¿Qué es un árbol de decisión?
Un árbol de decisión es un mapa de los posibles resultados de una serie de
decisiones relacionadas. Permite que un individuo o una organización
comparen posibles acciones entre sí según sus costos, probabilidades y
beneficios. Se pueden usar para dirigir un intercambio de ideas informal o
trazar un algoritmo que anticipe matemáticamente la mejor opción.
Un árbol de decisión, por lo general, comienza con un único nodo y luego se
ramifica en resultados posibles. Cada uno de esos resultados crea nodos
adicionales, que se ramifican en otras posibilidades. Esto le da una forma
similar a la de un árbol.
Hay tres tipos diferentes de nodos: nodos de probabilidad, nodos de decisión y
nodos terminales. Un nodo de probabilidad, representado con un círculo,
muestra las probabilidades de ciertos resultados. Un nodo de decisión,
representado con un cuadrado, muestra una decisión que se tomará, y un nodo
terminal muestra el resultado definitivo de una ruta de decisión.
Los árboles de decisión también se pueden dibujar con símbolos de diagramas
de flujo, que a algunas personas les parecen más fáciles de leer y comprender.
Símbolos de los árboles de decisión
Ejemplo de análisis de un árbol de decisión
Al calcular la utilidad o el valor esperado de cada decisión en el árbol, puedes
minimizar el riesgo y maximizar la probabilidad de obtener un resultado
deseado.
Para calcular la utilidad esperada de una decisión, solo debes restar el costo de
esa decisión a los beneficios esperados. Los beneficios esperados son iguales
al valor total de todos los resultados que puedan derivar de esa decisión, y
cada valor se multiplica por la probabilidad de que ocurra. A continuación te
mostraremos cómo nosotros calcularíamos estos valores para el ejemplo
descrito anteriormente:
Al identificar cuál es el resultado más deseable, es importante tener en cuenta
las preferencias de utilidad del encargado de tomar la decisión. Por ejemplo,
algunos prefieren opciones de bajo riesgo, mientras que otros están dispuestos
a correr riesgos si el beneficio es mayor.
Al usar tu árbol de decisión acompañado por un modelo de probabilidad,
puedes emplearlo para calcular la probabilidad condicional de un evento o la
probabilidad de que suceda, en el caso de que otro evento ocurra. Para
hacerlo, simplemente empieza con el evento inicial, luego sigue la ruta desde
ese evento hasta el evento objetivo, y multiplica la probabilidad de cada uno de
esos eventos juntos.
De este modo, un árbol de decisión se puede emplear como un diagrama de
árbol tradicional, que traza las probabilidades de determinados eventos, como
lanzar una moneda dos veces.
Ventajas y desventajas
Los árboles de decisión siguen siendo populares por razones como las
siguientes:
1. Son muy fáciles de entender
2. Pueden ser útiles con o sin datos fehacientes, y cualquier dato requiere
una preparación mínima
3. Se pueden agregar nuevas opciones a los árboles existentes
4. Su valor al seleccionar la mejor de numerosas opciones
5. Se combinan fácilmente con otras herramientas de toma de decisiones
Sin embargo, los árboles de decisión pueden volverse excesivamente
complejos. En esos casos, un diagrama de influencia más compacto puede ser
una buena alternativa. Los diagramas de influencia se enfocan en los objetivos,
las entradas y las decisiones fundamentales.
Ver ejemplo online: https://lucid.app/lucidspark/cb0367de-62c7-4169-aafc-
4a83db0cce37/edit?
beaconFlowId=833E61B359D71712&invitationId=inv_eb726f22-2542-49f3-
abf9-cb31eb4d0e64#
