本章节主要讲述的是决策模型，通过决策模型在不确定的情况下做一些决策分析，来帮助我们进行更好的决定。在决策模型中最重要的就是决策树了，课程用决策树举了好几个例子：如购票，3时的票只要200元，4时的票要400元，通过及时赶上3点的火车机率是40%。如果赶不上就等于多买了3时的票，也就是多支付200元。通过决策树，对不确定的情况下，分别计划从而得出结论。
其它的例子还有投资，申请奖学金等。不过有意思的是，可以通过决策树推测出对这个几率的看法，举例是回家看父母，通过决策树的一轮推算，精确地知道到底有多想看望父母。
决策树模型的应用非常广泛，在PMP（项目管理）中就会经常用到，是作为项目风险管理的一种工具与技术。
Paste_Image.png
在PMP中称为预期货币价值（EMV）分析，是当某些情况在未来可能发生或不发生时，计算结果的一种统计方法（不确定性下的分析）。可见决策树是基于不确性因素时中使用，如果一旦因素被确定下来，那么就是后面一节所讲的信息价值了。
再聊个实际的决策树案例
条件：某项目招标，分为A和B两个标段，只能投其中一个。
根据之前的经验，对这个项目有2种投标策略：
（1）投高标，中标机率是30%；
（2）投投标，中标机率是50%；
所以共有5种策略， A高标，A低标，B高标，B低标，不投；
据项目管理的资料统计，每种策略的利润和概率参见下表：
| 策略 | 项目效果 | 利润 | 概率 |
|---|---|---|---|
| A高 | 优 | 5000 | 30% |
| 普通 | 1000 | 50% | |
| 赔 | -3000 | 20% | |
| A低 | 优 | 4000 | 20% |
| 普通 | 500 | 60% | |
| 赔 | -4000 | 20% | |
| B高 | 优 | 7000 | 30% |
| 普通 | 2000 | 50% | |
| 赔 | -3000 | 20% | |
| B低 | 优 | 6000 | 30% |
| 普通 | 1000 | 60% | |
| 赔 | -1000 | 10% |
投标A不中，损失50万元，投标B不中，损失100万元。
那么投那个的收益更高呢？
决策树模型分析如下：
决策点.jpg
