Presentasjon lastes. Vennligst vent

Presentasjon lastes. Vennligst vent

Kap. 3: Beslutningsanalyse  Systematisk måte å analysere beslutningsproblemer  Hva er en god beslutning?  bruker logikk  tar hensyn til tilgjengelig.

Liknende presentasjoner


Presentasjon om: "Kap. 3: Beslutningsanalyse  Systematisk måte å analysere beslutningsproblemer  Hva er en god beslutning?  bruker logikk  tar hensyn til tilgjengelig."— Utskrift av presentasjonen:

1 Kap. 3: Beslutningsanalyse  Systematisk måte å analysere beslutningsproblemer  Hva er en god beslutning?  bruker logikk  tar hensyn til tilgjengelig informasjon  bruker kvantitativ metode

2 Seks trinn i analysen:  1. Definer problemet  2. List opp mulige handlingsalternativer  3. Identifiser mulige utfall  4. List payoff eller profitt for hver kombinasjon av utfall/beslutning  5. Velg en av beslutningsmodellene  6. Bruk modellen og treff en beslutning

3 Eksempel: Thompson Lumber  Problem – lansere nytt produkt  Handlingsalternativer  Bygge stor fabrikk  Bygge liten fabrikk  Ikke investere i det hele tatt  Utfall  Markedet blir gunstig  Markedet blir ugunstig  Pay off – sett opp pay off matrise

4 Pay off matrise - Thompson

5 Hvilken modell skal velges?  Modellvalg avhenger av beslutningssituasjon og risiko:  Beslutning med full sikkerhet, vi vet med 100 % sikkerhet hva utfallet blir  Beslutning med risiko – vi vet sannsynlig- hetsfordelingen for utfallene  Beslutning med usikkerhet – vi kjenner ikke til sannsynlighetsfordelingen

6 Beslutninger under risiko  I situasjoner med risiko kan vi beregne EMV - Expected Monetary Value (EMV) (forventet monetær verdi)  EMV = sum av (pay off ved hvert utfall • sannsynligheten for utfallet)  Anta at sannsynligheten for gunstig og ugunstig marked er 0,50/0,50  Hva er EMV for hvert handlingsalternativ?

7 EMV - Thompson EMV stor (200 000  0,5) + (-180 000  0,5) = 10 000 EMV liten (100 000  0,5) + (-20 000  0,5) = 40 000

8 Nøkkelbegrep: EVPI  Hva er det verdt for Thompson å få perfekt informasjon?  Markedsanalysebyrå kan finne ut om markedet blir gunstig eller ugunstig for en kostnad på 65 000 – men er det verdt beløpet?  EVPI = Expected Value of Perfect Information (Forventet verdi av perfekt informasjon)

9 Pass på begrepene:  EVPI = Expected Value of Perfect Information (forventet verdi av perfekt informasjon)  EVwPI = Expected Value with Perfect Information (forventet verdi med perfekt informasjon)  EVPI = EVwPI - Max EMV

10 EVwPI  EVwPI = sum av verdi ved beste beslutning for et gitt utfall • sannsynligheten for utfallet  Eksempel – hva er beste beslutning hvis markedet blir gunstig  Bygg stor fabrikk, payoff = 200 000  Hva hvis det blir ugunstig?  Ikke bygg i det hele tatt, payoff = 0  Hva er EVwPI og EVPI ?  EVwPI = (200 000 • 0,5) + (0 • 0,5) = 100 000  EVPI = 100 000 – 40 000 = 60 000

11 Opportunity loss  Alternativ til EVPI er EOL – Expected Opportunity Loss  Hva taper vi på ikke å treffe beste beslutning?

12 Sensitivitetsanalyse  Hva må sannsynligheten (P) for gunstig marked være, for at alternativene skal være likeverdige?  EMV stor = 200 000P – 180 000(1 – P)  EMV liten = 100 000P – 20 000(1 – P)  EMV ingen = 0P + 0(1 – P)

13 Beregning av P  Stor og liten like gode når  200 000P – 180 000(1 - P) = 100 000P – 20 000(1-P)  260 000P = 160 000  P = 0,62  Liten og ingen like gode når  100 000P – 20 000(1 – P) = 0  120 000P = 20 000  P = 1/6

14 Konklusjon sensitivet

15 Beslutning under usikkerhet  Beslutninger under usikkerhet  Maximax - finn alternativet som maksimerer utfallet for hvert alternativ  Maximin - finn alternativet som maksimerer minimum utfall for hvert alternativ  Equally Likely – beregn gjennomsnitt  Criterion of Realism – veid gjennomsnitt  Minimax – finn alternativet som minimerer maksimalt opportunity loss

16 Thompsons Maximax Utfall Gunsti g marked Ugunstig marked Maksimum i raden Handling Bygg stor fabrikk Bygg liten fabrikk Ikke bygg 200,000 100,000 0 -180,000 -20,000 0 200,000 100,000 0 maximax

17 Thompsons Maximin Utfall Gunsti g marked Ugunstig marked Minimum i raden Handling Bygg stor fabrikk Bygg liten fabrikk Ikke bygg 200,000 100,000 0 -180,000 -20,000 0 -180 000 - 20,000 0 maximin

18 Thompsons Equally Likely Utfall Gunsti g marked Ugunstig marked Gjennomsnitt i raden Handling Bygg stor fabrikk Bygg liten fabrikk Ikke bygg 200,000 100,000 0 -180,000 -20,000 0 10 000 40,000 0

19 Thompsons med Realisme Utfall Gunsti g marked Ugunstig marked Hurwics  = 0,8 Handling Bygg stor fabrikk Bygg liten fabrikk Ikke bygg 200,000 100,000 0 -180,000 -20,000 0 124 000 76,000 0

20 Thompsons Minimax Utfall Gunsti g marked Ugunstig marked Maksimum i raden Handling Bygg stor fabrikk Bygg liten fabrikk Ikke bygg 0 100,000 200 000 180,000 20,000 0 180 000 100 000 200 000 minimax

21 Beslutningstrær  Vi har hittil sett på beslutninger på et gitt tidspunkt  I praksis er det vanlig at en beslutning på ett tidspunkt er avhengig av hva som er bestemt tidligere – sekvensielle beslutninger  Sekvensielle beslutninger kan analyseres med beslutningstrær

22  Symboler i beslutningstrær:  Et beslutningspunkt hvor en eller annen beslutning må treffes l En naturtilstand hvor ett eller annet vil inntreffe Beslutningstrær

23 Problemanalyse med beslutningstrær  5 trinn:  1. Definer problemet  2. Tegn beslutningstreet  3. Sett sannsynligheter på naturtilstandene  4. Estimer payoffs for hver mulige kombinasjon av handlingsalternativ og naturtilstand  5. Løs problemet ved å beregne forventet monetær verdi (EMV) for hver naturtilstand

24 Thompsons beslutningstre Et beslutningspunkt Gunstig marked Ugunstig marked Gunstig marked Ugunstig marked 1 2 Bygg stor fabrikk Bygg stor fabrikk Gjør ingenting Et hendelsespunkt p = 0,5 200 000 -180 000 100 000 -20 000 0

25 Ny problemstilling  Thompson kan gjennomføre en markedsanalyse, som koster 10 000  Videre beslutninger avhenger av om markedsanalysen viser om markedet blir gunstig eller ugunstig  Sannsynlighet for at undersøkelse viser gunstig marked: 0,45  Sannsynlighet for at undersøkelse viser ugunstig marked: 0,55

26 Betingede sannsynligheter  Betingede sannsynligheter – sannsynlighet for om markedet faktisk blir gunstig eller ugunstig avhenger av hva markedsundersøkelsen viser  P(gunstig) = 0,78 hvis markedsundersøkelsen viser at markedet blir gunstig  P(ugunstig) = 0,22 hvis markedsundersøkelsen viser at markedet blir gunstig  P(gunstig) = 0,27 hvis markedsundersøkelsen viser at markedet blir ugunstig  P(ugunstig) = 0,73 hvis markedsundersøkelsen viser at markedet blir ugunstig

27 Markeds under- søkelse Ingen under- søkelse Markedet er ugunstig Markedet er gunstig 1 Gunstig marked (0.78) Ugunstig marked (0.22) Gunstig marked (0.78) Ugunstig marked (0.22) Ingen fabrikk 2 3 5 190,000 Stor fabrikk Liten fabrikk -190,000 90,000 -30,000 -10,000 Gunstig marked (0.27) Ugunstig marked (0.73) Gunstig marked (0.27) Ugunstig marked (0.73) Ingen fabrikk 4 Stor fabrikk Liten fabrikk Gunstig marked (0.50) Ugunstig marked (0.50) Gunstig marked (0.50) Ugunstig marked (0.50) Ingen fabrikk 6 7 Stor fabrikk Liten fabrikk Første beslutnings- punkt Andre beslutnings punkt Payoffs 49,200 106,400 63,500 -87,400 2,400 10,000 40,000 190,000 -190,000 90,000 -30,000 -10,000 200,000 -180,000 100,000 -20,000 49,200 106,400 40,000 2,400 0

28 EMV  EMV med markedsundersøkelse:  EMV (2) = 0,78(190 000) + 0,22(-190 000) = 106 400  EMV (3) = 0,78(90 000) + 0,22(-30 000) = 63 600  EMV (4) = 0,27(190 000) + 0,73(-190 000) = -87 400  EMV (5) = 0,27(90 000) + 0,73(-30 000) = 2 400  EMV (1) = 0,45(106 400) + 0,55(2 400) = 49 200  EMV uten markedsundersøkelse:  EMV (6) = 0,50(200 000) + 0,50(-180 000) = 10 000  EMV (7) = 0,50(100 000) + 0,50(-20 000) = 40 000  Konklusjon: Testen bør gjennomføres. Viser den gunstig marked, bygg stor, ellers bygg liten

29 EVSI  Hva er verdien av markedsanalysen?  EVSI = Expected Value of Sample Information  EVSI = (EMV med markedsundersøkelse, forutsatt av undersøkelsen er gratis, – EMV uten undersøkelse)  EVSI = 59 200 – 40 000 = 19 200

30 Nytteteori  EMV kriteriet forutsetter at aktørene er risikonøytrale, som ikke alltid er en korrekt beskrivelse av atferd  De fleste har risikoaversjon, det vil si motvilje mot risiko.  Vi må bruke nytteteori for å beskrive atferd. Aktører maksimerer nytte og ikke EMV  Vi gir beste utfall en nytte på 1  Vi gir verste utfall en nytte på 0  Vi legger opp et spill for å bestemme nytteverdier

31 Eksempel: Nytteteori $5,000,000 $0 $2,000,000 Aksepter tilbud Avvis tilbud Mynt (0.5) Krone (0.5) Anta at du får valget mellom $2,000,000 nå eller en mulighet til å vinne $5,000,000. Du får $5,000,000 hvis et myntkast gir krone og 0 ellers. Hva velger du?

32 Nytteteori Beste utfall Nytte = 1 Verste utfall Nytte = 0 Annet utfall Nytte = ?? (p)(p) (1-p) Alternativ 1 Alternativ 2

33 Nytteteori  Eksempel, du kan motta  Alternativ 1: Bank, som gir 5 000 helt sikkert, eller  Alternativ 2: Fast eiendom, enten 10 000 eller 0  Hva må sannsynligheten for å få 10 000 være, for at alternativene skal være likeverdige ?

34 0 U($0.00) = 0.0 Spill og nytte (P) (1 - P) Alternativ 1 p = 0.80 (1 - P) = 0.20 Alternativ 2 Fast eiendom Bank 5,000 U(5,000) = p = 0.80 10,000 U(10,000) = 1.0 Beste utfall Nytte = 1 Verste utfall Nytte = 0 Annet utfall Nytte = ?

35 Nyttekurve U(10,000) = 1.0 U(7,000) = 0.90 U(5,000) = 0.80 U(3,000) =0.50 U(0) = 0 Nytte 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 01,0003,0005,0007,00010,000 Pengeverdi

36 Holdning til risiko Penger Nyytte Risikonøytral Risikosøker Risikoaversjon

37 Hva velger du?

38 Hva velger du? Reflection effect

39 Reflection effekten

40 Must read…  Daniel Kahneman: Nobelpris 2002  Thinking Fast and Slow


Laste ned ppt "Kap. 3: Beslutningsanalyse  Systematisk måte å analysere beslutningsproblemer  Hva er en god beslutning?  bruker logikk  tar hensyn til tilgjengelig."

Liknende presentasjoner


Annonser fra Google