저번 9주차에 이어서 Payoff table을 MS60을 이용해서 구해보겠습니다!
1.Decision analysis를 선택
2.
3. 3가지를 선택해서 해보면 저번시간에 했듯이 결과가 나온다
4. 각각 선택했을때 결과
Expected Value Approach
기댓값 (확률적으로) 이 주어졌을때
(0.8/0.2 로 확률이 주어졌을때)
-> 의사결정나무(Decision Tree)
payoff table을 tree로 그리고(확률을 포함해서) 그확률과 값을 곱하고 더해서 기댓값을 구한다
*나온 값은 실제로 이렇게 나오는 것이 아니라 기대할 수 있는 값이다.
d3이 -9이지만 확률적으로는 가장 유리해 보이는 것을 나온다.
MS60을 돌려보겠습니다!
완전한 정보의 기댓값은 3.2이다?
이것이 무슨 말일까?
-> 완전한 정보가 주어진다면 그 정보의 기댓값은 얼마일 것인가? EVPI
-Perfect information이 주어진다면 S1이다/ S2다라고 하면 확실하게 결정할 수 있다.
-S1이 확실하다고 정보가 주어진다면 0.8(20)+0.2(7) =17.4 만큼 기댓값이 올라간다/ 정보가 없었을때랑 14.2와 3이나 차이가 난다. 이 3.2 만큼이 perfect infromation 이주어지면 나타나는 기댓값
perfect information이 확실히 들어온다는 것을 알고 있다고 가정 -현실세계에서는 불가능
->그때의 기댓값 17.4 /3.2는 perfect information이 들어온다는 기대값에 의해서 향상된 것
아래의 그림처럼 regret table로도 구할 수 있다.
-> 후회니까 작은 것을 골라야하니까 d3를 결정
Q. 그런데 앞에 EVPI = regret table로 구한 d3의 값 3.2로 같다 이것은 필연일까 우연일까?
-필연이다 / 기회손실이 가장 적은 것이 3.2/ perfect information이 있으면 기회손실이 일어날 일이 없음
perfect information이 없어서 생기는 최소한을 선택한 것이 3.2 이다. perfpect information이 없어서 우리가 감수해야 하는 값이다.
Risk Analysis
Sensitivity Analysis 민감도 분석
위에서 구한 함수식으로 그래프를 그리면
0.25이하일때는 d1이 채택될 거라고 예측
0.25이상 0.7이하에서는 d2채택될거라고 예측
0.7이상은 d3가 채택 될거라고 예측 할 수 있다.
Decision Analysis with sample information
: 빈번하게 사전적으로 시중에서 파악한 the states of nature로 의사결정을하기도 하는데, 그외에도 향후 상황이 어떻게 될지에 대해서 전문적으로 알기를 원하기도 한다. 추가적인 정보는 전문가 집단에 의뢰해서 더 다양하고 많은 자료로 분석할 수 있다. 사전확률로만 했다면 사후확률도 살펴본다.
-6개월에 걸쳐서 전문가 집단에다가 분석 마낀다. (더 전문적, 정교함)
-favorable report, 투자하기에 괜찮다 와 unfavorable report투자를 권유하지 않는다는 결과를 받음
첫번째 의사결정- 전문가에게 마낄것인가 아닌가?
두번째 -전문가 집단에서 내린 결과 F//U -> 어떤것을 선택할 것인가?
세번째 -투자량
그에 따른 의사결정 할 수있는 decision Tree를 가지고 기대값을 계산해 본다.
전문가의 집단에게 마끼지 않으면 나오는 기대값은 14.20
전문가의 집단에게 마끼고 난 후 나오는 기대값은 {0.77투자추천 x 투자추천에서 가장 높은 값 18.26} +{0.23불추천 x 불추천에서 가장 높은 값 8.15} = 15.93
그럼 이 둘의 수치를 비교해 본다면 전문가 집단에게 마끼는 것이 유리하다는 것을 알 수 있다.
(둘의 차이 1.73 < 마켓서치를 하는 비용 이라면/ 마끼는 비용이 적다면)
->실질적으로 얻는 값이 아니라서 risk analysis를 해야한다.
optimal EV(prior)=14.2
OptimalEV with sample information = 15.93 (1.73)
Optimal with perfect information = 17.4 (3.2)
sample information이 효율적이다
첫댓글 잘했어요.