Hyöty ja yhden toiminnan mallit

Slides:



Advertisements
Samankaltaiset esitykset
S ysteemianalyysin Laboratorio Aalto-yliopiston teknillinen korkeakoulu Esitelmä 10 – Juho Kokkala Optimointiopin seminaari - Syksy 2010 Kernel-tasoitus.
Advertisements

Kausaaliverkot ja todennäköisyyslaskennan kertaus Sivut 3-17
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 3 - Riikka-Leena Leskelä Optimointiopin seminaari - Syksy 2005 / 1 2. Mallien rakentaminen.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Ari Tiainen Optimointiopin seminaari - Kevät 2005 / 1 Käänteisoptimointiin perustuvat huutokaupat.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Fraktaalit – Ville Brummer Optimointiopin seminaari - Kevät 2007 Fraktaalit Ville Brummer.
Kombinatoriset huutokaupat Osa 2 S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Atso Suopajärvi Optimointiopin seminaari - Kevät 2005 / (1)
S ysteemianalyysin Laboratorio Aalto-yliopiston teknillinen korkeakoulu Esitelmä 20 – Karin Ahlbäck Optimointiopin seminaari - Syksy Esitelmä.
2. Vuokaaviot.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 15 – Mikko Harju Optimointiopin seminaari - Kevät 2010 Kotitehtävä 15.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 3 - Outi Somervuori Optimointiopin seminaari - Kevät 2010 The trouble with choice: Studing.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 28 – Tuukka Sarvi Optimointiopin seminaari - Syksy 2005 / 1 Ratkaisu kotitehtävään 28 Tuukka.
Tommi Kauppinen ja Tuukka Sarvi
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 27 – Tommi Kauppinen Optimointiopin seminaari - Syksy 2005 / 1 Oppiminen Bayes-verkoissa.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Kotitehtävä 14 – Tom Lindström Optimointiopin seminaari - Syksy 2005 Kotitehtävän 14 ratkaisu Tom.
Päätöspuut (‘decision trees’)
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 21 – Osmo Salomaa Optimointiopin seminaari - Syksy 2005 / 1 Kolmioimattomat määrittelyalueverkot.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 11 - Teemu Mutanen Optimointiopin seminaari - Syksy 2005 / 1 Lisätiedon arvo.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 11 - Teemu Mutanen Optimointiopin seminaari - Syksy 2005 / 1 Kotitehtävä 11 - ratkaisu.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Mark Mehtonen Optimointiopin seminaari - Kevät 2005 / 1 Tarjontaketjun hallinta ja sähköinen kaupankäynti.
Toimitusketjujen hallinta ja sähköinen kaupankäynti
S ysteemianalyysin Laboratorio Aalto-yliopiston teknillinen korkeakoulu Esitelmä 18 – Otto Sormunen Optimointiopin seminaari - Syksy 2010 Tukivektorikoneet.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 1 – Simo Heliövaara Optimointiopin seminaari - Syksy 2008 Johdanto peliteoriaan
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 9 – Henri Hytönen Optimointiopin seminaari - Kevät 2007 Kaoottiset attraktorit
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 15 – Mikko Harju Optimointiopin seminaari - Kevät 2010 Korreloitu tasapaino ja sosiaaliset.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 7 – Tommi Nieminen Optimointiopin seminaari - Syksy 2005 / 1 Etäisyysmitat ja Batch learning.
S ysteemianalyysin Laboratorio Aalto-yliopiston teknillinen korkeakoulu Esitelmä # - Esitelmöijän nimi Optimointiopin seminaari - Syksy 2010 Lineaarinen.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä # - Esitelmöijän nimi Optimointiopin seminaari - Syksy 2009 Projektien suunnittelu ja skedulointi.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Jukka O Maksimainen Optimointiopin seminaari - Kevät 2005 / 1 Monikriteeriset huutokaupat Osa 2.
Optimoinnin käyttö tiedonlouhinnassa
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 20 – Juuso Ilomäki Optimointiopin seminaari - Kevät 2010 Signalointi ja cheap talk Juuso.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 19 - Heikki Henttu Optimointiopin seminaari - Syksy 2005 / 1 Ratkaisu kotitehtävään 19.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 9 - Jaakko Niemi Optimointiopin seminaari - Syksy 2005 / 1 Virittäminen (Tuning) s
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 4 – Jussi Kangaspunta Optimointiopin seminaari - Kevät 2007 Kaksiulotteiset kuvaukset 2/2.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Mallinnusmenetelmät 5 – Emilia Partanen Optimointiopin seminaari - Syksy 2005 Mallinnusmenetelmät.
S ysteemianalyysin Laboratorio Aalto-yliopiston Teknillinen korkeakoulu Esitelmä 10 – Epäoikeudenmukaisuuden karttaminen Tuomas Nummelin Optimointiopin.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 18 – Juho Kokkala Optimointiopin seminaari - Kevät 2007 Stabiilit monistot ja kriisit Mat
S ysteemianalyysin Laboratorio Aalto-yliopiston teknillinen korkeakoulu Esitelmä 17 – Tuomas Nummelin Optimointiopin seminaari - Syksy 2010 Tukivektorikoneet.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 6 - Erkka Ryynänen Optimointiopin seminaari - Syksy 2005 / 1 Bayesin verkot Mallinnus metodeita.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 2 - Jirka Poropudas Optimointiopin seminaari - Kevät 2005 / 1 Bayes-verkoista s
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 14 - Tom Lindström Optimointiopin seminaari - Syksy 2005 Vaikutuskaaviot Sivut
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 15 – Anna Matala Optimointiopin seminaari - Syksy 2008 Kotitehtävän ratkaisu Anna Matala.
S ysteemianalyysin Laboratorio Aalto-yliopiston teknillinen korkeakoulu Esitelmä 11 – Tuomas Nummelin Optimointiopin seminaari - Syksy 2010 Lokaalit uskottavuusmenetelmät.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Lasse Johansson Systeemitieteiden kandidaattiseminaari – Syksy 2009 Vaikutuskaaviopelit Lasse Johansson.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 5 – Matti Sarjala Optimointiopin seminaari - Kevät 2008 Evoluutiopeliteoria: Viivytystaistelu.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Kotitehtävä – Jouni Pousi Optimointiopin seminaari - Syksy 2008 Kotitehtävän ratkaisu Jouni Pousi.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Kotitehtävä 19 – Ville Koponen Optimointiopin seminaari - Syksy 2009 Kotitehtävä 19 (Kirja12.7)
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 25 - Mark Mehtonen Optimointiopin seminaari - Syksy 2005 / 1 The Chain Rule for Influence.
S ysteemianalyysin Laboratorio Aalto-yliopiston teknillinen korkeakoulu Ohjaamaton oppiminen– Heikki Vesterinen Optimointiopin seminaari - Syksy 2010 Ohjaamaton.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 1 - Jirka Poropudas Optimointiopin seminaari - Syksy 2000 / 1 Kotitehtävän 2 ratkaisu Jirka.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Mikko Luttinen Optimointiopin seminaari - Kevät 2005 / 1 Vedonlyönti internetissä Mikko Luttinen.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 23 – Juho Kokkala Optimointiopin seminaari - Syksy 2005 / 1 IEJ-puut, yhteisjakaumat, A-kyllästetyt.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 9 - Jaakko Niemi Optimointiopin seminaari - Syksy 2005 / 1 Kotitehtävä 9 Ratkaisu.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 4 – Topi Tahvonen Optimointiopin seminaari - Syksy 2005 / 1 Ehdollisten todennäköisyyksien.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Kotitehtävä 24 – Teppo Voutilainen Optimointiopin seminaari - Syksy 2005 Kotitehtävän 24 ratkaisu.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 21 – Osmo Salomaa Optimointiopin seminaari - Syksy 2005 / 1 Kotitehtävän 21 ratkaisu Osmo.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Käytännön järjestelyt - Jukka Luoma Optimointiopin seminaari - Kevät 2007 Mat Optimointiopin.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 13 – Tommi Nykopp Optimointiopin seminaari - Syksy 2005 / 1 Päätösteoreettinen vianhaku.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 4 – Janne Nurmi Optimointiopin seminaari - Kevät 2008 Kotitehtävä 4 - Ratkaisu
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 8 – Ilmari Kuikka Optimointiopin seminaari - Kevät 2010 Kotitehtävä 8 Ratkaisu.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 17 – Olli Mahlamäki Optimointiopin seminaari - Syksy 2005 / 1 HUGIN-ohjelmisto Olli Mahlamäki.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 5 – Henri Tokola Optimointiopin seminaari - Syksy 2009 Kotitehtävä 5: LEKIN-ohjelman käyttö.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 12 – Alexander Franck Optimointiopin seminaari - Kevät 2010 Rationalisoituvuus ja yleinen.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 8 – Reda Guerfi Optimointiopin seminaari - Syksy 2009 Taloudellisen tuotantoerän skedulointi.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 5 – Matti Sarjala Optimointiopin seminaari - Kevät 2008 Kotitehtävien ratkaisut
S ysteemianalyysin Laboratorio Aalto-yliopiston teknillinen korkeakoulu Esitelmä 22 – Jussi Kangaspunta Optimointiopin seminaari - Syksy 2010 Ohjaamaton.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä # - Esitelmöijän nimi Optimointiopin seminaari - Syksy 2000 / 1 Potentiaalien kertaus ja.
S ysteemianalyysin Laboratorio Aalto-yliopiston teknillinen korkeakoulu Esitelmä 11 – Tuomas Nummelin Optimointiopin seminaari - Syksy 2010 Tukivektorikoneet.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Pekka Mild Optimointiopin seminaari - Syksy 2005 / 1 Monitavoitteiset vaikutuskaaviot; Ratkaisu.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Kotitehtävä 4 – Topi Tahvonen Optimointiopin seminaari - Syksy 2005 / 1 4. Kotitehtävän ratkaisu.
S ysteemianalyysin Laboratorio Aalto-yliopiston teknillinen korkeakoulu Esitelmä # - Esitelmöijän nimi Optimointiopin seminaari - Syksy 2010 Esitelmä 3.
Esityksen transkriptio:

Hyöty ja yhden toiminnan mallit 4.1-4.2 s.110-116

Sisällys Arvo vs. Hyöty Yhden toiminnan mallit Yhteenveto Kotitehtävä

Arvo vs. Hyöty 1(2) Moni attribuuttisessa päätöksenteossa (MAVT) tarvitaan yhtenäinen mitta päätöksentekijän preferenssien kuvaamiseen Esim. vapaa-aika ja palkka Arvofunktio kuvaa päätöskriteeriä vastaavan attribuutin (=mitta-asteikko) numeeriselle arvoasteikolle siten, että sen perusteella voidaan tehdä päätelmiä päätöksentekijän preferensseistä. x (mitta-asteikko) => U(x) (arvoasteikko) Varmaan attribuutin tulemaan liittyvää (subjektiivista) arvoa, kutsutaan arvoksi.

Arvo vs. Hyöty 2(2) Arvoa, joka liittyy eri päätösvaihtoehtoihin epävarmuuden vallitessa, kutsutaan hyödyksi. (Utility). Yleinen hyötyteoria (Utility theory) Aksioomat formaalimpi määrittely Kts. Mat-2.134 Luonnollisesti kyettävä vertailemaan eri attribuuttien hyötyjä ja kokonaishyötyä.

Esimerkki 1 Matilla on kaksi kurssia, päätösenteon perusteet ja kokkikurssi. Arvosteluasteikko 0-5, 0 on hylätty. Matin aika ei riitä panostamaan molempiin täysipainoisesti, vaan hän joutuu priorisoimaan. Vaihtoehtoina Matilla on keskittyä toiseen täysillä, tai taistella molempien kanssa. Matti osaa arvioida t.n kaikille arvosanoille, riippuen keskittymisestä Arvioidaan hyödyksi arvosana: U(x) =x Vertaillaan odotusarvoja

Esimerkki 1 => Valitaan päätöksenteon kurssi Odotusarvot Kolme vaihtoehtoa, odotusarvot: => Valitaan päätöksenteon kurssi Onko arvofunktio U(x)=x järkevä ? Toisaalta, molempien kanssa taistelu johtaa varmaan läpipääsyyn molemmista

Hyötyfunktio 1(2) Läpipääsy saattaa olla tärkeämpää, kuin arvosanan muutos 1 => 2. Kun päätökseen liittyy epävarmuutta, mallinnetaan päätöksentekijän preferenssejä hyötyfunktiolla Muodostetaan arvofunktio siten, että parhaalle mahdolliselle lopputulemalle(attribuutille) annetaan arvo 1 ja huonoimmalle 0. Loput arvot näiden välille saadaan hyödyntämällä yksinkertaisia pelejä(Simple games)

Hyötyfunktiot 2(2) X G L Peli, jossa Parametreina X,G,L ja p Saadaan varmasti X Saadaan G tn. p Saadaan L tn. (1-p) Parametreina X,G,L ja p Vaihdellaan jotain näistä siten, että Toistetaan niin monta kertaa, että tarvittava määrä pisteitä on saatu estimoitua X p G 1-p L

Päätöksistä 1(2) Mallin tarkoituksena on aina auttaa päätöksentekotilanteessa Vastuu aina päätöksentekijällä, malli on vain malli Periaatteessa kahdenlaisia päätöksiä testipäätöksiä (test decisions) toimintapäätöksiä (action decisions) Käytännössä näitä vaikea erottaa Käsitellään eri tavoin Bayes-verkoissa

Päätöksistä 2(2) Myös toiminnat (actions) voidaan jakaa kahteen luokkaan vaikuttavat toiminnat(intervening actions) ei-vaikuttavat toiminnat(non-intervening actions) Molemmat vaikuttavat mallin todennäköisyysjakaumiin, mutta perustavanlaatuisesti eri eri tavalla Kuten opittua, laskennallisesti graafien linkkien ei välttämättä tarvitse seurata syy-seuraus suhteita. Nyt kausaalisuhteet kuitenkin ensisijaisen tärkeitä. flunssa kuume väsy Vai

Esimerkki 2. Jos T saa arvon 36,7ºC, sekä flunssan, että väsymyksen todennäköisyydet pienenevät. (ei vaikuttava) Jos kuume säädetään arvoon 36,7ºC aspiriinilla, ei paranneta flunssaa, vaan ainoastaan vähennetään väsymystä.(vaikuttava) T flunssa kuume väsy e aspiriini Vaikuttavien toimintojen seuraukset voivat välittyä vain kausaalisuhteiden suuntaan

Yhden toiminnan mallit Lähtökohtana tuttu Bayes-verkko Laajennetaan verkkoa yhdellä päätösmuuttujalla D D saattaa vaikuttaa muihin solmuihin Hyötyfunktiot U1,...,Un, määrittelyjoukoilla X1,...,Xn. X saattaa sisältää monta muuttujaa. Tehtävänä määrittää päätös D siten, että saavutetaan suurin mahdollinen hyöty. Määrittely kysymyksiä: Yksittäinen hyötyfunktio Yhdistetty hyöty

Yhden toiminnan mallit Kirja tarjoaa: Maksimoidaan odotusarvoa: Yhdistetty hyöty on odotusarvojen summa: Tietenkin myös muita vaihtoehtoja esim. maxmin, painokertoimet

Esimerkki 3 Kasinon ammattipelaaja hymyilee viileästi ja lyö euron(1€) pöytään... Luovutanko vai katsonko? (D) Päätös (D) ja paras käsi (BH) vaikuttavat saatavaan hyötyyn (U). D U

Esimerkki 3 Solun ”Besthand” todennäköisyysjakauma tiedetään. Päätös tehdään (esim.) odotettavissa olevan hyödyn perusteella. Jos siis EU(katson) > 0, katsotaan.

Yhteenveto Arvo vs. hyöty Mittaus- ja toimintapäätökset Toiminta vaikuttaa vain kausaalisuhteiden suuntaan Hyötyä voidaan mitata monella tavalla, Kirjassa odotusarvo Yhteishyödyn laskeminen Kirjassa odotusarvojen summa

Kotitehtävä 1(2) Matti (9d-luokka) on kauan katsellut Minnaa (9e) sillä silmällä. Rakkaudessa riutuvaan Mattiin kyllästyneet kaverit vaativat nuorta miestä tekemään päätöksen: Kysyäkö Minnaa jäätelölle? Matti päättää hankkia lisätietoa seuraamalla Minnaa ja tämän kavereita koulun kahvilassa. Jos kaverit kikattavat nähdessään Matin, saattavat mahdollisuudet olla paremmat. Saatuaan tämän evidenssin, Matti marssii koulun ATK-luokkaan ja käynnistää HUGIN-ohjelman, josta hän uskoo löytävänsä vastauksen. Miten sinä toimisit Mattina?

Kotitehtävä 2(2) Tehtävät Palauta lyhyt raportti: Mallinna tilanne Päätösolu Hyötysolu Kaksi muuta solua Arvioi todennäköisyydet ja eri tapauksissa realisoituvat hyödyt. Oletetaan, että kaverit todella kikattivat, kannattaako kysyä? Palauta lyhyt raportti: Oletukset + vastaukset (esim. ranskalaisilla viivoilla)