经济预测与决策第九章：决策理论研究报告.pptVIP

【实例9-9】某公司考虑生产一种新型产品。未来市场对该产品的需求有三种可能的自然状况：需求高D1、需求中D2和需求低D3。根据历史资料和决策者经验得到，需求高需求高D1、需求中D2和需求低D3的先验概率分别是0.3、0.5和0.2。公司市场部对市场进行预测，得到不同市场需求下的收益，详见表9-12。 【实例9-10】某汽车公司需要对某产品的生产批量进行决策。现有两种备选方案：大批量生产L和小批量生产S。未来市场对该产品的需求有两种可能的自然状况：需求高u和需求低d。根据历史资料和决策者经验得到，需求高u和需求低d的先验概率分别是0.4和0.6。公司市场部对市场进行预测，得到两个方案在不同市场需求下的收益，详见表9-15。 9.4.4 灵敏度分析 对于风险型决策问题，其各个方案的期望收益值是在对自然状态发生概率的预测的基础上求得的。由于状态概率的预测会受到许多不可控因素的影响，因而基于状态概率预测结果的期望收益值也不可能同实际完全一致，会产生一定的误差。所以，当使用决策树（含决策矩阵法）求出最优决策后，需要进行灵敏度分析。所谓灵敏度分析就是分析数据在什么范围内变化，原最优决策方案仍然有效。这里主要分析自然状态发生概率的变化对最优决策的影响。 【实例9-11】某汽车公司需要对某品牌桥车的生产批量进行决策。现有两种备选方案：大批量生产L和小批量生产S。未来市场对该品牌轿车的需求有两种可能的自然状况：需求高u和需求低d。详见表9-18。 9.4.5 情报的价值 对完全不确定型决策问题，获得了有关情报资料后就易于把问题转化为风险型决策问题。而对于风险型决策问题，获得的情报（信息）越多，对自然状态发生概率的估计就越准确，作出的决策就越合理。但为了获得情报，就要进行调查、试验等工作，这需要支付一定费用，称之为情报的成本。因此，为了权衡得失，有必要估算情报本身的价值，即情报给企业的收益带来的增加值，只要当情报的价值大于情报的成本时，情报的获取才是必要的，反之，则没有必要。 9.3 不确定型决策 9.3.1 等可能性法 9.3.2 保守法 9.3.3 冒险法 9.3.4 乐观系数法 9.3.5 最小最大后悔值法 9.3.1 等可能性法 等可能性法，也称拉普拉斯决策准则。其基本原理是：假定自然状态中任何一种发生的可能性是相同的，通过比较每个方案的损益平均值来进行方案的选择。在利润最大化目标下，选取择平均利润最大的方案；在成本最小化目标下选择平均成本最小的方案。在不作特别说明的情况下，本章约定决策目标为利润最大化。 【实例9-5】某汽车公司需要对生产的桥车品牌进行决策。现有三种备选品牌，分别称之为M1，M2和M3，销售单价分别为30万元，20万元和10万元。未来市场对三种品牌轿车的需求有三种可能的自然状况：需求量高N1，需求量中N2和需求量低N3。详见表9-5。 9.3.2 保守法 保守法，也称瓦尔德决策准则或小中取大准则。其基本原理是：决策者不知道各种自然状态中任一种发生的概率，为了避免最坏的结果，力求风险最小，首先确定每一可选方案在不同自然状态下的最小收益值，然后从这些最小收益值中，选出一个最大值，与该最大值相对应的方案就是决策所选择的方案。 9.3.3 冒险法 冒险法，也称赫威斯决策准则或大中取大的准则。其基本原理是：决策者不知道各种自然状态中任一种可能发生的概率，为了获取最大利润，力求收益最大化，首先确定每一可选方案在不同自然状态下的最大利润值，然后在这些最大利润中选出一个最大值，与该最大值相对应的那个可选方案便是决策选择的方案。由于根据这种准则决策也能有最大亏损的结果，因而称之冒险投机的准则。 7.3.4 ARMA(p,q)模型的偏相关函数 如前所述，MA (q)模型的自相关函数 具有截尾性，AR (p)模型和ARMA (p,q)模型均具有拖尾性。因此，仅凭自相关函数，是无法识别出序列的实在模型。模型识别时有时要综合运用偏相关函数和自相关函数。 偏相关函数{akk }可通过求解Yule Walker方程得到。 9.3.4 乐观系数法 乐观系数法，是对保守法和冒险法的折衷，故也称折衰决策法。其基本原理是：首先决策者决策者根据以往经验确定一个乐观系数α（0α1），然后利用乐观系数计算出各方案的乐观期望值，并选择期望值最大的方案。 9.3.4 乐观系数法 乐观系数法，是对保守法和冒险法的折衷，故也称折衰决策法。其基本原理是：首先决策者决策者根据以往经验确定一个乐观系数α（0α1），然后利用乐观系数计算出各方案的乐观期望值，并选择期望值最大的方案。 9.3.5 最小最大后悔值法 最小最大后悔值法，也称沙万奇（Savage）准则。其基本原理是：决策者不知道各种自然状态中任一种发生的概率，为了确保避免较大的机