决策树分析介绍

决策树法的几个关键步骤是：1、画出决策树，画决策树的过程也就是对未来可能发生的各种事件进行周密思考、预测的过程，把这些情况用树状图表示出来．先画决策点，再找方案分枝和方案点．最后再画出概率分枝。2、由专家估计法或用试验数据推算出概率值．并把概率写在概率分枝的位置上。3、计算益损期望值，从树梢开始，由右向左的顺序进行．用期望值法计算．若决策目标是盈利时，比较各分枝，取期望值最大的分枝，其他分枝进行修剪。扩展资料决策树的优点1、决策树易于理解和实现. 人们在通过解释后都有能力去理解决策树所表达的意义。2、对于决策树，数据的准备往往是简单或者是不必要的 . 其他的技术往往要求先把数据一般化，比如去掉多余的或者空白的属性。3、能够同时处理数据型和常规型属性。其他的技术往往要求数据属性的单一。4、 在相对短的时间内能够对大型数据源做出可行且效果良好的结果。5、对缺失值不敏感6、可以处理不相关特征数据7、效率高，决策树只需要一次构建，反复使用，每一次预测的最大计算次数不超过决策树的深度。决策树的缺点1、对连续性的字段比较难预测。2、对有时间顺序的数据，需要很多预处理的工作。3、当类别太多时，错误可能就会增加的比较快。4、一般的算法分类的时候，只是根据一个字段来分类。5、在处理特征关联性比较强的数据时表现得不是太好

决策树分析方法的基本步骤1.绘制决策树图。从左到右的顺序画决策树，此过程本身就是对决策问题的再分析过程。2.按从右到左的顺序计算各方案的期望值，并将结果写在相应方案节点上方。期望值的计算是从右到左沿着决策树的反方向进行计算的。3.对比各方案的期望值的大小，将期望值小的方案(即劣等方案)剪掉，所剩的最后方案为最佳方案。决策树(简称DT)利用概率论的原理，并且利用一种树形图作为分析工具。其基本原理是用决策点代表决策问题，用方案分枝代表可供选择的方案，用概率分枝代表方案可能出现的各种结果，经过对各种方案在各种结果条件下损益值的计算比较，为决策者提供决策依据。优点：1)　可以生成可以理解的规则；2)　计算量相对来说不是很大；3) 可以处理连续和种类字段；4) 决策树可以清晰的显示哪些字段比较重要。缺点：1) 对连续性的字段比较难预测；2) 对有时间顺序的数据，需要很多预处理的工作；3) 当类别太多时，错误可能就会增加的比较快；4) 一般的算法分类的时候，只是根据一个字段来分类。

决策树法属于风险型决策方法。决策树法就是把决策过程用树状图来表示。树状图一般是由决策点、方案分枝、自然状态点、概率分枝和结果点几个关键部分构成。树状图表现了两种不同的决策环节，一种是主观抉择环节，另一种是客观抉择环节。决策树法适用于风险型决策。决策树分析法是指分析每个决策或事件（即自然状态）时，都引出两个或多个事件和不同的结果，并把这种决策或事件的分支画成图形，这种图形很像一棵树的枝干，故称决策树分析法。决策树法的几个关键步骤是：（1）画出决策树，画决策树的过程也就是对未来可能发生的各种事件进行周密思考、预测的过程，把这些情况用树状图表示出来。先画决策点，再找方案分枝和方案点。最后再画出概率分枝。（2）由专家估计法或用试验数据推算出概率值。并把概率写在概率分枝的位置上。（3）计算益损期望值，从树梢开始，由右向左的顺序进行。用期望值法计算。若决策目标是盈利时，比较各分枝，取期望值最大的分枝，其他分枝进行修剪。

决策树是确定生产能力方案的一条简捷的途径。决策树不仅可以帮助人们理解问题，还可以帮助人们解决问题。决策树是一种通过图示罗列解题的有关步骤以及各步骤发生的条件与结果的一种方法。近年来出现的许多专门软件包可以用来建立和分析决策树，利用这些专门软件包，解决问题就变得更为简便了。决策树由决策结点、机会结点与结点间的分枝连线组成。通常，人们用方框表示决策结点，用圆圈表示机会结点，从决策结点引出的分枝连线表示决策者可作出的选择，从机会结点引出的分枝连线表示机会结点所示事件发生的概率。在利用决策树解题时，应从决策树末端起，从后向前，步步推进到决策树的始端。在向前推进的过程中，应在每一阶段计算事件发生的期望值。需特别注意：如果决策树所处理问题的计划期较长，计算时应考虑资金的时间价值。计算完毕后，开始对决策树进行剪枝，在每个决策结点删去除了最高期望值以外的其他所有分枝，最后步步推进到第一个决策结点，这时就找到了问题的最佳方案。下面以南方医院供应公司为例，看一看如何利用决策树作出合适的生产能力计划。南方医院供应公司是一家制造医护人员的工装大褂的公司。该公司正在考虑扩大生产能力。它可以有以下几个选择：1、什么也不做；2、建一个小厂；3、建一个中型厂；4、建一个大厂。新增加的设备将生产一种新型的大褂，目前该产品的潜力或市场还是未知数。如果建一个大厂且市场较好就可实现$100，000的利润。如果市场不好则会导致$90，000的损失。但是，如果市场较好，建中型厂将会获得$ 60,000，小型厂将会获得$40，000，市场不好则建中型厂将会损失$10,000，小型厂将会损失$5，000。当然，还有一个选择就是什么也不干。最近的市场研究表明市场好的概率是0.4，也就是说市场不好的概率是0.6。参下图：在这些数据的基础上，能产生最大的预期货币价值（EMV）的选择就可找到。EMV（建大厂）=（0.4）*($100,000)+(0.6)*(-$90,000)=-$14,000 EMV（中型厂）=(0.4) *($ 600,000))+(0.6)* (-$10,000)=+$18,000 EMV(建小厂)=(0.4)* ($40,000)+(0.6)*(-$5,000)=+$13,000 EMV(不建厂)=$0 　根据EMV标准，南方公司应该建一个中型厂。

【答案】：决策树是将可能结果和相互依赖的选择表示在多阶段或者有先后顺序的决策过程中的一种示意图。这种树状图由左向右构建，用方格表示决策节点，用圆圈表示不可控(机会)事件。每个分支的盈亏用货币数量表示在右边。决策树是将盈利乘以它们(指定给各个机会事件)的概率来逆向分析的(从右向左)。期望值最高的被认为是最佳选择，被输入前面的决策结点，这就变成了下一个更高顺序的期望值。这样依次分析，直到返回决策树的主干。

　　决策树分析法是通过决策树图形展示临床重要结局，明确思路，比较各种备选方案预期结果进行决策的方法。　　决策树分析法通常有6个步骤。　　第一步：明确决策问题，确定备选方案。对要解决的问题应该有清楚的界定，应该列出所有可能的备选方案。　　第二步：绘出决策树图形。决策树用3种不同的符号分别表示决策结、机会结、结局结。决策结用图形符号如方框表示，放在决策树的左端，每个备选方案用从该结引出的]个臂(线条)表示；实施每一个备选方案时都司能发生一系列受机遇控制的机会事件，用图形符号圆圈表示，称为机会结，每一个机会结司以有多个直接结局，例如某种治疗方案有3个结局(治愈、改善、药物毒性致死)，则机会结有3个臂。最终结局用图形符号如小三角形表示，称为结局结，总是放在决策树最右端。从左至右机会结的顺序应该依照事件的时间先后关系而定。但不管机会结有多少个结局，从每个机会结引出的结局必须是互相排斥的状态，不能互相包容或交叉。　　第三步：明确各种结局可能出现的概率。可以从文献中类似的病人去查找相关的概率，也可以从临床经验进行推测。所有这些概率都要在决策树上标示出来。在为每一个机会结发出的直接结局臂标记发生概率时，必须注意各概率相加之和必须为1.0。　　第四步：对最终结局用适宜的效用值赋值。效用值是病人对健康状态偏好程度的测量，通常应用0-1的数字表示，一般最好的健康状态为1，死亡为0。有时可以用寿命年、质量调整寿命年表示。　　第五步：计算每一种备远方案的期望值。计算期望值的方法是从"树尖"开始向"树根"的方向进行计算，将每一个机会结所有的结局效用值与其发生概率分别相乘，其总和为该机会结的期望效用值。在每一个决策臂中，各机会结的期望效用值分别与其发生概率相乘，其总和为该决策方案的期望效用值，选择期望值最高的备选方案为决策方案。　　第六步：应用敏感性试验对决策分析的结论进行测试。敏感分析的目的是测试决策分析结论的真实性。敏感分析要回答的问题是当概率及结局效用值等在一个合理的范围内变动时，决策分析的结论会不会改变。

　　 问：简述利用决策树分析法进行决策的具体步骤？ 　　 校解析答案： 1、问题的决策目标是，选择什么方案增加服装资源，保障货源供应，满足市场需求，以使企业服装经营收益值最大。 　　2、本问题只有一个决策点，是一个单级决策问题，由于有三个备选方案，所以有三条方案枝，每个方案枝末端对应一个机会点。 　　3、自右至左进行分析计算。 　 　 　　我是云南会计独立本科段的考生，这次报了《管理系统中计算机应用》和《国际贸易理论与实务》，两科都及格了，感谢网校，感谢两位老师！ 　　江西省的成绩出来了，《古代汉语》考了三次，现在终于通过了，75.5分的成绩，谢谢张老师！现在可以毕业啦！

1、决策树分析法能显抄示出决策过程，具体形象袭，便于发现问题。1、决策树分析法能把风险决策的各个环节联系成一个统一的整百体，有利于决策过程中的思考度，易于比较各种方知案的优劣。3、决策树分析法既可以进行定性分析，也可以进行定量道计算。

一般都是自上而下的来生成的。每个决策或事件（即自然状态）都可能引出两个或多个事件，导致不同的结果，把这种决策分支画成图形很像一棵树的枝干，故称决策树。 　决策树就是将决策过程各个阶段之间的结构绘制成一张箭线图，我们可以用下图来表示。选择分割的方法有好几种，但是目的都是一致的：对目标类尝试进行最佳的分割。从根到叶子节点都有一条路径，这条路径就是一条“规则”。决策树可以是二叉的，也可以是多叉的。对每个节点的衡量：1) 通过该节点的记录数2) 如果是叶子节点的话，分类的路径3) 对叶子节点正确分类的比例有些规则的效果可以比其他的一些规则要好。

决策分析，一般指从若干可能的方案中通过决策分析技术，如期望值法或决策树法等，选择其一的决策过程的定量分析方法。主要应用于大气科学中的动力气象学等学科。决策分析一般分四个步骤：（1）确定型情况下的决策分析。确定型决策问题的主要特征有4方面：一是只有一个状态；二是有决策者希望达到的一个明确的目标；三是存在着可供决策者选择的两个或两个以上的方案；四是不同方案在该状态下的收益值是清楚的。确定型决策分析技术包括用微分法求极大值和用数学规划等。（2）风险型情况下的决策分析。这类决策问题与确定型决策只在第一点特征上有所区别：风险型情况下，未来可能状态不只一种，究竟出现哪种状态，不能事先肯定，只知道各种状态出现的可能性大小（如概率、频率、比例或权等）。常用的风险型决策分析技术有期望值法和决策树法。期望值法是根据各可行方案在各自然状态下收益值的概率平均值有大小，决定各方案的取舍。决策树法有利于决策人员使决策问题形象化，可把各种可以更换的方案、可能出现的状态、可能性大小及产生的后果等，简单地绘制在一张图上，以便计算、研究与分析，同时还可以随时补充和修正。（3）不确定型情况下的决策分析。如果不只有一个状态，各状态出现的可能性的大小又不确知，便称为不确定型决策。常用的决策分析方法有：a.乐观准则。比较乐观的决策者愿意争取一切机会获得最好结果。决策步骤是从每个方案中选一个最大收益值，再从这些最大收益值中选一个最大值，该最大值对应的方案便是入选方案。b.悲观准则。比较悲观的决策者总是小心谨慎，从最坏结果着想。决策步骤是先从各方案中选一个最小收益值，再从这些最小收曾值中选出一个最大收益值，其对应方案便是最优方案。这是在各种最不利的情况下又从中找出一个最有利的方案。c.等可能性准则。决策者对于状态信息毫无所知，所以对它们一视同仁即认为它们出现的可能性大小相等。于是这样就可按风险型情况下的方法进行决策。大多数的决策理论是规范性的，即决策理论以假设一个具有完全信息的、可实现精度计算的、并且完全理性的理想决策者的方式达到最优的决策（在实际中，某些所谓“最好”的情景并不是最大，最优也可能包含在一个具体的或近似的最大值）。这种规范模型的实际应用（人们应当如何决策）被称为决策分析，其目标是帮助人们进行进一步良好决策的工具和方法论。决策支持系统是一种系统的、综合的用这种方法开发的软件工具。 由于人们通常的行为并不与公理一致，经常违反了其最优性。关于这种现象的相关研究称为描述性学科。这种描述性的模型试图描述实际中人们是怎么做的。由于规范和最优的决策通常测试假设是违背人们的实际行动，因此规范性模型和描述性模型建立了关联。对实践中发生决策允许进行进一步的测试，可能会放松规范模型中对完全信息、理性和其他方法的约束。 最近几十年，越来越多的研究者对被称为“行为决策论”的引发兴趣，这种研究对重新评价理性决策理论的要求做出了贡献。

一，SWOT分析法SWOT分析法（也称TOWS分析法、道斯矩阵）即态势分析法，20世纪80年代初由美国旧金山大学的管理学教授韦里克提出，经常被用于企业战略制定、竞争对手分析等场合。在现在的战略规划报告里，SWOT分析应该算是一个众所周知的工具。来自于麦肯锡咨询公司的SWOT分析，包括分析企业的优势（Strengths）、劣势（Weaknesses）、机会（Opportunities）和威胁（Threats）。因此，SWOT分析实际上是将对企业内外部条件各方面内容进行综合和概括，进而分析组织的优劣势、面临的机会和威胁的一种方法。SWOT 分析是一个职业决策的非常有用工具。如你对自己做个细致的SWOT 分析，那么，你会很明了地知道自己的个人优点和弱点在哪里，并且你会仔细地评估出自己所感兴趣的不同职业道路的机会和威胁所在。1，构造SWOT矩阵。将调查得出的各种因素根据轻重缓急或影响程度等排序方式，构造SWOT矩阵。在此过程中，将那些对公司发展有直接的、重要的、大量的、迫切的、久远的影响因素优先排列出来，而将那些间接的、次要的、少许的、不急的、短暂的影响因素排列在后面。2，定量的SWOT分析。从测量的角度看，对企业内外条件的测量往往会表现为一个连续体，优势和劣势的相对性和程度性要求使用 SWOT分析采用合适的测量标准，这比泾渭分明的优劣区分对企业实际有着更加客观的把握。然而，对优势和劣势、机会和威胁都缺乏明晰的测量标准。在运用SWOT分析法的过程中，你或许会碰到一些问题，这就是它的适应性。因为有太多的场合可以运用SWOT分析法，所以它必须具有适应性。然而这也会导致反常现象的产生。基础SWOT法分析法所产生的问题可以由更高级的POWERSWOT分析法得到解决。3，找出你的职业机会和威胁 我们知道，不同的行业（包括这些行业里不同的公司）都面临不同的外部机会和威胁，所以，找出这些外界因素将助你成功地找到一份适合自己的工作是非常重要的，因为这些机会和威胁会影响你的第一份工作和今后的职业发展。如果公司处于一个常受到外界不利因素影响的行业里，很自然，这个公司能提供的职业机会将是很少的，而且没有职业升迁的机会。相反，充满了许多积极的外界因素的行业将为求职者提供广阔的职业前景。请列出你感兴趣的一两个行业，然后认真地评估这些行业所面临的机会和威胁。二，生涯决策平衡单法“决策平衡单”（decision-making balance sheet）经常被应用于问题解决模式和职业咨询中，用以协助咨询者有系统地分析每一个可能的选项，判断分别执行各选项的利弊得失，然后依据其在利弊得失上的加权计分排定各个选项的优先顺序，以执行最优先或偏好的选项。其在职业咨询中实施的程序主要有下列步骤：（1）列出可能的职业选项：咨询者首先需在平衡单中列出有待深入评量的潜在职业选项三至五个。（2）判断各个职业选项的利弊得失：平衡单中提供咨询者思考的重要得失，集中于四个方面，分别是：自我物质方面的得失、他人物质方面的得失、自我赞许（精神方面）的得失、他人赞许（精神方面）的得失。详如下表所示。咨询者可依据重要的得失方面，逐一检视各个职业选项，并以“+5”至“-5”的十一点量表（+5，+4，+3，+2，+1，0，-1，-2，-3，-4，-5）来衡量各个职业选项。 （3）各项考虑因素的加权计分：咨询者在各个方面的利弊得失之间，会因身处于不同情境而有不同的考量。因此，在详细列出各项考虑层面之后，须再进行加权计分。即对当时个人而言，重要的考虑因素可乘以一至五倍分数（*5），依次递减。（4）计算出各个职业选项的得分：咨询者须逐一计算各个职业选项在“得”（正分）与“失”（负分）的加权计分与累加结果，并计算各个生涯选项的总分。 （5）排定各个职业选项的优先顺序：最后，依据各职业选项在总分上的高低，排定优先次序，（如表）。职业选项的优先次序即可作为咨询者职业生涯决策的依据。 三 ，casve循环法CASVE循环就是职业生涯规划决策技术。职业生涯规划决策是一种问题解决活动。你对有关职业问题的解答，如同你对数学问题或科学问题的解答一样。你的职业生活质量是以你怎样进行职业决策和怎样解决职业问题为基础的。学习生涯决策技术中的CASVE循环，可以帮助你提高这方面的能力。CASVE循环包括五个阶段：沟通、分析、综合、评估和执行，CASVE就是这五个词的英文单词首字母。它可以在整个职业生涯问题解决和决策制定过程中为你提供指导。CASVE决策技术，无论是对解决个人职业规划问题，还是解决团体问题都非常有用。用系统的方法思考这五个步骤，能够提供一个有用的工具，使你成为一个更有效率的人。

我找些资料，供你参考一下。应用决策树应具备以下几个条件：有决策者的明确目标；有决策者可以选择的两个以上的可行备选方案；存在决策者无法控制的两种以上的自然状态(如气候变化、市场行情、经济发展动向等)；不同行动方案在不同自然状态下的损益值可以计算出来；决策者能估计出不同的自然状态发生概率

首先教材认为事件树是故障风险发生后的分析，即故障如果没发生或者有不发生的可能都不能使用事件树，因此此时没有构成风险事件;而决策树不是，其决策时是专门针对不确定事件的发生;其次事件树发生的可能性仅仅有两种，要么成功要么失败;而决策树不是这样的，其是根据概率发生的可能性会有多种情况来应对分析。联系：它们都开始于初因事项或是最初决策，同时由于可能发生的事项及可能做出的决策，需要对不同路径和结果进行建模。区别：事件树发生的结果是互斥性后果，比如说发生火灾是一个结果，不发生火灾是另一个结果，事情只有这两种互斥性的后果。而决策树是从多种方案中选出最好的那种结果，决策树并不强调后果的互斥，它的关注点只在最高期望值的结果上。且事件树是定性与定量分析，而决策树仅仅是定量分析。

优点：1)　可以生成可以理解的规则；2)　计算量相对来说不是很大；3) 可以处理连续和种类字段；4) 决策树可以清晰的显示哪些字段比较重要。缺点：1) 对连续性的字段比较难预测；2) 对有时间顺序的数据，需要很多预处理的工作；3) 当类别太多时，错误可能就会增加的比较快；4) 一般的算法分类的时候，只是根据一个字段来分类。

决策理论方法主要有定性决策和定量决策。性决策方法主要包括头脑风暴法、专家会议法、德尔菲法和电子会议法等等；定量决策主要有线性规划法、盈亏分析法、表格法和决策书法等等。温馨提示：以上内容仅供参考。应答时间：2021-05-11，最新业务变化请以平安银行官网公布为准。 [平安银行我知道]想要知道更多？快来看“平安银行我知道”吧~ https://b.pingan.com.cn/paim/iknow/index.html

决策树分析中机会节用无法控制表示。决策树（Decision Tree）是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。由于这种决策分支画成图形很像一棵树的枝干，故称决策树。在机器学习中，决策树是一个预测模型，他代表的是对象属性与对象值之间的一种映射关系。Entropy=系统的凌乱程度，使用算法ID3，C4.5和C5.0生成树算法使用熵。这一度量是基于信息学理论中熵的概念。决策树是一种树形结构，其中每个内部节点表示一个属性上的测试，每个分支代表一个测试输出，每个叶节点代表一种类别。分类树（决策树）是一种十分常用的分类方法。它是一种监督学习，所谓监督学习就是给定一堆样本。每个样本都有一组属性和一个类别，这些类别是事先确定的，那么通过学习得到一个分类器，这个分类器能够对新出现的对象给出正确的分类。这样的机器学习就被称之为监督学习。优点：决策树易于理解和实现，人们在在学习过程中不需要使用者了解很多的背景知识，这同时是它的能够直接体现数据的特点，只要通过解释后都有能力去理解决策树所表达的意义。对于决策树，数据的准备往往是简单或者是不必要的，而且能够同时处理数据型和常规型属性，在相对短的时间内能够对大型数据源做出可行且效果良好的结果。易于通过静态测试来对模型进行评测，可以测定模型可信度；如果给定一个观察的模型，那么根据所产生的决策树很容易推出相应的逻辑表达式。

利用了概率论原理并且利用种树形图作分析工具其基本原理用决策点代表决策问题用方案分枝代表供选择方案用概率分枝代表方案能出现各种结经过对各种方案各种结条件下损益值计算比较决策者提供决策依据决策树分析法常用风险分析决策方法该方法种用树形图来描述各方案未来收益计算比较及选择方法其决策期望值标准人们对未来能会遇好几种同情况每种情况均有出现能人们目前无法确知根据前资料来推断各种自状态出现概率样条件下人们计算各种方案未来经济效只能考虑各种自状态出现概率期望值与未来实际收益会完全相等决策树只树根部有决策点则称单级决策;若决策仅树根部有决策点而且树间也有决策点则称多级决策

决策方法中的硬技术是指定量决策方法。定量决策方法是利用数学模型进行优选决策方案的决策方法。根据决策条件的确定性划分，定量决策方法一般分为确定型决策方法、风险型决策方法和不确定型决策方法三类。1、确定型决策方法：确定型决策是指在稳定可控条件下进行决策，只要满足数学模型的前提条件，模型就能给出特定的结果。2、风险型决策方法：风险型决策也叫统计型决策、随机型决策，是指已知决策方案所需的条件，但每种方案的执行都有可能出现不同后果，多种后果的出现有一定的概率，即存在着“风险”。（1）期望损益决策法 期望损益决策法是通过计算各方案的期望损益值，并以此为依据，选择收益最大或者损失最小的方案作为最佳评价方案。（2）决策树分析法 决策树分析法是指将构成决策方案的有关因素以树状图形的方式表现出来，并据以分析和选择决策方案的一种系统分析法。适用于分析比较复杂的问题。3、不确定型决策方法：不确定型决策是指在决策所面临的市场状态难以确定而且各种市场状态发生的概率也无法预测的条件下所做出的决策。定性决策方法简介：定性决策方法也称主观决策法，是直接利用人们的知识、智慧和经验，根据已掌握的有关资料对决策的内容进行分析和研究，对决策的方案进行评价和选优。分为头脑风暴法、德尔菲法、名义小组技术、哥顿法。1、头脑风暴法：通过有关专家之间的信息交流，引起思维共振，形成创造性思维。参与者在完全不受约束的条件下，敞开思路，畅所欲言。2、德尔菲法：以匿名方式通过几轮函询征求专家的意见，预测组织小组对每一轮的意见进行汇总整理后，作为参考再发给各专家，供他们分析判断，以提出新的结论。3、名义小组技术：以一个小组的名义来进行集体决策，而并不是实质意义上的小组讨论，要求每个与会者把自己的观点贡献出来，其特点是背靠背，独立思考。4、哥顿法：又称提喻法。首先由会议主持人把决策问题向会议成员做笼统的介绍，其次由会议成员海阔天空地讨论解决方案；当会议进行到适当时机时，决策者将决策的具体问题展示给会议成员，使会议成员的讨论进一步深化，最后由决策者吸收讨论结果，进行决策。

对目标类尝试进行最佳的分割。

两人同兼一职的现象是不存在的。同样，在晋升时，必须一个是胜利者，一个是失败者。在瞬息万变的经营环境中，企业家要为自己的企业航船把握正确的方向，仅靠你的生活经验和直观感觉是不行的，要借助于现代成熟的定量分析方法，用以检验经验与直感的可靠性和正确性，并根据定量分析结果，进行正确的决策。哈佛商学院的管理经济学课程，教给学生们如何将主观的定性判断，与客观的定量分析相结合进行经营决策的技能。学生们通过这门课的学习，理解了定量分析对于决策的重要性。哈佛认为，企业经营者，要做好企业的决策，必须了解企业三种经营状态。它们是“零和游戏”、“囚犯两难”和“自然淘汰”。企业面临的多数经营情况，都可归为这三种游戏类型。企业家须判断经营状况属于哪种游戏，从而决定应该采取的行动模式。“零和游戏”就是一方得分他方失分，即合计为零的游戏。所有竞争项目都有价值，胜者得到价值。掷硬币可谓典型的零和游戏。正面朝上，背面自然朝下。一方取胜，他方定败。这样便产生了零和游戏。同样，赌赛马、赛狗也可以说是零和游戏的一种。赌赛马取胜的人，从负者手中得到了钱，即赌注和找还钱的总和（当然要交跑道、维护费、赢马所有者的奖金、税款等）是零。在企业中也是如此，两人同兼一职的现象是不存在的。同样，在晋升时，必须一个是胜利者，一个是失败者。的确，在这种零和游戏中，选手可选择的战略只是一个，那就是取胜，另无他法。各选手必须竭尽全力，胜利者独享战利品，因此在这里毫无妥协的余地，谈判也毫无意义。在“囚犯两难”的场合，如果各位参赛者都不想独占好处，那么全体选手就能得到最好的结果。如果大家齐心协力，就能取得对众人来说是最好的结局。如果每个人都姿意妄为，得到的将是最坏的结果。犯人A、B分别在两间房子内受审。检察官要判犯人无期徒刑，由于种种原因暂时不能判决，于是，检察官向他们两人暗示：如果犯人坦白，省去了法院的时间和经费，就可以得到减刑。如果其中的一个囚犯坦白，提供了证词，此犯人就可得到特别减刑。但是实际上，如果二人都坦白，证词便无用了，所以不能得到相应的减刑。假设犯人A坦白并提供了证词，但犯人B没有坦白，那么犯人A判刑10年，犯人B就会被判无期徒刑；反之，如果犯人B坦白并作证，犯人A缄默不语的话，则犯人B判10年刑，犯人A则判无期徒刑。如果二人都坦白，省去了二审费用，二人都会被判20年刑。但是假如二人都不坦白，就会因证据不足被免予起诉。如上所述，如果二人相互配合都不坦白，就能得到最好的结果。然而，二人却分别被关在不同房间里受审，由于对对方不信任，二人都希望因自己坦白而减刑，这也许便招致了最坏的结果。只有信任对方，形成互相配合的状态时，犯人矩阵作战才能成功。美国航空业在80年代中期，就陷人了这种“犯人两难”矩阵的状况。在实行严厉的管理措施时期，航空公司为缓和价格的航线竞争，就采取了相应措施。但是，管制措施一旦废除，各航空公司便想方设法增加哪怕是数目很少的飞行次数，各航空公司相对降价，来实现自己最大利润的欲望。其结果是，几乎所有的航空公司都得到了最坏的结果。原因是，各航空公司在管制措施取消以前，与职工订立了长期的工作合同，从而无法削减劳务成本。可如果航空公司都一起提高价格，整个航空公司的效益就会大为改观。但是，对消费者来说，幸运的是，在反托拉斯法中，已明确地禁止这样的价格协定。“自然淘汰”是结婚或其他所有亲密关系中都存在的窘境。游戏中的选手A，希望得到与选手B同样的最好结果。这时对方如果放弃对最好结果的追求、，那么选手A就达到目的了。反之，选手B也亦然。很多公司为满足各种特定的市场需求而制造产品，但实际上，往往只有一种产品幸存下来。这是因为生产方面的固定费用很高，各公司为了从投资中得到利益，就必须拥有较大的市场占有率。在商场实战中，为了不让竞争对手进入市场，利害相关者之间的交流和暗示，就具有决定的作用了。让失败可能性很大的人在市场上竞争，是任何当事者都不喜欢的。因此，很多时候，将今后要投放市场的产品消息告诉竞争对手，使其放弃市场竞争，是一种明智而有效的方法。了解究竟谁弃权的最有效的手段，是你自己第一个进入市场。因为不可能详细叙述所有的分析，我们这里所介绍的框架，只能将复杂的决策，分解为最简单的要素。这是应用于各种职能规范中所必需的决策方法。管理经济学是数量分析类型学生们喜欢的科目。这是因为在分析过程中；他们可能会发现意想不到的“正确”答案。但是，习惯用主观判断和常识进行决策的学生们，也热衷于学习数量化方法和逻辑分析方法。利用数量分析法，可以避免片面性增加其准确性和可靠性。明白了一个很有趣的道理，那就是，要使决策的数量化过程正确而有效，你必须具备一种靠直觉判断各相关要素的能力。虽然不能否认优秀的判断力和决策的关键，但管理经济学讲座的目的，是教授在若干个选择方案中，判断哪种方案最为合适的方法。哈佛将送给你一个理想的答案，送给你一个基本的方法。学生学到的定量化技术，适用于正确评价候补方案的价值；预测不确定的未来；防范风险的对策；并用游戏来预测竞争者的反应用线性规划法进行资源配置等等。管理经济学不仅教授判断方案是否得当的方法，而且对如何向他人明确地表达自己的思考过程也有重大作用。用决策方法的一个最大好处是，如果在分析者之外，可以根据情况做出反应并能把所分析情况资料化，如果有人与分析家做出了不同的预测，是否应采取不同的行动方案，利用决策树方法便可一目了然地明确。所以，决策树利于传达思想和交流情报，可以说是非常好的系统方法之一。管理经济学的另一个重要内容是敏感性分析。敏感性分析最终左右着判断的结果。对未来的假设和预测，并对这些预测和假设进行检验。利用敏感性分析，即使如果有人做出了错误的假设，也能检验出该假设的错误所在。哈佛研究的决策方法，适用于非常广泛的领域，比如可以用于下面的各种职业和各种不同的决策问题。你也许是一位著名的棒球队的市场部部长，你想要搞清几年来对主场比赛的入场观众最有影响的因素是什么？并从分析因素中判断今后该怎样进行市场活动。你是一个对即将来临的暴风雨应采取对策的葡萄园营业部主任，暴风雨的长短与强弱和你采取的对策，可能造成葡萄全部被毁，也可能使今年成为历史上产量最高的丰收年。假如你是一个在似乎有石油，又无充分证明的原野上，决定是否投标取得采掘石油权，而且如果投标，又必须决定价格水平的事业部长，你该如何进行决策呢？哈佛商学院管理经济学的分析基础是决策树。决策树由决策者必须做出决定的场合和可能出现的不确定事项的场合两部分构成。利用决策树分析法，必须明确以下几个问题：第一，描述决策和发生事情的顺序。第二，应清楚选择列出的方案，与有可能发生的事情之间可能有矛盾。另外还要透彻地进行选择方案的调查。第三，决策者应预定时间范围。在决策尚未决断时，其决策可根据不同情况而定。在任何领域都会存在竞争对手。因此，在管理经济学讲座的案例讨论中，教授很重视训练学生们预测竞争对手可能作出的反应，并根据预测的反应来制定行动计划。学生们在各种方案中，要逐个评定各竞争对手的状况，从而选择出对自己公司有利的可靠的战略决策。第四，在进行决策时，必须依照对某种事件的预测来筹划战略行动。所以，决策树是决定各阶段选择的指南。在决策上列出选择方案和预想结果后，决策者必须计算所预算各种结果的现金价值。学生要进行的是分析由各种战略的实施所产生的现金收支的现值数额。按决策的方法逐个分析备选方案，了解其合理的耗费和支出。不过在收益占两个格支出分析中，不包括埋没成本（即与决策无关的开支、应与投资决策分开考虑的财务费用等等）。为了进行比较，教授还必须帮学生确定以税前或者税后（一般为后者）为甚准计算。其次指导学生在计算各种决策方案结果时，应如何考虑资金的时间价值，因为一切都要用现值表示。所利用的减价要素，不应与税前税后的现金收支发生矛盾。计算中还可能利用加权平均资本成本及再投资率（决策者将剩余资金用于再投资的比率）等指标。作出“推进”决策的制造部长预计，如果新产品推进成功，税后的现金收入是550万美元，如果失败就要损失350万美元。这时如果放弃该产品，则仅损失开发阶段的埋没成本。在现实中，要正确地评价末端值，恐怕要用到相当多的数据才行。因此用上述方式辅助判断，并记录各种假设和方案，是比较方便实用的方法。将预计结果全部绘制于图中，便可预测各种结果的概率了。如掷硬币时，正、反面的概率各为一半，即50％，掷骰子的概率为六分之一。评价概率时，主观判断同样重要，尽管每种可能结果的概率是根据预测、推测得来的，但是决策者要提高其精确度，还要充分利用以往的经验和数据。那么，如何将以上步骤用于决策上去呢？哈佛的方法是：根据预测结果和概率的所有情报，确定可能产生现金价值的行动方式。如果这样能做成决策树，然后再决定哪种行动战略能带来最大利益，而选择“惜售”或“甩卖”等行为，去“分解”决策树。进行这种作业时，哈佛的学生从计算末端值开始，即通过计算结果的加权平均值，得到该事项节的预想现金值。回归分析比预测更为复杂，一般要借助计算机进行数据计算。也许有人一听就会皱眉头，确实，回归分析技术有些高深，如果你在企业中看到一群人在谈论回归分析的话，差不多可以肯定其中有一两位企业管理硕士或经济学博士。回归分析是将预想的可能出现的结果，在计算机上实际摸拟的一种技术。采用此技术，能分析出现在的情况及与过去类似的情况，搞清所有对事项可能产生影响的要素。下面我们来看看美国职业棒球队比赛时，主场比赛观念的预测方法。首先要考虑对观众数量有影响的各种因素，如比赛球队、比赛时间、比赛季节、星期几、平均票价、客队和主队的明星队员、气温、电视转播、全部比赛场次数量等。其次，在计算机上输入有关各要素的各种变量数据和各场的观念数，以及过去各比赛季节等信息。使用回归分析方法，须用计算机进行数千个数据的处理，才可知道哪种变量对观念数量影响最大。根据回归分析所得出的影响要素及其结果的关系，可以说明今后的趋向。哈佛1981年秋天进行的有关这一问题的调查分析结论是，对观众数量最具影响力的，是有无明星选手参加比赛以及该场比赛是否为决赛两个主要因素{而电视是否转播，对观众的数量影响并不很大。这个调查结果，对承办者来说是很有意义的。由以上结果可知，纽约·尼克思队给著名球星哈特里克·阿温很高的年薪无可厚非，达克·富罗蒂的年薪猛增也理所当然。因为人们大多是来看他们表演的。可见回归分析证明了直感的正确性。决策者为收集预测数据还有一个方法，就是选择对于结果有象征性的若干实例，以此来预测结果。相信此技术效果的人们，称之为推销试验。生产新型口香糖的制造部长，为预测产品实际在全国有无反响，准备在一些地区进行推销试验。抽样越多，收集的情报就越准。另外，试销和抽样要花费大量的时间和金钱，但产品实际投入市场后却不一定能够成功。经营者不断盘算的是“为获得更准确的情报，准备花多少钱？”哈佛的管理经济学讲座，教给学生们对此类问题应采取的正确方法。决策者对不完整的情报，是不会投入很多资金的。而要获得完整的情报，能使决策者作出正确的判断，又必须投入相当多的资金。分析两种情况，但在说明之前有一点必须明确，那就是并非分析者描述了决策树就可万事大吉了，而是要把输入公式中的重要情报整体作一下重新分析。例如，制造部长虽已得出成功和失败的概率，但是不能判断其结果是否正确。为检查这种假设的敏感性，部长会自问，怎样才能开拓一个具有取消中止计划的充分魅力的市场呢？盈亏平衡分析应是解决这一问题的不可缺少的分析方法。如果用管理经济学的语言来说，就是有多大的成功概率时，投放战略会处于同一水平之上。制造部长要考虑的另一个因素是非货币价值分析，在这判断新型口香糖的生产会使公司对零售业可施加多大的影响力方面是非常重要的。当他们改变中止投放市场的决定时，这种影响力在何种程度上才为必要。例如，假定投放市场的成功率为30％，公司为使产品投放市场并获得在功，必须拥有相当于270万美元以上价值的影响力，即在市场上要产生相当的反响。如果制造部长认为没有270万美元以上的市场效果，那么，不能投放市场的决断也就成立了。但是，尽管如此，制造部长依然担心自己的判断不准时该怎么办呢？除计算预想现金值之外，就没有其他判断标准了吗？此时最好把风险的概率及对风险的讨厌程度也考虑在内。即便冒风险也不愿放过增加收益的机会的话，就应事先考虑投放后发生什么事情，如果搞得好可赚550万美元。可是如果考虑到企业预算比较紧张，即使是350万美元的损失，也不能小看的话，就要谨慎地考虑投放市场的决策了。哈佛商学院告诉那些未来的经营者们，每个人及每个企业单位所承担的风险性质，以及对风险的忍耐度，对决策过程起着重要的作用。如果决策不是时常根据预想现金的最大值进行的，那么在开始分析之前，就必须要确定决策的基准是什么。哈佛商学院还教授以下两种解决问题的技术。因为实际上可选择的方案很多，只靠大脑和笔记本是解决不了问题的，因此这两种技术都要利用电子计算机进行辅助计算。第一种技术是利用模拟实验模型。这种模型的典型事例，就是计算某年必须生产多少呼拉圈。呼拉圈是一种深受欢迎的产品，生产量相当大，解决此类问题要使用计算机进行。模拟模型往往用于不确定因素的预测。通过模拟实验，可能对各种战略结果给出实际影响的状况，解决决策树中的很多问题。当然，对产品的新价格总是经常存在着不确定性，但基于各种实验中产生的平均利益，总能找到各种战略的预想现金值，因为用计算机能较容易地验证假设和进行敏感性分析。第二种技术是线性规划法，一般适用于生产性资源的分配决策。经营目标通常是以最小的支出获得最大的收益。在这种情况下，就要考虑机器设备、从业人员某时期内的生产能力、营业时间、各产品的原材料数量、仓库贮藏能力等资源约束条件。然后再通过计算机求解学生们提出的诸多联立方程式。学生们通过解释其演算结果，不仅可知全部产品中，哪种产品能达到最大收益；哪个生产部门应完全发挥生产能力；投放新产品能否获利等等，而且还能得出与决策有关的其他各种答案。线性规划模型可用于使系列投资带来最大收益的场合。模拟实验模型和线性规划模型是经营管理中经常使用的两种定量化模型。前面分析了各种可能的情况，下面就是怎样决策了。选择战略时，头脑中应思考以下二个问题：第一，决策树只反映特定决策者的看法，因而判断行动时机和各种不确定事项因人而异。第二，输入新情报时，情况变了，有时须随之变更决策树。无论多么优异的决策树，都不过是解决问题的一种方法。在决定行动战略时，按以下步骤做则很方便。步骤之一，根据决策基准实行明确的决策，如目的是要获得最大限度的预想现金值？还是最小限度的经济损失？总之必须选择对战略及价值最合适的决策标准。步骤之二，决策应在一定时间中确实地贯彻执行。在设定目标时，要考虑预计的是长期风险和利益，还是短期和结果？期限多长？要六个月、一年、二年，还是更长的时间。步骤之三，把可能发生的主要问题都放在决策树中是很困难的，但必须认真和反复地思考各种战略中所能想到的问题和价值。必须考虑对预计行动的竞争反应和结果。为了提高决策树计算的概率的可靠性，还要看看有没有收集到更多情报的选择方案。假如将抽样技术用于结果预测，就要分析一下该结果对作了决断是否具备足够的现实性。企业的决策多数是很复杂的，往往需要深思熟虑和调查。因此，出色的判断力是决策时不可缺少的要素。在需要考虑与找出与问题有关的各种要素，同时明确各要素问的相互关系的场合，数量分析会成为很好的决策工具。定量分析技术可能会有意想不到的威力，但如果过于偏信，或漫不经心滥用的话，也可能出现误导决策的危险。判断和直感，是包括数量决策在内的，所有正确的经营决策所不可缺少的要素。、

问题一：常用的职业生涯规划的决策方法是什么 常用的职业生涯规划的决策方法有： 1、 5w法 2、SWOT分析法 SWOT分析法又称为态势分析法，它是由旧金山大学的管理学教授于20世纪80年代初提出来的，SWOT四个英文字母分别代表：优势（Strength）、劣势（Weakness）、机会（Opportunity）、威胁（Threat）。所谓SWOT分析，即态势分析，就是将与研究对象密切相关的各种主要内部优势、劣势、机会和威胁等，通过调查列举出来，并依照矩阵形式排列，然后用系统分析的思想，把各种因素相互匹配起来加以分析，从中得出一系列相应的结论，而结论通常带有一定的决策性 3、swot职业规划自我分析法 在求职时，可以不妨采用这一工具对自己进行一番从里到外的体检。 SWOT分析是检查您的技能、能力、职业、喜好和职业机会的有用工具。如您对自己做个细致的SWOT分析，那么，您会很明了地知道自己的个人优点和弱点在哪里，并且您会仔细地评估出自己所感兴趣的不同职业道路的机会和威胁所在 问题二：职业生涯决策的常用方法有哪些 介绍几种职业生涯决策方法 1、 5w 法 为自己设计职业生涯规划， 可使用一些简便易行的方法。 这里介绍一种“5W 法”用 5 个“WHAT”归零思考。这是一种被许多人士成功应用的方法，依托的是 归零史的模式，从问自己是谁开始，如果能够成功回答完五个问题，你就有最后 答案了。 5 个“W”是 1.Who am I ?(我是谁？) 2.What will I do ?（我想做什么？） 3.What can I do ?（我会做什么？） 4.What does the situation allow me to do ?（环境支持或以下我做什 么？） 5.What is the plan of my career and life?（我的职业与生活规划是什 么？） 回答了这 5 个问题，找到它们的最高共同点，你就有了自己的职业生涯规 划，如果你有兴趣，现在就可以试试。 先取出五张白纸，一支铅笔，一块橡皮。在每张纸的最上边分别写上上述 五个问题。 然后，静下心来，排除干扰，按照顺序，独立地仔细思考每一个问题。 对于第一个问题“我是谁？”，回答的要点是：面对自己，真实地写出每 一个想到的答案；写完了再想想有没有遗漏，认为确实没有了，按重要性进行排 序。 对于第二个问题“我想干什么？”，可将思绪回溯到孩童时代，从人生初 次萌生等一个想干什么的念头开始，然后随年龄的增长，回忆自己真心向往过、 想干的事，被一一地记录下来，写完后再想想有无遗漏，确实没有了，就认真地 进行排序。 对于第三个问题“我能干什么？”，则要把确实已证明的能力和自认为还 可以开发出来的潜能都一一列出来，认为没有遗漏了，就认真地进行排序。 第四个问题“环境支持或允许 *** 什么？”，回答则要稍作分析：环境， 有本单位、本市、本省、本国和其他国家，自小向大，认为自己有可能借助的环 境，都应在考虑的范畴之内。在这些环境中，认真想想自己可能获得什么支持和 允许，搞明白后一一写下来，再以重要性排列一下。 如果能够成功回答第五个问题“我的职业与生活规划是什么？”，你就有 了最后的答案。 做法是：把前四张纸和第五张纸一字排开，然后认真比较第一至第四张纸 上的答案，将内容相同或相近的答案用一条横线连起来，你会得到几条连线，而 不与其他连线相交的，又处于最上面的线，就是你最应该去做的事情，你的职业 生涯就应该以此为方向。你要在此方向上以三年为周期，提出近期、中期与远期 的目标， 然后在近期的目标中提出今年的目标， 将今年的目标分解为每季度目标、 每月目标、每周目标、每天目标。 问题三：常用的职业生涯决策的方法有哪些 建议看下生涯规划理论的提出者沃建中教授的著作。 问题四：职业决策的基本方法 问题五：职业决策的原则是什么？ 如何规划职业生涯的第一个原则：利益整合原则。利益整合是指员工利益与组织利益的整合。这种整合不是牺牲员工的利益，而是处理好员工个人发展和组织发展的关系，寻找个人发展与组织发展的结合点。每个个体都是在一定的组织环境与社会环境中学习发展的，因此，个体必须认可组织的目的和价值观，并把他的价值观、知识和努力集中于组织的需要和机会上。 如何规划职业生涯的第二个原则： 公平、公开原则。在职业生涯规划方面，企业在提供有关职业发展的各种信息、教育培训机会、任职机会时，都应当公开其条件标准，保持高度的透明度。这是组织成员的人格受到尊重的体现，是维护管理人员整体积极性的保证。 如何规划职业生涯的第三个原则： 协作进行原则。协作进行原则，即职业生涯规划的各项活动，都要由组织与员工双方共同制定、共同实施、共同参与完成。职业生涯规划本是好事，应当有利于组织与员工双方。但如果缺乏沟通，就可能造成双方的不理解、不配合以至造成风险，因此必须在职业生涯开发管理战略开始前和进行中，建立相互信任的上下级关系。建立互信关系的最有效方法就是始终共同参与、共同制定、共同实施职业生涯规划。 如何规划职业生涯的第四个原则： 动态目标原则。一般来说，组织是变动的，组织的职位是动态的，因此组织对于员工的职业生涯规划也应当是动态的。在“未来职位”的供给方面，组织除了要用自身的良好成长加以保证外，还要注重员工在成长中所能开拓和创造的岗位。 如何规划职业生涯的第五个原则： 时间梯度原则。由于人生具有发展阶段和职业生涯周期发展的任务，职业生涯规划与管理的内容就必须分解为若干个阶段，并划分到不同的时间段内完成。每一时间阶段又有“起点”和“终点”，即“开始执行”和“完成目标”两个时间坐标。如果没有明确的时间规定，会使职业生涯规划陷于空谈和失败。 如何规划职业生涯的第六个原则： 发展创新原则。发挥员工的“创造性”这一点，在确定职业生涯目标时就应得到体现。职业生涯规划和管理工作，并不是指制定一套规章程序，让员工循规蹈矩、按部就班地完成，而是要让员工发挥自己的能力和潜能，达到自我实现，创造组织效益的目的。还应当看到，一个人职业生涯的成功，不仅仅是职务上的提升，还包括工作内容的转换或增加、责任范围的扩大、创造性的增强等内在质量的变化。 如何规划职业生涯的第七个原则：. 全程推动原则。在实施职业生涯规划的各个环节上，对员工进行全过程的观察、设计、实施和调整，以保证职业生涯规划与管理活动的持续性，使其效果得到保证。 如何规划职业生涯的第八个原则： 全面评价原则。为了对员工的职业生涯发展状况和组织的职业生涯规划与管理工作状况有正确的了解，要由组织、员工个人、上级管理者、家庭成员以及社会有关方面对职业生涯进行全面的评价。在评价中，要特别注意下级对上级的评价。 问题六：职业生涯决策包括哪些内容 一、职业生涯决策包括以下内容： 1、要有明确的职业目标。 2、职业决策需要结合自己的气质、性格、特长、兴趣和能力。 3、要考虑到实际情况，并具有可执行性。 4、正确面对问题，不要逃避问题！ 5、职业决策的三条底线：一是不要危害社会；二是不要危害他人；三是不要危害自己。 6、向你信任的人求助：可以向你的朋友、学长、家长、配偶来交流，这个阶段也可以求助职业顾问。 7、善于系统长远分析但不要只做利弊分析，在生涯发展中没有统一有效的程序，所以要琢磨的是在职业中如何发挥你的优势。 8、对已经做了的决定特别是重要事项的决定，不要朝秦暮楚，不要游离不定，更重要的是只有行动、积极的行动才能有助于问题的解决！ 二、职业决策是个人根据各种条件，并经过一系列活动以后，进行的目标决定，以及为实现目标而制定优选的个人行动方案。（《中国职业规划师（CCDM）认证培训教材》，P17） 问题七：如何使用最常用的决策方法 因此，决策者既要考虑数学模型中对决策有用的东西，也要强调人的因素在决策中的作用，即“硬技术”方法与“软科学”方法要合二为一，灵活运用。现代决策方法概括起来主要有两大类：一类属于“硬技术”方法（计量决策方法），另一类属于“软科学”方法（主观决策方法）。“硬技术”方法大多用于数量化决策，采用量化和数学模拟分析；“软科学”方法大多用于非数量化决策，主要对决策者的决策行为进行分析。1．“硬技术”方法“硬技术”方法是以数理统计、数学模型和量化指标为基础，使决策具有科学、精确的特点。常用的“硬技术”方法有决策树法、排队分析法、模拟法等。（1）决策树法。决策树法是利用了概率论的原理，并且利用一种树形图作为分析工具。其基本原理是用决策点代表决策问题，用方案分枝代表可供选择的方案，用概率分枝代表方案可能出现的各种结果，经过对各种方案在各种结果条件下损益值的计算比较，为决策者提供决策依据。（2）排队分析法。在许多情形下，人们对于排队买票或在饭店里排队等待就餐感到很无奈。拉奇（Ruch）发现排队论可应用于多种情形，如社团服务、机场、零售店和医院。排队论运用数学方法使等待的队列与提供的服务之间保持平衡。只要存在非稳定的需求，就会产生排队现象，这时管理者必须决定如何处理这种情况。如果排队等候的人得不到快速的服务，他们可能会去别的地方。另外，如果任何时候都动用所有的设施来保证提供快速的服务，这对一个公司来说可能是不经济的。因此管理者必须确定什么时候提供这种服务，什么时候只维持有限的或常规的服务。在这种情况下，排队论被用来帮助解决问题，通过运用数学公式为这类问题提供答案。应用公式可以得出适宜的排队长度及与此相关的成本。（3）模拟法。模拟法是通过建模技术对真实的或已经存在的系统进行模拟。这些模拟模型在评价备选方案和选择最优方案时是很有用的。建筑物的设计蓝图就是一个模拟的例子。近年来，电子计算机已被广泛地运用到模拟技术中。角色扮演、案例教学以及试验飞机模型都是模拟技术应用的一些形式。当某种情形含有许多变量和限制条件时，模拟技术就会运用到数学方法中。2．“软科学”方法“软科学”方法是直接利用人的知识、经验和能力，对问题进行分析综合而做出的主观判断。常用的“软科学”方法有头脑风暴法、德尔菲法、方案前提分析法、提喻法等。（1）头脑风暴法。头脑风暴法亦称畅谈会，是通过会议的形式，邀集有关专家就某一问题敞开思想，畅所欲言，从中收集决策方案或评估方案的方法。头脑风暴法分直接头脑风暴法和质疑头脑风暴法两种。直接头脑风暴法是集中专家进行专题研究的一种形式。会议在非常融洽和轻松的气氛中进行。会议有四条规定：一是鼓励每个人独立思考、开阔思路、自由发言；二是欢迎提出大量的方案；三是对别人提的方案不批评、不反驳、不作结论；四是可以结合别人的意见进行思维，补充或发展自己的意见。直接头脑风暴法的特点是鼓励创新和集思广益的决策方案。质疑头脑风暴法采取和直接头脑风暴法大体相同的会议形式。其不同之处在于：专家不是提出方案，而是对已经系统化的方案和设想提出质疑。质疑头脑风暴法的运用可以弥补方案设计中思考的不周，帮助决策者分析评估方案。（2）德尔菲法。德尔菲法又称专家意见法，是20世纪50年代初由美国著名咨询机构兰德公司发明的一种方法。德尔菲这一名称起源于古希腊有关太阳神阿波罗的神话。传说中阿波罗具有预见未来的能力，因此，这种预测方法被命名为德尔菲法。德尔菲法依据系统的程序，采用匿名发表意见的方式，即专家之间不得互相讨论，不发生横向联系，只能与调查人员 *** ，通过多轮次调查专家对问卷所提问题的看法，经过反复征询、归......>> 问题八：职业选择的具体决策步骤包括哪些 职业选择的具体决策步骤一般如下： ①探索。即根据自己的常识、经验和能力，来收集各种感兴趣的有关职业信息。 ②成形。就是在上述基础上进行具体的定向。主要考虑所确定的职业生涯方向的价值、目的和能够获得的报偿等因素。 ③选择。就是分析、考虑并初步选择确定具体的职业目标。 ④澄清。就是在初步选择的基础上，从多方面自我质疑，最终确定好具体的职业目标。 ⑤就职。即按照既定职业目标会计实施，走上工作岗位。 ⑥坚定或矫正。这是包含着两个层面的意思：一是如果所选择的职业目标是正确的，那就坚定地走下去，努力走出点名堂来；二是如果所选择的职业目标是部分不正确或完全错误的，那就适时部分地更正，重新选择更合适的正确职业目标。 ⑦总结提高。对也好，错也好，都得不断地自我总结，积累职场智慧，丰富精彩人生。 问题九：swot分析法得到的职业决策 一、SWOT 决策分析法 SWOT 分析是市场营销管理中经常使用的功能强大的分析工具：S 代表strength（优势），W 代表weakness（弱势），O 代表opportunity（机会），T 代表threat（威胁）。其中，S、W 是内部因素，O、T 是外部因素。 SWOT 分析是一个职业决策的非常有用工具。如你对自己做个细致的SWOT 分析，那么，你会很明了地知道自己的个人优点和弱点在哪里，并且你会仔细地评估出自己所感兴趣的不同职业道路的机会和威胁所在。 一般来说，在进行SWOT 分析时，应遵循以下四个步骤： （1）评估自己的长处和短处我们每个人都有自己独特的价值观、性格、兴趣和能力。在当今分工非常细的市场经济里，每个人擅长于某一领域，而不是样样精通。有些人不喜欢整天坐在办公桌旁，而有些人则一想到不得不与陌生人打交道时，心里就发麻，惴惴不安。请填下面的表，列出你自己喜欢做的事情和你的长处所在。 同样，通过列表，你可以找出自己不是很喜欢做的事情和你的弱势。找出你的短处与发现你的长处同等重要，因为你可以基于自己的长处和短处做两种选择：一是努力去改正你常犯的错误，提高你的技能，二是放弃那些对你不擅长的技能要求很高的职业。列出你认为自己所具备的很重要的强项和对你的职业选择产生影响的弱势，然后再标出那些你认为对你很重要的强、弱势。 （2）找出你的职业机会和威胁 我们知道，不同的行业（包括这些行业里不同的公司）都面临不同的外部机会和威胁，所以，找出这些外界因素将助你成功地找到一份适合自己的工作是非常重要的，因为这些机会和威胁会影响你的第一份工作和今后的职业发展。如果公司处于一个常受到外界不利因素影响的行业里，很自然，这个公司能提供的职业机会将是很少的，而且没有职业升迁的机会。相反，充满了许多积极的外界因素的行业将为求职者提供广阔的职业前景。请列出你感兴趣的一两个行业，然后认真地评估这些行业所面临的机会和威胁。 （3）提纲式地列出今后五年内你的职业目标 仔细地对自己做一个SWOT 分析评估，列出你从学校毕业后5 年内最想实现的三个职业目标。这些目标可以包括：你想从事哪一种职业，或者你希望自己拿到的薪水属哪一级别。请时刻记住：你必须竭尽所能地发挥出自己的优势，使之与行业提供的工作机会完满匹配。 （4）提纲式地列出一份今后5 年的职业行动计划 这一步主要涉及到一些具体的东西。请你拟出一份实现上述第三步列出的每一目标的行动计划，并且详细地说明为了实现每一目标，你要做的每一件事，何时完成这些事。如果你觉得你需要一些外界帮助，请说明你需要何种帮助和你如何获取这种帮助。举个例子，你的个人SWOT 分析可能表明，为了实现你理想中的职业目标，你需要进修更多的管理课程，那么，你的职业行动计划应说明你何时进修这些课程。你拟订的详尽的行动计划将帮助你做决策。诚然，做此类个人SWOT 分析会占用你的时间，而且还需认真地对待，但是，详尽的个人SWOT 分析却是值得的，因为当你做完详尽的个人SWOT 分析后，你将有一个连贯的、实际可行的个人生涯策略供你参考。在当今竞争白热化的市场经济社会里， 拥有一份挑战和乐趣并存、薪酬丰厚的职业是每一个人的梦想，但并不是每一个人都能实现这一梦想。因此，为了使你的求职和个人职业发展更具有竞争性，请花一些时间界定你的个人优势和弱势，然后制定一份策略性的行动计划，务必保证有效地完成它，你的职业成功并不是遥不可及的！...>> 问题十：职业生涯决策的影响因素是什么? 百度百科，先查查什么是职业生涯规划，最重要的决定因素是你要通过思考和了解亲自决定，要跟随内心的声音

【答案】：D企业经营决策是指企业通过内部条件和外部环境的调查研究、综合分析，运用科学的方法选择合理方案，实现企业经营目标的整个过程。决策要有明确的目标，没有目标就无从决策（A选项正确）。经营决策按照不同的分类方法，有不同的决策类型，其中按照决策目标的层次性分类，分为单目标决策和多目标决策（B选项正确）。在各项决策要素中，决策者是企业经营决策的主体（C选项正确）。对于明确型企业经营决策应采用确定型决策方法；包括线性规划法和盈亏平衡法;而决策树分析法是一种风险型决策方法，不适用于明确型企业经营决策，因此D选项错误。

【答案】：D从决策目标的层次性分类，经营决策可分为单目标决策和多目标决策。决策者是企业经营决策的主体，是决策最基本的要素。决策树分析法，是指将构成决策方案的有关因素，以树状图形的方式表现出来，并据以分析和选择决策方案的一种系统分析法。它以损益期望值为依据，比较不同方案的损益期望值，决定方案的取舍。它是风险型决策最常用的方法之一，特别适用于分析比较复杂的问题。

问题一：决策树算法是按什么来进行分类的 决策树算法是一种逼近离散函数值的方法。它是一种典型的分类方法，首先对数据进行处理，利用归纳算法生成可读的规则和决策树，然后使用决策对新数据进行分析。本质上决策树是通过一系列规则对数据进行分类的过程。 决策树方法最早产生于上世纪60年代，到70年代末。由J Ross Quinlan提出了ID3算法，此算法的目的在于减少树的深度。但是忽略了叶子数目的研究。C4.5算法在ID3算法的基础上进行了改进，对于预测变量的缺值处理、剪枝技术、派生规则等方面作了较大改进，既适合于分类问题，又适合于回归问题。 决策树算法构造决策树来发现数据中蕴涵的分类规则．如何构造精度高、规模小的决策树是决策树算法的核心内容。决策树构造可以分两步进行。第一步，决策树的生成：由训练样本集生成决策树的过程。一般情况下，训练样本数据集是根据实际需要有历史的、有一定综合程度的，用于数据分析处理的数据集。第二步，决策树的剪枝：决策树的剪枝是对上一阶段生成的决策树进行检验、校正和修下的过程，主要是用新的样本数据集（称为测试数据集）中的数据校验决策树生成过程中产生的初步规则，将那些影响预衡准确性的分枝剪除。 问题二：数据挖掘分类方法决策树可以分多类么 数据挖掘,也称之为数据库中知识发现是一个可以从海量数据中智能地和自动地抽取一些有用的、可信的、有效的和可以理解的模式的过程.分类是数据挖掘的重要内容之一.目前,分类已广泛应用于许多领域,如医疗诊断、天气预测、信用证实、顾客区分、欺诈甄别. 现己有多种分类的方法,其中决策树分类法在海量数据环境中应用最为广泛.其原因如下： 1、决策树分类的直观的表示方法较容易转化为标准的数据库查询 2、决策树分类归纳的方法行之有效,尤其适合大型数据集. 3、决策树在分类过程中,除了数据集中已包括的信息外,不再需要额外的信息. 4、决策树分类模型的精确度较高. 该文首先研究了评估分类模型的方法.在此基础上着重研究了决策树分类方法,并对决策树算法的可伸缩性问题进行了具体分析,最后给出了基于OLE DB for DM开发决策树分类预测应用程序. 问题三：基于规则的分类器（比如用RIPPER算法）和决策树的区别在哪，使用场景有什么不同？ 决策树实际上是规则分类器。基于转换的错误驱动学习方法的提出者曾经在论文中论证过这个问题，他的学习方法是规则学习器，但和决策树等价。 问题四：决策树的优缺点是什么啊 决策树(Decision Tree)是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。 决策树的优缺点： 优点： 1) 可以生成可以理解的规则。 2) 计算量相对来说不是很大。 3) 可以处理连续和种类字穿。 4) 决策树可以清晰的显示哪些字段比较重要 缺点： 1) 对连续性的字段比较难预测。 2) 对有时间顺序的数据，需要很多预处理的工作。 3) 当类别太多时，错误可能就会增加的比较快。 4) 一般的算法分类的时候，只是根据一个字段来分类。 问题五：c4.5决策树算法怎么得到分类结果 决策树主要有ID3，C4.5，CART等形式。ID3选取信息增益的属性递归进行分类，C4.5改进为使用信息增益率来选取分类属性。CART是Classfication and Regression Tree的缩写。表明CART不仅可以进行分类，也可以进行回归。 问题六：决策树分类算法的适用领域，不要概括成经济、社会、医疗领域，具体到实际问题。且用什么软件实现较方便。 决策树算法主要用于数据挖掘和机器学习，数据挖掘就是从海量数据中找出规律。一个有名的例子就是啤酒和尿布的例子，这是数据挖掘的典型。决策树算法包括ID3，C4.5，CART等，各种算法都是利用海量的数据来生成决策树的，决策树能帮助人或者机器做出决策。最简单的一个例子就是你去看病，根据决策树，医生能够判断这是什么病。软件的话用VISUAL STUDIO就可以，C语言，C++,C#，java都可以。 问题七：贝叶斯网络和贝叶斯分类算法的区别 贝叶斯分类算法是统计学的一种分类方法，它是一类利用概率统计知识进行分类的算法。在许多场合，朴素贝叶斯(Na?ve Bayes，NB)分类算法可以与决策树和神经网络分类算法相媲美，该算法能运用到大型数据库中，而且方法简单、分类准确率高、速度快。 由于贝叶斯定理假设一个属性值对给定类的影响独立于其它属性的值，而此假设在实际情况中经常是不成立的，因此其分类准确率可能会下降。为此，就衍生出许多降低独立性假设的贝叶斯分类算法，如TAN(tree augmented Bayes network)算法。

1.平衡单“决策平衡单”（decision-making balance sheet）经常被应用于问题解决模式和职业咨询中，用以协助咨询者有系统地分析每一个可能的选项，判断分别执行各选项的利弊得失，然后依据其在利弊得失上的加权计分排定各个选项的优先顺序，以执行最优先或偏好的选项。主体框架(1)自我物质方面的得失（utilitarian gains or losses for self）。(2)他人物质方面的得失（utilitarian gains or losses for significant others）。(3)自我赞许与否（self-approval or disapproval）。(4)社会赞许与否(social approval or disapproval)。实际应用时，由于认为“自我赞许与否”和“社会赞许与否”仍显得笼统，所以台湾生涯辅导专家金树人将最后的两项改为“自我精神方面的得失”与“他人精神方面的得失”，就是从以“自我——他人”，以及“物质——精神”所构成的四个范围内来考虑。平衡单的设计，是用来协助决策者作出好的重大决定。它可以帮助决策者具体地分析每一个可能的选择方案，考虑各种方案实施后的利弊得失，最后排定优先顺序，择一而行。步骤（1）列出可能的职业选项：咨询者首先需在平衡单中列出有待深入评量的潜在职业选项三至五个。（2）判断各个职业选项的利弊得失：平衡单中提供咨询者思考的重要得失，集中于四个方面，分别是：自我物质方面的得失、他人物质方面的得失、自我赞许（精神方面）的得失、他人赞许（精神方面）的得失。详如下表所示。咨询者可依据重要的得失方面，逐一检视各个职业选项，并以“+5”至“-5”的十一点量表（+5，+4，+3，+2，+1，0，-1，-2，-3，-4，-5），来衡量各个职业选项。（3）各项考虑因素的加权计分：咨询者在各个方面的利弊得失之间，会因身处于不同情境而有不同的考量。因此，在详细列出各项考虑层面之后，须再进行加权计分。即对当时个人而言，重要的考虑因素可乘以一至五倍分数（*5），依次递减。（4）计算出各个职业选项的得分：咨询者须逐一计算各个职业选项在“得”（正分）与“失”（负分）的加权计分与累加结果，并计算各个生涯选项的总分。（5）排定各个职业选项的优先顺序：最后，依据各职业选项在总分上的高低，排定优先次序，（如表）。职业选项的优先次序即可作为咨询者职业生涯决策的依据。2.决策树法决策树法利用了概率论的原理，并且利用一种树形图作为分析工具。其基本原理是用决策点代表决策问题，用方案分枝代表可供选择的方案，用概率分枝代表方案可能出现的各种结果，经过对各种方案在各种结果条件下损益值的计算比较，为决策者提供决策依据。决策树分析法是常用的风险分析决策方法。该方法是一种用树形图来描述各方案在未来收益的计算。比较以及选择的方法，其决策是以期望值为标准的。人们对未来可能会遇到好几种不同的情况。每种情况均有出现的可能，人们目前无法确知，但是可以根据以前的资料来推断各种自然状态出现的概率。在这样的条件下，人们计算的各种方案在未来的经济效果只能是考虑到各种自然状态出现的概率的期望值，与未来的实际收益不会完全相等。如果一个决策树只在树的根部有一决策点，则称为单级决策；若一个决策不仅在树的根部有决策点，而且在树的中间也有决策点，则称为多级决策。决策树法对于职业犹豫者在做职业决策时提供了有效的帮助。

两者区别如下所述：决策树法指的是人们把决策问题的自然状态或条件出现的概率、行动方案、益损值、预测结果等，用一个树状图表示出来，并利用该图反映出人们思考、预测、决策的全过程。综合评价法指的是运用多个指标对多个参评单位进行评价的方法，简称综合评价方法。

根据全美投资协会的定义：风险投资是由职业金融家投入到新兴的、迅速发展的、有竞争潜力的企业中的一种权益资本。由于风险投资的存在状况是一种权益资本，因而其资产特征决定了对其评估的特性。 　　一、风险投资项目的资产特征 　　1．流动性弱。由于风险投资风险高的特点，一般它难以吸收到商业银行贷款，在美国，它的主要融资渠道是私人权益资本市场（Private Equity Market）中的私人权益资本。私人权益资本是指没有经过美国证券委员会审批登记的、在私人之间或金融及非金融机构之间交易的权益资本，与公共资本市场如股市、债市、金融衍生工具市场相比，它是一个相对独特的市场，并具有相对封闭及流动性弱的特征。 　　由于风险投资周期长达7—10年的特点，使它的价值进一步多变。虽然理论上说，某一资产在一特定时刻具有一定的全额价值，但这种价值的实现程度取决于时间周期，图1显示了资产的已实现价值和决定出售资产到资产实现脱手之间的二者关系。 　　横轴（从右向左）表示从决定出售到资产实际脱手的时间，纵轴表示资产价值实现的程度，“当资产处于完全的流动性时，无论其出售转让的决策作出得多迟，该资产都能实现其全额价值。根据此定义，现在或其它通货作为支付手段的资产因其具有完全的流动，予以其价值可完全实现。资产价值的实现程度就是变现”（James，1998）。 　　图1中的不完全流动性曲线描述了另一类资产，对于这些资产，其全额价值的实现取决于是否有充足的时间被人们认识并找到买主，风险投资即是符合这一曲线特征的资产。 　　2．可逆性差。资产的可逆性是指该资产带给其持有者的价值占购买者同期购买该资产所支付成本的百分比。对于一项完全可逆的资产来说，该百分比为100％，表明购置成本全部可以转化为现金。严格意义上的完全可逆性是难以想象的，任何资产的交换都必然伴随着某些成本支出，即使是完全流通性的资产也存在交易费用。 　　风险投资项目大多数是不完全可逆的：（1）风险投资的初始阶段可能只是一个概念、一项专利，要使其变为具有一定市场价值的产品，需要经过漫长的“开发”期与“中试”期，期间投入的R＆D的费用，专用器具等未必都能形成“无形资产”，它们只能作为期间费用，而无法作为资产。（2）即使是前景灿烂的风险投资项目，其资产的形成与交易仍会伴随两种费用发生，一种是与交易规模无关的，如银行收取的服务费用；另一种是与交易量成比例的，如代理人的佣金、政府收取的税款等。（3）对前景暗淡的风险投资项目来说，其投资者所持有的权益资本几乎是完全不可逆的。 　　3．不可预见性强。如果一项资产在未来任何一天的现金价值都可以完全预测，则意味着该资产具有完全可以预见性。如果一项资产的价值在未来某些时日可以预测，但是在其它时日却无法预测，则意味着该资产只具有部分可预见性。如果一项资产的价值在未来任何时日都无法被确切预测，那么这类资产即为完全不可预见。对于高科技风险投资项目来说，往往从一个概念出发，投资者大多是非专业人员，他们看重的是风险投资基金的品牌，他们取舍的标准是风险投资基金经营者的个人信誉。事实上风险投资者对投资项目并没有清晰的科学预见，而风险投资基金也不设下限值，因而风险投资的可预见性处于部分可预见性与完全不可预见性之间。 　　二、风险投资价值评估的特点是柔性分析 　　由于风险投资项目存在着流动性弱、可逆性差和不可预见性强的三个特点，因而在现实中，风险投资的决策是充满柔性的，即在执行决策时具有很多选择权，因而需要根据不断发生的变化，适时作出改变。比如依赖于未来需求水平、竞争、成本等变动情况，对开发或对新产品的产出作出调整等。对于投资决策者来说，有着多项选择权，就意味着对各种机会保持着一种开放精神，根据未来所能获得的信息来不断改进决策和采取相应行动。 　　1．传统投资评估方法的局限性表现。许多传统技术可以用于评估投资的价值，如：账面价值法、重置价值法、清算价值法、市场价值法、净现值法等。不同的评估方法，能应用于不同的情况，比如，账面价值法适用于企业的整体并购，且没有项目可比的情况；重置价值法适用干部分购买，且市场有类似的设备可以购置；清算价值法适用于破产企业的清理；市场价值法适用与市场上存在一定规模的同类型交易；净现值法适用于对投资项目的未来现金流能较作出准确的预测。其中，净现值法应用得比较普遍。这种依据预先估计的投资项目所产生的期望现金流作为数据，按照一定的贴现率，进行投资评价的，在解决某些投资决策的问题时，会存在着一定程度的缺陷，比如对未来的变化不能作出灵活的调整对策。为适应未来实际情况变化的需要，可以进行弹性预算分析，即在评估中包含着多层次的产量、成本和多种销售时机的选择等，来增加决策对未来的适应性。但是尽管如此，该方法仍是从一个静态的角度来进行投资评估的，即经营决策是事先被固定下来，而不考虑投资之后的形势发生如何大的变化，仍是按照预定的决策行事，使得该种决策方法的适应性大受限制，这也是为什么在许多公司里运用传统的贴现现金流技术不能很好地为各种投资项目作出评价的主要原因。 　　2．风险投资评估方法的突破。对于风险投资的未来收益的不确定性，可以运用有选择权的评价方法，以适应风险投资的特点。这里的选择权是指赋予其所有者在预定期限内按预定价格购买或出售资产的权利。对于企业而言，包括资产方面的选择权，主要与经营的灵活性有关，如是否关闭、重新启动或放弃经营某些项目；负债方面的选择权，主要有可转换债务，可转换代先股、认股权证等。运用选择权是一种柔性管理法，对于有选择权的项目投资决策，可以根据市场状况的变化，允许在接到信息之后或开始进入下一步之前，作出新的行动决策。有选择权项目的评估法，是融合了许多方法如净现值法。决策树分析法、期权定价法等的优点。 　　能够适合带有选择权的决策的风险投资项目有：研究与开发（R＆D）、矿藏开采、新市场开拓、国际投资等。比如油田的开采水平和开采规模可以根据石油价格的变化而作出调整；对于国际投资一般是从小的经营规模开始，进行试探性的生产经营，若发现在东道国投资是有利可图的，就会追加投资，扩大经营规模，而如果其投资收益不能达到预期的投资效果，就会削减投资或者作出撤出投资的决定。总之这类项目共同的特点是：公司的决策具有柔性，是依赖于起初未知因素的变化情况，来作调整。 　　三、带有选择权的投资评估方法 　　1．决策树分析方法。先用一个例子来说明该方法的运用。现在考察一个矿藏勘探公司，其发现一个可以在明年有200万盎司可开来的白银，假设目前每盎司白银的价格是205便士，预期明年的价格为200便主／盎司，开采的变动成本是180便士／盎司，所以开采的明年预期边际贡献是20使全／盎司，假设开采时一次支付的投资需要450000英镑，该项目适合的年贴现率为12％。利用传统的贴现现金流方法计算见表1所示。 　表1　 贴现现金流计算表 　　　　　　　　第0年　 第一年 投资额　　　　－450000 销售边际贡献　　　　　　400000 贴现系数　　　　1　　　 0.89 现值　　　　　－450000　356000 项目净现值　　－94000 　　 从项目净现值来看，为负值，运用净现值法评价说明该投资项目不可行。 　　然而上述的传统评价方法并不是，因为它忽视了白银价格变动对开采的影响，实际情况是：当白银价格足够高以至于能获利时，便会开采；否则就会放弃开采。 　　现假设下一年的白银价格有50％的概率为250便士／盎司，有50％的概率为150便士／盎司，则每盎司白银的预期价格仍为：250×0.5＋150×0.5＝200便士。由于开采的变动成本是180便士／盎司，所以当白银价格为150便士／盎司，公司会放弃开采；在白银价格为250便士／盎司，才会开采，边际贡献70便士／盎司，总边际贡献1400000便士，用决策树方法计算出整个项目的净现值为： 　　NPV（贴现率为12％）＝－450000＋（1400000×0.5＋0×0.5）÷（1＋0.12）＝175000（便士）。 　　净现值为正值，说明该项目可以投资。当然投资后是否进行生产，关键要看白银价格的变动情况。 　　从上例中，可以初步看出传统方法与决策树方法的区别：传统方法是根据预期未来均值的情况，进行决策，是没有选择权的；而决策树方法是根据预期未来的分布情况，对于未来的不同情况，有选择权，从而表现出更强的开放性，更能适合公司的经营决策。所以应该明确的是，新信息的获得有助于提高改变战略方向的能力，在定量评估阶段，保持一定的选择的权利，能取得显著的附加值。当然未来发生的情况，比如价格，不仅会有多个水平，而且会发生连续变化的可能性，在满足一定的条件下，可以运用连续的期权定价方法原理来进行投资决策。 　　2．期权定价模型分析方法。所谓期权，是一种选择权，期权持有者在期权到期日或到期日之前，以一个固定价格（称为执行价格）购买或出售一定数量的某项标的资产的权利。期权购买者，支付一定金额的期权费，就获得了这种权利。期权只包含权利，而不包含义务，即期权持有者，可以根据标的资产市场价格变化情况，在有效期内，采取执行或者不执行期权。 　　期权分为欧式期权和美式期权。欧式期权只能在期权到期日才能执行，而美式期权可以在期权到期日之前的有效期内的任何时候执行。期权的价值由期权的内在价值和时间价值组成。期权的内在价值是由标的资产的当前价格S和期权的执行价格E决定的，对于看涨期权的内在价值＝max｛S－E，0｝，对于看跌期权的内在价值＝max｛E－S，0｝。时间价格是期权在有效期可能产生的收益，有效期越长，时间价值越大，到了期满日，时间价值为零。对于美式期权，在到期日之前，总是正的，而欧式期权却不一定。 　　当某项投资的价值与某项标的资产价值水平紧密相连，并且随着价格水平的变化，投资价值具有很大的跳跃性，即可运用期权原理分析该项投资的价值，从而确定是否值得投资。把投资的收益用标的资产价值的函数表示，如果标的资产价值超过某一预定水平，投资价值为超过的部分，如果没有超过，投资价值为零，则该资产可以视为看涨期权；相反，若标的资产价值在预定水平以下，投资有价值，而超过了预定水平，投资无价值，则该投资可以视为看跌期权。 　　对于美式期权，一般说来提前执行不会获得额外的收益，对于一个期权投资者来说，若不想再持有期权，更好的办法是把它转让出去，而不是执行该期权合约。故由欧式期权推导的模型在一定条件下，也可以适用于美式期权。对于支付红利的情形，可以在期权的执行价格中进行相应调整，适用欧式期权定价模型。针对欧式或机，目前世界上用得最广泛的期权定价模型有两种。这两种模型的第一种是假定股票价格的变化率满足二项式分布，由此推导出的期权公式叫做二项式期权定价公式。第二种B－S期权定价模型。 　　B－S期权定价模型。在1973年，由Black和Scholes发表了股票的期权定价模型，该模型假设期权中的标的资产的价格服从对数正态分布，即该资产的收益率服从正态分布。同时假设： 　　（1）期权为欧式期权，即期权只有在合约到期日才执行； 　　（2）不存在交易成本和税收； 　　（3）在期权生效期内，无风险利率水平保持固定不变； 　　（4）期权所指向的标的资产，如股票，不发放现金股利； 　　（5）标的资产价格服从随机游动分布，标的资产收益的方差在期权有效期内保持不变，并且可以运用过去的数据进行估计。 　　股票收益率定义为价格比的对数，并且假定服从正态分布，即Ln（St／So）～N（ut，σ2t），So为时间0的价格；St为时间t的价格；N（m，S）是均值为m、方差为S的正态分布；u为年收益率；σ为年收益率的标准差。从上式可以推导出股票价格服从对数正态分布：Ln（s）～Ln（So）＋N（ut，σ2t）。 　　对于看涨期权，到期日的预期价值表示为：E（Ct）＝E[max（St－E，0）」＝P*（E[St|St＞E]－E）＋（1－P）*0＝P*（E[St|st＞E]－E），其中 P为 St＞E的概率；如果把它折合成连续复利现值为：E（Ct）＝P*exp（－rt）*（E[St|St＞E]－E），其中r为无风险利率。运用偏微分方程方法，进一步推导得到B－S期权定价公式为： 　　C＝SN（d1）－EN（d2）／e rt 　　其中，S为股票的当前价格，E为期权的执行价格，t为期权距到期日的时间长度，一般用年数来表示，r为连续复合无风险年利率，e为自然底数，N（d1），N（d2）表示标准正态分布的 　　　　　　　　　　　　　　　　　　　　　　　__　　　　　　　__ 函数值，d1＝[Ln（s／e）＋（r＋0.5σ2）t]／σ√ t ，d2＝d1－σ√ tσ2为股票收益的方差。 　　二项式期权定价模型。它主要靠组建一个无风险的资产组合，比如卖出一份看涨期权，买入h份对应标的资产，借入资金B，使得初始现金流为零：C－h*S＋B＝0, C为看涨潮权价格，S为标的资产价格。设在到期日时，标的资产价格上升到u*S或下降到d*S，u，d为系数，当期权是一期时，期满现金流结果仍满足为零，这样该项资产组合不受风险变化的影响，得： 　　h*u*S－Cu－B*R＝0，h*d*s－Cd－B*R＝0，Cu，Cd分别为标的资产价格上升和下降时的期权价格，得到 h＝（Cu－Cd）／S*（u－d），B＝（d* Cu－u*Cd）／R*（u－d），C＝[（R－d）* Cu＋（u－R）* Cd]／R*（u－d）。 　　这种期限为一期的期权定价方法可以展开为多期的期权定价，当模型的步数无穷大时，二项式期权定价模型和B—S期权定价模型相一致。运用二项式定价模型的优点是简化了期权定价的计算和增加了直观性。 　　实例（1）：设某金矿的储量估计为100万盎司，开采量是每年为5万盎司。该公司可以在未来20年内拥有该矿，开采的初始成本是1000万美元，单位变动成本是每盎司250美元，并且以每年5％的速度增长。估计当前黄金的市场价格为每盎司3750美元，并预计每年以3％的速度增长。黄金价格波动的标准差为20％，无风险利率是9％ ，则运用期权定价理论对该金矿的估价计算步骤为： 　　标的资产的价值＝每年出售5万盎司黄金的现金流入的现值＝（50000×375）（1－[1.03 20／1.09 20]）／（0.09－0.03）＝2.1179亿美元 　　期权执行价格＝开采金矿的初始成本＋黄金开采成本的现值＝1000万美元＋（50000×250）（1－[1.05 20／1.09 20]）／（0.09－0.05）美元＝1.7455亿美元 　　黄金价格对数的方差＝0.04，期权的期限＝20年，无风险利率＝9％； 　　在运用Black－Scholes期权定价模型，d1＝1.5578，d2＝0.6634， 　　N（d1）＝0.9403，N（d2）＝0.7464 　　金矿看涨期权价值＝（211.79e－0.05×20×0.9403）－（174.55e－0.09×20×0.7464）＝5173万美元。 　　可以看出该值与传统的现金流贴现法计算的净现值3724万美元（2.1179亿美元－1.7455亿美元）有所不同，附加的价值来源于矿山的期权特性。 　　实例（2）：假设某公司购买到某项专利技术，期限为20年，其要求的初始投资是15亿元，而当前预期未来净现金流的现值是10亿元，但因为技术发展迅速，生产该专利产品未来可能会成为盈利项目。经估计该专利产品的现金流的方差为0.03，当前20年期无风险利率为10％。 　　这里需要说明的是：在运用期权定价模型时，关于标的资产价值是指现在生产该产品的预期现金流入按照一定的贴现率计算的现值。预期现金流是按照各种出现的结果及其概率计算出的期望现金流，即平均值。执行价格可以看作是初始投资和运营成本的现值之和。 　　按B－S期权定价模型的各输入变量是：标的资产价值＝10亿元，执行价格＝生产专利产品的初始成本现值＝15亿元，期权期限＝20年，标的资产价值方差＝0.03，无风险利率＝10％，代入公式计算得看涨期权的价值＝1.91亿元。该例说明了尽管该专利产品当前的净现值为负，但是如果将其视为一种有选择权的资产，仍是有价值的。 　　根据期权定价原理，只有当预期产品销售的现金流超过开发成本时，才会生产该种产品，否则公司会放弃使用该专利技术。设V为预期现金流的现值，I为开发成本的现值，则风险投资的价值＝max｛V－1，0｝，从而可以被视为看涨期权，生产的产品本身可以视为标的资产。执行价格为投资的成本，期权的期限为风险投资的退出期限，一般为7－10年，如果现金流是均匀分布的，则延迟成本是期权年限的倒数。所以运用传统的现金流贴现法进行项目评估时，不适用于当前或近期不产生现金流，但却因为其具有为公司未来制造价值的潜力，如风险投资，虽然目前尚未盈利，但是预期在未来能产生显著的现金流，此时采用传统的现金流贴现技术，会低估风险投资的价值。 　　四、影响期权价格的因素 　　由期权定价公式可以知道影响期权价格的因素，具体表现为： 　　1．标的资产的当前价值（S）。由于期权是一种取决于标的资产价值的资产，因此标的资产价值的变化会影响期权的价值，标的资产当前价值的上升，会增加看涨潮权的价值，而减少看跌期权的价值。 　　2．标的资产价值变化的方差（σ）。因为期权购买者的损失最多不会超过其购买期权所支付的期权费，却能从标的资产价格的剧烈变动中获得显著收益，所以代表标的资产价值变动性的指标方差越大，期权的价值越大。 　　3．标的资产支付的红利。由于在期权的有效期内，多数期权的执行价格并不作调整，因此当标的资产支付红利时，标的资产的价格可能会下降，造成看涨期权价值下跌，看跌期权价值上升，即标的资产看涨期权的价值是预期红利支付额的递减函数，而标的资产看跌期权的价值是预期红利支付额的递增函数。 　　4．期权的执行价格（E）。该价格是决定期权是否被执行的一个关键点。对于看涨期权，期权的价值会随着执行的价格的上升而降低，看跌期权则会相反。 　　5．距离期权到期目的时间（T）。该段时间的长短会影响期权的时间价值。时间越长，对于期权持有者获利的机会就会越多、越大。所以期限越长，看涨期权和看跌期权的价值都会增加。另外，期限长短，还会影响到期权执行时所使用的执行价格的现值的大小，期限越长，现值越小。 　　6．期权有效期内的无风险利率（Rf）。它主要取决于期权执行时，由谁来支付执行价格，该利率越高，这一支付额的现值就越低，同时它又影响到期权费的机会成本的大小。总体来看，利率的升高会使看涨期权的价值上涨，看跌期权的价值下降。 　　对于美式期权，由于可以在期权到期日之前的任何时候执行，使得美式期权比其它条件相同的欧式期权的价值更高。在大部分情况下，期权剩余有效时间溢价使得提前执行并不是方案。 　　期权定价模型为期权的定价奠定了一个总体性框架，在各式各样的实际应用中，需要对模型作进一步的修正，可能碰到的问题是： 　　（1）标的资产的流动性。期权定价理论是建立在可以运用的标的资产和无风险借贷资产构造等价资产组合基础之上的，对于上市公司股票的期权，是成立的；然而对于标的资产没有交易的实物情况下，套利是不可行的，造成期权定价成立的条件不充分。 　　（2）标的资产价格变动的连续性。对于大部分实际资产，该条件是满足的，然而对于某些资产的价格会受到限制，价格变动是跳跃的，这将会低估虚值期权的真实价值。解决办法是对虚值期权采用较大的方差，对于实值期权采用较小的方差，以此来利用期权定价公式。 　　（3）标的资产价格变动方差的固定不变性。对于投资项目来说，不象证券市场上流通的股票其交易具有一定的连续性，其方差可以根据股票价格的变动性来计算；项目投资缺乏流动性，其价值的波动不能类似计算出来。较为可行的做法有：一是用以前类似项目的现金流现值的方差作为估计值，二是确定各种市场状况可能出现的概率，估计各种情况下的现金流，并估计出现值的方差。 　　（4）期权的立即执行性。 　　五、评价 　　当风险投资的收入，满足上述假设条件时可以采用类似于上面的评价方法。从理论上来说，运用期权定价方法来对具有选择权的投资项目进行评估，要比用决策树方法在分析质量上获得更好的结果，因为决策树只考虑有限的一些可能结果。而现实中，所发生的可能结果是无限的，连续分布的。运用期权定价方法能克服决策树中只考虑离散分布的情况，得到更精确的结果。但是在运用期权定价模型时，必须满足其假设条件，而现实中的投资项目很难完全满足其假设条件，从而限制了Black和Scholes的期权定价模型的运用，此时用决策树方法更能让人们接受。 　　在使用决策树进行风险投资评估时，可以说明在投资项目的成功的概率虽然很小的情况下，企业仍可进行投资。因为投资项目一旦成功，就会获得巨大收益，从所有投资项目的整体情况来看，投资仍具有正的收益；同时对于一个企业的长期发展而言，要在市场上有竞争优势，必须不断地进行研究开发和创新，而投资于风险项目，就是尝试各种机会，占有先机，赢得竞争优势。企业所付出的最初投资，是相当于支付一种选择权费，至多损失不会超过此金额。因而风险投资是一种理性的投资行为。 　　期权定价理论最适用于“灵活性较强的情况”，它可以使投资者在了解更多投资前景的情况下再决定是否投资。因而这种跟进式的投资（Follow－on Investment）比运用现金流贴现的方法更接近实际。然而，在风险投资的应用中还要需要注意下述几方面的问题： 　　1．风险投资项目往往是依靠私人权益资本多次融资壮大的，风险投资家通过这种多阶段的投资方式一方面可以使经营者努力工作，另一方面也可以避免一次在一个项目上投资过大。但在第一轮的投资合同中，风险投资家往往会留有对下一轮投资拥有优先权的条款。这种不断跟进的投资方式也可能从另一个角度放大“灵活性”对价值评估的负面影响。 　　2．要将现实生活中的问题概括成可以运用期权定价模型来解决，无疑是较为艰难的，因而降低实际情况中的复杂性，便于应用简单的方法来解决实际问题，已成为现实工作中的重要一环。例如：放弃开发某项目的权利就类似于看跌期权，在一个金融租赁项目中，承租人可以有支付—定费用而拥有放弃租赁的权利等等。又如在计算期权的五项变量（E，S，T，Rf，σ）中的（E，S，T，Rf）是相对直观的，而标准差σ则往往由估计获取，通过观察具有类似资产结构的企业股价的变动性（Volatility），可以得出标准差的估计值，在这种情况下估计出的标准差需要考虑作出调整。一般来说，单个企业的标准差在20％－30％，小型科技企业可能达到40％－50％。 　　3．并非所有风险投资项目的价值评估都适用期权定价模型，比如，一系列的购买期权若是嵌套式的，如一个人的期权不能在另一人行使之前行使，这就成为一个棘手的问题。 　　六、启迪 　　期权定价理论的诞生为价值分析中不确定性因素的评估提供了丰富的想象空间，使柔性分析有了有效的工具。由于风险投资项目的特征类似于一个买方期权，所以运用期权定价理论来评估这类资产的价值已日益得到重视。 　　事实上，对能源领域的研究表明，众多跨国能源公司已从直觉上把投资机会看作现实期权。即将金融期权的理论运用到现实市场的投资项目中去，使投资项目的潜在可能性在未确定之前，处于既不承担全部投资又有可能利用远期现金流量的有利位置。 　　运用期权理论进行投资分析具有上述优点，为何得不到广泛应用？重要的原因是人们将其纳入学术范畴，在研究中往往会停留在其复杂的计算模型之中，而使其成为超越现实的“”。因此，让管理者掌握现实期权的基本概念，使之成为系统性的决策工具是件实在事。

决策树(Decision Tree）是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。由于这种决策分支画成图形很像一棵树的枝干，故称决策树。在机器学习中，决策树是一个预测模型，他代表的是对象属性与对象值之间的一种映射关系。Entropy = 系统的凌乱程度，使用算法ID3, C4.5和C5.0生成树算法使用熵。这一度量是基于信息学理论中熵的概念。决策树是一种树形结构，其中每个内部节点表示一个属性上的测试，每个分支代表一个测试输出，每个叶节点代表一种类别。分类树（决策树）是一种十分常用的分类方法。他是一种监管学习，所谓监管学习就是给定一堆样本，每个样本都有一组属性和一个类别，这些类别是事先确定的，那么通过学习得到一个分类器，这个分类器能够对新出现的对象给出正确的分类。这样的机器学习就被称之为监督学习。

EMV（Expected Monetary Value）预期货币价值：是一种对概率和各种可能情景影响所做的平衡。一般会有至少两种及以上的方案做对比，帮助决策人选择会提供更大的潜在收益的方案。 在PMP里面是在第十一章项目风险管理里面出现的，EMV和决策树分析可以帮助作出复杂的决策。决策时从多种方案中选择一个行动方针的认知过程，每一个决策过程都会产生一个最终选择。 最好的情景（Best Case）BC 最坏的情景（Worst Case）WC 最可能的情景（Most likely Case）MLC Total EMV=BC+WC+MLC 决策树分析（Decision Tree Analysis） 百科解释：是一种运用概率与图论中的树对决策中的不同方案进行比较，从而获得最优方案的风险型决策方法。图论中的树是连通且无回路的有向图，入度为0的点称为树根，出度为0的点称为树叶，树叶以外的点称为内点。 决策树由树根（决策节点）、其他内点（方案节点、状态节点）、树叶（终点）、树枝（方案枝、概率枝）、概率值、损益值组成。 在风险管理里面决策树由一个决策图和可能的结果（包括资源成本和风险）组成，用来创建到达目标的规划。决策树建立并用来辅助决策，是一种特殊的树结构。 【题目一】 公司已经提交了新产品开发的建议。该项目的开发成本是50万元，开发成功的概率预计为70%。如果开发不成功，该项目将被终止。如果成功，制造商必须决定是在一个新的生产线还是在经改造的生产线上制造该产品。如果产品需求高的话，新生产线增加的收入为120万元，而经改造生产线增加的收入为85万元。如果产品需求低的话，新生产线增加的收入为70万元，而经改造生产线增加的收入为72万元。所有这些收入增量，未减去50万元开发成本，新生产线30万元，改造生产线10万元。高需求概率估计为40%，低需求概率估计为60%。 题目题干看着很复杂，需要梳理清楚每条分支，算出每条分支的预期货币价值即EMV。EMV=概率x收益引申出第二个问题 开发的EMV=改造生产线总EMVx成功率70%+失败率30%x（固定成本-50万元）=-2.96万元 不开放的EMV=0 在做决策树分析时，任何金额大于零的决策标志着一个积极的决策。在多个情景需要进行比较时，应该选择其中收益最高的一个。【题目二】 用蒙特卡洛分析后，如果自制，花100万，项目成功的概率是60%挣300万，失败的概率是40%赔100万。如果项目外包，花150万，项目成功概率是80%挣300万，20%概率赔100万，请问是选择自制还是外包？

定量决策的方法包括线性规划法、敏感性分析法、其他数学模型、数据挖掘等。1、线性规划法：线性规划法是一种优化方法，基于给定的约束条件，通过建立一个数学模型，来最大化或最小化一个目标函数。该方法可应用于资源分配、产业经济等多个领域，包括生产、运输、库存等。它通过数学模型的优化，使企业在有限的资源下实现最大利润或最小成本。2、敏感性分析法：敏感性分析法是一种常用于金融和投资领域的定量分析方法。它通过对决策模型中参数的改变，来评估这种变化对决策结果的影响。该方法可以帮助投资者评估投资风险，并制定相应的策略。3、其他数学模型：除了线性规划法外，还有其他一些数学模型，例如非线性规划、多目标决策、决策分析、时间序列分析、回归分析等。这些方法主要应用于实现更多的目标、评估决策风险以及预测未来的情况。4、数据挖掘：数据挖掘是使用人工智能和机器学习技术来分析数据，发现其中的模式，并提取出有用的信息。通过数据挖掘，企业可以优化决策流程、识别趋势、降低成本和提高效率，从而提高决策的准确性和效率。定量决策含义定量决策（Quantitative Decision Making）是指使用数学和统计学方法来进行决策的过程。与定性决策相比较，定量决策更加注重基于数据分析和计算的精确性、可重复性和科学性。通过运用多种数学方法如线性规划、数据挖掘、风险分析等，能够提高决策的准确度并减少决策的偏见和主观性。定量决策可广泛应用于不同领域、行业和阶段。例如，在金融领域中，收入和资产的预测通常基于风险管理和资产负债表的统计数据。 在供应链和物流管理中，定量技术可以实现合理的库存控制和物料需求计划。而在市场营销中，定量技术可用来分析市场细分、产品定价和推广效果等方面。

解决风险型决策问题常用的方法包括最小化风险决策方法、最大化期望价值决策方法、决策树分析决策方法、场景分析决策方法等。1、最小化风险决策方法最小化风险决策方法是一种寻求最小化预期风险的方法。这种方法通常用于处理涉及财务和安全问题的决策。在这种方法中，决策者会评估各种决策可能产生的风险，并选择那些最小化风险的方案。例如，一个公司决定在一座地震频发的城市建立一家新工厂，决策者需要评估地震的风险，并采取措施最小化风险。2、最大化期望价值决策方法最大化期望价值决策方法是一种基于预期价值的决策方法。在这种方法中，决策者会计算每种可能决策的预期价值，并选择那些能够最大化预期价值的方案。例如，一个公司决定在某个新兴市场投资，决策者需要评估该市场的潜在价值和风险，并选择能够最大化预期价值的方案。3、决策树分析决策方法决策树分析决策方法是一种结构化的决策方法。在这种方法中，决策者会创建一棵决策树，该决策树描述了各种决策和结果之间的关系。然后，决策者会评估每种决策的可能结果，并选择能够最大化预期价值或最小化风险的方案。例如，一个公司决定开发一个新产品，决策者需要评估市场反应、生产成本和销售收益等各种因素，然后基于这些因素创建一棵决策树，并选择最佳方案。4、场景分析决策方法场景分析决策方法是一种通过考虑各种可能的未来情况来制定决策的方法。在这种方法中，决策者会考虑各种可能的情况，例如市场波动、技术变革和政治风险等，并对每种情况进行分析和评估。然后，决策者会制定多个方案，并为每个方案制定适用于不同场景的策略。例如，一个公司决定推出一种新产品，决策者需要考虑市场上已有的竞争产品、市场潜力以及技术创新等因素，制定多个方案，并为每个方案制定适用于不同场景的策略，以应对各种可能的未来情况。

1、决策树法决策树在解决归类与预测上有着极强的能力，它以法则的方式表达，而这些法则则以一连串的问题表示出来，经由不断询问问题最终能导出所需的结果。典型的决策树顶端是一个树根，底部有许多的树叶，它将纪录分解成不同的子集，每个子集中的字段可能都包含一个简单的法则。此外，决策树可能有着不同的外型，例如二元树、三元树或混和的决策树型态。2、神经网络法神经网络法是模拟生物神经系统的结构和功能，是一种通过训练来学习的非线性预测模型，它将每一个连接看作一个处理单元，试图模拟人脑神经元的功能，可完成分类、聚类、特征挖掘等多种数据挖掘任务。神经网络的学习方法主要表现在权值的修改上。其优点是具有抗干扰、非线性学习、联想记忆功能，对复杂情况能得到精确的预测结果;缺点首先是不适合处理高维变量，不能观察中间的学习过程，具有“黑箱”性，输出结果也难以解释;其次是需较长的学习时间。神经网络法主要应用于数据挖掘的聚类技术中。3、关联规则法关联规则是描述数据库中数据项之间所存在的关系的规则，即根据一个事务中某些项的出现可导出另一些项在同一事务中也出现，即隐藏在数据间的关联或相互关系。在客户关系管理中，通过对企业的客户数据库里的大量数据进行挖掘，可以从大量的记录中发现有趣的关联关系，找出影响市场营销效果的关键因素，为产品定位、定价与定制客户群，客户寻求、细分与保持，市场营销与推销，营销风险评估和诈骗预测等决策支持提供参考依据。4、遗传算法遗传算法模拟了自然选择和遗传中发生的繁殖、交配和基因突变现象，是一种采用遗传结合、遗传交叉变异及自然选择等操作来生成实现规则的、基于进化理论的机器学习方法。它的基本观点是“适者生存”原理，具有隐含并行性、易于和其他模型结合等性质。主要的优点是可以处理许多数据类型，同时可以并行处理各种数据;缺点是需要的参数太多，编码困难，一般计算量比较大。遗传算法常用于优化神经元网络，能够解决其他技术难以解决的问题。5、聚类分析法聚类分析是把一组数据按照相似性和差异性分为几个类别，其目的是使得属于同一类别的数据间的相似性尽可能大，不同类别中的数据间的相似性尽可能小。根据定义可以把其分为四类：基于层次的聚类方法;分区聚类算法;基于密度的聚类算法;网格的聚类算法。常用的经典聚类方法有K-mean，K-medoids，ISODATA等。6、模糊集法模糊集法是利用模糊集合理论对问题进行模糊评判、模糊决策、模糊模式识别和模糊聚类分析。模糊集合理论是用隶属度来描述模糊事物的属性。系统的复杂性越高，模糊性就越强。7、web页挖掘通过对Web的挖掘，可以利用Web的海量数据进行分析，收集政治、经济、政策、科技、金融、各种市场、竞争对手、供求信息、客户等有关的信息，集中精力分析和处理那些对企业有重大或潜在重大影响的外部环境信息和内部经营信息，并根据分析结果找出企业管理过程中出现的各种问题和可能引起危机的先兆，对这些信息进行分析和处理，以便识别、分析、评价和管理危机。8、逻辑回归分析反映的是事务数据库中属性值在时间上的特征，产生一个将数据项映射到一个实值预测变量的函数，发现变量或属性间的依赖关系，其主要研究问题包括数据序列的趋势特征、数据序列的预测以及数据间的相关关系等。9、粗糙集法是一种新的处理含糊、不精确、不完备问题的数学工具，可以处理数据约简、数据相关性发现、数据意义的评估等问题。其优点是算法简单，在其处理过程中可以不需要关于数据的先验知识，可以自动找出问题的内在规律;缺点是难以直接处理连续的属性，须先进行属性的离散化。因此，连续属性的离散化问题是制约粗糙集理论实用化的难点。10、连接分析它是以关系为主体，由人与人、物与物或是人与物的关系发展出相当多的应用。例如电信服务业可藉连结分析收集到顾客使用电话的时间与频率，进而推断顾客使用偏好为何，提出有利于公司的方案。除了电信业之外，愈来愈多的营销业者亦利用连结分析做有利于企业的研究。

如何利用决策方法解决问题 如何利用决策方法解决问题，在工作当中或者日常生活当中，大家都扮演了一个决策者的身份，就好比如买东西，大家是决定买什么的那一个人，那如何利用决策方法解决问题，以下是我整理的相关内容。 如何利用决策方法解决问题1 决策理论方法主要有定性决策和定量决策。 定性决策方法主要包括头脑风暴法、专家会议法、德尔菲法和电子会议法等等，定性决策的运用就不详说了。 定量决策主要有线性规划法、盈亏分析法、表格法和决策书法等等，主要说一下决策树法吧，这个很多都能用得到。 （1）决策树法 风险决策是指在不确定情况下的决策，在工商企业经营中经常需要进行风险决策，决策树法是风险决策中应用最广、效果最显著的方法。 决策树是决策问题的图形表达，对分析多阶段的决策问题十分有效，它指明了未来的决策点和可能发生的偶然事件，并用记号标明各种不确定事件可能发生的概率，它把可行方案、所冒风险及可能的结果直观地表达出来。 举例说明：预计今后几年市场对某公司产品的需求会扩大（概率0.7），但也存在销售量减少的可能（概率0.3）。公司面临几种可能的选择： 第一，扩建厂房更新设备，若以后公司产品的需求量扩大，公司将成为市场领先者，获得很大收益；若需求量减少，公司将亏损。 第二，使用老厂房，更新设备，无论需求量大小，公司都有一定的收益，只是收益大小问题。 第三，先更新设备，若销路好，再扩建厂房，主要问题是两次投资总和大于一次投资。 以上问题是现实问题的极大简化，但可以使我们对决策树有一个基本理解，当然决策树也能用于复杂问题的决策。上述问题的三种可行方案的具体情况见表： 现在看看如何根据这些情况选择最佳方案。根据三种可行方案情况画出决策树： 由决策点引出的若干条树枝称为方案枝。由状态结点引出的若干条树枝称为状态枝，状态枝上标明状态的情况和可能的概率。本例有两个决策，决策I是当前扩建厂房更新设备还是仅更新设备；决策II是一年后销路好时是扩建厂房增加设备还是维持原状。各状态结点的期望收益如下： 结点④：100×1.0×4 = 400（万元） 结点③：300×1.0×4－400 = 800（万元） 由于800＞400，所以决策II择扩建厂房增加设备。 结点②：（60×0.3×5＋100×0.7×1＋800×0.7）－400 = 320（万元） 结点①：[300×0.7×5＋(－50)×0.3×5] －700 = 275（万元） 决策结果为目前仅更新设备，并不急于扩建厂房，因为状态结点②的预期收益320万元大于状态结点①的预期收益275万元。 如何利用决策方法解决问题2 正确作出决策，高效解决问题的7个方法！ 1、直觉。 我们都以为直觉很奇妙，不知道直觉是从哪来的，但是直觉很大程度上来自于“经验”。当经验积累到一定程度，各种情景下的决策类型和行动方案已经存在脑海中，一旦有相似的情景触发，这些经验就自动出现了，只不过决策的过程通常很快，决策者一时也很难描述自己的决策方法，所以就以为是依靠直觉。（所以直觉也是需要靠一点一点的积累的） 直觉能帮助决策者利用经验迅速理清当前状况，找出关键线索，然后和之前的经历进行匹配，找出应对的行动方案。提高直觉能力最有效的办法是：多多参与处理棘手的事件，也可以参加相关的培训。 当然，直接有一定的局限性，利用直接就等于是在套用模板，但模板终究是有限的，因此直觉只适用于比较简单的情境。如果遇到复杂的决策情境，就需要用到下一种力量“心理模拟”。 2、心理模拟。 它在决策中应用得比较广泛，除了可以评价行动方案以外，还可以用于比较复杂的“情境识别”和“生成行动预期（想象事情在过去如何发展，将来又如何变化，会产生什么可能的结果）”等，预见行动方案中的困难，未雨绸缪做好不同情况下的应对准备。 心理模拟是决策专家最常使用的手段之一。决策新手要学习这种方法，就需要在计划实施前多多通过心理模拟进行剖析，尽可能找出行动方案的缺点，因为人们都自己构建的计划总是盲目自信，越是专业知识不足的人越是容易犯错误。 3、杠杆点。 杠杆点就是解决问题的突破口。找到杠杆点，就意味着找到了行动方案的起始点。一个杠杆点，可以得出一个行动方案，只不过是碎片式的。随着杠杆点的增多，问题渐渐明确，这时再把碎片化的行动方案连接在一起，就可以形成完整的行动方案。 寻找杠杆点的方法有两个：①决策者利用自己的经验来识别，经验越丰富就越容易识别出杠杆点；②在问题毫无头绪的情况下，可以重新反思情境，从不同的角度看待和理解问题，借此识别出不同的杠杆点。 那如何从不同的角度看待和理解问题呢？这就需要敏锐的洞察力了。 4、洞察力。 洞察力主要表现在：看到不易察觉的细节差异，更快地识别异常现象；建立全局观，抓住机遇并随机应变等等。 学习专业知识重要的不是知识本身，而是学习如何去感知，拿语言学习来说，有些人比普通人更容易掌握多门外语，是他们的语言天赋更高吗？其实未必。对于大多数人来说，往往是通过单词、语法着手去推测语意。而对于擅长学习语言的"人来说，他们读到一篇文章，会先感知整篇文章的语意，再通过上下文来推测语法结构和单词构成，最后达到认识单词和学习语法的目的，这种整体感知的学习方式能达到事半功倍的效果。再比如学习骑自行车，如果按照骑自行车的标准步骤去学习，往往不能很快掌握骑自行车的要领，而放弃步骤、集中精力去体会蹬着自行车前进时产生的那种整体动力感觉，学习效果反而更好一些。 如果你希望自己获得专家那样的洞察力，学习专业知识本身是一方面，更重要的是学习专家的思考方式，尝试理解他们感知情境的策略。也就是要重点学习专家是如何获得这些专业知识的，哪些知识是可以直接吸收，哪些是需要亲身体验的，同时还要将专家的专业知识转化成适合自己吸收的形式，并发展出新的运用场景。 积累了大量的经验和专业知识后，我们还要学会将它们同实际的情境结合起来，这就要运用到类比了。 5、类比。 类比的作用在于将当前的情境和以前类似的情境做对比，就好像从一个“经验银行”里调取经验资源一样，它能提供一些处理类似事件的模板，帮助我们更快识别出典型情境。 除此之外，类比还有设定预期和提供行动建议的作用。设定预期就是预测在新的情境下会发生什么。这种预测能力我们在生活中也经常用到，比如大风天在外行走，看到街道旁的建筑上挂着广告牌，你会想到在新闻中曾经出现过“在大风天有广告牌被吹落伤到行人的事例”，为了避免遭遇类似的悲剧，你会选择躲开危险物行走，这就是类比的预测作用。提供行动建议很好理解，就像学生在做课后练习时，遇到不会的题目会去翻看笔记，看看老师是不是讲解过类似的题目，然后参照那个模板寻找解答步骤。 需要注意的是：类比的经验与当前的决策情境在重大因素上应该是相似或者一致。新手容易犯的错误就是错误的估计了自己的经验，就相当于用错误的经验来指导行动，就会产生更加错误的后果。 6、讲故事。 讲故事能够帮助我们巩固自身经验，方便在未来再次利用。如果你去问一个决策专家为什么总是能做出正确的决策，他十有八九会泛泛而谈，说出的答案没有什么大的实际建议，但如果你请专家讲一讲它经历过的最难的一次决策，或者是他最满意的一次经历，他一定会滔滔不绝，说出他的故事，甚至连一些细节都会十分清楚。这才是专家关于决策最宝贵的经验，也是我们实际想知道的内容。 讲故事可以用来理解眼前的事件，在讲述故事的过程中，经验就逐渐转变为了专业知识。好故事虽然情节复杂，元素很多，但我们只要对故事的细节稍加分析，就能对故事所处的情境有更直观的理解，有助于将解决方案运用到相似的情境中。 对于决策新手来说，最难的点在于寻找到一个优秀的故事，就是那些包好了大量专业知识、决策技巧和判断线索的故事。一旦碰到有决策专家愿意分享他在处理一些非常规事件时的经验，这就是新手从故事中获取知识的大好机会。在专家分享故事前需要做好相关的准备，比如列出自己想要重点关注的环节，寻找专家讲述内容中与自己想象不一样的地方，尤其要关注专家在关键点的选择，譬如如果没有发现那条关键信息，专家会如何选择呢；如果行动方案受到阻碍又将如何做出改变；如果遇到相似的情境，我会犯下哪些错误呢等等。这些探查式的问题能帮助新手了解自己的薄弱之处，并重新审视那些容易被自己忽略而专家极为重视的东西。 7、读心术。 决策有时候不是一个人的事，特别是对于管理者来说，作出决策只是解决问题的开始，接下来还需要其他人的配合来实施。比如消防指挥员面对的是一群消防指挥员，需要他们的配合，这个时候就需要准确的领会他人的意图，就好像会读心术一样。 所以，团队沟通很重要。加强团队沟通能够让团队成员读懂决策者的想法，使所有团队成员的心理保持一致，增加团队成员的认同感，并且掌握自我控制和调整的办法，以免因为个人的失误造成整个团队决策的失败。第二，任务完成过程中随时可能出现变化，但决策者没有办法向执行者说出所有应该注意的细节，加强团队沟通能够让执行者更好的明白决策者的意图，随机应变的处理问题，减少决策执行的难度。 决策新手在团队中往往只能担任执行者的角色，被动地执行决策者的指令，一旦碰到情境变化，决策者来不及改变行动方案时，决策新手就很容易陷入危险的境地。因此，在行动开始前，决策新手就应该尽力去理解决策者的意图，包括决策的目标、备选的方案等，遇到不懂的决策点应该事先和决策者沟通，有助于了解情境的本质，增加随机应该的能力。

如下：决策树分析法是指分析每个决策或事件（即自然状态）时，都引出两个或多个事件和不同的结果，并把这种决策或事件的分支画成图形，这种图形很像一棵树的枝干，故称决策树分析法。选择分割的方法有好几种，但是目的都是一致的：对目标类尝试进行最佳的分割。一般都是自上而下的来生成的。每个决策或事件（即自然状态）都可能引出两个或多个事件，导致不同的结果，把这种决策分支画成图形很像一棵树的枝干，故称决策树。 　决策树就是将决策过程各个阶段之间的结构绘制成一张箭线图。优点：1、可以生成可以理解的规则；2、计算量相对来说不是很大；3、可以处理连续和种类字段；4、决策树可以清晰的显示哪些字段比较重要。

决策树法的几个关键步骤是：1、画出决策树，画决策树的过程也就是对未来可能发生的各种事件进行周密思考、预测的过程，把这些情况用树状图表示出来．先画决策点，再找方案分枝和方案点．最后再画出概率分枝。2、由专家估计法或用试验数据推算出概率值．并把概率写在概率分枝的位置上。3、计算益损期望值，从树梢开始，由右向左的顺序进行．用期望值法计算．若决策目标是盈利时，比较各分枝，取期望值最大的分枝，其他分枝进行修剪。扩展资料决策树的优点1、决策树易于理解和实现. 人们在通过解释后都有能力去理解决策树所表达的意义。2、对于决策树，数据的准备往往是简单或者是不必要的 . 其他的技术往往要求先把数据一般化，比如去掉多余的或者空白的属性。3、能够同时处理数据型和常规型属性。其他的技术往往要求数据属性的单一。4、 在相对短的时间内能够对大型数据源做出可行且效果良好的结果。5、对缺失值不敏感6、可以处理不相关特征数据7、效率高，决策树只需要一次构建，反复使用，每一次预测的最大计算次数不超过决策树的深度。决策树的缺点1、对连续性的字段比较难预测。2、对有时间顺序的数据，需要很多预处理的工作。3、当类别太多时，错误可能就会增加的比较快。4、一般的算法分类的时候，只是根据一个字段来分类。5、在处理特征关联性比较强的数据时表现得不是太好

决策树计算公式公式：H(X)=–∑P(x)log[P(x)]H(x)：表示熵 P(x)：表示x事件发生的概率。决策树法的具体计算过程：(1)画出决策树，画决策树的过程也就是对未来可能发生的各种事件进行周密思考、预测的过程，把这些情况用树状图表示出来．先画决策点，再找方案分枝和方案点．最后再画出概率分枝。(2)由专家估计法或用试验数据推算出概率值．并把概率写在概率分枝的位置上。(3)计算益损期望值，从树梢开始，由右向左的顺序进行．用期望值法计算．若决策目标是盈利时，比较各分枝，取期望值最大的分枝，其他分枝进行修剪。决策树分析法，是将构成决策方案的有关因素，以树状图形的方式表现出来，并据以分析和选择决策方案的一种系统分析法。它以损益值为依据。该方法特别适于分析比较复杂的问题。（1）决策树的构成　　由决策结点“口”、方案枝、状态结点“O”和概率支构成。（2）决策步骤　　决策树分析法的程序主要包括以下步骤：①绘制决策树图形，按上述要求由左向右顺序展开。②计算每个结点的期望值，计算公式为：状态结点的期望值=Σ（损益值×概率值）×经营年限③剪枝，即进行方案的选优。方案净效果=该方案状态结点的期望值-该方案投资额

决策树分析法风险型决策法是决策者根据几种不同自然状态可能发生风险的概率作出抉择的决策方法。由于银行经营中存在着风险，故常用此法进行决策。但决策者需要承担一定的风险。决策树分析法是指分析每个决策或事件（即自然状态）时，都引出两个或多个事件和不同的结果，并把这种决策或事件的分支画成图形，这种图形很像一棵树的枝干，故称决策树分析法。决策树是确定生产能力方案的一条简捷的途径。决策树不仅可以帮助人们理解问题，还可以帮助人们解决问题。决策树是一种通过图示罗列解题的有关步骤以及各步骤发生的条件与结果的一种方法。近年来出现的许多专门软件包可以用来建立和分析决策树，利用这些专门软件包，解决问题就变得更为简便了。决策树由决策结点、机会结点与结点间的分枝连线组成。通常，人们用方框表示决策结点，用圆圈表示机会结点，从决策结点引出的分枝连线表示决策者可作出的选择，从机会结点引出的分枝连线表示机会结点所示事件发生的概率。

它利用了概率论的原理，并且利用一种树形图作为分析工具。其基本原理是用决策点代表决策问题，用方案分枝代表可供选择的方案，用概率分枝代表方案可能出现的各种结果，经过对各种方案在各种结果条件下损益值的计算比较，为决策者提供决策依据。 决策树分析法是常用的风险分析决策方法。该方法是一种用树形图来描述各方案在未来收益的计算。比较以及选择的方法，其决策是以期望值为标准的。人们对未来可能会遇到好几种不同的情况。每种情况均有出现的可能，人们现无法确知，但是可以根据以前的资料来推断各种自然状态出现的概率。在这样的条件下，人们计算的各种方案在未来的经济效果只能是考虑到各种自然状态出现的概率的期望值，与未来的实际收益不会完全相等。 如果一个决策树只在树的根部有一决策点，则称为单级决策；若一个决策不仅在树的根部有决策点，而且在树的中间也有决策点，则称为多级决策。

1、决策树分析法能显示出决策过程，具体形象，便于发现问题。1、决策树分析法能把风险决策的各个环节联系成一个统一的整体，有利于决策过程中的思考，易于比较各种方案的优劣。3、决策树分析法既可以进行定性分析，也可以进行定量计算。

职业生涯决策的方法：1、平衡单法“决策平衡单”（decision-making balance sheet）经常被应用于问题解决模式和职业咨询中，用以协助咨询者有系统地分析每一个可能的选项，判断分别执行各选项的利弊得失，然后依据其在利弊得失上的加权计分排定各个选项的优先顺序，以执行最优先或偏好的选项。2、决策树法决策树法利用了概率论的原理，并且利用一种树形图作为分析工具。其基本原理是用决策点代表决策问题，用方案分枝代表可供选择的方案，用概率分枝代表方案可能出现的各种结果，经过对各种方案在各种结果条件下损益值的计算比较，为决策者提供决策依据。扩展资料：职业生涯的影响因素：进取心与责任心、自信心、自我表现认识和自我表现调节、情绪稳定性、社会敏感性、社会接纳性、社会影响力。从经济的观点来看，职业生涯就是个人在人生中所经历的一系列职位和角色，它们和个人的职业发展过程相联系，是个人接受培训教育以及职业发展所形成的结果。职业生涯是以心理开发、生理开发、智力开发、技能开发、伦理开发等人的潜能开发为基础，以工作内容为确定和变化，工作业绩的评价，工资待遇、职称、职务的变动为标准，以满足需求为目标的工作经历和内心体验的经历。参考资料来源：百度百科——职业生涯决策

减少数的深度用决策树法训练大量数据集最节约时间。决策树分析法是一种运用概率与图论中的树对决策中的不同方案进行比较，从而获得最优方案的风险型决策方法。图论中的树是连通且无回路的有向图，入度为0的点称为树根，出度为0的点称为树叶，树叶以外的点称为内点。决策树由树根（决策节点）、其他内点（方案节点、状态节点）、树叶（终点）、树枝（方案枝、概率枝）、概率值、损益值组成。决策树的另一个使用是作为计算条件概率的描述性手段。决策论中（如风险管理），决策树由一个决策图和可能的结果（包括资源成本和风险）组成， 用来创建到达目标的规划。决策树建立并用来辅助决策，是一种特殊的树结构。决策树是一个利用像树一样的图形或决策模型的决策支持工具，包括随机事件结果，资源代价和实用性。它是一个算法显示的方法。决策树经常在运筹学中使用，特别是在决策分析中，它帮助确定一个能最可能达到目标的策略。如果在实际中，决策不得不在没有完备知识的情况下被在线采用，一个决策树应该平行概率模型作为最佳的选择模型或在线选择模型算法。决策树法原理：它利用了概率论的原理，并且利用一种树形图作为分析工具。其基本原理是用决策点代表决策问题，用方案分枝代表可供选择的方案，用概率分枝代表方案可能出现的各种结果，经过对各种方案在各种结果条件下损益值的计算比较，为决策者提供决策依据。决策树分析法是常用的风险分析决策方法。该方法是一种用树形图来描述各方案在未来收益的计算。比较以及选择的方法，其决策是以期望值为标准的。人们计算的各种方案在未来的经济效果只能是考虑到各种自然状态出现的概率的期望值，与未来的实际收益不会完全相等。

决策分析的步骤有哪些 　　决策分析的步骤有哪些，可能有些朋友们会在自己的生活中遇到各种各样的问题，其中应该就包括决策分析的问题，那么决策分析的步骤有哪些大家都知道吗？不知道的小伙伴们一起来看看相关内容吧。 　　决策分析的步骤有哪些1 　　 决策分析一般分四个步骤： 　　 (1)形成决策问题，包括提出方案和确定目标； 　　 (2)判断自然状态及其概率； 　　 (3)拟定多个可行方案； 　　 (4)评价方案并做出选择。 　　 决策分析方法有： 穷举法、一般最优化方法、决策树的方法、拉普拉斯准则、乐观准则、悲观准则、遗憾准则、化多为少的方法、分层序列法、直接找所有非劣解的方法、对策论、冲突分析、群决策等方法. 　　 对于不同的情况使用不同的方法： 　　 ①确定性情况： 每一个方案引起一个、而且只有一个结局。当方案个数较少时可以用穷举法，当方案个数较多时可以用一般最优化方法。 　　 ②随机性情况： 也称风险性情况，即由一个方案可能引起几个结局中的一个，但各种结局以一定的概率发生。通常在能用某种估算概率的方法时，就可使用随机性决策，例如决策树的方法。 　　 ③不确定性情况: 一个方案可能引起几个结局中的某一个结局,但各种结局的发生概率未知。这时可使用不确定型决策，例如拉普拉斯准则、乐观准则、悲观准则、遗憾准则等来取舍方案。 　　 ④多目标情况： 由一个方案同时引起多个结局，它们分别属于不同属性或所追求的不同目标。这时一般采用多目标决策方法。例如化多为少的方法、分层序列法、直接找所有非劣解的方法等。 　　 ⑤多人决策情况： 在同一个方案内有多个决策者，他们的`利益不同，对方案结局的评价也不同。这时采用对策论、冲突分析、群决策等方法。 　　决策分析的步骤有哪些2 　　 决策分析 　　决策分析，一般指从若干可能的方案中通过决策分析技术，如期望值法或决策树法等，选择其一的决策过程的定量分析方法。主要应用于大气科学中的动力气象学等学科。 　　 简介 　　大多数的决策理论是规范性的，即决策理论以假设一个具有完全信息的、可实现精度计算的、并且完全理性的理想决策者的方式达到最优的决策（在实际中，某些所谓“最好”的情景并不是最大，最优也可能包含在一个具体的或近似的最大值）。这种规范模型的实际应用（人们应当如何决策）被称为决策分析，其目标是帮助人们进行进一步良好决策的工具和方法论。 　　决策支持系统是一种系统的、综合的用这种方法开发的软件工具。 由于人们通常的行为并不与公理一致，经常违反了其最优性。关于这种现象的相关研究称为描述性学科。这种描述性的模型试图描述实际中人们是怎么做的。 　　由于规范和最优的决策通常测试假设是违背人们的实际行动，因此规范性模型和描述性模型建立了关联。对实践中发生决策允许进行进一步的测试，可能会放松规范模型中对完全信息、理性和其他方法的约束。 　　最近几十年，越来越多的研究者对被称为“行为决策论”的引发兴趣，这种研究对重新评价理性决策理论的要求做出了贡献。

决策树学习是机器学习方法中的一种。这种方法将习得的训练集函数表示成树结构，通过它来近似离散值的目标函数。这种树结构是一种有向树，它以训练集的一个属性作节点，这个属性所对应的一个值作边。决策树一般都是自上而下的来生成的。每个决策或事件（即自然状态）都可能引出两个或多个事件，导致不同的结果，把这种决策分支画成图形很像一棵树的枝干，故称决策树。选择分割的方法有好几种，但是目的都是一致的：对目标类尝试进行最佳的分割。从根到叶子节点都有一条路径，这条路径就是一条“规则”。决策树可以是二叉的，也可以是多叉的。对每个节点的衡量：1) 通过该节点的记录数2) 如果是叶子节点的话，分类的路径3) 对叶子节点正确分类的比例。有些规则的效果可以比其他的一些规则要好。决策树对于常规统计方法的优缺点优点：1)　可以生成可以理解的规则。2)　计算量相对来说不是很大。3)可以处理连续和种类字段。4)决策树可以清晰的显示哪些字段比较重要缺点：1) 对连续性的字段比较难预测。2) 对有时间顺序的数据，需要很多预处理的工作。3) 当类别太多时，错误可能就会增加的比较快。4) 一般的算法分类的时候，只是根据一个字段来分类。

决策分析常用方法　　对于不同的情况有不同的决策方法。　　①确定性情况：每一个方案引起一个、而且只有一个结局。当方案个数较少时可以用穷举法，当方案个数较多时可以用一般最优化方法。　　②随机性情况：也称风险性情况，即由一个方案可能引起几个结局中的一个，但各种结局以一定的概率发生。通常在能用某种估算概率的方法时，就可使用随机性决策，例如决策树的方法。　　③不确定性情况:一个方案可能引起几个结局中的某一个结局,但各种结局的发生概率未知。这时可使用不确定型决策，例如拉普拉斯准则、乐观准则、悲观准则、遗憾准则等来取舍方案。　　④多目标情况：由一个方案同时引起多个结局，它们分别属于不同属性或所追求的不同目标。这时一般采用多目标决策方法。例如化多为少的方法、分层序列法、直接找所有非劣解的方法等。　　⑤多人决策情况：在同一个方案内有多个决策者，他们的利益不同，对方案结局的评价也不同。这时采用对策论、冲突分析、群决策等方法。　　除上述各种方法外，还有对结局评价等有模糊性时采用的模糊决策方法和决策分析阶段序贯进行时所采用的序贯决策方法等。不同决策分析的区别　　风险型情况下的决策分析。这类决策问题与确定型决策只在第一点特征上有所区别：　　风险型情况下，未来可能状态不只一种，究竟出现哪种状态，不能事先肯定，只知道各种状态出现的可能性大小(如概率、频率、比例或权等)。常用的风险型决策分析技术有期望值法和决策树法。　　期望值法是根据各可行方案在各自然状态下收益值的概率平均值的大小，决定各方案的取舍。　　决策树法有利于决策人员使决策问题形象比，可把各种可以更换的方案、可能出现的状态、可能性大小及产生的后果等，简单地绘制在一张图上，以便计算、研究与分析，同时还可以随时补充和不确定型情况下的决策分析。　　如果不只有一个状态，各状态出现的可能性的大小又不确知，便称为不确定型决策。常用的决策分析方法有：　　a．乐观准则。比较乐观的决策者愿意争取一切机会获得最好结果。决策步骤是从每个方案中选一个最大收益值，再从这些最大收益值中选一个最大值，该最大值对应的方案便是入选方案。　　b.悲观准则。比较悲观的决策者总是小心谨慎，从最坏结果着想。决策步骤是先从各方案中选一个最小收益值，再从这些最小收益值中选出一个最大收益值，其对应方案便是最优方案。这是在各种最不利的情况下又从中找出一个最有利的方案，　　c.等可能性准则。决策者对于状态信息毫无所知，所以对它们一视同仁，即认为它们出现的可能性大小相等。于是这样就可按风险型情况下的方法进行决策。

一、平衡单“决策平衡单”（decision-making balance sheet）经常被应用于问题解决模式和职业咨询中，用以协助咨询者有系统地分析每一个可能的选项，判断分别执行各选项的利弊得失，然后依据其在利弊得失上的加权计分排定各个选项的优先顺序，以执行最优先或偏好的选项。主体框架(1)自我物质方面的得失（utilitarian gains or losses for self）。(2)他人物质方面的得失（utilitarian gains or losses for significant others）。(3)自我赞许与否（self-approval or disapproval）。(4)社会赞许与否(social approval or disapproval)。平衡单的设计，是用来协助决策者作出好的重大决定。它可以帮助决策者具体地分析每一个可能的选择方案，考虑各种方案实施后的利弊得失，最后排定优先顺序，择一而行。二、决策树法决策树法利用了概率论的原理，并且利用一种树形图作为分析工具。其基本原理是用决策点代表决策问题，用方案分枝代表可供选择的方案，用概率分枝代表方案可能出现的各种结果，经过对各种方案在各种结果条件下损益值的计算比较，为决策者提供决策依据。决策树分析法是常用的风险分析决策方法。该方法是一种用树形图来描述各方案在未来收益的计算。比较以及选择的方法，其决策是以期望值为标准的。人们对未来可能会遇到好几种不同的情况。每种情况均有出现的可能，人们目前无法确知，但是可以根据以前的资料来推断各种自然状态出现的概率。在这样的条件下，人们计算的各种方案在未来的经济效果只能是考虑到各种自然状态出现的概率的期望值，与未来的实际收益不会完全相等。如果一个决策树只在树的根部有一决策点，则称为单级决策；若一个决策不仅在树的根部有决策点，而且在树的中间也有决策点，则称为多级决策。决策树法对于职业犹豫者在做职业决策时提供了有效的帮助。扩展资料：职业决策注意事项：1. 制订职业决策需要结合自己的性格、特长和兴趣。职业生涯能够成功发展的核心，就在于所从事的工作要求正是自己所擅长的。如果一个人性格内向、不善与人沟通，没有很好的交际意识，那么这个人就很难成为一名成功的管理人员。制定职业规划一定要认真分析出来自己的优缺点。从事一项自己擅长的、并喜欢的工作，工作会很愉快，也容易脱颖而出。这正是成功的职业规划核心所在。2. 要考虑到实际情况，并具有可执行性。很多人刚开始时雄心壮志，一心想着出人头地。但是实际社会里的工作，有时确实会存在一定跨越，但是更多的时候却是一种积累的过程——资历的积累、经验的积累、知识的积累，所以职业规划不能太过好高骛远，而要根据自己实际情况和社会情况，一步一个脚印，层层晋升，最终方才能就梦想。3. 职业决策必须有可持续发展性职业决策不能够制订一个阶段性的目标，应该是是一连串的、可以贯穿自己整个职业发展生涯的远景展望。如果职业决策定的过短浅，后面又没有后续职业决策点支撑，肯定会使人丧失奋斗的热情，且不利于自己长远发展。参考资料：百度百科-职业生涯决策

6.5.1 决策内容及思路6.5.1.1 决策内容所谓油气勘探决策分析，就是在油气资源评价分析基础上，将勘探对象、勘探方案和勘探结果三者紧密结合起来，进行风险分析和效益（经济效益、社会效益）分析，研究不同勘探可能产生的种种结果，从而遴选出最满意的勘探方案，为合理部署勘探工作提供依据。油气勘探决策可依据决策对象不同而分出不同的层次，各层次的决策思路和内容是不尽相同的。概略而言，油气勘探决策的最高层次是国家石油工业战略方针决策，主要是根据国民经济发展的能源总体需求、国家能源结构、全国可动用油气储量、资源量及其分布、国际油气价格、外交及军事战略、就业问题等，确定中长期石油工业发展方针政策、勘探投资总额和勘探工作总体布局。第二层次是区域勘探决策，主要是依据区域油气资源量、勘探程度、勘探成本及油气市场供求关系、油气价格，分析进一步勘探的可能经济效益和社会效益，决策是否对该区域进行勘探，确定投资强度。第三层次是勘探目标选择，主要是在圈闭资源评价基础上，开展风险分析，研究勘探条件，估计各种勘探方案及其可能产生的勘探结果的投入产出，根据经济效益大小对一批勘探目标（即局部构造、潜山、岩性体、成岩体等）进行排队，确定哪些先勘探，哪些暂缓勘探及哪些不勘探。最低层次的决策是井位布置，在经济效益分析基础上，确定勘探目标的经济边界含油气面积（即低于此面积则不值得进一步勘探），按探井应钻在经济边界含油气面积边缘的原则，根据实际地质条件布井。在勘探决策分析中，勘探对象、勘探方案和勘探结果是一体化定量研究的三大组成部分，其中勘探方案起到连接勘探对象和勘探结果的桥梁作用，它也是唯一能人为控制的部分。对于勘探目标而言，最主要的勘探手段就是钻探，其他勘探研究工作是为其服务的。因此，在勘探目标选择这一决策层次中，我们把勘探方案定义为一组勘探目标的钻探序列，即钻探先后序次。对于一组勘探目标，钻探先后顺序不同，就是勘探方案不同。由于研究区内各勘探目标的含油气性及资源量不同，所以不同的方案会产生不同的勘探结果，从中选择最佳方案即是决策分析的主要内容。6.5.1.2 决策思路不同层次的勘探决策思路是不同的。下面以第三层次（即勘探目标选择）为例加以阐述。决策的基本思路是：以经济效益为决策准则，在前面油气资源评价基础上，以局部构造为勘探目标（或叫勘探对象），逐一进行风险分析，分析钻第一、第二口探井时将出现哪些勘探结果及其可能性，然后依据勘探开发成本和油产量、价格等计算经济效益期望值，最后按各局部构造经济效益期望值进行排序，提出一个最佳勘探方案。6.5.2 决策方法为实现决策思路，往往选择相应的决策方法。现在，最常用的决策方法是决策树分析法。下面简单介绍程学福等（1994）研制的天然气资源勘探决策系统决策树分析法（参见程学福等，天然气资源勘探决策系统研究，1994）。6.5.2.1 决策树概念对于一个局部构造，是立即钻探呢还是先作物探等准备工作后再钻井?第一口探井可能找到一个大型油气田，或中型油气田，或小型油气田，更可能是干井，当为干井时还打第二口探井否?第二口探井又可能出现上述几种结果。这是一个围绕具体勘探目标的更深层次决策过程，其中包含着许多逻辑分析和计算。可以用一个树模型图来表示（图6-18）：方框是决策节点，从它引出的每条支线就是一个方案；圆圈是自然状态集节点，从它引出的支线分别代表一种可能出现的结果，支线上数据表示该结果出现的概率。图6-18 决策树模型图当进行局部构造选择这一级决策时，就需要对每个局部构造所有勘探方案及其结果进行综合考虑。但问题是用什么指标来表示综合考虑的结果，以便于局部构造排序。该决策树方法中所用的指标是经济效益期望值，并将其定义为所有可能出现结果的经济效益与其出现概率乘积之代数和。经济效益期望值表示了对多种情况的“综合”，是一种把风险和不确定性与经济因素统一起来的有意义的决策准则，其大于零代表有效益，等于零代表无损益，小于零代表亏损。我们即根据此指标来判断各局部构造的勘探效益优劣，从而进行决策。6.5.2.2 决策树模型天然气资源勘探决策系统针对局部构造目的层多寡，设计了三个决策树模型图。I型决策树模型是针对只有一个目的层的局部构造设计的，其基本结构见图6-18。所有方案的限定是第一、第二口探井均为干井时即放弃该构造，故为二级决策树。当探井为发现井时，即只有该目的层为气藏一种情况，其资源量大小是考虑的主要方面之一。解上决策树，得油气资源评价方法与实践油气资源评价方法与实践油气资源评价方法与实践油气资源评价方法与实践油气资源评价方法与实践式中：X1——平均干井费用；X2——平均发现井费用；X3——平均开发井费用；X4——平均开发井密度；Y1——采收率；Y2——油气价格；A——圈闭含油气面积；n——资源划分区间数；Qi、Pi———资源量第i区间的左端点值及资源量落入该区间的概率。根据上述各式计算值，即可解得油气资源评价方法与实践这些就是决策分析的结果。Ⅱ型决策树模型是针对具有两个目的层的局部构造设计的，也采用“二级”决策树，树结构及解法与I型决策树模型相似，只是所发现的资源量有3种情况：第一个目的层有油气而第二个没有油气；第二个目的层有油气而第一个没有油气；两个目的层均有油气。Ⅲ型决策树模型是针对具有3个目的层的局部构造设计的，由于有3个目的层，故采用“三级”决策树，其构型与I型决策树相似，只不过多了一级而已，且发现井所发现的可能有7种情况：第一个目的层有油气；第二个目的层有油气；第三个目的层有油气；第一、第二两个目的层有油气；第二、第三两个目的层有油气；第一、第三两个目的层有油气；三个目的层均有油气。6.5.2.3 风险估计在上述三个决策树模型中，一个重要的问题是估计探井的风险。系统提出了估计第一、二、三口井为干井的概率（即风险）的方法：油气资源评价方法与实践式中：P0——局部构造含油气的概率；C1——第一口探井的发现系数，C1=1时表示第一口探井为发现井的概率等于局部构造含气概率；C2——第二口探井的发现系数，C2=（1.1～1.5）C1；C3——第三口探井的发现系数，C3=（1.1～1.5）C2。

　　对于不同的情况有不同的决策方法。　　①确定性情况：每一个方案引起一个、而且只有一个结局。当方案个数较少时可以用穷举法，当方案个数较多时可以用一般最优化方法。　　②随机性情况：也称风险性情况，即由一个方案可能引起几个结局中的一个，但各种结局以一定的概率发生。通常在能用某种估算概率的方法时，就可使用随机性决策，例如决策树的方法。　　③不确定性情况:一个方案可能引起几个结局中的某一个结局,但各种结局的发生概率未知。这时可使用不确定型决策，例如拉普拉斯准则、乐观准则、悲观准则、遗憾准则等来取舍方案。　　④多目标情况：由一个方案同时引起多个结局，它们分别属于不同属性或所追求的不同目标。这时一般采用多目标决策方法。例如化多为少的方法、分层序列法、直接找所有非劣解的方法等。　　⑤多人决策情况：在同一个方案内有多个决策者，他们的利益不同，对方案结局的评价也不同。这时采用对策论、冲突分析、群决策等方法。　　除上述各种方法外，还有对结局评价等有模糊性时采用的模糊决策方法和决策分析阶段序贯进行时所采用的序贯决策方法等。不同决策分析的区别　　风险型情况下的决策分析。这类决策问题与确定型决策只在第一点特征上有所区别：　　风险型情况下，未来可能状态不只一种，究竟出现哪种状态，不能事先肯定，只知道各种状态出现的可能性大小(如概率、频率、比例或权等)。常用的风险型决策分析技术有期望值法和决策树法。　　期望值法是根据各可行方案在各自然状态下收益值的概率平均值的大小，决定各方案的取舍。　　决策树法有利于决策人员使决策问题形象比，可把各种可以更换的方案、可能出现的状态、可能性大小及产生的后果等，简单地绘制在一张图上，以便计算、研究与分析，同时还可以随时补充和不确定型情况下的决策分析。　　如果不只有一个状态，各状态出现的可能性的大小又不确知，便称为不确定型决策。常用的决策分析方法有：　　a．乐观准则。比较乐观的决策者愿意争取一切机会获得最好结果。决策步骤是从每个方案中选一个最大收益值，再从这些最大收益值中选一个最大值，该最大值对应的方案便是入选方案。　　b.悲观准则。比较悲观的决策者总是小心谨慎，从最坏结果着想。决策步骤是先从各方案中选一个最小收益值，再从这些最小收益值中选出一个最大收益值，其对应方案便是最优方案。这是在各种最不利的情况下又从中找出一个最有利的方案，　　c.等可能性准则。决策者对于状态信息毫无所知，所以对它们一视同仁，即认为它们出现的可能性大小相等。于是这样就可按风险型情况下的方法进行决策。

决策树分析法是一种运用概率与图论中的树对决策中的不同方案进行比较，从而获得最优方案的风险型决策方法。图论中的树是连通且无回路的有向图，入度为0的点称为树根，出度为0的点称为树叶，树叶以外的点称为内点。决策树由树根（决策节点）、其他内点（方案节点、状态节点）、树叶（终点）、树枝（方案枝、概率枝）、概率值、损益值组成。[1] 中文名决策树法外文名Decision tree原 理概率论常用方法风险分析决策方法要 素决策结点、方案分枝、状态结点等分析工具树形图适用范围定量分析

决策树是一种图解法。决策树（DecisionTree）是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。由于这种决策分支画成图形很像一棵树的枝干，故称决策树。在机器学习中，决策树是一个预测模型，它代表的是对象属性与对象值之间的一种映射关系。Entropy=系统的凌乱程度。这一度量是基于信息学理论中熵的概念。决策树是一种树形结构，其中每个内部节点表示一个属性上的测试，每个分支代表一个测试输出，每个叶节点代表一种类别。决策树的剪枝剪枝是决策树停止分支的方法之一，剪枝有分预先剪枝和后剪枝两种。预先剪枝是在树的生长过程中设定一个指标，当达到该指标时就停止生长，这样做容易产生“视界局限”，就是一旦停止分支，使得节点N成为叶节点，就断绝了其后继节点进行“好”的分支操作的任何可能性。不严格的说这些已停止的分支会误导学习算法，导致产生的树不纯度降差最大的地方过分靠近根节点。后剪枝中树首先要充分生长，直到叶节点都有最小的不纯度值为止，因而可以克服视界局限。然后对所有相邻的成对叶节点考虑是否消去它们，如果消去能引起令人满意的不纯度增长，那么执行消去，并令它们的公共父节点成为新的叶节点。以上内容参考百度百科-决策树

决策理论方法主要有定性决策和定量决策。定性决策方法主要包括头脑风暴法、专家会议法、德尔菲法和电子会议法等等，定性决策的运用就不详说了。定量决策主要有线性规划法、盈亏分析法、表格法和决策书法等等，主要说一下决策树法吧，这个很多都能用得到。（1）决策树法 风险决策是指在不确定情况下的决策，在工商企业经营中经常需要进行风险决策，决策树法是风险决策中应用最广、效果最显著的方法。 决策树是决策问题的图形表达，对分析多阶段的决策问题十分有效，它指明了未来的决策点和可能发生的偶然事件，并用记号标明各种不确定事件可能发生的概率，它把可行方案、所冒风险及可能的结果直观地表达出来。 举例说明：预计今后几年市场对某公司产品的需求会扩大（概率0.7），但也存在销售量减少的可能（概率0.3）。公司面临几种可能的选择： 第一，扩建厂房更新设备，若以后公司产品的需求量扩大，公司将成为市场领先者，获得很大收益；若需求量减少，公司将亏损。 第二，使用老厂房，更新设备，无论需求量大小，公司都有一定的收益，只是收益大小问题。 第三，先更新设备，若销路好，再扩建厂房，主要问题是两次投资总和大于一次投资。 以上问题是现实问题的极大简化，但可以使我们对决策树有一个基本理解，当然决策树也能用于复杂问题的决策。上述问题的三种可行方案的具体情况见表： 现在看看如何根据这些情况选择最佳方案。根据三种可行方案情况画出决策树： 由决策点引出的若干条树枝称为方案枝。由状态结点引出的若干条树枝称为状态枝，状态枝上标明状态的情况和可能的概率。本例有两个决策，决策I是当前扩建厂房更新设备还是仅更新设备；决策II是一年后销路好时是扩建厂房增加设备还是维持原状。各状态结点的期望收益如下： 结点④：100×1.0×4 = 400（万元） 结点③：300×1.0×4－400 = 800（万元） 由于800＞400，所以决策II择扩建厂房增加设备。 结点②：（60×0.3×5＋100×0.7×1＋800×0.7）－400 = 320（万元） 结点①：[300×0.7×5＋(－50)×0.3×5] －700 = 275（万元） 决策结果为目前仅更新设备，并不急于扩建厂房，因为状态结点②的预期收益320万元大于状态结点①的预期收益275万元。