本科“统计学”——第十一章统计决策.pptVIP

第十一章 统计决策 第一节 统计决策的基本概念 第二节 完全不确定型决策 第三节 一般风险型决策 第四节 贝叶斯决策 学习目标 1. 统计决策的基本概念、基本工具和基本步骤； 2. 完全不确定决策的基本准则及其使用场合； 3. 风险型决策的基本准则及其应用。 第一节 统计决策的基本概念 一、什么是统计决策 二、统计决策的基本工具 收益矩阵表 决策树 一、什么是统计决策 狭义的统计决策方法是一种研究非对抗型和非确定型决策问题的科学的定量分析方法。 对抗型决策是由多个不同的决策主体在相互竞争与对抗中进行决策，因此必须考虑对手可能采取的策略——博弈论的研究对象； 非对抗决策只有一个决策主体，进行决策时，不须考虑对手的反应——统计决策的研究对象 二、统计决策的基本分析工具 例：请根据下述条件进行决策 某产品的市场需求有大、中、小三种可能，其出现的概率分别为 0.5, 0.3, 0.2。 某企业的生产线投资有三种方案： 方案一在市场需求大时，可得净现值400万元；市场需求中等时，可得净现值100万元；市场需求小时，可得净现值 -140万元； 方案二在需求大时，可得净现值200万元；需求中等时，可得净现值200万元；在需求小时，可得净现值 -20万元； 方案三为不做任何投资，因此在任何需求条件下，净现值无为0。 1、收益矩阵表 在决策分析中， 把由一个决策方案和一个自然状态特殊组合所导致的结果视为一个收益（或支付pay off）; 一个由所有决策方案和自然状态组合的支付构成的表称为一个收益矩阵表（或支付表payoff table)。 构造收益矩阵表 2、决策树 决策树以图形显示了决策制定过程的连续性，比较适用于求解复杂的多阶段决策问题； 决策树每一个末端的数字表示与一个特定结果相关的收益（支付） 方框表示决策节点； 圆圈表示机会节点； 由决策点延伸同的分枝对应的是决策方案； 由机会节点延伸出来的分枝对应的是自然状态； 收益（支付）标在自然状态分枝的末端。 例题：利用决策树进行风险型决策 某汽车配件厂拟安排明年某零件的生产。该厂有两种方案可供选择： 继续利用现有设备生产，零件的单位成本是0.6万元； 对现有设备进行更新改造，以提高设备效率。改造需要投资100万元（假定全部摊入明年成本），成功的概率是0.7： 如果成功，零件不含上述投资费用的单位成本可降至0.5万元； 如果不成功，则仍用现有设备生产。 根据预测，明年该厂某零件的市场销售价格为1万元，其市场需求有两种可能：一是2000件，二是3000件，其概率分别是 0.45和 0.55。 试问：（1）该厂该采用何种方法组织生产？ （2）应选择何种批量组织生产？ 决策树示例图 决策问题—— 决策制定者如何利用收益矩阵表中的信息或决策树选择最佳方案？ 第二节 完全不确定型决策 一、完全不确定型决策的准则 二、各种准则的特点和适用场合 一、完全不确定型决策的准则 （一）最大的最大收益值准则 （二）最大的最小收益值准则 （三）最小的最大后悔值准则 （四）折衷准则 （五）等可能性准则 （一）最大的最大收益值准则 在决策时，先选出各种状态下每个方案的最大收益值，然后再从中选择最大者，并以其相对应的方案作为所要选择的方案。 最大的最大收益值准则一般只有在客观情况确实很乐观，或者即使决策失误，也完全可以承受损失的场合才采用。 （二）最大的最小收益值准则 在决策时，先选出各种状态下每个方案的最小收益值，然后再从中选择最大者，并以其相对应的方案作为所要选择的方案。 最大的最小收益值准适用于对未来的状态非常没有把握且比较悲观，或者难以承受决策失误损失的场合。 （三）最小的最大后悔值准则 后悔值是由于决策失误而造成的最大可能的收益值与实际收益值之差。 方案ai在状态θj下的后悔值，可按下式计算： rij ＝ max Q (ai ,θj ) －qij 式中，max Q (ai ,θj )是在第j 种状态下，正确决策有可能得到的最大收益，qij是收益矩阵的元素。显而易见，rij≥0 。 最小的最大后悔值准则主张：应在求出后悔矩阵的基础上，先选出各种状态下每个方案的最大后悔值，然后再从中选择最小者，并以其相对应的方案作为所要选择的方案。 （四）折衷准则 该准则主张根据经验和判断确定一个乐观系数α（0≤α≤1），以α和1－α分别作为最大收益值和最小收益值的权数，计算各方案的期望收益值E(Q(ai)) E(Q(ai)) =αmaxi { qij } +(1－α) mini {qij } 然后，以期望收益值最大的方案作为所要选择的方案。 （五）等可能性准则 该准则假定各种状态可能出现的概率相同,