Lahore University of Management Sciences
 
DISC 321‐ Decision Analysis 
Fall Semester 2017  
Instructor  Kamran Ali Chatha 
Room No.  4‐36, 4th Floor, SDSB Building
Office Hours  TBA 
Email  [email protected]
Telephone  042 – 3560 8094 
Secretary/TA   Sec: Muhammad Umar Manzoor, TA: TBA
TA Office Hours  TBA 
Course URL (if any)  suraj.lums.edu.pk 
 
COURSE BASICS 
Credit Hours  4 
Lecture(s)  Nbr of Lec(s) Per Week 2 Duration 110 minutes
Recitation/Lab (per week)  Nbr of Lec(s) Per Week Duration  
Tutorial (per week)  Nbr of Lec(s) Per Week Duration  
 
COURSE DISTRIBUTION 
Core  Core 
Elective   
Open for Student Category   
Close for Student Category   
 
COURSE DESCRIPTION (BRIEF) 
Decision  Analysis  is  a  branch  of  science  that  focuses  on  utilizing  quantitative  techniques  for  the  purpose  for  making  sound 
managerial decisions under various forms of constraints (economic, temporal and behavioral). This course exposes students to the 
concepts,  methods  and  techniques  of  decision  analysis  to  conceptualize  real  world  managerial  problems,  analyze  them  and  find 
workable solutions. The course covers topics such as: decision trees, decision making under uncertainty, value of information, risk 
analysis using Monte Carlo simulation, risk attitude, and multi‐objective decisions. A real world project and written case analyses 
provide avenues for practical learning. 
COURSE DESCRIPTION (ELABORATE) 
Major objectives of this course are: 
(1) To understand basic concepts, methods and techniques of decision analysis; 
(2) To  develop  capability  to  use  quantitative  techniques  (in  relation  to  decision  analysis)  for  analyzing  and  solving  real  world 
managerial problems; 
(3) To  have  hands‐on  experience  of  developing  spreadsheet  models  (using  Microsoft  Excel  and  an  add‐on  software  namely 
Palisade Suite) for modeling and analyzing decisions; 
Decision Analysis / Science is a branch of science that focuses on utilizing quantitative techniques for the purpose for making sound 
managerial  decisions  under  various  forms  of  constraints  (economic,  temporal  and  behavioral)  faced  in  the  real  world  problems. 
These  problems  may  belong  to  an  organziation’s  functional  areas  such  as  finance,  operations,  engineering,  HRM  and  marketing 
functions etc. The problems may also be interdisciplinary in nature in which case function or discipline specific techniques when 
applied to solving these problems may not necessarily result into practical solutions. In such scenarios the techniques developed 
within  the  discipline  of  decision  analysis  may  provide  broader  frameworks  and  concepts  that  render  practical  solutions  to  such 
problems. 
There are numerous examples in various disciplines where decision analysis concepts are needed for making sound decisions, for 
example  in  software  engineering  (e.g.  decision  about  choosing  one  technology  or  process  over  the  other),  legal  decisions  (e.g., 
understanding the effects of economic pressures on attributions of responsibility), risk assessments (e.g., assessing risks of nuclear 
power  or  missile  tests),  marketing  (e.g.  launching  specific  product  in  a  market)  and  managerial  decision  making  (e.g.,  correcting 
biases in the assessment of risk). The decision analysis concepts and frameworks are equally applicable in problems belonging to 
  
Lahore University of Management Sciences
many other disciplines as well. 
Decision analysis relies heavily on decision theory which is concerned with identifying values of different alternatives, uncertainties 
involved, their utilities, and other issues relevant to a given decision, its rationality, and the resulting optimal decision. In order to 
exercise these concepts decision theory borrows some of the concepts from probability theory. 
In order to achieve aforementioned objectives two major steps have been taken while designing the course: (1) a number of real 
world case studies are used in order to better comprehend applicability of decision analysis concepts and techniques in real world 
problems. Extended class room discussions on case study analyses will be instrumental in understanding key issues pertaining to 
application, managerial concerns, and assumptions around the technique while focusing on the real world problem, (2) a number 
of lab sessions have been included in order to develop practical skills of configuring and using spreadsheets for decision analysis. 
 
COURSE PREREQUISITE(S) 
DISC 203  Probability & Statistics (OR) 
MATH 230  Probability (AND) 
MATH 231  Statistics (OR)  
ECON 230  Statistics & Data Analysis (AND) 
DISC 212  Introduction to Management Science 
    (Participants should possess basic knowledge of Probability / Statistics and calculus. 
   Students should have taken DISC‐203 or an equivalent course.) 
 
COURSE LEARNING OBJECTIVES 
   Major objectives of this course are: 
1. 
To expose students basic concepts, methods and techniques of decision analysis; 
 
2.  To  learn  using  quantitative  techniques  (in  relation  to  decision  analysis)  for  analyzing  and  solving  real  world 
  managerial problems; 
3. 
To have a hands on experience of developing spreadsheet models (using Microsoft Excel and an add‐on software 
 
namely Palisade Suite) for modeling and analyzing decisions; 
 
EXAMINATION DETAIL 
Yes/No: Yes 
Combine Separate: Combine 
Midterm 
Duration: 3 Hours in the Lab 
Exam 
Preferred Date: 
Exam Specifications: Closed Books / Open Notes 
 
Yes/No: Yes 
Final Exam  Combine Separate: Combine 
Duration: 4 Hours in the Lab 
Exam Specifications: Closed Books / Open Notes 
 
UNDERGRADUATE PROGRAM LEARNING GOALS & OBJECTIVES  
   General Learning Goals & Objectives 
   Goal 1 –Effective Written and Oral Communication 
   Objective: Students will demonstrate effective writing and oral communication skills 
Goal 2 –Ethical Understanding and Reasoning 
   Objective: Students will demonstrate that they are able to identify and address ethical issues in an organizational 
context.  
Goal 3 – Analytical Thinking and Problem Solving Skills  
   Objective: Students will demonstrate that they are able to identify key problems and generate viable solutions.  
Goal 4 – Application of Information Technology 
   Objective: Students will demonstrate that they are able to use current technologies in business and management 
context.  
Goal 5 – Teamwork in Diverse and Multicultural Environments 
  
Lahore University of Management Sciences
   Objective: Students will demonstrate that they are able to work effectively in diverse environments. 
Goal 6 – Understanding Organizational Ecosystems 
   Objective: Students will demonstrate that they have an understanding of Economic, Political, Regulatory, Legal, 
Technological, and Social environment of organizations.  
 
Major Specific Learning Goals & Objectives 
Goal 7 (a) – Program Specific Knowledge and Understanding  
   Objective: Students will demonstrate knowledge of key business disciplines and how they interact including 
application to real world situations. 
Goal 7 (b) – Understanding the “science” behind the decision‐making process (for MGS Majors) 
    Objective: Students will demonstrate ability to analyze a business problem, design and apply appropriate 
decision‐support tools, interpret results and make meaningful recommendations to support the decision‐maker  
 
Indicate below how the course learning objectives specifically relate to any program learning goals and objectives.  
 
PROGRAM LEARNING GOALS AND  COURSE LEARNING OBJECTIVES  COURSE ASSESSMENT ITEM 
OBJECTIVES 
Goal 1 –Effective Written and Oral    Written Case Analyses.
Communication  Group Project (Presentation). 
Goal 2 –Ethical Understanding and   
Reasoning 
Goal 3 – Analytical Thinking and Problem  To learn using quantitative techniques (in  Written Case Analyses.
Solving Skills  relation to decision analysis) for analyzing  Midterm Exam 
and  solving  real  world  managerial  Final Exam 
problems (Obj‐2); 
To  have  a  hands  on  experience  of 
developing  spreadsheet  models  (using 
Microsoft  Excel  and  an  add‐on  software 
namely  Palisade  Suite)  for  modeling  and 
analyzing decisions (Obj‐3); 
Goal 4 – Application of Information   
Technology 
Goal 5 – Teamwork in Diverse and    Written Case Analyses.
Multicultural Environments  Group Project. 
Goal 6 – Understanding Organizational   
Ecosystems 
Goal 7 (a) – Program Specific Knowledge  To  expose  students  basic  concepts,  Class Participation. 
and Understanding   methods  and  techniques  of  decision  Group Project. 
analysis (Obj‐1);; 
To learn using quantitative techniques (in 
relation to decision analysis) for analyzing 
and  solving  real  world  managerial 
problems (Obj‐2); 
To have a hands on experience of 
developing spreadsheet models (using 
Microsoft Excel and an add‐on software 
namely Palisade Suite) for modeling and 
analyzing decisions (Obj‐3); 
Goal 7 (b) – Understanding the “science”  To  understand  basic  concepts,  methods  Quizzes 
behind the decision‐making process  and techniques of decision analysis.  Midterm Exam 
Final Exam 
 
 
  
Lahore University of Management Sciences
LEARNING OUTCOMES 
    
    Decision Analysis Process, and accompanying concepts, methods and techniques. 
    Palisade Suite for conducting quantitative analyses. 
   Capability to take managerial decisions. 
 
GRADING BREAKUP AND POLICY 
 
Written Cases Analyses / Assignment(s):  20% 
Quiz(s): 10% (generally announced, occasionally unannounced) 
Midterm Examination: 10% 
Project: 15% 
Final Examination: 30% 
Class Participation: 15% 
 
The instructor has the right of re‐assigning 5% of the grading criteria. 
 
Class Participation Policy 
Class participation grading will be carried out as per the following rules: 
 
a) 0 for attending the class but coming late. 
b) 0.25 for attending the class without any participation in class discussions. 
c) 0.5 to 0.7 for little participation in the class discussion (awarded for engaging in a discussion, asking questions relevant to a 
discussion, describing case facts, giving an opinion or idea in relation to the discussion). 
d) 1.0 to 1.5 for good participation in the class discussion (awarded for giving a valid contradictory viewpoint or 
comprehensive argument or rationale behind a concept). 
e) 2.0 for very good participation in the class discussion (awarded for hitting multiple “es” as mentioned above) 
f) 2.5 for excellent participation in the class discussion (awarded for bringing to the class and supporting with solid argument 
some concepts which even instructor does not know) 
Group Project 
Students will engage in a group project. The group size will be decided based on course enrollment. Students will identify a decision 
situation  in  an  organization  and  apply  course  concepts  thus  formulating  and  analyzing  the  problem.  Following  this  they  will 
synthesize and suggest an appropriate solution to the problem. They will share their solution with the case study organization, and 
understand from company personnel the likely problems in implementing their solutions. The feedback obtained from the company 
personnel will be incorporated in the final project report. 

A detailed description on group project will be provided once the course starts. 

*** A few of the student projects will be shortlisted for conversion into teaching cases. Students will be asked if they are interested 
to convert their projects into teaching cases that will be published in an international conference / case journal and will make part of 
the DA course in the future. 
 
 
 
 
 
 
  
Lahore University of Management Sciences
DETAILED COURSE OUTLINE 
 
COURSE OVERVIEW 
SESSION  TOPIC  CASES AND  ASSIGNMENT QUESTIONS  SESSION 
S. NO. 
TYPE  READINGS  OBJECTIVES 
INTRODUCTION
1.   Class  Introduction  Readings: As two class sessions are devoted  Decision analysis 
2.   Session  (1) PB‐Chapter‐2:  to this:  and problem‐
Modeling in a    solving. 
Problem Solving   Read PB‐Chapter‐2 for the 
Framework (Sections  first class session. 
– 2.1, 2.2, 2.3, 2.4) 
 Read Learning by the Case 
(2) “Learning by the Case  Method for the second class 
Method”, by  session. 
Hammond, J.S. (HBS 
# 9‐376‐241). 
MODELING DECISIONS
3.   Class  Objectives  Reading: CLEMEN‐  What is the difference  Developing and 
Session  Hierarchy,  Chapter Structuring  between fundamental and  analyzing Influence 
Influence  Decisions pp43‐65  means objectives?  Diagrams. 
Diagrams,    How to structure decisions 
and Payoff  with influence diagrams? 
Table 
 In class exercises on influence 
diagram. 
4.   Class  Case: Athens Glass Works Focusing just on the prices  Developing and 
Session  discussed by Christina Matthews  analyzing Influence 
and Robert Alexander, which price  Diagrams. 
would you recommend, $2.15 or 
$2.36? 
5.   Class  Decision  Readings:  What are various elements of  Developing and 
Session  Trees  CLEMEN‐Chapter‐3:  a decision tree?  analyzing decision 
  Structuring Decisions   How are decision trees  trees. 
pp69‐83  analyzed? 
 In class exercises on making 
decision trees. 
6.   Class  Decision  Case: Freemark Abbey 1. Assuming Mr. Jaeger chooses  Developing and 
Session  Trees  to harvest the Riesling grapes  analyzing decision 
  before the storm arrives, how  trees. 
much money will he make? 
2. Assuming Mr. Jaeger chooses 
to leave the grapes on the 
vine, what is the probability 
that the grapes will end up 
with botrytis, and how much 
money will he make if that 
occurs? 
3. Taking account of all the 
various possibilities, what 
should Mr. Jaeger do? 
7.   Class  Decision‐ Reading: CLEMEN‐  Read specified material and  Making decisions 
Making  Chapter‐4: Making  prepare yourself for in‐class  in probabilistic 
  
Lahore University of Management Sciences
Session  under  Choices pp111‐145 discussion. situations.
Uncertainty   In class exercises on risk 
  profiles (4.7, 4.8) 
 Take home practice problems: 
4.4, 4.6, 4.16, 4.19 
8.   Class  Sensitivity  Reading: CLEMEN‐ Read specified material and  The role of 
Session  Analysis  Chapter‐5: Sensitivity  prepare yourself for in‐class  sensitivity analysis 
Analysis pp174‐192  discussion.  in decision 
modeling and 
analyzing. 
9.   Class  Sensitivity  Case: Dhahran Roads (A) 1. What do you recommend  The role of 
Session  Analysis  Reading: Cash Flow  regarding the proposed  sensitivity 
  and Time Value of  contract for the Dhahran  analysis in 
Money (SKIM)  Roads project?  decision 
2. Be sure that your  modeling, 
recommendation  analyzing and 
acknowledges any key sources  making. 
of risk in the conduct of the 
project and any negotiable 
parameters of the proposed 
contract. 
3. Does sensitivity analysis 
change your decision when 
compared to the base case? 
MODELING UNCERTAINTY
10.   Lab  Using  Reading: AWZ‐Chapter‐  Read specified material and  Making decision 
Spreadsheet  7: Decision Making  develop an understanding of  trees using a 
for Decision  under Uncertainty,  various functions of  spreadsheet. 
Trees  Section‐7.2, 7.3.  PrecisionTree module that 
  relate to making and analyzing 
decision trees using software. 
 Solve problems 36 and 37 
given at the end of the 
chapter. 
11.   Class  Decision‐ Case: George’s T‐Shirts 1. What are the financial  Making decisions 
Session  Making  outcomes if Lassiter orders  in probabilistic 
under  5,000 T‐shirts? 7,500? 10,000?  situations. 
Uncertainty  2. How many T‐shirts should 
Lassiter order? 
MID‐TERM EXAM
12.   Class  Value of  Reading: CLEMEN‐  Read specified material and  The influence of 
Session  Information  Chapter‐12: Value of  prepare yourself for in‐class  the availability of 
Information, pp496‐509  discussion.  information on 
 Solve problems 12.2, 12.3 and  the decision. 
12.4 in the class. 
13.   Class  Value of  Case: Integrated Siting  1. What do you recommend Ms.  The influence of 
Session  Information  Systems, Inc.  Scott of what decision should the availability of 
  be taken?  information on 
2. How concerned should you be  the decision. 
about the probability of the 
standard system not working? 
  
Lahore University of Management Sciences
How far off would your 
assessment have to be before 
you would change your 
recommendation? 
3. What about reputation? Can 
you afford the chance of such 
a visible failure? How much 
does reputation have to be 
worth to change the decision 
on economic grounds? 
4. What is this test worth to 
you? What would you pay for 
a perfect information? 
14.   Lab  Spreadsheet  Reading: AWZ‐Chapter‐7:   Practice examples 7.2, 7.3, 7.4  Practicing 
Modeling  Decision Making under  in the lab. Practicing these  probabilistic 
for Decision  Uncertainty, Section‐7.4,  examples will help you solve  decisions using 
Making  7.5.  the following assignment.  spreadsheets. 
under   HOME ASSIGNMENT: Solve 
Uncertainty  problems 19, 21, 22 
individually and submit your 
solutions. 
15.   Lab  Simulation  Reading: AWZ‐Chapter‐  Read specified material before  Understanding 
Modeling  16:   the lab.  RISK as a package 
with  (1) Probability   Practice examples 16.1, 16.2,  to model 
16.   Spreadsheet Distributions and  16.3, 16.4 and 16.5 in the lab.  decisions using 
s  Simulation.  Practicing these examples will  simulations. 
  (2) Introduction to  help you solve the following 
Simulation Modeling,  assignment. 
Sections – 16.3, 16.4,   HOME ASSIGNMENT: Solve 
16.5, and 16.6.  problems 11, 17, 22, 26 
individually and submit your 
solutions. 
17.   Class  Monte Carlo  Case: To help Frank Lockfeld figure out  Applying Monte 
Session  Simulations  (1) Calambra Olive Oil  how many gallons of olive oil he  Carlo Simulation 
(A)  should order in 1994.  method in a real‐
 Part A: In the first part, you  life business 
(2) Calambra Olive Oil 
should use the spreadsheet  problem. 
(B) 
model LIQUIDGOLD.XLS and 
the ranges provided by Frank 
Lockfeld to develop a tornado 
chart to identify the important 
uncertainties in the problem. 
Be sure you can explain any 
surprising findings in this 
analysis. 
 Part B: Using information 
about the uncertainties, you 
should develop a simulation 
model to resolve the key 
questions of the case: How 
much olive oil should Frank 
Lockfeld order? How risky is 
this venture? 
  
Lahore University of Management Sciences
18.   Lab  Simulation  Reading: AWZ‐Chapter‐17:   Practice examples 17.1, 17.2,  Understanding 
19.   Modeling  Simulation Models,  17.3, 17.4, 17.5, 17.7, 17.8,  RISK as a package 
with  Sections – 17.2, 17.3, 17.4. 17.9 in the lab. Practicing  to model 
20.  
Spreadsheet these examples will help you  decisions using 
s  solve the following  simulations. 
assignment. 
 HOME ASSIGNMENT: Solve 
problems 17, 18, 20 
individually and submit your 
solutions.  
MODELING PREFERENCES
21.   Class  Risk Attitude  Reading: CLEMEN‐  Read specified material and  Understanding 
Session  Chapter‐13: Risk  prepare yourself for in‐class  the influence of 
Attitude, pp 527‐555.  discussion.  risk attitude on 
 In class exercises on risk  decisions. 
attitude (problem 13.17,   
13.24). 
22.   Lab  Incorporatin Reading: AWZ‐Chapter‐  Practice example 7.5 in the  Practicing risk 
g Risk  7: Decision Making  lab.  attitude using a 
Attitude  under Uncertainty,   Solve problems 77, 79, 80 in  spreadsheet. 
Section‐7.6.  the lab. 
23.   Class  Risk Attitude  Caselets: Risk Preference   Find solutions to the questions  Practicing risk 
Session  Utility Caselets  given in these caselets.  attitude. 
  Class  Risk Attitude  Case: Risk Analysis for  For questions 1 and 2 only, assume  Understanding 
Session  Merck & Company:  that Merck will follow the advice  the influence of 
Product KL‐798  of George W. Merck, “We try  manager risk 
never to forget that medicine is for  attitude on 
the people. It is not for the profits.  decisions. 
The profits follow, and if we have 
remembered that, they have never 
failed to appear.” 
1. First, do a risk neutral analysis. 
(a) What is the expected monetary 
value of the KL‐798 opportunity? 
Be very clear about how your 
spreadsheet works. 
2. Now consider risk aversion in 
your analysis. What would be the 
certainty equivalent for the total 
opportunity? 
3. Assume that we ignore George 
W. Merck’s advice and always seek 
the financially best path. (a) Draw 
a decision tree of the sequence of 
decisions and uncertainties and 
integrate it with the influence 
diagram from question 1a. (b) 
What now is the expected 
monetary value of KL‐798? Clearly 
describe how you arrived at this 
solution and provide information 
on how your spreadsheet model 
works. (c) What is the certainty 
  
Lahore University of Management Sciences
equivalent of KL‐798 to Merck 
when considering their risk 
preference? 
24.   Class  Structuring  Reading: CLEMEN‐Chapter‐ Read specified material and  Understanding 
Session  Multi‐ 15: Conflicting Objectives I:  prepare yourself for in‐class  multi‐objective 
Objective  Fundamental Objectives  discussion.  decisions and 
Decisions  and the Additive Utility  structuring them. 
Function pp599‐621. 
25.   Class  Additive  Case: Sleepmore Mattress  1. Be prepared to discuss all the  Additive utility 
Session  Utility  Manufacturing; Plant  decision approaches described  function as a 
Function  Consolidation.  in the note and consider how  method of 
the approaches might be  analyzing multi‐
applied to the case.  objective 
2. Rate the four quantitative  decisions. 
attributes, determine the 
appropriate weights for the 
attributes and compare the 
three locations. If you had to 
phase in the consolidations 
one at a time, in what order 
would you do them? 
3. How sensitive is your ranking 
to the weights you assigned? 
4. How would you score plant 
size at site 1 if the sales were 
$30 million at plant A rather 
than $3 million? Would you 
change the range of the scale, 
or the weight of the attribute, 
or both? 
5. Implicit in your analysis are 
some trade‐offs that can be 
calculated. For example, what 
is the dollar value (in terms of 
initial cost) of improving the 
labor attribute by 1 unit on 
the 10‐point scale? 
26.   Class  Project presentations (mandatory attendance by all students)
27.   Session 

FINAL EXAM
 
TEXTBOOK(S)/SUPPLEMENTARY READINGS 
Following books are recommended for this course however, students are strongly encouraged to consult any other resources such
as: books, journals, magazines, sharing personal experiences to enhance their learning. 
[AWZ]: Albright, S.C., Winston, W.L., and Zappe, C., 2006, Data Analysis & Decision Making – With Microsoft Excel, 3e, Thomson, 
South‐Western, ISBN: 0‐324‐40083‐7. 
[CLEMEN]: Clemen, R. T., 2001, Making Hard Decisions: An Introduction to Decision Analysis with Decision Tools, Duxbury Press, 
Thomson Learning, ISBN: 0‐534‐36597‐3. 
[PB]: Powell, S.G., and Baker, K.R., 2009, Management Science – The Art of Modeling with Spreadsheets, John Wiley & Sons Inc., 
ISBN‐13: 978‐0‐470‐39376‐5. 
[ASW] Anderson, Sweeney & Williams, Statistics for Business and Economics.