贝叶斯决策分析75.pptVIP

p148例5.9 某公司降价销售一批某种型号的电子元件，这种元件一箱100个，以箱为单位销售。已知这批元件每箱的废品率有三种可能，即 0.20，0.10，0.05，其相应概率分别是0.5，0.3，0.2。假设该元件正品的市场价格为每箱100元，废品不值钱。该公司处理价格每箱为85元，遇到废品不予更换。某乡镇企业正需要购买这种元件，该企业应如何作出决策？如果该公司允许购买前从每箱中抽取 4个元件进行检验，确定所含废品个数，假定抽样是可放回的，该企业应如何作出决策。 p148例5.9 验前分析 设a1，a2分别表示该企业购买和不购买这批元件的可行方案。 E1＝max{E (a1)，E (a2)} =1 因此验前分析后的决策为：购买该批产品。即：aopt＝ a1 例5.9 ：预验分析 如果允许每箱抽样4个检验，设X=“抽取个零件中所含废品个数”，则： P(X=k︱θj)=C4kθjk · (1- θj)4-k, k=0, 1, …, 4，j=1, 2, 3 计算得： P(X=0︱θ1)= 0.4096 P(X=0︱θ2)= 0.6561 P(X=0︱θ3)= 0.8145 例5.9 ：预验分析 后验概率： P(θ1︱X=0)=0.3628 P(θ2︱X=0)=0.3487 P(θ3︱X=0)=0.2885 两方案的期望收益值： 因此若抽样4个未抽取到废品，应购买该批产品。即：aopt＝ a1 例5.9 ：预验分析 P(X=1︱θ1)= 0.4069, P(X=1︱θ2)= 0.2916 P(X=1︱θ3)= 0.1715 后验概率： P(θ1︱X=1)=0.6271 P(θ2︱X=1)=0.2679, P(θ3︱X=1)=0.1050 因此若抽样4个抽取到1个废品，则不应购买该批产品。即：aopt＝ a2 例5.9 ：预验分析 P(X=2︱θ1)= 0.1536, P(X=2︱θ2)= 0.0486 P(X=2︱θ3)= 0.0135 后验概率： P(θ1︱X=1)=0.8163 P(θ2︱X=1)=0.1550, P(θ3︱X=1)=0.0287 因此若抽样4个抽取到2个废品，则不应购买该批产品。即：aopt＝ a2 。同理：抽到废品3、4个时，也不应购买该批产品 例5.9 ：验后分析 因此若抽样4个未抽取到废品，则应选择购买该批产品(a1)，预期收益为2.815元；否则不应购买该批产品(a2)，预期收益为0。 抽样的预期收益为： 比未经抽样就进行决策，其收益可增加： §5.3　抽样贝叶斯决策 5.3.2　抽样信息的价值 当补充情报是采用抽样的方法获得时，这种补充情报价值习惯上称为抽样情报价值（Expected Value of Sampling Information）记做EVSI。 在例5.8中 EVSI=E1- E2=167.55（元） 在例5.9中 EVSI=E2- E1=0.59（元） §5.3　抽样贝叶斯决策 5.3.3　最佳样本容量 在抽样贝叶斯决策中，抽样所支付的费用叫抽样成本。样本容量为N时的抽样成本记为C(N)。 当样本容量N确定以后，抽样情报价值也随之而确定。抽样情报价值也是N的函数，记为EVSI(N)。 抽样净收益：ENGS(N)=EVSI(N)-C(N) 最佳样本容量：使ENGS（N）达到最大值的非负整数 §5.4　贝叶斯风险和贝叶斯原则 5.4.1　决策法则 从补充信息值τ(或H) 的集合到行动方案集合A的单值对应称为决策法则。记作： 若某个决策问题有m个行动方案，有n个补充信息值，则至多有mn个决策法则。 最佳决策法则：在一个决策问题的所有决策法则中，按照某一原则选出的最佳者，称为该决策问题的最佳决策法则。 5.4.1　决策法则 例5.1中，有两个行动方案：a1 为生产该新产品，a2 为不生产该新产品。 有两种补充信息：畅销(H1)和滞销 (H2) 共有4种决策法则： 按照期望收益值最大原则选出的最佳决策法则是δ2(H)。 §5.4　贝叶斯风险和贝叶斯原则 5.4.2　贝叶斯风险 设贝叶斯决策法则δ(τ)，对于状态变量θ的任一值，当补充信息值τ确定后，行动方案a= δ(τ) 也就相应确定，则对应的损失值为R(δ(τ),θ)，损失值越小，决策法则越优。 风险函数ρ(δ,θ)：损失值R(δ(τ),θ)对所有补充信息值的τ数学期望。 §5.4　贝叶斯风险和贝叶斯原则 5.4.2　贝叶斯风险 风险函数ρ(δ,θ)是在状态值θ下，决策法则δ对全部补充信息值的平均损失。 例5.1中，损失矩阵为 决策法则δ1(H)＝a1 的风险函数值为： 5.4.2　贝叶斯风险 决策法则δ2(H)的风险函数值为： 同理可求出决策