第4章_风险型决策分析_副本.pdf

第4章 风险型决策分析 目录  不确定型决策分析  风险型决策分析的准则  决策树分析法  灵敏度分析  状态分析和风险分析 决策函数  决策问题构成要素，为了表述决策问题  收益函数、损失函数和效用函数统称为决 策函数——记作f = F （a，θ）  收益矩阵、损失矩阵和效用矩阵统称为决 策矩阵——记作 o11 o12  o1n    o o  o O (oij )mn  21 22 2n       o o  o  m1 m 2 mn  收益函数  把收益值作为决策方案的评价指标，最满 意方案就是收益值最大的方案。  设决策问题的收益值为q，状态变量为θ， 决策变量（方案或策略）为a。当决策变量 a和状态变量θ确定后，收益值q随之确 定。收益值q是a和θ的函数，称为收益函 数，记作q = Q ( a , θ) 收益函数  如果决策变量和状态变量是离散的，即 a = a ( i = 1 , 2 ,…, m ) i θ= θ( j = 1 , 2,…, n ) ， j 则收益函数可以表示为：q = Q ( a , θ) ，( i ij i j = 1 , 2 ,…, m；j = 1 , 2,…, n )  收益矩阵 q11 q12  q1n    Q (qij )mn q21 q22  q2n       qm1 qm 2  qmn  损失函数  损失值又称为遗憾值，表示没有采取最 满意方案或策略时所造成的损失。  当决策变量a和状态变量θ确定后，损失 值r是a和θ的函数，称为损失函数，记 作r = R ( a , θ)  在离散情况下，损失值可以表示为 r = R ( a , θ) ( i = 1 ,