Tài liệu 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 bướ...
13 trang |
Chia sẻ: putihuynh11 | Lượt xem: 513 | Lượt tải: 0
Bạn đang xem nội dung tài liệu Khoa học quản lý ứng dụng - Chương 2: Phân tích ra quyết định - Huỳnh Đỗ Bảo Châu, để tải tài liệu về máy bạn click vào nút DOWNLOAD ở trên
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
Các file đính kèm theo tài liệu này:
- ams_c02_phan_tich_ra_quyet_dinh_8261_1992980.pdf