Zaznajomienie studentów z podstawami teorii decyzji, matematycznej teorii opisującej jak powinniśmy podejmować decyzje w obecności niepewności, podobnie jak arytmetyka opisuje jak powinniśmy dodawać do siebie ceny produktów, czy też obliczać rabat robiąc zakupy w sklepie. Jest to użyteczne w wielu dziedzinach, na przykład w inżynierii, w zarządzaniu, w pracach na pograniczu ekonomii, oraz w informatyce, gdzie teoria decyzji zajmuje poczetne miejsce wśród metodologii używanych w sztucznej inteligencji. Analiza decyzji jest dyscypliną zajmującą się zastosowaniem teorii decyzji w praktyce.

1. Podejmowanie decyzji; niepewność, preferencje i działania; motywacja do wspomagania decyzji. Racjonalność, racjonalne zachowanie; dobre decyzje a dobre wyniki.
2. Modelowanie decyzji; narzędzia do modelowania decyzji: diagramy wpływu, sieci bayesowskie, drzewa decyzyjne, drzewa prawdopodobieństwa. Wprowadzenie do GeNIe i SMILE.
3. Modelowanie decyzji; rozwiązywanie modeli decyzyjnych.
4. Kryteria oceny modeli decyzyjnych; cykl decyzyjny; odporność modelu decyzyjnego, analiza wrażliwości.
5. Cel analizy decyzji; zastosowania i pułapki analizy decyzji; dziesięć przykazań dobrej analizy decyzji; modelowanie problemów decyzyjnych; narzędzia do modelowania decyzji; techniki rozwijania kreatywności.
6. Elementy teorii prawdopodobieństwa. Wnioskowanie bayesowskie w graficznych modelach probabilistycznych. Kanoniczne rozkłady prawdopodobieństwa: bramki Noisy-OR/MAX/AND/MIN/DeMorgan. Uczenie sieci bayesowskich i odkrywanie przyczynowości z danych.
7. Prawdopodobieństwo subiektywne; pozyskiwanie prawdopodobieństw od ekspertów; normatywne podstawy teorii prawdopodobieństwa i teorii oczekiwanej użyteczności. Psychologia podejmowania decyzji; ludzki osąd w obecności niepewności; heurystyki i odchylenia.
8. Oczekiwana wartość informacji. Miary wartości informacji oparte na prawdopodobieństwie.
9. Pozyskiwanie użyteczności od ekspertów; postawy wobec ryzyka, wieloatrybutowe funkcje użyteczności.
10. Łączenie opinii ekspertów; grupowe i zespołowe podejmowanie decyzji; podejmowanie decyzji organizacyjnych i społecznych.

ćwiczenia laboratoryjne,   wykład informacyjny,   metoda projektów,  

Zaliczenie laboratorium
Projekt
Egzamin

Robert T. Clemen, "Making Hard Decisions: An Introduction to Decision Analysis." Duxbury Press, An Imprint of Wadsworth Publishing Company: Belmont, CA, 2001

1. Robyn M. Dawes, "The Robust Beauty of Improper Linear Models in Decision Making." American Psychologist, 34(7), 571-582, July 1979
2. Robyn M. Dawes, "You Can't Systematize Human Judgment: Dyslexia." In New Directions for Methodology of Social and Behavioral Sciences, 4, 67-78, 1980
3. F. Javier Diez and Marek J. Druzdzel, "Canonical Probabilistic Models for Knowledge Engineering." Manuscript in preparation. An electronic version of this paper is available at http://www.ia.uned.es/~fjdiez/papers/canonical.pdf.
4. Marek J. Druzdzel and Roger R. Flynn, "Decision Support Systems." To appear in Encyclopedia of Library and Information Science, Allen Kent (ed.). Marcel Dekker, Inc., 2001 A draft version of this paper is available at http://www.pitt.edu/~druzdzel/abstracts/dss.html.
5. Marek J. Druzdzel Agnieszka Onisko, Daniel Schwartz, John N. Dowling and Hanna Wasyluk, "Knowledge Engineering for Very Large Decision-analytic Medical Models." An extended version of a paper published in Proceedings of the 1999 Annual Symposium of the American Medical Informatics Association (AMIA-1999), Washington, D.C., November 6-10, 1999. A draft version of this paper is available at http://www.pitt.edu/~druzdzel/abstracts/cbmi99.html
6. Anne Edland and Ola Svenson, "Judgment and Decision Making under Time Pressure: Studies and Findings." In Time Pressure and Stress in Human Judgment and Decision Making, Ola Svenson and A. John Maule (eds.), Chapter 2, pages 27-40, Plenum Press: New York, 1993
7. Max Henrion, Max. “Some practical issues in constructing belief networks.” Kanal, L.N., Levitt, T.S. & Lemmer, J.F. (eds.), Uncertainty in Artificial Intelligence 3. Elsevier Science Publishers B.V. (North Holland), pages 161-173, 1989.
8. Fragments of Benjamin Franklin's letter to his friend Dr. Joseph Priestley on 19 September 1772. In John Bigelow (ed.), "The Complete Works of Benjamin Franklin,” Vol. 4, pages 522-523, G.P. Putnam's Sons: New York, 1887
9. On-line manual of GeNIe Modeler, a decision modeling environment available free of charge for academic use at https://www.bayesfusion.com/.
10. Paul R. Kleindorfer, Howard C. Kunreuther and Paul J.H. Schoemaker, "Decision Sciences: An Integrative Perspective." Chapters 6, 8, and 9, Cambridge University Press, 1993
11. Kevin McKean, "Decisions, Decisions." Discover, pages 22-31, June 1985
12. M. Granger Morgan and Max Henrion, "Uncertainty: A Guide to Dealing with Uncertainty in Quantitative Risk and Policy Analysis." Chapter 3, "An Overview of Quantitative Policy Analysis." Cambridge University Press, 1990
13. Onisko, Agnieszka, Marek J. Druzdzel & Hanna Wasyluk. “Learning Bayesian network parameters from small data sets: Application of Noisy-OR gates.” International Journal of Approximate Reasoning, 27(2):165-182, 2001. A draft version of this paper is available at: http://www.pitt.edu/~druzdzel/abstracts/ijar01.html.
14. Lawrence D. Philips "Requisite Decision Modeling: A Case Study." Journal of Operational Research Society, 33, 303-311, 1982
15. Amos Tversky and Daniel Kahneman, "Judgment under Uncertainty: Heuristics and Biases." Science, 185(4157), 1124-1131, September 1974
16. Detlof von Winterfeldt and Ward Edwards, "Decision Analysis and Behavioral Research." Chapter 12, Section 12.5 "Pitfalls of decision analysis: examples and lessons," pages 517-529, Cambridge University Press, 1986