1. stratejiyi (28$)
oynayacağını
42
varsaymaktadır. Y. Doç. Fazıl GÖKGÖZ
21
(Minimax Strateji)
Tam tersinden yapılacak bir analizle,
B oyuncusu (Minimax Strateji);
a) 1. stratejiyi oynadığında, A’nın en yüksek değere
sahip 1. stratejiyi (40$),
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.

(Denge Durumu)
Denge noktası; A oyuncusunun maximin Ai , B ise

minimax Bj stratejileri ile hareket ettiğinde oyuncuların
stratejilerinin üst üste geldiği durumu temsil eder.
Bu noktada iki strateji de dengeye gelmiştir. Kısaca,
karar vericiler risklerini minimize etmişlerdir veya
emniyet düzeylerini maksimize etmişlerdir.
Denge durumundaki çakışan strateji’nin (Ai,Bj) değeri
örneğimizde 35 $ olarak ifade edilebilir.
22
Oyun Teorisi – Baskın Stratejiler
B oyuncusu 4. stratejiyi hiçbir zaman tercih etmez.

Bunun nedeni; A oyuncusun her stratejisinde (Ai); B3
stratejisini B4’e tercih edecek olmasıdır.
Böylece, B4 stratejisi, B3 stratejisi tarafından domine
edileceğinden, B’nin 4. stratejisi oyun dışı kalacaktır.

Stratejileri ($)
B1 B2 B3 B4
A1 40 (+) 34 30 (x) 33
A2 38 35 (+)(x) 36 37
A3 28 (x) 33 37 (+) 38 (+)
Oyun Teorisi – Baskın Stratejiler

Stratejileri ($)
B1 B2 B3 B4
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.
23
Oyun Teorisi – Denge Durumu’nun Yokluğu

Stratejileri ($) B1 B2
A1 5 (x) 35 (+)
A2 20 (+) 10 (x)
( )
Denge olan bir oyunda her oyuncu diğerinin

stratejisini bildiğinde stratejisini değiştirerek daha iyi
sonuca ulaşabilmektedir. Ancak, denge noktası
olmadığında bu durum oluşamaz.
A oyuncusu’nun
’ M i i stratejisi
Maximin t t ji i 2.
2 strateji
t t ji olduğunda;
ld ğ d
B’nin Minimax stratejisi 1. strateji olmaktadır. Kısaca
denge noktası yoktur.
Oyun Teorisi – Karma Stratejiler
Oyuncunun sadece Ai veya Bj’yi seçmesine “Arı

Strateji” denilir. Karma stratejide ise oyunda söz konusu
olan stratejilerin kombinasyonları göz önüne
alınmaktadır.
Her iki oyuncu da karşısındakinin stratejisini bilse dahi
kendi stratejisinden vazgeçmeyecektir. Bu durumda,
A karma Maximin strateji’yi, B de karma Minimax
stratejiyi
st atej y be
benimsemektedir.
se e ted
Karma stratejilerle tek bir değer olarak belirlenen
stratejiye “Oyunun Değeri (V)” denilir.
24
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.
Arı stratejilerde denge noktası

bulunmadığında, karma stratejilerle
oyuncuların emniyet düzeyleri A Firması’nın B Firması’nın Stratejileri ($)
yükseltilebilir. Stratejileri ($) B1 B2
A1 5 (x) 35 (+)
Ancak, karma strateji,arı
Ancak strateji arı strateji gibi
oyuncuya kesin bir emniyet A2 20 (+) 10 (x)
sağlamaz, çünkü olasılıklar söz
konusudur.
A oyuncusunun 1. ve 2. stratejileri oynama olasılığı eşit olduğunda,

B oyuncusu;
1. Stratejiyi oynadığında oyunun değeri;
V = 5. (0,5) + 20.(0,5) = 12,5
2. Stratejiyi oynadığında ise oyunun değeri;

V = 35. (0,5) + 10.(0,5) = 27,5
Her iki değer de A oyuncusunun Maximin stratejisinin değerinden (10)
50
büyüktür.
Y. Doç. Fazıl GÖKGÖZ
25
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
B, 2. stratejiyi seçtiğinde A’nın beklenen kazancı; 35 X1 + 10 X2

Beklenen değerleri eşitlersek; 5 X1 + 20 X2 = 35 X1 + 10 X2
X1 + X2 =1
X1 = 0,25 ve X2 = 0,75 bulunur.
Oyunun değeri;
1. Strateji için; V = 5.(0,25) + 20.(0,75) = 16,25
2. Strateji için; V = 35.(0,25) + 10.(0,75) = 16,25
Konuya B oyuncusu için baktığımızda; B’nin karma stratejileri; B1,...Bn

. Σyi = 1
y1,... yn olasılıklarında “n” sonuçlu olasılık sürecinde “j” sonucu Bj seçilir.
B’nin karma stratejisi; Bj’nin için yj=p(Bj) olasılıkla seçildiği (y1,...yn) olasılık
setinden oluşur.
Soruna B youncusu açısından bakarsak, A 1. stratejiyi seçtiğinde B’nin
beklenen kaybı; 5 y1 + 35 y2
A, 2. stratejiyi seçtiğinde B’nin beklenen kaybı; 20 y1 + 10 y2

Beklenen değerleri eşitlersek; 5 y1 + 35 y2 = 20 y1 + 10 y2
y1 + y2 =1
y1 = 0,625 ve y2 = 0,375 bulunur.
Oyunun değeri;
1. Strateji için; V = 5.(0,625) + 35.(0,375) = 16,25
2. Strateji için; V =20.(0,625) + 10.(0,375) = 16,25
26

Risk Ve Belirsizlik Altinda Karar Alma

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Risk Ve Belirsizlik Altinda Karar Alma

Uploaded by

Copyright:

Available Formats

Risk ve Belirsizlik

Altında Karar Verme

Karar Verme Aşamasındaki Bileşenler

Gelecekte gerçekleşmesi mümkün olan olaylar “Olası Durumlar” şeklinde ifade

2 Y. Doç. Fazıl GÖKGÖZ

Kullanılan Temel Yöntemler

3 Y. Doç. Fazıl GÖKGÖZ

Maksimum ödeme değeri seçilir

4 Y. Doç. Fazıl GÖKGÖZ

Minimum ödeme değerlerinin maksimum olanı seçilir.

Maksimum ödeme değeri seçilir

5 Y. Doç. Fazıl GÖKGÖZ

Minimax Pişmanlık Kriteri

Minimum pişmanlık değeri seçilir

6 Y. Doç. Fazıl GÖKGÖZ

(kötümser) 0 <  < 1 (iyimser)

7 Y. Doç. Fazıl GÖKGÖZ

Apartman inşası 50000 (0.4) + 30000 (0.6) = 38000

Hurwics kriterine göre karar verilirken; en iyi koşullardaki ödeme

8 Y. Doç. Fazıl GÖKGÖZ

Apartman inşası 50000 (0.5) + 30000 (0.5) = 40000

9 Y. Doç. Fazıl GÖKGÖZ

Olasılıklar Altında Karar Verme

Beklenen Değer (EV): her karar ilişkin ödeme değeri, olası

E(x) : Σi=1n Xi.P(xi),

En iyi karar beklenen değeri en yüksek olan seçenektir.

10 Y. Doç. Fazıl GÖKGÖZ

Beklenen Fırsat Kaybı (EOL); her karara ilişkin beklenen

EOL (Ofis) : 0.000.(0,6) + (70.000.(0,4)) = 28.000 $

En iyi karar; beklenen fırsat kaybı değeri en düşük olan

“EV” ve “EOL” kriterlerine göre bulunan sonuçlar aslında

11 Y. Doç. Fazıl GÖKGÖZ

Olasılıklar Altında Karar Verme

Karar Ağacı: Karar alternatiflerinin düğümler halinde ve kendilerine ait

Karar ağacında olaylar sırasıyla ele alınmaktadır.

Karar ağacı kollarındaki en iyi seçeneğin düğüm bazında

EV (Düğüm 2) : 50.000.(0,6) + 30.000.(0,4) = 41.000 $

13 Y. Doç. Fazıl GÖKGÖZ

Sıralı Yapıda Bir Karar Ağacı

14 Y. Doç. Fazıl GÖKGÖZ

Sıralı Yapıda Bir Karar Ağacı (Beklenen Değerler)

Sıralı karar ağacı analizi yapabilmek için ağacın en son

EV (düğüm 6)= 0.8x(3.000.000$)

Beklenen değer rakamları düğümlerin üzerinde yazılmaktadır.

Ancak, düğüm 4 ve 5’te durum biraz farklıdır. Bu aşamalarda

Örneğin; 4 nolu düğümün beklenen değeri için; EV (6) değeri

4 ncü düğüm için diğer bir beklenen değer olan arsanın

17 Y. Doç. Fazıl GÖKGÖZ

Sıralı Yapıda Bir Karar Ağacı (Beklenen Değerler)

Ancak rasyonel karar alabilmemiz için mevcut alternatifler

Benzer şekilde, 5 nci düğüm için diğer bir beklenen değer

18 Y. Doç. Fazıl GÖKGÖZ

Son olarak, 2 ve 3 nolu düğümlerin beklenen değerleri hesaplanır.

Maliyetlerden arındırılmış olarak en yüksek beklenen değere sahip

Apartman inşası : 1.290.000 $ - 800.000 $ = 490.000 $

En yüksek beklenen net ödeme değerine sahip seçenek arsadır.

Sıralı Yapıda Bir Karar Ağacı (Beklenen Değerler)

1.290.000 $ Nüfus artışı 2.000.000 $

Karar Ağacı Analizinde

X ve Y’nin alabileceği değerlerin kombinasyonları için koşullu

Bu durum, p(X|Y) şeklinde ifade edilmekle birlikte, koşullu

Çarpim kuralı iki olayın birden oluşma olasılığını tanımlar ve p

Bu durumda p (A ∩ B)= p (A|B).p(B)= p(B|A).p(A) olur.