3.2.8 ARROW-PRATT-Maß für die Risikoeinstellung · Prof. Dr. H. Rommelfanger:...
Transcript of 3.2.8 ARROW-PRATT-Maß für die Risikoeinstellung · Prof. Dr. H. Rommelfanger:...
Prof. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 3
54
3.2.8 ARROW-PRATT-Maß für die Risikoeinstellung
å Risikoverhalten bisher grob kategorisert nach Risikoneutralität, -sympathie und –aversion
⇒ bei Risikoaversion: E(X) < SÄ
⇒ Risikoprämie π = E(X) - SÄ å Versuch von K.J. ARROW und J.W. PRATT [1964]
eine Maßgröße für differenziertere Aussagen zu entwickeln
⇒ Arrow-Pratt-Maß r(x) für die lokale
Riskioaversion an der Stelle x ∈ R:
)x(u)x(u
)x(r′′′
−=
Prof. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 3
55
Verlauf des BERNOULLI-Nutzens u(x)
E(X) und SÄ
Einstel-lung zum
Risiko
Risiko-prämie
ARROW-PRATT-
Maß r(x)
linear E(X)...= SÄ
Risiko-neutral π = 0 r(x) = 0
streng konkav
E(X)...> SÄ
Risiko-avers π > 0 r(x) > 0
streng konvex
E(X)...< SÄ
Risiko-freudig π < 0 r(x) < 0
Welche Risikoeinstellung hat ein Entscheider mit der Nutzenfunktion 10x2)x(u += ?
Bestimmen Sie das ARROW-PRATT-Maß für diese Nutzenfunktion.
Prof. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 3
56
3.2.9 Bernoulli-Prinzip und Fuzzy-Ergebnisse
s1
p1 = 0,5 s2
p2 = 0,3 s3
p3 = 0,2
a1 (170; 180; 200; 220; 225; 230)
(70; 83; 90; 100; 110; 120)
(-110; -97; -90; -77; -60, -50)
a2 (140; 155; 165; 175; 180; 190)
(85; 93; 100; 110; 115; 125)
(-85; -80; -70; -58; -50; -40)
a3 (120; 135; 145; 150; 160; 170)
(115; 130; 135; 140; 145; 150)
(-30; -20; -10; 0; 5; 10)
a4 (85; 90; 100; 110; 115; 125)
(85; 93; 100; 105; 108; 115)
(-15; -10; -5; 5; 10; 15)
a5 (45; 48; 50; 53; 58; 60)
(40; 45; 50; 50; 53; 55)
(35; 40; 45; 50; 55; 60)
å Bernoulli – risikoneutraler Entscheider
Erwartete Gewinne ]X[E i~~
a1 (84 ; 95,5 ; 109 ; 124,6 ; 133,5 ; 141) a2 (78,5 ; 89,4 ; 98,5 ; 108,9 ; 114,5 ; 124,5) a3 (88,5 ; 102,5 ; 111 ; 117 ; 124,5 ; 132) a4 (65 ; 70,9 ; 79 ; 87,5 ; 91,9 ; 100) a5 (41,5 ; 45,5 ; 49 ; 51,5 , 55,9 ; 58,5)
Prof. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 3
57
å a1, a2, a3, a4 ρf a5 (mit ρ = ε)
å2123414342 aa,aa,aa,aa,aa εεεεε fffff
d.h. Entscheidung zwischen a1 und a3 ??!! å Niveau-Ebenen-Verfahren:
6,1146
1415,1336,1241095,9584E1 =
+++++=
58,1126
1325,1241171115,1025,88E3 =
+++++=
40 50 60 70 80 90 100 110 120 130 ε=0,05
λ=0,5
1 5 4 2 3 1
Prof. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 3
58
å Bernoulli – risikoscheuer Entscheider
u(x) = )110x(2340
)110x( 2++
+−
d.h. Umrechnung von )s,a(G~X~ jiij = in ijU~ :
s1
p1 = 0,5 s2
p2 = 0,3 s3
p3 = 0,2
a1 (329; 333; 337; 340; 340; 340)
(265; 276; 282; 290; 298; 304)
(0; 26; 39; 63; 93; 109)
a2 (316; 323; 328; 331; 333; 335)
(278; 285; 290; 298; 301; 308)
(48; 57; 75; 96; 109; 126)
a3 (304; 313; 319; 321; 326; 329)
(301; 311; 313; 316; 319; 321)
(141; 156; 171; 184; 191; 198)
a4 (278; 282; 290; 298; 301; 308)
(278; 285; 290; 294; 296; 301)
(163; 171; 178; 191; 198; 204)
a5 (239; 243; 245; 248; 253; 255)
(234; 239; 245; 245; 248; 250)
(228; 234; 239; 245; 250; 255)
Prof. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 3
59
Fuzzy-Nutzenerwartungswerte
jj
ijijij pU~]U~[E~E~ ⋅∑==
a1 (244; 254; 261; 270; 278; 283) a2 (251; 259; 266; 274; 279; 285) a3 (271; 281; 288; 292; 297; 301) a4 (255; 261; 268; 275; 279; 285) a5 (235; 240; 244; 246; 251; 253)
å a3 εf a2, a3, a4, a5
å a3 ρf a2, a3, a4, a5 (mit ρ = λ)
å Zur Anwendung des Bernoulli-Prinzips reichen Ergebnisse in Form von Fuzzy-Intervallen aus!!!
240 250 260 270 280 290 =0,05
=0,5
1 5 4 2 3 1
Prof. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 3
60
3.3 Entscheidungen bei Fuzzy-Wahrscheinlich-keitsverteilung
sj Fuzzy-Wahrscheinlichkeiten
?e,ej
?j
1j
1j
?j
ejj )p;p;p;p;p;p()(sP =~
s1 λε= ,1 )55,0;53,0;51,0;49,0;48,0;45,0()s(P~
s2 λε= ,2 )33,0;31,0;3,0;29,0;28,0;26,0()s(P~
s3 λε= ,3 )23,0;21,0;2,0;2,0;18,0;17,0()s(P~
erweiterte Multiplikation: λεελλε ,11 )a,a,a,a,a,a( ⊗ λεελλε ,11 )b,b,b,b,b,b(
= λεεελλλλεε ⋅⋅⋅⋅⋅⋅ ,1111 )ba,ba,ba,ba,ba,ba(
å λεελλε= ,ii
1i
1iii
Ai )E;E;E;E;E;E(E~
= ),s(PU~...)s(P~U~ nin11i ⋅⊕⊕⋅ wobei
∑ ⋅==
n
1jjij
1i puE , ∑ ⋅=
=
λλλ n
1jjiji puE , ∑ ⋅=
=
εεε n
1jjiji puE
∑ ⋅==
n
1jjij
1i puE , ∑ ⋅=
=
λλλ n
1jjiji puE , ∑ ⋅=
=
εεε n
1jjiji puE .
Prof. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 3
61
Mit Tabelle 3.7 von Seite 64 (Beispiel 3.1)
Fuzzy-Gewinnerwartungswerte
?e,ei
?i
1i
1i
?i
ei
Ai )E;E;E;E;E;E(E =~
a1 (106,9 ; 114,4 ; 115,9 ; 121,1 ; 125,5 ; 130,1) a2 (93,6 ; 100,2 ; 101,75 ; 106,2 ; 110,05 ; 114,35) a3 (102,2 ; 109,4 ; 112,1 ; 116,5 ; 120,8 ; 126,4) a4 (73,77 ; 78,96 ; 81,03 ; 84,15 ; 87,27 ; 91,41) a5 (44 ; 47 ; 49 ; 50,5 ; 52,5 ; 55,5)
å a1 εf a2, a3, a4, a5
å a1 ρf a4, a5 (mit ρ = ε)
å a1 ρf a2 (mit ρ = λ)
40 50 60 70 80 90 100 110 120 130 ε=0,05
λ=0,5
1 5 4 2 3 1
Prof. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 3
62
bisher: Verwendung der Angaben des Entscheiders als Fuzzy-Wahrscheinlichkeiten Problem?? keine Garantie, daß sich die Summe der Wahrschein-lichkeiten auf den einzelnen Niveaus zu 1 addiert Resultat:
einfach zu berechnende Fuzzy-Erwartungswerte AiE~ ;
aber nur Näherungslösung, da Spannweiten im Vergleich zu Erwartungswertkonzept zu groß daher Berücksichtigung der Bedingung
1pn
1jj =∑
=
α
Durch die Berücksichtigung dieser Restriktion wird die Fuzziness der Erwartungswerte i.a. geringer. D.h.: Präferenzaussagen nach der ρ-Präferenz mit dem Niveau ρ = ε werden verschärft.
Prof. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 3
63
Idee:
å α-Schnitte eines Fuzzy-Intervalls auf ε-, λ- und 1- Niveau beschreiben Intervall möglicher Ergebniswerte
å Auswahl der Werte so, daß sich Summe von 1 auf allen Niveaus ergibt !!!
åRechenalgorithmus zur Berechnung der Fuzzy-
Erwartungswerte • Zur Berechnung der Nutzenerwartungswerte
1iii E;E;E λε muss die Wahrscheinlichkeitsmasse
vergrößert werden und daher sind nach dem Vorsichtsprinzip den kleinsten Ergebniswerten die höchsten Eintrittswahrscheinlichkeiten zuzuordnen.
• Bei Gewinnerwartungswerten ελii
1i E;E;E liegt die
Wahrscheinlichkeitsmasse ursprünglich über 1, so daß jetzt den hohen Nutzenwerten auch die höchsten Wahrscheinlichkeiten zugeordnet werden.
Prof. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 3
64
Exakte Berechnung der Nutzenerwartungswerte λεελλε= ,
ii1i
1iii
Pi )E;E;E;E;E;E(E~
über:
}1pund]p,p[ppu{MinEn
1jjjjj
n
1Jjiji =∑∈∑ ⋅=
=
εε
=
εε
}1pund]p,p[ppu{MinEn
1jjjjj
n
1Jjiji =∑∈∑ ⋅=
=
λλ
=
λλ
}1pund]p,p[ppu{MinEn
1jj
1j
1jj
n
1Jj
1ij
1i =∑∈∑ ⋅=
==
}1pund]p,p[ppu{MaxEn
1jj
1j
1jj
n
1Jj
1ij
1i =∑∈∑ ⋅=
==
}1pund]p,p[ppu{MaxEn
1jjjjj
n
1Jjiji =∑∈∑ ⋅=
=
λλ
=
λλ
}1pund]p,p[ppu{MaxEn
1jjjjj
n
1Jjiji =∑∈∑ ⋅=
=
εε
=
εε .
Prof. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 3
65
Berechnung der (i)paj zur Kalkulation der
Erwartungswerte 1i
?i
ei E;E;E
• Zunächst setzt man alle Eintrittswahrscheinlichkei-ten auf den kleinsten Wert, d. h. αα = jj p)i(p .
• Dann erhöht man die Wahrscheinlichkeit für den Umweltzustand mit dem niedrigsten Nutzenwert so weit wie möglich. Sei (ohne Beschränkung der Allgemeinheit) ns dieser Zustand, so gilt
}1pp|]p,p[p{Max)i(p1n
1jjnnn ≤+∑∈=
−
=
αααα
• Gilt in der vorstehenden Bedingung das Ungleich-heitszeichen im strengen Sinne, dann ist im nächsten Schritt die Wahrscheinlichkeit für den Zustand mit dem zweitniedrigsten Nutzen zu berechnen. Dies sei (ohne Beschränkung der Allgemeinheit) 1ns − .
}1ppp|]p,p[p{Max)i(p n2n
1jj1n1n1n ≤++∑∈= α−
=
αα−
α−
α−
• Dieses Verfahren ist bei analoger Vorgehensweise solange fortzusetzen, bis die Ungleichung als Gleichung erfüllt ist.
Prof. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 3
66
Berechnung der (i)paj zur Kalkulation der
Erwartungswerte ei
?i
1i E;E;E :
• Zunächst setzt man alle Eintrittswahrscheinlichkei-
ten auf den kleinsten Wert, d. h. αα = jj p)i(p .
• Dann erhöht man die Wahrscheinlichkeit für den Umweltzustand mit dem höchsten Nutzenwert so weit wie möglich. Sei (ohne Beschränkung der Allgemeinheit) 1s dieser Zustand, so gilt
}1pp|]p,p[p{Max)i(pn
2jj111 ≤∑ +∈=
=
αααα
• Gilt in der vorstehenden Bedingung das Ungleich-heitszeichen im strengen Sinne, dann ist im nächsten Schritt die Wahrscheinlichkeit für den Zustand mit dem zweithöchsten Nutzen zu berechnen. Dies sei (ohne Beschränkung der Allgemeinheit) 2s .
}1ppp|]p,p[p{Max)i(pn
3jj1222 ≤∑++∈=
=
ααααα
• Dieses Verfahren ist bei analoger Vorgehensweise solange fortzusetzen, bis die Ungleichung als Gleichung erfüllt ist.
Prof. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 3
67
Beispiel
sj ?e,e
j?j
1j
1j
?j
ejj )p;p;p;p;p;p()(sP =~
s1 λε= ,1 )55,0;53,0;51,0;49,0;48,0;45,0()s(P~
s2 λε= ,2 )33,0;31,0;3,0;29,0;28,0;26,0()s(P~
s3 λε= ,3 )23,0;21,0;2,0;2,0;18,0;17,0()s(P~
Hier immer 3i2i1i xxx ≥≥ für alle i = 1, 2,...,5.
e ? 1 1 ? e a1p a
1p
a2p a
2p
a3p a
3p
Achtung!!!! Die Zahlen )i(pund)i(p jj
αα sind rein rechnerische
Größenzur Bestimmung der Erwartungswerte!! å aufsteigende Ordnung der "Wahrscheinlichkeits"-
werte nicht zwingend notwendig
Prof. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 3
68
Fuzzy-Gewinnerwartungswerte PiE~
?e,ei
?i
1i
1i
?i
ei
Pi )E;E;E;E;E;E(E =~
a1 (108,1 ; 115 ; 119 ; 120,1 ; 125,9 ; 129,9)
a2 (96,3 ; 101,6 ; 104,5 ; 105,2 ; 109,8 ; 112,7)
a3 (110 ; 113,3 ; 115 ; 115,1 ; 118,3 ; 120)
a4 (79,9 ; 82 ; 83,1 ; 83,1 ; 85,2 ; 86,3)
a5 (50 ; 50 ; 50 ; 50 ; 50 ; 50)
å Fuzzy-Gewinnerwartungswerte PiE~ sind weniger
fuzzy als die Näherungswerte AiE~
50 60 70 80 90 100 110 120 130 ε=0,05
λ=0,5
1 5 4 2 3 1
Prof. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 3
69
Fuzzy-Erwartungswerte aus Fuzzy-Nutzen und Fuzzy-Wahrscheinlichkeiten Tabelle 3.5 aus Beispiel < 3.21 > von S. 91
s1 s2 s3
a1 (170; 180; 200; 220; 225; 230)
(70; 83; 90; 100; 110; 120)
(-110; -97; -90; -77; -60, -50)
a2 (140; 155; 165; 175; 180; 190)
(85; 93; 100; 110; 115; 125)
(-85; -80; -70; -58; -50; -40)
a3 (120; 135; 145; 150; 160; 170)
(115; 130; 135; 140; 145; 150)
(-30; -20; -10; 0; 5; 10)
a4 (85; 90; 100; 110; 115; 125)
(85; 93; 100; 105; 108; 115)
(-15; -10; -5; 5; 10; 15)
a5 (45; 48; 50; 53; 58; 60)
(40; 45; 50; 50; 53; 55)
(35; 40; 45; 50; 55; 60)
und
Prof. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 3
70
Fuzzy-Wahrscheinlichkeiten aus Tabelle 3.23 auf Seite 95
sj Fuzzy-Wahrscheinlichkeiten
?e,ej
?j
1j
1j
?j
ejj )p;p;p;p;p;p()(sP =~
s1 λε= ,1 )55,0;53,0;51,0;49,0;48,0;45,0()s(P~
s2 λε= ,2 )33,0;31,0;3,0;29,0;28,0;26,0()s(P~
s3 λε= ,3 )23,0;21,0;2,0;2,0;18,0;17,0()s(P~
? ? e
?1p (4) 0,51 a
1p (5) 0,53 0,55
?2p (4) 0,28 a
2p (5) 0,28 0,26 ?3p (4) 0,21 a
3p (5) 0,19 0,19
Matrix der Berechnungsgrößen
(5)pund(5)p(4),p ej
?j
?j
Prof. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 3
71
?e,ei
?i
1i
1i
?i
ei
Pi )E;E;E;E;E;E(E =~
a1 (73,6 ; 91,8 ; 109 ; 125,8 ; 140,4 ; 151,6) a2 (70,7 ; 86,4 ; 98,5 ; 109,6 ; 119,8 ; 132,7) a3 (83,9 ; 100,9 ; 111 ; 117,1 ; 127,8 ; 137,2) a4 (62 ; 69,8 ; 79 ; 87,6 ; 94,1 ; 103,5) a5 (41,1 ; 45,4 ; 49 ; 51,5 ; 56 ; 58,7)
Matrix der Fuzzy-Gewinnerwartungswerte PiE~ bei
Vorgabe von Fuzzy-Gewinnen des e-?-Typs
å Möglichkeit der Vorselektion
å Konzentration auf wesentliche Alternativen
40 50 60 70 80 90 100 110 120 130 140 150 ε=0,05
λ=0,5
1 5 4 2 3 1
Prof. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 3
72
3.4 Entscheidung bei unzuverlässigen Wahrschein-lichkeiten
HODGES-LEHMANN-Regel I
]umin)1(pu[max)a( ijjj
jiji
k ⋅λ−+∑⋅λ=Φ
å Kombination zwischen dem Nutzenerwartungswert und dem Maximin-Kriterium:
• λ ist von dem Entscheidungsträger individuell festzulegen
• λ = Vertrauensparameter (Je größer λ, desto größer das Vertrauen in die Wahrscheinlichkeitsverteilung)
• Für λ = 1 HODGES-LEHMANN-Regel I = BERNOULLI-Aktion
• Für λ = 0 HODGES-LEHMANN-Regel I = Maximin-Regel
Prof. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 3
73
< 3.27 > λ = 0,5
p(s1) = 0,5, p(s2) = 0,3, p(s3) = 0,2; λ = 0,5
1s 2s 3s )a(E i ∑ ⋅+⋅j
ijj2
1jij2
1 uminpu
a1 210 100 -80 119 19,5 a2 170 105 -60 104,5 22,25 a3 150 140 -10 115 52,5 a4 105 102 0 83,1 41,55 a5 50 50 50 50 50
HODGES-LEHMANN-Regel I mit Fuzzy-Nutzenwerten
∑ −⋅λ−+⋅⋅λ−=Φj
iji
jiji
k ]U~ni~MR)1(pU~[xa~MR)a(
Prof. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 3
74
< 3.28 > λ = 0,5
p(s1) = 0,5, p(s2) = 0,3, p(s3) = 0,2; λ = 0,5
Maximin BERNOULLI HODGES-LEHMANN I
a1 (-110; -97; -90; -77; -60, -50)
(84; 95,5; 109; 124,6; 133,5; 141)
(-13; -0,8; 9,5; 23,8; 36,8; 45,5)
a2 (-85; -80; -70; -58; -50; -40)
(78,5; 89,4; 98,5; 108,9; 114,5; 124,5)
(-3,3; 4,7; 14,3; 25,5; 32,3; 42,3)
a3 (-30; -20; -10; 0; 5; 10)
(88,5; 102,5; 111; 117; 124,5; 132)
(29,3; 41,3; 50,5; 58,5; 64,8; 71)
a4 (-15; -10; -5; 5; 10; 15)
(65; 70,9; 79; 87,5; 91,9; 100)
(25; 30,5; 37; 46,3; 51,0; 57,5)
a5 (35; 40; 45; 50; 55; 60)
(41,5; 45,5; 49; 51,5; 55,9; 58,5)
(38,3; 42,8; 47; 50,8; 55,5; 59,3)
Prof. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 3
75
HODGES-LEHMANN-Regel II
1. Schritt: • Bestimmung eines individuellen Mindestnutzen-
niveaus u0 , • Obergrenze 0u = Maximum der schlechtesten
Werte aller Alternativen - ijji
uminmax
• Bei 0u minimal, d. h. ijji
0 uminminu = , ist jede
BERNOULLI-Aktion optimal. 2. Schritt:
• Anwendung des Erwartungswertkriteriums
∑ ∑≥j j
jijjkj pupu
für alle i, die 0ijjuumin ≥ erfüllen.
Prof. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 3
76
< 3.29 > Setze in Beispiel < 3.1 > 0u = -10,
HODGES-LEHMANN-Regel II mit Fuzzy-Nutzenwerten
}uU~ni~MR|pU~{xa~MR)a( 0ij
j jjij
ik ≥∑ −⋅−=Φ
< 3.30 >
• Fuzzy-Matrix
• scharfe Grenze u0 = -10 • unscharfe Schranke der Form
e,?e0
?0
10
10
?0
e00 )u,u,u,u,u,u(U~ = mit
e0
?0
10
10 uuuu ===
• bei λε−−−−−−= ,0 )10,10,10,10,20,35(U~ ,
Fuzzy-Matrix und Fuzzy-Erwartungswerte