Modello matriciale di decisione

From Systems analysis Wiki
Jump to navigation Jump to search

Modello Matriciale di Decisione

Il modello matriciale di decisione è una rappresentazione formalizzata del problema di scelta sotto forma di tabella (matrice), in cui vengono riflesse le dipendenze tra le possibili alternative e le condizioni esterne da cui dipende il risultato della scelta. Tale modello viene utilizzato nell'analisi delle decisioni in condizioni di incertezza, rischio e multicriteria.

Struttura della matrice

Il modello è costruito sulla base dei seguenti componenti:

  • Alternative (varianti di decisione) — A₁, A₂, ..., Aₘ — righe della matrice.
  • Stati dell'ambiente (scenari) — E₁, E₂, ..., E_d — colonne della matrice.
  • Efficacia parziale — Yᵢⱼ = fⱼ(Aᵢ), risultato per la combinazione Aᵢ e Eⱼ.

Tale tabella è denominata matrice di efficacia parziale e ha dimensione m × d, dove ogni cella contiene la valutazione del risultato per la corrispondente coppia «variante–stato».

Interpretazione dell'efficacia parziale

I valori Yᵢⱼ vengono interpretati come:

  • reddito o beneficio,
  • grado di raggiungimento dell'obiettivo,
  • utilità o preferibilità del risultato.

Se le valutazioni hanno natura diversa, possono essere normalizzate su una scala comune, ad esempio da 0 a 1.

Scopo e vantaggi del modello

Il modello matriciale serve come base per:

  • l'applicazione di criteri di scelta (Wald, Savage, Laplace, Hurwicz e altri),
  • l'analisi del comportamento del decisore senza conoscenza delle probabilità,
  • la giustificazione di decisioni stabili,
  • il passaggio alla costruzione di alberi decisionali e scenari.

Vantaggi:

  • chiarezza e strutturazione;
  • idoneità all'elaborazione informatica;
  • universalità.

Esempio di struttura della matrice

Alternativa Stato E₁ Stato E₂ ... Stato E_d
A₁ Y₁₁ Y₁₂ ... Y₁d
A₂ Y₂₁ Y₂₂ ... Y₂d
... ... ... ... ...
Aₘ Yₘ₁ Yₘ₂ ... Yₘd

Applicazione nel processo decisionale

Il modello matriciale viene applicato:

  • in condizioni di incertezza — con criteri deterministici;
  • in condizioni di rischio — con probabilità assegnate;
  • nell'analisi multicriteria — come base per l'aggregazione;
  • nei sistemi di supporto alle decisioni.

Vedi anche

  • Decisione in condizioni di incertezza
  • Analisi multicriteria delle decisioni
  • Albero decisionale