evwpi、evpi和eol.ppt

1 - # 學習目標 學生將能夠： 列出決策過程的步驟。 描述決策環境的型態。 在不確定狀況下做決策。 在風險狀況下使用機率值做決策。 發展精確的和有用的決策樹。 使用貝式分析修正機率的估計值。 使用電腦求解基本決策問題。 瞭解效用理論在決策過程中的重要性和用途。 本章大綱 3.1 介紹 3.2 做決策的六個步驟 3.3 做決策的環境型態 3.4 在不確定狀況下做決策 3.5 在風險狀況下做決策 3.6 決策樹 3.7 如何利用貝式分析估計機 率值 3.8 效用理論 介紹 決策理論是採用一個分析性和系統性的方法來解決問題 。 一個好的決策是以邏輯為基礎。 決策理論的六個步驟 清楚定義手邊的問題。 列出可能的方案。 確認可能的結果。 列出每一種方案和結果組合的償付或利潤。 選擇一種數學的決策理論模型。 應用這個模型並且做出你的決策。 John Thompson的後院儲藏屋 Thompson木材公司的決策表 做決策的環境型態 型態1：在確定狀況下做決策 決策者確定知道每一種方案或決策選擇的結果。 型態2：在風險狀況下做決策 決策者知道不同結果發生的機率。 型態3：在不確定狀況下做決策 決策者不知道不同結果發生的機率。 在不確定狀況下做決策 極大化最大值 極大化最小值 現實主義準則(Hurwicz準則) 相等可能 (Laplace準則) 極小化最大遺憾 極大化最大值 極大化最大值解答 極大化最小值 極大化最小值解答 現實主義準則 現實主義準則 (Hurwicz準則) 以決策者對未來抱持的樂觀程度，做為權重平均的基礎。 現實主義準則解答 CR = α*(橫列的最大值 )+(1- α)*(橫列的最小值 ) 式中 α ：現實主義係數 相等可能 相等可能 (Laplace準則) 假設所有自然狀態發生的可能性相等，所以選擇最大的平均值。 相等可能解答 極小化最大遺憾 極小化最大遺憾： 選擇極小化最大機會損失的方案。 Thompson木材公司的機會損失表 極小化最大遺憾解答 課堂練習例題 1 讓我們練習我們已經學到的，使用下面的決策表來做計算。 (1) 極大化最大值 (2) 極大化最小值 (3) 現實主義準則 (4) 相等可能 (5) 極小化最大遺憾 課堂練習例題 1：極大化最大值 課堂練習例題 1：極大化最小值 課堂練習例題 1：現實主義準則 課堂練習例題 1：相等可能 課堂練習例題 1：機會損失表和極小化最大遺憾 在風險狀況下做決策期望貨幣值(EMV) EMV(方案 i ) =(第一個自然狀態的償付)?(第一個自然狀 態的機率) +(第二個自然狀態的償付) ?(第二個自然狀 態的機率) +… +(最後一個自然狀態的償付) ?(最後一個自 然狀態的機率) Thompson木材公司：EMV Thompson木材公司：EMV答案 完全資訊的期望值(EVPI) EVPI 提供一個人對額外資訊該支付多少的上限值。 EVPI 是有完全資訊的期望值減掉EMV的最大值。 有完全資訊的期望值 (EVwPI) 有完全資訊的期望值(EVwPI) =(第一個自然狀態的最佳償付)?(第一個自然 狀態的機率) +(第二個自然狀態的最佳償付) ?(第二個自然 狀態的機率) +… +(最後一個自然狀態的最佳償付) ?(最後一個 自然狀態的機率) Thompson木材公司：EVPI 解答 EVPI = 有完全資訊的期望值 – EMV的最大值 = $200,000*0.50 + 0*0.50 - $40,000 = $100,000 - $40,000 = $60,000 期望機會損失(EOL) EOL 是沒有挑選最佳解答的 成本。 極小化 EOL 的決策總是和極大化 EMV 的決策相同。 EVPI 總是等於 EOL 的極小值。 Thompson木材公司：EOL 表 Thompson木材公司：EOL 解答 課堂練習例題 2 讓我們練習我們已經學到的。使用下面的決策表來計算 EMV、EVwPI、EVPI和 EOL。 課堂練習例題 2: EMV解答 課堂練習例題 2：EVPI 解答 EVPI = 有完全資訊的期望值 – EMV的最大值 = $100,000*0.25 + 35,000*0.50 +0*0.25 - 27,500 = $ 42,500 - 27,500 = $ 15,000 課堂練習例題 2: EOL 解答 Thompson木材公司：敏感度分析 假設自然狀態為受歡迎市場的機率為 P ，則： EMV(大型廠) = $200,000P - (1-P)$180,000