Decision-making under risk — קבלת החלטות בתנאי סיכון
קבלת החלטות בתנאי סיכון — היא תהליך בחירת החלופה הטובה ביותר במצב שבו התוצאה תלויה לא רק בפעולות מקבל ההחלטה (מקה"ח), אלא גם בגורמים אקראיים שהסתברותם ידועה או ניתנת להערכה מבוססת. מצבים אלו מאופיינים באי-ודאות חלקית: התוצאות האפשריות ידועות, אך תוצאת הבחירה הספציפית אינה קבועה מראש לחלוטין, אלא רק בהסתברות מסוימת.
מאפייני מצב סיכון
לתנאים של מצב סיכון משתייכות משימות שבהן:
- מצבי הסביבה החיצונית האפשריים (תרחישים) ידועים וניתנים לפירוט;
- לכל מצב ניתן לשייך הסתברות מספרית להתרחשותו;
- תוצאת הבחירה היא משתנה אקראי התלוי בפעולה המשותפת של ההחלטה ומצב הסביבה שהתרחש.
בשונה מוודאות מלאה, שבה התוצאה חד-משמעית, ומאי-ודאות, שבה ההסתברויות אינן ידועות, מצבי סיכון מאפשרים שימוש בהערכות מספריות המבוססות על הנחות הסתברותיות.
קריטריונים עיקריים לבחירה בתנאי סיכון
- קריטריון האפקטיביות הצפויה (תוחלת מתמטית) — נבחרת החלופה בעלת הערך הממוצע המשוקלל הגבוה ביותר של התוצאה
- קריטריון Savage (מזעור החרטה המקסימלית) — נלקחת בחשבון לא האפקטיביות המוחלטת, אלא ה"נזק" המקסימלי האפשרי מוויתור על ההחלטה האופטימלית בכל מצב.
- קריטריון Hurwicz — משלב פסימיות ואופטימיות.
- קריטריון האנטרופיה — מביא בחשבון את מידת אי-הוודאות של התפלגות ההסתברויות ושואף להפחתת סיכון המידע של הבחירה.
- קריטריון Germeier — מכוון למזעור הפסדים, במיוחד במשימות שבהן השלכות הטעות הן קריטיות.
בחירת הקריטריון תלויה במאפיינים ההתנהגותיים של מקה"ח: נטייה לסיכון, מידת האחריות, מטרת הניתוח (מקסום הכנסה, מזעור הפסדים, יציבות התוצאה).
הערכה סובייקטיבית של הסתברויות
הערכות סובייקטיביות של הסתברויות נוצרות על ידי מקה"ח על בסיס ניסיון, שיפוט ומידע מומחים. הדבר רלוונטי במיוחד במצבים שבהם אין נתונים סטטיסטיים או שהסתברות האירועים אינה ניתנת למדידה אובייקטיבית. הסתברויות סובייקטיביות משמשות באופן דומה לאובייקטיביות, אך דורשות אימות קפדני והתאמה במסגרת הליך קבלת ההחלטות.
כלים וייצוג החלטות
- מטריצות אפקטיביות חלקית — מייצגות הערכות של תוצאות עבור כל השילובים של «חלופה × מצב סביבה»;
- עצי החלטות — ממחישים בחירות רצופות והסתברויות בכל שלב;
- פונקציות תועלת — מאפשרות להביא בחשבון לא רק את התוצאה אלא גם את היחס הסובייקטיבי של מקה"ח אליה.