Los árboles de decisión son diagramas que intentan mostrar el rango de resultados posibles y las decisiones posteriores tomadas después de una decisión inicial. Por ejemplo, su decisión original podría ser asistir a la universidad, y el árbol podría intentar mostrar cuánto tiempo pasaría haciendo diferentes actividades y su poder de ganancia en función de su decisión. Hay varios pros y contras notables para usar árboles de decisión.

Las manos masculinas con un bolígrafo y la copa

Considerando las consecuencias

Uno de los aspectos más útiles de los árboles de decisión es que te obligan a considerar tantos resultados posibles de una decisión como puedas imaginar. Puede ser peligroso tomar decisiones espontáneas sin tener en cuenta el rango de consecuencias. Un árbol de decisiones puede ayudarlo a sopesar las posibles consecuencias de una decisión frente a otra. En algunos casos, incluso puede ayudarlo a estimar los pagos esperados de las decisiones. Por ejemplo, si crea estimaciones de valor en dólares de todos los resultados y probabilidades asociados con cada resultado, puede usar esos números para calcular qué decisión inicial conducirá a la mayor rentabilidad financiera promedio. Los árboles de decisión proporcionan un marco para considerar la probabilidad y los beneficios de las decisiones, lo que puede ayudarlo a analizar una decisión para tomar la decisión más informada posible.

Expectativas

Un inconveniente del uso de árboles de decisión es que los resultados de las decisiones, decisiones posteriores y pagos pueden basarse principalmente en las expectativas. Cuando se toman decisiones reales, los pagos y las decisiones resultantes pueden no ser las mismas que las que ha planeado. Puede ser imposible planificar todas las contingencias que puedan surgir como resultado de una decisión. Esto puede conducir a un árbol de decisiones poco realista que podría guiarlo hacia una mala decisión. Además, los eventos inesperados pueden alterar las decisiones y cambiar los pagos en un árbol de decisiones. Por ejemplo, si esperas que tus padres paguen la mitad de tu universidad cuando decidas ir a la escuela, pero luego descubres que tendrás que pagar toda tu matrícula, tus pagos esperados serán dramáticamente diferentes a la realidad.

Complejidad

Los árboles de decisión son relativamente fáciles de entender cuando hay pocas decisiones y resultados incluidos en el árbol. Los árboles grandes que incluyen docenas de nodos de decisión (lugares donde se toman nuevas decisiones) pueden ser complicados y pueden tener un valor limitado. Cuantas más decisiones haya en un árbol, menos precisos serán los resultados esperados. Por ejemplo, si hace un mapeo de árbol con la decisión de ir a la universidad, probablemente no podrá predecir con precisión las posibilidades de ganar más de $ 100,000 en diez años, pero podría estimar con precisión sus ganancias poder después de salir de la universidad.