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：)(,PSAa及。概率分布SP)(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，Ee，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)，Zz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，Cc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。
管理决策分析
贝叶斯决策分析文献综述
单位 ：数信学院管理07
小组成员：0711200209 王 双
0711200215 韦海霞
0711200217 覃 慧
完成日期 ：2010年5月31日
- 1 - 有关贝叶斯决策方法文献综述
0． 引言
决策分析就是应用管理决策理论，对管理决策问题，抽象出系统模型，提出一套解决方法，指导决策主体作出理想的决策。由于市场环境中存在着许多不确定因素 ,使决策者的决策带有某种程度的风险。而要做出理想的抉择，在决策的过程中不仅要意识到风险的存在，还必须增加决策的可靠性。在风险决策中，给出了很多如何确定信息的价值以及如何提高风险决策可靠性的方法。根据不同的风险情况，要采取不同的风险决策分析的方法。贝叶斯决策分析就是其中的一种。
1．贝叶斯决策分析的思想及步骤
从信息价值的经济效用的角度，讨论贝叶斯公式在风险决策中的应用。首先根据期望值原则，以先验概率为基础，找到最优方案及其期望损益值和风险系数，然后用决策信息修正先验分布，得到状态变量的后验分布，并用后验分布概率计算各方案的期望损益值,找出最满意方案,并计算其风险系数（这里计算的风险系数应比仅有先验条件下计算的风险系数要小)，最后求出掌握了全部决策信息值的期望损益值。用全部决策信息值的期望损益值减去没有考虑决策信息时的期望收益，就得到了决策信息的价值。
步骤如下：
（1）已知可供选择的方案，方案的各状态概率，及各方案在各状态下的收益值。
（2）计算方案的期望收益值，按照期望收益值选择方案。
（3）计算方案的期望损益标准差和风险系数。运用方案的风险系数来测度其风险度，即得到每个方案每一单位期望收益的离散程度指标。该指标越大，决策风险就越大。期望损益标准差公式：
n12A)()(iiAixPEMACP
＿理论纵横Ｉ 现代物业・现代经济 ２０１２年第１１卷第４期
基于贝叶斯网决策评价模型的大学生就业预测分析研究
冯志林’周佳男 （１．浙江工业大学之江学院。浙江杭州３１００２４； ２．浙江商业职业技术学院信息技术学院。浙江杭州３１ ００５３） 摘要：本文把贝叶斯网决策应用到大学生就业影响因素评价和预测分析的研究中。通过对大学生就业信息数据的综 合分析，建立了大学生就业预测的贝叶斯网络（ＢＮＭ—ＥＦＧ）模型。在ＢＮＭ—ＥＦＧ模型上进行决策评价。找出就业核 心影响因素的相互依赖关系，从而为大学生就业预测提供一个科学的决策评价，以有效促进大学生就业指导工作。 关键词：贝叶斯网；大学生就业；就业预测 中图分类号：ＴＰ２７７ 文献标识码：Ａ 文章编号：１６７１—８０８９（２０１２）０４—００８０—０２
１引言 近年来大学生就业难已成为中国社会最突出的现实问 题之一，这在全球金融危机环境下显得尤其突出。缓解大 学生就业困境，需要深入挖掘影响大学生就业的各种因 素，从而确定影响大学生就业的关键要素ｕ 。贝叶斯网作 为一种知识表示和进行概率推理的方法，在不确定性推理 决策问题中得到了广泛的应用，使用贝叶斯网建模已成为 解决许多不确定性问题的强有力工具。Ｐｅａｒｌ等人利用贝 叶斯网表示了不确定变量集合关于联合概率分布的图形模 式，由此反映不确定变量间潜在的依赖关系，为贝叶斯网 理论奠定了基础 。总体而言，贝叶斯网决策评价理论在 大学生就业预测方面的研究和应用较少，尚未形成一套完 善的、科学的研究体系，实际操作性和指导意义不够强。 本文将贝叶斯网中不确定性推理和决策的思想引入 大学生就业预测分析问题研究中，构建大学生就业预测 分析的贝叶斯网决策评价模型（以下简称ＢＮＭ～ＥＦＧ模型， ￣Ｂａｙｅｓｉａｎ Ｎｅｔｗｏｒｋ Ｍｏｄｅｌ ｆｏｒ Ｅｍｐｌｏｙｍｅｎｔ Ｆｏｒｅｃａｓｔ ｏｆ Ｇｒａｄｕａｔｅｓ）。本文首先对收集到的大学生就业信息数 据，进行综合分析和不确定性推理，通过设计若干决策评 价指标体系，对影响大学生就业因素间的依赖关系进行计 算，从而建立大学生就业影响因素预测的贝叶斯网络模 。 ２贝叶斯网模型 贝叶斯网模型是一种基于概率的学习模型，它利用数 据集各属性的准确性信息作为先验信息，将先验信息和有 限试验数据综合，得到类别准确性估计值。它由两部分构 成，一部分是贝叶斯网络结构（简称网络结构），网络结构 是一个有向无环图；另一部分是局部概率分布（或密度函 数）集。贝叶斯网可以通过机器学习发现数据间的条件概 率分布与因果关系，并可用来进行不确定性知识推理，所 以比较适合作为学习和发现影响就业诸因素之间所蕴涵的 潜在规律、建立学生就业模型、预测学生就业情况的工 具。 ３贝叶斯网决策评价模型（ＢＮＭ－ＥＦＧ）构建 ３．１数据组建和预处理 本文集成现有的学生管理信息系统、历史就业结果统 计报表以及其他相关的学生信息，并对学生的基本情况和 就业类型、就业质量进行分析处理，得到了离散化的数据 集，从而建立就业指导辅助决策分析专用数据库系统。 数据组建后，对数据进行预处理，包括数据清理和数据变 换。通过预处理可以将数据转换成适合于贝叶斯网学习的 形式。 本文根据学生就业将受到择业观念、能力素质、择业 技巧、就业心理等因素的影响，选取“能力”、“家庭背 景”、“就业意向”、“求职途径”、“就业岗位”、 “就业质量”这６个核心就业指标作为贝叶斯网模型中的 节点。 本文将字段数据转换成适合于研究的形式，对各种字 段状态进行编号。如对“能力”字段Ａ１，社交能力（１）， 外语能力（２），专业能力（３）；对“家庭背景”字段Ａ２，社 会关系资源丰富（１），社会关系资源一般（２），无任何社 会关系资源（３）；对“就业意向”字段Ａ３，先就业再择业 （１），先择业再就业（２），自主创业（３）；对“求职途径” 字段Ａ４，亲友介绍（１），网上招聘（２），现场招聘（
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：)(,PSAa及。概率分布SP)(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，Ee，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)，Zz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，Cc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。
