决策树如何计算期望值？

决策树是一种用于风险型决策的工具，其计算期望值的步骤和方法如下。

首先，我们要明确决策树的基本结构。决策树由决策点、方案枝、状态节点和概率枝构成。决策点是对几种可行方案的选择点，从决策点引出的若干枝条称为方案枝，每个方案枝连接着一个状态节点，状态节点代表方案实施后可能出现的各种自然状态，从状态节点引出的枝条就是概率枝，上面标注着每种自然状态发生的概率。

计算期望值的第一步是确定每个方案在不同自然状态下的损益值。损益值是指在特定自然状态下，某个方案实施后所带来的收益或损失。这需要我们结合实际情况，通过市场调研、数据分析等方式来合理估算。

接下来，要明确每种自然状态发生的概率。这些概率可以基于历史数据、经验判断、统计分析等多种方法来确定。概率的准确性对期望值的计算结果有重要影响，所以要尽量保证其可靠性。

然后，对于每个方案，将该方案在不同自然状态下的损益值乘以相应自然状态发生的概率，再将这些乘积相加，就得到了该方案的期望值。用公式表示为：期望值 = ∑（损益值×概率） ，这里的求和是对该方案下所有自然状态进行的。

最后，比较各个方案的期望值。在决策时，通常会选择期望值最大的方案作为最优方案，但这也需要结合企业的风险偏好等因素综合考虑。如果企业是风险厌恶型，可能不会仅仅依据期望值来做决策，还会关注方案的风险程度等其他因素。

例如，假设有一个投资项目，有两个投资方案。方案A在市场情况好时收益为100万元，市场情况好的概率为0.6；在市场情况差时损失20万元，市场情况差的概率为0.4。方案B在市场情况好时收益为80万元，市场情况好的概率为0.7；在市场情况差时收益为10万元，市场情况差的概率为0.3。那么方案A的期望值 = 100×0.6 （ - 20）×0.4 = 60 - 8 = 52万元；方案B的期望值 = 80×0.7 10×0.