Árvores de decisão são diagramas que tentam exibir a gama de resultados possíveis e decisões subsequentes tomadas após uma decisão inicial. Por exemplo, sua decisão original pode ser frequentar a faculdade, e a árvore pode tentar mostrar quanto tempo seria gasto em atividades diferentes e seu poder de ganho com base em sua decisão. Existem vários prós e contras notáveis no uso de árvores de decisão.
Considerando as consequências
Um dos aspectos mais úteis das árvores de decisão é que elas o forçam a considerar o maior número possível de resultados de uma decisão que você possa imaginar. Pode ser perigoso tomar decisões impulsivas sem considerar a gama de consequências. Uma árvore de decisão pode ajudá-lo a pesar as prováveis consequências de uma decisão em relação a outra. Em alguns casos, pode até ajudá-lo a estimar os retornos esperados das decisões. Por exemplo, se você criar estimativas de valor em dólares de todos os resultados e probabilidades associadas a cada resultado, poderá usar esses números para calcular qual decisão inicial levará ao maior retorno financeiro médio. As árvores de decisão fornecem uma estrutura para considerar a probabilidade e os retornos das decisões, o que pode ajudá-lo a analisar uma decisão para tomar a decisão mais informada possível.
Expectativas
Uma desvantagem do uso de árvores de decisão é que os resultados das decisões, decisões subsequentes e retornos podem ser baseados principalmente em expectativas. Quando as decisões reais são tomadas, as recompensas e as decisões resultantes podem não ser as mesmas que você planejou. Pode ser impossível planejar todas as contingências que podem surgir como resultado de uma decisão. Isso pode levar a uma árvore de decisão irreal que pode guiá-lo para uma decisão ruim. Além disso, eventos inesperados podem alterar decisões e alterar os retornos em uma árvore de decisão. Por exemplo, se você espera que seus pais paguem metade da sua faculdade ao decidir ir para a escola, mas depois descobre que você terá que pagar todas as suas mensalidades, seus pagamentos esperados serão dramaticamente diferentes da realidade.
Complexidade
As árvores de decisão são relativamente fáceis de entender quando há poucas decisões e resultados incluídos na árvore. Grandes árvores que incluem dezenas de nós de decisão (pontos onde novas decisões são tomadas) podem ser complicadas e podem ter valor limitado. Quanto mais decisões houver em uma árvore, menos precisos serão os resultados esperados. Por exemplo, se você fizer uma árvore mapeando a decisão de ir para a faculdade, provavelmente não poderá prever com precisão as chances de ganhar mais de US$ 100.000 em dez anos, mas poderá estimar com precisão seus ganhos. poder depois de sair da faculdade.
