E N D
1. ENTSCHEIDUNGSTHEORIETeil 3aProf. Dr. Steffen FleaLst. fr Allgemeine Betriebswirtschaftslehre und GesundheitsmanagementUniversitt Greifswald
2. Gliederung 3 Konzepte der Entscheidungstheorie
3.1 Grundmodell der Entscheidungstheorie
3.2 Eindimensionale Zielsysteme
3.3 Mehrdimensionale Zielsysteme
3.4 Nutzentheorie
3. 3.1 Grundmodell der Entscheidungstheorie Ausgangslage: Auswahl einer optimalen Alternative aus einer Menge von Handlungsalternativen
Optimal: Bestmgliche Verwirklichung des Zielsystems
4. Elemente des Grundmodells Alternativen
Syn.: Handlungsalternativen; Strategien; Aktionen
Inhalt: Wahlmglichkeit zwischen Alternativen
Formal: a1, .., ai, .., am
5. Elemente des Grundmodells (Forts) Situationen
Syn.: Szenarien, Umweltlagen
Inhalt: Konstellationen des Umsystems, die vom Entscheider nicht beeinflusst werden knnen
Formal: s1, .., sj, .., sn
Eintrittswahrscheinlichkeiten: p1, .., pj, .., pn
6. Elemente des Grundmodells (Forts) Ziele
Formal: z1, .., zh, .., zk
Ergebnisse
Inhalt: Wert, den Alternative ai bzgl. Ziel zh bei Umweltsituation sj annimmt
Formal:
7. Elemente des Grundmodells (Forts) Ergebnismatrix
Tabelle, die jeder Alternative ai und jedem Umweltzustand sj das Ergebnis eij zuordnet.
In der Regel spricht man von einer Ergebnismatrix, wenn nur ein Ziel gegeben ist. Ansonsten mssten k Ergebnismatrizen fr k Ziele aufgestellt werden
8. Ergebnismatrix
9. Beispiel: Versicherung
10. Grundsatzproblem: Ergebnis ? Nutzen! Der reine Ergebniswert birgt keine ausreichende Aussage ber den Nutzen, den dieses Ergebnis fr den Entscheider bringt. Beispiel: Abnehmender Grenzertrag (z. B. Lnge des Urlaubs und Erholung)
Folge: Transformation des Ergebnisses in Nutzen
Nutzenmatrix (= Entscheidungsmatrix): Tabelle, die jeder Alternative und jedem Umweltzustand einen Nutzen zuweist. Ergebnis der Transformation der Ergebniswerte einer Ergebnismatrix in Nutzenwerte.
11. Varianten des Entscheidungsmodells Ziele
Entscheidung mit einem Ziel
Mehrkriterielle Entscheidungen
Nutzen
Keine Transformation der Ergebnismatrix
Transformation der Ergebnismatrix in Nutzenmatrix
12. Varianten des Entscheidungsmodells Unsicherheit
Entscheidung bei Sicherheit
p1=1 (nur Situation 1)
Entscheidung bei Risiko
Mehrere Umweltzustnde, die mit bestimmten Wahrscheinlichkeiten eintreten.
M(s1, .., sn): Menge der Umweltzustnde bekannt
Q(p1, .., pn): Wahrscheinlichkeiten bekannt
Entscheidung bei Ungewissheit
M(s1, .., sn) bekannt
Q(p1, .., pn) unbekannt
13. 3.2.1 Entscheidung bei Sicherheit und einem Ziel
14. 3.2.2 Entscheidung bei Risiko und einem Ziel Prinzip:
Umweltzustnde und Eintrittswahrscheinlichkeiten bekannt
Schritt 1: Elimination von ineffizienten Alternativen (dominierten Alternativen)
Eine Alternative ai ist effizient, falls keine andere Alternative aq existiert, die fr alle Umweltsituationen mindestens gleich gut (eqj=eij) und fr eine Umweltsituation besser ist (eqj>eij)
15. Beispiel (Ziel:Max!)
16. Beispiel (Ziel:Max!)
17. Beispiel (Ziel:Max!)
18. Reduktion der Ergebnismatrix bei Maximierungszielsetzung
19. Beispiel (Ziel:Min!)
20. Beispiel (Ziel:Min!)
21. Reduktion der Ergebnismatrix bei Minimierungszielsetzung
22. Entscheidungsregeln Synonym: Entscheidungskriterien
Inhalt: Klar definierte Regeln, wie bei gegebenen Alternativen, Umweltzustnden und Eintrittswahrscheinlichkeiten zu entscheiden ist.
23. Maximales durchschnittliches Ergebnis Synonym: -Regel, Erwartungswertkonzept, Bayes-Regel
Definition des Erwartungswertes: Das erwartete Ergebnis von Alternative i bei n mglichen Umweltzustnden ist (ai), wobei
Inhalt: Im Durchschnitt ist mit diesem Wert zu rechnen.
24. Maximales durchschnittliches Ergebnis Vorgehen: Nehme die Alternative mit dem hchsten Erwartungswert
Anwendung:
Bei hufigen Entscheidungen mglich
Vollkommene Risikoneutralitt (die bei hufigen Entscheidungen rational ist!)
Die Spielbank gewinnt immer!
25. Minimales Risiko Syn.: s-Regel
Definition der Streung:
Inhalt: Ma fr das Risiko, d.h. die Abweichung vom Erwartungswert
Vorgehen: Nehme die Alternative mit der geringsten Streuung
Anwendung: Bei Entscheidungen ohne groe Hufigkeit.
26. Minimales Risiko (Forts.) Problem: Groe Streuung in Optimierungsrichtung sind kein Risiko
Maximierung: Werte ber dem Erwartungswert sind kein Risiko
Minimierung: Werte unter dem Erwartungswert sind kein Risiko
Semi-Varianz fr Maximierung:
Anwendung: Whle die Alternative, die die geringste Semi-Varianz hat.
27. Beispiel
28. -s-Regel Problem: In der Regel erkaufen wir uns einen hohen Erwartungswert durch ein groes Risiko
Folge: Wir mssen uns zwischen hohem erwarteten Wert und Risiko entscheiden
Lsung: Einfhrung einer Risikoprferenz bzw. Prferenzfunktion Phi (F) von und s: F(,s)
29. Beispiel: F(,s) = - s
30. Weitere Varianten der Prferenzfunktion
31. Risikoeinstellung des Entscheidungstrgers Risikofreude (=Risikosympathie):
z. B. F(,s) = + s
Risiko wird als Chance gesehen, hhere Standardabweichung ist besser als niedrigere
Gambler-Typ
32. Risikoeinstellung des Entscheidungstrgers Risikofreude (=Risikosympathie):
z. B. F(,s) = + s
Risiko wird als Chance gesehen, hhere Standardabweichung ist besser als niedrigere
Gambler-Typ
Nutzenfunktion:
Iso-Prferenzlinie
33. Risikoeinstellung des Entscheidungstrgers Risikofreude (=Risikosympathie):
z. B. F(,s) = + s
Risiko wird als Chance gesehen, hhere Standardabweichung ist besser als niedrigere
Gambler-Typ
Nutzenfunktion:
F1> F2, bei kon-
stantem steigt der
Nutzen wenn s
zunimmt
In Praxis selten!
34. Risikoeinstellung des Entscheidungstrgers (Forts.) Risikoneutralitt (=Risikoindifferenz):
z. B. F(,s) = , d.h. Erwartungswertkonzept
Risiko wird weder als Chance noch als Gefahr bewertet
Bei konstantem
bleibt der Nutzen
unverndert, wenn
s zunimmt
35. Risikoeinstellung des Entscheidungstrgers (Forts.) Risikoaversion (=Risikoscheu):
z. B. F(,s) = - s
Risiko wird als Bedrohung gesehen, hhere Standardabweichung ist schlechter als niedrigere
Versicherungs-Typ
In betriebswirt-
schaftlicher Praxis
hufigster Typ
(kaufm. Vorsicht!)
36. Versicherungsprinzip Grundlage: Risikoaversitt
Gedanke: Rentiert es sich fr ein Individuum, ein Risiko zu versichern?
Alternativen
keine Versicherung
Schaden: tritt mit einer bestimmten Wahrscheinlichkeit ein (Risiko-Situation)
Versicherungsprmie: nein
Versicherung:
Schaden: nein, da er von Versicherung bernommen wird
Versicherungsprmie: ja
Problem: In der Regel ist der Erwartungswert des Schadens geringer als die Prmie (sonst knnte die Versicherung nicht berleben!)
Folge: Wahl zwischen sicherer Alternative mit hoher Auszahlung und unsicherer Alternative mit geringerem Erwartungswert der Auszahlung
37. Beispiel (Wiederholung)
38. Beispiel (Wiederholung)
39. Darstellung als Entscheidungsbaum
40. Versicherungsprinzip
41. Versicherungsprinzip
42. Versicherungsprinzip
43. Versicherungsprinzip
44. Versicherungsprinzip
45. Maximale Prmie Frage: wie hoch kann die Prmie maximal sein, so dass es fr das Individuum gerade noch lohnend ist, sich versichern zu lassen? (d.h. dass Indifferenz zwischen Versicherung und Nicht-Versicherung besteht?)
Annahme: Nutzenfunktionen bekannt
46. Maximale Prmie
47. Maximale Prmie
48. Maximale Prmie
49. Maximaler Deckungsbeitrag
50. Win-to-Win Situation Versicherung: Deckungsbeitrag in Hhe von maximal (? - Sicherheitsquivalent)
Versicherter: Reduktion des Risikos. Fr ihn ist das Sicherheitsquivalent ohne Streuung nutzenidentisch zum Erwartungswert ? mit Streuung s. Jede Prmie unterhalb des Sicherheitsquivalents ist fr den Versicherten ein Nutzenzuwachs
Folge: Beide gewinnen!
51. Probleme des Versicherungsprinzips Ermittlung der Nutzenfunktion
Gemeinkosten der Versicherung knnen dazu fhren, dass Prmie deutlich ber Erwartungswert liegt, so dass Nutzenzuwachs gering ist
Geringer Versichertenpool fhrt dazu, dass auch fr die Versicherung die Streuung relevant wird
Aufgabe der Versicherungsmathematik: Berechnung der optimalen Prmie
52. 3.2.3 Entscheidung bei Ungewissheit und einem Ziel Prinzip: Keine Aussagen sind ber die Wahrscheinlichkeiten mglich
Entscheidungsregeln: Whle eine Alternative, die nach Deiner Entscheidungsstrategie optimal ist ohne Rckgriff auf Wahrscheinlichkeiten
53. Beispiel
54. Minimax-Regel Synonym: Maximin-Regel, Wald-Regel (nach A. Wald)
Pro Alternative wird die schlimmste Umweltsituation ermittelt, z. B. der minimale Gewinn
Whle diejenige Alternative, bei der der schlimmste eintretende Zustand immer noch am besten ist
55. Beispiel ( Maximierungszielsetzung)
56. Beispiel
57. Maximax-Regel Pro Alternative wird die beste Umweltsituation ermittelt, z. B. der maximale Gewinn
Whle diejenige Alternative, bei der der best-mgliche Zustand am besten ist
58. Beispiel (Maximierungszielsetzung)
59. Beispiel
60. Hurwicz-Regel Syn.: Pessimismus-Optimismus-Regel
Inhalt: Kombination von Minimax und Maximax; Optimismusparameter ? (0=?=1) gibt Risikoverhalten des Entscheiders wieder.
?=1: extrem optimistisch, Maximax
?=0: extrem pessimistisch, Minimax
Berechnung:
61. Beispiel (?=0,6)
62. Beispiel (Maximierungszielsetzung fr verschiedene ?)
63. Beispiel
64. Sensitivittsanalyse Ausgangslage: Bei vlligem Pessimismus ist Alternative 1 besser als Alternative 2.
Frage: Bis zu welchem Optimismuswert ? ist dies so?
Ansatz
65. Graphische Lsung
66. Graphische Lsung
67. Savage-Niehans-Regel Syn.: Regel des kleinsten Bedauerns
Vorgehen:
Schritt 1: Ermittlung der Spaltenmaxima = Bestmglicher Nutzwert eines Umweltzustandes
Welchen Ertrag htte ich erzielt, wenn ich die bestmgliche Alternative pro Umweltzustand gewhlt htte?
Schritt 2: Ermittlung der Abweichung vom Spaltenmaximum fr jeden Ertrag in der zugehrigen Spalte
Welchen Ertrag htte ich gegenber der bestmglichen Alternative verloren (Bedauern!), wenn ich bei einem bestimmten Umweltzustand Alternative ai gewhlt htte?
Schritt 3: Ermittlung des schlimmsten Bedauerns fr jede Alternative
Was ist das schlimmste Bedauern, das mir passieren kann, wenn ich eine bestimmte Alternative whle?
Schritt 4: Auswahl der Alternative mit dem geringsten Wert aus Schritt 3
Welche Alternative muss ich whlen, damit das schlimmste mgliche Bedauern minimal wird?
68. Schritt 1: Spaltenmaximum
69. Schritt 2: Nachteil
70. Schritt 3: Maximales Bedauern
71. Schritt 4: Minimum des Bedauerns
72. Schritt 4: Minimum des Bedauerns
73. Laplace-Regel Synonym: Regel des unzureichenden Grundes
Jede Alternative wird als gleich wahrscheinlich angenommen, d.h. es gibt keinen Grund anzunehmen, dass der Eintritt unterschiedlich wahrscheinlich ist.
Whle diejenige Alternative, bei der die Summe der Ertrge maximal ist
74. Beispiel
75. Beispiel
76. Zusammenfassung des Beispiels
77. Zusammenfassung des Beispiels