Khoa học quản lý ứng dụng - Chương 2: Phân tích ra quyết định - Huỳnh Đỗ Bảo Châu

2/12/2017 GV. ThS. Huỳnh Đỗ Bảo Châu 1 CHƯƠNG 2 PHÂN TÍCH RA QUYẾT ĐỊNH 1 TRƯỜNG ĐẠI HỌC NGÂN HÀNG TP.HCM KHOA HỆ THỐNG THÔNG TIN QUẢN LÝ KHOA HỌC QUẢN LÝ ỨNG DỤNG GV. ThS. Huỳnh Đỗ Bảo Châu Mục tiêu bài học GV. Huỳnh Đỗ Bảo Châu2  Trình bày các thành phần của quyết định  Chọn lựa được quyết định trong các tình huống không xác suất, có xác suất, có thông tin bổ sung Nội dung chính GV. Huỳnh Đỗ Bảo Châu3  Giới thiệu lý thuyết ra quyết định  Các mô hình ra quyết định  Ra quyết định với xác suất  Ra quyết định với thông tin bổ sung  Ra quyết định không xác suất  Cây quyết định 1. Giới thiệu lý thuyết ra quyết định GV. Huỳnh Đỗ Bảo Châu4 2/12/2017 GV. ThS. Huỳnh Đỗ Bảo Châu 2 Giới thiệu GV. Huỳnh Đỗ Bảo Châu5  Lý thuyết ra quyết định là phương pháp phân tích có tính hệ thống dùng để nghiên cứu việc tạo ra các quyết định.  Để quyết định tốt cần dựa trên:  Lý luận  Tất cả số liệu có sẵn  Tất cả giải pháp có thể  Phương pháp định lượng Các bước ra quyết định GV. Huỳnh Đỗ Bảo Châu6 B1. Xác định rõ vấn đề cần giải quyết. B2. Liệt kê mọi PA có thể chọn. B3. Xác định các tình huống/trạng thái có thể xảy ra. B4. Xác định mọi lợi ích/chi phí/thiệt hại phát sinh của từng PA ứng với mỗi tình huống. B5. Xác định một mô hình toán học trong PPĐL và môi trường RQĐ phù hợp để tìm lời giải. B6. Áp dụng mô hình tìm lời giải và RQĐ. VD: Bài toán của Công ty xẻ gỗ Thompson GV. Huỳnh Đỗ Bảo Châu7 Phương án Trạng thái Thị trường tốt Thị trường xấu Nhà máy lớn 200.000 -180.000 Nhà máy nhỏ 100.000 -20.000 Không sản xuất 0 0 B1. Vấn đề: Có nên sản xuất một sản phẩm mới để kinh doanh. B2. Có tất cả 3 PA thực hiện Xây nhà máy lớn để sản xuất. Xây nhà máy nhỏ để sản xuất. Không sản xuất. B3. Các tình huống có thể có Thị trường thuận lợi Thị trường bất lợi B4. Ước tính các lợi ích (chi phí) phát sinh khi chọn PA ứng với mỗi tình huống. B5. và B6. Xác định mô hình toán để giải, tìm lời giải và RQĐ. Các môi trường (điều kiện) ra quyết định GV. Huỳnh Đỗ Bảo Châu8 • Điều kiện chắc chắn. • Điều kiện rủi ro – Biết xác suất xảy ra tình huống. – Biết thông tin bổ sung. • Điều kiện không chắc chắn. 2/12/2017 GV. ThS. Huỳnh Đỗ Bảo Châu 3 GV. Huỳnh Đỗ Bảo Châu9 2. Các mô hình ra quyết định ĐIỀU KIỆN RỦI RO GV. Huỳnh Đỗ Bảo Châu10  Làm cực đại giá trị kỳ vọng được tính bằng tiền EMV (Expected Moneytary Value)  Làm cực tiểu thiệt hại cơ hội kỳ vọng EOL (Expected Opportunity Loss) Phương pháp MÔ HÌNH MAX EMV(i) GV. Huỳnh Đỗ Bảo Châu11  Kết quả của mô hình: Chọn phương án (i) có giá trị kỳ vọng tính bằng tiền EMV(i) là lớn nhất.  Công thức: ܧܯܸ ݅ ൌ෍ܲሺ ௝ܵሻ ൈ ௜ܲ௝ ௠ ௝ୀଵ • ܲሺ ௝ܵሻ: xác suất để trạng thái j xuất hiện • ௜ܲ௝: lợi nhuận / chi phí của p/án I tương ứng trạng thái j • ݅ ∈ 1, ݊ ; ݆ ∈ ሾ1,݉ሿ MÔ HÌNH MAX EMV(i) GV. Huỳnh Đỗ Bảo Châu12  Ví dụ minh họa: Bài toán của Công ty xẻ gỗ Thompson (tt) T.Trường tốt T.Trường xấu EMV Nhà máy lớn 200.000 -180.000 Nhà máy nhỏ 100.000 -20.000 Không sản xuất 0 0 P(Sj) 0.5 0.5 2/12/2017 GV. ThS. Huỳnh Đỗ Bảo Châu 4 MÔ HÌNH MAX EMV(i) GV. Huỳnh Đỗ Bảo Châu13  Bài giải ví dụ: Bài toán của Công ty xẻ gỗ Thompson (tt)  Ra quyết định  EMV(i) >0  Phương án có lợi  Max EMV(i) = EMV(i=2_ = 40.000 $  Quy mô nhà máy nhỏ T.Trường tốt T.Trường xấu EMV Nhà máy lớn (i=1) 200.000 -180.000 =0.5*200000+0.5*(-180.000) Nhà máy nhỏ (i=2) 100.000 -20.000 =0.5*100000+0.5*(-20000) Không sản xuất (i=3) 0 0 =0.5*0+0.5*0 P(Sj) 0.5 0.5 MÔ HÌNH MIN EOL(i) GV. Huỳnh Đỗ Bảo Châu14  Kết quả của mô hình: Chọn phương án (i) có thiệt hại cơ hội kỳ vọng EOL(i) là nhỏ nhất.  Công thức:  Thiệt hại cơ hội OL (Opportunity Loss): ܱܮ௜௝ ൌ max௜∈ሾଵ,௡ሿ ௜ܲ௝ െ ௜ܲ௝  Thiệt hại cơ hội kỳ vọng: ܧܱܮ ݅ ൌ෍ܲሺ ௝ܵሻ ൈ ܱܮ௜௝ ௠ ௝ୀଵ • ܲሺ ௝ܵሻ: xác suất để trạng thái j xuất hiện • ௜ܲ௝: lợi nhuận / chi phí của p/án I tương ứng trạng thái j • ݅ ∈ 1, ݊ ; ݆ ∈ ሾ1,݉ሿ MÔ HÌNH MIN EOL(i) GV. Huỳnh Đỗ Bảo Châu15  Ví dụ minh họa: Bài toán của Công ty xẻ gỗ Thompson (tt)  OL11 = 200000 – 200000 = 0 $  OL12 = 0 – (-180000) = 180000 $  OL21 = 200000 – (-180000) = 100000 $  OL22 = 0 – (- 20000) = 20000 $  OL31 = 200000 – 0 = 200000 $  OL32 = 0 – 0 = 0 $ T.Trường tốt T.Trường xấu EOL Nhà máy lớn 200.000 -180.000 Nhà máy nhỏ 100.000 -20.000 Không sản xuất 0 0 P(Sj) 0.5 0.5 MÔ HÌNH MIN EOL(i) GV. Huỳnh Đỗ Bảo Châu16  Bài giải ví dụ: Bài toán của Công ty xẻ gỗ Thompson (tt)  Min EOL(i) = 60.000 $  Chọn nhà máy quy mô nhỏ T.Trường tốt T.Trường xấu EOL Nhà máy lớn (i=1) OL = 0 OL = 180.000 =0.5*0+0.5*180000 = 90.000 Nhà máy nhỏ (i=2) OL =100.000 OL = 20.000 =0.5*100000+0.5*20000 = 60000 Không sản xuất (i=3) OL = 200.000 OL = 0 =0.5*20000+0.5*0 = 100000 P(Sj) 0.5 0.5 2/12/2017 GV. ThS. Huỳnh Đỗ Bảo Châu 5 MÔ HÌNH EVPI (Expected Value of Perfect Information) GV. Huỳnh Đỗ Bảo Châu17  Mô hình được dùng để chuyển đổi từ điều kiện rủi ro sang điều kiện chắc chắn  EVPI là giá trị phải trả để mua thông tin.  Công thức:  EVWPI: tổng giá trị thu lại nếu biết thông tin hoàn hảo trước khi ra quyết định, ta sẽ có: ܧܸܹܲܫ ൌ෍ܲሺ ௝ܵሻ ൈ ܯܽݔ ௜ܲ௝ ௠ ௝ୀଵ  EVPI (giá trị kỳ vọng của thông tin hoàn hảo) : là sự gia tăng giá trị có được khi mua thông tin. ܧܸܲܫ ൌ ܧܸܹܲܫ െ ܯܽݔ ܧܯܸሺ݅ሻ MÔ HÌNH EVPI GV. Huỳnh Đỗ Bảo Châu18  Ví dụ minh họa: Bài toán của Công ty xẻ gỗ Thompson (tt) Giả sử 1 công ty tư vấn đề nghị cung cấp thông tin thị trường tốt hay xấu với giá 65.000$. Hỏi: Giá mua thông tin là đắt hay rẻ ? Phải mua giá nào mới hợp lý ? T.Trường tốt T.Trường xấu EMV Nhà máy lớn 200.000 -180.000 Nhà máy nhỏ 100.000 -20.000 Không sản xuất 0 0 P(Sj) 0.5 0.5 MÔ HÌNH EVPI GV. Huỳnh Đỗ Bảo Châu19  Bài giải ví dụ: Bài toán của Công ty xẻ gỗ Thompson (tt) Nếu có thông tin hoàn hảo trước khi quyết định thì: EVWPI = 0.5*200000 + 0.5*0 = 100000 $ Giá trị tối đa để mua thông tin là: EVPI = 100000 – 40000 = 60000 $ Giá chào bán của thông tin là 65000 $ là đắt hơn mức có thể mua của doanh nghiệp. Giá mua thông tin hợp lý tối đa là 60000 $ GV. Huỳnh Đỗ Bảo Châu20 2. Các mô hình ra quyết định ĐIỀU KIỆN KHÔNG CHẮC CHẮN 2/12/2017 GV. ThS. Huỳnh Đỗ Bảo Châu 6 Mô hình Maximax GV. Huỳnh Đỗ Bảo Châu21  Kết quả của mô hình: Tìm phương án (i) ứng với max của max (là giá trị lớn nhất trong bảng quyết định)  Công thức: max ௜ ሺmax ௝ ௜ܲ௝ ሻ  Ví dụ minh họa: Bài toán của Công ty xẻ gỗ Thompson (tt) T.Trường tốt T.Trường xấu Nhà máy lớn 200.000 -180.000 Nhà máy nhỏ 100.000 -20.000 Không sản xuất 0 0 Mô hình Maximax GV. Huỳnh Đỗ Bảo Châu22  Bài giải ví dụ: Bài toán của Công ty xẻ gỗ Thompson (tt)  Max (200.000, 100.000, 0) = 200.000  Chọn quy mô nhà máy lớn T.Trường tốt T.Trường xấu Nhà máy lớn 200.000 (max) -180.000 Nhà máy nhỏ 100.000 (max) -20.000 Không sản xuất 0 (max) 0 Mô hình Maximin GV. Huỳnh Đỗ Bảo Châu23  Kết quả của mô hình: Tìm phương án (i) ứng với max của min (là giá trị lớn nhất của các giá trị nhỏ nhất trong bảng quyết định)  Công thức: max ௜ ሺmin ௝ ௜ܲ௝ ሻ  Ví dụ minh họa: Bài toán của Công ty xẻ gỗ Thompson (tt) T.Trường tốt T.Trường xấu Nhà máy lớn 200.000 -180.000 Nhà máy nhỏ 100.000 -20.000 Không sản xuất 0 0 Mô hình Maximin GV. Huỳnh Đỗ Bảo Châu24 T.Trường tốt T.Trường xấu Nhà máy lớn 200.000 -180.000 (min) Nhà máy nhỏ 100.000 -20.000 (min) Không sản xuất 0 (min) 0  Bài giải ví dụ: Bài toán của Công ty xẻ gỗ Thompson (tt) Max (-180.000, -20.000, 0) = 0  Chọn phương án không sản xuất 2/12/2017 GV. ThS. Huỳnh Đỗ Bảo Châu 7 Mô hình Minimax GV. Huỳnh Đỗ Bảo Châu25  Kết quả của mô hình: Tìm phương án (i) ứng với công thức sau min ௜ max ௝ ܱܮ௜௝ với thiệt hại cơ hội của phương án i ứng với trạng thái j ܱܮ௜௝ ൌ max௜∈ሾଵ,௡ሿ ௜ܲ௝ െ ௜ܲ௝  Ví dụ minh họa: Bài toán của Công ty xẻ gỗ Thompson (tt) T.Trường tốt T.Trường xấu Nhà máy lớn 200.000 -180.000 Nhà máy nhỏ 100.000 -20.000 Không sản xuất 0 0 Mô hình MINIMAX GV. Huỳnh Đỗ Bảo Châu26  Bài giải ví dụ: Bài toán của Công ty xẻ gỗ Thompson (tt)  Tính OLij  OL11 = 200000 – 200000 = 0 $  OL12 = 0 – (-180000) = 180000 $  OL21 = 200000 – (-180000) = 100000 $  OL22 = 0 – (- 20000) = 20000 $  OL31 = 200000 – 0 = 200000 $  OL32 = 0 – 0 = 0 $ Mô hình MINIMAX GV. Huỳnh Đỗ Bảo Châu27  Bài giải ví dụ: Bài toán của Công ty xẻ gỗ Thompson (tt)  Min (180.000, 100.000, 200.000) = 100.000  Chọn quy mô nhà máy nhỏ T.Trường tốt T.Trường xấu Nhà máy lớn (i=1) OL = 0 OL = 180.000 (max) Nhà máy nhỏ (i=2) OL =100.000 (max) OL = 20.000 Không sản xuất (i=3) OL = 200.000 (max) OL = 0 Mô hình Hurwicz – trung bình có trọng số GV. Huỳnh Đỗ Bảo Châu28  Mô hình chọn 1 hệ số ߙ ∈ 0,1  Chọn phương án (i) ứng với ߙ sao cho: max ௜ ߙ ൈ max ௝ ௜ܲ௝ ൅ 1 െ ߙ ൈmin ௝ ௜ܲ௝  max ௝ ௜ܲ௝ : giá trị lớn nhất hàng thứ i  min ௝ ௜ܲ௝ : giá trị nhỏ nhất hàng thứ i  Ví dụ minh họa: Bài toán của Công ty xẻ gỗ Thompson (tt) T.Trường tốt T.Trường xấu Nhà máy lớn 200.000 -180.000 Nhà máy nhỏ 100.000 -20.000 Không sản xuất 0 0 2/12/2017 GV. ThS. Huỳnh Đỗ Bảo Châu 8 Mô hình Hurwicz GV. Huỳnh Đỗ Bảo Châu29  Bài giải ví dụ: Bài toán của Công ty xẻ gỗ Thompson (tt) Chọn α = 0.8 Max (124.000, 76.000, 0) = 124.000 $  Chọn quy mô nhà máy lớn T.Trường tốt T.Trường xấu Giá trị có trọng số Nhà máy lớn 200.000 -180.000 =0.8*200000 + 0.2*(-180000) Nhà máy nhỏ 100.000 -20.000 =0.8*100000 + 0.2*(-20000) Không sản xuất 0 0 =0.8*0 + 0.2*0 Mô hình đồng đều ngẫu nhiên (Equally likely) GV. Huỳnh Đỗ Bảo Châu30  Mô hình xem mọi trạng thái có xác suất xuất hiện bằng nhau, và tìm phương án (i) ứng với công thức: max ௜ ∑ ௜ܲ௝ ௠ ௝ୀଵ ݏố ݐݎạ݊݃ ݐ݄á݅  Ví dụ minh họa: Bài toán của Công ty xẻ gỗ Thompson (tt) T.Trường tốt T.Trường xấu Nhà máy lớn 200.000 -180.000 Nhà máy nhỏ 100.000 -20.000 Không sản xuất 0 0 Mô hình ĐỒNG ĐỀU NGẪU NHIÊN GV. Huỳnh Đỗ Bảo Châu31  Bài giải ví dụ: Bài toán của Công ty xẻ gỗ Thompson (tt)  Max (10.000, 40.000, 0) = 40.000  Chọn quy mô nhà máy nhỏ T.Trường tốt T.Trường xấu Giá trị trung bình Nhà máy lớn 200.000 -180.000 200000 ൅ ሺെ180000ሻ 2 Nhà máy nhỏ 100.000 -20.000 100000 ൅ ሺെ20000ሻ 2 Không sản xuất 0 0 0 ൅ 0 2 GV. Huỳnh Đỗ Bảo Châu32 3. Cây quyết định 2/12/2017 GV. ThS. Huỳnh Đỗ Bảo Châu 9 Khi nào cần dùng Cây quyết định (Decision Tree) ? GV. Huỳnh Đỗ Bảo Châu33 Thăm dò thị trường Không thăm dò TD cho là tốt TD cho là xấu TT tốt TT xấu TT tốt TT xấu TT tốt TT xấu Nhà máy lớn 200 -180 Nhà máy nhỏ 100 -20 Không sản xuất 0 0 Cây quyết định sử dụng khi có các hoạt động trung gian trước khi chọn lựa phương án Quy ước ký hiệu biểu diễn Cây quyết định GV. Huỳnh Đỗ Bảo Châu34  Nút quyết định (decision node):   Nút trạng thái (states of nature node):   Quyết định/phương án: vẽ bằng 1 đoạn thẳng từ nút quyết định  nút trạng thái.  Trạng thái: vẽ bằng 1 đoạn nối từ nút trạng thái  nút quyết định, hoặc 1 đường xuất phát từ nút trạng thái  Trạng thái ứng với quyết định / phương án được vẽ tiếp sau phương án đó, bắt đầu từ 1 nút trạng thái. TTtốt Nhà máy lớn TT xấu Nhà máy nhỏ Không làm gì VD: Bài toán Công ty gỗ Thompson Phân tích bài toán theo cây quyết định GV. Huỳnh Đỗ Bảo Châu35  B1. Xác định vấn đề.  B2. Vẽ cây QĐ (xác định phương án, trạng thái).  B3. Gán xác suất cho trạng thái.  B4. Ước tính lợi nhuận, chi phí cho phương án với tình huống kèm theo.  B5. Dùng phương pháp Max EMV(i), để tìm phương án bằng cách tính EMV tại mỗi nút, tìm nhánh có Max EMV. Ví dụ minh họa: Bài toán của Công ty xẻ gỗ Thompson (tt) GV. Huỳnh Đỗ Bảo Châu36 200.00010.000 TT tốt (0.5) - 180.000 100.00040.000 -20.000 0 Nhà máy lớn TT xấu (0.5) Nhà máy nhỏ Không làm gì TT xấu (0.5) TT tốt (0.5) 2/12/2017 GV. ThS. Huỳnh Đỗ Bảo Châu 10 Cây quyết định có nhiều nút quyết định GV. Huỳnh Đỗ Bảo Châu37 Thăm dò thị trường Không thăm dò TD tốt TD xấu TT tốt TT xấu TT tốt TT xấu TT tốt TT xấu Nhà máy lớn 190 -190 190 -190 200 -180 Nhà máy nhỏ 90 -30 90 -30 100 -20 Không sản xuất -10 -10 -10 -10 0 0 VD: QĐ có nên thăm dò thị trường trước khi chọn phương án xây nhà máy không ? Biết chi phí thăm dò là 10.000, và thông tin từ việc thăm dò này có thể giúp ra quyết định chọn phương án, Đơn vị tính: 1000 Xác suất của các nút trạng thái GV. Huỳnh Đỗ Bảo Châu38  Xác suất của các trạng thái là xác suất có điều kiện.  Có thể tìm ra xác suất bằng cách:  Ước lượng của 1 nhà quản lý có kinh nghiệm, dựa vào trực giác.  Suy ra từ dữ liệu quá khứ  Tính toán từ dữ liệu có sẵn bằng cách áp dụng định lý Bayes về xác suất có điều kiện:  Định lý Bayes: ܲ ܣ௜/ܤ ൌ ܲ ܤ/ܣ௜ ൈ ܲ ܣ௜ ∑ ܲ ܤ/ܣ௜ ൈ ܲ ܣ௜ ௞ ௜  Xác suất có điều kiện: ܲ ܣ ∩ ܤ ൌ ܲ ܣ ܤ⁄ ൈ ܲ ܤ ൌ ܲሺܤ ܣ⁄ ሻ ൈ ܲሺܣሻ Chọn giải pháp với cây quyết định nhiều nút GV. Huỳnh Đỗ Bảo Châu39  Vẽ cây quyết định  Tính xác suất tại các nút trạng thái  Tính EMV(i) tại mỗi nút i và chọn EMV lớn nhất  Kết luận Vẽ Cây quyết định Cấp QĐ 1 Cấp QĐ 2 GV. Huỳnh Đỗ Bảo Châu40 2/12/2017 GV. ThS. Huỳnh Đỗ Bảo Châu 11 Tính xác suất các nút trạng thái GV. Huỳnh Đỗ Bảo Châu41  Nếu không TD thị trường, dựa vào kinh nghiệm quá khứ, ta có: P (TT Tốt) = P (TT Xấu) = 0.5  Giả sử khi tiến hành thăm dò thị trường:  Trong trường hợp thị trường thực sự là TỐT, thì có khả năng 70% cuộc thăm dò cho kết quả Đúng, 30% là kết quả Sai. P (TD Tốt/TT Tốt) = 0.7 P (TD Xấu/TT Tốt) = 0.3  Trong trường hợp thị trường thực sự là XẤU, thì có khả năng 80% cuộc thăm dò cho kết quả Đúng, 20% là kết quả Sai P (TD Tốt/TT Xấu) = 0.2 P (TD Xấu/TT Xấu) = 0.8 Tính xác suất các nút trạng thái GV. Huỳnh Đỗ Bảo Châu42  Ta có bảng xác suất của kết quả thăm dò như sau:  Tính các xác suất có điều kiện theo định lý Bayes: P (TT Tốt/TD Tốt) = P (TD Tốt/TT Tốt) ൈ P (TT Tốt) P (TD Tốt/TT Tốt) ൈ P (TT Tốt) ൅ P (TD Tốt/TT Xấu) ൈ P (TT Xấu) ൌ 0.7 ൈ 0.5 0.7 ൈ 0.5 ൅ 0.2 ൈ 0.5 ൌ 0.35 0.45 ൌ 0.78 Kết quả thăm dò Thị trường thật TT tốt TT xấu TD Tốt P (TD Tốt/TT Tốt) = 0.7 P (TD Tốt/TT Xấu) = 0.2 TD Xấu P (TD Xấu/TT Tốt) = 0.3 P (TD Xấu/TT Xấu) = 0.8 Tính xác suất các nút trạng thái GV. Huỳnh Đỗ Bảo Châu43 P (TT Xấu/TD Tốt) = P (TD Tốt/TT Xấu) ൈ P (TT Xấu) P (TD Tốt/TT Tốt) ൈ P (TT Tốt) ൅ P (TD Tốt/TT Xấu) ൈ P (TT Xấu) ൌ 0.2 ൈ 0.5 0.7 ൈ 0.5 ൅ 0.2 ൈ 0.5 ൌ 0.10 0.45 ൌ 0.22 P (TT Tốt/TD Xấu) = P (TD Xấu/TT Tốt) ൈ P (TT Tốt) P (TD Xấu/TT Tốt) ൈ P (TT Tốt) ൅ P (TD Xấu/TT Xấu) ൈ P (TT Xấu) ൌ 0.3 ൈ 0.5 0.3 ൈ 0.5 ൅ 0.8 ൈ 0.5 ൌ 0.15 0.55 ൌ 0.27 P (TT Xấu/TD Xấu) = P (TD Xấu/TT Xấu) ൈ P (TT Xấu) P (TD Xấu/TT Tốt) ൈ P (TT Tốt) ൅ P (TD Xấu/TT Xấu) ൈ P (TT Xấu) ൌ 0.8 ൈ 0.5 0.3 ൈ 0.5 ൅ 0.8 ൈ 0.5 ൌ 0.40 0.55 ൌ 0.73 Tính xác suất các nút trạng thái GV. Huỳnh Đỗ Bảo Châu44 P (TD Tốt) = P (TD Tốt/TT Tốt) * P (TT Tốt)+ P (TD Tốt/TT Xấu) * P (TT Xấu) = 0.7 * 0.5 + 0.2 * 0.5 = 0.45 P (TD Xấu) = P (TD Xấu/Tốt) * P (TT Tốt)+ P (TD Xấu/TT Xấu) * P (TT Xấu) = 0.3 * 0.5 + 0.8 * 0.5 = 0.55 2/12/2017 GV. ThS. Huỳnh Đỗ Bảo Châu 12 Tính EMV(i) tại mỗi nút i GV. Huỳnh Đỗ Bảo Châu45  Trường hợp kết quả thăm dò là TỐT. Khi đó ta có: EMV (2) = EMV (NM Lớn / TD Tốt) = 0.78 * 190000 + 0.22 * (-190000) = 106400 $ EMV (3) = EMV (NM Nhỏ / TD Tốt) = 0.78 * 90000 + 0.22 * (-30000) = 63500 $ EMV (0) = -10000 $ Kết luận: Chọn MAX EMV = EMV (2)  Nếu kết quả thăm dò thị trường là TỐT thì ta chọn phương án xây nhà máy lớn. Tính EMV(i) tại mỗi nút i GV. Huỳnh Đỗ Bảo Châu46  Trường hợp kết quả thăm dò là XẤU. Khi đó ta có: EMV (4) = EMV (NM Lớn / TD Xấu) = 0.27 * 190000 + 0.73 * (-190000) = -87400 $ EMV (5) = EMV (NM Nhỏ / TD Xấu) = 0.27 * 90000 + 0.73 * (-30000) = 2400 $ EMV (0) = -10000 $ Kết luận: Chọn MAX EMV = EMV (5)  Nếu kết quả thăm dò thị trường là XẤU thì ta chọn phương án xây nhà máy nhỏ. Tính EMV(i) tại mỗi nút i GV. Huỳnh Đỗ Bảo Châu47  Trường hợp CÓ THĂM DÒ THỊ TRƯỜNG, ta có: EMV (1) = 0.45 * 106400 + 0.55 * 2400 = 49200 $  Trường hợp KHÔNGTHĂM DÒ THỊ TRƯỜNG, ta có: EMV (6) = 0.5 * 200000 + 0.5 * (-180000) = 10000 $ EMV (7) = 0.5 * 100000 + 0.5 * (-20000) = 40000 $ EMV (0) = 0 $ Kết luận: Nếu không thăm dò thị trường ta chọn EMV (7) SO SÁNH 2 PHƯƠNG ÁN Ở NÚT QUYẾT ĐỊNH ĐẦU TIÊN GIỮA CÓ THĂM DÒ, KHÔNG THĂM DÒ, TA CÓ: EMV (thăm dò) = EMV (1) = 49200 $ EMV (không thăm dò) = EMV (7) = 40000 $ CHỌN MAX EMV  CÓ THĂM DÒ THỊ TRƯỜNG KẾT LUẬN GV. Huỳnh Đỗ Bảo Châu48  Chọn phương án CÓ THĂM DÒ THỊ TRƯỜNG  Dựa vào kết quả thăm dò thị trường ta quyết định:  Nếu kết quả thăm dò TỐT, ta chọn nhà máy lớn. EMV (2) = 106400 $  Nếu kết quả thăm dò XẤU, ta chọn nhà máy nhỏ. EMV (5) = 2400 $  MAX EMV của quyết định = 49200 $ 2/12/2017 GV. ThS. Huỳnh Đỗ Bảo Châu 13 Giá trị kỳ vọng của thông tin mẫu (EVSI) GV. Huỳnh Đỗ Bảo Châu49  ???? Có nên mất tiền để thực hiện các quyết định trung gian hay không ?  EVSI (Expected Value of Sample Information) ܧܸܵܫ ൌ ሺܧܯ ௒ܸ൅ܥ݄݅ ݌݄í ݐݎݑ݊݃ ݃݅ܽ݊ሻ െ ܧܯ ேܸ • ܧܯ ௒ܸ: EMV khi thực hiện quyết định trung gian • ܧܯ ேܸ: EMV khi không thực hiện quyết định trung gian • ܧܸܵܫ : Giá tối đa có thể trả để thực hiện các quyết định trung gian VÍ DỤ MINH HỌA GV. Huỳnh Đỗ Bảo Châu50  Tiếp theo ví dụ trên, hỏi nếu chi phí cuộc thăm dò thị trường là 10000 $ thì có nên tiến hành hay không ? Chi phí tối đa có thể chấp nhận bỏ ra để thăm dò thị trường là bao nhiêu ? Ta có: EMVN = EMV (không thăm dò) = 40000 $ EMVY = EMV (thăm dò không tốn tiền) = EMV (thăm dò có tốn tiền) + Chi phí thăm dò = 49200 + 10000 = 59200 $ EVSI = 59200 – 40000 = 19200 $ > Chi phí 10000 $ Quyết định nên tiến hành thăm dò với chi phí 10000 $ Chi phí tốt đa có thể bỏ ra để thăm dò là 19200 $ HẾT CHƯƠNG 2 GV. Huỳnh Đỗ Bảo Châu51