2/12/2017
GV.ThS.HuỳnhĐỗBảoChâu 1
CHƯƠNG 2
PHÂN TÍCH RA QUYẾT ĐỊNH
1
TRƯỜNG ĐẠI HỌC NGÂN HÀNG TP.HCM
KHOA HỆ THỐNG THÔNG TIN QUẢN LÝ
KHOA HỌC QUẢN LÝ ỨNG DỤNG
GV. ThS. Huỳnh Đỗ Bảo Châu
Mục tiêu bài học
GV. Huỳnh Đỗ Bảo Châu2
Trình bày các thành phầncủaquyếtđịnh
Chọnlựađượcquyếtđịnh trong các tình huống
không xác suất, có xác suất, có thông tin bổsung
Nội dung chính
GV. Huỳnh Đỗ Bảo Châu3
Giớithiệulýthuyếtraquyếtđịnh
Các mô hình ra quyếtđịnh
Ra quyếtđịnh vớixácsuất
Ra quyếtđịnh với thông tin bổsung
Ra quyếtđịnh không xác suất
Cây quyếtđịnh
1. Giới thiệu lý thuyết ra quyết định
GV. Huỳnh Đỗ Bảo Châu4
2/12/2017
GV.ThS.HuỳnhĐỗBảoChâu 2
Giới thiệu
GV. Huỳnh Đỗ Bảo Châu5
Lý thuyếtraquyếtđịnh là phương pháp phân tích có
tính hệthống dùng để nghiên cứuviệctạoracác
quyếtđịnh.
Để quyếtđịnh tốtcầndựatrên:
Lý luận
Tấtcảsốliệucósẵn
Tấtcảgiảiphápcóthể
Phương pháp định lượng
Các bước ra quyết định
GV. Huỳnh Đỗ Bảo Châu6
B1. Xác định rõ vấnđề cầngiảiquyết.
B2. LiệtkêmọiPAcóthểchọn.
B3. Xác định các tình huống/trạng thái có thểxảyra.
B4. Xác định mọilợiích/chiphí/thiệthạiphátsinh
củatừng PA ứng vớimỗitìnhhuống.
B5. Xác định mộtmôhìnhtoánhọc trong PPĐLvà
môi trường RQĐphù hợpđể tìm lờigiải.
B6. Áp dụng mô hình tìm lờigiảivàRQĐ.
VD: Bài toán củaCôngtyxẻgỗThompson
GV. Huỳnh Đỗ Bảo Châu7
Phương án Trạng thái
Thị trường tốtThị trường xấu
Nhà máy lớn200.000 -180.000
Nhà máy nhỏ100.000 -20.000
Không sảnxuất00
B1. Vấn đề: Có nên sản xuất một sản phẩm mới để kinh doanh.
B2. Có tất cả 3 PA thực hiện
Xây nhà máy lớn để sản xuất.
Xây nhà máy nhỏ để sản xuất.
Không sản xuất.
B3. Các tình huống có thể có
Thị trường thuận lợi
Thị trường bất lợi
B4. Ước tính các lợi ích (chi phí) phát sinh khi chọn PA ứng với mỗi tình huống.
B5. và B6. Xác định mô hình toán để giải, tìm lời giải và RQĐ.
Các môi trường (điều kiện) ra quyết định
GV. Huỳnh Đỗ Bảo Châu8
•Điều kiện chắc chắn.
•Điều kiện rủi ro
–Biết xác suất xảy ra tình huống.
–Biết thông tin bổ sung.
•Điều kiện không chắc chắn.
2/12/2017
GV.ThS.HuỳnhĐỗBảoChâu 3
GV. Huỳnh Đỗ Bảo Châu9
2. Các mô hình ra quyết định
ĐIỀU KIỆN RỦI RO
GV. Huỳnh Đỗ Bảo Châu10
Làm cựcđạigiátrịkỳvọng đượctínhbằng tiềnEMV
(Expected Moneytary Value)
Làm cựctiểu thiệthạicơhộikỳvọng EOL (Expected
Opportunity Loss)
Phương pháp
MÔ HÌNH MAX EMV(i)
GV. Huỳnh Đỗ Bảo Châu11
Kết quả của mô hình: Chọn phương án (i) có giá trị kỳ
vọng tính bằng tiền EMV(i) là lớn nhất.
Công thức:
 
󰇛
󰇜


•
󰇛
󰇜: xác suất để trạng thái j xuất hiện
•

: lợi nhuận / chi phí của p/án I tương ứng trạng thái j
•
∈ 1, ; ∈ 󰇟1,󰇠
MÔ HÌNH MAX EMV(i)
GV. Huỳnh Đỗ Bảo Châu12
Ví dụ minh họa:
Bài toán của Công ty xẻ gỗ Thompson (tt)
T.Trường tốt T.Trường xấu EMV
Nhà máy lớn 200.000 -180.000
Nhà máy nhỏ 100.000 -20.000
Không sản xuất 00
P(S
j
)0.50.5
2/12/2017
GV.ThS.HuỳnhĐỗBảoChâu 4
MÔ HÌNH MAX EMV(i)
GV. Huỳnh Đỗ Bảo Châu13
Bài giảivídụ:
Bài toán củaCôngty xẻgỗThompson (tt)
Ra quyếtđịnh
EMV(i) >0 Phương án có lợi
Max EMV(i) = EMV(i=2_ = 40.000 $ Quymônhàmáynhỏ
T.Trường tốt T.Trường xấu EMV
Nhà máy lớn
(i=1)
200.000 -180.000 =0.5*200000+0.5*(-180.000)
Nhà máy nhỏ
(i=2)
100.000 -20.000 =0.5*100000+0.5*(-20000)
Không sản xuất
(i=3)
0 0 =0.5*0+0.5*0
P(S
j
)
0.5 0.5
MÔ HÌNH MIN EOL(i)
GV. Huỳnh Đỗ Bảo Châu14
Kết quả của mô hình: Chọn phương án (i) có thiệt hại
cơ hội kỳ vọng EOL(i) là nhỏ nhất.
Công thức:
Thiệt hại cơ hội OL (Opportunity Loss):


max
∈󰇟,󰇠



Thiệt hại cơ hội kỳ vọng:
 
󰇛
󰇜


•
󰇛
󰇜: xác suất để trạng thái j xuất hiện
•

: lợi nhuận / chi phí của p/án I tương ứng trạng thái j
•
∈ 1, ; ∈ 󰇟1,󰇠
MÔ HÌNH MIN EOL(i)
GV. Huỳnh Đỗ Bảo Châu15
Ví dụminh họa:
Bài toán củaCôngty xẻgỗThompson (tt)
OL11 = 200000 – 200000 = 0 $
OL12 = 0 – (-180000) = 180000 $
OL21 = 200000 – (-180000) = 100000 $
OL22 = 0 – (- 20000) = 20000 $
OL31 = 200000 – 0 = 200000 $
OL32 = 0 – 0 = 0 $
T.Trường tốt T.Trường xấu EOL
Nhà máy lớn 200.000 -180.000
Nhà máy nhỏ 100.000 -20.000
Không sản xuất 00
P(S
j
)0.50.5
MÔ HÌNH MIN EOL(i)
GV. Huỳnh Đỗ Bảo Châu16
Bài giảivídụ:
Bài toán củaCôngty xẻgỗThompson (tt)
Min EOL(i) = 60.000 $ Chọn nhà máy quy mô nhỏ
T.Trường tốt T.Trường
xấu EOL
Nhà máy lớn
(i=1) OL = 0 OL = 180.000 =0.5*0+0.5*180000 = 90.000
Nhà máy nhỏ
(i=2) OL =100.000 OL = 20.000 =0.5*100000+0.5*20000 = 60000
Không sản xuất
(i=3) OL = 200.000 OL = 0 =0.5*20000+0.5*0 = 100000
P(S
j
)0.5 0.5
2/12/2017
GV.ThS.HuỳnhĐỗBảoChâu 5
MÔ HÌNH EVPI
(Expected Value of Perfect Information)
GV. Huỳnh Đỗ Bảo Châu17
Mô hình đượcdùngđể chuyểnđổitừđiềukiệnrủi
ro sang điềukiệnchắcchắnEVPI là giá trị
phảitrảđểmua thông tin.
Công thức:
EVWPI: tổng giá trịthu lạinếubiết thông tin hoàn hảo
trướckhiraquyếtđịnh, ta sẽcó:
 󰇛
󰇜


EVPI (giá trịkỳvọng củathôngtinhoànhảo) : là sựgia
tăng giá trịcó được khi mua thông tin.
  󰇛󰇜
MÔ HÌNH EVPI
GV. Huỳnh Đỗ Bảo Châu18
Ví dụ minh họa:
Bài toán của Công ty xẻ gỗ Thompson (tt)
Giả sử 1 công ty tư vấn đề nghị cung cấp thông tin thị trường tốt hay
xấu với giá 65.000$.
Hỏi: Giá mua thông tin là đắt hay rẻ ? Phải mua giá nào mới hợp lý ?
T.Trường tốt T.Trường xấu EMV
Nhà máy lớn 200.000 -180.000
Nhà máy nhỏ 100.000 -20.000
Không sản xuất 00
P(S
j
)0.50.5
MÔ HÌNH EVPI
GV. Huỳnh Đỗ Bảo Châu19
Bài giảivídụ:
Bài toán củaCôngtyxẻgỗThompson (tt)
Nếu có thông tin hoàn hảotrướckhiquyếtđịnh thì:
EVWPI = 0.5*200000 + 0.5*0 = 100000 $
Giá trịtốiđađể mua thông tin là:
EVPI = 100000 – 40000 = 60000 $
Giá chào bán củathôngtinlà65000$làđắthơn
mứccóthểmua của doanh nghiệp.
Giá mua thông tin hợplýtốiđa là 60000 $
GV. Huỳnh Đỗ Bảo Châu20
2. Các mô hình ra quyết định
ĐIỀU KIỆN KHÔNG CHẮC CHẮN