Elementyteoriidecyzji, Politechnika, I semestr, Teoria ryzka i podejmowania decyzji


Badania operacyjne - to naukowa metoda rozwiązywania problemów z zakresu podejmowania decyzji kierowniczych.

Obszar wiedzy wykorzystywany w badaniach operacyjnych to spora część zakropkowanego obszaru na poniższym rysunku.

0x01 graphic

Pole zastosowań badań operacyjnych obejmuje sporządzanie matematycznych, ekonomicznych i statystycznych opisów (modeli) procesów decyzyjnych charakteryzujących się dużą złożonością (i często niepewnością). Takie opisy (modele) umożliwiają precyzyjne analizowanie złożonych procesów decyzyjnych i ułatwiają podejmowanie najlepszej decyzji.

Podstawowym narzędziem badań operacyjnych jest model.
Model (tutaj) jest to równanie (lub układ równań) za pomocą którego odzwierciedlamy procesy decyzyjne i społeczno-gospodarcze zachodzące w życiu gospodarczym.

Procesy decyzyjne dzielimy je na 4 podstawowe klasy. Podział jest ściśle związany z ilością i jakością informacji jaką dysponuje decydent w procesie podejmowania decyzji. Mówimy o podejmowaniu decyzji w warunkach:

1. pewności. Ma to miejsce wówczas, gdy każdej decyzji odpowiada jeden tylko wynik z prawdopodobieństwem równym jedności (mówimy, że proces jest zdeterminowany).

2. niepewności. Ma to miejsce wówczas, gdy każdej decyzji odpowiada więcej niż jeden wynik (mówimy, że proces jest procesem stochastycznym). Nie znamy jednak prawdopodobieństwa z jakim dany wynik może wystąpić.

3. ryzyka. Ma to miejsce wówczas, gdy każdej decyzji odpowiada więcej niż jeden wynik, ale znamy prawdopodobieństwo z jakim dany wynik może wystąpić.

4. częściowej informacji. Ma to miejsce wówczas, gdy każdej decyzji odpowiada więcej niż jeden wynik Nie znamy co prawda prawdopodobieństwa z jakim dany wynik może wystąpić, ale możemy próbować je oszacować dzięki znajomości niektórych charakterystyk nieznanego rozkładu prawdopodobieństwa, np. wartość oczekiwana, wariancja, mediana, dominanta, itp.

Elementy teorii decyzji - gry z naturą

reakcja rynku (natury)

decyzja firmy

wysoka akceptacja

0x01 graphic

niska akceptacja

0x01 graphic

0x01 graphic
- duży system

200

20

0x01 graphic
- średni system

150

20

0x01 graphic
- mały system

100

60

Mamy do czynienia ze swoistą grą. W grze tej bierze udział dwóch graczy:

1. decydent (firma ), która ma trzy możliwości

2. natura (rynek usług), która ma dwie możliwości

"Przeciwnik" decydenta (rynek, natura) nie jest zainteresowany wynikiem gry.

Podstawowe sposoby analizowania gry z naturą oparte są na

1. analizie macierzy wypłat (macierzy korzyści lub macierzy strat) oraz

0x01 graphic

2. analizie drzewa decyzyjnego

0x01 graphic

Podejmowanie decyzji w warunkach niepewności

1. kryterium MaxiMax (skrajne postępowanie ryzykanta, optymisty)

2. kryterium MaxiMin (skrajne postępowanie asekuranta, pesymisty)

3. kryterium Hurwicza (postępowanie wypośrodkowane pomiędzy postępowaniem ryzykanta i asekuranta)

4. kryterium Savage'a (postępowanie minimalizujące straty z tytułu źle podjętej decyzji; kryterium to jest nazywane również kryterium MiniMax żalu lub kryterium MiniMax dogodnej straty)

5. kryterium Laplace'a (postępowanie maksymalizujące oczekiwany zysk; wszystkie stany natury są jednakowo prawdopodobne)

Kryterium MaxiMax

Należy wybrać taką decyzję 0x01 graphic
, że

0x01 graphic
0x01 graphic
0x01 graphic

Kryterium MaxiMin

Należy wybrać taką decyzję 0x01 graphic
, że

0x01 graphic
0x01 graphic
0x01 graphic

Kryterium Hurwicza

Niech 0x01 graphic
oznacza skłonność do ryzyka przy decyzji 0x01 graphic
0x01 graphic
. Należy wybrać taką decyzję 0x01 graphic
, że

0x01 graphic

0x01 graphic
0x01 graphic

Kryterium Savage'a (MiniMax "żalu")

W pierwszym kroku należy zbudować macierz "żalu"

0x01 graphic

0x01 graphic
0x01 graphic

0x01 graphic

Należy wybrać taką decyzję 0x01 graphic
, że

0x01 graphic
0x01 graphic
0x01 graphic

Kryterium Laplace'a

Przyjmuje się tutaj, że prawdopodobieństwo zaistnienia każdego z n stanów natury jest jednakowe i wynosi

0x01 graphic

0x01 graphic

Należy wybrać taką decyzję 0x01 graphic
, że

0x01 graphic
0x01 graphic

Podejmowanie decyzji w warunkach ryzyka

Dla każdego stanu natury 0x01 graphic
(0x01 graphic
) określone jest prawdopodobieństwo zaistnienia tego stanu i wynosi 0x01 graphic
. Prawdopodobieństwa te noszą nazwę prawdopodobieństw a priori.

0x01 graphic
oraz 0x01 graphic

Działając w warunkach niepewności możemy posłużyć się następującymi kryteriami wyboru decyzji:

1. kryterium maksymalnej oczekiwanej wartości (MOW) zysku

0x01 graphic

2. kryterium minimalnego oczekiwanego "żalu"

0x01 graphic

Kryterium maksymalnej oczekiwanej wartości (MOW)

Należy wybrać taką decyzję 0x01 graphic
, że

0x01 graphic

0x01 graphic
0x01 graphic

Kryterium minimalnego oczekiwanego "żalu"

Należy wybrać taką decyzję 0x01 graphic
, że

0x01 graphic

0x01 graphic
0x01 graphic

Cena graniczna doskonałej informacji

Cena graniczna doskonałej (perfekcyjnej) informacji jest to maksymalna kwota jaką warto zainwestować w dodatkowe badanie związane z poznaniem przyszłego zachowania się natury (rynku).

Doskonałą (perfekcyjną) informację definiujemy jako wiedzę
o przyszłym stanie natury przed podjęciem decyzji.

Można zadać sobie pytanie jaką korzyść osiągnęlibyśmy w warunkach doskonałej informacji? Wielkość tą nazwiemy oczekiwaną korzyścią w warunkach doskonałej (perfekcyjnej) informacji (OKPI).

0x01 graphic

0x01 graphic
oraz 0x01 graphic

0x01 graphic
0x01 graphic

0x01 graphic

Cena graniczna doskonałej informacji (CGPI) wynika z porównania korzyści osiąganej w warunkach doskonałej informacji z korzyścią osiąganą w warunkach "normalnych" tj. w warunkach kiedy decyzja musi być podjęta przed zarejestrowaniem stanu natury.

Stanowi to różnicę pomiędzy kwotą OKPI i kwotą MOW.

0x01 graphic

Otrzymaną kwotę możemy interpretować jako maksymalną cenę, którą bylibyśmy skłonni zaakceptować za dodatkowe badanie rynku w celu zyskania większej pewności w zakresie reakcji rynku na proponowane usługi.

Zauważmy, że otrzymana kwota jest równa minimalnemu oczekiwanemu "żalowi" 0x01 graphic
, tj.

0x01 graphic

0x01 graphic

0x01 graphic

0x01 graphic

0x01 graphic

Cena graniczna doskonałej informacji jest równa minimalnemu oczekiwanemu "żalowi"

0x01 graphic

Podejmowanie decyzji z wykorzystaniem dodatkowej informacji

Załóżmy, że na zaistnienie stanu natury (rynku) 0x01 graphic
ma istotny wpływ K czynników (wskaźników) 0x01 graphic
. Celem analizy Bayesowskiej jest poznanie prawdopodobieństw warunkowych 0x01 graphic
, tj. prawdopodobieństw zaistnienia stanu natury 0x01 graphic
pod warunkiem, że wystąpił czynnik 0x01 graphic
(0x01 graphic
). Prawdopodobieństwa 0x01 graphic
nazywane są w analizach problemów decyzyjnych prawdopodobieństwami a posteriori i są zrewidowaną formą prawdopodobieństw a priori 0x01 graphic
.

Najczęściej mamy do czynienia z sytuacją kiedy w wyniku dodatkowych badań (eksperymentów) oszacowano prawdopodobieństwa warunkowe 0x01 graphic

0x01 graphic
gdzie 0x01 graphic

zainteresowanie

stan rynku

konkurencyjnych

firm

duży popyt

0x01 graphic

niski popyt

0x01 graphic

0x01 graphic
- minimalne

10%

50%

0x01 graphic
- umiarkowane

40%

30%

0x01 graphic
- znaczne

50%

20%

0x01 graphic
oraz 0x01 graphic

0x01 graphic

0x01 graphic

0x01 graphic

0x01 graphic

0.1

0.5

0x01 graphic

0.4

0.3

0x01 graphic

0.5

0.2

0x01 graphic

0x01 graphic

0x01 graphic

0x01 graphic

0x01 graphic

0.4

0.1

0.40.1=0.04

0.040.34=0.1176

0x01 graphic

0.6

0.5

0.60.5=0.30

0.300.34=0.8824

1.0

0x01 graphic
=0.34

1.0000

0x01 graphic

0x01 graphic

0x01 graphic

0x01 graphic

0x01 graphic

0.4

0.4

0.40.4=0.16

0.160.34=0.4706

0x01 graphic

0.6

0.3

0.60.3=0.18

0.180.34=0.5294

1.0

0x01 graphic
=0.34

1.0000

0x01 graphic

0x01 graphic

0x01 graphic

0x01 graphic

0x01 graphic

0.4

0.5

0.40.5=0.20

0.040.32=0.6250

0x01 graphic

0.6

0.2

0.60.2=0.12

0.300.32=0.3750

1.0

0x01 graphic
=0.32

1.0000

W zależności od "zachowania się" wskaźnika 0x01 graphic
decyzjami optymalnymi będą:

1. d3 jeżeli wystąpi wskaźnik I1 (niewielkie zainteresowanie konkurencji) ponieważ

0x01 graphic

2. d1 jeżeli wystąpi wskaźnik I2 (umiarkowane zainteresowanie konkurencji) ponieważ

0x01 graphic

3. d1 jeżeli wystąpi wskaźnik I3 (znaczne zainteresowanie konkurencji) ponieważ

0x01 graphic

Oczekiwaną korzyść osiąganą przy dodatkowej informacji (OKDI) definiujemy jako

0x01 graphic

0x01 graphic

0x01 graphic

Różnicę pomiędzy oczekiwaną korzyścią przy uwzględnieniu dodatkowej informacji (OKDI), a oczekiwaną korzyścią bez uwzględnienia dodatkowej informacji (MOW) nazywamy oczekiwaną wartością dodatkowej informacji (OWDI).

0x01 graphic

0x01 graphic

0x01 graphic

Efektywność dodatkowej informacji (EDI) definiujemy jako stosunek oczekiwanej wartości dodatkowej informacji (OWDI) do ceny granicznej doskonałej informacji (CGPI)

0x01 graphic

0x01 graphic

1

Dorota Miszczyńska, Marek Miszczyński, KBO UŁ, Elementy teorii decyzji



Wyszukiwarka