2/12/2017<br />
<br />
TRƯỜNG ĐẠI HỌC NGÂN HÀNG TP<br />
.HCM<br />
KHOA HỆ THỐNG THÔNG TIN QUẢN LÝ<br />
<br />
Mục tiêu bài học<br />
<br />
<br />
KHOA HỌC QUẢN LÝ ỨNG DỤNG<br />
<br />
<br />
<br />
Trình bày các thành phần của quyết định<br />
Chọn lựa được quyết định trong các tình huống<br />
không xác suất, có xác suất, có thông tin bổ sung<br />
<br />
CHƯƠNG 2<br />
PHÂN TÍCH RA QUYẾT ĐỊNH<br />
GV. ThS. Huỳnh Đỗ Bảo Châu<br />
<br />
1<br />
<br />
2<br />
<br />
GV. Huỳnh Đỗ Bảo Châu<br />
<br />
Nội dung chính<br />
Giới thiệu lý thuyết ra quyết định<br />
Các mô hình ra quyết định<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
Ra quyết định với xác suất<br />
Ra quyết định với thông tin bổ sung<br />
Ra quyết định không xác suất<br />
<br />
1. Giới thiệu lý thuyết ra quyết định<br />
<br />
Cây quyết định<br />
<br />
<br />
<br />
3<br />
<br />
GV. ThS. Huỳnh Đỗ Bảo Châu<br />
<br />
GV. Huỳnh Đỗ Bảo Châu<br />
<br />
4<br />
<br />
GV. Huỳnh Đỗ Bảo Châu<br />
<br />
1<br />
<br />
2/12/2017<br />
<br />
Giới thiệu<br />
<br />
Các bước ra quyết định<br />
<br />
Lý thuyết ra quyết định là phương pháp phân tích có<br />
tính hệ thống dùng để nghiên cứu việc tạo ra các<br />
quyết định.<br />
Để quyết định tốt cần dựa trên:<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
Lý luận<br />
Tất cả số liệu có sẵn<br />
Tất cả giải pháp có thể<br />
Phương pháp định lượng<br />
<br />
B1. Xác định rõ vấn đề cần giải quyết.<br />
B2. Liệt kê mọi PA có thể chọn.<br />
B3. Xác định các tình huống/trạng thái có thể xảy ra.<br />
B4. Xác định mọi lợi ích/chi phí/thiệt hại phát sinh<br />
của từng PA ứng với mỗi tình huống.<br />
B5. Xác định một mô hình toán học trong PPĐL và<br />
môi trường RQĐ phù hợp để tìm lời giải.<br />
B6. Áp dụng mô hình tìm lời giải và RQĐ.<br />
<br />
5<br />
<br />
GV. Huỳnh Đỗ Bảo Châu<br />
<br />
6<br />
<br />
VD: Bài toán của Công ty xẻ gỗ Thompson<br />
B1. Vấn đề: Có nên sản xuất một sản phẩm mới để kinh doanh.<br />
B2. Có tất cả 3 PA thực hiện<br />
Xây nhà máy lớn để sản xuất.<br />
Xây nhà máy nhỏ để sản xuất.<br />
Không sản xuất.<br />
B3. Các tình huống có thể có<br />
Thị trường thuận lợi<br />
Thị trường bất lợi<br />
B4. Ước tính các lợi ích (chi phí) phát sinh khi chọn PA ứng với mỗi tình huống.<br />
<br />
Phương án<br />
<br />
Các môi trường (điều kiện) ra quyết định<br />
• Điều kiện chắc chắn.<br />
<br />
• Điều kiện rủi ro<br />
– Biết xác suất xảy ra tình huống.<br />
– Biết thông tin bổ sung.<br />
<br />
Trạng thái<br />
Thị trường tốt<br />
<br />
Thị trường xấu<br />
<br />
Nhà máy lớn<br />
<br />
200.000<br />
<br />
-180.000<br />
<br />
Nhà máy nhỏ<br />
<br />
100.000<br />
<br />
-20.000<br />
<br />
0<br />
<br />
GV. Huỳnh Đỗ Bảo Châu<br />
<br />
0<br />
<br />
Không sản xuất<br />
<br />
• Điều kiện không chắc chắn.<br />
<br />
B5. và B6. Xác định mô hình toán để giải, tìm lời giải và RQĐ.<br />
7<br />
<br />
GV. ThS. Huỳnh Đỗ Bảo Châu<br />
<br />
GV. Huỳnh Đỗ Bảo Châu<br />
<br />
8<br />
<br />
GV. Huỳnh Đỗ Bảo Châu<br />
<br />
2<br />
<br />
2/12/2017<br />
<br />
Phương pháp<br />
<br />
<br />
<br />
2. Các mô hình ra quyết định<br />
ĐIỀU KIỆN RỦI RO<br />
<br />
9<br />
<br />
GV. Huỳnh Đỗ Bảo Châu<br />
<br />
MÔ HÌNH MAX EMV(i)<br />
<br />
<br />
Kết quả của mô hình: Chọn phương án (i) có giá trị kỳ<br />
vọng tính bằng tiền EMV(i) là lớn nhất.<br />
Công thức:<br />
<br />
Làm cực đại giá trị kỳ vọng được tính bằng tiền EMV<br />
(Expected Moneytary Value)<br />
Làm cực tiểu thiệt hại cơ hội kỳ vọng EOL (Expected<br />
Opportunity Loss)<br />
<br />
10<br />
<br />
GV. Huỳnh Đỗ Bảo Châu<br />
<br />
MÔ HÌNH MAX EMV(i)<br />
<br />
<br />
Ví dụ minh họa: Bài toán của Công ty xẻ gỗ Thompson (tt)<br />
T.Trường tốt<br />
<br />
T.Trường xấu<br />
<br />
Nhà máy lớn<br />
<br />
200.000<br />
<br />
-180.000<br />
<br />
Nhà máy nhỏ<br />
<br />
<br />
<br />
100.000<br />
<br />
-20.000<br />
<br />
Không sản xuất<br />
•<br />
•<br />
•<br />
<br />
P(Sj)<br />
<br />
: xác suất để trạng thái j xuất hiện<br />
<br />
0<br />
<br />
0<br />
<br />
0.5<br />
<br />
EMV<br />
<br />
0.5<br />
<br />
: lợi nhuận / chi phí của p/án I tương ứng trạng thái j<br />
∈ 1,<br />
<br />
; ∈ 1,<br />
<br />
11<br />
<br />
GV. ThS. Huỳnh Đỗ Bảo Châu<br />
<br />
GV. Huỳnh Đỗ Bảo Châu<br />
<br />
12<br />
<br />
GV. Huỳnh Đỗ Bảo Châu<br />
<br />
3<br />
<br />
2/12/2017<br />
<br />
MÔ HÌNH MAX EMV(i)<br />
<br />
<br />
MÔ HÌNH MIN EOL(i)<br />
<br />
Bài giải ví dụ: Bài toán của Công ty xẻ gỗ Thompson (tt)<br />
<br />
Kết quả của mô hình: Chọn phương án (i) có thiệt hại<br />
cơ hội kỳ vọng EOL(i) là nhỏ nhất.<br />
Công thức:<br />
<br />
<br />
<br />
T.Trường tốt<br />
<br />
T.Trường xấu<br />
<br />
Nhà máy lớn<br />
(i=1)<br />
<br />
200.000<br />
<br />
-180.000<br />
<br />
=0.5*200000+0.5*(-180.000)<br />
<br />
Nhà máy nhỏ<br />
(i=2)<br />
<br />
100.000<br />
<br />
-20.000<br />
<br />
=0.5*100000+0.5*(-20000)<br />
<br />
Không sản xuất<br />
(i=3)<br />
<br />
<br />
<br />
<br />
<br />
0<br />
<br />
0<br />
<br />
0.5<br />
<br />
Ra quyết định<br />
<br />
•<br />
•<br />
<br />
<br />
<br />
EMV(i) >0 Phương án có lợi<br />
Max EMV(i) = EMV(i=2_ = 40.000 $ Quy mô nhà máy nhỏ<br />
<br />
13<br />
<br />
14<br />
<br />
Ví dụ minh họa: Bài toán của Công ty xẻ gỗ Thompson (tt)<br />
T.Trường tốt<br />
<br />
T.Trường xấu<br />
<br />
200.000<br />
100.000<br />
<br />
-20.000<br />
<br />
0<br />
<br />
0<br />
<br />
0.5<br />
<br />
0.5<br />
<br />
Không sản xuất<br />
P(Sj)<br />
<br />
<br />
<br />
<br />
<br />
<br />
OL11 = 200000 – 200000 =<br />
0$<br />
OL12 =<br />
0 – (-180000) = 180000 $<br />
OL21 = 200000 – (-180000) = 100000 $<br />
OL22 =<br />
0 – (- 20000) = 20000 $<br />
OL31 = 200000 –<br />
0 = 200000 $<br />
OL32 =<br />
0–<br />
0=<br />
0$<br />
15<br />
<br />
GV. ThS. Huỳnh Đỗ Bảo Châu<br />
<br />
GV. Huỳnh Đỗ Bảo Châu<br />
<br />
Bài giải ví dụ: Bài toán của Công ty xẻ gỗ Thompson (tt)<br />
<br />
<br />
<br />
-180.000<br />
<br />
Nhà máy nhỏ<br />
<br />
<br />
<br />
: xác suất để trạng thái j xuất hiện<br />
: lợi nhuận / chi phí của p/án I tương ứng trạng thái j<br />
∈ 1, ; ∈ 1,<br />
<br />
MÔ HÌNH MIN EOL(i)<br />
<br />
Nhà máy lớn<br />
<br />
<br />
<br />
•<br />
<br />
GV. Huỳnh Đỗ Bảo Châu<br />
<br />
MÔ HÌNH MIN EOL(i)<br />
<br />
<br />
Thiệt hại cơ hội kỳ vọng:<br />
<br />
=0.5*0+0.5*0<br />
<br />
<br />
<br />
<br />
<br />
Thiệt hại cơ hội OL (Opportunity Loss):<br />
max<br />
∈ ,<br />
<br />
<br />
<br />
0.5<br />
<br />
P(Sj)<br />
<br />
EMV<br />
<br />
GV. Huỳnh Đỗ Bảo Châu<br />
<br />
EOL<br />
T.Trường tốt<br />
<br />
T.Trường<br />
xấu<br />
<br />
Nhà máy lớn<br />
(i=1)<br />
<br />
OL = 0<br />
<br />
OL = 180.000<br />
<br />
=0.5*0+0.5*180000 = 90.000<br />
<br />
Nhà máy nhỏ<br />
(i=2)<br />
<br />
OL =100.000<br />
<br />
OL = 20.000<br />
<br />
=0.5*100000+0.5*20000 = 60000<br />
<br />
Không sản xuất<br />
(i=3)<br />
<br />
OL = 200.000<br />
<br />
OL = 0<br />
<br />
0.5<br />
<br />
0.5<br />
<br />
P(Sj)<br />
<br />
<br />
<br />
EOL<br />
<br />
=0.5*20000+0.5*0 = 100000<br />
<br />
Min EOL(i) = 60.000 $ Chọn nhà máy quy mô nhỏ<br />
16<br />
<br />
GV. Huỳnh Đỗ Bảo Châu<br />
<br />
4<br />
<br />
2/12/2017<br />
<br />
MÔ HÌNH EVPI (Expected Value of Perfect Information)<br />
<br />
<br />
<br />
<br />
Mô hình được dùng để chuyển đổi từ điều kiện rủi<br />
ro sang điều kiện chắc chắn EVPI là giá trị<br />
phải trả để mua thông tin.<br />
Công thức:<br />
<br />
<br />
MÔ HÌNH EVPI<br />
<br />
<br />
Ví dụ minh họa: Bài toán của Công ty xẻ gỗ Thompson (tt)<br />
<br />
Giả sử 1 công ty tư vấn đề nghị cung cấp thông tin thị trường tốt hay<br />
xấu với giá 65.000$.<br />
Hỏi: Giá mua thông tin là đắt hay rẻ ? Phải mua giá nào mới hợp lý ?<br />
<br />
EVWPI: tổng giá trị thu lại nếu biết thông tin hoàn hảo<br />
trước khi ra quyết định, ta sẽ có:<br />
<br />
T.Trường tốt<br />
<br />
T.Trường xấu<br />
<br />
Nhà máy lớn<br />
<br />
200.000<br />
<br />
-180.000<br />
<br />
Nhà máy nhỏ<br />
<br />
100.000<br />
<br />
-20.000<br />
<br />
Không sản xuất<br />
<br />
<br />
<br />
P(Sj)<br />
<br />
EVPI (giá trị kỳ vọng của thông tin hoàn hảo) : là sự gia<br />
tăng giá trị có được khi mua thông tin.<br />
<br />
<br />
<br />
17<br />
<br />
GV. Huỳnh Đỗ Bảo Châu<br />
<br />
18<br />
<br />
0<br />
<br />
0<br />
<br />
0.5<br />
<br />
EMV<br />
<br />
0.5<br />
<br />
GV. Huỳnh Đỗ Bảo Châu<br />
<br />
MÔ HÌNH EVPI<br />
Bài giải ví dụ: Bài toán của Công ty xẻ gỗ Thompson (tt)<br />
Nếu có thông tin hoàn hảo trước khi quyết định thì:<br />
EVWPI = 0.5*200000 + 0.5*0 = 100000 $<br />
Giá trị tối đa để mua thông tin là:<br />
EVPI = 100000 – 40000 = 60000 $<br />
Giá chào bán của thông tin là 65000 $ là đắt hơn<br />
mức có thể mua của doanh nghiệp.<br />
Giá mua thông tin hợp lý tối đa là 60000 $<br />
<br />
<br />
<br />
19<br />
<br />
GV. ThS. Huỳnh Đỗ Bảo Châu<br />
<br />
GV. Huỳnh Đỗ Bảo Châu<br />
<br />
2. Các mô hình ra quyết định<br />
ĐIỀU KIỆN KHÔNG CHẮC CHẮN<br />
<br />
20<br />
<br />
GV. Huỳnh Đỗ Bảo Châu<br />
<br />
5<br />
<br />