管理决策分析 第五章 贝叶斯决策分析
第五章贝叶斯决策PPT资料44页
布 N(0, 2)，其中 2 已知，损失函数为
L(,x)10,,
求参数 的贝叶斯估计
例5.6 在新的止痛剂的市场占有率 的估计问题中
已给出损失函数 L(,x) 2( ,) 0, 1
药厂厂长对市场占有率 无任何先验信息。在市场
调查中，在n个购买止痛剂的顾客中有x个人买了新
我们约定，若已知
(1)有一个可观察的随机变量X，其密度函数 p(x )依赖于未知
参数 ，且 。
(2)在参数空间 上有一个先验分布
(3)有一个行动集 {a}。
在对 做点估计时，一般取；在对 做区间估计
时，行动a就是一个区间，的一切可能的区间构成行动 集 ；在对 作假设检验时，只有两个行动：接受和拒
一.平方损失函数下的贝叶斯估计
定理5.1 在平方损失函数L (,x) ( )下2 ，的贝叶 斯估计为后验均值，即 BxE(x)
定理5.2在加权平方损失函数 L ( ,x ) ( )2下，
的贝叶斯估计为
Bx
Ex Ex
定理5.3 在参数向量 (1,2,,k) 的场合下，对
多元二次损失函数 L(,)()Q()Q ,为正定矩
的止痛剂，试在后验风险准则下对 作出贝叶斯估
计。
例5.7 设样本x只能来自密度函数 p0 (x)或 p1(x)
中的一个，为了研究该样本到底来自哪个分布，
我们来考虑如下简单假设的检验问题：
H 0:x来 p 0(自 x)， H 1:x来 p 1(自 x)
损失函数用矩阵表示如下：
L
0 1
1 0
5.3 常用损失函数下的贝叶斯估计
个样本，其中 已知。
试在平方损失函数下寻求 1 的贝叶斯估计。
贝叶斯决策
一、什么是贝叶斯决策在以上所述的一般风险性决策问题中，自然状态的概率是作为已知条件给出的。
但是，在现实经济生活中，事先给出的各种状态的概率（又称为先验概率）常常是不准确的。
因此，需要通过进一步的试验和调查，收集补充信息，并利用补充信息，对原来估计的概率进行修订，从而求得更接近实际的新概率（利用补充信息修订的概率又称为后验概率）。
所谓贝叶斯决策，就是利用补充信息，根据概率计算中的贝叶斯公式来估计后验概率，并在此基础上对备选方案进行评价和选择的一种决策方法。
利用贝叶斯决策方法，可以将先验的信息和补充的信息结合在一起进行分析与判断，从而提高了决策的可靠性。
同时，利用该方法，还可以对信息的价值以及是否需要采集新的补充信息作出科学的判断。
二、贝叶斯公式与后验概率的估计设某种状态θj的先验概率为P(θj)，通过调查获得的补充信息为e k ,θj给定时，e k的条件概率（似然度）为，则在给定信息e k的条件下,θj 的条件概率即后验概率可用以下贝叶斯公式计算：(9.14)【例9-10】某空调机生产厂家拟向另一电子元件厂购买某种电子元器件，根据过去的经验,该电子元件厂产品发生不同次品率的概率分布如表9-5第二栏所示。
但据说，该厂的产品质量最近有所提高。
现从市场上该电子元件厂出售的该种元器件中，随机抽取了10件，结果未发现次品。
试根据这一信息，对以往元器件厂次品率的概率分布进行修正。
解：以往的概率分布可视为先验概率。
在各种不同次品率给定条件下，抽查10件发生0件次品(发生0件为)的概率近似地服从于二项分布，其似然度可按以下方式计算：(9.15)在Excel 中，利用BINOMDIST函数可以方便地计算二项分布的概率。
表9-5的第3栏，给出了按照上式计算的结果。
将似然度代入贝叶斯公式（9.4）式，可求得不同状态下的后验概率,结果如表9-5中最后一栏（第5栏）所示。
例如，次品率为0.05状态的后验概率为：从表中结果可以看出：由于实际抽查的次品率为0,因此，次品率为0.05这种状态的后验概率大于先验概率，而次品率为0.15和 0.20这两种状态的后验概率小于先验概率。
管理决策分析第五章贝叶斯决策分析
该企业收益期 望值能增加：
E2 E1 20 17 3（万元）
只要试销所需费用不超过3万元，就应该进行 市场调查；否则，则不应进行试销。
p132例5.2
3、验后分析： ❖在试销费用不超过3万元的情况下，进行试
实际的后验分布；
再利用后验分布进行决策分析，选出最满意 的可行方案；
对信息的价值和成本作对比分析，对决策分 析的经济效益情况作出合理的说明．
验后分析和预验分析的异同： 相同：都是通过贝叶斯公式修正先验分布 不同：主要在于侧重点不同
贝叶斯决策的基本步骤
4.序贯分析（主要针对多阶段决策） 指把复杂的决策问题的决策分析全过程划分 为若干阶段，每一阶段都包括先验分析、预 验分析和验后分析等步骤, 每个阶段前后相 连,形成决策分析全过程．
10（万元）
aopt (H1)＝ a1 即：试销为产品需求量大时，最优方案是引进 大型设备。
p132例5.2 ❖ 当 （市 需场 求调 量查 一值 般为）时H：2
Ea2 / H2 30 p1 / H2 25 p2 / H2 (10) p3 / H2
30 0.2571 25 0.5714 (10) 0.1715 20.283（万元）
通过调查，该企业收益期望值能增加
E2 E1 1.1301 1.1 0.030（1 万元）
因此，只要调查费用不超过0.0301万元，就应 该进行市场调查；否则，则不应进行市场调查。
p129例5.1
3、验后分析：综上所述， ❖在咨询公司收费不超过0.0301万元的情况下，
进行市场调查，能使该企业新产品开发决 策取得较好的经济效益；否则，不做市场 调查。
【决策管理】贝叶斯决策模型及实例分析(doc 12页)
【决策管理】贝叶斯决策模型及实例分析(doc 12页)部门： xxx时间： xxx整理范文，仅供参考，可下载自行编辑贝叶斯决策模型及实例分析一、贝叶斯决策的概念贝叶斯决策，是先利用科学试验修正自然状态发生的概率，在采用期望效用最大等准则来确定最优方案的决策方法。
风险型决策是根据历史资料或主观判断所确定的各种自然状态概率（称为先验概率），然后采用期望效用最大等准则来确定最优决策方案。
这种决策方法具有较大的风险，因为根据历史资料或主观判断所确定的各种自然状态概率没有经过试验验证。
为了降低决策风险，可通过科学试验（如市场调查、统计分析等）等方法获得更多关于自然状态发生概率的信息，以进一步确定或修正自然状态发生的概率；然后在利用期望效用最大等准则来确定最优决策方案，这种先利用科学试验修正自然状态发生的概率，在采用期望效用最大等准则来确定最优方案的决策方法称为贝叶斯决策方法。
二、贝叶斯决策模型的定义贝叶斯决策应具有如下内容贝叶斯决策模型中的组成部分：)(,θθPSAa及∈∈。
概率分布SP∈θθ)(表示决策者在观察试验结果前对自然θ发生可能的估计。
这一概率称为先验分布。
一个可能的试验集合E，Ee∈，无情报试验e0通常包括在集合E之内。
一个试验结果Z取决于试验e的选择以Z0表示的结果只能是无情报试验e0的结果。
概率分布P(Z/e,θ)，Zz∈表示在自然状态θ的条件下，进行e试验后发生z结果的概率。
这一概率分布称为似然分布。
c 以及定义在后果集合C的效用函数u(e,Z,a,θ)。
一个可能的后果集合C，C每一后果c=c(e,z,a,θ)取决于e,z,a和θ。
.故用u(c)形成一个复合函数u{(e,z,a,θ)}，并可写成u(e,z,a,θ)。
三、贝叶斯决策的常用方法3.1层次分析法(AHP)在社会、经济和科学管理领域中，人们所面临的常常是由相互关联，相互制约的众多因素组成的复杂问题时，需要把所研究的问题层次化。
所谓层次化就是根据所研究问题的性质和要达到的目标，将问题分解为不同的组成因素，并按照各因素之间的相互关联影响和隶属关系将所有因素按若干层次聚集组合，形成一个多层次的分析结构模型。
贝叶斯决策方法的步骤
贝叶斯决策方法的步骤贝叶斯决策方法是一种基于贝叶斯定理的决策方法，其原理是通过先验概率和后验概率来进行决策。
它在众多领域中得到了广泛的应用，比如机器学习、金融领域、医疗诊断等。
下面就让我们来详细了解一下贝叶斯决策方法的步骤。
步骤一：建立概率模型贝叶斯决策方法首先需要建立一个概率模型，包括先验概率、条件概率等。
先验概率是指在没有任何其他信息的情况下，某一事件发生的概率；条件概率是指在已经发生的其他事件的前提下，某一事件发生的概率。
通过收集数据、统计分析等方法，可以得到所需的概率模型。
步骤二：收集样本数据在进行贝叶斯决策之前，需要收集样本数据，以便用于更新概率模型中的参数。
样本数据的收集应当具有代表性，并且需要足够的量来进行统计分析，以准确地估计概率参数。
步骤三：计算先验概率在得到样本数据之后，需要根据这些数据计算先验概率。
先验概率是在考虑其他任何信息之前，某一事件发生的概率。
通过对样本数据进行统计分析，可以得到相应的先验概率。
步骤四：计算条件概率条件概率是在已知其他事件发生的前提下，某一事件发生的概率。
在得到先验概率之后，需要根据样本数据计算条件概率，以便进行后续的决策过程。
步骤五：应用贝叶斯定理进行决策在建立好概率模型并计算好相应的概率之后，可以应用贝叶斯定理进行决策。
贝叶斯定理是通过先验概率和条件概率来计算后验概率，从而做出最优的决策。
根据后验概率的大小，可以确定最优的决策方案。
步骤六：不断更新概率模型随着新的样本数据的不断积累，概率模型中的参数也需要不断地更新。
通过将新的样本数据融入到原先的概率模型中，可以得到更为准确的概率参数，从而提高决策的准确性。
在实际应用中，贝叶斯决策方法需要根据具体问题对概率模型进行适当的建立和调整，同时也需要根据具体的样本数据来进行概率参数的估计。
在处理一些复杂的实际问题时，可能还需要采用一些先进的数学方法来优化概率模型和提高决策的准确性。
贝叶斯决策方法是一种灵活、有效的决策方法，在实际应用中有着广泛的用武之地。
贝叶斯讲义贝叶斯决策
1
R( | x) 0 L( , ) ( | x)d 20 ( ) ( | x)d
1
( ) ( | x)d 30 ( ) ( | x)d E( | x)
(3)求最优行动使上述风险函数达到最小.令:
dR(
| x)
3
(
|
x)d
1
0
则得:
( | x)d 1
d
0
0
3
(4)数值计算:
8
例2 在市场占有率θ的估计问题中，已知损失函数为：
L(
,
)
2(
,
),
0 1
药厂厂长对市场占有率θ无任何先验信息，另外在市场调查中，
在n个购买止痛剂的顾客中有x人买了新药，试在后验风险准则下
对θ作出贝叶斯估计。
解:(1)求参数θ的后验分布: 结果为 Be(x+1,n-x+1)
(2) (x),计算风险函数
| |
解:分三步求解:
(1)求参数θ的后验分布
(
|
x)
N
n
xi
2
, (n
2
)1
(2)对于任意一个决策函数
计算后验风险函数:
R( | x) L( , ) ( | x)d
( | x)d
| |
P|x (| | ) 1 P|x (| | )
(3)求出使得上述风险函数达到最小时的决策函数:
,i 0 ,i 1
斯决策问题:
p0 (x) 0 p1(x)1
①参数空间Θ={0,1}
②行动空间A={0,1}
③先验分布:P(θ=0)=π0, P(θ=1)=π1
④损失函数:决策正确无损失, 决策错误的损失为1.则
贝叶斯网络模型在决策分析中的应用
贝叶斯网络模型在决策分析中的应用近年来，随着数据的爆炸式增长，数据分析在各个领域的应用变得越来越普遍。
在决策分析领域，贝叶斯网络模型已经成为了一种非常有力的工具。
贝叶斯网络可以帮助我们将各种因素联系起来，预测事件的可能性，并帮助我们做出正确的决策。
接下来，我们将详细的介绍一下贝叶斯网络模型在决策分析中的应用。
一、什么是贝叶斯网络模型贝叶斯网络是一种概率图模型，通过图的节点和边来表示变量之间的联系，节点表示变量，边表示变量之间的依赖关系。
贝叶斯网络模型可以用来推断变量之间的关系，并进行预测。
其基本思想是，对于一个事件来说，我们不仅仅知道其中某些因素的概率，还要考虑这些因素之间的关系，从而得到事件发生的概率。
因此，贝叶斯网络模型可以帮助我们在不确定性的情况下，处理事实和数据之间的关系。
二、贝叶斯网络模型的应用1、风险预测贝叶斯网络模型可以用来进行风险预测，从而帮助我们做出更加明智的决策。
例如，在银行信贷风险评估中，我们可以利用这种模型来建立一个信用评级系统。
我们可以将客户申请的贷款金额、收入、已有贷款的还款情况、年龄、性别等因素作为节点，然后使用大量的数据对这些节点进行训练，从而得到一个准确的风险评估模型。
2、医疗诊断贝叶斯网络模型还可以用来进行医疗诊断。
我们可以将各种疾病、症状、家族史、饮食、运动等因素作为节点，然后使用医疗数据进行训练，从而得到一个准确的诊断模型。
这种模型可以帮助医生更加准确地诊断疾病，并提供更好的治疗方案。
3、工业决策贝叶斯网络模型还可以用来进行工业决策。
例如，在石油开采行业，我们可以将工程中的各种因素，如油藏性质、地质结构、工程参数等作为节点，并使用大量的数据进行训练，从而得到一个准确的决策模型。
这种模型可以帮助决策者更好地做出决策，提高开采效率。
三、贝叶斯网络模型的优势相比于其他模型，贝叶斯网络模型具有以下优势：1、深入分析因素之间的关系贝叶斯网络从本质上就是一种因果推断的模型，在分析过程中，它能够深入分析各个因素之间的关系，与其他模型相比，它更加准确、可靠。
毕业论文贝叶斯决策分析
毕业论文贝叶斯决策分析贝叶斯决策分析是一种基于统计学原理的决策方法，它能够通过概率模型和贝叶斯定理来评估不确定情况下的决策风险和收益。
本文将介绍贝叶斯决策分析的基本原理和应用，以及其在实际问题中的应用。
首先，我们来了解一下贝叶斯决策分析的基本原理。
贝叶斯决策分析是基于贝叶斯定理的推理方法，它将概率模型和决策问题相结合。
在贝叶斯决策分析中，我们首先通过观察到的数据来估计模型的参数，然后使用这些参数来计算各种可能的决策结果的概率，最后选择具有最大期望收益的决策。
对于一个具体的决策问题，我们首先需要构建一个概率模型，该模型将描述不同决策结果和不同事件之间的概率关系。
然后，我们需要通过观察已知的数据来估计概率模型的参数。
一旦我们估计出参数，我们就可以根据贝叶斯定理来计算不同决策结果的后验概率，即在给定已知数据的条件下，不同决策结果发生的概率。
最后，我们选择具有最大期望收益的决策结果作为最优决策。
贝叶斯决策分析可以在各种不确定性决策问题中应用。
例如，在医学诊断中，我们可以使用贝叶斯决策分析来根据病人的症状和检测结果来确定病人是否患有其中一种疾病。
在金融投资中，我们可以使用贝叶斯决策分析来评估不同投资策略的风险和回报，并选择最优的投资组合。
在工程设计中，我们可以使用贝叶斯决策分析来评估不同设计方案的可行性和效益，并选择最优的设计方案。
贝叶斯决策分析的应用还包括决策树、朴素贝叶斯分类器、最大期望算法等。
决策树是一种基于贝叶斯决策分析的决策模型，它通过将决策问题划分为一系列决策节点和结果节点，从而形成一棵树状结构来进行决策。
朴素贝叶斯分类器是一种基于贝叶斯决策分析的分类方法，它假设不同特征之间相互独立，然后使用贝叶斯定理来计算不同类别下的后验概率，最后选择具有最大后验概率的类别作为分类结果。
最大期望算法是一种基于贝叶斯决策分析的参数估计方法，它通过迭代优化来估计参数的最大似然值。
总之，贝叶斯决策分析是一种有效的决策方法，它能够通过概率模型和贝叶斯定理来评估不确定情况下的决策风险和收益。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
p132例5.2
2、预验分析：由全概率公式
p H i
得：
p( H / ) p( )
i j j j 1
P(Hi/θj) H1 H2 H3 θ1 0.6 0.3 0.1 θ2 0.2 0.5 0.3 θ3 0.2 0.2 0.6
p132例5.2
解：1、验前分析
E (a1 ) 50 20 20 0.3 17 E (a 2 ) 30 25 10 0.4 16 E (a ) 10 10 10 0.3 10 3
p129例5.1
2、预验分析： 当市场调查值为 H2（产品滞销）时：
E a1 / H 2 1.5 p 1 / H 2 ( 0.5) p 2 / H 2 1.5 0.1818 ( 0.5) 0.8182 0.1346 （万元）
贝叶斯决策的基本步骤
1.验前分析
依据数据和资料以及经验和判断，去测算和 估计状态变量θ的先验分布p(θ) ； 计算各可行方案在不同θ下的条件结果值；
根据某种决策准则评价选择，找出最满意方 案。 2.预验分析 比较分析补充信息的价值和成本的过程。 目的：判断是否值得去补充信息？
贝叶斯决策的基本步骤
p129例5.1
2、预验分析： 用后验分布代替先验分布，计算各方案的期 望收益值。
当市场调查值为 H1（产品畅销）时：
E a1 / H 1 1.5 p 1 / H 1 ( 0.5) p 2 / H 1
1.5 0.9744 ( 0.5) 0.0256 1.4488 （万元） aopt (H1)＝ a1 E a2 / H1 0 即：市场调查畅销时，最 优方案是生产该新产品。
p129例5.1
某工厂计划生产一种新产品，产品的销售情 况有畅销（θ1），滞销（θ2）两种，据以往 的经验，估计两种情况发生的概率分布和利 润如下表所示：
状态θ 概率P(θi) 利润（万元） 畅销（θ1） 滞销（θ2） 0.8 1.5 0.2 －0.5
p129例5.1
为了进一步摸清市场对这种产品的需求情况， 拟聘请某咨询公司进行市场调查和分析，该 公司对销售情况预测也有畅销(H1)和滞销 (H2)两种，对畅销预测的准确率为0.95，对 滞销预测的准确率为0.9：
j j j j 1
n
有关的概率公式
贝叶斯公式：
p( H / i ) p( i ) p i / H p( H ) n p( H / j ) p( j )
j 1
p( H / j ) p( j )
1,2, , n; p( H ) 0) (i
5.1.2 贝叶斯决策的基本方法
利用市场调查获取的补充信息值Hi 或τ去修 正状态变量θ的先验分布，即依据似然分布 矩阵所提供的充分信息，用贝叶斯公式求出 在信息值H或τ发生的条件下，状态变量θ的 条件分布 p(θ/H)。 先验概率—p(θ) ：由以往的数据分析得到的 概率； 后验概率—p(θ/H)：在得到信息之后，重新 加以修正的概率。
p129例5.1
2、预验分析： p( H i / j ) p( j ) p j / Hi 再由贝叶斯公式 p( H i )
p( H 1 / 1 ) p( 1 ) 0.95 0.8 0.9744 得：p( 1 / H 1 ) p( H 1 ) 0.78 p( H 1 / 2 ) p( 2 ) 0.1 0.2 p( 2 / H 1 ) 0.0256 p( H 1 ) 0.78 p( H 2 / 1 ) p( 1 ) 0.05 0.8 p( 1 / H 2 ) 0.1818 p( H 2 ) 0.22 p( H 2 / 2 ) p( 2 ) 0.9 0.2 p( 2 / H 2 ) 0.8182 p( H 2 ) 0.22
E a2 / H1 0
aopt (H1)＝ a2 即：市场调查滞销时，最优方案是不生产该 新产品。
p129例5.1
是否该进行市场调查？
不应进行调查 假定咨询公司收费为0.1万元。 2、预验分析： 通过调查，该企业可获得的收益期望值为：
E 2 E (aopt / H 1 ) p H 1 E (aopt / H 2 ) p H 2 1.4488 0.78 0 0.22 1.1301 （万元） 通过调查，该企业收益期望值能增加 E2 E1 1.1301 1.1 0.0301 （万元）
第五章 贝叶斯决策分析
广西大学数学与信息科学学院 运筹管理系
§5.1
贝叶斯决策的基本方法
5.1.1 贝叶斯决策的基本方法 管理决策的两种偏向：(1)缺少调查，(2)调 查费用过高。 贝叶斯决策：为了提高决策质量，需要通过 市场调查，收集有关状态变量的补充信息， 对先验分布进行修正，用后验状态分布进行 决策。 贝叶斯决策的意义 贝叶斯决策可以做到少花钱多办事，提高决 策分析的科学性和效益性。
因此，只要调查费用不超过0.0301万元，就应 该进行市场调查；否则，则不应进行市场调查。
p129例5.1
3、验后分析：综上所述， 在咨询公司收费不超过0.0301万元的情况下， 进行市场调查，能使该企业新产品开发决 策取得较好的经济效益；否则，不做市场 调查。 若调查结果是该产品畅销，则应该选择方 案a1，即生产新产品； 若调查结果是该产品滞销，则应该选择方 案a2，即不生产新产品。
P(Hi/θj) H1 H2 θ1 0.95 0.05 θ2 0.10 0.90
p129例5.1
解： 1、验前分析 记方案a1 为生产该新产品，方案a2 为不生产。 则： E (a1)=1.1（万元），E (a2)=0 记验前分析的最大期望收益值为E1，有： E1＝max{E (a1)，E (a2)} =1.35。 因此验前分析后的决策为：生产该新产品。 即： aopt＝ a1 E1为不作市场调查的期望收益。
2.预验分析 判断：如果信息的价值高于其成本，则补充信 息给企业带来正效益，应该补充信息．反之， 补充信息大可不必。 注：如果获取补充信息的费用很小，甚至可以 忽略不计，本步骤可以省略，直接进行调查 和收集信息，并依据获取的补充信息转入下 一步骤。
贝叶斯决策的基本步骤
3.验后分析 利用补充信息修正先验分布,得到更加符合 实际的后验分布；
p132例5.2
p( H 2 / 1 ) p( 1 ) 0.3 0.3 p( 1 / H 2 ) 0.2571 p( H 2 ) 0.35 p( H 2 / 2 ) p( 2 ) 0.5 0.4 p( 2 / H 2 ) 0.5714 p( H 2 ) 0.35 p( H 2 / 3 ) p( 3 ) 0.2 0.3 p( 3 / H 2 ) 0.1715 p( H 2 ) 0.35
p132例5.2
2、预验分析： p / H j) p( j ) p( H i )
得： ( 1 / H 1 ) p( H 1 / 1 ) p( 1 ) 0.6 0.3 0.5625 p
p( H 1 ) 0.32 p( H 1 / 2 ) p( 2 ) 0.2 0.4 p( 2 / H 1 ) 0.25 p( H 1 ) 0.32 p( H 1 / 3 ) p( 3 ) 0.2 0.3 p( 3 / H 1 ) 0.1875 p( H 1 ) 0.32
p129例5.1
2、预验分析：由全概率公式
p H i
得：
p( H / ) p( )
i j j j 1
n
p( H 1 ) 0.95 0.1 0.8 0.78 p( H ) 0.05 0.9 0.2 0.22 2
n
p( H 1 ) 0.6 0.2 0.2 0.3 0.32 p( H 2 ) 0.3 0.5 0.2 0.4 0.35 p( H ) 0.1 0.3 0.6 0.3 0.33 3
离散情形 若θ取n个值θj（j=l, 2, …, n），H取m个值Hi （i＝1, 2, …, m），则信息值的可靠程度对 应一个矩阵—贝叶斯决策的似然分布矩阵
p( H 1 / 1 ) p( H 2 / 1 ) p( H m / 1 ) p( H1 / 2 ) p( H 2 / 2 ) p( H m / 2 ) p( H 1 / n ) p( H 2 / n ) p( H m / n )
有关的概率公式
离散情况 设有完备事件组｛θj｝（j=1, 2, …, n），满 足： i j ，（i , j 1,2,, n; i j）
j 1
n
j
则对任一随机事件H，有全概率公式：
p H
(p p( H / ) p( ) ( ) 0)
Q (qij ) 33
50 20 20 a1 30 25 10 a2 10 10 10 a 3
例5.2 试对该企业新产品开发方案进行决策。
根据历年资料，该产品各需求状态的概率分 别为p(θ1)=0.3，p(θ2)=0.4，p(θ3)=0.3。为 使新产品开发产销对路，该拟试销作市场调 查，试销结果可能有三种：需求量大(H1)、 需求量一般(H2)、需求量小(H3)。调查结 果值的可靠性如下表所示：