第6章 决策分析 管理定量分析 教学课件.ppt

第六章 决策分析 第一节 决策问题的提出 第二节 风险型决策 第三节 不确定型决策 第四节 边际分析法 第五节 决策树和贝叶斯决策 第六节 效用理论 案例 新产品投资决策 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如下表（收益矩阵）： 第一节 决策问题的提出 一、决策的基本过程 二、决策的类型 三、决策问题的一般表示 第一节 决策问题的提出 一、决策的基本过程 （一）确定决策问题 （二）列出可行方案 （三）分析各种自然状态，建立决策准则 （四）确定各种方案在各状态下的损益 （五）确定决策方法，计算各种方案的综合损益 （六）根据决策准则和综合损益做出决策 第一节 决策问题的提出 二、决策的类型 （一）确定型决策 决策环境完全确定，即自然状态只有一种。 （二）风险型决策 决策环境不确定，即自然状态不止一种，但各自然状态发生的概率已知。 （三）不确定型决策 决策环境不确定，即自然状态不止一种，但各自然状态发生的概率未知。 第一节 决策问题的提出 三、决策问题的一般表示：决策矩阵 第二节 风险型决策 一、数学期望准则 二、完全信息价值 三、机会损失 四、敏感性分析 五、最大可能性准则 第二节 风险型决策 一、数学期望准则（期望值准则） （一）决策标准：数学期望准则 选择最大期望收益值或最小期望损失值所对应的方案作为最优方案。 （二）期望值的计算 EVj=V(θj1)p1+ V(θj2)p2+ …+V(θjm)pm(j=1,2,…,n) 其中： pk：状态Sk发生的概率； V(θjk) ：得到θjk 结果的损益值。 (j=1,2,…,n；k=1,2,…m) 例题分析：药厂新产品投产问题 例 某药厂要投资一种新药，其有关利润如下表所示： 例题分析：药厂的风险决策 解：EV1=200000×0.5+(-180000) ×0.5=10000 EV2=100000×0.5+(-20000) ×0.5=40000 EV3=0×0.5+0×0.5=0 所以有EV2EV1EV3，故应选择方案A2，即应建造小型流水线进行生产。 例题分析2：进货问题 例1 某大学服务公司有一个鲜货店，每天以每斤6元的价格进 一批鲜货，然后当天以每斤8元的价格售出。如果当天卖不出去，第二天就要以每斤3.5元的价格处理掉，据此店以往的资料可知，该店每天可售出10-15斤。在100天的统计数据中，售出情况如下表所示： 例题分析2：进货问题 解：该鲜货店的各种销售量的概率和利润如下表所示： 例题分析2：进货问题 各进货量的平均利润为： E(10)=20×0.1+20×0.2+20×0.3+20×0.2+20×0.15+20×0.05=20（元） E(11)=17.5×0.1+22×0.2+22×0.3+22×0.2+22×0.15+22×0.05=21.55 （元） E(12)=15×0.1+19.5×0.2+24×0.3+24×0.2+24×0.15+24×0.05=22.2 （元） E(13)=12.5×0.1+17×0.2+21.5×0.3+26×0.2+26×0.15+26×0.05=21.5 （元） E(14)=10×0.1+14.5×0.2+19×0.3+23.5×0.2+28×0.15+28×0.05=19.9 （元） E(15)=7.5×0.1+12×0.2+16.5×0.3+21×0.2+25.5×0.15+30×0.05=17.5 （元） 例题分析2：进货问题 因为E(12) E(11) E(13) E(10) E(14) E(15) 所以根据期望值准则，进货量应为12斤。 第二节 风险型决策 二、完全信息价值（EVPI) （一）拥有完全信息价值（EVWPI) 拥有完全信息价值是指当决策者拥有完全信息时的期望值，它等于每个状态的最好结果与该状态发生概率之和，即： EVWPI=opt[V(θj1)]p1+ opt[V(θj2)]p2+…+ opt[V(θjm)]pm （二）完全信息价值 完全信息价值是指拥有完全信息时的期望值与没有完全信息时的期望值（最优期望值）之差，即 EVPI=EVWPI - opt(EVj) 注：当求最大值时，opt是指最大值；当求最小值时，opt是指最小值。 例题分析3：完全信息价值的应用 例 某药厂要投资一种新药，其有关利润如下表所示： 例题分析3：新产品投产的完全信息价值 因为该药厂拥有完全信息价值为： EVWPI=200000×0.5+0×0.5=100000（元） 没有完全信息时的最大期望值亦即最大利润为： opt(EVj)=max(EVj)=max(10000,40000,0)=40000（元） 所以完全信息价值为： E