Teoria della decisione

La teoria della decisione (o teoria della stima da non confondere con teoria della scelta razionale o con la simile teoria delle decisioni) è lo studio matematico-statistico del modo di scegliere fra varie alternative possibili.[1] La teoria della decisione può essere divisa in due rami: la teoria della decisione normativa che analizza le conseguenze di una scelta o che determina le decisioni ottimali tenendo conto di ipotesi e restrizioni, e la teoria della decisione descrittiva che analizza il motivo per cui gli agenti prendono una decisione piuttosto che un'altra.

La teoria della decisione è strettamente legata alla teoria dei giochi[2] ed è considerato uno studio interdisciplinare che coinvolge economisti, statistici, psicologi, biologi,[3] studiosi di scienze politiche, filosofi[4] e informatici.

Applicazioni empiriche di questa teoria sono generalmente operate grazie a metodi statistici ed econometrici.

Storia

Teoria normativa e descrittiva

La teoria normativa della decisione si occupa di identificare come le decisioni dovrebbero essere prese. In altre parole, vuole individuare quali sarebbero le decisioni ottimali, determinate considerando un decisore ideale pienamente razionale in grado di calcolare con perfetta precisione. Le applicazioni pratiche di questo approccio predittivo viene chiamato "analisi decisionale" e mira a produrre metodi e software (decision support systems) che aiutino a prendere migliori decisioni.[5][6]

D'altra parte, la teoria della decisione descrittiva (o positiva) vuole analizzare i comportamenti e le scelte osservate empiricamente, sotto l'ipotesi che l'agente decisionale agisce sotto un insieme di regole consistenti. Queste regole, ad esempio, hanno un quadro procedurale oppure assiomatico che riconcilia la teoria dell'utilità estesa con violazioni comportamentali dell'ipotesi di utilità attesa, o che può dare esplicitamente una forma funzionale all'incoerenza temporale delle funzioni di utilità.[5][6]

Le prescrizioni, o previsioni, sul comportamento che la teoria della decisione positiva produce, permettono ulteriori sperimentazioni del tipo di decisione che si verifica nella pratica. All'inizio del XXI secolo, vi è stato un crescente interesse per quella che a volte viene chiamata "teoria delle decisioni comportamentali" (behavioral decision theory) e che contribuisce ad una rivalutazione di ciò che il processo decisionale "utile" necessita.[7][8]

Tipi di decisioni

Scelta in condizioni di incertezza

Lo spettro delle scelte in condizioni di incertezza rappresenta il cuore della teoria della decisione. Il concetto di valore atteso è noto dal XVII secolo (Blaise Pascal lo invocò nella sua famosa scommessa, contenuta nella sua Pensées e pubblicata nel 1670); di fronte a una serie di azioni, ognuna delle quali potrebbe dare origine a più di un risultato con diverse probabilità, la procedura razionale consiste nell'identificare tutti i possibili risultati, di determinare i loro valori (positivi o negativi) e le probabilità legate a ciascuna linea d'azione, e di moltiplicarli per dare un "valore atteso" o un'aspettativa media per un risultato. Finalmente, l'azione da preferire è quella che dà luogo al più alto valore atteso totale. Nel 1738, Daniel Bernoulli pubblicò un autorevole articolo dal titolo Esposizione di una nuova teoria sulla misurazione del rischio, in cui usa il paradosso di San Pietroburgo per dimostrare che la teoria del valore atteso deve essere normativamente sbagliata. Nella sua soluzione al paradosso, definisce una funzione di utilità e calcola l'utilità prevista piuttosto che il valore finanziario atteso.[9]

Nel XX secolo, l'interesse per il tema venne riacceso dal saggio di Abraham Wald del 1939[10] dove viene sottolineato che le due procedure centrali della teoria statistica frequentista, cioè la verifica delle ipotesi e la stima dei parametri, sono casi particolari del generale problema decisionale. Il lavoro di Wald ha rinnovato e sintetizzato molti concetti della teoria statistica, tra cui le funzioni di loss, le regole di decisione ammissibili, le distribuzioni a priori, la statistica bayesiana e le procedure minimax. L'espressione "teoria della decisione" venne usata nel 1950 da EL Lehmann.[11]

Il revival della teoria della probabilità soggettiva, basata sui lavori di Frank Ramsey, Bruno de Finetti, Leonard Savage e altri, ha esteso la portata della teoria dell'utilità attesa a situazioni in cui è possibile utilizzare probabilità soggettive. All'epoca, la teoria dell'utilità attesa di von Neumann e di Morgenstern[12] dimostrava che la massimizzazione dell'utilità attesa derivava dai postulati di base sul comportamento razionale.

I lavori di Maurice Allais e Daniel Ellsberg hanno dimostrato che il comportamento umano propone delle divergenze sistematiche e talvolta importanti dalla massimizzazione dell'utilità attesa. La teoria del prospetto di Daniel Kahneman e Amos Tversky ha quindi rinnovato lo studio empirico del comportamento economico, portando meno enfasi sui presupposti sulla razionalità. Kahneman e Tversky trovarono tre comportamenti che si ripropongono con regolarità: 1) nel processo decisionale umano empirico, "le perdite incombono più dei guadagni"; 2) le persone si concentrano maggiormente sui cambiamenti piuttosto di quanto non si concentrino sull'utilità assolute; 3) la stima della probabilità soggettive è fortemente distorta dall'effetto ancoraggio.

Formalizzazione di un problema di decisione in condizioni di incertezza

In un problema di decisione in condizioni di incertezza, si ha un soggetto, il decisore, che deve scegliere un elemento tra diversi di un insieme ${\displaystyle \Delta }$, detti decisioni. Dalla scelta di ${\displaystyle \delta \in \Delta }$ deriva una conseguenza ${\displaystyle \gamma _{\delta }(\omega )}$. Notare che questa conseguenza non dipende soltanto da ${\displaystyle \delta }$, ma anche da una condizione non nota ${\displaystyle \omega }$, detta stato di natura; è tuttavia noto l'insieme dei suoi valori possibili ${\displaystyle \Omega }$.

Lo spazio delle conseguenze ${\displaystyle \Gamma }$ varia al variare di ${\displaystyle \delta }$ in ${\displaystyle \Delta }$ e ${\displaystyle \omega }$ in ${\displaystyle \Omega }$; questo non contiene necessariamente elementi numerici, ma si assume che tali elementi siano sempre confrontabili: dunque date due conseguenze qualsiasi ${\displaystyle \gamma _{1}}$ e ${\displaystyle \gamma _{2}}$ è sempre possibile stabilire quale è preferibile o se sono equivalenti.

A questo punto, è chiaro che l'obiettivo del decisore è scegliere la decisione che porta, secondo l'ordinamento di preferibilità stabilito, alla conseguenza migliore. Il problema fondamentale è che si deve minimizzare una funzione di due variabili ${\displaystyle \delta }$ e ${\displaystyle \omega }$ conoscendo soltanto i valori della prima.

Un esempio semplice di problema di decisione in condizioni di incertezza è il cosiddetto problema dell'ombrello, in cui il decisore ha a disposizione le decisioni ${\displaystyle \delta _{0}}$=non portare l'ombrello uscendo di casa e ${\displaystyle \delta _{1}}$=portarlo. Gli stati di natura sono ${\displaystyle \omega _{0}}$=non piove e ${\displaystyle \omega _{1}}$=piove. Le conseguenze, chiaramente, possono essere quattro: ${\displaystyle \gamma _{0}(0)}$ è il caso più favorevole, ${\displaystyle \gamma _{1}(0)}$ è il caso in cui si porta un peso inutile, ${\displaystyle \gamma _{0}(1)}$ il caso in cui ci si bagna e ${\displaystyle \gamma _{1}(1)}$ il caso in cui si è protetti dalla pioggia.

Dunque rispetto ai problemi di ottimizzazione deterministici, la scelta della variabile ${\displaystyle \delta }$ non determina in modo univoco le conseguenze.

Probabilizzazione degli stati di natura

Se adottiamo un'impostazione soggettiva della probabilità, allora ne si può assegnare una a ogni evento incerto. Per farlo, si introduce uno spazio di probabilità ${\displaystyle (\Omega ,{\mathcal {A}}_{\Omega },P)}$, con ${\displaystyle P}$ un'appropriata misura di probabilità e ${\displaystyle {\mathcal {A}}_{\Omega }}$ una ${\displaystyle \sigma }$-algebra di ${\displaystyle \Omega }$. Questo non è necessariamente vero per un'impostazione oggettiva della probabilità: in tal caso si distinguono problemi in condizioni di rischio, in cui la probabilizzazione avviene, e i problemi in condizioni di incertezza, in cui ciò non avviene.

Formalizzazione del concetto di decisione

Formalmente, una decisione può essere identificata con l'applicazione ${\displaystyle C_{\delta }:\Omega \rightarrow \Gamma }$. Questa definizione è conforme sia all'impostazione di Wald, che permette di escludere l'uso di misure di probabilità su ${\displaystyle \Omega }$, sia a un'impostazione bayesiana, dove le ${\displaystyle C_{\delta }}$ sono definite su uno spazio di probabilità: in quest'ultimo caso, fissata ${\displaystyle C_{\delta }}$, si ha che ${\displaystyle P}$ induce una misura di probabilità su ${\displaystyle \Gamma }$, ossia è ben definita per ogni sottoinsieme misurabile ${\displaystyle G\subset \Gamma }$ la quantità ${\displaystyle Q_{\delta }(G)=P(\omega :C_{\delta }(\omega )\in G)}$.

Dunque, ogni decisione è un oggetto aleatorio che assume valori in ${\displaystyle \Gamma }$ con probabilità ${\displaystyle Q_{\delta }(G)}$.

Spesso, per semplificare la concettualizzazione quando si ha a che fare con conseguenze di tipo numerico, si indica con ${\displaystyle W_{\delta }:\Omega \rightarrow R^{1}}$ la funzione di perdita, e con ${\displaystyle {\mathcal {W}}}$ l'insieme di tutte le funzioni di perdita in un dato problema.

Scelta intertemporale

La scelta intertemporale riguarda il tipo di decisioni dove diverse azioni portano a risultati realizzati in momenti diversi. Ad esempio, se qualcuno riceve una vincita di migliaia di euro, può scegliere di spenderli immediatamente, traendone immediato vantaggio, oppure di investirla in una pensione, ottenendo una rendita in un qualche momento nel futuro. Qual è la scelta ottimale in questo caso? La risposta dipende in parte da fattori quali i tassi d'interesse attesi e l'inflazione, la speranza di vita della persona e la fiducia nel settore pensionistico. Tuttavia, anche tenendo conto di tutti questi fattori, il comportamento umano devia spesso molto dalle previsioni della teoria della decisione prescrittiva, conducendo a modelli alternativi in cui, per esempio, i tassi di interesse oggettivi sono sostituiti da tassi di sconto soggettivi .

Decisioni complesse

Altre aree della teoria delle decisioni riguardano le decisioni che sono difficili semplicemente a causa della loro complessità o dei vincoli che l'organizzazione che deve produrle deve rispettare. Le decisioni possono subire vincoli in termini di risorse o per via della razionalità limitata (hanno un tempo o un'intelligenza finiti); in questi casi il problema da risolvere riguarda piuttosto la determinazione del comportamento ottimale in primo luogo, lasciando la valutazione della deviazione tra comportamento reale e ottimale in secondo piano. Le decisioni sono influenzate anche dal fatto che le opzioni siano valutate assieme o separatamente: la valutazione dell'una influenzando la valutazione dell'altra; questo è noto come <i>distinction bias</i> . Nel 2011, Dwayne Rosenburgh ha mostrato come la teoria della decisione può essere applicata al campo della comunicazione wireless.[13]

Euristiche

L'euristica nel processo decisionale è considerata essere la capacità di prendere decisioni basate su un pensiero non formalmente giustificato o sull'abitudine. Sebbene più veloce dell'elaborazione dei motivi della scelta passo passo, il pensiero euristico è più incline all'errore.[14] L'uso principale delle euristiche è quello di diminuire la quantità di pensiero valutativo che eseguiamo quando prendiamo decisioni semplici, basandole invece su regole inconsce e concentrandoci su alcuni aspetti della decisione, ignorando gli altri.[15] Un esempio di un simile processo di ragionamento erroneo che sorge attraverso il pensiero euristico è l'errore del giocatore d'azzardo: ritiene che un evento casuale indipendente sia invece influenzato da precedenti eventi, che però sono anch'essi casuali. Ad esempio, se una moneta cade sul lato croce per un paio di tiri, conserva la stessa probabilità di cadere su ambo i lati al terzo tiro; sembra tuttavia intuitivamente più probabile che al terzo tiro debba cadere sul lato "testa".[16] Questo accade perché, a causa del pensiero abitudinario o di routine, si trascura la probabilità e ci si concentra su una supposta causalità tra i risultati.[17] Un altro esempio è la preferenza di alternative moderate a quelle estreme; l'Effetto Compromesso opera secondo che l'opzione più moderata porta il massimo beneficio. In uno scenario informativo incompleto, come nella maggior parte delle decisioni quotidiane, l'opzione moderata apparirà più accattivante di entrambe le estreme, indipendente dal contesto, basandosi unicamente sul fatto che essa ha caratteristiche che possono essere trovate ad entrambi gli estremi.[18]

Note

1. (EN) Steele, Katie e Stefánsson, H. Orri, Decision Theory, in Edward N. Zalta (a cura di), The Stanford Encyclopedia of Philosophy, Winter 2015 Ed.
2. (EN) Roger B. Myerson, 1.2: Basic concepts of Decision Theory, in Game theory analysis of conflict, Cambridge, Massachusetts, Harvard University Press, 1991, ISBN 978-0-674-72861-5.
3. (EN) Iman Habibi, Raymond Cheong e Tomasz Lipniacki, Computation and measurement of cell decision making errors using single cell data, in PLOS Computational Biology, vol. 13, n. 4, 5 aprile 2017, pp. e1005436, DOI:10.1371/journal.pcbi.1005436, PMID 28379950.
4. (EN) Sven Ove Hansson, Section 1.2: A truly interdisciplinary subject, in Decision theory: A brief introduction, 2005.
5. (EN) Kenneth R. MacCrimmon, Descriptive and normative implications of the decision-theory postulates, in Risk and uncertainty, Londra, Palgrave Macmillan, 1968, pp. 3-32.
6. (EN) Slovic, Paul, Baruch Fischhoff e Sarah Lichtenstein, Behavioral decision theory, in Annual review of psychology, vol. 28, n. 1, 1977, pp. 1-39.
7. (EN) Paul Anand, Foundations of Rational Choice Under Risk, Oxford, Oxford University Press, 1993.
8. (EN) Keren, Gideon B., e Willem A. Wagenaar, On the Psychology of Playing Blackjack: Normative and Descriptive Considerations with Implications for Decision Theory, in Journal of Experimental Psychology: General, vol. 114, n. 2, giugno 1985, pp. 133–158, DOI:10.1037/0096-3445.114.2.133.
9. (EN) P. J. H. Schoemaker, The Expected Utility Model: Its Variants, Purposes, Evidence and Limitations, in Journal of Economic Literature, vol. 20, 1982, pp. 529–563.
10. (EN) Abraham Wald, Contributions to the Theory of Statistical Estimation and Testing Hypotheses, in Annals of Mathematical Statistics, vol. 10, n. 4, 1939, pp. 299–326, DOI:10.1214/aoms/1177732144.
11. (EN) E. L. Lehmann, Some Principles of the Theory of Testing Hypotheses, in Annals of Mathematical Statistics, vol. 21, n. 1, 1950, pp. 1–26, DOI:10.1214/aoms/1177729884.
12. (EN) John von Neumann e Oskar Morgenstern, Theory of Games and Economic Behavior (Third ed.), Princeton, NJ, Princeton University Press, 1953 [1944].
13. (EN) Rosenburgh, Dwayne, Decision Theory with its Applications in Wireless Communication, in Zhang, Y. e GuizaniI, M. (a cura di), Game Theory for Wireless Communications and Networking, Boca Raton, CRC Press, 2011, ISBN 978-1-4398-0889-4.
14. (EN) Eric J. Johnson e John W. Payne, Effort and Accuracy in Choice, in Management Science, vol. 31, n. 4, aprile 1985, pp. 395–414, DOI:10.1287/mnsc.31.4.395.
15. (EN) Sebastian Bobadilla-Suarez e Bradley C. Love, Fast or frugal, but not both: Decision heuristics under time pressure. (PDF), in Journal of Experimental Psychology: Learning, Memory, and Cognition, vol. 44, n. 1, gennaio 2018, pp. 24–33, DOI:10.1037/xlm0000419, PMID 28557503.
16. (EN) Robert M. Roe, Jermone R. Busemeyer e James T. Townsend, Multialternative decision field theory: A dynamic connectionst model of decision making, in Psychological Review, vol. 108, n. 2, 2001, pp. 370–392, DOI:10.1037/0033-295X.108.2.370.
17. (EN) Juemin Xu e Nigel Harvey, Carry on winning: The gamblers' fallacy creates hot hand effects in online gambling, in Cognition, vol. 131, n. 2, maggio 2014, pp. 173–180, DOI:10.1016/j.cognition.2014.01.002, PMID 24549140.
18. (EN) Shih-Chieh Chuang, Danny Tengti Kao e Yin-Hui Cheng, The effect of incomplete information on the compromise effect, in Judgment and Decision Making, vol. 7, n. 2, marzo 2012, pp. 196–206.

Bibliografia

• Akerlof, George A. e Yellen, Janet L., Rational Models of Irrational Behavior (PDF), vol. 77, n. 2, maggio 1987, pp. 137–142. URL consultato il 18 luglio 2019 (archiviato dall'url originale il 29 luglio 2020).
• Anand, Paul, Foundations of Rational Choice Under Risk, Oxford, Oxford University Press, 1993, ISBN 978-0-19-823303-9. (an overview of the philosophical foundations of key mathematical axioms in subjective expected utility theory – mainly normative)
• Arthur, W. Brian, Designing Economic Agents that Act like Human Agents: A Behavioral Approach to Bounded Rationality (PDF), in The American Economic Review, vol. 81, n. 2, maggio 1991, pp. 353–9.
• James O. Berger, Statistical decision theory and Bayesian Analysis, 2nd, New York, Springer-Verlag, 1985, ISBN 978-0-387-96098-2.
• José M. Bernardo e Adrian F. M. Smith, Bayesian Theory, Wiley, 1994, ISBN 978-0-471-92416-6.
• Clemen, Robert e Reilly, Terence, Making Hard Decisions with DecisionTools: An Introduction to Decision Analysis, 3rd, Stamford CT, Cengage, 2014, ISBN 978-0-538-79757-3. (covers normative decision theory)
• De Groot, Morris, Optimal Statistical Decisions. Wiley Classics Library. 2004. (Originally published 1970.) ISBN 0-471-68029-X.
• Goodwin, Paul e Wright, George, Decision Analysis for Management Judgment, 3rd, Chichester, Wiley, 2004, ISBN 978-0-470-86108-0. (covers both normative and descriptive theory)
• Hansson, Sven Ove, Decision Theory: A Brief Introduction (PDF), su infra.kth.se (archiviato dall'url originale il 5 luglio 2006).
• Kaufmann, Arnold, Le tecniche decisionali. Introduzione alla Praxeologia, traduzione di Giampaolo Barosso, Milano, il Saggiatore, 1968, SBN SBL0076985.
• Khemani, Karan, Ignorance is Bliss: A study on how and why humans depend on recognition heuristics in social relationships, the equity markets and the brand market-place, thereby making successful decisions, 2005.
• Leach, Patrick, Why Can't You Just Give Me the Number? An Executive's Guide to Using Probabilistic Thinking to Manage Risk and to Make Better Decisions, Probabilistic, 2006, ISBN 978-0-9647938-5-9. A rational presentation of probabilistic analysis.
• Miller L, Cognitive risk-taking after frontal or temporal lobectomy—I. The synthesis of fragmented visual information, in Neuropsychologia, vol. 23, n. 3, 1985, pp. 359–69, DOI:10.1016/0028-3932(85)90022-3, PMID 4022303.
• Miller L, Milner B, Cognitive risk-taking after frontal or temporal lobectomy—II. The synthesis of phonemic and semantic information, in Neuropsychologia, vol. 23, n. 3, 1985, pp. 371–9, DOI:10.1016/0028-3932(85)90023-5, PMID 4022304.
• D.W. North, A tutorial introduction to decision theory, in IEEE Transactions on Systems Science and Cybernetics, vol. 4, n. 3, 1968, pp. 200–210, DOI:10.1109/TSSC.1968.300114.
• Peterson, Martin, An Introduction to Decision Theory, Cambridge University Press, 2009, ISBN 978-0-521-71654-3.
• Raiffa, Howard, Decision Analysis: Introductory Lectures on Choices Under Uncertainty, McGraw Hill, 1997, ISBN 978-0-07-052579-5.
• Christian Robert, The Bayesian Choice, Springer Texts in Statistics, 2nd, New York, Springer, 2007, DOI:10.1007/0-387-71599-1, ISBN 978-0-387-95231-4.
• Shafer, Glenn e Pearl, Judea (a cura di), Readings in uncertain reasoning, San Mateo, CA, Morgan Kaufmann, 1990.
• Smith, J.Q., Decision Analysis: A Bayesian Approach, Chapman and Hall, 1988, ISBN 978-0-412-27520-3.
• Charles Sanders Peirce and Joseph Jastrow, On Small Differences in Sensation, in Memoirs of the National Academy of Sciences, vol. 3, 1885, pp. 73–83. http://psychclassics.yorku.ca/Peirce/small-diffs.htm
• Ramsey, Frank Plumpton; "Truth and Probability" (PDF), Chapter VII in The Foundations of Mathematics and other Logical Essays (1931).
• de Finetti, Bruno, Probabilism: A Critical Essay on the Theory of Probability and on the Value of Science, in Erkenntnis, vol. 31, settembre 1989. (translation of 1931 article)
• de Finetti, Bruno, La Prévision: ses lois logiques, ses sources subjectives, in Annales de l'Institut Henri Poincaré, 1937.

de Finetti, Bruno. "Foresight: its Logical Laws, Its Subjective Sources," (translation of the 1937 article in French) in H. E. Kyburg and H. E. Smokler (eds), Studies in Subjective Probability, New York: Wiley, 1964.

• de Finetti, Bruno. Theory of Probability, (translation by AFM Smith of 1970 book) 2 volumes, New York: Wiley, 1974-5.
• Donald Davidson, Patrick Suppes and Sidney Siegel, Decision-Making: An Experimental Approach, Stanford University Press, 1957.
• Pfanzagl, J, Subjective Probability Derived from the Morgenstern-von Neumann Utility Theory, in Martin Shubik (a cura di), Essays in Mathematical Economics In Honor of Oskar Morgenstern, Princeton University Press, 1967, pp. 237–251.
• Pfanzagl, J. in cooperation with V. Baumann and H. Huber, Events, Utility and Subjective Probability, in Theory of Measurement, Wiley, 1968, pp. 195–220.
• Morgenstern, Oskar, Some Reflections on Utility, in Andrew Schotter (a cura di), Selected Economic Writings of Oskar Morgenstern, New York University Press, 1976, pp. 65–70, ISBN 978-0-8147-7771-8.
• Non-Robust Models in Statistics by Lev B. Klebanov, Svetlozat T. Rachev and Frank J. Fabozzi, Nova Scientific Publishers, Inc. New York, 2009.

Voci correlate

• Daniel Kahneman
• Decisione ottimale
• Decision making
• Dominanza stocastica
• Paradosso delle due buste
• Razionalità
• Ricerca operativa
• Statistica bayesiana
• Teoria della detezione del segnale
• Teoria del prospetto
• Teoria del consumatore
• Teoria dei giochi
• Teoria della scelta collettiva
• Tecnologia persuasiva

Altri progetti

Altri progetti

• Wikiquote
• Wikiversità
• Wikimedia Commons

• Wikiquote contiene citazioni sulla teoria della decisione
• Wikiversità contiene risorse sulla teoria della decisione
• Wikimedia Commons contiene immagini o altri file sulla teoria della decisione

Collegamenti esterni

• decisione, teoria della, in Dizionario di filosofia, Istituto dell'Enciclopedia Italiana, 2009.
• (EN) decision theory / decision theory (altra versione), su Enciclopedia Britannica, Encyclopædia Britannica, Inc.
• (EN) Teoria della decisione, su Stanford Encyclopedia of Philosophy.
• (EN) Eric W. Weisstein, Teoria della decisione, su MathWorld, Wolfram Research.
• (EN) Denis Howe, decision theory, in Free On-line Dictionary of Computing. Disponibile con licenza GFDL

Controllo di autorità	Thesaurus BNCF 21862 · GND (DE) 4138606-1