College aantekeningen Besliskunde (BK1115)

Besliskunde Colleges


College 1: Inleiding Besliskunde
Introductie
Besliskunde
- Dit vak gaat over kwantitatieve methoden om het beslisproces te
ondersteunen en te verbeteren.
- Een beslissing is een keuze tussen verschillende alternatieven
waarbij we de uitkomst evalueren met behulp van bepaalde criteria.
- Systematische modellen noodzakelijk om kwaliteit van beslissing te
verbeteren. Onze intuïtie is niet altijd betrouwbaar.

Beslissingsanalyse
Wat maakt een beslissing moeilijk?
- Veel keuzemogelijkheden.
- Tegenstrijdige doelstellingen.
- Onzekerheid over de uitkomst.
 Op het moment dat ik de beslissing neem, weet ik nog niet
wat de uitkomst van deze beslissing zal zijn.

Doel  goede beslissingen nemen.

Wat maakt een goede beslissing?
- Criteria om de uitkomst te beoordelen.
- Criteria om het proces te beoordelen.

Outcome bias: een denkfout waarbij mensen de kwaliteit van een
beslissing alleen evalueren op basis van de uitkomst.
- Dit is dus niet verstandig; altijd kijken naar wat is de beste
beslissing.
- Als je de geit wint, dan betekent dit niet altijd dat je de verkeerde
beslissing hebt genomen.

Relevantie
- Management/leiderschap = beslissingen nemen.
- Gestructureerde aanpak voor bedrijfskundige beslissingen:
 Helpt bij het beter begrijpen van het probleem.
 Nodig om gezamenlijk beslissingen te
nemen/overtuigen/verantwoorden;
 Helpt om aannames expliciet te maken;
 Helpt om kwaliteit te waarborgen;
 Nuttig als je nog niet genoeg ervaring hebt om goede intuïtie
te ontwikkelen.

Onderwerpen besliskunde
Beslissen met onzekerheid
- Beslissingscriteria.
- Beslisbomen.

Monte carlo simulatie
- Flaw of averages.

,Besliskunde Colleges

- Random getallen.

Integer lineair programmeren
- Lineair programmeren.
- Integer lineair programmeren.
- Modelleren.

Leerdoelen besliskunde
Het kunnen gebruiken en interpreteren van kwantitatieve modellen voor
het ondersteunen en analyseren van beslissituaties.

Opstellen beslistabel
Beslissingen met onzekerheid
Beslistabellen worden vooral gebruikt bij beslissingen met onzekerheid, op
het moment van het nemen van de beslissing weten we nog niet welke
uitkomst erbij deze beslissing hoort.

Financieel:
- Startup financieren?
- Verzekeren tegen koerswisselingen?
- Lange termijncontracten op spotmarkt (veiling)?
- Prijzen van een financiële optie?
- Productprijs verlagen?

Operationeel:
- Hoeveel voorraad aanhouden?
- Hoeveel capaciteit te reserveren voor premium klanten?
- Hoeveel buffer inplannen in een bezorgroute?
- Hoeveel zitplaatsen “overboeken”?

Algemeen: newsvendor problem
- Basisafweging voorraadbeslissing: kosten “te veel” en kosten “te
weinig”.
- Beperkte houdbaarheid: inkoop van (sport)kleding, productie van
schaatsen, plannen productiecapaciteit, broodproductie.
 Op het moment van het nemen van je beslissing weet je nog
niet hoeveel vraag er uiteindelijk gaat zijn.

Beslisprobleem: structuur
1. Mogelijke keuzes of strategieën.
2. Mogelijke toekomstscenario’s.
3. Beslistabel: waardering uitkomst van mogelijke keuzes onder de
verschillende toekomstscenario’s.

Niet mogelijk om meer te verkopen dan de capaciteit, maar ook niet meer
verkopen dan de vraag.
- MIN (capaciteit, vraag).
- Als vraag > capaciteit, dan nee-verkoop = vraag – capaciteit.
 Maar, nee-verkoop kan niet kleiner dan 0 zijn.

, Besliskunde Colleges

 MAX (vraag – capaciteit, 0).
Drie typen beslissingen
Type 1: met zekerheid
De beslisser kent met zekerheid de consequenties van iedere keuze.

Type 2: met onzekerheid
De beslisser weet niets over de waarschijnlijkheid van de verschillende
uitkomsten.

Type 3: met risico
De beslisser weet de kansverdeling op de verschillende uitkomsten.

Beslissingscriteria
Besliscriteria met onzekerheid
1. MaxiMax (optimistisch)
 Best-case.
 Bepaal voor iedere beslissing de beste uitkomst (max).
 Kies dan de beslissing met de beste uitkomst (max).
2. MaxiMin (pessimistisch)
 Worst-case.
 Bepaal voor iedere beslissing de slechtste uitkomst (min).
 Kies dan de beslissing met de beste uitkomst (max).
3. Realisme criterium (Hurwicz)
 Gewogen gemiddelde tussen optismisme en pessimisme.
 Kies een coefficiënt α tussen 0 en 1.
o 1 = 100% optimistisch.
o 0 = 100% pessimistisch.
 Bereken het gewogen gemiddelde voor ieder alternatief.
 Kies het alternatief met de hoogste waarde.
 Gewogen gemiddelde = α [best scenario] + (1-α ) [slechtst
scenario].
4. Gelijke kansen (Laplace)
 Equally likely.
 Bepaal voor ieder alternatief de gemiddelde uitkomst.
 Kies het beste alternatief (max).
5. Minimax spijt
 We kijken niet naar de opbrengsten die we halen, maar naar
de opbrengsten die we mislopen.
 Opportuniry loss of spijt = verschil tussen werkelijke uitkomst
en maximale uitkomst.
o Maak een opportunity loss tabel door de uitkomsten in
iedere kolom af te trekken van de beste uitkomst (max)
in die kolom.
o Bepaal de maximale spijt per alternatief.
o Kies het alternatief met de kleinste (min) maximale
(max) spijt.

Besliscriteria met risico