决策分析的一般方法课件

管理模型 董纪昌中科院研究生院管理学院2010 10 数据 模型与决策 Data ModelandDecision Session2决策分析的一般方法 SessionTopic 一个决策树模型的例子及分析决策分析一般方法的总结另一个决策树模型的例子及分析 一个决策树模型的例子及分析 决策分析 是一种在不确定环境中对涉及决策的各种问题做出合理于系统决定的方法 比尔 桑普拉斯的夏季打工决策 比尔 桑普拉斯是MIT斯隆管理学院的一名学生 上学的同时 准备夏季打工 以下是他的工作机会 1 8月底 在飞机上 一个商业投资银行的副总裁瓦尼萨 帕克告诉他公司11月份开始中旬开始夏季招聘计划 比尔的经历和风度给她留下了深刻的印象 12周打工时间的薪水为14000美元 比尔 桑普拉斯的夏季打工决策 假设选择工作机会的唯一标准是薪水 比尔该如何选择工作机会 构建决策树 决策树是组织和表示决策者所面临的各种决定和不确定性问题的一个系统化方法 看本例的简单决策树 A B 接受约翰的提供 拒绝约翰的提供 来自瓦尼萨的提供 没有瓦尼萨的提供 构建决策树 在上面的图形中 我们用一个方形小盒子表示一个决策节点 Decisionnode 它表示一个决定 其标志为大写字母 如图中的 A 每一个可能的选择以一条从决策节点出发的称为分枝 Branch 的线段来表示在一个决策树中 不确定事件是用一个称为事件节点 Eventnode 的小圆圈来表的 其符号用大写字母 如 B 来标示 每个事件可能出现的结果用一条从事件节点引出的线段 分枝 来表示 构建决策树 一般习惯上在每一条分枝结果的上方 对事件可能出现的结果给出一个简单的描述在我们给出的例子中 如果比尔打算接受约翰公司的工作 那么比尔就不必考虑其他的工作机会 如果拒绝 那么就需要考虑瓦尼萨的公司以后是否会给他提供机会的不确定性问题 构建决策树 互斥从一个事件节点引出的分枝结果必须互斥 也就是两个事件结果不能同时发生 完备集合指可能出现的结果集合代表了所有可能出现的事件结果 一个事件节点引出的分枝结果必须属于完备集合 构建决策树 如果瓦尼萨打算提供比尔一个工作机会 那么比尔必须决断 接受或拒绝 如果接受工作就解决了 如果不接受 那只能就必须通过斯隆来解决工作机会的问题 进一步的决策树如下图所示 构建决策树 构建决策树 进一步 比尔打算参加斯隆的招聘 这时我们可以给出进一步的决策树 比尔拒绝瓦尼萨的工作机会 或者打算不接受尼瓦尼萨的工作机会这时我们可以给出每一个事件出现的概率可能性以及最终的每一个状态下的效益值假定能得到瓦尼萨工作机会的概率可能性为0 6 那么不能得到的概率为0 4决策树见下图 构建决策树 A B 接受约翰的提供 拒绝约翰的提供 来自瓦尼萨的提供 没有瓦尼萨的提供 C 接受瓦尼萨的提供 拒绝瓦尼萨的提供 E 0 05 0 25 0 40 0 25 0 05 21600 16800 12000 6000 0 D 0 05 0 25 0 40 0 25 0 05 21600 16800 12000 6000 0 0 6 0 4 构建决策树 决策树模型的第二步是根据已经采用的决策准则 给予决策树最后的分枝赋值 比尔的决策准则是薪水 所以我们就把每个最后分枝的含义赋予薪水值决策树如下图 构建决策树 A B 接受约翰的提供 拒绝约翰的提供 来自瓦尼萨的提供 没有瓦尼萨的提供 C 接受瓦尼萨的提供 拒绝瓦尼萨的提供 E 0 05 0 25 0 40 0 25 0 05 21600 16800 12000 6000 0 D 0 05 0 25 0 40 0 25 0 05 21600 16800 12000 6000 0 0 6 0 4 12000 14000 决策树的特征 决策树的时间顺序由左到右 且决策节点与事件节点的位置在逻辑上与事件在现实中将要发生的路线一致 逻辑必须发生在某些事件和决定之前的任何事件或决定在决策树中应放在适合的位置 以反映事件的逻辑相关性每个决策节点发出的分枝表示在一定的环境下及一定的时间内经过考虑所做出的所有可能的决定 决策树的特征 从每个事件节点发出的分枝代表来自事件节点所有结果相互关系为互斥和完备集合从一个所给定的事件节点发出的每个结果分支的概率为1决策树中的每个 最后 分枝都有一个数值与它对应 该数值通常表示对货币值 如薪水 收入和成本等的某种度量 决策树求解 预期货币值 Expectedmonetaryvalue 简称一个不确定事件的EMV 是所有可能出现数值结果的加权平均值 其中每个可能结果的概率都被称作权值如对E或D节点 其EMV为EMV 0 05 21600 0 25 16800 0 40 12000 0 25 6000 0 05 0 11580 美元 决策树求解 利用EMV方法 我们可以求解决策树 利用事件节点的EMV来评估每个事件节点 以及通过选择最佳EMV的决定来评估每个事件节点 由此求解决策树该方法以决策树的最后分枝为起点 然后向前回溯到决策树的起始节点来完成求解过程 因此求解过程被称为回溯决策树 Foldingbackthedecisiontree 决策树求解 A B 接受约翰的提供 拒绝约翰的提供 来自瓦尼萨的提供 没有瓦尼萨的提供 C 接受瓦尼萨的提供 拒绝瓦尼萨的提供 E 0 05 0 25 0 40 0 25 0 05 21600 16800 12000 6000 0 D 0 05 0 25 0 40 0 25 0 05 21600 16800 12000 6000 0 0 6 0 4 12000 14000 14000 11580 11580 13032 13032 决策树求解 上面的图形是比尔打工问题的决策树及求解的过程比尔的最优决策策略拒绝约翰10份的工作机会如果瓦尼萨公司提供工作机会 应接受 如果没有 应参加斯隆的夏季招聘该策略的EMV为13032美元 决策树求解过程小结 以决策树的最终分枝为起点 对每个事件节点和每个决策节点进行评估 具体方法如下 对于每个事件节点 求解EMV对于每个决策节点 选择具有最佳EMV节点发出的分枝 计算该节点的EMV 在决策节点的上方写上EMV数值 并通过在它们上画双杠的方法 划去低EMV的分枝 决策树求解过程小结 所有节点评估完后 求解决策树最优决策策略的EMV就是由决策树起始分枝计算的EMV 最优决策的灵敏度分析 灵敏度分析所谓灵敏度分析就是检验和评估如何解决决策树的过程及其呈现在数据上的变化行为 如 瓦尼萨公司提供给比尔夏季工作机会的概率如果发生变动 决策树如何变动 最优决策会如何变动 最优决策的灵敏度分析 用Excel来进行灵敏度分析案例分析课本第12页 瓦尼萨的公司提供给比尔的夏季工作的概率的变动学生练习 1 比尔参加斯隆夏季招聘的时间和精力的成本 课本13页 2 斯隆夏季打工薪水的分布 课本14页 最优决策的灵敏度分析 灵敏度分析的重要性进行灵敏度分析是一门艺术 它对理解什么样的数值产生最优策略以及决策模型如何变动是非常重要的根据决策树模型输出的结果进行决策之前进行灵敏度分析也是非常重要的 决策分析一般方法的总结 通过比尔打工问题我们可以得到系统地分析一个决策问题的常用决策分析框架 1 构造决策问题 列出所有可能的决定 所有问题中的不确定事件与所有可能的结果 2 构造决策树 3 确定不确定事件及每个可能结果的概率 决策分析一般方法的总结 4 确定决策树最终分枝的数值 5 利用回溯方法求解决策树 确定最优策略的EMV 6 完成灵敏度分析 对每个决策者缺乏信心的数值 检验最优决策是如何随着关键数值的变化而变化的 每次改变一个数值 另一个决策树模型的例子 生物影像公司的发展战略问题生物影像公司现有MRI 磁共振影像 软件包 准备在此基础上开发和研制能够利用的商业软件包 三维图像程序 公司面临以下几方面的抉择 1 Medtech公司准备资助15万美元用于购买当时比较先进的软件包 联合起来 生物影像公司的发展战略问题 开拓医学软件市场 生物影像公司如果拒绝资助 在未来半年里自己开发自己的软件包 大约需要20万元的投资 公司认为这笔钱可以通过合伙人的个人资金来筹措 2 如果想使软件开发成功 公司将面临两种发展战略的选择 一是半年后从国家健康协会 NIH 获得30万美元的小企业 生物影像公司的发展战略问题 创新研究 SBIR 资助 用于进一步研制和开拓市场 另一种选择是寻找风险资金 而风险投资公司Nugrowth答应 如果软件研究成功 它们将拿出100万用于生物公司的资金周转和市场开拓 但软件可以运行后 它们将抽取80 的利润 生物影像公司不能同时获得这两项资助 生物影像公司的发展战略问题 3 生物影像公司知道接受SBIR资助的可能性有很大的不确定性 也知道成功开拓自己的产品市场有很大的不确定性 但任为如果接受Nugrowth的资助 产品的收益性比自己开拓产品市场要高 4 公司认为如果三维图像程序完全运行没有成功 它们还可以申请二维软件程序的SBIR资助 但这种资助的可能性很 生物影像公司的发展战略问题 小 此外 临床测试二维程序需要10万美元的成本 公司面临 是接受Medtech公司的资助 还是继续三维软件的开发 如果开发成功 是申请SBIR资助 还是接受Nugrowth的资助 如果三维软件没有开发成功 必须决定对二维软件是否进一步投资 并申请资助 要么完全放弃 生物影像公司的发展战略问题 公司的分析公司认为三维软件如果开发成功 且接受SBIR的资助 未来三年利润分布如下 生物影像公司的发展战略问题 公司认为三维软件如果开发成功 且接受Nugrowth的资助 未来三年利润分布如下 生物影像公司的发展战略问题 公司认为三维软件如果开发不成功 且打算接受SBIR对于二维软件开发的资助 未来三年利润分布如下 生物影像公司的发展战略问题 公司同时分析 三维软件开发成功的可能性为60 开发成功后获得SBIR资助的可能性为70 获得二维软件资助的可能性为20 下页的图形为该决策问题的决策树模型 生物影像公司的发展战略问题 A B 继续开发 接受Medtech的资助 三维软件开发成功 三维软件没有开发成功 C 申请SBIR资助 接受Nugrowth的体供 0 6 0 4 15 36 44 20 18 4 18 4 D 放弃SBIR资助 申请SBIR资助 F 获得SBIR资助 失去SBIR资助 0 2 0 8 I E 获得SBIR资助 失去SBIR资助 0 7 0 3 G 60 高利润 0 20 中等利润 0 40 低利润 0 40 280 30 20 20 H 44 高利润 0 20 中等利润 0 40 低利润 180 40 20 30 20 22 5 7 5 高利润 0 25 0 75 低利润 120 30 生物影像公司的发展战略问题 生物影像公司的最优策略应继续开发三维软件 并且拒绝Medtech公司的资助如果开发成功 接受Nugrowth的资助如果开发失败 则应放弃该项目最优策略的EMV为18 4万美元 生物影像公司的发展战略问题 灵敏度分析没有彻底检查关键数据假设对最优数据的影响而制定最优策略是不明智的P29采用对两个