정보의 가치

Value of information

정보의 가치(VOI 또는 VOI)는 의사결정자가 의사결정을 하기 전에 정보에 대해 기꺼이 지불할 금액이다.

유사 용어

VoI는 때로는 완벽한 정보의 가치, 즉 Clairvoyance(VoC)의 가치라고도 불리며 불완전한 정보의 가치로 구분되기도 한다.그것들은 완벽한 정보(EVPI)의 널리 알려진 기대값과 샘플 정보의 기대값(EVSI)과 밀접하게 관련되어 있다.VOI가 일반적으로 이해되는 "완벽한 정보를 가진 의사결정 상황의 가치" - "현재 의사결정 상황의 가치"와 반드시 같지는 않다는 점에 유의하십시오.

정의들

간단하다.

간단한 예는 그 개념을 가장 잘 보여준다.한 가지 결정으로 결정 상황을 고려하십시오. 예를 들어 '취약 활동'을 결정하는 것과 같은 불확실성, 예를 들어 '기상 조건'은 어떻게 되는가?그러나 우리는 '바캉스 활동'을 결정하고 시작한 후에야 '날씨 조건'을 알게 될 것이다.

  • '기상조건에 대한 완벽한 정보의 가치'는 휴가 활동 결정을 내리기 전부터 기상을 알 수 있는 가치를 포착하고 있다.그것은 휴가 활동 결정을 내리기 전에 날씨 상태를 알 수 있는 것에 대해 의사결정자가 기꺼이 지불할 가장 높은 가격으로 정량화된다.
  • 그러나 '기상조건에 대한 불완전한 정보의 가치'는 휴가 활동을 결정하기 전에 '기상조건' 자체 대신 '기상예측'과 같은 또 다른 관련 불확실성의 결과를 알 수 있다는 가치를 포착한다.이는 의사결정자가 휴가 활동 결정을 내리기 전에 일기예보를 알 수 있는 것에 대해 지불할 의향이 있는 가장 높은 가격으로 정량화된다.이것은 본질적으로 일기예보에 대한 완벽한 정보의 가치라는 것에 주목하라.

격식

위의 정의는 어떤 불확실성의 불완전한 정보의 가치가 항상 완벽한 정보의 가치, 즉 VoC의 다른 불확실성의 가치로 프레임될 수 있다는 것을 보여준다. 따라서 VoC라는 용어만 계속 사용될 것이다.

표준

결정(d1, d2, d3, d, ..., dn) 및 m 불확실성(u1, u2, u3, u, ..., um)이 있는 일반적인 의사결정 상황을[1] 고려한다.표준적인 개별 의사결정 철학에서 합리성 가정은 만들어지거나 알려진 것은 잊혀지지 않는다, 즉 의사결정자는 완벽한 리콜을 한다.이러한 가정은 이러한 결정의 선형적 순서의 존재와 다음과 같은 불확실성으로 해석된다.

  • di 주문에서i d가 d보다j 앞에 오는 경우에만 d를j 만들기 전에 만들어진다.
  • d는i 주문에서 d가i u보다j 먼저 올 경우에만 u를j 알기 전에 만들어진다.
  • d는i 주문에서 d가i uj 다음에 올 경우에만 u를j 안 후에 만들어진다.

의사결정자가 의사결정 상황의 초기에 일부 추가 불확실성의 결과를i 알 수 있는 경우, 즉, 일부 u는 주문에 더 일찍 나타나도록 이동한다.그러한 경우, VoC는 의사결정자가 그 모든 움직임에 대해 기꺼이 지불할 수 있는 가장 높은 가격으로 정량화된다.

일반화

그 후 같은 의사결정 상황에서 팀원 간에 일반적으로 불완전한 정보 공유가 존재하는 팀 의사결정 분석 틀에서 표준은 더욱 일반화된다.이러한 경우에, 만들어지거나 알려진 것은 다른 팀 구성원에 속하는 후속 결정에서 알 수 없을 수 있다. 즉, 완벽한 리콜 가정을 충족하는 결정과 불확실성의 선형 순서가 존재하지 않을 수 있다.따라서 VoC는 팀 결정 상황에서 다른 결정을 내리기 전에 "추가적인 불확실성뿐만 아니라 다른 팀 구성원이 이미 내린 추가 결정"을 알 수 있다는 가치를 포착한다.[2]

특성.

VoI의 매우 중요한 특징에는 항상 모든 의사결정 상황을 유지하는 네 가지가 있다.

  • 의사결정자는 항상 추가 정보를 무시할 수 있고 그러한 정보를 이용할 수 없는 것처럼 결정을 내릴 수 있기 때문에 정보의 가치는 결코 0보다 작을 수 없다.
  • 그 어떤 정보 수집/공유 활동도 Clairvoyance의 가치로 정량화된 것보다 더 가치가 있을 수 없다.
  • 새로운 증거를 여러 개 관찰하면 관측 순서에 관계없이 최대 기대 효용에서 동일한 이득을 얻는다.
  • 두 개의 새로운 증거 변수를 관찰하는 VOI는 첨가물이 아니다.대신에 그것은 하나를 관찰하고, 그것을 우리의 현재 증거에 포함시키고, 다른 것을 관찰하는 것과 같다.

연산

VoC는 더 많은 정보를 얻는 추가적인 효익을 상쇄할 수 있을 정도로 충분히 큰 화폐 금액이라는 정의를 엄격히 따르고 있다.즉, VoC는 다음까지 반복적으로 계산된다.

"VoC를 지불하는 동안 완벽한 정보를 가진 의사결정 상황의 가치" = "현재 의사결정 상황의 가치"

특별한 경우는 의사결정자가 VoC를 단순히 다음과 같이 계산할 수 있는 위험 중립적인 경우다.

VoC = "완벽한 정보가 있는 의사결정 상황의 가치" - "현재 의사결정 상황의 가치"

이 특별한 경우는 완벽한 정보의 기대값과 표본 정보의 기대값을 계산하는 방법이다. 여기서 위험 중립성이 암묵적으로 가정된다.의사결정자가 위험을 회피하거나 위험을 추구하는 경우, 이러한 단순한 계산이 반드시 정확한 결과를 산출하는 것은 아니며, 반복적인 계산만이 정확성을 보장하는 유일한 방법이다.

의사결정 나무와 영향 다이어그램은 관련 VoC 계산뿐만 아니라 의사결정 상황을 표현하고 해결하는 데 가장 일반적으로 사용된다.특히 영향력 다이어그램은 팀원 간의 불완전한 정보 공유가 매우 효율적으로 표현되고 해결될 수 있는 팀 의사결정 상황을 수용하도록 구성되었다.의사결정 트리는 팀 의사결정 상황을 수용하도록 설계되지 않지만, 게임 트리에서 널리 사용되는 정보 세트로 그것들을 증가시킴으로써 그렇게 할 수 있다.

예

VoC는 종종 비즈니스 거래에서 컨설턴트를 지불하는 예를 사용하여 설명되는데, 이들은 완벽(완벽한 정보의 기대 가치) 또는 불완전한(불완전한 정보의 기대 가치)일 수 있다.[3]

일반적인 컨설턴트 상황에서는 컨설턴트가 없는 예상 비용 E와 컨설턴트의 정보가 포함된 수정된 비용 F에 근거하여 컨설턴트의 정보에 대한 비용 C까지 지불해야 한다.완벽한 정보 시나리오에서 E는 좋은 결과의 확률 g 곱하기 비용 k에 나쁜 결과의 확률(1-g) 곱하기 비용 k'>k:

E = gk + (1-g)k',

컨설팅 비용 c를 포함한 완벽한 정보의 예상 비용 F를 반영하도록 개정되었다.완벽한 정보 사례에서는 완벽한 정보 컨설턴트로 인해 나쁜 결과가 발생하지 않는다고 가정한다.

F = g(k+c)

그런 다음 우리는 컨설턴트에게 언제 돈을 지불해야 할지를 결정하기 위해 어떤 F.E.에 대한 c의 가치에 대해 해결한다.

재귀적 의사결정 트리의 경우 오류를 수정함으로써 발생하는 추가 비용 m이 종종 발생하며, 공정이 다시 시작되어 예상 비용이 방정식의 왼쪽과 오른쪽 양쪽에 모두 나타날 것이다.[4]이는 잘못 주문하거나 설치한 경우 조립 라인 구성 요소를 교체해야 하는 고용 재계약 결정 또는 가치사슬 결정의 전형이다.

E = gk + (1-g)(k'+m+E)

F = g(k+c)

컨설턴트가 f번으로 불완전한 경우, 다음과 같은 오류 확률을 포함하여 컨설턴트 비용을 해결한다.

F = g(k+c)(1-f) + g(k+c+F)f + (1-g)(1-f)(k+c+F) + (1-g)f(k'+c+m+F)

VOI는 또한 구조물에 대한 검사 및 유지관리 계획을 수행하는 데 사용된다. 예를 들어 무결성 관리의 맥락에서, 공학적 구조물의 사용 수명 동안 수집된 정보와 관련된 값이 측정 무작위 오류뿐만 아니라 편향(시스템적 오류)의 영향을 받는 정도를 분석한다.오류), 수집 간의 종속성 고려[5]

참고 항목

참고 문헌 목록

  1. ^ Howard, Ronald (1966). "Information Value Theory". IEEE Transactions on Systems Science and Cybernetics. 2 (1): 22–26. doi:10.1109/tssc.1966.300074. ISSN 0536-1567.
  2. ^ Kuhn, H. W. (1953), "11. Extensive Games and the Problem of Information", in Kuhn, Harold William; Tucker, Albert William (eds.), Contributions to the Theory of Games (AM-28), Volume II, Princeton University Press, pp. 193–216, doi:10.1515/9781400881970-012, ISBN 9781400881970
  3. ^ results, search; Parlikad, Ajith Kumar; results, search; results, search (2013-10-02). Total Information Risk Management: Maximizing the Value of Data and Information Assets (1st ed.). New York, NY: Morgan Kaufmann. ISBN 9780824788896.
  4. ^ Laxminarayan, Ramanan; Macauley, Molly K., eds. (2014-09-21). The Value of Information: Methodological Frontiers and New Applications in Environment and Health (2012 ed.). Place of publication not identified: Springer. ISBN 9789400798083.
  5. ^ Ali, Kashif; Qin, Jianjun; Faber, Michael Havbro (2020-11-12). "On information modeling in structural integrity management". Structural Health Monitoring: 147592172096829. doi:10.1177/1475921720968292. ISSN 1475-9217.