市场决策与预测 决策-贝叶斯决策.ppt

THE NORTH CHINA INSITITUTE OF TECHNOLOGY 第五章：贝叶斯决策 一、贝叶斯定理 英国牧师贝叶斯（Bayes）于18世纪发明了一个对于概率运算和风险型决策都非常有用的定理，贝叶斯定理（贝叶斯公式） 1）条件概率：设A、B为两个事件，且P（B）0，则称： 为事件B在条件A下的条件概率。 2）乘法定理： 设P（B）0,则有： 如果P（A）0，则有： 3）全概率公式：设事件A仅当互斥完备事件组B1，B2，…，Bn中的任一事件发生时才可能发生。已知事件Bi（i=1，2， … ，n的概率）为P（Bi）及事件A在Bi已发生的条件下的条件概率为P（A|B）。则有： 称为全概率公式。 4）贝叶斯公式：设B1，B2，…，Bn是一完备互斥事件组，并设P(Bi)0，则对任一事件A有： 称为贝叶斯公式（定理）。其中： P(Bi)是实验前就已经知道的概率，习惯称为先验概率；p(A)为边缘概率；条件概率P(Bi|A)表示在实验发生之后，由于A而引起事件Bi发生的条件概率，是对P(Bi)的一种修正，鼓称后验概率或修正概率. 二：贝叶斯决策类型 前验决策：在前验决策中，决策者要详细列出各种状态(事件)及其概率，各种方案及其与状态组合的条件值。决策者根据这些信息对各方案进行评价和选择。当时间、人力和财力不允许搜集更完备的信息时，决策者就常常进行前验决策。如前面介绍的决策方法。 后验预决策：有时，由于决策的重要性而且时间许可，要求决策者在搜集和分析追加信息之前，暂缓作出决策。企业必须权衡这些信息的费用及其对企业的价值。这种对前验概率分布是否要采取一些方法、途径和手段以获取信息来进行修正？其效果如何？是否值得等一系列的决策，称为后验预决策。如果获取信息的费用可以忽略不计，则省略后验预决策。 后验决策：把调查信息和前验信息结合起来以获得各个状态(事件)的修正概率而进行的决策称为后验决策。后验决策是对一个实际发生的调查结果计算其修正概率,因而后验概率比前验概率更准确,更接近实际。后验概率的计算工具是备叶斯定理,因此,后验决策的关键是计算后验概率。 序贯决策：对多阶段的信息按时序进行后验概率的计算而进行的决策称为序贯决策。它包括一系列的后验预决策,考虑到在决策时序段内各种可能的行动对企业的价值。因而这种决策过程很复杂,计算量很大,一般运用计算机作为计算工具进行决策。 三：后验概率的计算 利用非抽样资料计算 例6：假设我们有一个生产过程，如果调式正确，可以生产出95%的合格品；如果调式不当，只能生产出30%的合格品。根据历史资料，过去已经做到的90%的调式工作是正确的。现调试了该生产过程，且生产出的第一个产品是合格的，问这次生产过程得到正确调试的概率有多大？ 解： 令A1表示正确调试,A2表示调试不当,B表示生产出合格品。已知P(A1)=0.9,P(A2)=0.1,P(B|A1）=0.95，P（B|A2)=0.3。依题意,计算P(A1|B),根据备叶斯定理有： 计算结果表明:如调试后生产出第一个产品是合格的,则生产过程得到正确调试的概率为0.9661%,这个概率值比原来的90%更接近于实际,因为它考虑了目前的生产状况。 2. 利用抽样资料计算 例7：假设某厂有一条专用生产流水线，生产的某种产品50件为一批，由最近一年来的历史资料得知，每批产品中出现次品的概率分布情况如表： 最近，该厂这种产品质量有所下降，今从某批产品中随机抽取10件检查结果出现1件次品，问该批中超过2件次品的概率有多大？ 解： 令Ai表示“一批产品中有i件次品”事件,令B表示“抽取10件中有1件次品”的事件。 四：贝叶斯定理在决策中的运用 例8：美国特别制品公司，试制成功一种新的玩具“咯咯笑”,欲确定生产数量投放市场。 据公司具体条件，生产数量可安排为：6、7、8、9万个4种方案。制造每个玩具的成本是2元，售价为6元。不同的生产数量方案在不同的需求(销售)状态下的利润如下表： 根据长期生产玩具的经验，公司管理部门给出了该玩具需要量的先验概率，如下表： 对公司以前生产而且在市场上销售过的类似玩具3000种，经过整理得到公司的建议生产量与预计需要量之间的关系如下表： 在主要销售点给顾客展示了该玩具的样品，根据受到的定单和主要顾客的意见，做了认真评估，得出如下结论：该玩具的需求量大约只有6万个，原因在于另一玩具公司也在推销另一种新玩具。 问该公司应如何确定其生产数量。 解： 由表2，公司管理部门所想象的这种玩具的需要量是比较高的。根据判断，销售8万个和8万个以上的机会是55%，最可能的销售水平是8万个。根据表1和表2，可以计算出该种玩具的先验概率和期望利润。 但根据该公司最新搜集的资料表明，生产量确定为8万个与现实有差距。