badania operacyjne
DESCRIPTION
Badania operacyjne. Wykład 8. Wadliwy produkt – przypomnienie. Jednoczynnikowa analiza wrażliwości. Jak optymalne rozwiązanie zależy od prawdopodobieństwa tego, że skala problemu jest duża? wpływ na oczekiwaną stratę wpływ na optymalność wariantów Rozwiązanie: w praktyce – oprogramowanie - PowerPoint PPT PresentationTRANSCRIPT
Badania operacyjne
Wykład 8
2
Wadliwy produkt – przypomnienie
3
• Jak optymalne rozwiązanie zależy od prawdopodobieństwa tego, że skala problemu jest duża?– wpływ na oczekiwaną stratę– wpływ na optymalność wariantów
• Rozwiązanie:– w praktyce – oprogramowanie– teraz – analiza wypłat dla poszczególnych wariantów
• cztery warianty do analizy
Jednoczynnikowa analiza wrażliwości
4
• Oznaczmy Pr(duża skala)=x, (wyjściowo x=40%)
• Oczekiwana wartość poszczególnych wariantów:– EV(zignorować)=-150x– EV(upublicznić)=-100x-30(1-x)-1– EV(badać, upubliczniać)= 20%*(-150x-80(1-x)) + 80%*(-100x)-5– EV(badać, ignorować)= 20%*(-150x-80(1-x)) + 80%*(-150x)-5
• Po uproszczeniu kolejno:– -150x– -70x-31– -94x-21– -134x-21
• Łatwe analityczne rozwiązanie wartości x zrównujących warianty
Wpływ prawdopodobieństwa dużej skali problemu
5
Jednoczynnikowa analiza wrażliwości
-85
-80
-75
-70
-65
-60
-55
-5035% 36% 37% 38% 39% 40% 41% 42% 43% 44% 45%
EV1 EV2 EV3 EV4
Wpływ parametru na wypłaty dla wariantów jest liniowy, ale wpływ na optymalną wypłatę dla problemu nieliniowy!!!
6
• Często bardziej skomplikowane wyrażenia (Bayes) + więcej wariantów
Jednoczynnikowa analiza wrażliwości
7
• Jaka wartość możliwości prowadzenia badań?• Ile maksymalnie warto zapłacić za badania?
Wartość opcji (1/3)
75 tysięcy $
8
• Jaka wartość możliwości ukrycia negatywnych wyników i sprzedaży pola?
Wartość opcji (2/3)
9
• Strategia – rozwiąż bez opcji i porównaj oczekiwane wypłaty
Wartość opcji (3/3)
11
EVPI – prosty przykład
12
• Jak zależy EVPI [tys.] w poprzednim problemie od:– prawdopodobieństwa wygranej– wartości w przypadku wygranej
EVPI – ćwiczenie 1
Pr. 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
EVPI 0 8 16 21 18 15 12 9 6 3 0
wypł. 50 60 70 80 90 100 110 120 130 140 150
EVPI 9 12 15 18 21 21 21 21 21 21 21
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%0
5
10
15
20
25
Prawdopodobieństwo wygranej
EVPI
10 30 50 70 90 110 130 1500
5
10
15
20
25
Wypłata w razie wygranej
EVPI
14
• EVPI =0, jeśli:– brak niepewności, np. p1=1
– taka sama decyzja dla każdego stanu i, pi>0– (pierwsze to szczególny przypadek drugiego)
Kiedy EVPI=0?
iiidi
iid
iii
iiii
pdVpdV
pVpVEVPI
)stan,(max)stan,(max
)stan,decyzja()stan),stan(decyzja(
DecyzjeDecyzje
Funkcja użyteczności
• Funkcja użyteczności rosnąca i często wklęsła (malejąca użyteczność krańcowa)
• Dla dowolnej rosnącej funkcji użyteczności rozkład dominujący w sensie FOSD zapewnia większą oczekiwaną użyteczność
Numer rzutu Wypłata Użyteczność
ln(wypłata)1 2 0,69
2 4 1,39
3 8 2,08
4 16 2,77
5 32 3,47
15
Funkcja użyteczności a awersja do ryzyka
0,5
0,5
2
10
1 6
16
Awersja do ryzyka a wybór
• Awersja do ryzyka:– decydent zawsze preferuje wartość oczekiwaną wypłat niż
(niezdegenerowaną) loterię o tej wartości oczekiwanej
• Awersja do ryzyka wklęsła funkcja użyteczności
• Czy istnieje sposób porównywania rozkładów uwzględniający awersję do ryzyka (może wybór oczywisty nawet bez FOSD)?
17
Ekwiwalent pewności i premia za ryzyko
0,5
0,5
2
10
14,5
16
18
Ćwiczenie
• Wyliczmy ekwiwalent pewności dla loterii Bernoulliego i użyteczności u(x)=ln(x)
Numer rzutu Wypłata Użyteczność
ln(wypłata)1 2 0,69
2 4 1,39
3 8 2,08
4 16 2,77
5 32 3,47
Kwantyfikacja awersji do ryzyka
• O sile awersji do ryzyka świadczy wielkość premii za ryzyko – wypłaty, której odjęcie jest równoważne (w sensie preferencji) dodaniu ryzyka
• Wielkość tej premii zależy od kształtu funkcji użyteczności – im bardziej wklęsła funkcja, tym większa premia
• Ilościowo mierzy to współczynnik awersji do ryzyka Arrowa-Pratta
• ARA to miara lokalna – jej wartość zależy od x – uszeregowanie funkcji użyteczności może zależeć od punktu odniesienia
20
21
Wprowadzenie awersji do ryzyka
• Załóżmy, że firma ma W=1000 budżetu wyjściowego• I charakteryzuje się awersją do ryzyka (obawia się
bankructwa)• Jej preferencje względem ryzyka opisane są funkcją log(W+x)
u(W+x)=log(1000-200)
Zmiana decyzji na upublicznić
CE(ignor)=-64,7516 CE(upubl)=-59,6313CE(badac)=-60,1522
• Skala Fahrenheita i Celsiusza(°F - 32) x 5/9 = °C
• Tak samo jest z użytecznością kardynalną, a taka użyteczność wykorzystywana jest w decyzjach w warunkach ryzyka
• Pytanie kontrolne:– Czy przedstawione poniżej użyteczności są
kardynalne? Jeśli, to które są ordynalne?
100 212
0 32
Fahr
enhe
it
Celsi
uszA1 A2 A3 A4
u 1,0 0,6 0,2 0,0u' 1,6 0,8 0,0 -0,4
A1 A2 A3 A4v 1,0 0,7 0,3 0,0v' 20 0,8 -17 -17,1
A1 A2 A3 A4s 1,0 0,7 0,3 0,0s' 1,1 1,2 3,2 2,0
Miara ryzykowności• Ktoś oferuje Tobie szansę 50:50 zyskania 120 złotych bądź straty 100
złotych• Czy powinieneś zaakceptować?
– Przed Bernoullim: Akceptuj, bo dodatnia wartość oczekiwana (+10 złotych)
– Po Bernoullim: Niekoniecznie – awersja do ryzyka• Skąd się bierze awersja do ryzyka?
– Dodatnia wartość oczekiwana - DOBRE– Strata 100 złotych z prawd. ½ - ZŁE
• Jak zła jest strata?– Masz w kieszeni 1000 złotych na tego rodzaju gierki – strata mało dotkliwa:
10 % UBYTKU budżetu– Masz w kieszeni 100 złotych budżetu – strata oznacza BANKRUCTWO
• Załóżmy, że grasz 10 razy w taką loterię.• Prawdopodobieństwo straty całego budżetu jest:– Więcej niż 60% jeśli budżet początkowy = 100 złotych– Mniej niż 0,1% jeśli budżet początkowy = 1000 złotych
• Zatem awersja do ryzyka może brać się z awersji do bankructwa
• Decyzje dotyczące ryzykownych wyborów zależą od budżetu (majątku) – użyteczności DARA
• Miarę ryzykowności można łatwo liczyć:– Analitycznie– Bądź numerycznie
• Ma bardzo dobre właściwości teoretyczne• Ma intuicyjną interpretację i może łatwo
zastąpić inne miary ryzyka stosowane w bankach