追加情報の働きや価値を明らかにしてくれる方法として、
ベイズの定理があります。
今回は説明を省きますが、もう1点意思決定のプロセスをデシジョン・ツリー
に表し、意思決定の全体とペイオフ・マトリックスから多段階に意思決定を
することが出来ます。
例えば、調査をしないで意思決定するか？それとも意思決定を先延ばしをして、調査を行い調査結果が明らかになって意思決定をするかという
意思決定のプロセスを見ることが出来ます。
言葉では分かりにくいので、
簡単な練習問題を出します。
今日の天気予報では、雨が降る確率は５０％とのことです。
さてあなたは、傘を持っていくか？どうしますか。
手ぶらで出かけた時に、雨が降った場合と降らなかった場合とで
ペイオフ（利得）が次のようです。
この問題の状況を、デシジョン・ツリーに表し、とるべき行動を
明らかにしましょう。
自然の状態 Ｙ１（雨が降る） Ｙ２（雨が降らない）
確率 ５０％ ５０％
行動案
Ｘ１ 傘を持っていく １０ -２０
Ｘ２ 傘を持って行かない －５０ ８０
普段は単に傘を持っていくかどうか！をこんな大げさなことで
いちいち意思決定をしていないと思いますが、思考の意思決定プロセスは
こんな状態になっています。
＜デシジョン・ツリー＞
雨が降る（５０％）
－５②ーーーーーーーー→△４ １０
雨は降らない（５０％）
ーーー→ ーーーーーーーー→△５ －２０
傘を持っていく
１５ ―ー→
□1
ーー→
傘を持って行かない
ーーーー→
雨が降る（５０％)
１５③ーーーーーーーー→△６ －５０
雨は降らない（５０％）
ーーーーーーーー→△７ ８０
上図には3種類の点（ノード）があり、デシジョン・ポイント（決定点）で、四角で表しています。
この練習問題では、傘を持っていくか、持って行かないか、の2つの選択があります。
次は不確定点とよばれる点で○印で示しています。それぞれの場合の確率を記入しています。
そして最後は一番右にある△点で、ここは最終的な結果を表しています。
エンドポイント（終末点）とよばれ、それぞれのペイオフの値が記入されています。
さて、デシジョン・ツリーに基づく分析は一番右のエンド・ポイントから始まります。
それぞれのペイオフに確率を掛けてたすことによって、１段階前の不確定点の値を求めます。
－５および１５という数字になります
つぎにこの不確定点の1段階前は必ず決定点になっているはずです。
そこでひとつ前の不確定点の中で、その値が最も大きな値を選びます。
今回の練習問題では、15と言う事になります。この値を決定点の値とします。
デシジョン・ツリーが何段階になっていても、以上の計算を右から始めて、
1段階ずつ前に戻り不確定点→デシジョン・ポイント→不確定点・・・・とプロセスを繰り返します。
この練習問題は、デシジョン・ポイントが一つしかないので、□1の値が15になり
傘を持っていくかないことが選択されます。
現実の意思決定の場でこうした分析が実際どれだけの効果があるのか？
難しいと言わざるをえません。
意思決定に含まれる不確実性の問題を分析する為のアプローチとして
シュミレーション分析があります。
ＩＴとりわけパソコンレベルでのシュミレーション分析も
今後取り上げて見たいと思います。