决策分析培训课件.ppt

决策分析 完整的决策过程一般包括四个阶段： §1 不确定型的决策分析 四、乐观系数(折衷)准则(Hurwicz准则) 决策者取乐观准则和悲观准则的折衷。先确定一个乐观系数 ?（0???1），然后计算： CVi =? max[? (Si，Nj) ] +（1-?）min[? (Si，Nj ) ] 最后从这些折衷标准收益值 CVi 中选取最大的，从而确定行动方案。（取 ? = 0.7） 五、后悔值准则（Savage 准则） 决策者从后悔的角度去考虑问题,把在不同自然状态下的最大收益值作为理想目标，把各方案的收益值与这个最大收益值的差称为未达到理想目标的后悔值,然后从各方案最大后悔值中取最小者,从而确定行动方案。 特征： 1、自然状态已知； 2、行动方案已知； 3、各方案在不同自然状态下的收益值已知； 4、自然状态的发生不确定，但发生的概率分布已知。 二、最大收益期望值决策准则（EMV) 根据各自然状态发生的概率，求不同方案的期望收益值，取其中最大者为选择的方案。 E(Si) = ? P(Nj) ? ? (Si, Nj) 用决策树法进行决策的具体步骤如下： (1) 从左向右绘制决策树； (2) 从右向左计算各方案的期望值(逆序方法)，并将结果标在相应方案节点的上方； (3) 选收益期望值最大 (损失期望值最小) 的方案为最优方案，并在其它方案分支上打∥记号，称剪枝方案。 四、全情报的价值（EVPI） 全情报：关于自然状态的确切的信息。 全情报的价值，记为EVPI，即全情报所带来的额外收益。 通常为了获得全情报，需要一定的投资(经费) 。为此，我们有必要事先计算出全情报的价值，以便我们作出是否投资的决策，即如果获得全情报的成本小于全情报的价值，决策者就应该投资获得全情报，反之，决策者就不应该投资获得全情报。 在例 2 中, 当我们不掌握全情报时, 我们得到S3是最优行动方案，其数学期望最大值为 0.3×10 + 0.7×5 = 6.5 (万)。 我们称它为没有全情报的期望收益，记为 EVW0PI 。 假定全情报告诉决策者自然状态是 N1, 决策者必采取方案 S1, 可获得收益30万；当全情报告诉决策者自然状态为 N2 时, 决策者必采取方案 S3，可获得收益5万。遗憾的是，这时我们并不知道全情报，但我们可以计算出全情报的期望收益。 五、具有样本情报的决策分析(贝叶斯决策) 决策树中的条件概率计算如下: (1)用全概率公式得到 P(I1) ＝P(N1) P(I1 | N1) ＋ P(N2) P(I1 | N2)＝0.31； P(I2)＝ P(N1) P(I2 | N1) ＋ P(N2) P(I2 | N2)＝0.69。 (2) 用贝叶斯公式求得后验概率 P(N1 | I1)＝[P(N1) P(I1 | N1)] / P(I1)＝0.7742； P(N2 | I1)＝[P(N2) P(I1 | N2)] / P(I1)＝0.2258； P(N1 | I2)＝[P(N1) P(I2 | N1)] / P(I2)＝0.0870； P(N2 | I2)＝[P(N2) P(I2 | N2)] / P(I2)＝0.9130。 §3 效用理论在决策中的应用 一种考虑： 由于公司财务情况不佳，无法承受 S1 方案中亏损 100 万的风险，也无法承受 S2 方案中亏损 50 万以上的风险，结果公司选择 S3 方案，即不作任何项目。 这样的决策似乎有一定的道理，它的理论基础就是效用理论。下面我们用效用理论对上述决策加以解释。 把上表中的最大收益值 100 万元的效用定为 10，即U(100) = 10；最小收益值 –100 万元的效用定为 0，即U(-100) = 0。然后，对收益 60 万元确定其效用值，其方法是：决策者选择 p 值，使下面两个问题在决策者看来是无差别的（等价的） (1) 稳得收益60万；(2) 以 p 的概率得到 100万，以 1- p 的概率损失 100 万。 如果决策者认为 p = 0.95 时上面两个问题等价，则我们得到 60 万元的效用值为： U(60) = p×U(100)+(1-p)×U(-100) = 0.95×10 + 0.05×0 = 9.5 用上述方式，类似地可得到，收益值为 40、0、- 40、- 60 对应的等价概率分别为 0.90、0.75、0.55、0.40，以及各效用值： U(40) = 9.0； U(0) = 7.5； U(-40) = 5.5； U(-60) = 4.0。然后，我们用效用值计算各方案