Модели принятия решений

Нормативные модели определяют идеальное действие в идеальных условиях.

Прескриптивные модели указывают, как мы «должны» принимать решение.

Дескриптивные модели просто детализируют, что действительно делают люди, когда принимают решения ¾ (Galotti K. M., 1994, р. 356).

Нормативная модель ¾ Теория ожидаемой полезности

Многие специалисты используют понятие полезность, чтобы охватить идеи счастья, удовольствия и удовлетворения, которые появляются при достижении одной или нескольких персональных целей.

Теорию ожидаемой полезности, о которой говорилось выше, можно представить формулой

где p(i) ¾ вероятность i-го исхода, u(i) ¾ полезность i-го исхода, _I ¾ сумма произведений [p(i)u(i)], EU ¾ ожидаемая полезность.

Рассмотрим пример из работы Галотти о проблеме выбора специальности абитуриентом. Для принятия решения ему предлагается составить таблицу с указанием возможных специальностей, оценив (основываясь на собственном мнении) вероятность успеха в каждой и полезность для каждого успеха или поражения. Приведем часть таблицы и поясним не­которые вычисления.

Например, абитуриент может оценить свой шанс на успех в социологии как очень хороший и в математике ¾ как весьма слабый. Для оценивания полезностей успеха или неуспеха нужно выбрать один исход и принять его значение равным нулю, например полезность для неуспеха в искусстве. Затем можно определить другие полезности, используя данную в качестве точки отсчета. Для некоторых дисциплин (напр., биология, математика) полезность даже для неуспеха ¾ положительна, а для других ¾ отрицательна, т.е. оценивается очень негативно (например, психология, социология). Не важно, значение какого исхода было выбрано в качестве нулевого, поскольку окончательное решение зависит от различий между ожидаемыми полезностями, а не от абсолютных значений полезностей. В последней колонке представлены значения ожидаемых полезностей для каждой специальности.

Как получились эти результаты, видно из нескольких расчетов, использующих описанную выше формулу ожидаемой полезности. Для начала вычислим вероятность неуспеха, например для химии: 1  0,45 = 0,55. Следовательно, ожидаемая полезность для химии: 0,45 х 30 + 0,55 х 4 = 13,5 + 2,2 = 15,70; для психологии: 0,60 х 35 + 0,40 х (20) = 2I  8 = 13,00. Из таблицы видно, что лучшим решением для данного абитуриента является выбор химии, затем ¾ психологии и биологии соответственно.

Теория ожидаемой полезности ¾ нормативная модель принятия решения. Это может быть продемонстрировано так, что если вы всегда делаете выбор, чтобы максимизировать ожидаемую полезность, то при достаточно большом количестве решений ваше собственное удовлетворение будет наибольшим.

Нормативная модель ¾Теория многоатрибутной полезности

Часто бывает трудно выразить количественно полезность вашего успеха или поражения для каждой специальности. Кроме того, выбирая какую-либо альтернативу, вы можете думать о ее различных характеристиках (параметрах). Например, в случае выбора специаль­ности ¾ о трудности специальности или ее привлекательности, применимости в дальнейшей карьере, репутации факультета и пре­подавателей в студенческой среде, о своем прошлом опыте по каж­дой специальности. Все эти различные параметры надо суммировать, но значительно осложняет принятие решения. «К счастью, существует модель, которая дает способ суммирования различных характеристик и целей в сложном решении. Она называется теорией многоатрибутной полезности» (по англ. MAUT).

MAUT предполагает 6 шагов:

1) Разбивку решения на независимые параметры;

2) Определение относительного веса для каждого параметра;

3) Составление списка всех возможных альтернатив;

4) Оценку альтернатив по каждому параметру;

5) Сведение вместе для сравнительного анализа оценок всех альтернатив по всем параметрам;

6) Выбор альтернативы с наилучшим показателем по пункту 5).

Графическое представление этих шагов, например с помощью компьютерной программы «Схема решения» (Decision Map), делает их наглядными и облегчает принятие сложных решений.

Что является важным при использовании теории MAUT? Во-первых, принимающий решение должен быть аккуратным, чтобы выбрать действительно независимые друг от друга параметры. Во-вторых, он должен быть готов «взвешивать» различные параметры.

MAUT также может быть представлена как нормативная модель принятия решения, поскольку следуя ей, вы можете максимизировать вашу собственную полезность для нахождения лучшего пути для достижении всех ваших целей.