《决策分析模型》PPT课件

1、意思决策分析模型，一、概论、意思判定问题中，将可选择的各计划称为行动，标记为a，将4个可能的行动a的集合标记为行动空间，标记为a。 行动是决策系统的自变量，可以是连续的也可以是离散的。 例如，在什么地方成立了计程车公司，制定了100台、150台、200台3种车购买方案，这里的行动是离散量。 另外，某食品销售公司考虑购买食用油，必须制定利润大、库存滞销少的购买量方案。 此时的行动是边疆的理由。 数学模型，方案确定后，结果是否唯一确定，根据情况有些决策人不能特罗尔的要素打领带。 在决策中，行动确定后，目标价值打领带的残奥仪表称为状态，这种集合称为状态空间。 的双曲馀弦值。 状态可以是连续的，也可以

2、是离散的。 例如，一个企业经营是否收益可被分成三种离散状态：收益、损益平衡、损失。 也可以使用量化指标将企业经营状况表示为连续值。动作在状态下发生的结果可以用报酬或损失表示，在决策中，报酬函数、损失函数都被称为决策函数，并标记为f (，a )。 决策函数是决策的依据，始终与行为空间、状态空间构成决策系统，记为(，a，f )。 数学模型是不确定的，是唯一确定的。 在风险决策中，状态是随机变量，其概率分布由决策人掌握。 显然，不真实自我判定问题状态的概率分布确定后，成为风险判定问题。 的双曲馀弦值。 如果状态空间只有一个元素，则此中介决策系统为确定型。 也就是说，如果行动确定，则行动的结果是唯一确

3、定的。 如果状态空间至少有两个因素，则与此决策系统相对应的决策是不确定性决策或风险决策。 意思判定问题的研究目标是在行动空间a中找到行动a，使意思决定函数f在一定的状态下成为最大或者最小，把这个行动a称为最佳行动。数学模型、二、根据确定性的决定方法、行动的性质，确定性的判定问题可分为矶散型和连续型两种，由于同一问题有很多处理方法，在此只简单介绍几种常用方法。 1、加权评价法是行动方案有限离散的情况下，加权评价法是确定性问题的简便决定方法，该方法用指标表示与方案有关的要素，考虑到云同步在不同指标的不同方案中的作用(指标值)和各指标的重要性(指标权重)的差异，将指标权重和指标值在算术上相结合，得出

4、一个比较量值该方法可以从主观和客观两方面反映问题，结果一般符合现实。数学模型、加权评价法、表1、某店必须购买一批茶叶，可选择相同品种的五布兰德a、b、c、d、e，它们的单价茶叶质量有外形、香味、味道、汤色、叶底、各指标的【问题】、数学模型、I个指标的权重系数为I，其该计划的最后得分f在这里能够表示为k是指标总数，所以能够基于上述式和表中的数据来计算计划a的总得分。 同理可得： FB=85.35fc=83.45fd=90.10fe=84.10，明显，最佳行为是购买布兰德d的茶叶。 “问题分析和解决”、数学模型、2、微分法的行动是连续变量或行动是离散量，但其可取值的个数多，即使是无限，如果行动的可

5、取值少1个，则间接地对行动的结果几乎没有影响，可彩微分法求出最佳的行动。 由于微分法的理论依据是极端值理论，其判定标准是使报酬函数最大化或使损失函数最小化的行动是最佳的行动，故求最佳的行动是求函数的最大值(或最小值)。很明显，当行动是连续变量时，取出限定于行动模式的行动结果，逐个进行比较，选择其优越性。 数学模型，根据【解模型结构】问题，建构损失函数：由于产量多一台还是少对工厂几乎没有影响，a可以近似地看作连续变量，因此，最佳行为可以通过求出损失函数的最小值来得到。 可以对损失函数进行微分：解设为a=500，这个工厂最好的行动是每天生产500台电视机、数学模型、3、数学修正法，上面介绍的加权评

6、价法和微分法是确定性的决定方法中的两个古典方法，其出发点是求出收益函数的最大值和损失函数的最小值这两种方法通常适用于变量少的意思判定问题，随着变量的增加，其适用性变差。 近几十年来，随着运筹学等数学理论的发展，基于数学修订理论的一系列优化方法在决策方面发挥着越来越重要的作用。 例如，处理多变量判定问题的线性校正法、处理离散变量判定问题的整数校正法等。 由于这些个的方法内容过于庞大，在此不再介绍。 在数学模型、三、不确定型确定方法、不确定性确定中，各运行因状态而异，各状态的概率分布事先未知。 因此，决策者选择的最佳行动与其行动原则密切相关。 1、常用决策方法、为了便于讨论，决策行为采用有限的离散

7、量，其收益矩阵除了客观因素的作用外，主观因素(如决策人的偏好)也对行为原则产生很大影响，往往对同一问题的不同决策人做出不同的决策，因此，远离行为原则研究使不得、数学模型、表2、 1 .中小取大原则和算法、中小取大原则是反映决策人悲观情绪的保守决策方法。 例如，如果公司承担风险的能力很低，或者很可能发生最坏的情况，就经常采用这个决策原则。 数学模型，最佳行为是a2。在这个行动原则下，脚丫子，二大中取大原则和算法，与中小取大原则相反，大中取大原则是风险的决定模式，可以反映决策者的乐观情绪和风险意识。 该模型适用于发生最佳状态的可能性高的情况，以及研究对象承受风险的能力强的情况。 在大中取大的原则下

8、，满脚丫子的行动a*是最合适的行动。 从表2及大中取大算法得出，最佳行动为a1。 概率原则和算法，例如数学模型、3，当缺乏准确信息时，每个行为状态都是未知的。 因此，每个状态出现的概率相同，为1/m，在等概率的原则下，是等价的，所以有理由认为满脚丫子的行动a*是最合适的行动。 从表2及等概率原则得出，最佳行为为a4。 数学模型，4最小后悔值原则和算法，这个原则与中小取大原则相似，也具有保守的性质，反映了决策者的悲观情绪。 但是，最小后悔值的原则与小中取大原则不同，其一是从损失的角度来考虑问题，其二是不太保守。 在此原则下，表3、数学模型从表3及最小后悔值的原则得出，最佳运转是a3。5乐观系数法

9、、小中取大原则过于悲观保守，大中取大原则过于风险，此时可采用乐观系数法。 在这种方法中，决策者必须首先提出表示乐观度的系数(显示，0 1 )。 决策者越乐观，值越接近1悲观，值越接近0。 因此，这种方法称为乐观系数法。 该方法尽管避免了两个极端，但不利用所有可用的信息，并且乐观系数的适当决定也是难点。使用该方法，决策、满脚丫子、数学模型，其中，表2及乐观系数法得到的数学模型，表4、2，结果分析，上述介绍了5种一般的决策原则及算法，以表2的收益矩阵为例，得到了最佳的行动，所有的结果如表4所示的数学模型，与信息的不一盏茶和这样，对于同一问题，不同的决策者可能有完全不同或者相反的决策，这些个的不同决

10、策并非全部符合实际，这种现象只能归结为不确定的决策判定问题本身。 由于缺乏一盏茶、可靠和准确的信息，期望做出准确可靠的决策是不科学的。 数学模型目前有多种方法可以利用客观信息来改善不确定性决策。 例如，引入PERT技术的状态估计方法，对未来状态进行三种估计，即，最乐观、最悲观和最可能的估计，妨碍对三种这些个的估计进行合并以得到期望值，及其进行比较选择。 另外，已知有二次元的意思判定问题的转换概率法、客观的状态发生优先顺序时的等级概率法、重复型不确定性的意思判定问题的对策解法等。 最近，对不确定性决策有了新的认识，不确定性决策与风险决策之间不能存在绝对明确的界限。 这是因为，实际上100%正确的

11、概率数字风险决定少，客观状态下100%无知的所谓不真实自我也少。 重要的问题是如何利用已知无知的所谓不真实自我。 关键问题是如何最大限度地利用已知的客观信息，并根据决策者的经验提高不确定决策的可靠性。 在数学模型、四、风险决策方法和风险判定问题中，尽管知道各种行为发生的概率，但其不确定性比完全不确定性判定问题少，由于信息不足等原因存在一定的风险，风险决策是确定性和不确定性之间的一种决策方法。 以下是一些风险条件下常用的决策方法。 风险决策通常受主观两方面因素的影响，这要求决策人融合概率统一理论及其智慧和经验，尊重客观规律，发挥人的主观能动性。 例如，对于重复风险型判定问题，由于容易统一地得到各

12、种各样的行动的概率，所以用概率统一的方法处理是合理的，但是对于一次性物品和重复少的意思判定问题，大多依赖于决策人的经验和智慧，在这种情况下，能够用效用理论进行处理。 数学模型、1、期望值法、期望值决定方法能够克服各种不确定性决定方法的缺点，保留云同步这些个方法的优点，用正确的数学语言描述状态信息，并利用残奥表的概率分布来求取各行为的利益(或损失)期望值。 具有最大收益期待值或最小损失期待值的行动是最合适的行动。 在现实生活中，期待值的确定方法的合理性也很容易理解。 例如，根据数个定理，当某公司的经营次数有一盏茶变大的倾向时，平均损益的界限是损益的期待值，这是为什么某公司的成功，不能获得忙不迭利

13、益，是必须坚持从长期经营中获得利益的理由。 有数学模型、期待值进行意思决策分析的基本顺序是，(1)明确意思判定问题，(2)写出损益矩阵，或画判断树，(3)补正各行动的损益期待值Ej，(收益期待值)、数学模型，(4)选择最佳行动a*。 以确定期望值的具体操作步骤为例进行说明。 有的工厂为了在生产中关键设备突破故障，履行加工合同，必须在7天内恢复正常生产。 否则，将被罚违约金一百万元。 工厂面临着两个选择。 一是修复设备，7天内修复概率为0.5，费用为20万元。 二是购买新设备，7天内完成概率0.8，费用60万元。 那么，工厂选择什么样的行动是最合适的。根据从表5、数学模型、期待值修正公式得到的、

14、(万元)、(万元)、决定基准，具有最小损失期待值的修复行动a1是最佳的行动。 在本例中，问题被汇总到损益修正书中，实际上判断树也发挥同样的功能，能够更形象地表现。 判断树、数学模型和判断树由节点和枝组成。 节点有行动节点(由“”表示)、状态节点(由“”表示)。 从行动节点出来的分支是行动分支，有几个不同的行动就有几个运行分支，必须明确记载以各个行动分支为代表的行动。 从状态节点出来的分支等于状态分支，在状态节点处的分支数等于对应于行动的状态个数，在各状态分支中明确记载对应于行动的状态概率。 各种各样的行动状态下的损益的值。 显示在各对应树梢的旁边。 另外，上述例子中的意思判定问题可以由判断树如

15、上图1那样表示。 从行为节点还出现两个自动分支a-1和a-2，其终点为状态节点，且每一状态节点出现两个状态分支，因此末梢的总数为行为的个数与状态的乘积。 可以根据损益期望值的修正公式修正各行为的期望值，修正过程和结果与损益修正书中得到的结论完全一致。 数学模型、2、贝叶斯方法在风险决策中，可以通过对状态残奥仪表的基本认识得到其概率分布，但这种识别太粗糙，通过挖掘新的信息进行必要的修正，得到更准确的状态残奥仪表的概率分析，提高决策的可靠性是贝叶斯确定方法的贝叶斯方法是利用补充信息进行决策的一种方法，补充信息的作用是校正状态概率的原估计值(即先验概率)，获得所谓的后验概率，并据此进行意思决策分析，

16、选择最佳的行动。 在收集新信息之前的现有信息被称为先验信息，并且基于该信息估计的状态概率被称为先验概率。 数学模型根据历史资料，一天晴天的概率是0.6，阴天的概率是0.4，其中的概率值是指先验概率，记为(如果以前介绍了期望值的确定方法，则记为pi )。 例如，天气预报说，如果这天是晴天还是阴天，这些个的状态残奥表能记为Xb，就有这样的概率。实际上晴天预报也是晴天概率，实际上晴天预报是阴天概率，实际上阴天预报也是阴天概率，实际上阴天预报也是阴天概率这些个的概率分布被称为似然函数，也就是说，描述实际出现的状态是向状态Xb预报的概率。 根据先验概率和似然函数，通过贝叶斯概率式，可以计算后验概率。 m

17、、s分别是实际的状态数和预报的状态数，用后验概率表示先验概率，可知在预报状态Xb中各行为的损益期待值：或在状态Xb中具有最大利益期待值或最小损失期待值的行为是最佳行为，分别对应， 某公司的销售受市场销售情况的影响，存在三种状态：销售、一般、销售差，发生概率分别为0.5、0.3、0.2，公司制定三种销售方案的相应利润情况如表6所示。 该公司经过深入的市场调查，预报市场销售的前景，销售、一般、销售不佳的状态分别记为X1、X2、X3，似然函数如表7所示。 在表7、数学模型中，对于这些个的3个预报状态，应该分别采用怎样的销售方案呢？从先验概率、似然函数，用全概率式得到的事后概率如表8所示。表8、【问题解决】是根据贝叶斯决定的期待值修正公式，得到的结果是，预报售出时=0.77200 0.0750 0.16(100)=141.5，数学模型、=0.77150.07