医药信息分析与决策--第3章 风险型决策分析_课件.pptVIP

结论。通过上述的分析得出的结论是该社区应该采用先建小型医疗服务中心，如果效益好，再扩建成大型服医疗服务中心的方案。这个方案实现期望收益值最大。 思考题 为了适应市场的需要，某地提出了扩大电视机生产的两个方案。方案一是建大工厂，需要投资600万元，如果效益好每年赢利200万元；如果效益不好每年亏损40万元。方案二是建设小工厂，需要投资280万元，如果效益不好，则每年赢利60万元；如果效益好，则每年赢利80万元，3年后扩大规模，需要再投资400万元，每年赢利190万元。根据调查效益好的概率为0.7，效益不好的概率为0.3。假定工厂的使用年限为10年，试用决策树进行决策。 点②：E2=0.7×200×10+.3×（-40）×10-600（投资）=680（万元） 点⑤：E5=190×7-400=930（万元） 点⑥：E6=80×7=560（万元） 点③：E3=0.7×80×3+0.7×930+0.3×60×（3+7）-280 = 719（万元） ?最后比较决策点1的情况。由于点③（719万元）与点②（680万元）相比，点③的期望利润值较大，因此取点③而舍点②。这样，相比之下，建设大工厂的方案不是最优方案，合理的策略应采用前3年建小工厂，如销路好，后7年进行扩建的方案。 3.3 贝叶斯决策分析 贝叶斯决策理论方法是统计模型决策中的一个基本方法，其基本思想是： 已知类条件概率密度参数表达式和先验概率 利用贝叶斯公式转换成后验概率 根据后验概率大小进行决策分类 利用过去历史资料计算得到的先验概率，称为客观先验概率； 当历史资料无从取得或不完全时，凭人们的主观经验判断而得到的先验概率，称为主观先验概率。 先验概率的计算比较简单，没有使用贝叶斯公式；而后验概率的计算，要使用贝叶斯公式，而且在利用样本资料计算逻辑概率时，还要使用理论概率分布，需要更多的数理统计知识。 条件概率 P(B|A)=P(AB)/P(A) P(*|#)是条件概率的通用符号 即在某条件#下出现某个事件*的概率 P(ωK|X):X出现条件下,样本为ωK类的概率 P(*|#)与P(*)不同 几个重要概念 先验概率 P(ω1)及P(ω2) 概率密度函数 P(x|ωi) 后验概率 P(ωi|X) 贝叶斯决策理论 先验概率，后验概率，概率密度函数 假设总共有c类物体，用ωi (i=1,2,…,c)标记每个类别，x = [x1, x2, …, xd]T，是d维特征空间上的某一点，则 P(ωi )是先验概率 p(x| ωi )是ωi类发生时的条件概率密度函数 P(ωi|x)表示后验概率 3.3.1 贝叶斯决策的基本方法 1. 贝叶斯定理 假设已知某状态先验概率P(Wi) i=1,2……c 该状态类条件概率密度P(X︱Wi) i=1,2……c 此时可利用贝叶斯公式： 得到该状态的（后验）概率为P(Wi︱X)。 第3章 风险决策分析 本章重点 风险型决策的期望值准则及其应用； 决策树分析方法； 贝叶斯决策分析； 3.1 风险型决策的期望值准则及其应用 风险内涵 风险是不确定的一种，但已知不确定状态服从某种概率分布。 人们所做出的许多决策确实需要冒一定的风险 产生这些风险是由客观世界存在的许多不确定因素造成的。 风险意味着出现损失，或是未实现预期的目标值。 这种损失与否是一种随机现象，可用概率来描述。 3.1 风险型决策的期望值准则及其应用 风险型决策是通过预测各事件可能发生的先验概率，然后采用期望效用最好的方案作是为最优方案。 这种决策基于先验概率，所以需要担负一定的风险，但有较成熟的技术准则。由于每个备选方案都会遇到几种不同情况，而且已知出现每一种情况的可能性有多大，即发生概率有多大，因此在依据不同概率所拟订的多个决策方案中，不论选择哪个方案都要承担一定的风险。 决策所产生的后果,取决于两方面的因素： 取决于决策者所选择的方案； 取决于决策者无法控制(或无法完全控制)的客观因素，可作为自然状态。 3.1.1 风险型决策分析 风险型决策一般需要具备的条件： 1）存在着决策者希望达到的一个（或一个以上）明确的决策目标，如利益较大，损失较小等。、 2）存在着决策者可以主动选择的两个或两个以上的行动方案，即存在两个以上决策变量。 3）存在着不以（或不全以）决策者的主观意志为转移的两种或两种以上的自然状态，即存在着两种或两种以上状态变量。 4）不同行动方案在不同自然状态下的损益值可以预先确定出来。 5）各种自然状态的出现概率可预先计算或估计出来，具体可区分为主观概率和客观概率。 风险型决策的最后结果是事物统计规律。根据统计规律，决策者可以掌握最后结果出的概率分布。在这种概率分布中，一般没有概率值为1的决策方案，所以不管选择哪种决策方案都