Literatuur Besliskunde
Week 1
Hoofdstuk 1
Kwantitatieve analyse = wetenschappelijke benadering tot het maken van beslissingen in
management, gebruik makend van bijvoorbeeld data en technieken om deze te bewerken
Business analytics = benadering op basis van data waarmee bedrijven beslissingen maken
Beschrijvende analyse = historische data gebruiken om bijv. de prestatie te meten
Voorspellende analyse = voorspellingen voor toekomst gebaseerd op het verleden
Normatieve analyse = zorgen voor nieuwe en betere manieren om te opereren
Stappen in kwantitatieve analyse benadering:
1. Definiëren van probleem: korte duidelijke stelling die het probleem duidelijk weergeeft
opstellen
2. Ontwikkelen van een model: ontwikkelen van een model dat een representatie is van
een situatie, meestal wiskundig en gebruikmakend van variabelen en parameters
3. Verkrijgen van input data: verkrijgen van data om te gebruiken in het model, data moet
correct, betrouwbaar en relevant zijn
4. Ontwikkelen van een oplossing: gebruiken maken van model door bijv. trial-and-error om
aan de hand van de input data de beste oplossing voor het probleem te vinden
5. Testen van oplossing: kijken of de oplossing en het model kloppen aan de hand van bijv.
kijken naar overeenkomsten met extra informatie buiten de gebruikte data
6. Analyseren van resultaten: gevolgen van oplossing bekijken, gevoeligheidsanalyse van
deze oplossing uitvoeren etc.
7. Implementeren van resultaten: implementeren van oplossing in werkzaamheden van
bedrijf en monitoren van gevolgen van deze implementatie
Deterministische model = zonder risico doordat er wordt aangenomen dat de waarden
gebruikt in het model zeker kloppen
Probabilistisch model = indien er rekening wordt gehouden dat er een kansverdeling is over
de waarschijnlijkheid van verschillende situaties/waarden
Hoofdstuk 3 t/m 3.5
Stappenplan voor het maken van beslissingen:
1. Identificeren van het probleem
2. Identificeren van de verschillende alternatieven (keuzes/beslissingen die gemaakt
kunnen worden) en de mogelijke toekomstscenario’s
3. Identificeren wat de gevolgen (uitkomsten) zijn per combinatie van de alternatieven met
de mogelijke toekomstscenario’s
4. Dit verwerken in een beslistabel. Voorbeeld:
Toekomstscenario 1 Toekomstscenario 2
Alternatief 1 Uitkomst 1 Uitkomst 2
Alternatief 2 Uitkomst 3 Uitkomst 4
Er zijn 3 verschillende omgevingen waarin beslissingen worden gemaakt:
Beslissingen met zekerheid: met zekerheid de consequenties van ieder alternatief of
keuze weten
Beslissingen met onzekerheid: verschillende uitkomsten per alternatief hebben en niet
weten wat de kansverdeling is over deze verschillende uitkomsten
Beslissingen met risico: verschillende uitkomsten per alternatief waarvoor een
kansverdeling per uitkomst beschikbaar is
, Manieren om beslissingen te maken met onzekerheid:
MaxiMax: ook optimistisch genoemd
o Voor ieder alternatief wordt de beste uitkomst bekeken
o Het alternatief met de beste uitkomst wordt gekozen
MaxiMin: ook pessimistisch genoemd
o Voor ieder alternatief wordt de slechtste uitkomst bekeken
o Het alternatief met de beste uitkomst (van de slechte) wordt gekozen
Realisme Criterium: ook gewogen gemiddelde of Hurwicz criterium genoemd
o Voor ieder alternatief wordt er een gewogen gemiddelde tussen de beste en de
slechtste uitkomst berekend aan de hand van α
o Gewogen gemiddelde = α(beste uitkomst) + (1 – α)(slechtste uitkomst)
Gelijke kansen: ook Laplace of equally likely genoemd
o Gemiddelde uitrekenen voor ieder alternatief
o Alternatief met het beste gemiddelde wordt gekozen
MiniMax spijt
o Opportunity loss = verschil tussen werkelijke uitkomst en maximale uitkomst
o Opstellen van een opportunity loss tabel
o Bekijken hoeveel opportunity loss er is voor deze uitkomst t.o.v. de hoogst
mogelijke uitkomst bij dat toekomstscenario (indien MAX(Uitkomst 1,Uitkomst 3)
Uitkomst 3 geeft, is voor de opportunity loss tabel Uitkomst 3 = 0 en Uitkomst 1
gelijk aan Uitkomst 3 – Uitkomst 1)
MAX(A,B) betekent hierbij dat de hoogste van A en B wordt gekozen
o Bekijken wat de hoogste opportunity loss is per alternatief
o Het alternatief dat van deze hoogste opportunity loss de laagste heeft wordt
gekozen
Voorbeeld opportunity loss tabel:
Toekomstscenario 1 Toekomstscenario 2
Alternatief 1 Uitkomst 1 Uitkomst 2
Alternatief 2 Uitkomst 3 Uitkomst 4
Opportunity loss
Alternatief 1 MAX(Uitkomst 1,Uitkomst 3) – MAX(Uitkomst 2,Uitkomst 4) –
Uitkomst 1 Uitkomst 2
Alternatief 2 MAX(Uitkomst 1,Uitkomst 3) – MAX(Uitkomst 2,Uitkomst 4) –
Uitkomst 3 Uitkomst 4
Manieren om beslissingen met risico te maken:
Expected Monetary Value (EMV)
o Voor ieder alternatief de Expected Monetary Value aan de hand van de
kansverdeling opstellen
o EMV = gewogen gemiddelde van verwachte uitkomsten en kans
o EMV = uitkomst 1 x kans 1 + uitkomst 2 x kans 2 etc.
o Kiezen voor het alternatief met de hoogste EMV
Expected Value of Perfect Information
o Expected Value with Perfect Information (EVwPI) = als er perfecte informatie
beschikbaar is, zouden we voor ieder toekomstscenario het beste alternatief
kunnen kiezen. Het gemiddelde hiervan is de EVwPI.
EVwPI = kans toekomstscenario 1 x beste alternatief toekomstscenario 1
+ kans toekomstscenario 2 x beste alternatief toekomstscenario 2 etc.
o Expected Value of Perfect Information (EVPI) = weergeeft de waarde van het
beschikken van perfecte informatie, hoeveel hoger kunnen we bereiken indien we
over perfecte informatie beschikken
EVPI = EVwPI – Maximale EMV (= hoogste EMV van verschillende
alternatieven)
Week 1
Hoofdstuk 1
Kwantitatieve analyse = wetenschappelijke benadering tot het maken van beslissingen in
management, gebruik makend van bijvoorbeeld data en technieken om deze te bewerken
Business analytics = benadering op basis van data waarmee bedrijven beslissingen maken
Beschrijvende analyse = historische data gebruiken om bijv. de prestatie te meten
Voorspellende analyse = voorspellingen voor toekomst gebaseerd op het verleden
Normatieve analyse = zorgen voor nieuwe en betere manieren om te opereren
Stappen in kwantitatieve analyse benadering:
1. Definiëren van probleem: korte duidelijke stelling die het probleem duidelijk weergeeft
opstellen
2. Ontwikkelen van een model: ontwikkelen van een model dat een representatie is van
een situatie, meestal wiskundig en gebruikmakend van variabelen en parameters
3. Verkrijgen van input data: verkrijgen van data om te gebruiken in het model, data moet
correct, betrouwbaar en relevant zijn
4. Ontwikkelen van een oplossing: gebruiken maken van model door bijv. trial-and-error om
aan de hand van de input data de beste oplossing voor het probleem te vinden
5. Testen van oplossing: kijken of de oplossing en het model kloppen aan de hand van bijv.
kijken naar overeenkomsten met extra informatie buiten de gebruikte data
6. Analyseren van resultaten: gevolgen van oplossing bekijken, gevoeligheidsanalyse van
deze oplossing uitvoeren etc.
7. Implementeren van resultaten: implementeren van oplossing in werkzaamheden van
bedrijf en monitoren van gevolgen van deze implementatie
Deterministische model = zonder risico doordat er wordt aangenomen dat de waarden
gebruikt in het model zeker kloppen
Probabilistisch model = indien er rekening wordt gehouden dat er een kansverdeling is over
de waarschijnlijkheid van verschillende situaties/waarden
Hoofdstuk 3 t/m 3.5
Stappenplan voor het maken van beslissingen:
1. Identificeren van het probleem
2. Identificeren van de verschillende alternatieven (keuzes/beslissingen die gemaakt
kunnen worden) en de mogelijke toekomstscenario’s
3. Identificeren wat de gevolgen (uitkomsten) zijn per combinatie van de alternatieven met
de mogelijke toekomstscenario’s
4. Dit verwerken in een beslistabel. Voorbeeld:
Toekomstscenario 1 Toekomstscenario 2
Alternatief 1 Uitkomst 1 Uitkomst 2
Alternatief 2 Uitkomst 3 Uitkomst 4
Er zijn 3 verschillende omgevingen waarin beslissingen worden gemaakt:
Beslissingen met zekerheid: met zekerheid de consequenties van ieder alternatief of
keuze weten
Beslissingen met onzekerheid: verschillende uitkomsten per alternatief hebben en niet
weten wat de kansverdeling is over deze verschillende uitkomsten
Beslissingen met risico: verschillende uitkomsten per alternatief waarvoor een
kansverdeling per uitkomst beschikbaar is
, Manieren om beslissingen te maken met onzekerheid:
MaxiMax: ook optimistisch genoemd
o Voor ieder alternatief wordt de beste uitkomst bekeken
o Het alternatief met de beste uitkomst wordt gekozen
MaxiMin: ook pessimistisch genoemd
o Voor ieder alternatief wordt de slechtste uitkomst bekeken
o Het alternatief met de beste uitkomst (van de slechte) wordt gekozen
Realisme Criterium: ook gewogen gemiddelde of Hurwicz criterium genoemd
o Voor ieder alternatief wordt er een gewogen gemiddelde tussen de beste en de
slechtste uitkomst berekend aan de hand van α
o Gewogen gemiddelde = α(beste uitkomst) + (1 – α)(slechtste uitkomst)
Gelijke kansen: ook Laplace of equally likely genoemd
o Gemiddelde uitrekenen voor ieder alternatief
o Alternatief met het beste gemiddelde wordt gekozen
MiniMax spijt
o Opportunity loss = verschil tussen werkelijke uitkomst en maximale uitkomst
o Opstellen van een opportunity loss tabel
o Bekijken hoeveel opportunity loss er is voor deze uitkomst t.o.v. de hoogst
mogelijke uitkomst bij dat toekomstscenario (indien MAX(Uitkomst 1,Uitkomst 3)
Uitkomst 3 geeft, is voor de opportunity loss tabel Uitkomst 3 = 0 en Uitkomst 1
gelijk aan Uitkomst 3 – Uitkomst 1)
MAX(A,B) betekent hierbij dat de hoogste van A en B wordt gekozen
o Bekijken wat de hoogste opportunity loss is per alternatief
o Het alternatief dat van deze hoogste opportunity loss de laagste heeft wordt
gekozen
Voorbeeld opportunity loss tabel:
Toekomstscenario 1 Toekomstscenario 2
Alternatief 1 Uitkomst 1 Uitkomst 2
Alternatief 2 Uitkomst 3 Uitkomst 4
Opportunity loss
Alternatief 1 MAX(Uitkomst 1,Uitkomst 3) – MAX(Uitkomst 2,Uitkomst 4) –
Uitkomst 1 Uitkomst 2
Alternatief 2 MAX(Uitkomst 1,Uitkomst 3) – MAX(Uitkomst 2,Uitkomst 4) –
Uitkomst 3 Uitkomst 4
Manieren om beslissingen met risico te maken:
Expected Monetary Value (EMV)
o Voor ieder alternatief de Expected Monetary Value aan de hand van de
kansverdeling opstellen
o EMV = gewogen gemiddelde van verwachte uitkomsten en kans
o EMV = uitkomst 1 x kans 1 + uitkomst 2 x kans 2 etc.
o Kiezen voor het alternatief met de hoogste EMV
Expected Value of Perfect Information
o Expected Value with Perfect Information (EVwPI) = als er perfecte informatie
beschikbaar is, zouden we voor ieder toekomstscenario het beste alternatief
kunnen kiezen. Het gemiddelde hiervan is de EVwPI.
EVwPI = kans toekomstscenario 1 x beste alternatief toekomstscenario 1
+ kans toekomstscenario 2 x beste alternatief toekomstscenario 2 etc.
o Expected Value of Perfect Information (EVPI) = weergeeft de waarde van het
beschikken van perfecte informatie, hoeveel hoger kunnen we bereiken indien we
over perfecte informatie beschikken
EVPI = EVwPI – Maximale EMV (= hoogste EMV van verschillende
alternatieven)
