
- •Содержание
- •Рабочая программа
- •Краткие теоретические сведения
- •Математическая модель задачи принятия решения (зпр)
- •Примеры составления математических моделей
- •2. Зпр в условиях определенности
- •Графический метод решения
- •Симплексный метод
- •3. Принятие решения в условиях неопределенности
- •4. Принятие решения в условиях риска
- •5. Элементы теории игр
- •Матричная игра
- •Биматричная игра
- •Контрольные задания
- •Основная литература
- •Дополнительная литература
4. Принятие решения в условиях риска
Принятие решения в условиях риска характеризуется тем, что поведение среды имеет случайный характер, причем в этой случайности имеются закономерности стохастического типа.
Как известно из теории вероятностей, наиболее естественной числовой характеристикой случайной величины является ее математическое ожидание. Таким образом, в игре с природой ориентация на математическое ожидание выигрыша есть фактически ориентация на средний выигрыш, при многократном повторении этой игры. Однако при единичном испытании этот критерий должен быть трансформирован с учетом возможных отклонений случайной величины от ее среднего значения.
В
теории вероятностей в качестве меры
отклонения случайной величины от ее
среднего значения обычно берется
дисперсия или среднеквадратическое
отклонение. При этом среднеквадратическое
отклонение рассматривают как показатель
риска. Тем самым получаем задачу
двухкритериальной оптимизации, где в
качестве критериев выступают М и
.
Предпочтение альтернатив будем устанавливать по обобщенному критерию вида
q(М,
)
= М –
.
Пусть
)
– некоторое множество альтернатив,
каждая из которых характеризуется парой
показателей (
).
Зафиксируем какие-то две альтернативы
=
(
)
и
=
(
).
Находим: q(
)=
-
,
q(
)=
-
.
Возможны два случая:
а)
Альтернативы
сравнимы по Парето.
Пусть, например,
Par
.
Тогда
и
,
значит,
-
-
,
т.е. q(
)
q(
).
Таким образом, независимо от меры
несклонности принимающего решение к
риску, альтернатива
более
предпочтительна, чем альтернатива
.
б)
Альтернативы
несравнимы по Парето.
Пусть, например,
,
тогда
(т.е.
больший ожидаемый выигрыш здесь всегда
сопровождается большим риском). Условие
-
-
равносильно тому, что λ
.
Таким образом, в этом случае
,
если λ
,
,
если λ
.
Положим
=
min
{
}
– нижняя
граница
несклонности к риску,
=
max
{
}
– верхняя
граница
несклонности к риску.
На основании б) для человека не склонного к риску, получаем правило.
ПРАВИЛА: а) Если у принимающего решение его субъективный показатель несклонности к риску меньше нижней границы, то для него ранжирование множества Парето-оптимальных альтернатив по обобщенному критерию совпадает с ранжированием по показателю ожидаемого выигрыша (т.е. более предпочтительной будет альтернатива, для которой больше ожидаемый выигрыш).
б) Если у принимающего решение его субъективный показатель несклонности к риску больше верхней границы, то для него ранжирование множества Парето-оптимальных альтернатив по обобщенному критерию совпадает с ранжированием по показателю риска ( более предпочтительной будет та альтернатива, для которой меньше риск).
Пример. Фирма может выпускать продукцию одного из следующих шести видов: зонты(З), куртки(К), плащи(П), сумки(С), туфли (Т), шляпы(Ш). Глава фирмы должен принять решение, какой из этих видов продукции выпускать в течение предстоящего летнего сезона. Прибыль фирмы зависит от того, каким будет лето – дождливым, жарким или умеренным, и определяется по таблице. Выбор какого варианта производства будет оптимальным?
-
Д
Ж
У
З
80
60
40
К
70
40
80
П
70
50
60
С
50
50
70
Т
75
50
50
Ш
35
75
60
Предположим, что вероятность дождливого, жаркого и умеренного лета равна соответственно 0,2; 0,5; 0,3. Найдем ожидаемые выигрыши, соответствующие имеющимся альтернативам:
Мз=
80
Мк=
70
Мп=
70
Мс=
50
Мт=
75
Мш=
35
Тогда
используя формулу дисперсии
получим:
Dз=196; Dк=336; Dп=61; Dс=84; Dт=100; Dш=231,5.
Среднеквадратические отклонения рассматриваемых случайных величин таковы:
=
14;
18,3;
7,8;
9,2;
=
10;
=
15,2 .
Представим рассматриваемые альтернативы точками на координатной плоскости переменных (М, ), получим рисунок, из которого находим Парето-оптимальное множество {З,П,Ш}.
M
.
0
Оптимальное решение можно найти с помощью обобщенного критерия
q(М, ) = М – .
Получим: q(З) = 58-14λ, q(С) = 56-9,2λ, q(К) = 58-18,3 λ,
q(Т) = 55-10λ, q(П) = 57-7,8λ, q(Ш) = 62,5-15,2λ.
Найдем нижнюю и верхнюю границы меры несклонности к риску.
Имеем:
=
= 0,16;
=
3,8;
=
= 0,74.
Отсюда
= min
(0.16; 3,8; 0,74) = 0,16,
= mаx
(0.16; 3,8; 0,74) = 3,8.
Таким
образом, интервал (0,
)
разбивается на три интервала: (0;0,16) –
зона малой несклонности к риску (зона
малой осторожности); (3,8; +
)
– зона большой несклонности к риску
(зона большой осторожности); [0,16; 3,8] –
зона неопределенности.
Согласно правилу получаем:
Если для принимающего решение его мера несклонности к риску 0 λ 0,16, то для него ранжирование множества Парето-оптимальных альтернатив совпадает с их ранжированием по величине ожидаемого выигрыша: Ш
З≻П; при этом оптимальной будет альтернатива Ш;
Если для принимающего решение его мера несклонности к риску λ>3,8, то для него ранжирование множества Парето-оптимальных альтернатив совпадает с их ранжированием по показателю риска:
П З≻Ш; при этом оптимальной будет альтернатива П.
Рассмотрим
теперь случай, когда мера несклонности
принимающего решение к риску попадает
в зону неопределенности. Возьмем,
например, λ=2. Тогда : q(З)
= 58–14
, q(П)
= 57–7,8
, q(Ш)
= 62,5–15,2
=
32,1. Таким образом, в этом случае
предпочтение для пары (З,Ш) определяется
по величине ожидаемого выигрыша, а для
пары (П, Ш ) – по величине риска.
Ответ: При λ > 3,8 оптимальной будет альтернатива П; при 0 λ 0,16 – альтернатива Ш; в зоне неопределенности (например, λ=2) для пары (З,Ш) – альтернатива Ш, для пары (П,Ш) – альтернатива П.