Päätöksentekomenetelmät

Samankaltaiset tiedostot
Päätöksentekomenetelmät

Päätöksentekomenetelmät

ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy päätöspuiden avulla tarkastellaan vasta seuraavissa harjoituksissa.

VAASAN YLIOPISTO TALOUSMATEMATIIKKA Päätöksenteko epävarmuuden vallitessa Prof. Ilkka Virtanen TENTTI

INTERVALLIPÄÄTÖSPUUT JANNE GUSTAFSSON 45433E. Mat Optimointiopin seminaari Referaatti

VAASAN YLIOPISTO TALOUSMATEMATIIKKA Päätöksenteko epävarmuuden vallitessa Prof. Ilkka Virtanen II UUSINTATENTTI

ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2010 Harjoitus 3

VAASAN YLIOPISTO TALOUSMATEMATIIKKA Päätöksenteko epävarmuuden vallitessa Prof. Ilkka Virtanen I UUSINTATENTTI

Preference Programming viitekehys: epätäydellisen preferenssi-informaation elisitointi ja mallintaminen, dominanssi

VAASAN YLIOPISTO TALOUSMATEMATIIKKA Päätöksenteko epävarmuuden vallitessa Prof. Ilkka Virtanen TENTTI

4.1. Olkoon X mielivaltainen positiivinen satunnaismuuttuja, jonka odotusarvo on

ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy Tehtävissä 1, 2, ja 3 tarkastelemme seuraavaa tilannetta:

Arvo (engl. value) = varmaan attribuutin tulemaan liittyvä arvo. Päätöksentekijä on riskipakoinen, jos hyötyfunktio on konkaavi. a(x) = U (x) U (x)

monitavoitteisissa päätöspuissa (Valmiin työn esittely) Mio Parmi Ohjaaja: Prof. Kai Virtanen Valvoja: Prof.

1. TILASTOLLINEN HAHMONTUNNISTUS

Diskreettiaikainen dynaaminen optimointi

Lisätehtäviä ratkaisuineen luentomonisteen lukuihin 2-4 liittyen

Algoritmit 1. Luento 1 Ti Timo Männikkö

D ( ) E( ) E( ) 2.917

ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2008

Päätösanalyysi. Aiheet. 1. Päätöspuut. 2. Informaation arvo. 3. Herkkyysanalyysi. 1 Mikrotaloustiede (31C00100) Prof. Marko Terviö Aalto-yliopisto

Tutkimustiedonhallinnan peruskurssi

Mitä kalibrointitodistus kertoo?

Stokastinen optimointi taktisessa toimitusketjujen riskienhallinnassa (valmiin työn esittely)

Eräs tyypillinen virhe monitavoitteisessa portfoliopäätösanalyysissa + esimerkkitapaus

Numeeriset menetelmät TIEA381. Luento 8. Kirsi Valjus. Jyväskylän yliopisto. Luento 8 () Numeeriset menetelmät / 35

Malliratkaisut Demo 1

Dynaaminen ohjelmointi ja vaikutuskaaviot

Dynaaminen optimointi

Pohdiskeleva ajattelu ja tasapainotarkennukset

Markov-kustannusmallit ja kulkuajat

ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2008

Autoilijan ikä v Yli 20 v. Mies 10,00% 1,75% Nainen 4,00% 2,50% Alueen ajokortit jakaantuvat vastaavien henkilöryhmien kesken seuraavasti:

Yhteistyötä sisältämätön peliteoria jatkuu

Talousmatematiikan perusteet: Luento 11. Lineaarinen optimointitehtävä Graafinen ratkaisu Ratkaisu Excel Solverilla

Talousmatematiikan perusteet: Luento 12. Lineaarinen optimointitehtävä Graafinen ratkaisu Ratkaisu Excel Solverilla

Luento 10 Kustannushyötyanalyysi

Esteet, hyppyprosessit ja dynaaminen ohjelmointi

ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2010 Harjoitus 5 (Koetentti)

ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2010 Harjoitus 4

Malliratkaisut Demot

S Laskennallinen systeemibiologia

Luento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu

Tilastollisia peruskäsitteitä ja Monte Carlo

/1. MTTTP5, luento Normaalijakauma (jatkuu) Binomijakaumaa voidaan approksimoida normaalijakaumalla

c) A = pariton, B = ainakin 4. Nyt = silmäluku on5 Koska esim. P( P(A) P(B) =, eivät tapahtumat A ja B ole riippumattomia.

Kvantitatiivinen riski Määrittäminen ja hyväksyttävyys

Prof. Marko Terviö Assist. Jan Jääskeläinen

Tehokas ilmaisku. Terminologiaa. Ilmaisku. Tavoitteiden saavuttaminen. Suunnittelun tavoitteet. S ysteemianalyysin Laboratorio Teknillinen korkeakoulu

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

1. Vastaa seuraavaan tehtävään. Tehtävään liittyvä kuva on seuraavalla sivulla

ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2008

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

A ja B pelaavat sarjan pelejä. Sarjan voittaja on se, joka ensin voittaa n peliä.

Jatkuvat satunnaismuuttujat

Bayesin pelit. Kalle Siukola. MS-E2142 Optimointiopin seminaari: Peliteoria ja tekoäly

Pilkeyrityksen liiketoimintaosaamisen kehittäminen. Timo Värre Jyväskylän ammattikorkeakoulu

(b) Tarkista integroimalla, että kyseessä on todella tiheysfunktio.

Juuri 10 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty

Kaikkiin kysymyksiin vastataan kysymys paperille pyri pitämään vastaukset lyhyinä, voit jatkaa paperien kääntöpuolille tarvittaessa.

&idx=2&uilang=fi&lang=fi&lvv=2015

Talousmatematiikan perusteet: Luento 14. Rajoitettu optimointi Lagrangen menetelmä: yksi yhtälörajoitus Lagrangen menetelmä: monta yhtälörajoitusta

MTTTP5, luento Otossuureita ja niiden jakaumia (jatkuu)

4 Kysyntä, tarjonta ja markkinatasapaino (Mankiw & Taylor, 2 nd ed., chs 4-5)

Kynä-paperi -harjoitukset. Taina Lehtinen Taina I Lehtinen Helsingin yliopisto

JOHDATUS TEKOÄLYYN TEEMU ROOS

Probabilistiset mallit (osa 2) Matemaattisen mallinnuksen kurssi Kevät 2002, luento 10, osa 2 Jorma Merikoski Tampereen yliopisto

Yhteistyötä sisältämätön peliteoria

dx=5&uilang=fi&lang=fi&lvv=2014

Riski ja velkaantuminen

Helsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe klo Ratkaisut ja pisteytysohjeet

FoA5 Tilastollisen analyysin perusteet puheentutkimuksessa. Luentokuulustelujen esimerkkivastauksia. Pertti Palo. 30.

Informaation arvo. Ohjelmistotekniikan laitos OHJ-2550 Tekoäly, kevät

Tilastollisen analyysin perusteet Luento 1: Lokaatio ja hajonta

ehdolla y = f(x1, X2)

Helsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe klo 10 13

VAASAN YLIOPISTO TALOUSMATEMATIIKKA Päätöksenteko epävarmuuden vallitessa Prof. Ilkka Virtanen TENTTI

Optimoinnin sovellukset

Johdanto peliteoriaan Kirja kpl. 2

Referenssipiste- ja referenssisuuntamenetelmät

Pohjoismaiden osakkeet ulottuvillasi Taurus tekee sijoittamisesta helpon. Taurus Capital Ltd

a) Markkinakysyntä - Aikaisemmin tarkasteltiin yksittäisen kuluttajan kysyntää. - Seuraavaksi tarkastellaan koko markkinoiden kysyntää.

Luento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu

Nollasummapelit ja bayesilaiset pelit

LP-mallit, L19. Aiheet. Yleistä, LP-malleista. Esimerkki, Giapetto. Graafisen ratkaisun vaiheet. Optimin olemassaolo

&idx=2&uilang=fi&lang=fi&lvv=2015

Luottamisvälin avulla voidaan arvioida populaation tuntematonta parametria.

(b) Onko hyvä idea laske pinta-alan odotusarvo lähetmällä oletuksesta, että keppi katkeaa katkaisukohdan odotusarvon kohdalla?

HYVÄ LIIKETOIMINTAPÄÄTÖS JA JOHDON VASTUU

Järvitesti Ympäristöteknologia T571SA

4 Kysyntä, tarjonta ja markkinatasapaino

Algoritmit 1. Luento 12 Ti Timo Männikkö

Luento 6: Monitavoiteoptimointi

Johdatus todennäköisyyslaskentaan Verkot ja todennäköisyyslaskenta. TKK (c) Ilkka Mellin (2004) 1

30A02000 Tilastotieteen perusteet

Taloustieteen perusteet 31A Opiskelijanumero Nimi (painokirjaimin) Allekirjoitus

Liitosesimerkki Tietokannan hallinta, kevät 2006, J.Li 1

Numeeriset menetelmät

Y56 Laskuharjoitukset 4 Palautus viim. ti klo (luennolla!) Opiskelijan nimi. Opiskelijanumero

Transkriptio:

L u e n t o Päätöksentekomenetelmät Luennon sisältö Hanna Virta / Liikkeenjohdon systeemit Johdanto päätöksentekoon Päätöksenteko eri tilanteissa Päätöspuut

Johdanto päätöksentekoon

Päätösongelmia löytyy joka paikasta Tuotantoratkaisut: millaisia tuotteita ja kuinka paljon valmistetaan? kysyntä? Sijoitusstrategiat: mikä sijoitusvaihtoehto on paras? sijoituksen arvo tulevaisuudessa? Luento alfa 3

Päätösongelmia löytyy joka paikasta Päästökauppa: vähennetäänkö päästöjä itse vai ostetaanko päästöoikeuksia? päästöoikeuksien hinta? tulevat päästörajoitukset? Opiskelijan ongelmia: kannattaako kouluttautuminen? keskitynkö opiskeluun vai hankinko samalla työkokemusta? työnsaanti tulevaisuudessa? Luento alfa 4

Päätöksentekotilanteen rakenne Päätöksentekijä Erilaisia toimintavaihtoehtoja eli strategioita Päätöksentekijän epäröinti Ongelman ympäristö, asiantila vaikuttaa toimintavaihtoehtojen tuottamiin tuloksiin ei ole päätöksentekijän kontrolloitavissa Luento alfa 5

Päätöksenteko-ongelman ratkaiseminen Valitaan paras toimintavaihtoehto Tavoitteena yleensä nettotuoton maksimointi tai kustannusten minimointi jatkossa oletetaan, että tavoitteena on nettotuoton maksimointi (asiat ovat sovellettavissa myös kustannusten minimointiin) Luento alfa 6

Päätöksenteko eri tilanteissa

Lähtötiedot Sijoitusesimerkin perustiedot Sijoitussumma 10 000 Sijoitusjakso 1 v. Kaksi sijoitusvaihtoehtoa Hallinnointi- ym kustannukset Kolme talousnäkymää teollisuusosakkeet ja osakerahasto teollisuus 150, osakerahasto 100 korkeasuhdanne, tasainen kasvu, lama Sijoituksen arvo sijoitusjakson lopussa Sijoitusvaihtoehdot Asiantilat Korkeasuhdanne (x 1 ) Tasainen kasvu (x 2 ) Lama (x 3 ) p(x 1 ) p(x 2 ) p(x 3 ) Teollisuusosakkeet 12000 11000 9500 Osakerahasto 11400 10700 10100 Luento alfa 8

Valinta ja asiantila vaikuttavat tuottoihin Payoff-taulukko Sijoitusvaihtoehdot Asiantilat Korkeasuhdanne (x 1 ) Tasainen kasvu (x 2 ) Lama (x 3 ) p(x 1 ) p(x 2 ) p(x 3 ) Teollisuusosakkeet 1850 850-650 Osakerahasto 1300 600 0 12000 10000 150 = 1850

Kolmenlaisia päätöksentekotilanteita Päätöksenteko varmuuden vallitessa Päätöksenteko riskin vallitessa Päätöksenteko epävarmuuden vallitessa Luento alfa 10

Päätöksenteko varmuuden vallitessa Voi sattua vain yksi asiantilał ei epävarmuutta valitaan se toimintavaihtoehto, joka tuottaa parhaan tuloksen Jos tiedetään, että tulossa on korkeasuhdanne Päätösongelma: max(1850; 1300) = 1850 Ł sijoitetaan teollisuusosakkeisiin Payoff-taulukko Sijoitusvaihtoehdot Asiantilat Korkeasuhdanne Tasainen kasvu Lama 1 0 0 Teollisuusosakkeet 1850 850-650 Osakerahasto 1300 600 0 Luento alfa 11

Päätöksenteko riskin vallitessa Vähintään kaksi mahdollista asiantilaa sijoitusesimerkissä kolme mahdollista asiantilaa - korkeasuhdanne - tasainen kasvu - lama Asiantilojen todennäköisyydet tunnetaan korkeasuhdanteen todennäköisyys 0,3 tasaisen kasvun todennäköisyys 0,3 laman todennäköisyys 0,4 Päätöksenteossa voidaan käyttää odotusarvokriteeriä paras vaihtoehto: suurin nettotuoton odotusarvo Luento alfa 12

Päätöksenteko riskin vallitessa: odotusarvo EV = E N ( x) = x p( ) i= 1 i x i Mikä on toimintavaihtoehdon keskimääräinen nettotuotto tai kustannus pitkällä aikavälillä? Esim. teollisuusosakkeiden tuotto-odotus: 1850 x 0,3 + 850 x 0,3 + (-650) x 0,4 = 550 tuotto jos korkeasuhdanne tuotto jos tasainen kasvu tuotto jos lama p(korkeasuhdanne) p(tasainen kasvu) p(lama) Luento alfa 13

Päätöksenteko riskin vallitessa Päätösongelma: max(550; 570) = 570 Ł sijoitetaan osakerahastoon Payoff-taulukko Korkeasuhdanne Teollisuusosakkeet Osakerahasto Sijoitusvaihtoehdot Asiantilat Tasainen kasvu Lama 0,3 0,3 0,4 Tuoton odotusarvo 1850 850-650 550 1300 600 0 570

Täydellisen informaation arvo Kuinka paljon päätöksentekijän kannattaa maksaa tiedosta, joka kertoo varmuudella, mikä asiantila toteutuu? Sovellusalue: päätöksenteko riskin vallitessa 1. Lasketaan tuoton odotusarvo annetuilla todennäköisyyksillä: EV imperfect 2. Lasketaan tuoton odotusarvo, kun tiedetään, mikä asiantila tapahtuu: EV perfect 3. Täydellisen informaation arvo: EV perfect - EV imperfect Luento alfa 15

Täydellisen informaation arvo: esimerkki EV imperfect = max(550; 570) = 570 EV perfect = 1850 x 0,3 + 850 x 0,3 + 0 x 0,4 = 810 Täydellisen informaation arvo: EV perfect - EV imperfect = 810 570 = 240 Payoff-taulukko Korkeasuhdanne Teollisuusosakkeet Osakerahasto Sijoitusvaihtoehdot Asiantilat Tasainen kasvu Lama 0,3 0,3 0,4 Odotusarvo 1850 850-650 550 1300 600 0 570

Päätöksenteko epävarmuuden vallitessa Vähintään kaksi mahdollista asiantilaa sijoitusesimerkissä kolme mahdollista asiantilaa - korkeasuhdanne - tasainen kasvu - lama Vähintään kahden asiantilan todennäköisyyksiä ei tunneta korkeasuhdanteen todennäköisyys? tasaisen kasvun todennäköisyys? laman todennäköisyys? Päätöksenteossa käytettävä kuitenkin jotain kriteeriä Luento alfa 17

Päätöksenteon kriteereitä Pessimistin kriteeri eli maximin-kriteeri Optimistin kriteeri eli maximax-kriteeri Laplacen kriteeri Harmin minimointi -kriteeri (minimax) Luento alfa 18

Pessimistin kriteeri eli maximin Pessimistin oletus: luonto on aina pahansuopa asiantiloista toteutuu aina tehdyn päätöksen kannalta huonoin vaihtoehto Valitaan toimintavaihtoehto, jonka huonoin mahdollinen tulos on mahdollisimman hyvä (maximin) Hyvä kriteeri, jos ei ole varaa olla väärässä Luento alfa 19

Pessimistin kriteeri eli maximin: esimerkki Päätösongelma: max(min(1850; 850; -650); min(1300; 600; 0)) = max(-650 ; 0) = 0 Ł sijoitetaan osakerahastoon Payoff-taulukko Korkeasuhdanne Teollisuusosakkeet Osakerahasto Minimituotto Asiantilat Tasainen kasvu Lama??? Sijoitusvaihtoehdot 1850 850-650 -650 1300 600 0 0

Pessimistin kriteeri eli maximin: kritiikkiä Pessimistin lähtöoletus epärealistinen lähtöoletus: asiantiloista toteutuu aina tehdyn päätöksen kannalta huonoin vaihtoehto Saatavissa olevasta informaatiosta käytetään vain pieni osa (vrt. payoff-taulukko) Valituksi tulleen vaihtoehdon järkevyys joissakin tapauksissa kyseenalainen Vaihtoehdot Asiantilat Minimituotto N 1 N 2 N 3 S 1 25 3-1 -1 S 2 20 10 0 0 S 3 4 4 4 4

Optimistin kriteeri eli maximax Optimistin oletus: asiat kääntyvät aina parhain päin asiantiloista toteutuu aina tehdyn päätöksen kannalta paras vaihtoehto Valitaan toimintavaihtoehto, jonka paras mahdollinen tulos on mahdollisimman hyvä (maximax) Hyvä kriteeri, jos tavoitellaan mahdollisimman suurta voittoa eikä ole katastrofi, jos voittoa ei tule Luento alfa 22

Optimistin kriteeri eli maximax: esimerkki Päätösongelma: max(max(1850; 850; -650); max(1300; 600; 0)) = max(1850 ; 1300) = 1850 Ł sijoitetaan teollisuusosakkeisiin Payoff-taulukko Korkeasuhdanne Teollisuusosakkeet Osakerahasto Maksimituotto Asiantilat Tasainen kasvu Lama??? Sijoitusvaihtoehdot 1850 850-650 1850 1300 600 0 1300

Optimistin kriteeri eli maximax: kritiikkiä Optimistin lähtöoletus epärealistinen lähtöoletus: asiantiloista toteutuu aina tehdyn päätöksen kannalta paras vaihtoehto Saatavissa olevasta informaatiosta käytetään vain pieni osa (vrt. payoff-taulukko). Valituksi tulleen vaihtoehdon järkevyys joissakin tapauksissa kyseenalainen Vaihtoehdot Asiantilat Maksimituotto N 1 N 2 N 3 S 1 25 3-1 25 S 2 20 10 0 20 S 3 4 4 4 4

Laplacen kriteeri Realistinen lähtöoletus koska asiantilojen sattumistodennäköisyyksiä ei tunneta, oletetaan, että kaikki asiantilat voivat sattua yhtä suurella todennäköisyydellä: p(x i ) = 1/N (N = asiantilojen lukumäärä) Valitaan toimintavaihtoehto, jonka odotusarvo on paras Luento alfa 25

Laplacen kriteeri: esimerkki Päätösongelma: max(683,33; 633,33) = 683,33 Ł sijoitetaan teollisuusosakkeisiin Payoff-taulukko Korkeasuhdanne Teollisuusosakkeet Osakerahasto Sijoitusvaihtoehdot Asiantilat Tasainen kasvu Lama 1/3 1/3 1/3 Tuoton odotusarvo 1850 850-650 683,33 1300 600 0 633,33

Harmin minimointi -kriteeri (minimax) Vasta jälkeenpäin tiedetään, mikä olisi ollut paras toimintavaihtoehto Päätöksentekijää harmittaa, jos hän valitsi jonkin muun kuin parhaan vaihtoehdon Oletus: harmin määrä on suoraan verrannollinen parhaan ja valitun vaihtoehdon tuottojen erotukseen Luento alfa 27

Harmin minimointi -kriteeri (minimax): esim. Payoff-taulukko Sijoitusvaihtoehdot Asiantilat Tasainen kasvu Lama Teollisuusosakkeet 1850 850-650 Osakerahasto 1300 600 0 Harmitaulukko (harmimatriisi) Sijoitusvaihtoehdot Asiantilat 1850 1300 = 550 Korkeasuhdanne Korkeasuhdanne Tasainen kasvu Lama Teollisuusosakkeet 0 0 650 Osakerahasto 550 250 0 Luento alfa 28

Harmin minimointi -kriteeri (minimax): esim. Päätösongelma: min(max(0; 0; 650); max(550; 250; 0)) = min(650; 550) = 550 Ł sijoitetaan osakerahastoon Payoff-taulukko Korkeasuhdanne Teollisuusosakkeet Osakerahasto Maksimiharmi Asiantilat Tasainen kasvu Lama Sijoitusvaihtoehdot 0 0 650 650 550 250 0 550

Paras kriteeri? Eri kriteereillä tehdyt valinnat voivat päätyä eri ratkaisuihin Parasta kriteeriä ei ole olemassa kriteerin valinta riippuu päätöstilanteesta ja päätöksentekijästä Luento alfa 30

Päätöspuut

Yleistä päätöspuista Graafinen apuväline Sovellusalue: päätöksenteko riskin vallitessa Analysointi perustuu useimmiten tuoton tai kustannusten odotusarvoon. Päätöspuiden käyttö on erityisen hyödyllistä, jos on analysoitava useita peräkkäisiä, toisiinsa liittyviä päätöksiä Luento alfa 32

Päätöspuun elementit päätössolmut lopetussolmut haarat sattumasolmut

Päätöspuun piirtäminen 1/5 1. Hahmota päätöstilanne Esimerkki: Sijoitusvaihtoehdot Asiantilat Korkeasuhdanne Tasainen kasvu Lama 0,3 0,3 0,4 Teollisuusosakkeet 1850 850-650 Osakerahasto 1300 600 0

Päätöspuun piirtäminen 2/5 2. Merkitse päätös- ja sattumatilanteet aikajärjestyksessä vasemmalta oikealle 1. Sijoituspäätös 2. Sattuma: taloussuhdanne Luento alfa 35

Päätöspuun piirtäminen 3/5 3. Merkitse sattumasolmujen haarojen todennäköisyydet esim. haarojen yläpuolelle Luento alfa 36

Päätöspuun piirtäminen 4/5 4. Merkitse haaroihin liittyvät kustannukset ja tuotot esim. haarojen alapuolelle Luento alfa 37

Päätöspuun piirtäminen 5/5 5. Laske jokaisen lopetussolmun kokonaistuotto/kustannus laske yhteen lopetussolmuun johtavien haarojen tuotot ja kustannukset Esim. -10100 + 10100 = 0 Luento alfa 38

Päätöspuun ratkaiseminen 1/4 1. Laske solmujen odotusarvot lopusta alkuun lopetussolmut: solmun odotusarvo = haaran tuotto/kustannus Luento alfa 39

Päätöspuun ratkaiseminen 2/4 sattumasolmut: solmun odotusarvo lasketaan odotusarvon kaavalla. esimerkki: 1850 x 0,3 + 850 x 0,3 + (-650) x 0,4 = 550 Luento alfa 40

Päätöspuun ratkaiseminen 3/4 päätössolmut: solmun odotusarvo = parhaan haaran odotusarvo esimerkki: maksimoidaan nettotuottoja: max(550, 570) = 570 Luento alfa 41

Päätöspuun ratkaiseminen 4/4 2. Analysoi optimaalinen toimintastrategia esimerkki: sijoitetaan osakerahastoon, tuotto-odotus 570 Luento alfa 42

Luento alfa 43