理论统计学课件-统计决策.pptVIP

三、利用决策树进行风险型决策 决策树是求解风险型决策问题的重要工具，它是一种将决策问题模型化的树形图。决策树由决策点、方案枝、机会点、概率枝和结果点组成。 利用决策树对方案进行比较和选择，一般采用逆向分析法，即先计算出树形结构的末端的条件结果，然后由此开始，从后向前逐步分析。 与本章第一节介绍过的收益矩阵表相比，决策树的适应面更广，它并不要求所有的方案具有相同的状态空间和概率分布。 它特别适用于求解复杂的多阶段决策问题。 9-* 【例9-9】某汽车配件厂拟安排明年某零部件的生产。该厂有两种方案可供选择：方案一是继续利用现有的设备生产，零部件的单位成本是0.6万元。方案二是对现有设备进行更新改造，以提高设备的效率。更新改造需要投资100万元（假定其全部摊入明年的成本），成功的概率是0.7。如果成功，零部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。另据预测，明年该厂某零部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，其概率分别为0.45和0.55。试问：（1）该厂应采用何种方案？（2）应选择何种批量组织生产？ 9-* 解：在本例中，首先要解决的问题是对生产方案的选择，但是对生产方案进行选择需要考察各种方法可能的结果。而这些结果又依赖于对生产批量的选择。因此，这是一个典型的两阶段决策问题。求解步骤如下： （1）根据题中给出的条件,画出决策树结构图(参见图9-2)。 9-* （2）计算决策树最末端的条件收益值。这里采用的计算式如下： 净收益＝可能销售量×单价－生产量×单位成本－应摊新投资费用 当生产批量大于市场需求量时,可能销售量等于市场需求量。而当生产批量小于市场需求量时，可能销售量等于生产批量。另外，当选择方案一组织生产时，应摊新投资费用等于0，选择方案二组织生产应摊新投资费用100万元。例如：右边第一个结果点的条件收益=2000-3000×0.6-0=200 （3）利用各条件收益值和相应的概率分布，计算最右端各机会点的期望收益值。例如：机会点⑥的期望值＝200×0.45＋1200×0.55＝750 9-* （4）根据期望值准则，选出决策点3 、4 、5的最佳生产批量，并将最佳方案的期望收益值填在相应的决策点的上方。同时，剪除落选的方案枝。例如：在决策点3选择生产2000件的方案，该方案的期望收益值为800万元。 （5）利用决策点4 、5的结果，计算机会点②的期望收益值。将其与方案一的期望收益值比较，按照期望值准则选择最佳方案。 从图中可以看出，方案二的期望收益值为875万元，大于方案二的期望收益值（800万元）。 本例决策树分析的结论是：该汽车配件厂应按方案二对设备进行更新改造，如果能够成功，就采用新生产方法组织生产，其批量安排为3000；如果失败，则仍采用原生产方法组织生产，其批量安排为2000。 9-* 第四节 贝叶斯决策 一、什么是贝叶斯决策 二、贝叶斯公式与后验概率的估计 三、先验分析与后验分析 四、后验预分析 9-* 一、什么是贝叶斯决策 利用补充信息修订的概率称为后验概率。所谓贝叶斯决策，就是利用补充信息，根据概率计算中的贝叶斯公式来估计后验概率，并在此基础上对备选方案进行评价和选择的一种决策方法。 9-* 二、贝叶斯公式与后验概率的估计 设某种状态θj的先验概率为P(θj)，通过调查获得的补充信息为ek ,θj 给定时，ek的条件概率（似然度）为，则在给定信息ek的条件下, 可用以下贝叶斯公式计算θj的条件概率即后验概率： (9.14) 上式的分母是ek出现的概率P(ek)。 9-* 【例9-10】某空调机生产厂家拟向另一电子元件厂购买某种电子元器件，根据过去的经验,该电子元件厂产品发生不同次品率的概率分布如表9-5第二栏所示。但据说，该厂的产品质量最近有所提高。现从市场上该电子元件厂出售的该种元器件中，随机抽取了10件，结果未发现次品。试计算出现这种结果的概率，并根据这一信息，对以往元器件厂次品率的概率分布进行修正。 解：以往的概率分布可视为先验概率。在本例中，各种不同次品率给定条件下，抽查10件发生0件次品(发生0件为)的概率近似地服从于二项分布，其似然度可按以下方式计算： (j=1,2,3,4) (9.15) 例如， 9-* 在Excel 中，利用BINOMDIST函数可以方便地计算二项分布的概率。表9-5的第3栏，给出了按照上式计算的结果。 9-* 将先验概率与似然度代入（9.14）式，可求得不同状态下的后验概率,结果如表9-5中最后一栏（第5栏）所示。例如，次品率为0.05状态的后验概率为： 而随机抽取10件不出现次品的概率为： 从表中结果可以看出：由于实际