决策树的计算题

计算题

一 1.为生产甲产品，小行星公司设计了两个基本方案：一是建大工厂，二是建小工厂。如果销路好，3年以后考虑扩建。建大工厂需投资300万元，建小工厂需投资160万元，3年后扩建另需投资140万元。扩建后可使用7年，其年度损益值与大工厂相同。每种自然状态的预测概率及年度损益值如下表：

前 3 年

自然状概率 建大厂年度 建小厂年度态 损益值 损益值 0、7 好 100 40 不 0、3 好

后 7 年

后7年 前3年销售 销售情情况 况 好 不好 -20 10 好 0、9 0 不好 0、1 1 根据上述资料试用决策树法做出决策。

四、计算题（15分）

6160、90、9×100×730、7581-300=281大厂5810、10、1×（-20）×7611×7×（-20）＝-1406160、90、9×1

计算题

一 1.为生产甲产品，小行星公司设计了两个基本方案：一是建大工厂，二是建小工厂。如果销路好，3年以后考虑扩建。建大工厂需投资300万元，建小工厂需投资160万元，3年后扩建另需投资140万元。扩建后可使用7年，其年度损益值与大工厂相同。每种自然状态的预测概率及年度损益值如下表：

前 3 年

自然状概率 建大厂年度 建小厂年度态 损益值 损益值 0、7 好 100 40 不 0、3 好

后 7 年

后7年 前3年销售 销售情情况 况 好 不好 -20 10 好 0、9 0 不好 0、1 1 根据上述资料试用决策树法做出决策。

四、计算题（15分）

6160、90、9×100×730、7581-300=281大厂5810、10、1×（-20）×7611×7×（-20）＝-1406160、90、9×1

利用期望值、决策树和其他数学模型分析解题示范

管理学一些经典计算题如下

1．某化工厂1990年生产某种产品，售价1000元，销售量为48000台，固定费用3200万元，变动费用2400万元，求盈亏平衡点产量？ 解答：

令W——单件产品价格，CV——单件产品变动费用，F——固定费用，X——销售量；

令S——销售收入，所以，S=WX 令Y——总费用，所以，Y=F+CVX

F盈亏平衡时：S=Y，即WX=F+ CVX，得到盈亏平衡点产量X0=

W?CV因此，代入计算：F=3200万元 W=1000元 CVX=2400万元 X=48000台（由后两式得出CV=5000元）

最后得到：X0=64000台

2．某企业计划生产一产品，经市场调查后预计该产品的销售前景有两种可能：销路好，其概率是0.6，销路差，其概率是0.4，可采用的方案有两个：一个是新建一条流水线，需投资2000万元，另一个是对原有设备进行技术改造，需投资500万元，两个方案的使用期均为10年，损益资料如下表所示： 方案 甲 新建流水线 乙 技术改造 解答： 第一步： 绘制决策树 方案1 1 方案2

第二步： 计算期望值

投资（万元） 20

习题

[1]商务智能产生的原因是什么？ [2]怎么认识商务智能？

[3]商务智能对企业有什么价值？

[4]举例说明商务智能在保险、证券、银行、电信、制造、零售和物流等行业的应用。 [5]讨论商务智能与ERP、CRM和SCM等业务管理系统的关系。 [6]商务智能系统包括哪些部分？分别有什么功能？

[7]结合具体的商务智能项目，说明商务智能系统的组成。 [8]讨论数据集成对商务智能项目的重要性。

[9]阅读下面的案例，分析产生问题的原因并给出对策。 一位新上任的大型国企老总曾经表达过这样的困惑。当他向下属提出，希望查看近十年企业的生产和运营数据时，他手边得到了各种各样不同的数据报表。这些数据报表大致可以分成两种类型：一种是两年前，即ERP上线之前的，这是一些简单、杂乱而又枯燥的数据。另一种是有了ERP以后的，数据变得清楚而有条理，但仍然有来自ERP、CRM、SCM以及计费业务等不同应用的数据和各种分析报告。 在仔细查看这些报表之后，这位国企老总惊讶地发现，不同的系统可以得出截然相反的两种结论。例如某一产品，它的动态成本反映在ERP系统和CRM、SCM系统中相差很大，如果引用ERP和CRM里面的数据，它就是一款很成功、销量很好的产品，但在SCM中，

习题

[1]商务智能产生的原因是什么？ [2]怎么认识商务智能？

[3]商务智能对企业有什么价值？

[4]举例说明商务智能在保险、证券、银行、电信、制造、零售和物流等行业的应用。 [5]讨论商务智能与ERP、CRM和SCM等业务管理系统的关系。 [6]商务智能系统包括哪些部分？分别有什么功能？

[7]结合具体的商务智能项目，说明商务智能系统的组成。 [8]讨论数据集成对商务智能项目的重要性。

[9]阅读下面的案例，分析产生问题的原因并给出对策。 一位新上任的大型国企老总曾经表达过这样的困惑。当他向下属提出，希望查看近十年企业的生产和运营数据时，他手边得到了各种各样不同的数据报表。这些数据报表大致可以分成两种类型：一种是两年前，即ERP上线之前的，这是一些简单、杂乱而又枯燥的数据。另一种是有了ERP以后的，数据变得清楚而有条理，但仍然有来自ERP、CRM、SCM以及计费业务等不同应用的数据和各种分析报告。 在仔细查看这些报表之后，这位国企老总惊讶地发现，不同的系统可以得出截然相反的两种结论。例如某一产品，它的动态成本反映在ERP系统和CRM、SCM系统中相差很大，如果引用ERP和CRM里面的数据，它就是一款很成功、销量很好的产品，但在SCM中，

精品文档就在这里

-------------各类专业好文档，值得你下载，教育，管理，论文，制度，方案手册，应有尽有-------------- --------------------------------------------------------------------------------------------------------------------------------------------

决策树法(Decision Tree）

决策树(decision tree)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

1、长城公司该选择哪一种方案？

长城照相器材厂是一家有着 20年生产照相机历史的企业。最近企业实行改制，由国有独资企业改制为股份制企业，并通过猎头公司招聘李远担任公司的总经理。李远上任后要求公司的发展规划部为公司的未来发展提出方案。发展规划部提出了两个方案供公司领导班子选择：一个方案是继续生产传统产品，另一个方案是生产数码相机。 根据发展规划部的分析测算，如果照相机市场需求量大的话，生产传统相机一年可获利 30 万元，而生产数码相机则可获利 50 万元。如果市场需求量小，生产传统相机仍可获利 10 万元，生产数码相机将亏损 5万元。 根据对照相机市场所作的调研和市场分析，市场需求量大的概率为 0.8，需求量小的概率为 0.2。 以李远为总经理的公司领导班子根据发展规划部提交的方案将作出怎样的决策？

2、某公司生产一种电视机，有两种方案可选：一是建大厂，需要投资2800万元；二是建小厂，需要投资1200万元。两种方案建成后使用期都是十年。公司对十年中该电视的市场销售预测如下：高需求、中需求、低需求的概率分别为0·5、0·3、0·2。在高需求下每年获利大厂为1000万，小厂为400万；在中需求下每年获利大厂为500万，小厂为300万；在低需求

决策树法(Decision Tree）

决策树(decision tree)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。

决策树的构成要素[1]

决策树的构成有四个要素：(1)决策结点；(2)方案枝；(3)状态结点；(4)概率枝。如图所示：

总之，决策树一般由方块结点、圆形结点、方案枝、概率枝等组成，方块结点称为决策结点，由结点引出若干条细支，每条细支代表一个方案，称为方案枝；圆形结点称为状态结点，由状态结点引出若干条细支，表示不同的自然状态，称为概率枝。每条概率枝代表

精品文档就在这里

-------------各类专业好文档，值得你下载，教育，管理，论文，制度，方案手册，应有尽有-------------- --------------------------------------------------------------------------------------------------------------------------------------------

决策树法(Decision Tree）

决策树(decision tree)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

决策树法(Decision Tree）

决策树(decision tree)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。

决策树的构成要素[1]

决策树的构成有四个要素：(1)决策结点；(2)方案枝；(3)状态结点；(4)概率枝。如图所示：

总之，决策树一般由方块结点、圆形结点、方案枝、概率枝等组成，方块结点称为决策结点，由结点引出若干条细支，每条细支代表一个方案，称为方案枝；圆形结点称为状态结点，由状态结点引出若干条细支，表示不同的自然状态，称为概率枝。每条概率枝代表