лекции, учебные пособия / конспект лекций / Lekcii / Лекция 11 (Пустовой Д
.).docПри возрастании функции полезности лицо принимающее решение (ЛПР) тогда и только тогда не склонно к риску, когда детерминированный эквивалент в лотерее меньше, чем ожидаемый выигрыш в ней.
- выигрыш (матожидание)
- полезность выигрыша
- полезность детерминированного эквивалента
-
матожидание
Данная вогнутая функция показывает, что ЛПР не склонно к риску, т.к. <.
Если функция выпукла, то ЛПР расположен к риску.
Надбавка за риск: НР=(-), если НР>1, то ЛПР не склонно к риску.
Физический смысл.
НР – это сумма в единицах «Х», которую ЛПР готово уступить из среднего выигрыша за то, чтобы избежать риска, связанного с участим в лотерее.
Если ЛПР не склонно к риску, то каждый потерянный им рубль более полезен, чем выигранный.
Могут быть экзотические случаи функции полезности:
Принятие решений в условиях неопределённости
Рассмотрим принятие решений в условиях неопределённости природы.
Пример: Задача с яичницей.
Есть 6 яиц. Необходимо сделать яичницу. 5 яиц уже разбили и поместили в сковороду. Осталось ещё одно. Мы не знаем, вдруг оно тухлое (вариант F1) или нет (вариант F2). Есть три варианта действий:
-
разбить это яйцо, вылив в сковороду (Е1);
-
разбить его, вылив на тарелку, чтобы проверить на тухлость(Е2);
-
сразу выкинуть его и не мучиться(Е3).
Составим матрицу возможных вариантов :
-
F1
F2
E1
-5
6
E2
4,5
5,5
E3
5
5
Рассмотрим двухмерный случай с двумя состояниями природы F1 и F2:
РТ – рассматриваемая точка
А – антиутопическая точка (min(еi1);min(ei2))
B – утопическая точка (max(еi1);max(ei2))
Эти точки разбивают плоскость на четыре конуса (I-IV).
I – конус предпочтения
III – антиконус
II и IV – конусы неопределенности
Критерий: max(K(ei1,…, ein),
Критерии принятия решений в условиях неопределенности
-
Минимаксный критерий (критерий Вальда).
Это критерий крайнего пессимизма, перестраховки минимального риска.
Пример:
Е3 – лучшее решение, т.к. худший его вариант является лучшим относительно других.
-
Критерий Байеса-Лапласа (BL-критерий)
qi – вероятность события Fi
-
Критерий Сэвиджа
Пример:
В данном примере критерий Сэвиджа может привести к абсурдному результату, если сравнивать решения попарно: E1>E2, E2>E3, E3>E1.
-
Расширенный минимаксный критерий
qj – вероятность события Fj
pi – вероятность решения Ei
Для каждого события имеем вероятность его возникновения.В результате оптимизации по данному критерию получаем набор вероятностей {Pi} для каждого из решений {Ei}
-
Критерий Гурвица
При с=1 имеем критерий пессимизма, при с=0 - оптимизма
Пример:
при любом с получим, что Е1 лучше, чем Е2
Оба примера доказывают неприменимость критерия в данных случаях.
-
Критерий Ходжа-Лемана
при γ=1 имеем BL-критерий;
при γ=0 – минимаксный критерий
-
Критерий Гермейера
-
Критерий произведений
Если eij<0, то необходимо к каждому еij прибавить число a>min(еij).