贝叶斯决策分析ppt

  • 格式:pptx
  • 大小:526.14 KB
  • 文档页数:74

下载文档原格式

  / 74
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

E E(a / H ) pH E(a / H ) pH
2
opt
1
1
opt
2百度文库
2
1.4488 0.78 0 0.22 1.1301(万元)
通过调查,该企业收益期望值能增加
E2 E1 1.1301 1.1 0.030(1 万元)
因此,只要调查费用不超过0.0301万元,就应该 进行市场调查;否则,则不应进行市场调查。
即:
aopt= a1
E1为不作市场调查的期望收益。
例5.1
2、预验分析:由全概率公式
n
pHi p(Hi / j ) p( j )
得:
j 1
p( p(
H H
1 2
) )
0.95 0.05
00..91 00..28 00..2728
例5.1
2、预验分析:
再由贝叶斯公式
p j / Hi
有关的概率公式
贝叶斯公式:
p / H p(H /i ) p(i )
i
p(H )
p(H / j ) p( j )
n
p(H / j ) p( j )
j1
(i 1,2, , n; p(H ) 0)
§5.1 贝叶斯决策的基本方法
5.1.2 贝叶斯决策的基本方法 补充信息(信息值)
指通过市场调查分析所获取的补充信息, 用已发生的随机事件H或已取值的随机变量 τ表示,称H或τ为信息值。 信息值的可靠程度 用在状态变量θ的条件下,信息值H的条件 分布p(H/θ)表示。
5.1.2 贝叶斯决策的基本方法
离散情形
若θ取n个值θj(j=l, 2, …, n),H取m个值Hi (i=1, 2, …, m),则信息值的可靠程度对 应一个矩阵—贝叶斯决策的似然分布矩阵
1
p(H1 )
0.32
p( / H ) p(H1 /3 ) p(3 ) 0.2 0.3 0.1875
3
1
p(H1 )
0.32
例5.2
p(1 / H 2 )
p( H 2 / 1 ) p(1 )
p( H 2 )
0.3 0.3 0.35
0.2571
p( / H ) p( H 2 /2 ) p(2 ) 0.5 0.4 0.5714
2
2
p( H 2 )
0.35
p( 3 / H 2 )
p( H / ) p( )
2
3
3
p( H 2 )
0.2 0.3 0.1715 0.35
p(1 / H 3 )
p( H 3 /1 ) p(1 )
p(H )
例5.2
2、预验分析:
再由贝叶斯公式
p j / Hi
p(Hi / j ) p( j )
p(Hi )
得:p(1
/ H1)
p(H / ) p( )
11
1
p(H )
0.6 0.3 0.32
0.5625
1
p( / H ) p(H1 /2 ) p(2 ) 0.2 0.4 0.25
2
1.5 0.9744 (0.5) 0.0256
1.4488(万元)
Ea2 / H1 0
aopt (H1)= a1 即:市场调查畅销时,最 优方案是生产该新产品。
例5.1
2、预验分析: 当市场调查值为 H2(产品滞销)时:
Ea1 / H2 1.5 p1 / H2 (0.5) p2 / H2
贝叶斯决策的基本步骤
1.验前分析 依据数据和资料以及经验和判断,去测算和
估计状态变量θ的先验分布p(θ) ;
❖ 计算各可行方案在不同θ下的条件结果值; ❖ 根据某种决策准则评价选择,找出最满意方
案。 2.预验分析
比较分析补充信息的价值和成本的过程。 目的:判断是否值得去补充信息?
贝叶斯决策的基本步骤
为在事件 A 发生的条件下事件 B 发生的条件概率.
全概率公式 贝叶斯公式
PH
m
PH
|
i
Pi
,
Pi
0
i 1
Pi
|
H
PH | i Pi PH
PH |
m
PH
i Pi | i Pi
,
PH
0
i 1
贝叶斯公式把条件概率和似然函数联系起来,因此可以用先 验概率求出后验概率。
例:小概率事件不会发生,因为如果发生,就不是小概率事件。
P(Hi/θj) H1 H2 H3
θ1 θ2 θ3 0.6 0.2 0.2 0.3 0.5 0.2 0.1 0.3 0.6
例5.2
解:1、验前分析
E(a1 ) 50 20 20 0.3 17 E(a2 ) 30 25 10 0.4 16 E(a3 ) 10 10 10 0.3 10
后验概率是在考虑了一个事实之后的条件概率. 后验概率可以根据通过Bayes定理, 用先验概率和 似然函数计算出来.
二、全概率公式和贝叶斯公式 条件概率
如在事件A发生的条件下求事件B发生的概率,将此概率记作P(B|A).
设 A, B 是两个事件,且 P( A) 0, 称 P(B A) P( AB) P( A)
2.预验分析 判断:如果信息的价值高于其成本,则补充信
息给企业带来正效益,应该补充信息.反之, 补充信息大可不必。
注:如果获取补充信息的费用很小,甚至可以 忽略不计,本步骤可以省略,直接进行调查 和收集信息,并依据获取的补充信息转入下 一步骤。
贝叶斯决策的基本步骤
3.验后分析 利用补充信息修正先验分布,得到更加符合
某企业为开发某种新产品需要更新设备,有 三种方案可供选择:引进大型设备(a1)、引进 中型设备(a2)、引进小型设备(a3)。市场对该 新产品的需求状态也有三种:需求量大(θ1)、 需求量一般(θ2) 、需求量小(θ3) 。根据市场 预测,企业的收益矩阵如下(单位:万元):
1
2
3
50
第五章 贝叶斯决策分析
引言
决策是需要信息的,信息包括两个方面:1、 结果值;2、自然状态的概率。
贝叶斯决策是分析有关自然状态概率的信息对 决策的影响。
面临的问题是:一方面信息越准确对决策越有 利;一方面获得信息是有成本的。这两者之间会有 一个平衡,因此需要知道信息的价值。
要想知道信息的价值,必须了解贝叶斯分析的 原理。
贝叶斯决策的意义
贝叶斯决策可以做到少花钱多办事,提高决 策分析的科学性和效益性。
有关的概率公式
离散情况
设有完备事件组{θj}(j=1, 2, …, n),满 足:
i j ,(i, j 1,2, , n;i j)
n
j
j1
则对任一随机事件H,有全概率公式:
n
pH p(H / j ) p( j ) ( p( j ) 0) j 1
预备知识
一、先验概率与后验概率
先验概率 ( Prior probability)
先验概率是在缺乏某个事实的情况下描述一个 随机变量; 先验概率通常是经验丰富的专家的纯 主观的估计. 比如在法国大选中女候选罗雅尔的 支持率 p, 在进行民意调查之前, 可以先验概率 来表达这个不确定性.
后验概率 ( posterior probability)
p(H 2 )
0.05 0.8 0.22
0.1818
p(2 / H 2 )
p(H / ) p( )
22
2
p(H )
0.9 0.2 0.22
0.8182
2
例5.1
2、预验分析:
用后验分布代替先验分布,计算各方案的期 望收益值。
当市场调查值为 H1(产品畅销)时:
Ea1 / H1 1.5 p1 / H1 (0.5) p2 / H1
Q
(q ) ij 33
30
20 25
20 10
a1 a
2
10 10 10 a3
例5.2 试对该企业新产品开发方案进行决策。
根据历年资料,该产品各需求状态的概率分
别为p(θ1)=0.3,p(θ2)=0.4,p(θ3)=0.3。为 使新产品开发产销对路,该拟试销作市场调 查,试销结果可能有三种:需求量大(H1)、 需求量一般(H2)、需求量小(H3)。调查结 果值的可靠性如下表所示:
1.5 0.1818 (0.5) 0.8182 0.1346(万元)
Ea2 / H1 0
aopt (H1)= a2 即:市场调查滞销时,最优方案是不生产该 新产品。
例5.1 是否该进行市场调查?
假定咨询公司收费为0.1万元。不应进行调查 2、预验分析:
通过调查,该企业可获得的收益期望值为:
先验概率 p(小)=0.9; p(大)=0.1
似然矩阵
p(发生小)
p(不发生 小)
pp(不(发发生生大大) )=00..909091
0.8 0.2
事件发生的总概率
p(发生)=p(发生小) p(小) p(发生 大) p(大)
后验概率
=0.001 0.9 0.8 0.1 0.0809
p(小发生)=
实际的后验分布;
再利用后验分布进行决策分析,选出最满意 的可行方案;
对信息的价值和成本作对比分析,对决策分 析的经济效益情况作出合理的说明.
验后分析和预验分析的异同: 相同:都是通过贝叶斯公式修正先验分布 不同:主要在于侧重点不同
贝叶斯决策的基本步骤
4.序贯分析(主要针对多阶段决策) 指把复杂的决策问题的决策分析全过程划分 为若干阶段,每一阶段都包括先验分析、预 验分析和验后分析等步骤, 每个阶段前后相 连,形成决策分析全过程.
p(H1 /1)
p( H 2
/ 1 )
p(Hm /1)
p(H1 /2 )
p(H2 /2 )
p(Hm /2 )
p(H1 /n )
p(
H
2
/n
)
p(Hm /n )
5.1.2 贝叶斯决策的基本方法
利用市场调查获取的补充信息值Hi 或τ去修 正状态变量θ的先验分布,即依据似然分布 矩阵所提供的充分信息,用贝叶斯公式求出 在信息值H或τ发生的条件下,状态变量θ的 条件分布 p(θ/H)。 先验概率—p(θ) :由以往的数据分析得到的 概率; 后验概率—p(θ/H):在得到信息之后,重新 加以修正的概率。
某工厂计划生产一种新产品,产品的销售情
况有畅销(θ1),滞销(θ2)两种,据以往 的经验,估计两种情况发生的概率分布和利
润如下表所示:
状态θ 概率P(θi) 利润(万元)
畅销(θ1) 0.8 1.5
滞销(θ2) 0.2
-0.5
例5.1
为了进一步摸清市场对这种产品的需求情况,
拟聘请某咨询公司进行市场调查和分析,该 公司对销售情况预测也有畅销(H1)和滞销 (H2)两种,对畅销预测的准确率为0.95,对 滞销预测的准确率为0.9:
p(Hi / j ) p( j )
p(Hi )
得:p(1 / H1 )
p(H / ) p( )
11
1
p(H )
0.95 0.8 0.78
0.9744
1
p( / H ) p(H1 /2 ) p(2 ) 0.1 0.2 0.0256
2
1
p(H1 )
0.78
p(1 / H 2 )
p( H 2 /1 ) p(1 )
p(发生小) p(小)=0.0009
p(发生)
0.0809
0.011
§5.1 贝叶斯决策的基本方法
5.1.1 贝叶斯决策的基本方法 管理决策的两种偏向:(1)缺少调查,(2)调
查费用过高。
贝叶斯决策:为了提高决策质量,需要通过 市场调查,收集有关状态变量的补充信息, 对先验分布进行修正,用后验状态分布进行 决策。
E1=max{E (a1),E (a2),E (a3)} =17 因此验前分析后的决策为:引进大型设备。
即:
aopt= a1
E1为不进行试销(市场调查)的期望收益。
例5.2
2、预验分析:由全概率公式
n
pHi p(Hi / j ) p( j )
得:
j 1
p(H1 ) 0.6 0.2 0.2 0.3 0.32 p(H2 ) 0.3 0.5 0.2 0.4 0.35 p(H3 ) 0.1 0.3 0.6 0.3 0.33
P(Hi/θj) H1 H2
θ1 0.95 0.05
θ2 0.10 0.90
例5.1
解:
1、验前分析
记方案a1 为生产该新产品,方案a2 为不生产。
则:
E (a1)=1.1(万元),E (a2)=0
记验前分析的最大期望收益值为E1,有:
E1=max{E (a1),E (a2)} =1.1
因此验前分析后的决策为:生产该新产品。
例5.1
3、验后分析:综上所述, 在咨询公司收费不超过0.0301万元的情况下,
进行市场调查,能使该企业新产品开发决 策取得较好的经济效益;否则,不做市场 调查。
若调查结果是该产品畅销,则应该选择方 案a1,即生产新产品;
若调查结果是该产品滞销,则应该选择方 案a2,即不生产新产品。
例5.2