决策分析中文课件.ppt

完全信息期望值（EVPI） EVPI是为进行一项决策获取任何信息可能付出的最大代价。它由获得完全信息后进行决策的 EMV 增加值确定。 完全信息期望值 = 有完全信息的期望值 - 没有任何信息的期望值 EVPI = EVWPI - EVWOI 完全信息意味着决策者知道每个偶然事件可能的结果; 例如在抛硬币的例子中, 硬币仍然可能以‘头’或‘尾’向上落地, 不同的是决策者已知道结果是什么，并可以采取相应行动。 EVWPI = 0.5 ? 5 + 0.5 ? 0 = 2.5。 EVPI = EVWPI - EVWOI = 2.5 - 0.5 = 2 拒绝 0 -4 5 头 尾 EVWPI= 2.5 接受 拒绝 0 接受 0.5 0.5 5 0 EVWPI = 200?0.4 + 50?0.4 + 0?0.2 = 100 EVPI = 100 - 70 = 30 B 需求大 需求小 无需求 0.4 0.4 0.2 推出 取消 200 0 推出 取消 50 0 推出 取消 -150 0 0 50 200 EVWPI= 100 EVPI是获取任何信息可以付出的最大代价。如果信息成本超过EVPI，它可以立刻被拒绝。 EVPI不需要整个决策分析过程就可以计算出。在成品推出例子中，EVPI只需决策树的上部和下半分支就可以计算出，而不需要市场试验的中间分支。 由于EVPI是30,000，任何市场研究的成本超过该值的可以被立刻拒绝， 例子中的市场试验的成本是20,000，不能立刻拒绝，需要进一步计算EVSI并与市场试验的成本进行比较。 三、EMV准则的有效性 如果抛硬币例子的输赢是5百万元和4百万元而不是 5 元和 4 元。EMV准则还适用吗？ EMV值是 500,000 元而不是 0.5 元。EMV准则建议仍然应该下注，因为 50 万比 0 要好; 绝大多数决策者不会接受这一建议，因为决策者容易接受 4 元的损失，而无法容忍有50％的机会损失4百万元； 决策中出现大的盈亏值是 EMV 准则不适用的最主要的情况, 即便大的亏损有较低的概率, 按平均值进行决策有时要付出灾难性的代价。 在以前的例子中，如‘推出’决策有第四种结果：以0.1％的概率损失一千万元（如输掉一场官司）。这一结果不会改变‘推出’的决策。然而，如果损失一千万元将会使公司破产，决策者将倾向于有较低期望值而没有大额亏损的方案。 类似的道理还可以说明为什么人们会踊跃参与购买各种彩票。1－2元彩票的 EMV 是负的，按 EMV 决策准则应拒绝购买。但是，博彩者都能承受得起小额的损失，希望赢得可能会完全改变他们生活方式的大钱。 有些时候，人们会偏爱有稍微小一点的EMV值，但有更好风险特征的方案。例如，比较下面两个风险特征表。 结果 损益 概率 需求大 200 0.40 需求小 50 0.40 无需求 -150 0.20 EMV = 70, 亏损机会 = 20%, 严重亏损机会 = 20% 试验结果 损益 概率 结果有利 需求大 180 0.36 (0.5?0.72) 需求小 30 0.12 (0.5?0.24) 无需求 -170 0.02 (0.5?0.04) 结果不利 -20 0.50 EMV = 55, 亏损机会 = 0.02+0.50 = 52% 严重亏损机会 = 0.02 = 2% §8.5 先验概率和后验概率 先验概率亦称主观概率，是人们根据自己的主观经验和统计数据得出的事件发生的概率。 一、确定主观概率的方法： 1) 直接估计法：由若干有经验者直接估计并进行简单的处理得到, 例如请一 些国内著名足球评论家估计今年谁能获得甲A冠军的概率： 上海 辽宁 山东 北京 张三 0.3 0.3 0.2 0.2 李四 0.4 0.3 0.1 0.2 王五 0.2 0.5 0.1 0.2 杨六 0.2 0.3 0.2 0.3 合计 1.1 1.4 0.6 0.9 概率 0.275 0.35 0.15 0.225 二、计算后验概率 后验概率也称修正概率，可以用计算条件概率的贝叶斯公式计算： P(Bi) P(A |Bi) P (Bi | A) = ------------------------- ? P(Bi) P(A | Bi ) 产品推出问题的概率修