teori keputusan
DESCRIPTION
Teori Keputusan. Struktur Keadaan Keputusan Jadual Ganjaran. Langkah pertama: mengenalpasti alternatif yang mungkin dipertimbangkan oleh pembuat keputusan. Tiga alternatif keputusan :. - PowerPoint PPT PresentationTRANSCRIPT
Teori KeputusanTeori KeputusanTeori KeputusanTeori Keputusan
Struktur Keadaan Struktur Keadaan Keputusan Jadual GanjaranKeputusan Jadual Ganjaran
Langkah pertama: mengenalpasti alternatif yang mungkin dipertimbangkan oleh pembuat keputusan.
Tiga alternatif keputusan:
d2 = sewa sistem komputer yang sederhana
d3 = sewa sistem komputer yang kecil
d1 = sewa sistem komputer yang besar
Langkah kedua: Mengenalpasti peristiwa akan datang yang mungkin terjadi.
Peristiwa akan datang ini, yang mana tidak dapat dikawal oleh pembuat keputusan, dan dirujukkan sebagai keadaan semula jadi bagi masalah.
Mengandaikan senarai kemungkinan keadaan semula jadi termasuk semua peristiwa yang boleh terjadi dan keadaan semula jadi individu yang tidak akan bertindih; iaitu, keadaan semula jadi didefinasikan sebagai satu dan hanya satu daripada senarai keadaan semula jadi yang akan berlaku.
s1 = tinggi penerimaan pelanggan bagi
perkhidmatan PSI.
s2 = rendah penerimaan pelanggan bagi
perkhidmatan PSI.
Didalam terminologi teori keputusan, kita rujukkan hasil daripada membuat keputusan tertentu dan kejadian bagi keadaan semula jadi tertentu sebagai ganjaran.
Jadual Ganjaran bagi Masalah Penyewaan Jadual Ganjaran bagi Masalah Penyewaan KomputerKomputer
Alternatif Keputusan Penerimaan
Tinggi
s1
Penerimaan
Rendah
s2
Menyewa sistem besar d1 200,000 -20,000
Menyewa sistem saiz-sederhana d2 150,000 20,000
Menyewa sistem kecil d3 100,000 60,000
Keadaan Semula Jadi
Jenis Keadaan Membuat Jenis Keadaan Membuat KeputusanKeputusan
Membuat keputusan dibawah kepastian: Proses memilih alternatif keputusan apabila keadaan semula jadi diketahui.
Membuat keputusan dibawah ketiakpastian: Proses memilih alternatif keputusan apabila keadaan semula jadi tidak diketahui
Ciri-ciri bagi Membuat Ciri-ciri bagi Membuat Keputusan dibawah Keputusan dibawah Ketakpastian Tanpa Ketakpastian Tanpa
Menggunakan KebarangkalianMenggunakan Kebarangkalian
MaksiminMaksimin
Kriteria keputusan maksimin merupakan pendekatan pesimis atau konservatif untuk mencapai keputusan.
Pembuat keputusan cuba untuk memaksimumkan kemungkinan keuntungan yang minimum; oleh itu sebutannya ialah maksimin.
Pembuat keputusan pertamanya menyenaraikan kemungkinan ganjaran yang minimum bagi setiap alternatif keputusan.
Pembuat keputusan kemudiannya memilih keputusan daripada senarai baru yang dihasilkan didalam ganjaran maksimum.
Ganjaran Minimum PSI ($) bagi Setiap Ganjaran Minimum PSI ($) bagi Setiap Alternatif KeputusanAlternatif Keputusan
Alternatif Keputusan Ganjaran Minimum
Sistem besar d1 -20,000
Sistem Sederhana d2 20,000
Sistem kecil d3 60,000
Maksimum bagi nilai ganjaran
minimum
Maksimaks Maksimaks
Memberikan kriteria keputusan yang pesimistik, maksimaks memberikan kriteria yang optimistik.
Pembuat keputusan memilih keputusan bagi memaksimumkan ganjaran yang maksimum, oleh itu diberi nama maksimaks.
Pembuat keputusan pertamanya menentukan kemungkinan ganjaran maksimum bagi setiap pilihan keputusan.
Pembuat keputusan kemudiannya mengenalpasti keputusan yang memberikan ganjaran maksimum keseluruhan.
Ganjaran Maksimum PSI ($) bagi Ganjaran Maksimum PSI ($) bagi Setiap Alternatif KeputusanSetiap Alternatif Keputusan
Alternatif Keputusan Ganjaran
Maksimum
Sistem besar d1 200,000
Sistem Sederhana d2 150,000
Sistem kecil d3 100,000
Maksimum bagi nilai ganjaran maksimum
Sesalan MinimakSesalan Minimak
Pernyataan am bagi kerugian melepas atau sesalan diberi oleh:
R(di,si) = V*(sj) - V(di,sj)
dimana
R(di,sj) = sesalan berkaitan dengan pemilihan
keputusan di dan keadaan semula jadi sj)
V(sj) = nilai ganjaran yang terbaik dibawah
keadaan semula jadi sj.
ContohContoh
Bagi keputusan d dan keadaan semula jadi s1,
V*(s1) = $200,000 dan V(d1,s1) = $100,000. Oleh itu:
R(d3,s1) = $200,000 - $100,000 = $100,000
R(di,si) = V*(sj) - V(di,sj)
Sesalan atau Kerugian Melepas bagi Sesalan atau Kerugian Melepas bagi Masalah PSI Masalah PSI
Alternatif Keputusan Penerimaan
Tinggi
s1
Penerimaan
Rendah
s2
Menyewa sistem besar d1 0 80,000
Menyewa sistem saiz-sederhana d2 50,000 40,000
Menyewa sistem kecil d3 100,000 0
Keadaan Semula Jadi
Sesalam Maksimum atau Kerugian Melepas Sesalam Maksimum atau Kerugian Melepas bbagi Setiap Alternatif Keputusan agi Setiap Alternatif Keputusan
Alternatif Keputusan Ganjaran
Maksimum
Sistem besar d1 80,000
Sistem Sederhana d2 50,000
Sistem kecil d3 100,000
Minimum bagi sesalan
maksimum
Kriteria Bagi Membuat Kriteria Bagi Membuat Keputusan Dibawah Keputusan Dibawah
Ketakpastian Menggunakan Ketakpastian Menggunakan KebarangkalianKebarangkalian
Dua kriteria dimana anggaran kebarangkalian ini boleh digunakan didalam pemilihan alternatif keputusan:
Nilai kewangan terjangka, dan Kerugian melepas terjangka.
Jangkaan Nilai KewanganJangkaan Nilai KewanganKatakan P(sj) = kebarangkalian yang berlaku untuk
keadaan semula jadi sj.
N = bilangan kemungkinan keadaan semula jadi
Oleh kerana satu dan hanya satu daripada N keadaan semula jadi boleh berlaku, kebarangkalian yang berkaitan mestilah memenuhi dua keadaan yang berikut:
P(sj) 0 untuk semua keadaan j
1 )P(s . . . )P(s )P(s P(sj) n21
N
1j
Nilai kewangan terjangka (NKT) bagi alternatif keputusan di adalah diberi oleh:
N
1jjiji )s,)V(dP(s )EMV(d
Katakan kebarangkalian: 0.3 untuk penerimaan rendah 0.7 untuk penerimaan tinggi
Oleh itu : P(s1) = 0.3 dan P(s2) = 0.7
Nilai kewangan terjangka tiga alternatif keputusan boleh dikirakan:
NKT(d1) = 0.3(200,000) + 0.7(-20,000) = $46,000
NKT(d2) = 0.3(150,000) + 0.7( 20,000) = $59,000
NKT(d3) = 0.3(100,000) + 0.7( 60,000) = $72,000
Oleh itu menurut kriteria nilai kewangan terjangka keputusan sistem kecil d3 dengan
nilai kewangan terjangka $72,000 adalah keputusan cadangan
Jika P(s1) = 0.6 dan P(s2) = 0.4, maka:
NKT(d1) = 0.6(200,000) + 0.4(-20,000) = $112,000
NKT(d2) = 0.6(150,000) + 0.4( 20,000) = $98,000
NKT(d3) = 0.6(100,000) + 0.4( 60,000) = $84,000
Alternatif keputusan d1 dengan nilai kewaangan
terjangka sebanyak $112,000 adalah keputusan cadangan dengan kebarangkalian ini.
Kerugian Melepas TerjangkaKerugian Melepas Terjangka
Kretaria kerugian melepas terjangka menggunakan kebarangkalian keadaan semula jadi sebagai wajaran bagi nilai kerugian melepas dan mengira nilai kerugian melepas terjangka sebagai berikut:
N
1jjiji )s,)R(dP(s )EOL(d
dimana R(di,sj) menandakan sesalan atau kerugian
melepas bagi alternatif keputusan di dan keadaan semula jadi sj
Jika P(s1) = 0.3 dan P(s2) = 0.7, maka, kerugian melepas
terjangka bagi tiga alternatif keputusan menjadi:
KMT(d1) = 0.3(0) + 0.7(80,000) = 56,000
KMT(d2) = 0.3(50,000) + 0.7(40,000) = 43,000
KMT(d3) = 0.3(100,000) + 0.7(0) = 30,000
Oleh kerana kita hendak meminimumkan kerugian melepas terjangka, keputusan sistem kecil d3, dengan kerugian terkecil
$30,000, adalah dicadangkan.
Pokok KeputusanPokok Keputusan
d1
d2
d3
s1
s1
s1
s2
s2
s2
200,000
-20,000
150,000
20,000
60,000
100,000
Cabang Keputusan Cabang Keadaan
4
3
2
1
Nod Keputusan Nod Keadaan
d1
d2
d3
P(s1)=0.3
P(S2)=0.7
200,000
-20,000
150,000
20,000
60,000
100,000
4
3
2
1
P(s1)=0.3
P(s1)=0.3
P(S2)=0.7
P(S2)=0.7
Nilai kewangan terjangka bagi nod 2, 3 dan 4 dikirakan sebagai berikut:
NKT(nod 2) = 0.3(200,000) + 0.7(-20,000) = 46,000NKT(nod 3) = 0.3(150,000) + 0.7( 20,000) = 59,000NKT(nod42) = 0.3(100,000) + 0.7( 60,000) = 72,000
d1
d2
d3
46,000
59,000
72,0004
3
2
1
Nilai Terjangka Bagi Nilai Terjangka Bagi Maklumat LengkapMaklumat Lengkap Nilai Terjangka Bagi Nilai Terjangka Bagi Maklumat LengkapMaklumat Lengkap
Jadual Kerugian Melepas bagi Masalah PSI Jadual Kerugian Melepas bagi Masalah PSI
Alternatif Keputusan Penerimaan
Tinggi
s1
Penerimaan
Rendah
s2
Menyewa sistem besar d1 0 80,000
Menyewa sistem saiz-sederhana d2 50,000 40,000
Menyewa sistem kecil d3 100,000 0
Keadaan Semula Jadi
Menggunakan P(s1) = 0.3 dan P(s2) = 0.7, dan nilai
kerugian melepas, maka nilai maklumat sempurna terjangka (NMLT) adalah diberi oleh:
NMST = 0.3($100,000) + 0.7($0) = $30,000
Nilai Maklumat Lengkap TerjangkaNilai Maklumat Lengkap Terjangka
Dibuat Sebelum
Kemungkinan Maklumat
Tindakan dan Ganjaran jika
Keputusan Dibuat Selepas
Maklumat Diperolehi
Tindakan dan Ganjaran jika
Keputusan Lengkap
Maklumat Diperolehi
Nilai Maklumat Kerugian
Melapas (d3)
Kebaranjgkalian Maklumat
Penerimaan Tinggi
Sewa Sistem kecil $100,000
Sewa sistem besar $200,000
$100,000 0.3
Penerimaan Rendah
Sewa sistem kecil $60,000
Sewa sistem kecil $60,000
$0 0.7
NMLT = 0.3($100,000) + 0.7($0) = $30,000
Pernyataan am bagi mengira nilai maklumat sempurna terjangka (NMST) daripada jadual ganjaran, dinyatakan sebagai:
d* = keputusan optimum bagi masalah prior untuk mendapatkan maklumat P(sj) = kebarangkalian keadaan semula jadi sj
N = bilangan keadaan semula jadiR(d* ,sj) = nilai kerugian melepas atau sesalan bagi
keputusan d* dan keadaan semula jadi sj
)s)R(d*,P(s NMST N
1jjj
Teori Keputusan dengan Teori Keputusan dengan UjikajiUjikaji
Teori Keputusan dengan Teori Keputusan dengan UjikajiUjikaji
Didalam membuat keputusan dibawah ketakpastian, maklumat kebarangkalian berkaitan keadaan semula jadi memberi kesan pengiraan nilai terjangka dan keputusan.
Pembuat keputusan mempunyai jangkaan kebarangkalian awal atau sebelumnya bagi keadaan semula jadi dimana pada awalnya nilai kebarangkalian terbaik diperolehi.
Untuk membuat keputusan terbaik, pembuat keputusan perlu mahu mencari maklumat tambahan berkaitan keadaan semula jadi.
Maklumat baru ini boleh digunakan untuk memperbaharui atau mengemaskinikan kebarangkalian sebelumnya oleh itu keputusan akhir adalah berdasarkan kepada anggaran kebarangkalian yang lebih tepat bagi keadaan semula jadi.
Pencarian maklumat tambahan boleh diperolehi melalui rekabentuk ujukaji untuk memberikan data semasa yang bersesuaian berkenaan keadaan semula jadi.
Sampel bahan mentah, ujian keluaran dan ujian penyelidikan pemasaran adalah contoh ujikaji yang mungkin boleh memperbaharui atau mengemaskinikan kebarangkalian keadaan semula jadi.
Perbincangan bahagian selanjutnya kita akan mempertimbangkan semula masalah dan menunjukkan bagaimana maklumat baru boleh digunakan untuk memperbaharui kebarangkalian keadaan-semula-jadi.
ContohContoh
Kebarangkalian keadaan semula jadi P(s1)= 0.3
Kebarangkalian keadaan semula jadi P(s2) = 0.7
P(s1) dan P(s2) adalah
kebarangkalian awal bagi keadaan semula jadi.
Keputusan menyewa sistem kecil d1, adalah optimum = $72,000
Menggunakan kriteria meminimumkan kerugian melepas terjangka, nilai KMT bagi keputusan optimum d adalah $30,000
Nilai terjangka maklumat lengkap bagi keadaan semula jadi mempunyai keuntungan sebanyak $30,000.
Katakan, kajian penyelidikan pemasaran memberikan maklumat baru yang boleh digabungkan dengan
kebarangkalian awal melalui tatacara Bayesian untuk mendapatkan anggaran kebarangkalian yang kemaskini atau
diperbaharui bagi keadaan semula jadi.
Kebarangkalian Terdahulu
Maklumat Baru Dari Penyelidikan dan Ekseperimen
Kebarangkalian Terkemudian
Kebarangkalian yang Disemak Semula Berdasarkan Kepada Maklumat Baru
Menggunakan petunjuk terminologi, hasil dari kajian penyelidikan pemasaran ditandakan sebagaimana berikut:
I1 = laporan penyelidikan pasaran yang menguntungkan
(iaitu, didalam kajian penyelidikan pasaran individu yang dihubungi pada amnya menyatakan berminat didalam perkhidmatan PSI).
I2 = laporan penyelidikan pemasaran tida menguntungkan
(iaitu, kajian penyelidikan pemasaran individu yang dihubungi pada amnya menyatakan kurang berminat didalam perkhidmatan PSI).
Objektif kita ialah untuk memberikan anggaran yang lebih baik bagi kebarangkalian berbagai keadaan semula jadi. Hasil akhir proses pembaikan Bayesian adalah set kebarangkalian posterior didalam bentuk P(sj|Ik), dimana P(sj|Ik) mewakili
kebarangkalian bersyarat keadaan semula jadi sj
akan terjadi dimana memberikan hasil daripada kajian penyelidikan pasaran adalah petunjuk Ik.
Untuk penggunaan maklumat petunjuk ini dengan lebih berkesan, sesuatu perhubungan kebarangkalian diantara petunjuk dan keadaan semula jadi perlu diketahui.
Sebagai contoh, diberi keadaan semula jadi dimana penerimaan yang tinggi, apakah kebarangkalian kajian penyelidikan pasaran akan menghasilkan didalam laporan yang menguntungkan?
Kebarangkalian bersyarat bagi petunjuk I1 diberi keadaan semula jadi s1,
ditulis P(I1|s1).
Untuk analisis, perhubungan kebarangkalian bersyarat bagi semua petunjuk yang memberikan semua keadaan semula jadi, adalah:
P(I1|s1), P(I1|s2), P(I1|s2), P(I2|s1) dan P(I2|s2).
Kekerapan relatif data sejarah dan/atau anggaran kebarangkalian sebjektif biasanya adalah sumber awal bagi nilai kebarangkalian bersyarat ini.
Didalam kes PSI rekod lepas penyelidikan pemasaran Didalam kes PSI rekod lepas penyelidikan pemasaran syarikat keatas kajian yang sama menunjukkan anggaran syarikat keatas kajian yang sama menunjukkan anggaran berikut bagi kebarangkalian bersyarat:berikut bagi kebarangkalian bersyarat:
Keadaan Semula Menguntungkan I1 Tidak Menguntungkan I2
Penerimaan tinggi s1 P(I1|s1) = 0.8 P(I2|s1) = 0.2
Penerimaan rendah s2 P(I1|s2) = 0.1 P(I2|s2) = 0.9
Laporan Penyelidikan Pemasaran
Membuat Strategi Membuat Strategi KeputusanKeputusan
Strategi keputusan hanyalah polisi atau peraturan keputusan yang perlu diikuti oleh pembuat keputusan.
Strategi keputusan yang mengandungi peraturan untuk diikuti berdasarkan kepada hasil kajian penyelidikan pasaran.
Peraturan perlu mencadangkan keputusan tertentu berdasarkan kepada sama ada laporan penyelidikan pasaran adalah menguntungkan atau tidak menguntungkan.
Analisis pokok keputusan akan digunakan untuk mencari strategi keputusan optimum bagi masalah.
1
2
3
4
5
6
7
8
9
I1
I2
d1
d1
d2
d2
d3
d3
s1
s1
s1
s1
s1
s1
s2
s2
s2
s2
s2
s2
200,000
200,000
20,000
20,000
20,000
20,000
150,000
150,000
100,000
100,000
60,000
60,000
nod petunjuk nod 1,
Menggunakan terminologi pokok keputusan:
cabang petunjuk, I1 dan I2 - tidak boleh dikawal oleh pembuat
keputusan tetapi ditentukan oleh peluang
nod 2 dan 3 adalah nod keputusan
nod 4, 5, 6, 7, 8, dan 9 adalah nod keadaan-semula-jadi.
Bagi nod keputusan pembuat keputusan mesti memilih cabang tertentu d1, d2,
atau d3 yang boleh diambil. Memilih cabang keputusan yang terbaik adalah sama dengan membuat keputusan yang terbaik.
Mengira Kebarangkalian Cabang:Mengira Kebarangkalian Cabang:Pendekatan Pokok KeputusanPendekatan Pokok Keputusan
Perhubungan diantara petunjuk penyelidikan pasaran dan keadaan semula jadi dengan kebarangkalian:
P(I1|s1) = 0.8 P(I2|s1) = 0.2
P(I1|s2) = 0.1 P(I2|s2) = 0.9
Walau bagaimanapun, untuk membentuk pokok keputusan, kebarangkalian cabang petunjuk P(Ik) dan kebarangkalian
cabang keadaan-semula-jadi P(sj|Ik) adalah diperlukan.
Masalah yang dihadapi sekarang ialah bagaimana untuk menggunakan anggaran kebarangkalian prior yang diberi P(sj) dan anggaran kebarangkalian bersyarat yang diberi P(Ik|
sj) untuk mengira kebarangkalian cabang P(Ik) dan P(sj|Ik)
Menggunakan kebarangkalian bersyarat, maka:
)I(P
)sP(I )I|P(s
1
1111
dimana P(I1 s1) dirujukkan sebagai kebarangkalian bersama.
Nilai bagi P(I1 s1) diberi oleh kebarangkalian I1, laporan
penyelidikan pasaran yang menguntungkan, dan s1, penerimaan
pelanggan yang tinggi, s1, kedua-duanya terjadi.
)I(P
))P(ss|P(I )I|P(s
1
11111
P(I1 s1) = P(I1|s1)P(s1)
)I(P
))P(ss|P(I )I|P(s
1
11111
1. Laporan penyelidikan pasaran yang
menguntungkan (I) dan keadaan semula jadi menjadi penerimaan yang tinggi (s1), ditulis (I1 s1).
1. Lapooran penyelidikan pasaran yang menguntungkan (I1) dan keadaan
semula jadi merupakan penerimaan yang rendah (s2), ditulis (I1 s2).
Untuk melihat bagaimana untuk mencari P(I1), terdapat hanya dua hasil yang
berpadanan kepada I, dinamakan:
Kebarangkalian bagi dua hasil ini masing-masingnya ditulis sebagai P(I1 s1) dan P(I1 s2).
Oleh kerana (I1 s1) dan (I1 s2) saling menyingkiri (jika satu terjadi, satu lagi
tidak), kebarangkalian penyelidikan pasaran yang menguntungkan diberi oleh
P(I1) = P(I1 s1) + P(I1 s2)
P(Ik) = P(Ik s1) + P(Ik s 2) + . . . + P(Ik sN)
N
1jjjkk ))P(ss|P(I )P(I
P(Ik) = P(Ik |s1)P(s1) + P(Ik |s 2) P(s2) + . . . + P(Ik | sN) P(sN)
Kebarangkalian awal P(s1) = 0.3 dan P(s2) = 0.7 dan kebarangkalian
bersyarat P(I1|s1) = 0.8, P(I2|s1) = 0.2, P(I1|s2) = 0.1 dan P(I2|s2) = 0.9,
maka kebarangkalian bagi cabang petunjuk:
P(I1) = P(I1|s1)P(s1) + P(I1|s2)P(s2)
= (0.8)(0.3) + (0.1)(0.7) = 0.31
P(I2) = P(I2|s1)P(s1) + P(I2|s2)P(s2)
= (0.2)(0.3) + (0.9)(0.7) = 0.69
0.7742 (0.31)
(0.8)(0.3)
)P(I
))P(ss|P(I )I|P(s
1
11111
0.2258 (0.31)
(0.1)(0.7)
)P(I
))P(ss|P(I )I|P(s
1
22112
1
2
3
4
5
6
7
8
9
I1
I2
d1
d1
d2
d2
d3
d3
P(s1|I1)=0.772
P(s1|I1)=0.772
P(s1|I1)=0.772
P(s1|I2)=0.0870
P(s1|I2)=0.0870
P(s1|I2)=0.0870
P(s2|I2)=0.9130
P(s2|I2)=0.9130
P(s2|I2)=0.9130
P(s2|I1=0.2258)
P(s2|I1=0.2258)
P(s2|I1=0.2258)200,000
200,000
20,000
20,000
20,000
20,000
150,000
150,000
100,000
100,000
60,000
60,000
3
4
6
5
d1
d2
d3
(0.7742)(200,200) + (0.2258)(-20,000)= 150,324
(0.7742)(150,200) + (0.2258)( 20,000) = 120,646
(0.7742)(100,200) + (0.2258)( 60,000) = 90,968
NKT(nod 7) = (0.0870)(200,000) + (0.9130)(-20,000) = - 860NKT(nod 8) = (0.0870)(150,000) + (0.9130)( 20,000) = 31,310NKT(nod 9) = (0.0870)(100,000) + (0.9130)( 60,000) = 63,480
1
2
6
P(I1)=0.31
P(I2)=0.69
150,324
63,480
(0.31)($150,324) + (0.69)($63,480) = $90,402
KeputusanNilai
Terjangka
d1
d3
Strategi KeputusanStrategi Keputusan
Jika MakaLapuran memuaskan (I1) Sewa sistem besar (d1)
Lapuran tidak memuaskan (I2) Sewa sistem kecil (d2)
Strategi Keputusan