intTypePromotion=1
zunia.vn Tuyển sinh 2024 dành cho Gen-Z zunia.vn zunia.vn
ADSENSE

Bài giảng Khoa học quản lý ứng dụng: Chương 2 - ThS. Huỳnh Đỗ Bảo Châu

Chia sẻ: đinh Thị Tú Oanh | Ngày: | Loại File: PDF | Số trang:13

116
lượt xem
11
download
 
  Download Vui lòng tải xuống để xem tài liệu đầy đủ

Chương 2 Phân tích ra quyết định của Bài giảng Khoa học quản lý ứng dụng với mục tiêu trình bày các thành phần của quyết định, chọn lựa được quyết định trong các tình huống không xác suất, có xác suất, có thông tin bổ sung.

Chủ đề:
Lưu

Nội dung Text: Bài giảng Khoa học quản lý ứng dụng: Chương 2 - ThS. Huỳnh Đỗ Bảo Châu

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 />
ADSENSE

CÓ THỂ BẠN MUỐN DOWNLOAD

 

Đồng bộ tài khoản
9=>0