(第十一章)决策论.pptVIP

Chapter Thirteen Decision Analysis 决策分析 无概率的决策 不知道自然状态的概率时的决策方法 适用于决策者对判断概率缺乏信心，或是只需要对事情做出简单的最好的或是最坏的估计的情形 有乐观法、保守法(悲观法)、折衷法、后悔值法 乐观法(“好中求好”准则) 决策者持乐观态度，总是从最有利的结果去考虑问题。具体步骤为： 1. 找出每种方案的最好结果 2. 再在这些最好结果中选择最好的结果，相应得到最优方案 保守法/悲观法(“坏中求好”准则) 决策者持悲观态度，从最不利的角度去考虑问题。具体步骤为： 1. 找出每种方案的最坏结果 2. 再在这些最坏结果中选择情况最好的方案 折衷法(乐观与悲观的折衷) 决策者持乐观态度太冒险，持悲观态度又太保守，故进行折衷 1. 取一个乐观系数a(0a1) 2. 折衷：a*乐观+(1-a)*悲观 后悔值法(机会损失“大中求小”) 具体步骤为： 1. 计算后悔值(以各状态下的最大收益为理想目标，其他值与理想目标的差距称为未达理想的后悔值) 2. 对后悔值运用损失“大中求小”准则(悲观准则)找出最优方案 有概率的决策 可以判断出自然状态的概率 在有概率的情况下，可以使用期望值准则来得出最佳的决策方案。 期望值=状态1下的损益×状态1的概率+状态2下的损益×状态2的概率+… 有表形结构(决策表)、图形结构(决策树)两种形式 决策树形式 灵敏度分析 自然状态的概率和各方案不同情形下的收益值是估算的或预测的，当这些数据不准确或发生变化时，对最优决策方案有什么影响呢？------灵敏度分析 灵敏度分析帮助决策者了解哪种输入值对最佳决策方案的选择起最为关键的作用。如果一种输入值的一个小变化就会导致最佳决策方案产生变化，那么这一方案对那一特定输入值敏感。我们就必须另外花时间和精力以确保这一输入值尽可能正确。反之，不需对所估计的输入值再花时间和精力。 灵敏度分析的方法 一种方法是选择不同的自然状态的概率值和/或方案收益值，然后再求该问题的决策方案。如果决策方案改变了，那么决策方案对所产生的变化敏感。这种方法的不足之处是需要进行大量的计算来衡量自然状态概率可能的几种变化的影响。 对于只有两种自然状态的特殊例子，可以用一种图解的方法来得出自然状态产生的变化是如何影响决策方案的。如P353的图15-2 完全信息的价值 如果有这样的信息，它可以绝对准确地预报未来出现的自然状态，称之为完全信息 完全信息的价值：有完全信息情况下的期望损益与没有完全信息情况下的期望损益之差 收集或购买完全信息所花费的代价为完全信息费 当完全信息的价值≥完全信息费时，完全信息才值得收集或购买 举例 不完全信息的价值 通过市场调查或试验提供的关于样本的信息只是部分信息，是不完全信息。 不完全信息的价值：不完全信息情况下的期望损益与没有信息情况下的期望损益之差 获得不完全信息所花费的代价(如，市场调查费、试验费)为不完全信息费 当不完全信息的价值≥不完全信息费时，不完全信息才值得去获取 样本信息的效率=不完全信息的价值/完全信息的价值，效率越高，该样本信息越好 效用与决策 描述方案后果的指标有：收益、损失、效用等 效用值是衡量一个决策方案的总体指标，它体现了决策者对一系列因素，如利润、损失和风险的态度。(主观偏好程度的度量) 使用效用值进行决策，首先把要考虑的因素折合成效用值，然后用期望值准则，选出效用期望值最大的方案为最优方案。 不同决策者对同一事物的效用不同 用效用进行决策，最大的难点在于测度决策者的效用值 效用期望值的决策准则 多指标时的决策方法：层次分析法 * * 30 最好 10 5万 10万 S3 (小规模) 20 -2万 20万 S2 (中规模) 30 -6万 30万 S1 (大规模) 乐观(最好结果) N2(弱需求) N1(强需求) 状态 收益 方案 5 最好 5 5万 10万 S3 (小规模) -2 -2万 20万 S2 (中规模) -6 -6万 30万 S1 (大规模) 悲观 (最坏结果) N2(弱需求) N1(强需求) 状态 收益 方案 10*0.7+5*0.3=8.5 20*0.7+(-2)*0.3=13.4 30*0.7+(-6)*0.3=19.2 折衷 a =0.7 5 -2 -6 悲 观 19.2 最好 10 5万 10万 S3 (小规模) 20 -2万 20万 S2 (中规模) 30 -6万 30万 S1 (大规模) 乐 观 N2 (弱需求) N1 (强需求) 状态 收益 方案 20 10 11 悲观 (max) 10 最好 (min) 20 0 5万 10万 S3 (