(专题使用)决策分析（PPT75页)

1决策分析§1.不确定情况下的决策§2.风险型情况下的决策§3.效用理论在决策中的应用§4.层次分析法2所谓决策，就是为了实现预定的目标在若干可供选择的方案中，选出一个最佳行动方案的过程，它是一门帮助人们科学地决策的理论。完整的决策过程一般包括四个阶段：问题的确定、方案的设计、方案择优、实施选定的方案。完整的决策包含五个要素：1.决策者；2.两个以上可供选择的方案；3.不以决策者主观意志为转移的客观环境；4.可以测知各个方案与可能出现的状态的相应结果；5.衡量各种结果的评价标准。按问题性质和条件，决策分为：2.不确定型决策问题：在决策环境不确定的条件下进行决策，决策者对即将发生的各自然状态的概率一无所知。1.确定型决策问题：在进行决策之前已经知道即将发生的自然状态，即在决策环境完全确定的条件下进行决策。3.风险型决策问题在决策环境不确定的条件下进行决策，但决策者对即将发生的各自然状态的概率可以预先估计或计算出来。4.竞争型决策问题问题中有两个以上决策者参与，决策的结果取决于竞争各方策略的选择。6§1不确定型的决策分析特征：1、自然状态已知；2、行动方案已知；3、各方案在不同自然状态下的收益值已知；4、自然状态的发生不确定(概率分布也不知)。例1.某公司需要对某新产品生产批量作出决策，各种批量在不同的自然状态下的收益情况如下表（收益表或收益矩阵）：自然状态行动方案N1（需求量大）N2（需求量小）S1（大批量生产）30-6S2（中批量生产）20-2S3（小批量生产）105自然状态行动方案N1（需求量大）N2（需求量小）min[(Si,Nj)]1j2S1（大批量生产）30-6-6S2（中批量生产）20-2-2S3（小批量生产）1055(max)一、最大最小决策准则（悲观决策准则）决策者从最不利的角度去考虑问题，先选出每个方案在不同自然状态下的最小收益值（最保险），然后从这些最小收益值中取最大的，从而确定行动方案。用(Si,Nj)表示收益值即确定值),(minmax11jikjmiNS5),(minmax2131jijiNS故它所对应的方案S3为行动方案。在本例中所对应的方案为行动方案。自然状态行动方案N1（需求量大）N2（需求量小）max[(Si,Nj)]1j2S1（大批量生产）30-630(max)S2（中批量生产）20-220S3（小批量生产）10510二、最大最大决策准则（乐观决策准则）决策者从最有利的角度去考虑问题，先选出每个方案在不同自然状态下的最大收益值（最乐观），然后从这些最大收益值中取最大的，从而确定行动方案。用(Si,Nj)表示收益值),(maxmax11jikjmiNS30),(maxmax2131jijiNS故它所对应的方案S1为行动方案。在本例中所对应的方案为行动方案。即确定值自然状态行动方案N1（需求量大）p=1/2N2（需求量小）p=1/2收益期望值E(Si)S1（大批量生产）30-612(max)S2（中批量生产）20-29S3（小批量生产）1057.5三、等可能性决策准则(Laplace准则)决策者把各自然状态发生的机会看成是等可能的，即，设每个自然状态发生的概率为1/自然状态(事件)数，然后计算各行动方案的收益期望值，从而确定行动方案。用E(Si)表示第i方案的收益期望值}),(1)({max11kjjiimiNSkSE,12}),(21)({max2131jjiiiNSSE故它所对应的方案S1为行动方案。在本例中所对应的方案为行动方案。即确定值四、乐观系数(折衷)准则(Hurwicz准则)决策者取乐观准则和悲观准则的折衷。先确定一个乐观系数（01），然后计算：CVi=max[(Si，Nj)]+（1-）min[(Si，Nj)]最后从这些折衷标准收益值CVi中选取最大的，从而确定行动方案。（取=0.7）自然状态行动方案N1（需求量大）N2（需求量小）CViS1（大批量生产）30-619.2(max)S2（中批量生产）20-213.4S3（小批量生产）1058.5)},(min)1(),(max{max111jikjjikjimiNSNSCV,2.19)},(min3.0),(max7.0{max111jikjjikjimiNSNSCV即确定值所对应的方案为行动方案。在本例中故它所对应的方案S1为行动方案。五、后悔值准则（Savage准则）决策者从后悔的角度去考虑问题,把在不同自然状态下的最大收益值作为理想目标，把各方案的收益值与这个最大收益值的差称为未达到理想目标的后悔值,然后从各方案最大后悔值中取最小者,从而确定行动方案。自然状态行动方案N1（需求量大）N2（需求量小）S1(大批量生产)30-6S2(中批量生产)20-2S3(小批量生产)105自然状态最大值305自然状态行动方案N1（需求量大）N2（需求量小）maxaij'1j2S1（大批量生产）01111S2（中批量生产）10710(min)S3（小批量生产）20020用aij'表示后悔值（机会损失值），构造后悔值矩阵（机会损失矩阵）：（也称最小机会损失决策准则）ijkjmia11maxmin,10maxmin2131ijjia即确定值所对应的方案为行动方案。在本例中故它所对应的方案S2为行动方案。特征：1、自然状态已知；2、行动方案已知；3、各方案在不同自然状态下的收益值已知；4、自然状态的发生不确定，但发生的概率分布已知。§2风险型情况下的决策一、最大可能准则由概率论知识可知,概率越大的事件其发生的可能性就越大。因此,(在一次或极少数几次的决策中,)可认为概率最大的自然状态将发生，按照确定型问题进行讨论。自然状态行动方案N1（需求量大）p(N1)=0.3N2（需求量小）p(N2)=0.7概率最大的自然状态N2S1（大批量生产）30-6-6S2（中批量生产）20-2-2S3（小批量生产）1055(max)二、最大收益期望值决策准则（EMV)根据各自然状态发生的概率，求不同方案的期望收益值，取其中最大者为选择的方案。E(Si)=P(Nj)(Si,Nj)自然状态行动方案N1（需求量大）p(N1)=0.3N2（需求量小）p(N2)=0.7E(Si)S1（大批量生产）30-64.8S2（中批量生产）20-24.6S3（小批量生产）1056.5(max)例2}),()()({max11kjjijimiNSNPSE,5.6)},(7.0),(3.0)({max2131NSNSSEiiii即确定值所对应的方案为行动方案。在例2中故它所对应的方案S3为行动方案。前面的决策问题大多是用决策表来表示和分析问题的，它的优点是简单易行。但是，对于一些较为复杂的决策问题，如多级决策问题，只用表格是难以表达和分析的。决策树法是另一种表示和分析决策问题的方法，它具有直观形象、思路清晰的优点，但其原理同样是使用期望值准则进行决策。三、决策树法用决策树法进行决策的具体步骤如下：(1)从左向右绘制决策树；(2)从右向左计算各方案的期望值(逆序方法)，并将结果标在相应方案节点的上方；(3)选收益期望值最大(损失期望值最小)的方案为最优方案，并在其它方案分支上打∥记号，称剪枝方案。每个决策树由四个部分组成，用符号说明：1.决策点，用表示，后跟方案分支；2.事件点，用表示，后跟概率分支；3.树枝，用表示一个策略或事件；4.树梢，用（△）表示后跟收益值（事件的结果）。事件1结果决策树：事件2结果事件3结果事件4结果事件2事件1事件3事件4策略1策略2决策S1S2S3大批量生产中批量生产小批量生产N1(需求量大)；P(N1)=0.3N1(需求量大)；P(N1)=0.3N1(需求量大)；P(N1)=0.3N2(需求量小)；P(N2)=0.7N2(需求量小)；P(N2)=0.7N2(需求量小)；P(N2)=0.730-62010-254.84.66.56.5例2的决策树法。根据上图可知S3是最优方案,收益期望值为6.5。四、全情报的价值（EVPI）全情报：关于自然状态的确切的信息。全情报的价值，记为EVPI，即全情报所带来的额外收益。通常为了获得全情报，需要一定的投资(经费)。为此，我们有必要事先计算出全情报的价值，以便我们作出是否投资的决策，即如果获得全情报的成本小于全情报的价值，决策者就应该投资获得全情报，反之，决策者就不应该投资获得全情报。29在例2中,当我们不掌握全情报时,我们得到S3是最优行动方案，其数学期望最大值为0.3×10+0.7×5=6.5(万)。我们称它为没有全情报的期望收益，记为EVW0PI。假定全情报告诉决策者自然状态是N1,决策者必采取方案S1,可获得收益30万；当全情报告诉决策者自然状态为N2时,决策者必采取方案S3，可获得收益5万。遗憾的是，这时我们并不知道全情报，但我们可以计算出全情报的期望收益。因为N1发生的概率为0.3；N2发生的概率为0.7，于是我们有全情报的期望收益为EVWPI=0.3×30+0.7×5=12.5(万)于是全情报的价值为EVPI=EVWPI-EVW0PI=12.5-6.5=6(万)即这个例子的全情报价值为6万。当获得这个全情报需要的成本小于6万时，决策者应该对取得全情报投资，否则不应投资。由上述分析可以得到全情报的价值=全情报的期望收益－没有全情报的最大期望收益即EVPI=EVWPI－EVW0PI)],(max[)(11jimikjjNSNP}.),()({max11kjjijmiNSNP五、具有样本情报的决策分析(贝叶斯决策)在例2中，我们提到根据以往的经验，估计N1发生的概率为0.3，N2发生的概率为0.7。我们把这种由过去的经验或专家估计所获得的将要发生事件的概率称为先验概率。为了做出可能的最好决策，除了先验概率外，决策者要追求关于自然状态的其他信息，用于修正先验概率以得到对自然状态更好的概率估计。这种另外的信息一般是通过调查或实验提供的关于自然状态的样本信息或称样本情报。当然这种样本情报不是“全”情报，只是“部分”情报。以下仍以例2为例，说明如何用样本情报来修正先验概率，这种修正的概率我们称之为后验概率。先验概率：由过去的经验或专家估计的将要发生事件的概率；后验概率：通过最新调查或实验得到的样本信息，对先验概率进行修正后得到的概率。自然状态行动方案N1（需求量大）p(N1)=0.3N2（需求量小）p(N2)=0.7S1（大批量生产）30-6S2（中批量生产）20-2S3（小批量生产）105在例2中0.3和0.7是自然状态N1和N2发生的概率，也是先验概率。通常我们是得不到全情报的，但是我们可以得到“部分”情报，或称样本信息或样本情报。例，该公司为了得到关于新产品需求量自然状态的更多的信息，委托一家咨询公司进行市场调查。咨询公司进行市场调查的结果也有两种：1)市场需求量大;2)市场需求量小。我们用I1表示咨询公司调查的结果为市场需求量大；用I2表示咨询公司调查的结果为市场需求量小。根据该咨询公司积累的资料统计得知,该咨询公司进行市场调查的准确程度如下面的(条件)概率:P(I1|N1)＝0.8；P(I2|N1)＝0.2；P(I1|N2)＝0.1；P(I2|N2)＝0.9。我们应该1)如何用样本情报进行决策呢？2)用样本情报决策其期望收益应该是多少呢？3)样本情报的价值是多少呢？4)如果样本情报要价3万元，决策者是否要使用样本情报呢？为了解决这些问题或在决策是否使用样本情报之前，我们要认真分析一下我们的问题。这里我们使用决策树方法进行分析，它适合解决多阶段的决策问题。由于在决策过程中使用了概率论中的贝叶斯公式，故这一方法又称为贝叶斯(Bayes)决策。1S4：不搞市场调查2S5：搞市场调查36.57.53现在，我们画出该问题的决策树图15-12456S1：大批量生产S2：中批量生产S3