Session10不确定下的决策分析.ppt

Session10不确定下的决策分析
Probability Decision Criteria概率决策准则
最大可能性准则（maximum Likelihood Criterion）
等可能性准则（Equally Likely 研制
Summary of R&D Options R&D 方式的总结
Incorporating New Information加入新信息
通常一个初步的研究会对自然状态的概率有一个更好的近似.
例如:
市场调研（Market surveys）
市场测试（Test-marketing）
地震测试（Seismic testing for oil）
问 题: 我们得为得到这些信息付多少价值呢？
Expected Value of Perfect Information全信息价值
EP（无更多信息）= 以原始的先验概率用贝叶斯决 策规则得到的期望收益
EP（拥有全情报）= 如果知道真实的自然状态进行
决策得到的期望收益
EVPI = 全情报价值
= EP（拥有全情报） - EP（无更多信息）
C = 获取更多信息的花费
如果EVPI＜ C，不值得获取更多的信息
如果EVPI≥ C, 值得获取更多的信息
Imperfect Information Seismic Test不完全信息地震测试
假定有一个地震测试可以得到更好的信息
进行100次测试记录
Ac
tu
a
l
S
ta
t
e of
Na
t
u
re
W
e
t (
W
)
D
ry
(D)
T
o
t
a
l
Seismic
G
o
o
d
(G)
3
0
2
0
5
0
Re
s
u
lt
Ba
d (
B
)
1
0
4
0
5
0
T
o
t
a
l
4
0
6
0
1
0
0
实际举例
P(W|G) = 给定测试是 “Good”时有石油“Wet”的概率
Conditional Probability
条件概率
测试结果的概率:
P(G) = P(B) =
给定测试结果下的条件概率:
P(W | G) =
P(D | G) =
P(W | B) =
P(D | B) =
Actual State of Nature
Wet (W) Dry (D) Total
Seismic Good (G) 30 20 50
Result Bad (B) 10 40 50
Total 40 60 100
Conditional Probability
条件概率
Revising Probabilities修正概率
Actual State of Nature
W
et
(
W)
Dr
y
(
D
)
G
oo
d
(G)
P(
G
| W) =
0
.
75
P(
G
|
D
)
=
0
.
25
Ba
d
(
B)
P(
B
| W) =
0
.
33
P(
B
|
D
)
= 0
.
67
P
ri
o
r
P(W
)
=
P(
D)
=

Step #1—联合概率（Joint Probabilities）
联合概率（Joint Probabilities）
Actual State of Nature
W
et
(
W)
Dr
y
(
D
)
T
o
t
a
l
S
eis
m
ic
G
oo
d
(G)
P(
G
&W) =
0
.
3
P(
G
&
D
)
=
0
.
2
P(
G
)
=
Re
s
ult
Ba
d
(
B)
P(
B
&W) =
0
.
1
P(
B
&
D
)
=
P(W
)
=
Revising Probabilities修正概率
Actual State of Nature
W
et
(
W)
Dr
y
(
D
)
S
eis
m
ic
G
oo
d
(G)
P(W
|
G
) =
P(