MBA数模考试复习资料大全.docVIP

Page PAGE 1 of NUMPAGES 48 数模复习资料 决策分析 1.1决策树 决策分析是一种在不确定环境中对涉及决策的各种问题做出合理与系统决定的方法。 随机数学是最重要的工具！ 期望值准则是我们做随机选择时的重要原则 方差准则是我们做随机选择时的辅助手段 理性决策者总是偏好收益高风险低的项目 效用函数是递增的凹函数 决策树(decision tree) 是组织和表示决策者所面临的各种决定和不确定问题的一个系统化的方法。 决策树的重要要素 讲义P2 (要会画决策树) 节点 决策节点 事件节点 分枝 求解决策树的方法 讲义P8 预期货币值（expected money value）作为衡量的标准 向后归纳法（backwards induction）向后归纳法的思想来源是动态规划 求解决策树的程序过程 讲义 P11 以决策树的最终分枝为起始点，对每个事件节点和每个决策节点进行评估，具体方法如下 对于每个事件节点，通过计算每个分枝的EMV与其概率的加权平均，计算该节点的EMV。 对于每个决策节点，通过选择具有最佳EMV节点发出的分枝，计算该节点的EMV。在决策点的上方写上数值，并通过在它们上画双杠的方法，划去那些低EMV的分枝 所有节点评估完成后，求解决策树 最优策略的EMV就是起始分枝计算的EMV。 决策分析的一般方法概述 讲义 P17 构造决策问题。列出所有必须做出的决定 通过按时间和逻辑顺序放置决策节点和事件节点来构造决策树 确定每个不确定事件及其每个可能结果的概率 确定决策树的每个最终分枝的数值 利用向后归纳方法求解决策树 完成所有关键值的灵敏度分析 生物影像公司的案例 P17 (见下页,需要学会做决策树) 时间范围 离散概率 概率基础 概率空间 (三元组): W: 样本空间 F: 事件域 P: 概率 贝特朗悖论 规范性 规范性 完备性 完备性 对于两两互 对于两两互不相容事件???，??，... 可加性 可加性 概率定律 (四个公式) 讲义 P51 加法公式 减法公式 条件概率公式 乘法公式 全概率公式 讲义P53 设B1,…,Bn是有限或可数个概率不为0的事件构成完备事件组，则对于任意事件A，有 第四公式的派生定律 P (A/B)= P(A) P(AB)= P(A)*P(B) 贝叶斯公式 设{B1,…,Bn}是有限或可数个概率不为0的事件构成完备事件组，则对于任意事件A，有 案例 全概率公式 用甲，乙，丙个机床加工同一种零件，零件由甲、乙、丙机床加工的概率分别为0.5，0.3，0.2，各个机床加工的零件为合格品的概率分别等于0.94，0.9，0.95，求全部产品的合格率。 如果抽得一个产品为合格品， 该合格品为甲机床生产的概率？ 先验信息的重要性 概率表 讲义 P54-59 进行概率计算的一般方法 定义问题中不确定特征的各种事件。 对这些事件如何相互作用进行符号化，利用概率的语言建模 合理地组织与表中各种事件概率有关的所有信息 利用概率定律，计算问题中的不确定性特征事件的概率 随机变量 讲义 P65 离散型随机变量 连续型随机变量 两点分布 掷硬币实验 二项分布 讲义 P67 X~B(n,p) 二项分布的性质 二项分布是多个独立两点分布之和。 二项分布的期望是np，方差为np(1-p) 二项分布的众数接近np 当np不是很大的时候，二项分布的极限逼近泊松分布 一道有意思的概率题 一旅游团共2500人，每人交保险12元，意外死亡的概率是千分之二，死一人保险公司赔2000元。问保险公司盈利的概率是多少？ 泊松分布性质 均值和方差为参数l 可加性 间隔时间独立同分布 连续型概率分布 概率密度函数和累积分布函数 1)概率密度函 P115 均匀分布(Uniform distribution) P116 如果X等可能地取值于分布区间为a到b之间的一个均匀分布。我们把这个表述记为X~U[a,b]。X的概率密度函数如下 P117 等待时间分布 二项分布给我们的启发 描述多次独立重复实验中“成功”发生的次数 道尔顿钉板实验 2累积分布函数 P118-120 对于一个给定的数t,一个连续随机变量X的累积分布函数定义如下： F(t) = P (x=t) 正态分布的定义 讲义 P122-138 如果随机变量（X）的概率密度函数为 则该随机变量服从正态分布。 正态分布又称为高斯分布 正态分布的数字特征 正态分布曲线由两个参数决定，即总体均数μ和总体标准差σ。在σ不变的情况下，函数曲线形状不变，若μ变大时，曲线位置向右移；若变小时，曲线位置向左移，故称μ为位置参数。在μ不变的情况下，函数曲线位置不变，若σ变大时，曲线形状变的越来越“胖”和“矮”