第16章 决策的分析.pptVIP

第十六章 决策分析 §1 不确定情况下的决策 §2 风险型情况下的决策 §3 效用理论在决策中的应用 §4 层次分析法 第十六章　决策分析 “决策” 一词来源于英语 Decision making，直译为“做出决定”。所谓决策，就是为了实现预定的目标在若干可供选择的方案中，选出一个最佳行动方案的过程，它是一门帮助人们科学地决策的理论。 关于决策的重要性，诺贝尔奖获得者西蒙有一句名言“管理就是决策”,这就是说管理的核心就是决策。 第十六章　决策分析 构成决策问题的四个要素: 决策目标、行动方案、自然状态、效益值 行动方案集： A = { s1, s2, …, sm } 自然状态集： N = { n1, n2, …, nk } 效益(函数)值：V = ?( si, nj ) 自然状态发生的概率P=P(nj) j =1, 2, …, k 决策模型的基本结构：(A, N, P, V) 基本结构(A, N, P, V)常用决策表、决策树等表示。 (3) 决策树法 具体步骤： (1) 从左向右绘制决策树； (2) 从右向左计算各方案的期望值，并将结果标在相应方案节点的上方； (3) 选收益期望值最大(损失期望值最小)的方案为最优方案，并在其它方案分支上打∥记号。 主要符号 决策点 方案节点 结果节点 §2　风险型情况下的决策 （4）全情报的价值（EVPI） 例：某公司需要对某新产品生产批量作出决策，各种批量在不同的自然 状态下的收益情况及各自然状态发生的概率如下表（收益矩阵）： 全情报：关于自然状况的确切消息。 在前例，当我们不掌握全情报时得到 S3 是最优方案，数学期望最大值为 0.3*10 + 0.7*5 = 6.5万 记为 EVW0PI。 若得到全情报：当知道自然状态为N1时，决策者必采取方案S1，可获得收益30万，概率0.3；当知道自然状态为N2时，决策者必采取方案S3，可获得收益5万, 概率0.7。于是，全情报的期望收益为 EVWPI = 0.3*30 + 0.7*5 = 12.5万 那么， EVPI = EVWPI - EVW0PI = 12.5 - 6.5 = 6万 即这个全情报价值为6万。当获得这个全情报需要的成本小于6万时，决策者应该对取得全情报投资，否则不应投资。 注：一般“全”情报仍然存在可靠性问题。 效用：衡量决策方案的总体指标，反映决策者对决策问题各种因素的总体看法。 使用效用值进行决策：首先把要考虑的因素折合成效用值，然后用决策准则下选出效用值最大的方案，作为最优方案。 例3：求下表显示问题的最优方案（万元）: 某公司是一个小型的进出口公司，目前他面临着两笔进口生意，项目 A和B，这两笔生意都需要现金支付。鉴于公司目前财务状况，公司至多做 A、B中的一笔生意，根据以往的经验，各自然状态商品需求量大、中、小 的发生概率以及在各自然状况下做项目A或项目B以及不作任何项目的收益 如下表： 用收益期望值法： E(S1) = 0.3?60 + 0.5?40 + 0.2?(-100) = 18万 E(S2) = 0.3?100 + 0.5?（-40）+ 0.2?(-60) = -2万 E(S3) = 0.3?0 + 0.5?0 + 0.2?0 = 0万 得到 S1 是最优方案，最高期望收益18万。 一种考虑： 由于财务情况不佳，公司无法承受S1中亏损100万的风险，也无法承 受S2中亏损50万以上的风险，结果公司选择S3，即不作任何项目。用效用函数解释： 把上表中的最大收益值100万元的效用定为10，即U(100) = 10；最小收益值-100万元的效用定为0，即U(-100) = 0。 对收益60万元确定其效用值：设经理认为使下两项等价的 p=0.95 (1)得到确定的收益60万； (2)以 p 的概率得到100万，以 1- p 的概率损失100万。 计算得：U（60）= p*U(100)+(1-p)*U(-100) = 0.95*10+0.05*0=9.5。 类似地，设收益值为40、0、- 40、- 60。相应等价的概率分别为0.90、0.75、 0.55、0.40，可得到各效用值： U(40) = 9.0； U(0) = 7.5； U(-40) = 5.5； U(-60) = 4.0 我们用效用值计算最大期望，如下表： 一般，若收益期望值能合理地反映决策者的看法和偏好，可以用收益期望值进行决策。否则，需要进行效用分析。 收益期望值决策是效用期望值决策的一种特殊情