本章結構

1. 本章結構 • 隨機模式導論 • 決策分析步驟 • 決策分析模式與符號 • 非機率性模式分析 • 機率性模式分析 • 貝氏決策分析技術 • 決策樹的建立 • 風險分析與敏感度分析 14-1

2. 隨機模式導論 • 定性分析(qualitative analysis) • 管理階層若主要憑藉著以前的經驗、直覺等，來分析解決問題的方式 • 定量分析(quantitative analysis) • 管理階層與科學家，藉由科學的數量分析方式 14-2

3. 分析問題的程序 14-3

4. 數學模型的流程圖 14-4

5. 數學模式的分類 • 確定性模式 • 所有的參數如果都是可以預測而且確定的 • 隨機模式 • 如果有任何參數無法確定，最多只能用機率性來描述此參數的可能值 • 隨機模式的分析方法 • 計算機率 ：經由機率理論的分析與計算，推導模式的衡量值（解）的正確值或逼近值 • 蒙地卡羅模擬 ：利用模擬技術來求得解的近似值 14-5

6. 決策分析步驟 • 步驟一：確認問題。 • 步驟二：辨識出所有可能的可選擇方案。 • 步驟三：決定衡量各方案的方法。 • 步驟四：決定選擇某一方案。 • 步驟五：執行在步驟四所選擇的方案。 14-6

7. 決策分析的名詞 • 決策分析 • 在找出所有可能方案後，決策分析的技術幫助決策者選擇一個『最有利的方案』 • 未來的“自然狀態” • 未來的“環境狀況” • 報酬表 • 每一個決策方案在未來每一種自然狀態可獲得的報酬 • 決策樹 • 所有可能的決策方案與未來的自然狀態的組合用一個樹來表示之 14-7

8. 決策分析符號說明 14-8

9. 決策分析範例 題目參見課本p344 範例14.2 14-9

10. 非機率性模式分析 • 樂觀分析 ： • 預測未來的自然狀態是屬於一個較佳的情況 • 悲觀分析 ： • 決策者主觀認定未來的自然狀態是會比較差的一個 • 最小化最大的後悔值 ： • (後悔值表示做錯誤的決策，所必須附出的代價)選擇一最小的最大的後悔值 14-10

11. 樂觀分析 回到範例14.2，樂觀分析判斷未來自然狀態為景氣不錯，因此在報酬表中不考慮景氣差的情況 14-11

12. 悲觀分析 反之，悲觀分析者採取較保守的策略，主觀認為未來自然狀態為景氣不樂觀。因此在報酬表中不考慮景氣好的情況 14-12

13. 最小化最大的後悔值 14-13

14. 機率性模式分析 • 在機率性模式分析 的前提是我們須預先知道每一種未來自然狀態將發生的機率。 • 這些機率獲得可能是憑藉以往經驗或是個人主觀判斷等 • 決策分析建議選擇最佳的決策方案是報酬的期望值最大的那一個決策方案 14-14

15. 機率性模式分析之範例 題目參見課本p350 範例14.2之延伸 14-15

16. 機率性模式分析範例解法 14-16

17. 貝氏決策分析技術 • 事前分配 • 原預測的各自然狀態發生的機率分配 • 事後分配 • 透過專家的一些額外 “努力”，來修正自然狀態發生的機率分配 14-17

18. 機率性模式分析之範例 題目參見課本p351 範例14.2之延伸 14-18

19. 機率性模式分析範例解法(1/2) 情況一：當分析的結果為正面時 14-19

20. 機率性模式分析範例解法(2/2) 情況二：當分析的結果為負面時 14-20

21. 決策樹 14-21

22. 決策樹範例分析 14-22

23. 風險分析與敏感度分析 • 風險分析 • 決策目標除了期望報酬最大化外，也會考慮公司在未來報酬的可能變異程度． • 敏感度分析 • 研究參數一旦改變後，對最佳決策的選擇之影響程度． • 兩類型的參數：發生各種自然狀態的機率值與每一決策在各自然狀態下之報酬 。 14-23

24. 風險分析的範例 14-24

25. 敏感度分析圖示 14-25