贝叶斯决策模型及实例分析(doc12页)完美版.pdf

贝叶斯决策模型及实例分析 一、贝叶斯决策的概念 贝叶斯决策， 是先利用科学试验修正自然状态发生的概率， 在采用期望效用最大等准则 来确定最优方案的决策方法。 风险型决策是根据历史资料或主观判断所确定的各种自然状态概率（称为先验概率） ， 然后采用期望效用最大等准则来确定最优决策方案。 这种决策方法具有较大的风险， 因为根 据历史资料或主观判断所确定的各种自然状态概率没有经过试验验证。为了降低决策风险， 可通过科学试验 （如市场调查、统计分析等） 等方法获得更多关于自然状态发生概率的信息， 以进一步确定或修正自然状态发生的概率； 然后在利用期望效用最大等准则来确定最优决策 方案，这种先利用科学试验修正自然状态发生的概率， 在采用期望效用最大等准则来确定最 优方案的决策方法称为贝叶斯决策方法。 二、贝叶斯决策模型的定义 贝叶斯决策应具有如下内容 贝叶斯决策模型中的组成部分： 。概率分布表示决策者在观察试验结果前对自然 θ发生 可能的估计。这一概率称为先验分布。 一个可能的试验集合 E ，，无情报试验 e0 通常包括在集合 E 之内。 一个试验结果 Z 取决于试验 e 的选择以 Z0 表示的结果只能是无情报试验 e0 的结果。 概率分布 P(Z/e, θ)，表示在自然状态 θ的条件下，进行 e 试验后发生 z 结果的概率。这 一概率分布称为似然分布。 一个可能的后果集合 C，以及定义在后果集合 C 的效用函数 u(e,Z,a, θ)。 每一后果 c=c(e,z,a, θ)取决于 e,z,a 和 θ。.故用 u(c) 形成一个复合函数 u{(e,z,a, θ)} ，并可 写成 u(e,z,a, θ) 。 三、贝叶斯决策的常用方法 3.1 层次分析法 (AHP) 在社会、 经济和科学管理领域中， 人们所面临的常常是由相互关联， 相互制约的众多因 素组成的复杂问题时， 需要把所研究的问题层次化。 所谓层次化就是根据所研究问题的性质 和要达到的目标， 将问题分解为不同的组成因素， 并按照各因素之间的相互关联影响和隶属 关系将所有因素按若干层次聚集组合，形成一个多层次的分析结构模型。 3.1.1 层次分析模型 最高层：表示解决问题的目的，即层次分析要达到的目标。 中间层： 表示为实现目标所涉及的因素， 准则和策略等中间层可分为若干子层， 如准则 层，约束层和策略层等。 最低层：表示事项目标而供选择的各种措施，方案和政策等。 3.1.2 层次分析法的基本步骤 (l) 建立层次结构模型 在深入分析研究的问题后， 将问题中所包括的因素分为不同层次， 如目标层、 指标层和 措施层等并画出层次结构图表示层次的递阶结构和相邻两层因素的从属关系。 (2) 构造判断矩阵 判断矩阵元素的值表示人们对各因素关于目标的相对重要性的认识。 在相邻的两个层次 中，高层次为目标，低层次为因素。 (3) 层次单排序及其一致性检验 判断矩阵的特征向量 W 经过归一化后即为各因素关于目标的相对重要性的排序权值。 利用判断矩阵的最大特征根， 可求 CI 和 CR 值， 当 CR0.1 时，认为层次单排序的结果有满 意的一致性；否则，需要调整判断矩阵的各元素的取值。 (4) 层次总排序 计算某一层次各因素相对上一层次所有因素的相对重要性的排序权值称为层次总排序。 由于层次总排序过程是从最高层到最低层逐层进行的，