1 / 23
文档名称:

决策树(DMT)分析:制定项目决策.doc

格式:doc   大小:2,157KB   页数:23页
下载后只包含 1 个 DOC 格式的文档,没有任何的图纸或源代码,查看文件列表

如果您已付费下载过本站文档,您可以点这里二次下载

分享

预览

决策树(DMT)分析:制定项目决策.doc

上传人:AIOPIO 2020/7/15 文件大小:2.11 MB

下载得到文件列表

决策树(DMT)分析:制定项目决策.doc

文档介绍

文档介绍:决策树(DMT)分析:?  当项目需要做出某种决策、选择某种解决方案或者确定是否存在某种风险时,决策树(decision making tree)提供了一种形象化的、基于数据分析和论证的科学方法,这种方法通过严密地逻辑推导和逐级逼近地数据计算,从决策点开始,按照所分析问题的各种发展的可能性不断产生分枝,并确定每个分支发生的可能性大小以及发生后导致的货币价值多少,计算出各分枝的损益期望值,然后根据期望值中最大者(如求极小,则为最小者)作为选择的依据,从而为确定项目、选择方案或分析风险做出理性而科学的决策。 ?    决策树分析清楚显示出项目所有可供选择的行动方案,行动方案之间的关系,行动方案的后果,后果发生的概率,以及每种方案的损益期望值;§    使纷繁复杂的决策问题变得简单、明了,并且有理有据;§    用数据说话,形成科学的决策,避免单纯凭经验、凭想象而导致的决策上的失误。§ ? (1)决策树包含了决策点,通常用方格或方块表示,在该点表示决策者必须做出某种选择;机会点,用圆圈表示,通常表示有机会存在。先画一个方框作为出发点,叫做决策点; (2)从决策点向右引出若干条支线(树枝线),每条支线代表一个方案,叫做方案枝; (3)在每个方案枝的末端画一个圆圈,叫做状态点; (4)估计每个方案发生的概率,并把它注明在在该种方案的分支上,称为概率枝; (5)估计每个方案发生后产生的损益值,收益用正值表示,损失用负值表示; (6)计算每个方案的期望价值,期望价值=损益值x该方案的概率; (7)如果问题只需要一级决策,在概率枝末端画△表示终点,并写上各个自然状态的损益值; (8)如果是多级决策,则用决策点□代替终点△重复上述步骤继续画出决策树,如图1所示。(9)计算决策期望值,决策期望值=由此决策而发生的所有方案期望价值之和; (10)根据决策期望值做出决策。 决策树分析通常是一个方格,然后一个圆圈,然后若干分支图1 决策树 : 某承包商向某工程投标,计划采取两种策略:一种是投高标,,;另一种是投低标,。投标不中时,则损失投标准备费5万元。根据下表数据,用决策树做出决策。 方案效果可能获利概率(万元)-- 计算的结果表明, 高标:  500×+300×-100×=280万,280×-5×=52万; 低标: 350×+200×-150×=160万,160×-5×=; ,也就是上说若投高标,可能最多只能赚到52万,,故应采取低标策略。来源1、定义:蒙特卡洛(MonteCarlo)模拟是一种通过设定随机过程,反复生成时间序列,计算参数估计量和统计量,进而研究其分布特征的方法。2、基于计算机的蒙特卡洛模拟实现步骤:(1)对每一项活动,输入最小、最大和最可能估计数据(注意这里不是三点估算),并根据提出的问题构造或选择一个简单、适用的概率分布模型,使问题的解对应于该模型中随机变量的某些特征(如概率、均值和方差等),这些特征都可以通过模拟出的概率分布图得到。(2)根据模型中各个随机变量的分布,利用给定的某种规则,在计算机上快速实施充分大量的随机抽样。(3)对随机抽样的数据进行必要的数学计算,统计分析模拟试验结果,给出问题的概率解以及解的精度估计,即最小值、最大值以及数学期望值和单位标准偏差。(4)按照所建立的模型进行仿真试验、计算,求出问题的随机解。(5)根据求出的统计学处理数据,让计算机自动生成概率分布图,通常为正态分布图。(6)根据概率分布图读出所需信息,如某项目成本200万情况下的完工概率,或确保70%完工概率时需要的成本等。 3、基于EXCEL与CrystalBall的蒙特卡洛成本模拟过程实例:此主题相关图片如下: