Bài giảng Khoa học quản lý ứng dụng: Chương 2 - ThS. Huỳnh Đỗ Bảo Châu

2/12/2017<br /> <br /> TRƯỜNG ĐẠI HỌC NGÂN HÀNG TP<br /> .HCM<br /> KHOA HỆ THỐNG THÔNG TIN QUẢN LÝ<br /> <br /> Mục tiêu bài học<br /> <br /> <br /> KHOA HỌC QUẢN LÝ ỨNG DỤNG<br /> <br /> <br /> <br /> Trình bày các thành phần của quyết định<br /> Chọn lựa được quyết định trong các tình huống<br /> không xác suất, có xác suất, có thông tin bổ sung<br /> <br /> CHƯƠNG 2<br /> PHÂN TÍCH RA QUYẾT ĐỊNH<br /> GV. ThS. Huỳnh Đỗ Bảo Châu<br /> <br /> 1<br /> <br /> 2<br /> <br /> GV. Huỳnh Đỗ Bảo Châu<br /> <br /> Nội dung chính<br /> Giới thiệu lý thuyết ra quyết định<br /> Các mô hình ra quyết định<br /> <br /> <br /> <br /> <br /> <br /> <br /> <br /> <br /> Ra quyết định với xác suất<br /> Ra quyết định với thông tin bổ sung<br /> Ra quyết định không xác suất<br /> <br /> 1. Giới thiệu lý thuyết ra quyết định<br /> <br /> Cây quyết định<br /> <br /> <br /> <br /> 3<br /> <br /> GV. ThS. Huỳnh Đỗ Bảo Châu<br /> <br /> GV. Huỳnh Đỗ Bảo Châu<br /> <br /> 4<br /> <br /> GV. Huỳnh Đỗ Bảo Châu<br /> <br /> 1<br /> <br /> 2/12/2017<br /> <br /> Giới thiệu<br /> <br /> Các bước ra quyết định<br /> <br /> Lý thuyết ra quyết định là phương pháp phân tích có<br /> tính hệ thống dùng để nghiên cứu việc tạo ra các<br /> quyết định.<br /> Để quyết định tốt cần dựa trên:<br /> <br /> <br /> <br /> <br /> <br /> <br /> <br /> <br /> <br /> <br /> Lý luận<br /> Tất cả số liệu có sẵn<br /> Tất cả giải pháp có thể<br /> Phương pháp định lượng<br /> <br /> B1. Xác định rõ vấn đề cần giải quyết.<br /> B2. Liệt kê mọi PA có thể chọn.<br /> B3. Xác định các tình huống/trạng thái có thể xảy ra.<br /> B4. Xác định mọi lợi ích/chi phí/thiệt hại phát sinh<br /> của từng PA ứng với mỗi tình huống.<br /> B5. Xác định một mô hình toán học trong PPĐL và<br /> môi trường RQĐ phù hợp để tìm lời giải.<br /> B6. Áp dụng mô hình tìm lời giải và RQĐ.<br /> <br /> 5<br /> <br /> GV. Huỳnh Đỗ Bảo Châu<br /> <br /> 6<br /> <br /> VD: Bài toán của Công ty xẻ gỗ Thompson<br /> B1. Vấn đề: Có nên sản xuất một sản phẩm mới để kinh doanh.<br /> B2. Có tất cả 3 PA thực hiện<br /> Xây nhà máy lớn để sản xuất.<br /> Xây nhà máy nhỏ để sản xuất.<br /> Không sản xuất.<br /> B3. Các tình huống có thể có<br /> Thị trường thuận lợi<br /> Thị trường bất lợi<br /> B4. Ước tính các lợi ích (chi phí) phát sinh khi chọn PA ứng với mỗi tình huống.<br /> <br /> Phương án<br /> <br /> Các môi trường (điều kiện) ra quyết định<br /> • Điều kiện chắc chắn.<br /> <br /> • Điều kiện rủi ro<br /> – Biết xác suất xảy ra tình huống.<br /> – Biết thông tin bổ sung.<br /> <br /> Trạng thái<br /> Thị trường tốt<br /> <br /> Thị trường xấu<br /> <br /> Nhà máy lớn<br /> <br /> 200.000<br /> <br /> -180.000<br /> <br /> Nhà máy nhỏ<br /> <br /> 100.000<br /> <br /> -20.000<br /> <br /> 0<br /> <br /> GV. Huỳnh Đỗ Bảo Châu<br /> <br /> 0<br /> <br /> Không sản xuất<br /> <br /> • Điều kiện không chắc chắn.<br /> <br /> B5. và B6. Xác định mô hình toán để giải, tìm lời giải và RQĐ.<br /> 7<br /> <br /> GV. ThS. Huỳnh Đỗ Bảo Châu<br /> <br /> GV. Huỳnh Đỗ Bảo Châu<br /> <br /> 8<br /> <br /> GV. Huỳnh Đỗ Bảo Châu<br /> <br /> 2<br /> <br /> 2/12/2017<br /> <br /> Phương pháp<br /> <br /> <br /> <br /> 2. Các mô hình ra quyết định<br /> ĐIỀU KIỆN RỦI RO<br /> <br /> 9<br /> <br /> GV. Huỳnh Đỗ Bảo Châu<br /> <br /> MÔ HÌNH MAX EMV(i)<br /> <br /> <br /> Kết quả của mô hình: Chọn phương án (i) có giá trị kỳ<br /> vọng tính bằng tiền EMV(i) là lớn nhất.<br /> Công thức:<br /> <br /> Làm cực đại giá trị kỳ vọng được tính bằng tiền EMV<br /> (Expected Moneytary Value)<br /> Làm cực tiểu thiệt hại cơ hội kỳ vọng EOL (Expected<br /> Opportunity Loss)<br /> <br /> 10<br /> <br /> GV. Huỳnh Đỗ Bảo Châu<br /> <br /> MÔ HÌNH MAX EMV(i)<br /> <br /> <br /> Ví dụ minh họa: Bài toán của Công ty xẻ gỗ Thompson (tt)<br /> T.Trường tốt<br /> <br /> T.Trường xấu<br /> <br /> Nhà máy lớn<br /> <br /> 200.000<br /> <br /> -180.000<br /> <br /> Nhà máy nhỏ<br /> <br /> <br /> <br /> 100.000<br /> <br /> -20.000<br /> <br /> Không sản xuất<br /> •<br /> •<br /> •<br /> <br /> P(Sj)<br /> <br /> : xác suất để trạng thái j xuất hiện<br /> <br /> 0<br /> <br /> 0<br /> <br /> 0.5<br /> <br /> EMV<br /> <br /> 0.5<br /> <br /> : lợi nhuận / chi phí của p/án I tương ứng trạng thái j<br /> ∈ 1,<br /> <br /> ; ∈ 1,<br /> <br /> 11<br /> <br /> GV. ThS. Huỳnh Đỗ Bảo Châu<br /> <br /> GV. Huỳnh Đỗ Bảo Châu<br /> <br /> 12<br /> <br /> GV. Huỳnh Đỗ Bảo Châu<br /> <br /> 3<br /> <br /> 2/12/2017<br /> <br /> MÔ HÌNH MAX EMV(i)<br /> <br /> <br /> MÔ HÌNH MIN EOL(i)<br /> <br /> Bài giải ví dụ: Bài toán của Công ty xẻ gỗ Thompson (tt)<br /> <br /> Kết quả của mô hình: Chọn phương án (i) có thiệt hại<br /> cơ hội kỳ vọng EOL(i) là nhỏ nhất.<br /> Công thức:<br /> <br /> <br /> <br /> T.Trường tốt<br /> <br /> T.Trường xấu<br /> <br /> Nhà máy lớn<br /> (i=1)<br /> <br /> 200.000<br /> <br /> -180.000<br /> <br /> =0.5*200000+0.5*(-180.000)<br /> <br /> Nhà máy nhỏ<br /> (i=2)<br /> <br /> 100.000<br /> <br /> -20.000<br /> <br /> =0.5*100000+0.5*(-20000)<br /> <br /> Không sản xuất<br /> (i=3)<br /> <br /> <br /> <br /> <br /> <br /> 0<br /> <br /> 0<br /> <br /> 0.5<br /> <br /> Ra quyết định<br /> <br /> •<br /> •<br /> <br /> <br /> <br /> EMV(i) >0  Phương án có lợi<br /> Max EMV(i) = EMV(i=2_ = 40.000 $  Quy mô nhà máy nhỏ<br /> <br /> 13<br /> <br /> 14<br /> <br /> Ví dụ minh họa: Bài toán của Công ty xẻ gỗ Thompson (tt)<br /> T.Trường tốt<br /> <br /> T.Trường xấu<br /> <br /> 200.000<br /> 100.000<br /> <br /> -20.000<br /> <br /> 0<br /> <br /> 0<br /> <br /> 0.5<br /> <br /> 0.5<br /> <br /> Không sản xuất<br /> P(Sj)<br /> <br /> <br /> <br /> <br /> <br /> <br /> OL11 = 200000 – 200000 =<br /> 0$<br /> OL12 =<br /> 0 – (-180000) = 180000 $<br /> OL21 = 200000 – (-180000) = 100000 $<br /> OL22 =<br /> 0 – (- 20000) = 20000 $<br /> OL31 = 200000 –<br /> 0 = 200000 $<br /> OL32 =<br /> 0–<br /> 0=<br /> 0$<br /> 15<br /> <br /> GV. ThS. Huỳnh Đỗ Bảo Châu<br /> <br /> GV. Huỳnh Đỗ Bảo Châu<br /> <br /> Bài giải ví dụ: Bài toán của Công ty xẻ gỗ Thompson (tt)<br /> <br /> <br /> <br /> -180.000<br /> <br /> Nhà máy nhỏ<br /> <br /> <br /> <br /> : xác suất để trạng thái j xuất hiện<br /> : lợi nhuận / chi phí của p/án I tương ứng trạng thái j<br /> ∈ 1, ; ∈ 1,<br /> <br /> MÔ HÌNH MIN EOL(i)<br /> <br /> Nhà máy lớn<br /> <br /> <br /> <br /> •<br /> <br /> GV. Huỳnh Đỗ Bảo Châu<br /> <br /> MÔ HÌNH MIN EOL(i)<br /> <br /> <br /> Thiệt hại cơ hội kỳ vọng:<br /> <br /> =0.5*0+0.5*0<br /> <br /> <br /> <br /> <br /> <br /> Thiệt hại cơ hội OL (Opportunity Loss):<br /> max<br /> ∈ ,<br /> <br /> <br /> <br /> 0.5<br /> <br /> P(Sj)<br /> <br /> EMV<br /> <br /> GV. Huỳnh Đỗ Bảo Châu<br /> <br /> EOL<br /> T.Trường tốt<br /> <br /> T.Trường<br /> xấu<br /> <br /> Nhà máy lớn<br /> (i=1)<br /> <br /> OL = 0<br /> <br /> OL = 180.000<br /> <br /> =0.5*0+0.5*180000 = 90.000<br /> <br /> Nhà máy nhỏ<br /> (i=2)<br /> <br /> OL =100.000<br /> <br /> OL = 20.000<br /> <br /> =0.5*100000+0.5*20000 = 60000<br /> <br /> Không sản xuất<br /> (i=3)<br /> <br /> OL = 200.000<br /> <br /> OL = 0<br /> <br /> 0.5<br /> <br /> 0.5<br /> <br /> P(Sj)<br /> <br /> <br /> <br /> EOL<br /> <br /> =0.5*20000+0.5*0 = 100000<br /> <br /> Min EOL(i) = 60.000 $  Chọn nhà máy quy mô nhỏ<br /> 16<br /> <br /> GV. Huỳnh Đỗ Bảo Châu<br /> <br /> 4<br /> <br /> 2/12/2017<br /> <br /> MÔ HÌNH EVPI (Expected Value of Perfect Information)<br /> <br /> <br /> <br /> <br /> Mô hình được dùng để chuyển đổi từ điều kiện rủi<br /> ro sang điều kiện chắc chắn  EVPI là giá trị<br /> phải trả để mua thông tin.<br /> Công thức:<br /> <br /> <br /> MÔ HÌNH EVPI<br /> <br /> <br /> Ví dụ minh họa: Bài toán của Công ty xẻ gỗ Thompson (tt)<br /> <br /> Giả sử 1 công ty tư vấn đề nghị cung cấp thông tin thị trường tốt hay<br /> xấu với giá 65.000$.<br /> Hỏi: Giá mua thông tin là đắt hay rẻ ? Phải mua giá nào mới hợp lý ?<br /> <br /> EVWPI: tổng giá trị thu lại nếu biết thông tin hoàn hảo<br /> trước khi ra quyết định, ta sẽ có:<br /> <br /> T.Trường tốt<br /> <br /> T.Trường xấu<br /> <br /> Nhà máy lớn<br /> <br /> 200.000<br /> <br /> -180.000<br /> <br /> Nhà máy nhỏ<br /> <br /> 100.000<br /> <br /> -20.000<br /> <br /> Không sản xuất<br /> <br /> <br /> <br /> P(Sj)<br /> <br /> EVPI (giá trị kỳ vọng của thông tin hoàn hảo) : là sự gia<br /> tăng giá trị có được khi mua thông tin.<br /> <br /> <br /> <br /> 17<br /> <br /> GV. Huỳnh Đỗ Bảo Châu<br /> <br /> 18<br /> <br /> 0<br /> <br /> 0<br /> <br /> 0.5<br /> <br /> EMV<br /> <br /> 0.5<br /> <br /> GV. Huỳnh Đỗ Bảo Châu<br /> <br /> MÔ HÌNH EVPI<br /> Bài giải ví dụ: Bài toán của Công ty xẻ gỗ Thompson (tt)<br /> Nếu có thông tin hoàn hảo trước khi quyết định thì:<br /> EVWPI = 0.5*200000 + 0.5*0 = 100000 $<br /> Giá trị tối đa để mua thông tin là:<br /> EVPI = 100000 – 40000 = 60000 $<br /> Giá chào bán của thông tin là 65000 $ là đắt hơn<br /> mức có thể mua của doanh nghiệp.<br /> Giá mua thông tin hợp lý tối đa là 60000 $<br /> <br /> <br /> <br /> 19<br /> <br /> GV. ThS. Huỳnh Đỗ Bảo Châu<br /> <br /> GV. Huỳnh Đỗ Bảo Châu<br /> <br /> 2. Các mô hình ra quyết định<br /> ĐIỀU KIỆN KHÔNG CHẮC CHẮN<br /> <br /> 20<br /> <br /> GV. Huỳnh Đỗ Bảo Châu<br /> <br /> 5<br /> <br />