數(shù)據(jù)模型與決策分析概述(編輯修改稿)
2025-03-27 11:32 本頁面
【文章內(nèi)容簡介】 但此類工作的申請競爭是非常激烈的，而比爾的同學(xué)們都非常有天份，最后我們假定可能性為 ? B點的收益為 EMV= 14000+ 11580=$13032,從而 A點的收益為 Max{12023， ,13032}=$13032 ? 于是得到如下的決策樹 Bill 暑期打工決策 Bill 暑期打工決策 A B C E D 校園征招計劃 21600 16800 12023 6000 0 21600 16800 12023 6000 0 11580 11580 14000 13032 13032 Bill 暑期打工決策 A B C E D 校園征招計劃 21600 16800 12023 6000 0 21600 16800 12023 6000 0 11580 11580 14000 13032 13032 去掉不聰明 的選項 去掉不聰明 的選項 Bill 暑期打工決策 最終，比爾的最佳策略是： ? 首先他應(yīng)拒絕約翰的邀請； ? 當(dāng)他收到文妮沙公司的邀請時，則應(yīng)接受；如果沒有收到邀請，那么就參加學(xué)校組織的招聘計劃； ? 這一決策的 EMV是 $13,032 。 求解決策樹的過程 ? 以決策樹的最終分枝為起始點，對每個事件點和每個決策點進行評估 ： （ 1）對于每個事件點，通過計算每個分枝的 EMV與其概率的加權(quán)平均，計算該節(jié)點的 EMV； （ 2）對于每個決策點，通過選擇具有最佳 EMV節(jié)點發(fā)出的分枝，計算該節(jié)點的 EMV；在決策點的上方寫上 EMV數(shù)值，并通過在相關(guān)分枝上畫雙杠給的方法，劃去那些較低 EMV對應(yīng)的分枝。 ? 所有節(jié)點評估完成后，求解決策樹過程結(jié)束。 ? 最優(yōu)決策的 EMV就是由決策樹起始分枝計算的 EMV。 最優(yōu)決策的 靈敏度 分析 ? 如果該案例是一個真實的商務(wù)決策 ,那么在沒有對建模中需要的關(guān)鍵數(shù)據(jù)可能帶來的影響進行評估前， 就貿(mào)然采取以上推導(dǎo)出的最優(yōu)決策恐怕有點過于天真了。 ? 靈敏度分析就是研究最優(yōu)決策穩(wěn)定性 ? 考慮下面的與數(shù)據(jù)有關(guān)的問題： ? 問題 1： 文妮沙公司提供給比爾夏季的概率 我們主觀上假設(shè)這個概率為 。顯然，檢驗該概率的變化會如何影響最優(yōu)決策的做法將是明智的 ? 問題 2： 比爾用于參加學(xué)校組織的招聘計劃的時間和努力的成本
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1