【新版】风险管理例题六-决策树法
（完整版）风险型决策3种方法和例题
（完整版）风险型决策3种⽅法和例题⼀、乐观法乐观法，⼜叫最⼤最⼤准则法，其决策原则是“⼤中取⼤”。
乐观法的特点是，决策者持最乐观的态度，决策时不放弃任何⼀个获得最好结果的机会，愿意以承担⼀定风险的代价去获得最⼤的利益。
假定某⾮确定型决策问题有m 个⽅案B 1，B 2，…，B m ；有n 个状态θ1，θ2，…，θn 。
如果⽅案B i （i =1，2，…，m ）在状态θj （j ＝1，2，…，n ）下的效益值为V （B i ，θj ），则乐观法的决策步骤如下：①计算每⼀个⽅案在各状态下的最⼤效益值{V （B i ，θj ）}；②计算各⽅案在各状态下的最⼤效益值的最⼤值{V （B i ，θj ）}；③选择最佳决策⽅案。
如果V （B i *，θj *）＝{V （B i ，θj ）} 则B i *为最佳决策⽅案。
jmax i max jmax imax jmax 例1：对于第9章第1节例1所描述的风险型决策问题，假设各天⽓状态发⽣的概率未知且⽆法预先估计，则这⼀问题就变成了表9.3.1所描述的⾮确定型决策问题。
试⽤乐观法对该⾮确定型决策问题求解。
表9.3.1⾮确定型决策问题极旱年旱年平年湿润年极湿年(θ1)(θ2)(θ3)(θ4)(θ5)⽔稻(B 1)1012.6182022⼩麦(B 2)252117128⼤⾖(B 3)1217231711燕麦(B 4)11.813171921天⽓类型(状态)各⽅案的收益值/千元解：（1）计算每⼀个⽅案在各状态下的最⼤收益值=22（千元/hm 2）=25（千元/hm 2）=23（千元/hm 2）=21（千元/hm 2）),(22,20,18,12.6,10max ),(max 511θθB V B V j j=}{=),(2,825,21,17,1max ),(max 12j 2jθθB V B V =}{=),(7,1112,17,23,1max ),(max 33j 3jθθB V B V =}{=),(9,2111,13,17,1max ),(max 544θθB V B V j j=}{=（2）计算各⽅案在各状态下的最⼤效益值的最⼤值（3）选择最佳决策⽅案。
决策树案例及答案
案例：假设有一工程项目，管理人员要根据天气状况决定开工方案。
如果开工后天气好，可以给国家创收30000元；如果开工后天气差，将给国家带来损失10000元；如果不开工，讲给国家带来损失1000元，。
已知开工后天气好的概率是0.6,开工后天气差的概率是0.4.请用
决策树方案进行决策。
状方、、态案天气好天气坏
0.60.4
开工30000 （期望收益=30000*0.6 ）-10000 （期望收益=-10000*0.4 ）爪开工-1000 （期望收益=-1000*0.6 ）-1000 （期望收益=-1000*0.4 ）第二步，绘制决策树
(1) 计算期望收益并标注在决策树上
开工方案下，预期收益值=30000*0.6+ (-10000) *0.4=14000
不开工方案下，预期损失值=-1000
(2) 比较两个方案并减去期望收益较小的方案枝
30000*0. 6
概率枝-10000*0-4
-1000*0.6
-1 000*0.4
概率枝▲18000 .▲-4000▲-600
A-400。
决策树例题
• 建设小工厂投资280万元，如销路好，3年后扩建，扩 建需要投资400万元，可使用7年，每年赢利190万元。 不扩建则每年赢利80万元。如销路不好则每年赢利60 万元。
• 试用决策树法选出合理的决策方案。 经过市场调查， 市场销路好的概率为0.7，销路不好的概率为0.3。
25
益损值 方案
甲 乙 丙
状态 需求量较 需求量一 高般
600 400 800 350 350 220
需求量 较低
-150 -350 50
需求量很低
-350 -700 -100
丁
400 250
90
-50
益损值 方案
状态 需求 量较 高
需求量 一般
需求量 需求量 最大后 较低 很低 悔值
甲
200 0
13
➢最后比较决策点1的情况： • 由于点③（719万元）与点②（680万元）
相比，点③的期望利润值较大，因此取 点③而舍点②。这样，相比之下，建设 大工厂的方案不是最优方案，合理的策 略应采用前3年建小工厂，如销路好，后 7年进行扩建的方案。
14
决策树法的一般程序是： （1）画出决策树图形 决策树指的是某个决策问题未来发展情 况的可能性和可能结果所做的估计，在图纸上的描绘决策树 （2）计算效益期望值 两个行动方案的效益期望值计算过程： 行动方案A1(建大厂)的效益期望值: 13.5×0.8×10＋25.5×0.2×10－25=134万元 行动方案A2（建小厂）的效益期望值： 15×0.8×10+15×0.2×10-10=140万元 （3）将效益期望值填入决策树图 首先在每个结果点后面填上 相应的效益期望值；其次在每个方案节点上填上相应的期望值， 最后将期望值的角色分支删减掉。只留下期望值最大的决策分 支，并将此数值填入决策点上面，至此决策方案也就相应选出
案例试题—决策树
一、2002年案例考试试题——决策树某房地产开发公司对某一地块拟定两种开发方案。
A方案：一次性开发多层住宅45000平方米，需投入总成本费用9000万元，开发时间18个月。
B方案：将地块分两期开发，一期开发高层住宅36000平方米，需投入总成本费用8100万元，开发时间15个月。
如果一期销路好，则二期继续开发高层住宅36000平方米，投入总费用8100万元，如果一期销路差，或者暂停开发，或者开发多层住宅22000平方米，投入总费用4600万元，开发时间15个月。
两方案销路好和销路差时的售价和销量情况见下表。
根据经验，多层住宅销路好的概率为0.7，高层住宅销路好的概率为0.6，暂停开发每季损失10万元，季利率2％。
问题：1、两方案销路好和销路差时季平均销售收入各为多少万元（假定销售收入在开发时间内均摊）2、用决策树做出决策，应采用哪个方案（计算结果保留两位小数）答案：1、A方案开发多层住宅：销路好4.5×4800×100％÷6＝3600（万元）销路差4.5×4300×80％÷6＝2580（万元）B方案一期开发高层住宅：销路好3.6×5500×100％÷5＝3960（万元）销路差3.6×5000×70％÷5＝2520（万元）B方案二期开发高层住宅：3.6×5500×100％÷5＝3960（万元）开发多层住宅：销路好2.2×4800×100％÷5＝2112（万元）销路差2.2×4300×80％÷5＝1513.6（万元）2、机会点①净现值的期望值：(3600×0.7＋2580×0.3)×(P/A,2％,6)－9000=(3600×0.7＋2580×0.3)×5.601－9000=9449.69（万元）等额年金：9449.69×(A/P,2％,6)=9449.69×1/5.601=1687.14（万元）机会点③净现值的期望值：3960×(P/A，2％，5)×1.0－8100=3960×4.713×1.0－8100=10563.48（万元）等额年金：10563.48×(A/P,2％,5)=10563.48×1/4.713=2241.35（万元）机会点④净现值的期望值：－10×(P/A,2％,5)=－10×4.713=－47.13（万元）等额年金：－47.13×(A/P,2％,5)=－47.13×1/4.713=－10.00（万元）机会点⑤净现值的期望值：(2112×0.7＋1513.6×0.3)×(P/A,2％,5)－4600=(2112×0.7＋1513.6×0.3)×4.713－4600=4507.78（万元）等额年金：4507.78×(A/P,2％,5)=4507.78×1/4.713=956.46（万元）根据计算结果判断，B方案在一期开发高层住宅销路差的情况下，二期应改为开发多层住宅。
项目风险管理(2010计算附加题
项目风险管理（计算题补充）一、决策树法例题：某企业生产光学产品，有两种方案可供选择：方案一：继续生产原有产品：方案二：生产新产品：据分析市场需求量大生产原有产品可以获利30万元，，生产新产品可获利50万元。
如果需求量小，生产老产品可获利10万元，生产新产品将亏损5万元（一年）。
又知：品市场需求量大的概率为0.8：需求量小的概率为0.2.试分析和确定哪一种方案可以使企业年获利最多？解：第一步：绘制决策树：第二步：计算各节点的数学期望值：结点1：30⨯0.8+10⨯0.2=26万元结点2：50⨯0.8+（-5）⨯0.2=39万元决策的的数学期望值为：{}万元3939,26max = 第三步：剪枝：二、贝叶斯决策——后验概率决策例题：某新型发动机要求其平均寿命为5000小时。
实验方案是：抽取11台进行试验，每台运转1000小时，如果只有4台或4台以下发生故障，则认为发动机合格，应该予以通过。
试预测当该发动机试验获得通过时，发动机平均寿命（H ）达到5000小时的概率，并进而论证试验方案的可行性：解：假设该发动机的寿命服从指数分布，平均寿命达到5000小时的概率为0.8，仅能达到2500小时的概率为0.15，仅能达到1000小时的概率为0.05.项目风险估计是建立在对各种风险事件发生的可能性的基础上，这种可能性直接受到项目环境各种因素变化的影响，存在着较大的风险：同时，项目风险事件的概率估计往往是在历史数据资料缺乏或不足的情况下作出的，这种概率又称为先验概率（主观概率）。
先验概率具有较强的不确定性，需要通过各种途径和手段（试验、调查、统计分析等）来获得更为精确、有效的补充信息，已修正和完善先验概率。
这种通过对项目进行更多、更广泛的调查研究或统计分析后，在对项目风险进行估计的方法，称为贝叶斯概率法。
贝叶斯概率法是利用概率论中的贝叶斯公式来改善对风险后果出现概率的估计，这种改善后的概率称为后验概率。
按照贝叶斯公式，风险后果 i B 出现的后验概率为：{}{}{}{}{}∑=i i i i i B P B A P B P B A P A B P（条件概率先验概率边际概率联合概率条件概率先验概率后验概率⨯==⨯=∑） 例题：某新型发动机要求其平均寿命为5000小时，试验方案是：抽取11台进行试验，每台运转1000小时，如果只有4台或4台以下发生故障，则认为该发动机合格，应予以通过。
风险管理试题加答案
风险管理试题加答案《项目风险管理》模拟试题1一、单项选择题(本大题共20小题，每小题1分，共20分)1.下列属于项目风险的基本特征的是（D）A．客观性B．多样性C．规律性D．以上都正确2．对某种特定的风险，测定其风险事故发生的概率及其损失程度的工作是( B )A．风险识别B．风险估计C．风险处理D．风险管理效果评价3．运用某种有偿方式将风险转移给资金雄厚的机构，从而改变风险承担主体，是指（ A ）A．风险转移B．风险规避C．风险缓解D．风险自留4．在风险管理的（A）过程，我们会用风险的分类作为输入。
A．风险识别 B.风险定性分析C．风险定量分析D．风险应对规划5．当（C）时候，需要制定附加风险应对措施。
A．WBS发生变化B．成本基准计划发生变化C．预料之外的风险事件或影响大于预期影响D．项目计划于更新6．在以下可用于风险识别的历史信息中，最不可靠的是（D）A．项目档案B．商业数据库C．项目小组知识D．以上都可作为风险识别的历史信息7．风险分析最简单的形式是（B）A．概率分析B．敏感分析C．德尔菲技术D．效用理论8．风险管理的基本程序包括（A）A．识别、评价、制订对策和控制B．识别、规划、控制和评估C．要素识别、缓解管理和对策D．评价、回避、接受和缓解9．下列（D）工具最适合衡量计划进度风险．A．CPM B．决策树C．WBS D．PERT10．在风险应对控制中，纠错行动主要由（A）组成A．执行己计划的风险应对B．改变进度和成本基准计划C．更新概率和价值的估算D．更新风险管理计划11．下列哪项是项目风险识别的特点（D）A．广泛性B．信息依赖性C．全生命周期性D．以上都正确12．项目风险评价的依据是（D ）A．项目范围说明书、风险管理计划B．风险管理计划、风险记录手册、组织管理知识C．风险管理计划、风险记录手册、项目范围说明书D．风险管理规划、风险识别和估计的成果、项目进展状况、项目类型13．敏感性分析程序是（B）A．确定分析指标、计算影响程度、选择不确定因素、寻找敏感因素B．确定分析指标、选择不确定因素、计算影响程度、寻找敏感因素C．选择不确定因素、计算影响程度、确定分析指标、寻找敏感因素D．确定不确定因素、确定分析指标、计算影响程度、寻找敏感因素14．风险应对的第一原则是（D ）A．不冒不能承担的风险B．重视风险影响的可能性C．平衡风险影响大小D．综合应对项目风险15．（C）就是对项目风险提出处理意见和办法。
决策树例题分析
➢ 最后比较决策点1的情况： • 由于点③（719万元）与点②（680万元）相比，
点③的期望利润值较大，因此取点③而舍点②。 这样，相比之下，建设大工厂的方案不是最优方 案，合理的策略应采用前3年建小工厂，如销路好 ，后7年进行扩建的方案。
10
决策树法的一般程序是： （1）画出决策树图形 决策树指的是某个决策问题未来发展情 况的可能性和可能结果所做的估计，在图纸上的描绘决策树 （2）计算效益期望值 两个行动方案的效益期望值计算过程： 行动方案A1(建大厂)的效益期望值: 13.5×0.8×10＋25.5×0.2×10－25=134万元 行动方案A2（建小厂）的效益期望值： 15×0.8×10+15×0.2×10-10=140万元 （3）将效益期望值填入决策树图 首先在每个结果点后面填上 相应的效益期望值；其次在每个方案节点上填上相应的期望值， 最后将期望值的角色分支删减掉。只留下期望值最大的决策分 支，并将此数值填入决策点上面，至此决策方案也就相应选出
11
建小厂的方案在经济上是比较合理的
12
• 例：随着茶叶生产的发展，三年后的原 料供应可望增加，两个行动方案每年损益及 两种自然状态的概率估计如表
三年后两种收益估计值
单位： 万元
13
14
各点效益值计算过程是： 点2：13.5×0.8×3＋172.9×0.8＋25.5×0.2×3＋206.5×0.2－ 25(投资)=202.3万元 点3：15×0.8×3＋105×0.8＋15×0.2×3＋105×0.2－10（投 资）=140万元 点4：21.5×0.6×7年＋29.5×0.4×7年=172.9万元 点5：29.5×1.0×7=206.5 点6：15×0.6×7＋15×0.4×7=105万元 通过以上计算。可知建小厂的效益期望值为140万元，而 建大厂的效益期望值为202.3万元，所以应选择建大厂的方 案。
决策树例题分析
决策过程如下:画图，即绘制决策树
• A1的净收益值=[300×0.7+（-60）×0.3] ×5-450=510 万
• A2的净收益值=（120×0.7+30×0.3）×5-240=225万 • 选择：因为A1大于A2，所以选择A1方案。 • 剪枝：在A2方案枝上打杠，表明舍弃。
8
例题
• 为了适应市场的需要，某地提出了扩大电视机生产的 两个方案。一个方案是建设大工厂，第二个方案是建 设小工厂。
11
最后比较决策点1的情况： • 由于点③（719万元）与点②（680万元）
相比，点③的期望利润值较大，因此取 点③而舍点②。这样，相比之下，建设 大工厂的方案不是最优方案，合理的策 略应采用前3年建小工厂，如销路好，后 7年进行扩建的方案。
12
3
状态节点
2 方案分枝
1 决策结点
方案分枝
3
状态节点
概率分枝 4 结果节点
概率分枝 5 结果节点
概率分枝 6
结果节点
概率分枝 7
结果节点
4
• 应用决策树来作决策的过程，是从右向 左逐步后退进行分析。根据右端的损益 值和概率枝的概率，计算出期望值的大 小，确定方案的期望结果，然后根据不 同方案的期望结果作出选择。
自然状态 概率 建大厂（投资25 建小厂（投资10
万元）
万元）
原料800担 0.8 原料2000担 0.2
13.5 25.5
15.0 15.0
2
补充： 风险型决策方法——决策树方法
• 风险决策问题的直观表示方法的图示法。因为图的形状 像树，所以被称为决策树。
• 决策树的结构如下图所示。图中的方块代表决策节点， 从它引出的分枝叫方案分枝。每条分枝代表一个方案， 分枝数就是可能的相当方案数。圆圈代表方案的节点， 从它引出的概率分枝，每条概率分枝上标明了自然状态 及其发生的概率。概率分枝数反映了该方案面对的可能 的状态数。末端的三角形叫结果点，注有各方案在相应 状态下的结果值。
决策树例题分析和解答共31页文档
11、用道德的示范来造就一个人，显然比用法律来约束他更有价值。—— 希腊
12、法律是无私的，对谁都一视同仁。在每件事上，她都不徇私情。—— 托马斯
13、公正的法律限制不了好的自由，因为好人不会去做法律不允许的事 情。——弗劳德
14、法律是为了保护无辜而制定的。——爱略特人也看不见自己的背脊。——非洲 2、最困难的事情就是认识自己。——希腊 3、有勇气承担命运这才是英雄好汉。——黑塞 4、与肝胆人共事，无字句处读书。——周恩来 5、阅读使人充实，会谈使人敏捷，写作使人精确。——培根
决策树
例如：某纺织企业生产一种新产品，有两种方案供选择： 建大厂或建小厂，使用期限均为10年，大厂投资500 万元，小厂投资120万元。每一方案的损益值、状态 及概率如下表：
单位：万元
状态 销路好
销路差
方案
P1=0.7 P2=0.3
建大厂
250
-20
建小厂
50
10
决策点 方案枝
决策树法
决策树的构成要素
用 表示，有几次决策，就有几个决策点
用 表示，从决策点引出的分枝，并与 状态结点相连，每一个分枝代表一个方案。
状态结点 用 表示，处于方案枝的末端，每一方案
都有可能面临几种自然状态，由此结点引出 各种状态。
概率枝
从状态结点引出的分枝，每一分枝代表 一种自然状态。每一种自然状态的概率 可以估算，并在概率枝上标出。
E小=E2-120=260（万元）
第三步：剪枝（由右向左，剪去劣势方案分枝， 保存优势方案分枝），方案优选过程。
因为E大大于E小，所以根据决策树法，决策 方案为建大厂。
1690 好 250
大厂-580 好 50
小厂-120 2
差 10
课堂作业题
1．在决策中，管理者需要对各种可能进行估计，这种决策 称为：（ ）
（2）应用决策树决策的步骤
第一步：绘制决策树
好 250
大厂-500
1 差 -20
I
好 50
小厂-120
2 差 10
第二步：计算每一个方案的期望值（有由右向 左进行）
E1=[250*0.7+（-20）*0.3]*10=1690（万 元）
E2=（50*0.7+10*0.3）*10=380（万元）
决策树例题
23
悲观原则
需求量 需求量 一般 较高 需求量 较低 需求量 很低
8
• A1、A2两方案投资分别为 、 两方案投资分别为 两方案投资分别为450万和 万和240 万和 经营年限为5年 万，经营年限为 年，销路好的概率为 0.7，销路差的概率为 ，销路差的概率为0.3，A1方案销 ， 方案销 路好、差年损益值分别为300万和负 万和负60 路好、差年损益值分别为 万和负 方案分别为120万和 万。 万和30万 万；A2方案分别为 方案分别为 万和
7
• 计算完毕后，开始对决策树进行剪枝， 计算完毕后，开始对决策树进行剪枝， 在每个决策结点删去除了最高期望值以 外的其他所有分枝， 外的其他所有分枝，最后步步推进到第 一个决策结点， 一个决策结点，这时就找到了问题的最 佳方案 • 方案的舍弃叫做修枝，被舍弃的方案用 方案的舍弃叫做修枝， “≠”的记号来表示，最后的决策点留 ”的记号来表示， 下一条树枝，即为最优方案。 下一条树枝，即为最优方案。
决策树例题分析及解答
13
最后比较决策点1的情况： • 由于点③（719万元）与点②（680万元） 相比，点③的期望利润值较大，因此取 点③而舍点②。这样，相比之下，建设 大工厂的方案不是最优方案，合理的策 略应采用前3年建小工厂，如销路好，后 7年进行扩建的方案。
14
决策树法的一般程序是： （1）画出决策树图形 决策树指的是某个决策问题未来发展情 况的可能性和可能结果所做的估计，在图纸上的描绘决策树 （2）计算效益期望值 两个行动方案的效益期望值计算过程： 行动方案A1(建大厂)的效益期望值: 13.5×0.8×10＋25.5×0.2×10－25=134万元 行动方案A2（建小厂）的效益期望值： 15×0.8×10+15×0.2×10-10=140万元 （3）将效益期望值填入决策树图 首先在每个结果点后面填上 相应的效益期望值；其次在每个方案节点上填上相应的期望值， 最后将期望值的角色分支删减掉。只留下期望值最大的决策分 支，并将此数值填入决策点上面，至此决策方案也就相应选出
600
800 350 400
22
2、悲观决策（极大极小决策、小中取大）
决策者持悲观态度，或由于自己实力比较， 担心由于决策失误会造成巨大损失，因 此追求低风险。
本着稳中求胜的精神，在不知道未来各种 可能状态发生概率的前提下，将各个方案 在各种状态下可能取得的最大收益值作为 该方案的收益值，然后再从各方案收益值 中找出最大收益值的方案。
玉米 棉花 花生 合计 资源供给量 资源余缺量
在生产出16.5万公顷玉米的前提下，将获得 5.28万元的利润，在忙劳动力资源尚剩余680 个工日可用于其他产品生产。
3
例：设某茶厂计划创建精制茶厂，开始有两个方案，方案 一是建年加工能力为 800担的小厂，方案二是建年加工能 力为 2000 担的大厂。两个厂的使用期均为 10 年，大厂投 资25万元，小厂投资10万元。产品销路没有问题，原料来 源有两种可能 ( 两种自然状态 ) ：一种为 800 担，另一种为 2000担。两个方案每年损益及两种自然状态的概率估计值 见下表
风险管理例题六-决策树法
该法为利用树形图的方式来进行的决策.同样需 要通过对相关因素进行风险估计方能画出其决策树来.
例如，某施工单位拟对某建筑工程工程投标，该 施工单位对本工程的投标策略有两种： 〔1〕高报价标，中标的可能性估计为30%；〔2〕 低报价标，中标的可能性估计为40%； 投标准备费估计为2万元。
概率0.3 概率0.5 概率0.2 概率0.2 概率0.6 概率0.2 0.7
概率1.0
概率0.3 概率0.4 概率0.3 概率0.2 概率0.5 概率0.3 概率1.0
5000万 1000万 -200万 4000万 500万 -300万 -2.0万
0.0
4000万 950万 -300万 3900万 490万 -350万 2.0万
决策树例题
局部分包 7
高报价 剪枝
中标 586.6
2 失标
0.7
不投标 0.0
1
3
0.0
5
1960
剪枝
不分包 8
-2.0
1040
0.0
剪枝
1.0
1490
失标
-2.0
9
594.8
0.6
低报价
中标
局部分包
4
标,并局部 不分包 10
分包,期望收益为594.8
万元.
0.3 0.5 0.2 0.2
0.6 0.2
0.3 0.4 0.3
0.2
0.5 0.3
5000 1000 -200 4000
500 -300
4000
950 -300
3900
490 -350
如果施工单位中标，他又有两种具体处理方式： ①将其中局部工程进行分包；②全部工程自己施工。 根据调查和估计，有关数据如下表所示，根据上述情 况分析该施工单位的报价策略。据此可画出概率树。
决策树例题分析及解答分解课件
目录
CONTENTS
• 决策树与其他机器学习算法的比 • 决策树未来发展方向
01
决策树简 介
决策树的定义
决策树是一种监督学习算法，用于解决分类和回归问题。
它通过递归地将数据集划分成更纯的子集来构建决策树，每个内部节点表示一个 特征属性上的判断条件，每个分支代表一个可能的属性值，每个叶子节点表示一 个类别。
03
决策树例题分析
题目描述
题目
预测一个学生是否能够被大学录 取
数据集
包含学生的个人信息、成绩、活动 参与情况等
目标变量
是否被大学录取（0表示未录取，1 表示录取）
数据预处理
01
02
03
数据清洗
处理缺失值、异常值和重 复值
数据转换
将分类变量转换为虚拟变 量，将连续变量进行分箱 处理
数据归一化
将特征值缩放到0-1之间， 以便更好地进行模型训练
结果解读与优化建议
结果解读
根据模型输出的结果，分析决策树 的构建情况，理解各节点的划分依据。
优化建议
根据模型评估结果和业务需求，提出 针对性的优化建议，如调整特征选择、 调整模型参数等。
05
决策树与其他机器
学习算法的比 较
与逻辑回归的比较
总结词
逻辑回归适用于连续和二元分类问题，而决策树适用于多元分类问题。
建立决策树模型
选择合适的决策树算 法：ID3、C4.5、 CART等
构建决策树模型并进 行训练
确定决策树的深度和 分裂准则
模型评估与优化
使用准确率、召回率、F1分数等指标 评估模型性能
对模型进行优化：剪枝、调整参数等
进行交叉验证，评估模型的泛化能力
决策树例题分析与解答_
悲观原则
需求量 需求量 需求量
较高 一般
较低
需求量 很低
min
甲
600 400 -150 -350 -350
乙
800 350 -350 -700 -700
丙
350 220 50 -100 -100
丁
400 250 90 -50 -50
24
3、最小后悔准则（最小机会损失准则）
用益损值表计算出后悔值（同一状态下各 方案的最大益损值与已采用方案的益损 值之差），取后悔值最小的方案
29
投资决策评价指标
非贴现现金流量指标
是指不考虑资金时间价值的各种指标 投资回收期、平均报酬率
贴现现金流量指标
在计算过程中必须充分考虑和利用资金时间价值的 指标，又称为动态评价指标
2
决策方案评价
作物类别
玉米 棉花 花生 合计 资源供给量 资源余缺量
占用耕 忙季耗用 灌水用量 地面积 工日数 （立方米） （公顷）
20 5.333
1200 560
45000 12000
8
360
6000
33.333
2120
63000
33.333
2800
63000
0
680
0
总产量 （千瓦）
165000 40000
120000
利润量 （元）
30000 9600
13200 52800
在生产出16.5万公顷玉米的前提下，将获得 5.28万元的利润，在忙劳动力资源尚剩余680 个工日可用于其他产品生产。
3
例：设某茶厂计划创建精制茶厂，开始有两个方案，方案 一是建年加工能力为800担的小厂，方案二是建年加工能 力为2000担的大厂。两个厂的使用期均为10年，大厂投 资25万元，小厂投资10万元。产品销路没有问题，原料来 源有两种可能(两种自然状态)：一种为800担，另一种为 2000担。两个方案每年损益及两种自然状态的概率估计值 见下表
- 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)。
部分分包
7
0.5
0.2 0.2
5000 1000 -200 4000 500 -300 4000 950 -300 3900 490 -350
1960
剪枝 不分包 -2.0 8
0.6 0.2 0.3
1040
不投标 1
0.0 1490 -2.0
部分分包
0.4 0.3 0.2 0.5
9
最后选择:投低标,并部分 分包,期望收益为594.8 万元.
风险管理例题六-决策树法
该法为利用树形图的方式来进行的决策.同样需 要通过对相关因素进行风险估计方能画出其决策树来. 例如，某施工单位拟对某建筑工程项目投标，该 施工单位对本工程的投标策略有两种： （1）高报价标，中标的可能性估计为30%；（2） 低报价标，中标的可能性估计为40%； 投标准备费估计为2万元。 如果施工单位中标，他又有两种具体处理方式： ①将其中部分工程进行分包；②全部工程自己施工。 根据调查和估计，有关数据如下表所示，根据上述情 况分析该施工单位的报价策略。据此可画出概率树。
基本数据表
中标（0.3） 投高标 不分包 部分分包 概率0.3 概率0.5 概率0.2 概率0.2 概率0.6 5000万 1000万 -200万 4000万 500万
概率0.2
失标（0.7） 不投标 投低标 中标（0.4） 部分分包 0.7 概率1.0 概率0.3 概率0.4 概率0.3
-300万
-2.0万 0.0 4000万 950万 -300万
不分包
概率0.2
概率0.5 概率0.3
3900万
490万 -350万 2.0万
失标（0.6）
概率1.0
0.3
决策树例题
中标 高报价 剪枝 2 失标 0.0 3 剪枝 594.8 低报价 4 0.7 0.0 1.0 失标 0.6 中标 0.4 6 586.6 5
剪枝 920
不分包Байду номын сангаас
10
0.3