KARAR VERME ETLER Ve RNEK PROBLEM ZMLER

GR Bir karar probleminin belirlenmesi be farkl karar problemini oluturur. Ayrm, ortaya kmas beklenen olaylara gre yaplr ve karar verenin olaylar hakkndaki bilgi derecesini yanstr. Olaylar ve gerekleme olasl arasndaki ilikiyi tanmlayan bu ayrm aadaki gibidir: a. Belirlilik halinde karar verme: Ortaya kacak olay kesinlikle bilinirse, karar matrisinde bir tek olayn sz konusu olan problemler "belirlilik halinde karar problemi" olarak incelenmektedir. Yani ortaya kaca beklenen olayn olasl "bir"dir. Bu tip karar problemi belirlenimci (deterministik) yapya sahiptir(2). b. Risk halinde karar verme: Olay says birden fazlaysa ve olaylarn olaslklar biliniyorsa risk halinde karar problemlerinden sz edilir. Olaslklar kesikli olarak verilebilecei gibi bir dalmdan da elde edilebilir. Bu tip karar problemlerine stokastik karar problemleri denir.

gibi karar ltleri kullanarak karar verirler.(2) d. Ksmi bilgi halinde karar verme: Olaylarn gerekleme olaslklarnn yalnz dalm ve standart llerin bazlar (ortalama, mod, medyan) bilinirse ksmi bilgi halinde karar verme sz konusudur. e. Oyun teorisi: Rekabete dayanan problemler bu grupta yer almaktadr. 1. Belirlilik Halinde Karar Verme Karar matrisinde yalnz bir tek olay ve seeneklere karlk olarak da belirli sonularn bulunduu problemler, belirlilik halinde karar problemi olarak snflandrlmaktadr. Her bir seime ilikin olarak tam bir bilgi vardr, karar veren gelecek ve sonucu konusunda gvenceli bilgiye sahiptir. Belirlilik, karar verenin haberdar olma durumunu da yanstr. Ortaya kaca dnlen olayn gerekleme olasl "bir" (1) olarak varsaylmak zorundadr. Karar veren amacna en uygun olan seenei kolayca seebilir.

c. Belirsizlik halinde verme: Olaylarn kesinlii olmad gibi olaslklar da bilinemez ise belirsizlik halinde karar problemi olarak incelenir. Bu durumda yneticiler Laplace, Hurwics, Pimanlk rnek: Aadaki karar matrisinde bir iletmesinin yapaca drt farkl yatrmn iletme verimliliine katksnn verildii varsaylrsa ve yalnz bir tek neri seilecekse;
Yatrm teklifleri karar matrisi

S4 seenei probleme cevaptr.

2. Risk Halinde Karar Verme Belli sayda olayn sz konusu olduu bu karar problemlerinde olaylarn gerekleme olaslklarnn da bilindii varsaylr. Olaylarn dalm bilinerek uygulanacak karar kriteri, "optimum beklenen deeri" en iyi olan seenein bulunmas problemidir. Beklenen deer, sonulara ilikili olaslklarn arpm ve bulunan deerlerin toplanmas ile elde edilir. Bu grupta incelenen problemde "beklenen deer" kavram basitlii salad iin karar kriteri olarak verilmesine ramen bir dalm sz konusu olduu zaman dalmn dier karakteristikleri de (var-yans, arpklk) kullanlabilir. Risk altnda karar verme, yararlanlan sz konusu olaslklarn trne gre:

A) Objektif Olaslklara gre karar verme B) Subjektif Olaslklara gre karar verme diye iki grupta ele alnabilir.

rnek: Bir iletmenin, yeni bir mamul retimi iin kurulacak yeni fabrikann bykl belirlenecektir. Kk (S1), byk (S2) ve ok byk (S3) fabrika eitleri dnlmtr. En iyi fabrika byklnn mamul talep dzeylerine bal olaca saptanmtr ve talep dzeyleri dilimlere ayrlarak az (N1), orta (N2), yksek (N3) muhtemel olaylara ayrlmtr. Aadaki karar matrisi verileri ve mmkn olaylarn olaslklar pazar aratrmasndan elde edilmitir. (Matris elemanlar gelir gibi dnlecektir).

Tablo 3. Fabrika bykl karar matrisi (5)

Her bir seenek ayr ayr hesaplanr: 51 = 50*1/2+(-8)*1/4+0*1/4 = 23 52 = (-10)*1/2+64*1/4+12*1/4 = 14 53 = (-20)*1/2+12/4+80*1/4 = 13 Beklenen deeri en byk olan S1 (=23) seenei yani kk bir fabrika kurulmas gerekmektedir.

3. Belirsizlik Halinde Karar Verme Ortaya kaca dnlen olaylarn gerekleeme olaslklar veya olaylarn belirlenemedii karar problemleri "belirsizlik altnda karar verme" kriterleri ile incelenebilir. Bu yaklam muhtemel olaylara, kiilerin veya daha geni kapsam ile yneticinin olaslklar vermesini gerektirir. Olaylarn olaslklar belirlenirse de problem "risk halinde karar verme"ye dnr. Olay says fazlaysa olaslklarn kk olaca ve olay says az ise olaslklarn byk olacan syleyebiliriz. Belirsizlik halinde karar problemlerinde, herhangi bir tecrbe veya olaylar hakknda ek bilgiler elde etmek iin dzenlenen aratrma olmakszn kararn verilecei problemler iin aadaki kriterler uygulanabilir.

3.1. E Olaslk (Laplace) Kriteri Bu yaklam muhtemel olaylarn e olaslklar ile gerekleeceini varsaymaktadr. Olaslklar belirli olan olaylar ile karar matrisi verilen iletme problemi, "risk" halinde karar verme problemine dnr. Dolaysyla beklenen deeri en byk olan seenein seimi karar oluturacaktr. rnek: Aadaki matriste bir iletmede, rnler iin talep az (N1) ve talep ok(N2) olduu dnemler iin alnmas dnlen 3 fakl makinenin gnlk getirisini $ cinsinden verilmektedir. E olaslk kriterini kullanarak optimal seenek belirlenirse;
Tablo 4. Laplace kriteri rnek matrisi (5)

ki mmkn olay olduundan eit ihtimalle (1/2) olaca dnlerek her bir seenein beklenen deeri aadaki gibi bulunur. 51 = 80*(1/2)+90*(1/2) = 85 (En iyi kar) 52 = 35*(1/2)+105*(1/2) = 70 53 = 24*(1/2)+(100)*(1/2) = 62

3.2. Ktmserlik (Wald) Kriteri Wald tarafndan nerilen ktmserlik karar kriterinde her bir seenek iin en kt olayn gereklemesi ve en kt sonular arasndan en iyi kazancn benimsenilmesi nerilir. Ynetici hangi seenei seerse sesin mcadele ettii evre (veya tabii olaylar) kazancn minimuma indirecektir: dolaysyla en byk kazanc verecek olan seenek tercih edilmelidir. O halde karar matrisinin satrlar arasndan en kk elemanlar seilir ve bu elemanlar arasndan da en by maksimum kazanc salayacaktr. Maksimum kazanc veren seenekte iletme yneticisinin benimseyecei davran olmaktadr. rnek: S1, S2 ve S3 olmak zere 3 yeni yatrm yapmay dnen bir iletme yneticisinin, satlarn az (N3), normal (N2) ve ok (N1) olduu aylk kar miktar (x1000 YTL olarak) verilmektedir. Buna bal olarak yneticinin hangi yatrm tipini semesi gerektii ktmserlik kriteri ile u ekilde hesaplanr.

Wald kriteri rnek matrisi

Ynetici S1'i seerse satlarn az olduu durumda en kt kazanc (2) salayacaktr. S 2 iin yine sat azl halinde kazanc (0) deeri ile en kt olacaktr. S3 iin her olayda ayn kazanc (4) salayacaktr. En az kazanlar arasndan en byn veren S3 seeneine yatrm yaplmas gerektiini sylemek ktmserlik kriterini uygulam olduumuzu gsterir. 3.3. yimserlik (Plunger) Kriteri Bu kriterin ortaya k farkl srelere balanmaktadr. nce Plunger'a atfedilen bu kriterin, "tam iyimserlik kriteri" denilen, Wald'n ktmserlik kriterine kar yneticinin tamamen iyimser yaklamna bal olduu da dnlmektedir. Bu kriterde ynetici tabiatn ansn desteklediini ve setii strateji iin mmkn olaylarn en fazla kazanc salayacan bekler. rnek: Daha nce verilen rnei bu yntemle incelenirse; her satrda bulunan en byk eleman (kazan deeri) seilmektedir. Bu ilem aadaki tabloda verilmektedir: Ynetici en byk kazanc verecek bir ortam dndnden, maksimum elemanlar arasndan maksimum olan seer. Bu durumda maksimum 20 kazanc salar ve yneticinin birinci (S1) stratejiyi semesi halinde satlarn ok olaca bir ortamda bu kazanc olacaktr.

Tablo 6: Plunger kriteri rnek matrisi

3.4. Hurwcz Kriteri Hurwicz'e gre kii kendini ansl hissettii veya iyimser olduu oranda, rasyonel hareket edecektir. yimserlik katsays, yneticinin, karar matrisinde en byk ve en kk deerlerin dnmesi gerektiini ve ayrca bu deerlere birer arlk faktr ile nem derecesi vermesini yanstr. Dolaysyla en byk ve en kk sonu elemanlarna olaslklar verilmektedir; bu iki olaslk toplam (1) bir'dir. Yneticinin 3/5 iyimserlik katsaysn benimsediini dnelim. a=3/5 iyimserlik katsays en byk kazancn (3/5) olaslkla ve en kk kazancn (1-3/5=2/5) olaslkla salanacan ifade eder. Karar matrisinde her bir seenek iin en byk ve en kk elemanlarn sra ile (a) ve (1- a) ile arplarak bulunan deerler toplanrsa seeneklerin beklenen deerleri bulunur. Bu ilemle ise problem risk halinde karar problemi olarak incelenir. Beklenen deeri en byk olan seenein benimsenilmesi tlenir. rnek: Daha nce verilen rnek tekrar incelenirse ve a=3/5 kabul edilirse;

Tablo 7: Hurwicz kriteri rnek matrisi

Her bir seenein beklenen deer E(S1)=20*(3/5)+(2)*(2/5) = 12,8 E(S2)=9*(3/5)+(0)*(2/5) = 5,4 E(S3)=4*(3/5)+(4)*(2/5) = 4 3.5. Pimanlk (Mnmax, Savage) Kriteri Minimax pimanlk kriteri J. Savage tarafndan nerilmitir. Kriter nce bir frsat maliyeti karar matrisinin (pimanlk matrisinin) kurulmasn gerektirir. Pimanlk, yneticinin hangi olayn gerekleneceini bilmesi halinde salayaca gerek ve muhtemel sonu deerleri arasndaki fark ile llr. Daha ak bir ifade ile olaylarn her biri ayr ayr gereklenecei dnlr ve daha sonra bir olayn en iyi eleman bulunduu stunun her bir elemanndan karlr. Bu ilem btn stunlara uygulanarak "pimanlk matrisi" elde edilir. Pimanlk matrisi elemanlarna frsat kayb veya kaan frsat denilir. Kriter, maksimum pimanln minimize edilmesi iin pimanlk matrisinin minimum deerinin bulunmas ile optimum seenei verir. Minimum deeri ise, seeneklerin taranarak nce maksimum elemanlarn seimini ve daha sonra da bu elemanlar arasndan en kk olannn belirlenmesi ile elde edilir. rnek: Yatrm rneini incelersek ve mmkn olaylardan satlarn ok olduunu farz edersek; yatrmc ilk stratejisini seseydi, en byk kazanc salayacandan hi bir frsat karmayacakt. Fakat ikinci stratejiyi seseydi, 20-9=11 kaybedecekti. nc strateji iin 20-4=16 olur. Bu deerler kaabilecek frsat olarak grlr. Kazan matrisindeki her stun iin benzer muhakeme uygulanarak, kaan frsat matrisinde bu bilgiler toplanr. "Karar veren iin her bir kez meydana gelecek en kt olan ey nedir?" diye incelenirse; Wald kriteri kar tipli kazan matrisine uygulandnda her strateji iin minimum kazan seilmektedir (ktmserlik kriteridir). Burada her satrda maksimum kaacak frsat gze arpmaktadr. Kriterin bu farkl durumu maliyet matrisine uygulandnda Wald kriterine zdetir ve aadaki durum elde edilir.
Savage kriteri rnek matrisi Savage kriteri karar tablosu

En iyi karar

Ynetici minimum stratejiyi seerek, frsat kayplarna kar kendini sigorta edebilir. Bu durumda minimum kaan frsat veya frsat kayb 2'dir ve en byk frsat kaybnn 2 olacan gsterir. Bu nedenle S1 stratejisi seilmektedir. Pimanlk matrisine minimumdan baka kriterde uygulanabilmektedir. Hurwicz veya Laplace kriterlerinden herhangi biri Wald kriterinin yerine kullanlabilmektedir.

4. Ksmi Bilgi Halinde Karar Verme Olaslk dalmn ekli (Normal, Poisson, Binomial v.b.) bilindii zaman ve dalmn parametreleri ile karakteristikleri (ortalama, medyan, arpklk, basklk) hakknda bilgi varsa karar problemi yalnz ksmi bilgiler ile karar vermeyi gerektirmektedir. Risk halinde karar problemlerinde, karar veren, en iyi tahminin bulunduu n olaslklara sahiptir. En iyi karar iin olaylar hakknda ek bilgiler istenebilir. Bu yeni bilgiler dzeltilebilir ve olaylar hakknda daha geerli olaslk tahminlerine dayal son kararlar verilebilmesi iin n olaslklar gncelletirilir.

Eldeki olanaklarn rnek ya da objektif bilgileri salayacak aratrmaya izin vermesi durumunda, asl olayla ilgili olarak saptanan sbjektif olaslklarn; n olaslk biiminde ele alnp, aratrmayla elde edilen objektif bilgilerle birletirilmesi olana vardr. Bylece ortaya yeni bir sentez olaslk deeri kmaktadr. Teknik deyile, sbjektif olaslk, aratrmadan salanan objektif bilgiler -ki koullu objektif olaslklardr- ile birletirilerek dzenlenmi (revizyon) yeni olaslk deerine dnebilir. Bu dnm, 18. yzylda ngiliz din adam ve filozofu Thomas Bayes tarafndan gelitirilmi bir teorem yardmyla yaplmaktadr. Bylece, olayn ilk sbjektif olaslnn, aratrma ile elde edilen koullu objektif olaslkla Bayes Teoremi'ne gre birletirilmesi sonunda ortaya kan senteze, son (ters, neden, posterior) olaslk ad verilmektedir. Son olaslklar; ne sbjektif ve ne de objektif olaslklar niteliindedir (4).

n Olaslklar

Denemelerle Salanan Yeni Bilgiler

Bayes Analizi

Son Olaslklar

Bayes analizi ilem aamalar (5)

Son Olaslklarn Hesab rnek: Bir iletmenin bilgisayar yazlm edinimi iin aadaki demeler tablosunu ve frsat kayb tablosunu hazrlandn varsayarsak; iletmenin yeni yazlm sayesinde siparilerindeki arta bal olarak elde edilen karn aylk deeri (x100TL) asndan dzenlenen tabloda N1 "fazla mteri bulma olasl" 0,3, N2 "az mteri bulma olasl" ise 0,7 dir. Yazlmn 3 farkl tipi olduu d-nlrse A tipi yazlm edinimi (S1), B tipi yazlm edinimi (S2) ve C tipi yazlm edinimi (S3)'tr.

Bu verilere gre P(N1)=0,3 P(N2)=0,7 n olaslklar verilmitir. Yalnz n olaslklara gre karar istenirse S3 karar =7.200 TL gerektirir. Frsat kayb tablosuna gre de S3 seenei (10.000*0,3+6.000*0)=3.000 TL frsat kaybn ve minimum pimanln 10.000 TL olaca bulunur.

Son olaslk hesab rnek matrisi (Tablodaki deerler 100 TL ile arplacak)

rnek iletmenin bir Pazar aratrmas sonunda bulduu olaslklar ise aadaki gibidir. Tabloda I1 olumlu raporu, I2 ise olumsuz raporu gstermektedir.
Bulunan yeni olaslklar

Olumlu raporunun son olaslklarnn hesaplan tablosu Olay n Olaslk P(Nj) N- N2 0,3 0,7 artl Olaslk P(Ii/Nj) 0,8 0, Birleik Olaslk P(IiONj) 0,24 0,07 P(It)=0,31 0,24/0,31=0,7742 0,07/0,31=0,2258 1,000 Son Olaslk P(N /I ) jt

Olumsuz raporun son olaslklarnn hesaplan tablosu

Problemin Karar Aac

Problemin Son Olaslkl Karar Aac

Olumlu rapora gre olaylarn son olaslklarn hesab aada gsterilmitir: Tablodan da anlalaca zere n olaslk P(Nj) ile artl olaslk P(I i/Nj) arplarak birleik olaslk bulunmutur. Birleik olasln toplamna oranndan son olaslk bulunmutur. Bu durumda fazla mteri olma olasl 0,7742 dir. Olumsuz rapora gre yukardaki benzer hesaplar aada verilmitir. Karar Seeneinin Gelitirilmesi Bi r karar seenei veya karar kural, karar veren tarafndan izlenen bir politikadr. rnek problemde karar seenei Pazar aratrmas sonularna dayanan kurallardan oluur. rnekte bu seenek Pazar aratrma raporunun olumlu veya olumsuz olmasna gre olacaktr. Optimal karar seeneini bulmak iin karar aac analizi uygulanrsa; karar aacnn mantksal izlenimi aka gstermektedir. Karar aacnda daireler olaylar, 2 ve 3 ile gsterilen kareler ise karar noktalarn gstermektedir. I1 ve I2 raporlarna gre bulunan olaylara ilikin olaslklar ise ekilde verilmitir. Her bir dm iin beklenen parasal deer (E) hesaplanmaktadr. Karar aacndan geriye doru hesap hareket edilirse; E(4)=(0,7742)(20.000)+(0,2258)(-2.000)= 15.032,4 E(5)=(0,7742)(15.000)+(0,2258)(2.000)= 12.064,6 E(6)=(0,7742)(10.000)+(0,2258)(6.000)= 9.096,8 E(7)=(0,0870)(20.000)+(0,9130)(-2.000)= - 8,6 E(8)=(0,0870)(15.000)+(0,9130)(2.000)= 3.131 E(9)=(0,0870)(10.000)+(0,9130)(6.000)= 6.348 bulunur.

Karar noktasna doru karar aacn izleyerek beklenen deerler yerlerine konulur. Karar veren ilk karar dmne doru hareket ederek beklenen karn maksimize edecei iin optimal karar S 1 de 15.032,4 YTL olur. Optimal karar S1 seilirse E(2) = 15.032,4 YTL dir. Benzer analiz 3 no'lu dmde yaplabilir. Burada optimal karar dal S3 olur ve E(3)=6.348 YTL yazlr.

U karar noktas

Sorunun Karar Tablosu

En son aamada ise ilk dmde "beklenen kar" hesaplanr; E(1) = (0,31)*(15.032,4)+(0,69)*(6.348) = 9.040,2 TL Yaplan aklamalardan da anlalaca zere E(1) ile herhangi bir karar verilmemitir, ancak S1 ve S3 kararlarna varlabilir. rnek alnarak ve rnek alnmadan bulunan beklenen deerler arasnda fark, rnek bilginin "beklenen deeri" (BD) adn alr. Bu ise BD = 9.040,2-7.200 = 1.840,2 bulunur. O halde pazarlama aratrmasna 1.840,2 YTL denebilir. Ayrca u analizde yaplabilmektedir. Daha nce tam bilginin beklenen deeri 3.000 YTL bulunmutur. Raporun etkinlii, 1.840,2/3.000*100 = % 61 bulunur. SONU Kiiler ve rgtler deiik konularda karlatklar problemleri zmlemek veya belirli amalarn gerekletirmek iin srekli olarak karar alma durumundadrlar: letme yneticileri de zamanlarnn byk bir blmn; iletmenin kurulmas, retim, pazarlama, finansman, iletmenin organizasyonu ve ynetimi gibi balca konularda karar verme eylemine ayrmaktadrlar. letmenin nerede ve hangi byklkte kurulaca; retim faktrlerinin nereden, nasl, hangi miktarlarda temin edilecei; hangi retim sisteminin, mamul tipinin, kalite kontrol ynteminin benimsenmesi gerektii, optimum stok ve retim miktarlarnn saptanmas; ma muller iin uygun fiyat, reklam, datm kanallar seimi politikalarnn belirlenmesi; iletme fonlarnn nereden, nasl temin edilecei ve bu fonlarn nasl kullanlaca; iletmeler iin uygun rgt yapsnn, cret politikasnn nasl olmas gerektii v.b. sorunlar, karar verme eylemini gerektiren tipik rneklerdir. Gnmzde youn rekabet piyasas ortamnda faaliyet gsteren iletmelerin baars, byk lde yneticilerin alacaklar kararlar ve bu kararlarn isabet derecesine baldr. Kstl iletme kaynaklarnn verimli bir biimde kullanlmas her eyden nce, yneticilerin alternatif zm yollarndan birisinin veya dierinin seimi niteliinde alaca kararlarla salanr (1). Karar verme, hi bir zaman son bulan ilem deildir. Srekli yinelenen ve bir sorun iin daha alt sorunlarn zmn douran bir mekanizmadr. Kararlarn elde edilmesinde uygulanan ltlerin hangisinin daha yerinde saylaca konusunda bugn iin net bir kriter yoktur. Bu nedenle, karar verici nin kiisel sezgi ve yargsnn nemi karar vermede geerliliini korumakta ve karar vermenin sanat ynn oluturmaktadr. Karar verici; karar sorunlarnn zmne nce sistemin evre koullarn dikkate alarak, balamakta, bunu izleyen aamada sistemin elerinin karakteristiklerini daha duyarl biimde belirleyip, sistem srecini gerekletirmektedir. Sistemin evre ile ilikisinin kontrol da, geri bildirim ileviyle salanmaktadr. Bu noktada, etkin olmayan bir geri bildirim ilevinin, karar sisteminde

istenilen sonulara ulalmasn nleyecei de bilinmelidir. Bu nedenle, geri bildirimin etkinliinin sa-lanlmasna allmaldr. Bunu salarken, bilgi bankas ve ynetim bilgi sisteminden yararlanlmas dnlmelidir. Ksacas "daha etkin kararlar iin daha ok bilgi edinilmeli" ancak kiilerin sezgisel yaklamlar da gz ard edilmemelidir (4).

KAYNAKLAR / REFERENCES
1- Tosun K., "letme Ynetimi Genel Esaslar", Sava yaynlar, Ankara, 1982 2- ztrk A., "Yneylem aratrmas", Ekin Kitabevi Yaynlar, Bursa, 1997 3- H.L. Tosi, S.J. Carrol, "Managements Contingencies Structure and Process", St., Clair Press, Chicago, 1976 4- Demir H., Bircan B., Ttek H., "Ynetsel Karar Verme", Bilgehan Basmevi, zmir, 1985 5- Hala O., "Kantitatif Karar Verme Teknikleri", Alfa Yaynlar, stanbul, 2001 6- Doan M., "letmelerde Karar Verme Teknikleri