决策分析概述(DOC 44页)

第一章决策分析概述

决策分析的基本要素(简答１）

决策者:决策主体，可以是个体业可以是群体。决策者受社会、政治、经济、文化、心理等因素的影响。

决策目标:可以是单个目标,也可以是多个目标。

决策方案：有明确方案和不明确方案两种。前者是指有有限个明确的方案。后者一般只是对产生方案可能的约束条件加以描述而方案本身可能是无限个，要找出合理或最优的方案可借助运筹学的线性规划等方法。

自然状态:决策者无法控制但可以预见的决策环境客观存在的各种状态。自然状态可能是确定的,也可能是不确定,其中不确定的又分为离散和连续两种情况。

决策结果:各种决策方案在不同自然状态下所出现的结果。

决策准则：评价方案是否达到决策目标的价值标准，即选择方案的依据,与决策者的价值取向或偏好有关。

决策分析的分类(名词解释1）

长期决策和短期决策

长期决策是指有关组织今后发展方向的长远性、全局性的重大决策，又称长期战略决策，如投资方向的选择、人力资源的开发和组织规模的确定等。

短期决策是为实现长期战略目标而采取的短期策略手段，又称短期战术决策,如企业日常营销、物资储备以及生产中资源配置等问题的决策都属于短期决策。

个人决策和组织决策

根据决策者具有个人身份和组织身份这样两种身份，将决策分为个人决策和组织决策。

个人决策是决策者为满足其个人的目的或动机而以个人的目的或动机而以个人身份作出的决策。如个人职业选择、生活方式的选择等都是个人决策问题。

组织决策是与某个组织或群体的目标直接相关的决策，它与个人的目的没有直接关系。

战略决策、管理决策和业务决策

根据所要解决的问题性质,决策分为战略决策、管理决策和业务决策。(安东尼模式)

战略决策是指组织机构为了自身与变化的环境适应和谋求发展的决策。这种决策是为了解决全局性、长远性和根本性的问题。

管理决策是为了实现既定战略而进行的计划、组织、指挥与控制的决策

业务决策亦称战术决策,是具体业务部门为了提高工作质量及日常业务效率而进行的决策。程序化决策和非程序化决策

根据问题出现的重复性及决策程序的规范性划分(西蒙模式)

程序化决策(也称为结构化决策)：是指那些常规的反复出现的决策,这类决策一般都有明确的决策目标和决策准则,而且可以按一定的程序进行，无论是领导者或办事员都可按此程序加以解决。这类决策在中层和基层居多。

非程序化决策(也称非结构化决策）：是指不经常出现的、复杂的、特殊的决策。

确定型决策和非确定性决策(重点）

根据决策问题所处的自然状态不同来划分。

确定型决策:存在一种自然状态的决策。

非确定型决策：存在两个或两个以上可能状态而哪种状态发生又不确定的决策。分为三类: 竞争型决策

风险型决策

不确定型决策

单项决策和序贯决策

根据决策过程是否连续来划分。

单项决策（静态决策）:解决的是某个时点或某段时间的决策。

序贯决策（动态决策)：一系列在时间上有先后顺序的决策,这些决策相互关联，前一个决策直接影响后一项决策。

单目标决策和多目标决策

按决策所要求达到的目标的数量,可以将决策划分为单目标决策和多目标决策。

定性决策和定量决策

按决策问题的量化程度,可以将决策分为定性决策和定量决策。

单目标决策和多目标决策

按决策所要求达到的目标的数量，可以将决策划分为单目标决策和多目标决策。

定性决策和定量决策

按决策问题的量化程度，可以将决策分为定性决策和定量决策。

决策分析的步骤(简答２)

发现与分析问题

问题的存在是决策分析的前提,所有的决策分析都是为了解决特定的问题而进行的。

问题是指决策对象的现实状态与期望状态之间存在的需要缩小或排除的差距。

确定决策目标

目标是在一定的环境和条件下，决策系统所期望达到的状态。它是拟定方案、评估方案和选择方案的基准，也是衡量问题是否得以解决的指示器。

拟定各种可行的备择方案

拟定方案就是寻找解决问题,实现目标的方法和途径。

分析、比较各备择方案,从中选出最优方案

狭义的选择方案就是“拍板”。

广义的选择方案还包括方案的分析与评价。

决策的执行、反馈与调整等

实施后应追踪控制,针对方案实施过程中出现的新情况、新问题以及确定决策目标、拟定决策方案时未考虑到的因素，对决策方案进行反馈修正。

第三章风险型决策(计算题，一道题25分)

决策树基本分析法决策树所用图标(画图课后题1,2,３)

概率枝：从状态节点引出的若干条直线,每条直线代表一种自然状态及其可能出现的概率(每条分枝上面注明自然状态及其概率)。

结果点：画在概率枝的末端的一个三角节点。在结果点处列出不同的方案在不同的自然状态及其概率条件下的收益值或损失值。

运用决策树进行决策的步骤

根据实际决策问题，以初始决策点为树根出发,从左至右分别选择决策点、方案枝、状态节点、概率枝等画出决策树。

从右至左逐步计算各个状态节点的期望收益值或期望损失值，并将其数值标在各点上方。在决策点将各状态节点上的期望值加以比较,选取期望收益值最大的方案。

对落选的方案要进行“剪枝”，即在效益差的方案枝上画上“/／”符号。最后留下一条效益最好的方案。

应用实例

1．某市果品公司准备组织新年（双节）期间柑橘的市场供应，供应时间预计为70天。根据现行价格水平，假如每公斤柑橘进货价格为3元，零售价格位４元，每公斤的销售纯收益为1元。零售经营新鲜果品,一般进货和销售期为一周(7天),如果超过一周没有卖完,便会引起保管费和腐烂损失的较大上升。如果销售时间超过一周,平均每公斤损失0.5元。根据市场调查,柑橘销售量与当前其他水果的供应和销售情况有关。如果其他水果供应充分，柑橘销售量将为6００0公斤；如果其他水果供应销售不足，则柑橘日销售量将为80０0公斤；如果其他水果供应不足进一步加剧，则会引起价格上升,则柑橘的日销售量将达到10000公斤。调查结果显示，在此期间,水果储存和进货状况将引起水果市场如下变化：5周时其他水果价格上升，3周时其他水果供应稍不足，2周时其他水果充分供应。现在需提前两个月到外地订购柑橘，由货源地每周发货一次。

根据以上情况，该公司确定进货期为一周，并设计了3种进货方案:

Ａ1进货方案为每周进货100０0×7＝70０0０(公斤)；

A2进货方案为每周进货80００×７=56000（公斤）;

A3进货方案为每周进货60０0×7＝４20００(公斤)。

在“双节”到来之前，公司将决策选择哪种进货方案,以便做好资金筹集和销售网点的布置工作。

解：分析原问题,柑橘的备选进货方案共有３个,每个备选方案面临3种自然状态,因此，由决策点出发,右边连出3条方案枝，末端有3个状态节点,每个节点分别引出3条概率枝,在概率枝的末端有9个结果点,柑橘日销售量1０000公斤、８000公斤、60０0公斤的概率分别为０．5、0.３、０.２.将有关数据填入决策树种

分别计算状态节点②③④处的期望收益值,并填入

节点②：7００00×0．5＋49 00０×0.３+2800０×０．2=55 300

节点③：５6０00×0.5+56000×0.3＋3５000×0.2=51800

节点④：42 000×０.5+42 000×0.3+42 0００×０.２=4２０00

比较状态节点处的期望收益值,节点②处最大，故应将方案枝Ａ２、A３剪枝，留下Ａ１分支，A1方案即每周进货７０000公斤为最优方案。

2.多阶决策分析

1.某连锁店经销商准备在一个新建居民小区兴建一个新的连锁店，经市场行情分析与推测,该店开业的头３年,经营状况好的概率为0.７5，营业差的概率为０．25；如果头3年经营状况好，后７年经营状况也好的概率可达0.85;但如果头3年经营状态差后7年经验状态好的概率仅为0.1,差的概率为０．9。

兴建连锁店的规模有两个方案:一是建中型商店。二是先建小型商店，若前3年经营效益好，再扩建为中型商店。各方案年均收益及投资情况如表3-7所示。该连锁店管理层应如何决策?

解:决策分析步骤：

（1）根据问题，绘制决策树,如图3－５所示。

（2)计算各节点及决策点的期望损益值。从右向左，计算每个节点处的期望损益值,并将计算结果填入图3-5的相应各节点处。

节点⑧:（150×0.85+10×0．15）×7-210=693

节点⑨：（６０×０．85+2×0．１5) ×７=359.1

对于决策点⑥来说，由于扩建后可得净收益693万元,而不扩建只能得净收益359.1万元。因此，应选择扩建方案,再决策点⑥处可得收益69３万元,将不扩建方案枝剪掉。

所以有：

节点⑥：693

节点④:(150×0.8５+１0×0.1５）×7＝903

节点⑤：(15０×0.１+10×0.9) ×７=168

节点⑦:(60×0.1＋2×0.9)×7=54.6

节点②：(100×０.75+10×0.２5) ×3+903×0.75＋1６8×０.25－400＝5５1.7５

节点③:(60×0.７5＋2×0.25) ×3+5４.6×０.25＋693×0．７5-1５０=519.9

3）剪枝决策。比较放个方案可以看出,建中型商店可获净收益５５1.75万元。先建小商店,若前3年效益好再扩建，可得净收益519.9万元,因此,应该选择建中型商店的方案为最佳方案，对另一个方案进行剪枝。 2.某企业各种生产方案下的效益值(单位:万元)

产量不变

增加产量产量不变增加产量

价格低落（0.1）-100-200-300-200-300价格中等（0.5）050500-200价格上涨（0.4）

100

150

250

200

600

按原工艺生产

改进工艺成功

购买专利成功（0.8）自行研制成功（0.6）解：这个问题是一个典型的多级(二级)风险型决策问题,下面仍然用树型决策法解决该问题。 （１)画出决策树

（２) 计算期望效益值，并进行剪枝：

①状态结点V ７的期望效益值为?E Ｖ7=(-20０）×０.１+50×0.5＋15０×0．4＝65（万元）;?状态结点V8的期望效益值为?EV8＝(－30０）×0.１＋5０×0.5+250×０.4=95(万元）。由于ＥV ８＞E Ｖ７,所以,剪掉状态结点V7对应的方案分枝,并将ＥV8的数据填入决策点

V4，即令EV４＝EV８＝95(万元)。

②状态结点V3的期望效益值为

EV3=(－１00)×0.１+0×0.5+１00×0．4=３0（万元)。

所以,状态结点V1的期望效益值为

EV1=30×0．2+95×0．8=８2（万元）。

③状态结点V9的期望效益值为?EV9＝(-200)×0.1＋0×０.５+２00×0．４=６０(万元)；

状态结点Ｖ1０的期望效益值为?EV１0＝（－30０)×0.1+(-２5０）×０.5＋60０×０.4=８5(万元)。

由于EV1０>EV9，所以，剪掉状态结点V9对应的方案分枝，将EV10的数据填入决策点V ５。?即令EV5=EV1０=８5(万元）。

④状态结点V6的期望效益值为?EV6＝（-1０0)×0.1＋０×０．5+100×0．4＝30(万元)，

所以，状态结点V２期望效益值为

EＶ2=30×０.４+8５×0．6=６３（万元)。

⑤由于ＥV１＞EV2, 所以，剪掉状态结点V2对应的方案分枝将EV1的数据填入决策点EV,即令EV＝EV1＝8２（万元)。

综合以上期望效益值计算与剪枝过程可知,该问题的决策方案应该是:首先采用购买专利方案进行工艺改造,当购买专利改造工艺成功后，再采用扩大生产规模(即增加产量)方案进行生产。

贝叶斯决策分析(课后习题4,5)

概念（名词解释２）

风险型决策的基本方法是将状态变量看成随机变量，用先验状态分布表示状态变量的概率分布，用期望值准则计算方案的满意程度。但是在实际生活中,先验概率分布往往与实际情况存在误差,为了提高决策质量,需要通过市场调查,来收集有关状态变量的补充信息,对先验分布进行修正,然后用后验状态分布来决策,这就是贝叶斯决策。本节将介绍贝叶斯决策的基本方法、补充信息价值、抽样贝叶斯决策以及贝叶斯风险等内容。

基本步骤(简答3）

１．验前分析

依据统计数据和资料,按照自身的经验和判断，应用状态分析方法测算和估计状态变量的先验分布，并计算各可行方案在不同自然状态下的条件结果值,利用这些信息，根据某种决策准则,对各可行方案进行评价和选择,找出最满意的方案，称之为验前分析。

2.预验分析

考虑是否进行市场调查和补充收集新信息，决策分析人员要对补充信息可能给企业带来的效益和补充信息所花费的成本进行权衡分析,比较分析补充信息的价值和成本，称为预验分析。如果获取补充的费用很小,甚至可以忽略不计,本步骤可以省略，直接进行调查和收集信息,并依据所获得的补充信息转入下步骤。

3.验后分析

经过预验分析,决策分析人员做出补充信息的决定,并通过市场调查和分析补充信息，为验后分析做准备。验后分析的关键是利用补充信息修正先验分布,得到更加符合市场实际的后验分布。然后,利用后验分布进行决策分析,选出最满意的可行方案。

验后分析和预验分析都是通过贝叶斯公式修正先验分布,不同之处在于,预验分析是依据可能的调查结果，侧重于判断是否补充信息,验后分析是根据实际调查结果，侧重于选出最满意的方案。

4.序贯分析

社会经济实际中的决策问题，情况都比较复杂，可适当地将决策分析的全过程划分为若干阶段，每一个阶段都包括先验分析、预验分析和后验分析等步骤。这样多阶段互相连接,前阶段决策结果是后阶段决策的条件，形成决策分析全过程，称之为序贯决策。序贯决策属于多阶段决策。

单阶段贝叶斯决策例题

抽样贝叶斯的决策步骤例题

抽样贝叶斯决策除了补充信息是靠抽样获得之外，其基本方法和步骤与一般贝叶斯决策相同，即按照验前分析、预验分析、验后分析三个步骤进行。在多数情况下，抽样分布可以应用数理统计中的二项分布计算。

某电子商务网站打算处理一批库存产品,这些产品每箱10０个，以箱为单位销售,已知这批产品每箱的废品率有三种可能20%,１０%，５%，对应的概率分别为0．5，0.３，0.2。假设该产品正品每箱市场价格为100元,废品不值钱。现处理价格为每箱85元,遇到废品不予更换。请对是否购买进行决策，如果允许验货抽取4个元件进行检验，确定所含废品个数,假定检验是允许放回的,如何进行决策?

抽样信息的价值

当补充情报是采用抽样的方法获得的时，这种补充情报价值习惯上称为抽样情报价值(eｘpected vaｌue of saｍpling ｉnfoｒmation）,可表示为ＥVＳI。

效用理论及风险评价(我觉得不会考大题,但是老师画了重点的，课后题7）

效用函数的类型

由于效用函数视决策者对风险态度的不同而不同，因而效用函数也有不同的类型，如图3-６所示。