Avantages et inconvénients des arbres de décision

Les arbres de décision sont des diagrammes qui tentent d'afficher la gamme de résultats possibles et les décisions ultérieures prises après une décision initiale. Par exemple, votre décision initiale pourrait être d'aller à l'université, et l'arbre pourrait tenter de montrer combien de temps vous passeriez à faire différentes activités et votre pouvoir de gain en fonction de votre décision. L'utilisation d'arbres de décision présente plusieurs avantages et inconvénients notables.

Considérer les conséquences

L'un des aspects les plus utiles des arbres de décision est qu'ils vous obligent à considérer autant de résultats possibles d'une décision que vous pouvez imaginer. Il peut être dangereux de prendre des décisions impulsives sans tenir compte de l'éventail des conséquences. Un arbre de décision peut vous aider à peser les conséquences probables d'une décision par rapport à une autre. Dans certains cas, cela peut même vous aider à estimer les gains attendus des décisions. Par exemple, si vous créez des estimations de la valeur en dollars de tous les résultats et probabilités associés à chaque résultat, vous pouvez utiliser ces chiffres pour calculer quelle décision initiale conduira au gain financier moyen le plus élevé. Les arbres de décision fournissent un cadre pour considérer la probabilité et les gains des décisions, ce qui peut vous aider à analyser une décision pour prendre la décision la plus éclairée possible.

Attentes

Un inconvénient de l'utilisation d'arbres de décision est que les résultats des décisions, les décisions ultérieures et les gains peuvent être basés principalement sur les attentes. Lorsque des décisions réelles sont prises, les gains et les décisions qui en résultent peuvent ne pas être les mêmes que ceux que vous avez prévus. Il peut être impossible de prévoir toutes les éventualités pouvant survenir à la suite d'une décision. Cela peut conduire à un arbre de décision irréaliste qui pourrait vous guider vers une mauvaise décision. De plus, des événements inattendus peuvent modifier les décisions et modifier les gains dans un arbre de décision. Par exemple, si vous vous attendez à ce que vos parents paient la moitié de votre université au moment de décider d'aller à l'école, mais découvrez plus tard que vous devrez payer tous vos frais de scolarité, vos gains attendus seront radicalement différents de la réalité.

Complexité

Les arbres de décision sont relativement faciles à comprendre lorsqu'il y a peu de décisions et de résultats inclus dans l'arbre. Les grands arbres qui incluent des dizaines de nœuds de décision (endroits où de nouvelles décisions sont prises) peuvent être alambiqués et avoir une valeur limitée. Plus il y a de décisions dans un arbre, moins les résultats attendus sont précis. Par exemple, si vous dressez un arbre pour cartographier la décision d'aller à l'université, vous ne pourrez probablement pas prédire avec précision les chances de gagner plus de 100 000 $ en dix ans, mais vous pourrez peut-être estimer avec précision vos revenus. pouvoir après la sortie de l'université.