Bài giảng Phân tích định lượng trong kinh doanh - Chương 3: Cây quyết định

Nội dung text: Bài giảng Phân tích định lượng trong kinh doanh - Chương 3: Cây quyết định

1. Chương 3 Cây quyết định 3-1
2. Nội dung 1 Hiểu cách sử dụng cây quyết định trong phân tích quyết định 2 ứng dụng thông tin dự báo trong cây quyết định 3-2
3. Mục lục 1 Cây quyết định 2 Cây quyết định với thông tin dự báo 3 Định lý Bayes xác định các giá trị xác suất 4 Phân tích độ nhạy với thông tin dự báo 3-3
4. 1. Cây quyết định Cây quyết định là sơ đồ gồm nhiều nút và nhánh. Có 2 loại nhánh: - Nhánh phương án - Nhánh biến cố Có 2 loại nút - Nút quyết định: nơi xem xét các phương án - Nút biến cố: nơi các biến cố sẽ diễn ra Nút biến cố Nhánh biến cố 1 Nút quyết định Nhánh phương án 3-4
5. Cây quyết định Cây quyết định thường được dùng thay cho bảng quyết định trong trường hợp: ▪ Có nhiều phương án và biến cố (trạng thái tự nhiên – states of nature), ▪ Có nhiều quyết định liên tiếp nhau. 3-5
6. Các bước áp dụng cây quyết định 1. Xác định vấn đề. 2. Vẽ cấu trúc cây quyết định. 3. Ghi các giá trị xác suất vào các biến cố. 4. Ghi các giá trị payoffs vào mỗi kết hợp giữa phương án và biến cố. 5. Tính các giá trị EMV tại các nút trong cây từ phải sang trái. 3-6
7. Cây quyết định của Thompson Bước 1: Xác định vấn đề Công ty Thompson xem xét các phương án nhằm mở rộng qui mô sản xuất. Tình huống của công ty được thể hiện trong cây quyết định như sau: TT thuận lợi Bước 2:Nút Vẽ biến cây cố 1 TT không thuận lợi Nút quyết TT thuận lợi định Xây nhà máy nhỏ 2 TT không thuận lợi 3-7
8. Cây quyết định của Thompson Bước 3: Ghi các giá trị xác suất vào các biến cố. Bước 4: Ghi các giá trị payoffs. TT (0.5) thuận lợi $200,000 1 TT (0.5) không thuận lợi -$180,000 TT (0.5) Xây nm nhỏ thuận lợi $100,000 2 TT (0.5) -$20,000 không thuận lợi 0 3-8
9. Cây quyết định của Thompson Bước 5: Tính các EMVs và ra quyết định TT (0.5) thuận lợi $200,000 1 EMV TT (0.5) =$10,000 không thuận lợi -$180,000 TT (0.5) $40,000 thuận lợi $100,000 0 Xây nm nhỏ 2 EMV TT (0.5) =$40,000 không thuận lợi -$20,000 0 3-9
10. Thí dụ • Ông A đang cân nhắc 2 phương án mua căn hộ cho thuê giá 800 triệu (đồng) hoặc mua đất giá 200 triệu. Tình hình dân số ảnh hưởng lớn đến kết quả của quyết định. Với quyết định mua căn hộ sau 2 năm, nếu tình hình dân số gia tăng (60%), ông thu được 2 tỷ khi bán căn hộ, ngược lại, tình hình dân số không tăng (40%), ông chỉ thu được 225 triệu. Với quyết định mua đất, nếu tình hình dân số gia tăng (60%), sau 1 năm, ông đứng trước quyết định bán đất hoặc xây biệt thự. Nếu bán đất ông thu được 450 tr. Nếu xây biệt thự với chi phí 800 tr và trong 1 năm tiếp theo nếu tình hình dân số tiếp tục tăng (80%), khi bán biệt thự ông thu được 3 tỷ, ngược lại tình hình dân số không tăng (20%), khi bán biệt thự ông thu được 700 triệu. Với quyết định mua đất và tình hình dân số không tăng (40%), sau 3 năm, ông đứng trước quyết định bán đất hoặc xây nhà kho. Nếu bán đất ông thu được 210 tr. Nếu xây nhà kho với chi phí 600 tr và trong 1 năm tiếp theo nếu tình hình dân số tăng (70%), khi bán nhà kho ông thu được 2,3 tỷ, ngược lại tình hình dân số không tăng (30%), khi bán nhà kho ông thu được 1 tỷ. 3-10
11. 2. Cây quyết định với thông tin dự báo: Thí dụ c.ty Thompson phần 2 ▪ Thompson xem xét thuê nghiên cứu thị trường trước khi ra quyết định với chi phí 10.000. đặc điểm của nghiên cứu như sau: P(Thị trường thuận lợi /khảo sát thuận lợi) = 0.78; P(Thị trường không thuận lợi /khảo sát thuận lợi) = 0.22 ▪ Tương tự, P(Thị trường thuận lợi /khảo sát không thuận lợi) = 0.27; P(Thị trường không thuận lợi /khảo sát không thuận lợi) = 0.73 ▪ Ta cùng nhau xác định lại vấn đề (bước 1) và dùng các dữ liệu bổ sung để vẽ lại cây quyết định (bước 2). 3-11
12. Cây quyết định của Thompson 3-12
13. Cây quyết định của Thompson Bước 3: Ghi các giá trị xác suất mới vào các biến cố. Bước 4: Ghi các giá trị payoffs. 3-13
14. Bước 5: Tính các giá trị EMV và ra quyết định. 3-14
15. • Dựa vào số liệu quá khứ của các cuộc nghiên cứu, ta có các giá trị xác suất sau: • P(khảo sát thuận lợi/thị trường thuận lợi)=0.7 • P(khảo sát không thuận lợi/thị trường thuận lợi)=0.3 • P(khảo sát thuận lợi/thị trường không thuận lợi)=0.2 • P(khảo sát không thuận lợi/thị trường không thuận lợi)=0.8 3-15
16. Phân tích Bayes : khảo sát thuận lợi Tính xác suất cho kết quả khảo sát thuận lợi Xác suất Điều kiện Biến Xác suất Xác suất Xác suất P(KSTL|biến cố ) Cố trước giao sau 0.35 TTTL 0.70 * 0.50 0.35 = 0.78 0.45 0.10 0.20 * 0.50 0.10 = 0.22 TTKTL 0.45 0.45 1.00 3-16
17. Phân tích Bayes : khảo sát không thuận lợi Tính xác suất cho kết quả khảo sát không thuận lợi Xác suất Điều kiện Biến Xác suất Xác suất P(KSKTL|biến cố ) Xác suất Cố trước giao sau 0.15 TTTL 0.30 * 0.50 0.15 = 0.27 0.55 0.40 0.80 * 0.50 0.40 = 0.73 TTKTL 0.55 0.55 1.00 3-17
18. Thompson không chắc nên chi bao nhiêu cho việc khảo sát thị trường. Anh muốn biết cuộc khảo sát thị trường đáng giá bao nhiêu. Hơn nữa, anh cũng muốn biết độ nhạy của quyết định phụ thuộc vào kết quả khảo sát thị trường như thế nào. Anh ta nên làm gì? ▪Giá trị kỳ vọng của thông tin mẫu (Expected Value of Sample Information) ▪Phân tích độ nhạy (Sensitivity Analysis) 3-18
19. Giá trị kỳ vọng của thông tin mẫu EVSI Giá trị kỳ vọng của nhánh Giá trị kỳ vọng của nhánh EVSI = có thông tin dự báo không mua thông tin (không tính đến chi phí dự báo mua thông tin) EVSI for Thompson = $59,200 - $40,000 = $19,200 Thompson có thể chi đến $19,200 cho cuộc khảo sát. 3-19
20. Phân tích độ nhạy EMV(node 1) = ($106,400) p + ( 1 - p )($2,400) = $104,000 p + 2,400 Lập đẳng thức EMV(nút 1) với EMV khi không thực hiện khảo sát, ta có $104,000 p + $2,400 = $40,000 $104,000 p = $37,600 Tức là: $37,600 p = = 0.36 $104,000 3-20