PHÂN TÍCH QUYẾT ĐỊNH

Chương này nhằm:

 Giới thiệu các cách thức tiếp cận để đưa ra chiến lược trong
trường hợp không có xác suất; hoặc
 Phát triển một chiến lược tối ưu (trong trường hợp có xác
suất) khi người ra quyết định phải đối mặt với một số lựa chọn
thay thế nhau và các trạng thái không chắc chắn trong tương lai.
 Phân tích quyết định

1. Xây dựng bài toán

2. Ra quyết định mà không có xác suất

3. Ra quyết định với xác suất

4. Phân tích rủi ro và phân tích độ nhạy

5. Phân tích quyết định với thông tin mẫu

 Ví dụ mở đầu

• Pittsburgh Development Corporation (PDC) đã mua một khu

đất và dự định xây dựng một khu chung cư cao cấp mới.
PDC đã ủy thác bản vẽ kiến trúc sơ bộ cho ba dự án khác
nhau: 300, 600 và 900 căn hộ.

• Thành công tài chính của dự án phụ thuộc vào quy mô của
khu chung cư và nhu cầu về nhà chung cư. Bài toán của PDC
là đưa ra lựa chọn quy mô của chung cư mới để lợi nhuận
thu về là lớn nhất trong khi không chắc chắn về nhu cầu nhà
chung cư.
 Ví dụ mở đầu

• Hãy xem xét Ví dụ mở đầu với ba lựa chọn thay thế và hai
trạng thái tự nhiên sau đây thể hiện mức lợi nhuận:

Profit States of Nature

Decision Alternative Strong Demand Weak Demand
(𝑠1 ) (𝑠2 )
Small complex (𝑑1 ) 8 7
Medium complex (𝑑2 ) 14 5
Large complex (𝑑3 ) 20 -9
 1. Xây Dựng Vấn Đề

• Một bài toán Phân tích quyết định được đặc trưng bởi các
quyết định/lựa chọn thay thế, các trạng thái tự nhiên và các
kết quả có thể.

• Các quyết định thay thế là các chiến lược/phương án khả thi
khác nhau mà người ra quyết định có thể sử dụng.

• Các trạng thái tự nhiên đề cập đến các sự kiện trong tương lai
(VD: diễn biến thị trường,…), không chịu sự kiểm soát của
người ra quyết định, và có thể xảy ra. Các trạng thái tự nhiên
nên được xác định sao cho chúng loại trừ lẫn nhau và toàn
diện.
 1. Xây Dựng Vấn Đề

Bảng Payoff:

• Kết quả dẫn đến từ sự kết hợp cụ thể của một quyết định thay
thế và một trạng thái tự nhiên, thường là một khoản tiền
(hoặc một đại lượng định lượng).

• Một bảng hiển thị các kết quả (phần mà người ra quyết định
sẽ nhận) cho tất cả các kết hợp của các quyết định thay thế và
các trạng thái tự nhiên được gọi là Bảng Payoff.

• Payoff có thể được thể hiện dưới dạng lợi nhuận, chi phí, thời
gian, khoảng cách hoặc bất kỳ đại lượng thích hợp nào khác.
 Ví dụ mở đầu

• Hãy xem xét Ví dụ mở đầu với ba quyết định thay thế và hai
trạng thái tự nhiên sau đây thể hiện mức lợi nhuận:

Bảng Payoff States of Nature

Decision Alternative Strong Demand Weak Demand
(𝑠1 ) (𝑠2 )
Small complex (𝑑1 ) 8 7
Medium complex (𝑑2 ) 14 5
Large complex (𝑑3 ) 20 -9
 2. Ra quyết định không có xác suất

Ba cách thường được sử dụng để ra quyết định khi thông tin

xác suất liên quan đến khả năng của các trạng thái tự nhiên là
không có sẵn là:

• Cách tiếp cận lạc quan

• Cách tiếp cận bảo thủ

• Cách tiếp cận minimax regret

 Cách tiếp cận lạc quan

• Cách tiếp cận lạc quan sẽ được sử dụng bởi một người ra
quyết định lạc quan.

• Quyết định thay thế với mức Payoff lớn nhất có thể được
chọn.

• Nếu bảng Payoff là về Cost, quyết định với chi phí thấp
nhất sẽ được chọn.
 Cách tiếp cận lạc quan
• Một người ra quyết định lạc quan sẽ sử dụng phương
pháp lạc quan (maximax). Quyết định được chọn là
quyết định có giá trị lớn nhất trong bảng payoff.
States of Nature
Decision Alternative 𝑠1 𝑠2 Maximum Payoff

Small complex (𝑑1 ) 8 7 8

Medium complex (𝑑2 ) 14 5 14
Large complex (𝑑3 ) 20 -9 20
 Cách tiếp cận bảo thủ

• Cách tiếp cận bảo thủ sẽ được sử dụng bởi một người ra quyết
định bảo thủ.

• Đối với mỗi quyết định thay thế, mức payoff tối thiểu
(Minimum) được liệt kê và sau đó quyết định được chọn
tương ứng với mức tối đa của các khoản payoff tối thiểu.

• Nếu Payoff là Cost thì chi phí tối đa sẽ được xác định cho
mỗi quyết định thay thế và sau đó chọn quyết định tương ứng
với mức tối thiểu của các chi phí tối đa này (do đó, chi phí tối
đa có thể được giảm thiểu).
 Cách tiếp cận bảo thủ
• Một người ra quyết định bảo thủ sẽ sử dụng phương pháp
bảo thủ (maximin). Liệt kê mức payoff tối thiểu cho mỗi
quyết định thay thế. Chọn quyết định với mức tối đa của các
khoản payoff tối thiểu này.
• Maximin: lớn nhất trong tập giá trị nhỏ nhất
States of Nature
Decision Alternative 𝑠1 𝑠2 Minimum Payoff

Small complex (𝑑1 ) 8 7 7

Medium complex 14 5 5
(𝑑2 )
Large complex (𝑑3 ) 20 -9 -9
 Cách tiếp cận minimax regret

• Cách tiếp cận minimax regret yêu cầu xây dựng bảng hối tiếc
hoặc bảng mất cơ hội.
• Điều này được thực hiện bằng cách tính toán cho từng trạng
thái tự nhiên, sự khác biệt giữa mỗi payoff và mức payoff lớn
nhất cho trạng thái tự nhiên đó.
 Cách tiếp cận minimax regret
• Đối với phương pháp hối tiếc minimax, trước tiên, hãy tính
toán bảng hối tiếc bằng cách lấy khoản payoff lớn nhất trừ
từng khoản payoff trong cùng một cột. Trong ví dụ này,
trong cột đầu tiên lấy 20 trừ 8, 14 và 20.
• Maximin: lớn nhất trong tập giáStates
trị nhỏofnhất
Nature
Decision Alternative Strong Demand Weak Demand

Small complex (𝑑1 ) 8 7

Medium complex (𝑑2 ) 14 5
Large complex (𝑑3 ) 20 -9
 Cách tiếp cận minimax regret
• Lập cột hối tiếc lớn nhất. Chọn quyết định với mức tối thiểu
của các giá trị này.
• Minimax: nhỏ nhất trong tập giá trị lớn nhất

REGRET TABLE States of Nature

Decision Alternative Strong Weak
Demand Demand
Small complex (𝑑1 ) 12 0
Medium complex 6 2
(𝑑2 )
Large complex (𝑑3 ) 0 16
 Cách tiếp cận minimax regret
• Lập cột hối tiếc lớn nhất. Chọn quyết định với mức tối thiểu
của các giá trị này.
• Minimax: nhỏ nhất trong tập giá trị lớn nhất
REGRET TABLE States of Nature
Decision Alternative Strong Weak Maximum
Demand Demand Regret
Small complex (𝑑1 ) 12 0 12
Medium complex 6 2 6
(𝑑2 )
Large complex (𝑑3 ) 0 16 16
 Vận dụng
Cho bảng Payoff về Profit như sau:
​Payoff State of Nature
Decision s1 s2 s3

d1 250 750 500

d2 300 -250 1200
d3 500 500 600

a) Người lạc quan (optimist) nên đưa ra quyết định nào?

b) Người bảo thủ (conservative) nên đưa ra quyết định nào?
c) Minimax Regret nên chọn quyết định nào?
d) Thực hiện lại bài toán trên với giả định đây là bảng Payoff
về Cost.
 3. Ra quyết định với xác suất

Cách tiếp cận giá trị trung bình:

• Nếu thông tin xác suất liên quan đến các trạng thái tự nhiên có
sẵn, người ta thường sử dụng Cách tiếp cận giá trị kì
vọng/trung bình theo xác suất (Expected Value - EV).

• Ở đây, trước tiên tính giá trị kì vọng/trung bình theo xác suất
cho mỗi phương án.

• Phương án mang lại giá trị trung bình tốt nhất được chọn.
 Cách tiếp cận giá trị trung bình

• Giá trị kì vọng/trung bình (EV) của một phương án 𝑑𝑖 được

định nghĩa như sau:
𝑬𝑽 𝒅𝒊 = σ𝑵
𝒋=𝟏 𝑷 𝒔𝒋 . 𝑽𝒊𝒋

• Trong đó:
 𝑃 𝑠𝑗 : xác suất của trạng thái tự nhiên 𝑠𝑗 ;
 𝑉𝑖𝑗 : mức payoff tương ứng với quyết định 𝑑𝑖 và trạng thái
𝑠𝑗 ;
 𝑁: tổng số trạng thái tự nhiên.
 Cách tiếp cận giá trị trung bình

States of Nature
Decision Alternative Strong Demand Weak Demand
(𝑠1 ) với 𝑷𝟏 = 𝟎, 𝟖 (𝑠2 ) với 𝑷𝟐 = 𝟎,2
Small complex (𝑑1 ) 8 7
Medium complex (𝑑2 ) 14 5
Large complex (𝑑3 ) 20 -9
Decision Tree

Payoffs
s1 .8
$8 mil
2 s2 .2
d1 $7 mil
s1 .8
d2 $14 mil
1 3 s2 .2
d3 $5 mil
s1 .8
$20 mil
4 s2 .2
-$9 mil
Expected Value for Each Decision

EV 𝑑1 = 0.8(8 mil) + 0.2(7 mil) = $7.8 mil

Small d1

EV 𝑑2 = 0.8(14 mil) + 0.2(5 mil) = $12.2 mil

Medium
? d2

EV 𝑑3 = 0.8(20 mil) + 0.2(-9 mil) = $14.2 mil

Large d3

Vậy ta chọn phương án 𝑑3 .

 Giá trị trung bình của thông tin hoàn hảo

• Giả sử PDC có cơ hội thực hiện một nghiên cứu thị trường sẽ
giúp đánh giá đúng mức độ quan tâm của người mua đối với
dự án chung cư và cung cấp thông tin mà ban quản lý có thể
dùng để cải thiện đánh giá xác suất cho các trạng thái.
• Để xác định giá trị tiềm năng của thông tin này, chúng tôi bắt
đầu bằng cách giả định rằng nghiên cứu có thể cung cấp thông
tin hoàn hảo về các trạng thái tự nhiên; nghĩa là, ở tại thời
điểm đó, PDC có thể xác định chắc chắn trước khi đưa ra
quyết định, trạng thái bản chất nào sẽ xảy ra.
• Để sử dụng thông tin hoàn hảo này, chúng tôi sẽ phát triển
một chiến lược quyết định mà PDC nên tuân theo khi biết
chắc chắn trạng thái nào sẽ xảy ra.
 Giá trị trung bình của thông tin hoàn hảo

• Chiến lược đơn giản như sau:

 Nếu 𝑠1 xảy ra, chọn chiến lược 𝑑3 ;
 Nếu 𝑠2 xảy ra, chọn chiến lược 𝑑1 ;
→ Thông tin hoàn hảo này làm gia tăng giá trị lợi nhuận trung
bình của doanh nghiệp bao nhiêu?
 Giá trị trung bình của thông tin hoàn hảo

• Giá trị trung bình của thông tin hoàn hảo (expected value of
perfect information - EVPI) là sự gia tăng lợi nhuận trung
bình nếu ai đó biết chắc chắn trạng thái tự nhiên nào sẽ xảy ra.

• EVPI cung cấp giới hạn trên về giá trị trung bình của bất kỳ
thông tin mẫu hoặc khảo sát nào.
 Giá trị trung bình của thông tin hoàn hảo

Tính toán EVPI:

• Bước 1: Xác định payoff tối ưu tương ứng với từng trạng thái
tự nhiên.

• Bước 2: Tính giá trị trung bình của những payoff tối ưu này.

• Bước 3: Lấy kết quả trong bước (2) trừ EV của quyết định tối
ưu.
 Giá trị trung bình của thông tin hoàn hảo

• Bước 2: 20 × 0.8 + 7 × 0.2 = 17.4

• Bước 3: EVPI = 17.4 − 𝐸𝑉 𝑑3 = 17.4 − 14.2 = 3.2

 Vận dụng
Cho bảng Payoff về Profit như sau:
State of Nature
Decision s1 s2 s3

d1 250 750 500

d2 300 -250 1200
d3 500 500 600

a) Người lạc quan (optimist) nên đưa ra quyết định nào?

b) Người bảo thủ (conservative) nên đưa ra quyết định nào?
c) Minimax Regret nên chọn quyết định nào?
d) Nếu xác suất của 𝑠1 , 𝑠2 và 𝑠3 lần lượt là 0.2, 0.5 và 0.3, thì
nên đưa ra quyết định nào bằng EV?
e) Tính EVPI?
 4. Phân tích rủi ro và phân tích độ nhạy

• Phân tích rủi ro giúp người ra quyết định nhận ra sự khác biệt
giữa:
 Giá trị dự kiến của một phương án, và
 Giá trị thực sự có thể xảy ra

• Hồ sơ rủi ro cho một phương án: cho thấy các mức payoff có
thể có cho phương án đó cùng với xác suất liên quan của
chúng.
 Phân tích rủi ro

• Trong bài toán PDC, với phương pháp giá trị trung bình (EV),
phương án 𝑑3 là tối ưu.

States of Nature
Decision Alternative Strong Demand Weak Demand
(𝑠1 ) với 𝑷𝟏 = 𝟎, 𝟖 (𝑠2 ) với 𝑷𝟐 = 𝟎,2
Small complex (𝑑1 ) 8 7
Medium complex (𝑑2 ) 14 5
Large complex (𝑑3 ) 20 -9
 Phân tích rủi ro

• Với “hồ sơ” rủi ro của phương án 𝑑3 như sau:

1.00

.80
Probability

.60

.40

.20

-10 -5 0 5 10 15 20
 Phân tích rủi ro

• Nếu PDC không chấp nhận được hồ sơ rủi ro này, thì phương
án được chọn trong thực tế sẽ 𝑑2 .
• Điều này phụ thuộc vào sự cân nhắc, đánh đổi giữa một bên
là mức lợi nhuận dự kiến tăng thêm có thể và bên kia là mức
độ rủi ro đi kèm.
Decision Alternative States of Nature
Strong Demand Weak Demand
(𝑠1 ) với 𝑷𝟏 = 𝟎, 𝟖 (𝑠2 ) với 𝑷𝟐 = 𝟎,2
Small complex (𝑑1 ) 8 7
Medium complex (𝑑2 ) 14 5
Large complex (𝑑3 ) 20 -9
 Phân tích độ nhạy

• Phân tích độ nhạy có thể được sử dụng để xác định các

thay đổi đối với các yếu tố đầu vào ảnh hưởng như thế
nào đến việc lựa chọn quyết định thay thế:
 Xác suất cho các trạng thái tự nhiên
 Giá trị của các payoff

• Nếu một thay đổi nhỏ trong giá trị của một trong những
yếu tố đầu vào gây ra thay đổi trong quyết định thay thế
được đề xuất, cần phải nỗ lực và cẩn thận hơn trong việc
ước tính giá trị đầu vào.
 Phân tích độ nhạy

• Trong Ví dụ của chúng ta, nếu lấy 𝑷𝟏 = 𝟎, 𝟐 và 𝑷𝟐 = 𝟎, 𝟖.

Kết quả thay đổi như sau:

States of Nature
Decision Strong Demand Weak Demand EV
Alternative (𝑠1) với 𝑃1 = 0.2 (𝑠2 ) với 𝑃2 = 0.8

𝑑1 8 7 7.2
𝑑2 14 5 6.8
𝑑3 20 -9 -3.2
 Phân tích độ nhạy

Đặt 𝑃1 = 𝑃 → 𝑃2 = 1 − 𝑃. Khi đó:

 𝐸𝑉 𝑑1 = 8𝑃 + 7 1 − 𝑃 = 𝑃 + 7;
 𝐸𝑉 𝑑2 = 14𝑃 + 5 1 − 𝑃 = 9𝑃 + 5;
 𝐸𝑉 𝑑3 = 20𝑃 − 9 1 − 𝑃 = 29𝑃 − 9;

States of Nature
Decision Strong Demand (𝑠1) Weak Demand (𝑠2 )
Alternative với 𝑃1 = 𝑃 với 𝑃2 = 1 − 𝑃

𝑑1 8 7
𝑑2 14 5
𝑑3 20 -9
 Củng cố & Dặn dò

1. Các cách thức ra quyết định khi không có xác suất

2. Xác định chiến lược tối ưu khi có xác suất

3. Xác định giá trị trung bình của thông tin hoàn hảo

4. Phân tích rủi ro và phân tích độ nhay

5. SV tự xem cách ra quyết định với thông tin mẫu

Example: Pittsburgh
5. Phân Development
tích quyết định với thôngCorp.
tin mẫu
(SV đọc thêm)

Let us return to the PDC problem and assume

that management is considering a 6-month market
research study designed to learn more about
potential market acceptance of the PDC
condominium project. Management anticipates that
the market research study will provide one of the
following two results:
1. Favorable report: A significant number of the
individuals contacted express interest in
purchasing a PDC condominium.
2. Unfavorable report: Very few of the individuals
contacted express interest in purchasing a PDC
condominium.
Influence Diagram
5. Phân tích quyết định với thông tin mẫu

Decision Market Demand

Chance Survey for the
Consequence Results Condominiums

Market Complex
Profit
Survey Size
Sample5.Information
Phân tích quyết định với thông tin mẫu

PDC has developed the following branch

probabilities.

If the market research study is undertaken:

P(Favorable report) = P(F) = .77

P(Unfavorable report) = P(U) = .23

If the market research report is favorable:

P(Strong demand | favorable report) = P(s1|F) = .94

P(Weak demand | favorable report) = P(s2|F) = .06
Sample5.Information
Phân tích quyết định với thông tin mẫu

If the market research report is unfavorable:

P(Strong demand | unfavorable report) = P(s1|U) = .35

P(Weak demand | unfavorable report) = P(s2|U) = .65

If the market research study is not undertaken, the prior

probabilities are applicable:

P(Favorable report) = P(F) = .80

P(Unfavorable report) = P(U) = .20
Decision5. Tree
Phân tích quyết định với thông tin mẫu
s1
d1 6 s2 P(s1) = .94 $ 8 mil
P(s2) = .06 $ 7 mil
d2 s1
s2 P(s1) = .94 $14 mil
F 3 7
d3 P(s2) = .06 $ 5 mil
(.77) s1 P(s1) = .94 $20 mil
Conduct 8 s2
P(s2) = .06 -$ 9 mil
2 s1 P(s1) = .35 $ 8 mil
Market d1 9 s2
Research P(s2) = .65 $ 7 mil
U d2 s1
Study s2 P(s1) = .35 $14 mil
(.23) 4 10
d3 s1 P(s2) = .65 $ 5 mil
1 P(s1) = .35 $20 mil
11 s2
s1 P(s2) = .65 -$ 9 mil
d1 12 s2 P(s1) = .80 $ 8 mil
Do Not Conduct P(s2) = .20 $ 7 mil
d2 s1
Market Research 5 13 s2 P(s1) = .80 $14 mil
Study d3 s1 P(s2) = .20 $ 5 mil
14 s2 P(s1) = .80 $20 mil
P(s2) = .20 -$ 9 mil
Decision5. Strategy
Phân tích quyết định với thông tin mẫu

 A decision strategy is a sequence of decisions and

chance outcomes where the decisions chosen depend
on the yet-to-be-determined outcomes of chance events.
 The approach used to determine the optimal decision
strategy is based on a backward pass through the
decision tree using the following steps:
• At chance nodes, compute the expected value by
multiplying the payoff at the end of each branch by
the corresponding branch probabilities.
• At decision nodes, select the decision branch that
leads to the best expected value. This expected value
becomes the expected value at the decision node.
Decision Tree

d1 6 EV = .94(8) + .06(7) = $7.94 mil

EV = $18.26 mil
d2
F 3 7 EV = .94(14) + .06(5) = $13.46 mil
(.77) d3
EV = 8 EV = .94(20) + .06(-9) = $18.26 mil
$15.93 2
mil d1 9 EV = .35(8) + .65(7) = $7.35 mil
U
d2
(.23) 4 10 EV = .35(14) + .65(5) = $8.15 mil
d3
1 EV =
11 EV = .35(20) + .65(-9) = $1.15 mil
EV = $8.15 mil
$15.93 d1 12 EV = .8(8) + .2(7) = $7.80 mil
mil
d2
5 13 EV = .8(14) + .2(5) = $12.20 mil
d3
EV = $14.20 mil
14 EV = .8(20) + .2(-9) = $14.20 mil
Decision5. Strategy
Phân tích quyết định với thông tin mẫu

 PDC’s optimal decision strategy is:

• Conduct the market research study.
• If the market research report is favorable,
construct the large condominium complex.
• If the market research report is unfavorable,
construct the medium condominium complex.
Risk Profile
5. Phân tích quyết định với thông tin mẫu

 PDC’s Risk Profile

1.00

.80 .72
Probability

.60

.40

.20 .15
.05 .08

-10 -5 0 5 10 15 20
 5. Phân tích quyết định với thông tin mẫu

• The expected value of sample information (EVSI) is the

additional expected profit possible through knowledge of
the sample or survey information.

• The expected value associated with the market research

study is $15.93.
• The best expected value if the market research study is
not undertaken is $14.20.

• We can conclude that the difference, $15.93  $14.20 =

$1.73, is the expected value of sample information.
• Conducting the market research study adds $1.73 million
to the PDC expected value.
 5. Phân tích quyết định với thông tin mẫu

• Efficiency of sample information is the ratio of

EVSI to EVPI.
• As the EVPI provides an upper bound for the EVSI,
efficiency is always a number between 0 and 1.
 5. Phân tích quyết định với thông tin mẫu

The efficiency of the survey:

E = (EVSI/EVPI) X 100
= [($1.73 mil)/($3.20 mil)] X 100
= 54.1%

The information from the market research study is 54.1%

as efficient as perfect information.
Computing Branch Probabilities
5. Phân tích quyết định với thông tin mẫu

 We will need conditional probabilities for all sample

outcomes given all states of nature, that is, P(F | s1),
P(F | s2), P(U | s1), and P(U | s2).

Market Research
State of Nature Favorable, F Unfavorable, U
Strong demand, s1 P(F| s1) = .90 P(U| s1) = .10
Weak demand, s2 P(F| s2) = .25 P(U| s2) = .75
Computing Branch Probabilities
5. Phân tích quyết định với thông tin mẫu

 Branch (Posterior) Probabilities Calculation

• Step 1:
For each state of nature, multiply the prior
probability by its conditional probability for the
indicator -- this gives the joint probabilities for
the states and indicator.
Computing Branch Probabilities
5. Phân tích quyết định với thông tin mẫu

 Branch (Posterior) Probabilities Calculation

• Step 2:
Sum these joint probabilities over all states --
this gives the marginal probability for the indicator.
• Step 3:
For each state, divide its joint probability by the
marginal probability for the indicator -- this gives
the posterior probability distribution.
Bayes’5.Theorem and Posterior Probabilities
Phân tích quyết định với thông tin mẫu

 Knowledge of sample (survey) information can be

used to revise the probability estimates for the states
of nature.
 Prior to obtaining this information, the probability
estimates for the states of nature are called prior
probabilities.
 With knowledge of conditional probabilities for the
outcomes or indicators of the sample or survey
information, these prior probabilities can be revised
by employing Bayes' Theorem.
 The outcomes of this analysis are called posterior
probabilities or branch probabilities for decision trees.
Posterior Probabilities
5. Phân tích quyết định với thông tin mẫu

Favorable
State of Prior Conditional Joint Posterior
Nature Probability Probability Probability Probability
sj P(sj) P(F|sj) P(F I sj) P(sj |F)

s1 0.8 0.90 0.72 0.94

s2 0.2 0.25 0.05 0.06
P(favorable) = P(F) = 0.77 1.00
Posterior Probabilities
5. Phân tích quyết định với thông tin mẫu

Unfavorable
State of Prior Conditional Joint Posterior
Nature Probability Probability Probability Probability
sj P(sj) P(U|sj) P(U I sj) P(sj |U)

s1 0.8 0.10 0.08 0.35

s2 0.2 0.75 0.15 0.65
P(unfavorable) = P(U) = 0.23 1.00
End of Chapter 4