● 불확실성 하에서의 의사결정
1) 최대 최소기준 (Maximin), Wald 기준 : 비관적인 관점에서 미래 수요가 낮은 것을 선택, “비관주의”
⦁ 미래에 대해 비관적인 예측에 준해 의사결정한 최악의 대안들 중 가장 좋은 결과를 보상해 주는 대안을 선택
- 안전제일 주장으로 각 상황별로 손실이 가장 작은 경우를 의사결정의 기준으로 삼음.
2) 최대 최대기준 (Maximax) : 최대로 낙관적인 수익을 예상하여 미래 수요 높은 것을 선택, “낙관주의”
⦁ 미래에 대해 낙관적인 예측에 준해 의사결정한 대안들 중 가장 좋은 결과를 보상해 주는 대안을 최종 선택
3) Laplace, 라플라스 기준(Equal Likelihood 기준) : 가중평균 보상이 가장 좋은 것을 선택, “현실주의”
⦁ 미래를 정확히 예측할 수가 없기 때문에 모든 상황이 동일한 확률로 발생한다는 가정(사건이 n 가지이면 각 사건의 비중은 1/n임.)하에 각 대안별로 기댓값을 계산하여 가장 좋은 값을 갖는 대안을 선택
- “불충분 이유의 원칙”이라고 하며 각 상황의 평균을 의사결정의 기준으로 삼음.
4) 최소 최대후회기준 (Minimax Regret), Savage(세비지) 기준 : 최악의 후회(최소 투자를 하였는데 수요가 많은 경우)가 가장 작은 대안을 선택
• 최대 후회의 최소화(minimax 혹은 Savage) 원칙은 의사결정자가 자기의 행동 결과를 후회하지 않으려 하며 적어도 의사결정에서 오는 최대 후회를 최소화하려고 한다는 가정에 근거함.
만약 어느 한 대안을 선택했을 때 다른 상황이 발생하여 차라리 다른 대안을 선택했더라면 좀 더 나았을 수도 있는 경우 의사결정자는 원래의 선택에 대해서 후회를 하게 된다.
이 후회는 미래를 완전히 안다고 가정했을 때 획득할 수 있는 보상과 실지로 선택한 대안으로부터 받은 보상과의 차이다.
• 결과표를 후회 표(주어진 사건 하에서 최선의 대안인 최대치에서 해당 값을 빼주어 얼마나 손해 보는가를 나타냄)로 전환하여 그중 가장 작은 값을 가지는 대안을 선택
5) 후르비츠(Huwicz) 기준 : 최대 최대원칙과 최대 최소원칙의 가중평균
불확실성 하의 의사결정을 해결해 주는 적합한 맞춤형 모형이 없었으나, 1980년대에 비정형화된 휴리스틱 추리(Heuristic Reasoning)을 기반으로 하는 인지 모형 기반적 접근법인 지능적 추리 시스템을 이용하는 접근법이 도입되고 있음.
• 대부분의 의사결정자들은 현실적으로 극단적으로 비관적 기준 또는 낙관적 기준이 아닌 중간 어느 지점을 선택함.
• 비관주의와 낙관주의를 절충하기 위해서 의사결정자가 어느 정도 미래에 대해 낙관적인 견해를 가지고 있는 정도를 나타내는 낙관지수(α)를 가중치로 사용하며 이 지수는 0 ~1 사이의 값을 가지고 낙관지수(α)가 0일 때는 의사결정자가 자연의 결과에 대해 비관적(최대 최소 원칙)이며, 반면 1일 때는 자연에 대해 낙관적(최대 최대)이라는 것을 의미함.
- 성과가 이익으로 나타나는 경우 최대 예상 수익에 α를 곱하고 최소 예상 수익에는 (1-α)를 곱한 결과의 합을 비교해서 가장 큰 수익을 보이는 대안을 최종 대안으로 선택하는 방법
잡스9급 PDF 교재
✽ 책 구매 없이 PDF 제공 가능
✽ adipoman@gmail.com 문의