decison analysis.pptVIP

第十一章完全不確定決策 授課教授: 簡禎富博士 2005/11/15 不確定情況下的決策分析步驟 (1-3) 確認主要的不確定事件：不確定事件為決策者在決策時並不能控制該事件發生的情況，但該事件最後出現的狀態，卻會影響不同決策方案的實行後果(consequence) 定義不確定事件可能的自然狀態(state of nature)：所定義該事件的自然狀態應該彼此間完全互斥，並且集合起來又可以完整表達該不確定事件所有可能的結果(mutually exclusive, collectively exhaustive) 估計不確定程度：估計不確定事件的不確定程度，進而設法給定每種自然狀態的對應機率(probability) 不確定情況下的決策分析步驟 (4-5) 確認各方案在不同自然狀態下的後果：可以量化或質化的方式表示，量化表示方式通常以金錢的報酬或損失來表示，並結合第七章多屬性結果表示方式 評估方案：根據不確定情況下的決策理論或方法，計算各方案的期望報酬或期望損失，選擇最優者 完全不確定的情況代表決策者在步驟(3)中無法判斷某個自然狀態的發生機率會高於或者低於另一個自然狀態 可能是缺乏相關經驗或過去的歷史資料，以致無法估計發生的機率，也可能是該不確定因素在未成定局之前，無法定義可能的情況和估計發生的機率 由於沒有辦法給定機率，決策者也無法進行步驟(5) 大綱 完全不確定情況下的決策必須藉由邏輯思考的方式設定合理的決策準則 不僅牽涉到邏輯上的問題，而還需符合管理哲學和決策者的偏好架構和風險態度。比如，管理者當時對遠景的看法是樂觀亦或悲觀？性情是保守型或是喜歡冒險型？這些均會影響到決策者的決策制定法則 本章介紹 完全不確定情況下可以使用的決策準則 機率給定與修正 機率認知的陷阱 完全不確定情況下決策的決策準則 一群同學要安排週末全班活動的計畫，希望能夠越多人參加越好，大家提出了幾個不同方案。出席人數： 打棒球被打壘球所「隨機凌越」(stochastic dominance) 小中取大準則(Maxmin return) 又稱悲觀準則或安全準則 作最壞的打算，再由各最壞的報酬中選擇最好的結果 大中取大準則(Maximax return) 又稱樂觀準則或冒險準則 對於每一個方案抱持最樂觀的希望，因此先由每個方案中找出不同自然狀態下之最高報酬為該方案的最高報酬，再由這些方案的最高報酬中選取最大的一個 賀威志決策準則(Hurvicz optimism-pessimism index) Net = ??M + (1-?)?m，M則表最大報酬值，m則表示最小報酬值。α為樂觀係數，該係數表示決策者對每一個可行決策方案之樂觀期望最大報酬值所賦予的機率。完全樂觀者，α = 1，完全悲觀者，α = 0 薩維基最小悔惜準則(Savage’s minimax regret) 尋求最小損失或最小悔惜(regret)，使決策發生錯誤時的機會成本趨於最小 即期望在相同自然狀態下，選擇的方案縱然不是最佳方案，但該方案的報酬和相同狀態下最佳方案的報酬之間的差額是最小的 悔惜定義為「一決策方案之報酬與相同自然狀態下可以產生最大報酬之決策方案，兩者報酬的差額」 先推算每一個決策方案之最大可能悔惜後，決策者便可根據大中取小的原則選擇其中悔惜最小的方案 薩維基最小悔惜準則例 悔惜的計算以自然狀態為25度(?3)的情況下為例，方案中報酬最佳者為S4壘球賽，報酬P(S4, ?3)=25 拉普拉斯決策準則(Laplace’s principle of insufficient reason) 又稱不充分理由原則 是根據古典機率的定理，當一個不確定事件有四種可能的結果，既然無更多的資訊可區分哪一種可能結果出現的機率會高於其他可能結果，則此四種結果出現的可能性程度相同，所以機率應該相同，而且又只有此四種可能，所以他們集合起來代表所有可能性，因此可以推論四種可能氣溫的每一種結果的發生機率都是1/4 決策者可以根據此原理在完全不確定情況下對每一個可能狀態賦予相同的機率，則可以進而求出每一個決策方案的期望報酬，並從其中選擇期望值較大的方案 拉普拉斯決策準則例 E(Si)=0.25*P(Si,N1) + 0.25*P(Si,N2) + 0.25*P(Si,N3) + 0.25*P(Si,N4) 評估可行決策方案原則 一個可行決策方案，其執行結果應能滿足組織(公司)的目標 一個可行決策方案，其執行結果的影響，應該能被接受並且必須要能實施 應以預期的反應或目標來評估 每一個可行決策方案的風險都應該要考慮到，所選擇的方案應重視現在而不是過去的可能性 決策分析方法確實可以提供我們系統性的思考方法與分析方式，協助決策者從盤根錯節的問題中抽絲剝繭整理出頭緒。用這些方法得到的結果，相信會