- 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、"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、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)。
销路好:前3年小厂,后7年扩建,期望收益: 40×0.7×3+465×0.7
销路差:小厂10年,期望收益:30×0.3×10 40×0.7×3+465×0.7+ 30×0.3×10-140=359.5 决策点ⅰ:点2的期望值较大,采用先建小厂3年后扩建
风险决策
练习题: 某厂工艺改进有两条途径: I:自行研究,成功可能性0.6; II: 国外引进,谈判成功可能性是0.8。 不论何种途径成功,生产规模都考虑两种方案:
它描述了特定的期望损益值水平和与之相对应的满足程度之间的 关系。
效用函数的确定
直接提问法 如:收入2万您是满意的,收入增加到多少,您会加倍满意?
心理试验法 首先确定甲、乙两个方案,询问决策者选择哪一个方案。 甲:以概率P得到a元,或以(1-P)的概率损失b元; 乙:无风险稳得c元;(a>c>b) 如果决策者认为甲、乙两方案等价时有:
利用决策树决策 绘出决策树 预计各状态概率 从右向左计算各个方案的收益期望 根据期望值大小选择方案
决策树求解多阶段决策问题
风险决策
例7-2:多阶段决策树求解 某地规划建厂,提出三个方案:
I方案:新建大厂,需投资300万元。估计销路好时每年 获利100万元,销路不好时每年亏20万元,经营期限 10年。
后验分析 补充新信息,通过对X1,X2,…,XS共S个状态的调查, 获得实际出现自然状态θi而预报Xj的概率,即: P(Xj|θi)。 在已知先验概率P(θj)(j=1,2,…,m)及条件概率 P(Xj|θi)(j=1,2,…,s;i=1,2,…,m)的基础上,利 用贝叶斯定理计算修正概率,即后验概率:
II
I ( 5 2 0 ) 2 0 8 . 6 0 ( 5 0 2 0 ) 2 0 8 . 4 2 0 . 4 6 I I 5 9.0 2
因此,考虑选择 I 方案
风险决策
决策树结构
状态 节点
决策 节点
状态 节点
方案枝
概率值 概率值 概率值 概率值
收益 收益 收益 收益
概率枝
风险决策
θm
III P(θj) P(Xi|θj) X1, … , Xi, … , XS …, P(θ1) P(Xi|θ1), ... …, P(θ2) P(Xi|θ2), ...
……
…, P(θm) P(Xi|θm), ...
P(X1), …, P(Xi) , …, P(Xm) P(θ1|X1), …, P(θ1|Xi),… P(θ2|X1), …, P(θ2|Xi),… …… P(θm|X1), …, P(θm|Xi),…
风险决策
最大期望收益值计算
m
Ei (pjOij)Vi0 j1
i为备择方案,i=1,2,…,n
j为自然状态,j=1,2,…,m
E
为第i个备择方案的期望收益值
i
pj为第j个自然状态出现的概率
Oij为第i个备择方案在第j个自然状态下的收益
Vi0 为第i个备择方案的初始投资值
风险决策
风险的衡量
当备择方案的期望收益值相等时,需计算风 险值。风险应尽可能地小。
低价(0.1)
中价(0.5)
高价(0.4)
95 低价(0.1)
4
中价(0.5)
高价(0.4)
65 低价(0.1)
中价(0.5) 5
高价(0.4)
85 低价(0.1)
中价(0.5) 6
高价(0.4)
60
低价(0.1) 中价(0.5)
7 高价(0.4)
低价(0.1)
中价(0.5) 高价(0.4)
-100
P(X)
预售多: P(X1)=P(θ1)×P(X1|θ1)+ P(θ2)×P(X1|θ2)
风险型决策
后验概率:门票预售多且实际规模大的概率 P (θ|X ) 门票预售多且实际规模小的概率
…… 门票预售少且实际规模小的概率 期望收益:∑后验概率×计划收益 决策: 门票预售多时执行期望收益大的计划 门票预售中时执行期望收益大的计划 门票预售少时执行期望收益大的计划 总期望收益:∑全概率×各项决策的期望收益 补充信息价值:后验总期望收益-先验总期望收益 完备信息价值: ∑先验概率×各状态的最大收益
风险型决策
先验分析-先验概率的专家估计法
例7-3:推荐三名大学生考研究生,请五位任 课老师估计他们谁得第一的概率:
教师 权数
1
0.6
2
0.7
3
0.9
4
0.7
5
0.8
加权求和
归一化后
学生1
0.6 0.4 0.5 0.6 0.2
1.67 0.47
学生2
0.3 0.5 0.3 0.3 0.5
1.31 0.37
相等的期望值对决策者的吸引力相同? 决策者的风险态度、经济地位、价值观相同? 期望值为平均值,一项决策需要多次重复? 完全的数量价值指标?
风险型决策
效用与效用函数
为定量地描述决策者对风险的偏好和厌恶程度。用效用来衡量同 一期望值在不同人主观上的价值(满意程度的衡量尺度)。
习惯上,效用最大为1,最小为0 一个决策者对不同期望值的效用值,构成了一条效用曲线U(X)。
风险型决策
例7-3 教材P271 实例9.12
事件状态(θ) :运动会规模大、小
后验状态( X ):预售门票多、中、少
条件概率:以往大、小规模运动会与一周前预售门票
P(X|θ) 规模大的情况下预售门票多的概率
规模大的情况下预售门票中的概率
……
规模小的情况下预售门票少的概率
全概率: 预售门票多、中、少各自的概率
价格中0.5 0
50 50
0 -250
价格高0.4 100 150 250 200 600
试用决策树进行决策。
决策树练习答案: 30
失败
3
(0.2)
82
引
1
进
增加
95 产量
技 术
成功
(0.8) II
I
自 行 研 究
产量 不变
增加
85 产量
成功 III
63 (0.6)
产量
2
不变
失败 30
(0.4) 8
P(θj)
X1, … , Xi, … , XS
θ1 : P(θ1) θ2 : P(θ2)
…, P(Xi|θ1),... …, P(Xi|θ2), …
……
……
θm : P(θm)
后验概率:
…, P(Xi|θm), … 对第III部分的每一列求和
θ1
P(θj|Xi)=
θ2
P(θj) P(Xi|θj)/ P(Xi)
风险型决策
效用决策
考虑以下两个方案: A: 稳得100元奖金; B: 掷一枚均匀硬币,若出现正面可得250
元奖金,若出现反面则一无所获。 请你从A、B中选择一个方案。
根据最大期望收益准则: A的期望收益为100,而B则为125
因此,必须选择B方案才是正确的。
风险型决策
期望值准则的缺陷 两个方案,期望值相差不大,但风险差距很大, 实际决策时很多人会选择风险较小的一个方案, 即使它的期望收益稍小一点。
m i (OijEi)2pj j1 i 为第i个备择方案的风险
风险决策
风险决策举例
例7-1:有两个所需代价相同的投资如何决 策?
I方案 II方案
成功获利 500 800
概率 60% 50%
失败获利 概率 -50 40% -240 50%
E E 280 I =0.6×500+0.4×(-50)=280,
补充信息费用应远小于完备信息的价值(上限)。
当完全信息预报出现第K个自然状态出现时,最优方 案由 MAX{Ukj}j 确定。
在完备信息下,决策所能获得的最大期望收益值:
m
ERP I Pi•mauxij}{
i1
j
ERPI与EMV*之间的差额就是得到完全信息而使期
望值增加的部分,即为完备信息价值EVPI。
风险型决策
预验分析举例
例7-3:计算以下问题的完备信息价值
状态及概率
方案
方案1
方案2
方案3
MAX
P1=0.3
50
30
10
50
P2=0.4
20
25
10
25
P3=0.3
-20
-10
10
10
先验分析最大期望收益: EMV*= 17(方案1) 完备信息下:预报P1出现:MAX(50,30,10)=50, 选方案1;
P2出现:选方案2 (最大期望收益25); P3出现:选方案3 (最大期望收益10) 。 完备信息下最大期望收益值为(收集信息前不知何种自然状态能出现):
ERPI=0.3×50+0.4×25+0.3×10=28 完备信息的价值:EVPI=EPPI-EMV*=11 可以进一步去收集信息 。
风险型决策
风险型决策
贝叶斯决策过程
先验分析
根据资料及经验对各自然状态出现的概率作出估 计,称为先验概率;
根据先验概率可作出决策,得到最优期望值,记 为 EMV*。
预验分析
补充信息的成本-收益分析
后验分析
获取条件概率,运用贝叶斯定理对先验概率进行 修正,得到后验概率;
根据后验概率作出决策,计算补充信息的价值。
p U(a)+(1- p) U(b) = U(c)
风险型决策
a,b,c,p四个变量中,已知任意三个,向决策者提 问第四个变量应取何值?如此反复回答,便可 绘制出该决策者的效用曲线。
常用的提问:固定a,b,p(=0.5)值,问决策者c 取何值时甲、乙两方案等价。