如何利用决策树进行决策分析

1. 如何利用决策树进行决策分析

画决策树的步骤如下：
A、先画一个方框作为出发点，又称决策节点；B、从出发点向右引出若干条直线，这些直线叫做方案枝；C、在每个方案枝的末端画一个圆圈，这个圆圈称为概率分叉点，或自然状态点；D、从自然状态点引出代表各自然状态的分枝，称为概率分枝；E、如果问题只需要一级决策，则概率分枝末端画三角形，表示终点 。     例题）假设有一项工程，施工管理人员需要决定下月是否开工。如果开工后天气好，则可为国家创收4万元，若开工后天气坏，将给国家造成损失1万元，不开工则损失1000元。根据过去的统计资料，下月天气好的概率是0.3,天气坏的概率是0.7。请做出决策。现采用决策树方法进行决策 【解】第一步：将题意表格化

第二步：画决策树图形，根据第一步所列的表格，再绘制决策树，如下图；

2. 如何用决策树法进行决策？

画决策树的步骤如下：
A、先画一个方框作为出发点，又称决策节点；B、从出发点向右引出若干条直线，这些直线叫做方案枝；C、在每个方案枝的末端画一个圆圈，这个圆圈称为概率分叉点，或自然状态点；D、从自然状态点引出代表各自然状态的分枝，称为概率分枝；E、如果问题只需要一级决策，则概率分枝末端画三角形，表示终点 。     例题）假设有一项工程，施工管理人员需要决定下月是否开工。如果开工后天气好，则可为国家创收4万元，若开工后天气坏，将给国家造成损失1万元，不开工则损失1000元。根据过去的统计资料，下月天气好的概率是0.3,天气坏的概率是0.7。请做出决策。现采用决策树方法进行决策 【解】第一步：将题意表格化

第二步：画决策树图形，根据第一步所列的表格，再绘制决策树，如下图；

3. 利用决策树分析法进行决策的具体步骤是什么

   
  　　 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！

4. 如何创建用于根本原因分析的决策树？

实践证明，根本原因分析（RCA）是六西格玛管理方法的一项宝贵技能。但是，我们如何使用根本原因分析达到最佳效果？什么工具对这项任务最有帮助呢？这就不得不提“决策树”了。这种方法在原因和结果之间进行分支，以说明选择的结果。
下面是我们关于如何创建决策树作为RCA的一部分的实用指南：
决策树的一个伟大之处在于，它可以让你轻松识别根本原因。他们通过突出每个因素及其原因以及几种可能的纠正措施来工作。
树状图来自于决策树的分支方法。首先，你确定问题（这应该很容易！），然后你需要概述可能的原因和根本原因。这可能比听起来更难，因为问题的原因和根本原因（没错，可能不止一个）并不总是显而易见的。
解决这一问题的一个很好的工具是“5 Whys”，它涉及深入的提问，以找出问题的原因。接下来，你必须根据其余部分中收集的信息来设计纠正措施。例如：如果你的问题是你的车无法启动，原因可能是它没有燃料。造成这种情况的根本原因可能是你忘记给油箱加满油，而纠正措施当然是加油。
使用决策树可以将相当广泛的类别分解为更小的类别，从而在每个步骤中实现更精细的细节级别。通过映射特定任务和场景的精细细节（即，你的汽车无法启动），很容易找到困扰你的任何问题的根本原因，并从理论上提出解决方案。
上面是一个基本的决策树，可以很容易地修改以适应任何情况。您还可以使用决策树来传达其他信息，如潜在风险、缺点和后果。作为一种支持工具，决策树在确定决策结果方面非常有效。
当涉及到RCA时，不要低估决策树等工具的价值。决策树对于完成看似困难的目标和解决最初看起来难以克服的问题非常有用。涉及的关键因素是细节：深入、有组织、全面的数据。亲自尝试一下，看看决策树能为你做些什么。这可能会让你吃惊！

5. 如何借助决策树分析做产品决策？

当今的社会经济活动中，竞争日趋激烈，现代企业的经营方向面临着许多可供选择的方案，如何用最少的资源，赢得最大的利润以及最大限度地降低企业的经营风险，是企业决策者经常面对的决策问题，决策树法能简单明了地帮助企业决策层分析企业的经营风险和经营方向。
决策树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。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，同时它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。
为了适应市场的需要，某公司准备扩大手机生产。市场预测表明：产品销路好的概率为0.7；销路差的概率为0.3。备选方案有3个：第1个方案是建设大工厂，需要投资600万元，可使用10年；如销路好，每年可赢利200万元；如销路不好，每年会亏损40万元。第2个方案是建设小工厂，需投资280万元；如销路好，每年可赢利80万元；如销路不好，每年也会赢利60万元。第3个方案也是先建设小工厂，但是如销路好，3年后扩建，扩建需投资400万元，可使用7年，扩建后每年会赢利190万元。决策树分析如图4-20所示。

图4-20 决策树分析示例
各点期望如下。
Ø 点②：0.7×200×10+0.3×（-40）×10-600（投资）=680（万元）
Ø 点⑤：1.0×190×7-400=930（万元）
Ø 点⑥：1.0×80×7=560（万元）
比较决策点④的情况可以看到，由于点⑤（930万元）与点⑥（560万元）相比，点⑤的期望利润值较大，因此应采用扩建的方案，而舍弃不扩建的方案。把点⑤的930万元移到点④来，可计算出点③的期望利润值。
Ø 点③：0.7×80×3+0.7×930+0.3×60×（3+7）-280 = 719（万元）
最后比较决策点1的情况。由于点③（719万元）与点②（680万元）相比，点③的期望利润值较大，因此取点③而舍点②。这样，相比之下，建设大工厂的方案不是最优方案，合理的策略应采用前3年建小工厂，如销路好，后7年进行扩建的方案。
决策树法作为一种决策技术，已被广泛地应用于企业的投资决策之中，它是随机决策模型中最常见、最普及的一种规策模式和方法此方法，有效地控制了决策带来的风险。

6. 试用决策树进行定量分析！

7. 决策树分析法的利用决策树评价生产方案

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。

8. 决策树分析方法的基本步骤

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。