菜单
  

    P(〖d=d〗_1 )=P(η=η_1 )×P(d_1│η_1 )+P(η=η_2 )×P(d_1│η_2 )

    P(〖d=d〗_2 )=P(η=η_1 )×P(d_2│η_1 )+P(η=η_2 )×P(d_2│η_2 )

    此时的决策空间为A={x_1,x_2,……,x_n},具体情况为:

    x_1={█(a_1,〖d=d〗_1@a_1,〖d=d〗_2 )┤      ,x_2={█(a_2,〖d=d〗_1@a_2,〖d=d〗_2 )┤,     〖……,x〗_n={█(a_n,〖d=d〗_1@a_n,〖d=d〗_2 )┤.

    由此可以得到后验概率如下:

    P((η=η_1│d=d_1 )=P(η=η_1,d=d_1 )/P(d=d_1 ) 

    P((η=η_2│d=d_1 )=P(η=η_2,d=d_1 )/P(d=d_1 ) 

    P((η=η_1│d=d_2 )=P(η=η_1,d=d_2 )/P(d=d_2 ) 

    P((η=η_2│d=d_2 )=P(η=η_2,d=d_2 )/P(d=d_2 ) 

    因此,聘请了风险顾问后各方案的贝叶斯风险分别为:

    L(x_n )=EL(x_n,η)=P(d=d_1 )×E[L(x_n,η)|d=d_1]+P(d=d_2 )×E[L(x_n,η)|d=d_2]

        利用MATLAB工具进行求解,比较各方案在不聘请风险顾问情况下的收益,选择最优投资方案。

        综合考虑聘请风险顾问前后的贝叶斯风险,选择最优决策方案。

    3.2区间型贝叶斯风险决策模型及其应用

    在项目投资分析中,市场的变化往往是很难预估的,相对于一个确定的收益值来说,根据对市场变化情况的经验,估测一个区间值更为客观可行。在这样的情况下,本文联系实变函数论中的区间数理论,决定引入区间数,在区间数的基础上构造区间型贝叶斯风险决策模型。3.2.1区间数

  1. 上一篇:龙贝格算法的应用及其在MATLAB中的实现
  2. 下一篇:浅谈数学问题解决中的类比迁移思想
  1. 基于指数模型的最大次序统计量的可靠性性质

  2. 基于学情的初中数学变式教学设计平方差公式

  3. 基于回归分析的上市公司业绩预测

  4. 基于统计分析的股票投资决策研究

  5. 基于MATLAB的数学可视化及应用研究

  6. 基于正交试验的股票投资收益影响因素分析

  7. 基于麦克风阵列的声源定位

  8. 中考体育项目与体育教学合理结合的研究

  9. 河岸冲刷和泥沙淤积的监测国内外研究现状

  10. 大众媒体对公共政策制定的影响

  11. java+mysql车辆管理系统的设计+源代码

  12. 当代大学生慈善意识研究+文献综述

  13. 十二层带中心支撑钢结构...

  14. 杂拟谷盗体内共生菌沃尔...

  15. 酸性水汽提装置总汽提塔设计+CAD图纸

  16. 乳业同业并购式全产业链...

  17. 电站锅炉暖风器设计任务书

  

About

751论文网手机版...

主页:http://www.751com.cn

关闭返回