不确定型决策问题与风险型决策问题
- 格式:doc
- 大小:2.93 MB
- 文档页数:24
决策分析的定量方法定量决策方法是利用数学模型进行优选决策方案的决策方法。
根据决策条件的确定性划分,定量决策方法一般分为确定型决策方法、风险型决策方法和不确定型决策方法三类。
1.确定型决策方法:确定型决策是指在稳定可控条件下进行决策,只要满足数学模型的前提条件,模型就能给出特定的结果。
(1)线性规划法线性规划法是在线性等式或不等式的约束条件下,求解线性目标函数的最大值或最小值的方法。
(2)盈亏平衡点法2.风险型决策方法:风险型决策也叫统计型决策、随机型决策,是指已知决策方案所需的条件,但每种方案的执行都有可能出现不同后果,多种后果的出现有一定的概率,即存在着“风险”。
(1)期望损益决策法期望损益决策法是通过计算各方案的期望损益值,并以此为依据,选择收益最大或者损失最小的方案作为最佳评价方案。
(2)决策树分析法决策树分析法是指将构成决策方案的有关因素以树状图形的方式表现出来,并据以分析和选择决策方案的一种系统分析法。
适用于分析比较复杂的问题。
3.不确定型决策方法:不确定型决策是指在决策所面临的市场状态难以确定而且各种市场状态发生的概率也无法预测的条件下所做出的决策。
定性决策方法也称主观决策法,是直接利用人们的知识、智慧和经验,根据已掌握的有关资料对决策的内容进行分析和研究,对决策的方案进行评价和选优。
分为头脑风暴法、德尔菲法、名义小组技术、哥顿法。
1、头脑风暴法:通过有关专家之间的信息交流,引起思维共振,形成创造性思维。
参与者在完全不受约束的条件下,敞开思路,畅所欲言。
2、德尔菲法:以匿名方式通过几轮函询征求专家的意见,预测组织小组对每一轮的意见进行汇总整理后,作为参考再发给各专家,供他们分析判断,以提出新的结论。
3、名义小组技术:以一个小组的名义来进行集体决策,而并不是实质意义上的小组讨论,要求每个与会者把自己的观点贡献出来,其特点是背靠背,独立思考。
4、哥顿法:又称提喻法。
首先由会议主持人把决策问题向会议成员做笼统的介绍,其次由会议成员海阔天空地讨论解决方案;当会议进行到适当时机时,决策者将决策的具体问题展示给会议成员,使会议成员的讨论进一步深化,最后由决策者吸收讨论结果,进行决策。
管理学风险型决策和不确定性决策方法案例分析风险型决策和不确定性决策是管理学中两种常见的决策方法,它们在实际运用中都能够帮助管理者更有效地应对复杂的决策环境。
下面以一个案例来分析两种决策方法的具体应用。
假设公司计划推出一款新产品,该产品的研发周期为一年,并且研发过程中存在多种不确定因素,如技术可行性、市场需求等等。
同时,公司面临着风险因素,如竞争对手的产品、市场变化等等。
在这种情况下,对于公司的管理者来说,如何进行决策就显得尤为关键。
首先,对于风险型决策来说,一种有效的方法是进行风险评估和分析。
公司可以通过收集市场调研数据、竞争对手分析等手段,对产品的市场前景进行评估。
此外,公司还可以与技术部门合作,评估新产品的技术可行性和开发周期。
通过这些评估和分析,公司可以识别出可能的风险因素,并对其进行量化和评估。
接下来,公司可以利用一些风险管理工具来应对这些风险。
例如,对于竞争对手的产品风险,公司可以加大市场推广力度,提高产品差异化竞争能力;对于市场变化的风险,公司可以采取多元化战略,降低单一产品的风险。
通过这些措施,公司可以降低风险对决策结果的影响,并提高决策的成功率。
然而,在实际情况下,不确定性往往也是不可避免的。
在面对不确定性决策时,一种常用的方法是利用决策树。
决策树是一种图形化表示决策过程的工具,可以更好地理解和分析不确定情况下的决策结果。
对于新产品开发的案例来说,决策树可以将不同的决策选项和不确定事件进行结合,并计算每个决策选项的期望值。
例如,当公司面临着技术可行性不确定的情况时,可以通过决策树来分析不同技术方案的风险和潜在回报。
决策树可以展示每个技术方案下的不同可能结果,并计算每个结果出现的概率和相应的价值。
通过对每个结果进行加权计算,可以得到每个技术方案的期望值,从而帮助公司选择最佳的技术方案。
在不确定性决策中,风险管理也是十分重要的。
公司可以根据不确定事件发生的概率和影响程度,制定相应的风险管理计划。
不确定型决策方法在现实生活中,我们经常会面临各种各样的决策问题,有些决策问题的结果是确定的,而有些则是不确定的。
对于不确定的决策问题,我们需要运用不确定型决策方法来进行分析和决策。
本文将介绍不确定型决策方法的相关概念和常用技巧,希望能够帮助读者更好地理解和运用不确定型决策方法。
不确定型决策方法是指在决策过程中,信息不完全或者存在风险的情况下,采用的一种决策方法。
在这种情况下,我们往往无法准确地预测决策结果,需要通过一定的分析和推理来进行决策。
不确定型决策方法主要包括概率分析、决策树分析、灰色系统理论等多种方法,下面我们将分别介绍这些方法的基本原理和应用技巧。
首先,概率分析是一种常用的不确定型决策方法,它通过对不确定事件发生的可能性进行量化分析,从而帮助我们做出决策。
在概率分析中,我们需要首先确定不确定事件的可能发生情况,然后对每种情况的发生概率进行评估,最后根据概率大小来选择最优的决策方案。
概率分析在风险投资、保险精算等领域有着广泛的应用,能够有效地帮助人们进行决策。
其次,决策树分析是另一种常用的不确定型决策方法,它通过构建决策树来分析不同决策方案的风险和收益,从而帮助我们选择最优的决策方案。
在决策树分析中,我们需要首先确定各种决策方案的可能结果,然后对每种结果的风险和收益进行评估,最后选择风险最小、收益最大的决策方案。
决策树分析在市场营销、项目管理等领域有着广泛的应用,能够帮助人们做出明智的决策。
最后,灰色系统理论是一种新兴的不确定型决策方法,它通过对不完全信息的处理和分析,帮助我们做出决策。
在灰色系统理论中,我们需要首先确定不完全信息的特征和规律,然后利用灰色关联度分析、灰色预测等方法来进行决策。
灰色系统理论在经济预测、环境管理等领域有着广泛的应用,能够有效地帮助人们进行决策。
综上所述,不确定型决策方法是在信息不完全或者存在风险的情况下,帮助我们做出决策的重要方法。
概率分析、决策树分析、灰色系统理论等多种方法都是不确定型决策方法的重要组成部分,它们在实际应用中能够帮助人们做出明智的决策。
公基专业知识 9:风险型决策和不确定型决策辨析今天为大家带来《风险型决策和不确定型决策辨析》,希望可以帮助各位考生顺利备考事业单位考试。
在管理学中有很多需要区分的类型,比如,按照决策所涉及的问题看,可分为程序化决策与非程序化决策;按照环境因素的可控程度看,可分为确定型决策、风险型决策和不确定型决策;按照组织建立的正规化程度,组织可以划分为正式组织和非正式组织等等,这些在考试中也往往占有一定的比重,其中这类题中的理解类的辨析题是难点,今天我们就来辨析一下风险型决策和不确定型决策,这两个在考试中往往不好区分。
一.风险型决策风险型决策也称随机决策,在这类决策中,自然状态不止一种,决策者不能知道哪种自然状态会发生,但能知道有多少种自然状态以及每种自然状态发生的概率。
决策是针对未来的事件的,而未来又有不确定性和随机性,因此,很多决策都具有一定的风险,所以叫风险型决策。
如近些年比较火的新能源汽车,面对日益枯竭的资源,就必须要有新的方法和手段,这就使新能源汽车逐渐兴起。
假如有一家企业现在想要进军新能源汽车,那在前期就需要投入较大的研究试验费用,如果判断准确,那么就可以在投入市场几年之后收回投资并获得较大利润,这是成功的估计。
当然,中间有任何失误,都有可能导致失败。
对这两种可能性如何判断,怎样做出选择,就属于风险性的决策。
也就是要冒一定风险,存在着两个前途,两种结果,决策不当就会带来巨大损失。
当然这种决策也不完全是盲目的,要做各种预测,进行反复的技术经济论证,决策搞得科学,成功的概率就会高一些。
二.不确定型决策不确定型决策是指在不稳定条件下进行的决策。
在不确定型决策中,决策者可能不知道有多少种自然状态,即便知道,也不能知道每种自然状态发生的概率。
跟风险型决策不同,不确定型决策没有任何借鉴可言,或者是在不做任何调查和分析的时候做出的决策。
比如,一家企业在市场还没有共享单车的时候,决定经营共享单车,在这种情况下做出的决策就是不确定型决策。
第六章风险和不确定性决策决策是一种普遍存在的活动,是决策者为解决当前或未来可能发生的问题,提出不同的策略方案并根据某一准则选择最佳行动方案的过程。
根据决策对象所处的自然状态情况,决策问题可以分为确定型、风险型和不确定型三种。
若只存在一种自然状态或不涉及具体的自然状态时,就是确定型决策。
若不知道未来会出现何种自然状态,又知道各种自然状态出现的概率时认就是不确定型决策。
若不知道未来会出现何种自然状态,但知道各种自然状态出现的概率时,就是风险型决策。
无论决策者采取什么策略方案,都要承担一定的风险。
§6.1 风险决策准则风险决策的条件如下:1.存在着决策者希望达到的某一目标;2.存在着两个,或者两个以上可供选择的策略方案;3.存在着两个或者两个以上的自然状态;4.在可能出现的自然状态中,决策者不能肯定未来会出现哪种状态,但能确定每种状态出现的概率;5.可以计算出不同方案在不同自然状态下的经济效果评价指标(一般称为损益值)。
例6-1和例6-2就是风险决策问题。
例6-1某工程技术管理人员要决定下月是否进场开工。
根据过去气象资料统计,预测下月天气好(晴、阴天的天数大于26天)的概率为0.3,而天气坏的概率为0.7。
如果开工后天气好,则可按期完工,获利5万元;如果S开工后天气坏,则损失1万元。
若不开工,无论天气好坏;则损失5千元。
为获利最大、损失最小,问是否在下月进场开工?该风险决策问题可列成表6-1。
个方案:A1:改建三级公路,将等级提高为一般二级公路;A2:保留三级公路,同时另修一条汽车专用二级公路;A3:废除三级公路,重新修建一条一般二级公路。
道路建成后可能出现四种状态:S1:运输效益很好,出现的概率P(S1)=0.3S2:运输效益较好,出现的概率P(S2)=0.4S3:运输效益一般,出现的概率P(S3)=0.2S4:运输效益较差,出现的概率P(S4)=0.1这三个方案在不同的状态下具有不同的经济效果,注一定的计算期内,各方案在不同状态下的净现值(单位:万元)见表6-2,问应采用哪一方案才能使净现值最大?对同一了风险决策问题,因风险决策的准则不同。
课业6 风险型决策和不确定性决策方法课业名称风险型决策和不确定性决策方法应用课业类型定量分析学生姓名:学号:专业:电子商务班级071班与本案例相关的知识概述1)期望值是一种方案的损益值与相应概率的乘积之和;2)决策树就是用树枝分叉形态表示各种方案的期望值,剪掉期望值小的方案枝,剩下的最后的方案即是最佳方案;3)悲观法即保守法,在方案取舍时,首先,取各方案在各种状态下的最小损益值(即最不利的状态发生),然后,在个方案的最小损益值中去最大值对应的方案;4)乐观法即冒险法,在方案取舍时,首先取各方案在各种状态下的最大损益值(即最有利的状态发生),然后,在各方案的最大损益值中去最大值对应的方案;5)后悔法,在方案取舍时,首先计算各方案在各自然状态下的后悔值(某方案在某自然状态下的后悔值=该自然状态下的最大收益-该方案在该自然状态下的收益),并找到个方案的最大后悔值,然后进行比较,吧最大后悔值最小的方案作为最终的选择;案例一案例一:某企业为了增加某种产品的生产能力,提出甲、乙、丙三个方案。
甲方案是从国外引进一条生产线,需投资800万元;乙方案是改造原有生产车间,需投资250万元;丙方案是通过次要零件扩散给其它企业生产,实现横向联合,不需要投资。
根据市场调查与预测,该产品的生产有效期是6年,在6年内销路好的概率为0.7,销路不好的概率为0.3。
在销路好的情况下,甲方案可以盈利430万元,乙方案可盈利210万元,丙方案可盈利105万元;在销路不好的情况下,甲方案将亏损60万元,乙方案可盈利35万元,丙方案可盈利25万元。
问题:试用决策树法选择决策方案。
滞销畅销 0.3 0.7 甲方案 -60万元 430万元 乙方案 35万元 210万元 丙方案 25万元 105万元甲方案的期望值:-60 * 0.3 + 430 * 0.7 = 283万元 乙方案的期望值: 35 * 0.3 + 210 * 0.7 = 157.5万元 丙方案的期望值: 25 * 0.3 + 105 * 0.7 = 81万元 所以采用甲方案;AB-604300.70.335210251050.30.30.70.7方案损益值 概率市场 状态决策 C案例二案例二:某企业开发新产品,经过预测市场需求为高、中、低三种自然状态,概率很难预知。
风险型与不确定型决策风险型决策是基于已有的信息和数据进行的决策。
在这种情况下,我们可以通过统计分析和计算得出不同方案的预期收益和风险。
通过评估每个方案的风险和收益,并综合考虑自身的风险承受能力和目标,从而选择最适合的方案。
举个例子,假设你是一个投资者,你正在考虑投资股票。
你可以通过分析过去的股票价格、公司的财务状况以及行业的发展前景等信息,来评估每只股票的风险和潜在收益。
然后,你可以根据自己对风险的忍受程度和收益目标,选择最适合的股票投资组合。
相反,不确定型决策是基于未知的因素和不确定性进行的决策。
在这种情况下,我们无法准确估计每个选择的结果,并且无法计算出相应的风险。
这种决策需要更多的主观判断和冒险精神。
例如,你可能被提升为一个管理职位,但在此之前你没有实际的管理经验。
你不知道你是否能够成功地管理团队并取得好的业绩,因为你还没有经历过这种情况。
在这种情况下,你需要根据自己的直觉和信心来决定是否接受这个职位,而无法准确地预测结果。
在不确定型决策中,关键的是要做出决策并承担相应的风险。
这需要我们对自己的能力和潜力有一个清晰的认识,并具备一定的冒险精神。
总而言之,风险型和不确定型决策是我们生活和工作中不可避免的两种情况。
在风险型决策中,我们可以通过分析数据和信息来评估每个选择的收益和风险;而在不确定型决策中,我们需要更多地依赖主观判断和冒险精神来做出决策。
无论是哪种决策,我们都需要权衡利益和风险,并根据自身的目标和情况做出最合适的选择。
风险型和不确定型决策是我们生活和工作中不可避免的两种情况。
在这两种决策类型中,我们面临不同的挑战和风险,需要采取不同的方法来应对。
首先,让我们来看看风险型决策。
这种决策通常涉及到已有的信息和数据,可以进行量化和评估。
我们可以通过统计分析、计算和模型来预测不同方案的结果,并计算出潜在的风险和收益。
风险型决策需要我们对数据和信息进行准确的评估和分析。
这要求我们具备一定的专业知识和技能,能够正确地解读和应用数据。
确定型决策、不确定型决策、风险型决策的比较分析叶伟内容摘要:决策按照状态空间分类,可分为确定型决策、不确定型决策和风险型决策三类。
本文就这三种决策的基本概念、使用原则、适用范围和优缺点等几个方面进行了综合的比较分析。
关键词:确定型决策不确定型决策风险型决策Abstract:According to the state space, the decision-making may be divided into decision making under certainty , decision making under uncertainty and decision making under risk. This article has carried on the comparative analysis of their basic concept, their use principle, their applicable scope and their good and bad points and so on.Keywords:Decision-making under certainty Decision-making under uncertainty Decision-making under risk1.引言决策是理性人普遍从事的一种活动,也是极为重要的制胜手段。
它的核心是,对未来活动的多个目标及用途做出合理的选择,以寻求最满意的行动方案。
决策具有以下特点:①面对新问题和新任务做出科学决定,属于创造性的管理活动;②必须对实际行为有直接的指导作用;③具有多因素、多目标、不要确定性与方案的多样性,以及决策影响的时效性和一次性。
现代决策理论的主要特点在于,以概率和数理统计为基础,以统计判定理论和高等数学为工具,广泛地收集和处理信号,考虑人的心理和外在环境、市场等应变因素,知道人们把各类工程技术因素与经济效益统一起来做定量分析,并以电子计算机为辅助手段,研究决策的性质和规律、模型与方法,以寻求整体的最优解或满意解。
不确定型决策问题的解决方法解决不确定型决策问题的方法不确定型决策问题是指在决策过程中,决策者无法准确预测或确定决策结果的一类问题。
这类问题通常存在风险、不确定性以及不完备的信息,因此在决策过程中需要采用一些特定的方法来解决。
下面将介绍几种解决不确定型决策问题的方法:1. 概率分析方法:概率分析是通过对可能发生的事件进行概率分析来进行决策的一种方法。
通过收集和分析历史数据,决策者可以计算出不同决策结果发生的概率,并根据这些概率来做决策。
概率分析方法适用于决策问题的可能结果是可以量化和可测量的情况。
2. 决策树方法:决策树是一种将决策过程表示为有向无环图的方法。
利用决策树,决策者可以通过根据已知信息不断追溯决策的可能结果,来做出决策。
决策树方法适用于决策问题的可能结果是可以有限且离散的情况。
3. 模糊决策方法:模糊决策是一种在不确定性和模糊性的条件下进行决策的方法。
模糊决策方法允许决策者对问题进行模糊化处理,通过模糊数学的方法来建立模糊决策模型,并利用这个模型来做出决策。
模糊决策方法适用于决策问题的可能结果是不确定且模糊的情况。
4. 多目标决策方法:多目标决策是一种在决策中考虑多个决策目标的方法。
在多目标决策中,决策者需要将不同的决策目标进行权衡,并根据不同目标的重要性来做出决策。
多目标决策方法适用于决策问题的决策目标是多个且相互矛盾的情况。
5. 情景分析方法:情景分析是一种通过分析不同决策情境来进行决策的方法。
情景分析方法允许决策者根据不同的情境来选择合适的决策策略,并在实际决策过程中根据情况的变化进行调整。
情景分析方法适用于决策问题的决策结果是不确定的且可能受到外部环境因素的影响的情况。
在实际应用中,以上方法可以结合使用,以提高决策的准确性和有效性。
此外,还可以采用专家咨询、技术评估等方法来获取更多的信息和意见,从而更好地解决不确定型决策问题。
第四章贝叶斯分析
Bayesean Analysis
§4.0引言
一、决策问题的表格表示——损失矩阵
对无观看(No-data)问题 a=δ
可用表格(损失矩阵)替代决策树来描述决策问题的后果(损失):
或
损失矩阵直观、运算方便
二、决策原则
通常,要依照某种原则来选择决策规则δ,使结果最优(或中意),这种原则就叫决策原则,贝叶斯分析的决策原则是使期望效用极大。
本章在介绍贝叶斯分析往常先介绍芙他决策原则。
三、决策问题的分类:
1.不确定型(非确定型)
自然状态不确定,且各种状态的概率无法可能.
2.风险型
自然状态不确定,但各种状态的概率能够可能.
四、按状态优于:
l ij ≤l
ik
I, 且至少对某个i严格不等式成立, 则称行动a
j
按状
态优于a
k
§4.1 不确定型决策问题
一、微小化极大(wald)原则(法则、准则) a
1a
2
a
4
min
j max
i
l (
i
, a
j
) 或max
j
min
i
u
ij
例:
各行动最大损失: 13 16 12 14
其中损失最小的损失对应于行动a
3
.
采纳该原则者极端保守, 是悲观主义者, 认为老天总跟自己作对.
二、微小化微小
min
j min
i
l (θ
i
, a
j
) 或max
j
max
i
u
ij
例:
各行动最小损失: 4 1 7 2
其中损失最小的是行动a
2
.
采纳该原则者极端冒险,是乐观主义者,认为总能撞大运。
三、Hurwitz准则
3 / 24
上两法的折衷,取乐观系数入
min
j [λmin
i
l (θ
i
, a
j
)+(1-λ〕max
i
l (θ
i
, a
j
)]
例如λ=0.5时
λmin
i l
ij
: 2 0.5 3.5 1
(1-λ〕max
i l
ij
: 6.5 8 6 7
两者之和: 8.5 8.5 9.5 8
其中损失最小的是:行动a
4
四、等概率准则(Laplace)
用
i
∑l ij来评价行动a j的优劣
选min
j
i
∑l ij
上例:
i
∑l ij : 33 34 36 35 其中行动a1的损失最小
五、后梅值微小化极大准则(svage-Niehans)
定义后梅值s
ij =l
ij
-min
k
l
ik
其中min
k l
ik
为自然状态为θ
i
时采取不同行动时的最小损失.
构成后梅值(机会成本)矩阵 S={s
ij }
m n
⨯
,使后梅值微小化极大,
即:
min max j i s ij
例:损失矩阵同上, 后梅值矩阵为:
3 1 0 2
3 0 8 1
1 4 0 2
0 3 2 4
各种行动的最大后梅值为: 3 4 8 4
其中行动a1 的最大后梅值最小,因此按后梅值微小化极大准则应采取行动1.
六、Krelle准则:
使损失是效用的负数(后果的效用化),再用等概率(Laplace)准则.
七、莫尔诺(Molnor)对理想决策准则的要求(1954)
1.能把方案或行动排居完全序;
2.优劣次序与行动及状态的编号无关;
3.若行动a
k 按状态优于a
j
,则应有a
k
优于a
j
;
4.无关方案独立性:差不多考虑过的若干行动的优劣不因增加新的行动而改变;
5 / 24
5.在损失矩阵的任一行中各元素加同一常数时,各行动间的优劣次序不变;
6.在损失矩阵中添加一行,这一行与原矩阵中的某行相同,则各行动的优劣次序不变。
§4.2 风险型决策问题的决策原则
一、最大可能值准则
令π(θ
k )=maxπ(θ
i
)
选a
r 使 l(θ
k
,a
r
)=min
j
l(θ
k
,a
j
)
例:
π(θ
i
) a1a2a3
θ
10.2 7 6.5 6
θ
20.5 3 4 5
θ
30.3 4 1 0
π(θ
2
) 概率最大, 各行动损失为 3 4 5
∴应选行动a
1
二、贝叶斯原则
使期望损失微小:
min
j {
i
∑l(θi , a j) π(θi) }
上例中,各行动的期望损失分不为 4.1 3.6 3.7, 对应于a
2
的期望损失3.6最小
∴应选a
2
.
三、贝努利原则
损失函数取后果效用的负值,再用Bayes原则求最优行动.
四、E—V(均值—方差)准则
若Eπl
ij ≤Eπl
ik
且σσ
j k
≤则a j优于a k
通常不存在如此的a
j
上例中:
a 1a
2
a
3
E 4.1 3.6 3.7
V(σ2) 2.29 3.79 5.967
不存在符合E—V准则的行动, 这时可采纳f(μ,σ)的值来推断(μ为效益型后果的期望)
μ-ασ
f( μ,σ)=μ-ασ2
μ-α(μ2+σ2)
f越大越优.
五、不完全信息情况下的决策原则(Hodges-Lehmann原则)
状态概率分布不可靠时, 可采纳:
7 / 24
φ(a
j )=λu
ij
i
i
∑⋅π + min
i
u
ij
i=1,2,…,m
j=1,2,…,n
φ越大越优.
§4.3贝叶斯定理
一、条件概率
1.A、B为随机试验E中的两个事件
P(A|B)=P(AB)/P(B)
由全概率公式: A
j
j=1,2,…,n 是样本空间的一个划分, P(B)=
j
∑P(B|A j)P(A j)
得Bayes公式
P(A
i |B)=P(B|A
i
)·P(A
i
)/P(B)
= P(B|A
i )·P(A
i
)/
j
∑P(B|A j)P(A j)
2. 对Θ,Χ两个随机变量
·条件概率密度
f(θ| x)=f(x |θ)f(θ)/f(x) ·在主观概率论中
π(θ| x)=f(x |θ)π(θ)/m(x)
其中:π(θ)是θ的先验概率密度函数。