Bài giảng Khoa học quản lý ứng dụng - Chương 2: Phân tích ra quyết định - Huỳnh Đỗ Bảo Châu

Nội dung text: Bài giảng Khoa học quản lý ứng dụng - Chương 2: Phân tích ra quyết định - Huỳnh Đỗ Bảo Châu

1. 2/12/2017 TRƯỜNG ĐẠI HỌC NGÂN HÀNG TP.HCM Mục tiêu bài học KHOA HỆ THỐNG THÔNG TIN QUẢN LÝ  Trình bày các thành phầncủaquyết định KHOA HỌC QUẢN LÝ ỨNG DỤNG  Chọnlựa đượcquyết định trong các tình huống không xác suất, có xác suất, có thông tin bổ sung CHƯƠNG 2 PHÂN TÍCH RA QUYẾT ĐỊNH GV. ThS. Huỳnh Đỗ Bảo Châu 1 2 GV. Huỳnh Đỗ Bảo Châu Nội dung chính  Giớithiệulýthuyếtraquyết định  Các mô hình ra quyết định  Ra quyết định vớixácsuất  Ra quyết định với thông tin bổ sung  Ra quyết định không xác suất 1. Giới thiệu lý thuyết ra quyết định  Cây quyết định 3 GV. Huỳnh Đỗ Bảo Châu 4 GV. Huỳnh Đỗ Bảo Châu GV. ThS. Huỳnh Đỗ Bảo Châu 1
2. 2/12/2017 Giới thiệu Các bước ra quyết định  Lý thuyếtraquyết định là phương pháp phân tích có B1. Xác định rõ vấn đề cầngiảiquyết. tính hệ thống dùng để nghiên cứuviệctạoracác B2. LiệtkêmọiPAcóthể chọn. quyết định.  Để quyết định tốtcầndựatrên: B3. Xác định các tình huống/trạng thái có thể xảyra.  Lý luận B4. Xác định mọilợiích/chiphí/thiệthạiphátsinh  Tấtcả số liệucósẵn củatừng PA ứng vớimỗitìnhhuống.  Tấtcả giảiphápcóthể B5. Xác định mộtmôhìnhtoánhọc trong PPĐLvà  Phương pháp định lượng môi trường RQĐ phù hợp để tìm lờigiải. B6. Áp dụng mô hình tìm lờigiảivàRQĐ. 5 GV. Huỳnh Đỗ Bảo Châu 6 GV. Huỳnh Đỗ Bảo Châu VD: Bài toán củaCôngtyxẻ gỗ Thompson Các môi trường (điều kiện) ra quyết định 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. • Điều kiện chắc chắn. 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 • Điều kiện rủi ro B4. Ước tính các lợi ích (chi phí) phát sinh khi chọn PA ứng với mỗi tình huống. – Biết xác suất xảy ra tình huống. Trạng thái Phương án – Biết thông tin bổ sung. Thị trường tốtThị trường xấu Nhà máy lớn 200.000 -180.000 Nhà máy nhỏ 100.000 -20.000 • Điều kiện không chắc chắn. Không sảnxuất 00 B5. và B6. Xác định mô hình toán để giải, tìm lời giải và RQĐ. 7 GV. Huỳnh Đỗ Bảo Châu 8 GV. Huỳnh Đỗ Bảo Châu GV. ThS. Huỳnh Đỗ Bảo Châu 2
3. 2/12/2017 Phương pháp  Làm cực đạigiátrị kỳ vọng đượctínhbằng tiềnEMV (Expected Moneytary Value)  Làm cựctiểu thiệthạicơ hộikỳ vọng EOL (Expected Opportunity Loss) 2. Các mô hình ra quyết định ĐIỀU KIỆN RỦI RO 9 GV. Huỳnh Đỗ Bảo Châu 10 GV. Huỳnh Đỗ Bảo Châu MÔ HÌNH MAX EMV(i) MÔ HÌNH MAX EMV(i)  Kết quả của mô hình: Chọn phương án (i) có giá trị kỳ  Ví dụ minh họa: Bài toán của Công ty xẻ gỗ Thompson (tt) vọng tính bằng tiền EMV(i) là lớn nhất. T.Trường tốt T.Trường xấu EMV  Công thức: Nhà máy lớn 200.000 -180.000 Nhà máy nhỏ 100.000 -20.000 Không sản xuất 00 P(Sj)0.50.5 • : xác suất để trạng thái j xuất hiện • : lợi nhuận / chi phí của p/án I tương ứng trạng thái j • ∈ 1, ; ∈ 1, 11 GV. Huỳnh Đỗ Bảo Châu 12 GV. Huỳnh Đỗ Bảo Châu GV. ThS. Huỳnh Đỗ Bảo Châu 3
4. 2/12/2017 MÔ HÌNH MAX EMV(i) MÔ HÌNH MIN EOL(i)  Bài giảivídụ: Bài toán củaCôngty xẻ gỗ Thompson (tt)  Kết quả của mô hình: Chọn phương án (i) có thiệt hại T.Trường tốt T.Trường xấu EMV cơ hội kỳ vọng EOL(i) là nhỏ nhất. Nhà máy lớn  Công thức: 200.000 -180.000 =0.5*200000+0.5*(-180.000) (i=1)  Thiệt hại cơ hội OL (Opportunity Loss): Nhà máy nhỏ max 100.000 -20.000 =0.5*100000+0.5*(-20000) ∈, (i=2)  Thiệt hại cơ hội kỳ vọng: Không sản xuất 0 0 =0.5*0+0.5*0 (i=3) P(Sj) 0.5 0.5  Ra quyết định • : xác suất để trạng thái j xuất hiện  EMV(i) >0 Phương án có lợi • : lợi nhuận / chi phí của p/án I tương ứng trạng thái j  Max EMV(i) = EMV(i=2_ = 40.000 $ Quymônhàmáynhỏ • ∈ 1, ; ∈ 1, 13 GV. Huỳnh Đỗ Bảo Châu 14 GV. Huỳnh Đỗ Bảo Châu MÔ HÌNH MIN EOL(i) MÔ HÌNH MIN EOL(i)  Ví dụ minh họa: Bài toán củaCôngty xẻ gỗ Thompson (tt)  Bài giảivídụ: Bài toán củaCôngty xẻ gỗ Thompson (tt) T.Trường tốt T.Trường xấu EOL T.Trường Nhà máy lớn 200.000 -180.000 T.Trường tốt EOL xấu Nhà máy nhỏ 100.000 -20.000 Nhà máy lớn OL = 0 OL = 180.000 =0.5*0+0.5*180000 = 90.000 Không sản xuất 00 (i=1) P(S )0.50.5 Nhà máy nhỏ j OL =100.000 OL = 20.000 =0.5*100000+0.5*20000 = 60000 (i=2)  OL11 = 200000 – 200000 = 0 $ Không sản xuất OL = 200.000 OL = 0 =0.5*20000+0.5*0 = 100000  OL12 = 0 – (-180000) = 180000 $ (i=3)  OL21 = 200000 – (-180000) = 100000 $ P(Sj) 0.5 0.5  OL22 = 0 – (- 20000) = 20000 $  OL31 = 200000 – 0 = 200000 $  Min EOL(i) = 60.000 $ Chọn nhà máy quy mô nhỏ  OL32 = 0 – 0 = 0 $ 15 GV. Huỳnh Đỗ Bảo Châu 16 GV. Huỳnh Đỗ Bảo Châu GV. ThS. Huỳnh Đỗ Bảo Châu 4
5. 2/12/2017 MÔ HÌNH EVPI (Expected Value of Perfect Information) MÔ HÌNH EVPI  Mô hình đượcdùngđể chuyển đổitừ điềukiệnrủi  Ví dụ minh họa: Bài toán của Công ty xẻ gỗ Thompson (tt) ro sang điềukiệnchắcchắn EVPI là giá trị Giả sử 1 công ty tư vấn đề nghị cung cấp thông tin thị trường tốt hay phảitrảđểmua thông tin. xấu với giá 65.000$. Hỏi: Giá mua thông tin là đắt hay rẻ ? Phải mua giá nào mới hợp lý ?  Công thức:  EVWPI: tổng giá trị thu lạinếubiết thông tin hoàn hảo T.Trường tốt T.Trường xấu EMV trướckhiraquyết định, ta sẽ có: Nhà máy lớn 200.000 -180.000 Nhà máy nhỏ 100.000 -20.000 Không sản xuất 00 P(Sj)0.50.5  EVPI (giá trị kỳ vọng củathôngtinhoànhảo) : là sự gia tăng giá trị có được khi mua thông tin. 17 GV. Huỳnh Đỗ Bảo Châu 18 GV. Huỳnh Đỗ Bảo Châu MÔ HÌNH EVPI  Bài giảivídụ: Bài toán củaCôngtyxẻ gỗ Thompson (tt) Nếu có thông tin hoàn hảotrướckhiquyết định thì: EVWPI = 0.5*200000 + 0.5*0 = 100000 $ Giá trị tối đa để mua thông tin là: EVPI = 100000 – 40000 = 60000 $ 2. Các mô hình ra quyết định Giá chào bán củathôngtinlà65000$làđắthơn ĐIỀU KIỆN KHÔNG CHẮC CHẮN mứccóthể mua của doanh nghiệp. Giá mua thông tin hợplýtối đa là 60000 $ 19 GV. Huỳnh Đỗ Bảo Châu 20 GV. Huỳnh Đỗ Bảo Châu GV. ThS. Huỳnh Đỗ Bảo Châu 5
6. 2/12/2017 Mô hình Maximax Mô hình Maximax  Kết quả của mô hình: Tìm phương án (i) ứng với max  Bài giảivídụ: Bài toán củaCôngty xẻ gỗ Thompson (tt) của max (là giá trị lớn nhất trong bảng quyết định)  Công thức: T.Trường tốt T.Trường xấu maxmax Nhà máy lớn 200.000 (max) -180.000  Ví dụ minh họa: Bài toán của Công ty xẻ gỗ Thompson (tt) Nhà máy nhỏ 100.000 (max) -20.000 T.Trường tốt T.Trường xấu Nhà máy lớn 200.000 -180.000 Không sản xuất 0 (max) 0 Nhà máy nhỏ 100.000 -20.000 Không sản xuất 00  Max (200.000, 100.000, 0) = 200.000 Chọn quy mô nhà máy lớn 21 GV. Huỳnh Đỗ Bảo Châu 22 GV. Huỳnh Đỗ Bảo Châu Mô hình Maximin Mô hình Maximin  Kếtquả của mô hình: Tìm phương án (i) ứng với max  Bài giảivídụ: Bài toán củaCôngty xẻ gỗ Thompson (tt) của min (là giá trị lớnnhấtcủacácgiátrị nhỏ nhất trong bảng quyết định) T.Trường tốt T.Trường xấu  Công thức: Nhà máy lớn 200.000 -180.000 (min) maxmin Nhà máy nhỏ 100.000 -20.000 (min)  Ví dụ minh họa: Bài toán củaCôngty xẻ gỗ Thompson (tt) Không sản xuất 0 (min) 0 T.Trường tốt T.Trường xấu Nhà máy lớn 200.000 -180.000  Max (-180.000, -20.000, 0) = 0 Nhà máy nhỏ 100.000 -20.000 Không sản xuất 00 Chọnphương án không sảnxuất 23 GV. Huỳnh Đỗ Bảo Châu 24 GV. Huỳnh Đỗ Bảo Châu GV. ThS. Huỳnh Đỗ Bảo Châu 6
7. 2/12/2017 Mô hình Minimax Mô hình MINIMAX  Kết quả của mô hình: Tìm phương án (i) ứng với công  Bài giảivídụ: Bài toán củaCôngty xẻ gỗ Thompson (tt) thức sau  Tính OLij min max  OL11 = 200000 – 200000 = 0 $ với thiệt hại cơ hội của phương án i ứng với trạng thái j  OL12 = 0 – (-180000) = 180000 $ max  OL21 = 200000 – (-180000) = 100000 $ ∈,  OL22 = 0 – (- 20000) = 20000 $  Ví dụ minh họa: Bài toán của Công ty xẻ gỗ Thompson (tt)  OL31 = 200000 – 0 = 200000 $ T.Trường tốt T.Trường xấu  OL32 = 0 – 0 = 0 $ Nhà máy lớn 200.000 -180.000 Nhà máy nhỏ 100.000 -20.000 Không sản xuất 00 25 GV. Huỳnh Đỗ Bảo Châu 26 GV. Huỳnh Đỗ Bảo Châu Mô hình MINIMAX Mô hình Hurwicz – trung bình có trọng số  Bài giảivídụ: Bài toán củaCôngty xẻ gỗ Thompson (tt)  Mô hình chọn 1 hệ số ∈ 0,1 T.Trường tốt T.Trường xấu  Chọn phương án (i) ứng với sao cho: OL = 180.000 max max 1 min Nhà máy lớn (i=1) OL = 0 (max)  max : giá trị lớn nhất hàng thứ i OL =100.000 Nhà máy nhỏ (i=2) OL = 20.000  min : giá trị nhỏ nhất hàng thứ i (max) OL = 200.000  Ví dụ minh họa: Bài toán của Công ty xẻ gỗ Thompson (tt) Không sản xuất (i=3) OL = 0 (max) T.Trường tốt T.Trường xấu Nhà máy lớn 200.000 -180.000  Min (180.000, 100.000, 200.000) = 100.000 Nhà máy nhỏ 100.000 -20.000 Chọn quy mô nhà máy nhỏ Không sản xuất 00 27 GV. Huỳnh Đỗ Bảo Châu 28 GV. Huỳnh Đỗ Bảo Châu GV. ThS. Huỳnh Đỗ Bảo Châu 7
8. 2/12/2017 Mô hình Hurwicz Mô hình đồng đều ngẫu nhiên (Equally likely)  Bài giảivídụ: Bài toán củaCôngty xẻ gỗ Thompson (tt)  Mô hình xem mọitrạng thái có xác suấtxuấthiệnbằng nhau, và tìm phương án (i) ứng với công thức: Chọn α = 0.8 ∑ T.Trường T.Trường Giá trị có trọng số max tốt xấu ố ạ á Nhà máy lớn 200.000 -180.000 =0.8*200000 + 0.2*(-180000)  Ví dụ minh họa: Bài toán củaCôngtyxẻ gỗ Thompson (tt) Nhà máy nhỏ 100.000 -20.000 =0.8*100000 + 0.2*(-20000) T.Trường tốt T.Trường xấu Nhà máy lớn 200.000 -180.000 Không sản xuất 0 0 =0.8*0 + 0.2*0 Nhà máy nhỏ 100.000 -20.000 Max (124.000, 76.000, 0) = 124.000 $ Không sản xuất 00 Chọn quy mô nhà máy lớn 29 GV. Huỳnh Đỗ Bảo Châu 30 GV. Huỳnh Đỗ Bảo Châu Mô hình ĐỒNG ĐỀU NGẪU NHIÊN  Bài giảivídụ: Bài toán củaCôngty xẻ gỗ Thompson (tt) T.Trường T.Trường Giá trị trung bình tốt xấu 200000 180000 Nhà máy lớn 200.000 -180.000 2 100000 20000 3. Cây quyết định Nhà máy nhỏ 100.000 -20.000 2 00 Không sản xuất 00 2  Max (10.000, 40.000, 0) = 40.000 Chọn quy mô nhà máy nhỏ 31 GV. Huỳnh Đỗ Bảo Châu 32 GV. Huỳnh Đỗ Bảo Châu GV. ThS. Huỳnh Đỗ Bảo Châu 8
9. 2/12/2017 Khi nào cần dùng Cây quyết định (Decision Tree) ? Quy ướckýhiệubiểudiễn Cây quyết định  Nút quyết định (decision node):  Nút trạng thái (states of nature node): Thăm dò thị trường Không thăm dò  Quyết định/phương án: vẽ bằng 1 đoạnthẳng từ nút quyết định nút TD cho là tốt TD cholàxấu trạng thái. TT tốt TT xấu TT tốt TT xấu TT tốt TT xấu  Trạng thái: vẽ bằng 1 đoạnnốitừ nút trạng thái nút quyết định, hoặc1đường xuấtpháttừ nút trạng thái Nhà máy lớn 200 -180  Trạng thái ứng vớiquyết định / phương án đượcvẽ tiếpsauphương án Nhà máy nhỏ 100 -20 đó, bắt đầutừ 1 nút trạng thái. TTtốt Không sản xuất 0 0 Nhà máy lớn TT xấu Cây quyết định sử dụng khi có các hoạt động VD: Bài toán Công ty gỗ Thompson Nhà máy nhỏ trung gian trướckhichọnlựaphương án Không làm gì 33 GV. Huỳnh Đỗ Bảo Châu 34 GV. Huỳnh Đỗ Bảo Châu Ví dụ minh họa: Phân tích bài toán theo cây quyết định Bài toán củaCôngtyxẻ gỗ Thompson (tt)  B1. Xác định vấn đề. TT tốt (0.5)  B2. Vẽ cây QĐ (xác định phương án, trạng thái). 10.000 200.000  B3. Gán xác suấtchotrạng thái. Nhà máy lớn TT xấu (0.5)  B4. Ướctínhlợinhuận, chi phí cho phương án vớitình - 180.000 huống kèm theo. 40.000 TT tốt (0.5) 100.000 Nhà máy nhỏ  B5. Dùng phương pháp Max EMV(i), để tìm phương án bằng cách tính EMV tạimỗi nút, tìm nhánh có Max TT xấu (0.5) -20.000 EMV. 0 Không làm gì 35 GV. Huỳnh Đỗ Bảo Châu 36 GV. Huỳnh Đỗ Bảo Châu GV. ThS. Huỳnh Đỗ Bảo Châu 9
10. 2/12/2017 Cây quyết định có nhiều nút quyết định Xác suấtcủa các nút trạng thái VD: QĐ có nên thămdòthị trường trướckhichọnphương án xây nhà  Xác suấtcủacáctrạng thái là xác suấtcóđiềukiện. máy không ? Biếtchiphíthăm dò là 10.000, và thông tin từ việc  Có thể tìm ra xác suấtbằng cách: thămdònàycóthể giúp ra quyết định chọnphương án,  Ướclượng của1 nhàquảnlýcókinhnghiệm, dựavào Thăm dò thị trường Không thăm dò trựcgiác. TD tốtTDxấu  Suy ra từ dữ liệuquákhứ TT tốt TT xấu TT tốt TT xấu TT tốt TT xấu  Tính toán từ dữ liệucósẵnbằng cách áp dụng định lý Nhà máy lớn 190 -190 190 -190 200 -180 Bayes về xác suấtcóđiềukiện:  Định lý Bayes: Nhà máy nhỏ 90 -30 90 -30 100 -20 / Không sản xuất -10 -10 -10 -10 0 0 / ∑ / Đơn vị tính: 1000  Xác suấtcóđiềukiện: ∩ ⁄ ⁄ 37 GV. Huỳnh Đỗ Bảo Châu 38 GV. Huỳnh Đỗ Bảo Châu CấpQĐ 1CấpQĐ 2 Chọngiảiphápvới cây quyết định nhiều nút  Vẽ cây quyết định  Tính xác suấttại các nút trạng thái  Tính EMV(i) tạimỗi nút i và chọnEMV lớnnhất  Kếtluận Vẽ Cây quyết định 39 GV. Huỳnh Đỗ Bảo Châu 40 GV. Huỳnh Đỗ BảoChâu GV. ThS. Huỳnh Đỗ Bảo Châu 10
11. 2/12/2017 Tính xác suấtcácnúttrạng thái Tính xác suấtcácnúttrạng thái  NếukhôngTDthị trường, dựa vào kinh nghiệmquá  Ta có bảng xác suấtcủakếtquả thămdònhư sau: khứ,tacó:P(TTTốt) = P (TT Xấu) = 0.5 Kết quả Thị trường thật  Giả sử khi tiếnhànhthămdòthị trường: thăm dò TT tốt TT xấu  Trong trường hợpthị trường thựcsự là TỐT, t h ì c ó k h ả năng TD Tốt P (TD Tốt/TT Tốt) = 0.7 P (TD Tốt/TT Xấu) = 0.2 70% cuộcthămdòchokếtquảĐúng, 30% là kếtquả Sai. TD Xấu P (TD Xấu/TT Tốt) = 0.3 P (TD Xấu/TT Xấu) = 0.8 P (TD Tốt/TT Tốt) = 0.7  Tính các xác suấtcóđiềukiệntheođịnh lý Bayes: P (TD Xấu/TT Tốt) = 0.3 P (TT Tốt/TD Tốt)  Trong trường hợpthị trường thựcsự là XẤU, thì có khả năng P (TD Tốt/TT Tốt) P (TT Tốt) = 80% cuộcthămdòchokếtquảĐúng, 20% là kếtquả Sai P (TD Tốt/TT Tốt) P (TT Tốt) P (TD Tốt/TT Xấu) P (TT Xấu) 0.7 0.5 0.35 P (TD Tốt/TT Xấu) = 0.2 0.78 0.7 0.5 0.2 0.5 0.45 P (TD Xấu/TT Xấu) = 0.8 41 GV. Huỳnh Đỗ Bảo Châu 42 GV. Huỳnh Đỗ Bảo Châu Tính xác suấtcácnúttrạng thái Tính xác suấtcácnúttrạng thái P (TT Xấu/TD Tốt) P (TD Tốt) P (TD Tốt/TT Xấu) P (TT Xấu) = = P (TD Tốt/TT Tốt) * P (TT Tốt)+ P (TD Tốt/TT Xấu) * P (TT Xấu) P (TD Tốt/TT Tốt) P (TT Tốt) P (TD Tốt/TT Xấu) P (TT Xấu) 0.2 0.5 0.10 = 0.7 * 0.5 + 0.2 * 0.5 = 0.45 0.22 0.7 0.5 0.2 0.5 0.45 P (TD Xấu) P (TT Tốt/TD Xấu) P (TD Xấu/TT Tốt) P (TT Tốt) = P (TD Xấu/Tốt) * P (TT Tốt)+ P (TD Xấu/TT Xấu) * P (TT Xấu) = P (TD Xấu/TT Tốt) P (TT Tốt) P (TD Xấu/TT Xấu) P (TT Xấu) = 0.3 * 0.5 + 0.8 * 0.5 = 0.55 0.3 0.5 0.15 0.27 0.3 0.5 0.8 0.5 0.55 P (TT Xấu/TD Xấu) P (TD Xấu/TT Xấu) P (TT Xấu) = P (TD Xấu/TT Tốt) P (TT Tốt) P (TD Xấu/TT Xấu) P (TT Xấu) 0.8 0.5 0.40 0.73 0.3 0.5 0.8 0.5 0.55 43 GV. Huỳnh Đỗ Bảo Châu 44 GV. Huỳnh Đỗ Bảo Châu GV. ThS. Huỳnh Đỗ Bảo Châu 11
12. 2/12/2017 Tính EMV(i) tạimỗinúti Tính EMV(i) tạimỗinúti  Trường hợpkếtquả thămdòlàTỐT. K h i đóta có:  Trường hợpkếtquả thămdòlàXẤU. Khi đóta có: EMV (2) = EMV (NM Lớn/ TD Tốt) EMV (4) = EMV (NM Lớn/ TD Xấu) = 0.78 * 190000 + 0.22 * (-190000) = 106400 $ = 0.27 * 190000 + 0.73 * (-190000) = -87400 $ EMV (3) = EMV (NM Nhỏ / TD Tốt) EMV (5) = EMV (NM Nhỏ / TD Xấu) = 0.78 * 90000 + 0.22 * (-30000) = 63500 $ = 0.27 * 90000 + 0.73 * (-30000) = 2400 $ EMV (0) = -10000 $ EMV (0) = -10000 $ Kếtluận: Chọn MAX EMV = EMV (2) Nếukếtquả Kếtluận: Chọn MAX EMV = EMV (5) Nếukếtquả thămdòthị trường là TỐT thì ta chọnphương án xây thămdòthị trường là XẤU thì ta chọnphương án xây nhà máy lớn. nhà máy nhỏ. 45 GV. Huỳnh Đỗ Bảo Châu 46 GV. Huỳnh Đỗ Bảo Châu Tính EMV(i) tạimỗinúti KẾT LUẬN  Trường hợpCÓ THĂM DÒ THỊ TRƯỜNG, ta có:  Chọnphương án CÓ THĂM DÒ THỊ TRƯỜNG EMV (1) = 0.45 * 106400 + 0.55 * 2400 = 49200 $  Dựavàokếtquả thămdòthị trường ta quyết định:  Nếukếtquả thămdòTỐT, t a c h ọnnhàmáylớn.  Trường hợp KHÔNGTHĂM DÒ THỊ TRƯỜNG, ta có: EMV (6) = 0.5 * 200000 + 0.5 * (-180000) = 10000 $ EMV (2) = 106400 $ EMV (7) = 0.5 * 100000 + 0.5 * (-20000) = 40000 $  Nếukếtquả thămdòXẤU, ta chọnnhàmáynhỏ. EMV (0) = 0 $ EMV (5) = 2400 $ Kếtluận: Nếukhôngthămdòthị trường ta chọn EMV (7)  MAX EMV củaquyết định = 49200 $ SO SÁNH 2 PHƯƠNG ÁN Ở NÚT QUYẾT ĐỊNH ĐẦU TIÊN GIỮA CÓ THĂM DÒ, KHÔNG THĂM DÒ, TA CÓ: EMV (thăm dò) = EMV (1) = 49200 $ EMV (không thăm dò) = EMV (7) = 40000 $ CHỌN MAX EMV CÓ THĂM DÒ THỊ TRƯỜNG 47 GV. Huỳnh Đỗ Bảo Châu 48 GV. Huỳnh Đỗ Bảo Châu GV. ThS. Huỳnh Đỗ Bảo Châu 12
13. 2/12/2017 Giá trị kỳ vọng của thông tin mẫu(EVSI) VÍ DỤ MINH HỌA  ???? Có nên mấttiền để thựchiệncácquyết định  Tiếp theo ví dụ trên, hỏinếuchiphícuộcthămdòthị trung gian hay không ? trường là 10000 $ thì có nên tiến hành hay không ? Chi phí tối đacóthể chấpnhậnbỏ ra để thămdòthị trường là  EVSI (Expected Value of Sample Information) bao nhiêu ? í Ta có: EMV = EMV (không thăm dò) = 40000 $ • :EMVkhithựchiệnquyết định trung gian N EMV =EMV(thămdòkhôngtốntiền) • :EMVkhikhôngthựchiệnquyết định trung gian Y =EMV(thămdòcótốntiền) + Chi phí thămdò • :Giátối đacóthể trảđểthựchiệncácquyết định = 49200 + 10000 = 59200 $ trung gian EVSI = 59200 – 40000 = 19200 $ > Chi phí 10000 $ Quyết định nên tiếnhànhthămdòvới chi phí 10000 $ Chi phí tốt đacóthể bỏ ra để thăm dò là 19200 $ 49 GV. Huỳnh Đỗ Bảo Châu 50 GV. Huỳnh Đỗ Bảo Châu HẾT CHƯƠNG 2 51 GV. Huỳnh Đỗ Bảo Châu GV. ThS. Huỳnh Đỗ Bảo Châu 13