Ожидаемая прибыль при осуществлении различных вариантов плана выпуска, млн. Руб.

Емкость рынка, тыс.шт.	Альтернативы плана, тыс.шт.
	100	200	300	400
100	5000	5000	5000	5000
200	0	10000	10000	1000
300	- 5000	-5000	15000	15000
400	-10000	0	10000	20000

Предположим, что нам точно неизвестно, какой будет емкость рынка, но известно вероятности ее различных значений, образующих полную группу взаимоисключающих событий.

Р₁= 0,1; Р₂ = 0,2; Р₃= 0,5; Р₄= 0,2

где Р - характеризует вероятности каждой из четырех возможных емкостей рынка

В качестве критерия выбора лучшей стратегии для вероятностных задач наиболее часто применяется критерий, максимизирующий математическое ожидание (в данной примере - прибыли). Тогда эффективность (Э) каждого варианта определится как:

Э₁= 5000 х 0,1 + 5000 х 0,2 + 5000 х 0,5 + 5000 х 0,2 = 5000

Э₂= 0 + 100000 х 0,2 + 10000 х 0,5 + 10000 х 0,2 = 9000

Э₃= 5000 х 0,1 + 5000 х 0,2 + 15000 х 0,5 + 15000 х 0,2 = 10550

Э₄= 10000 х 0,1 + 0 + 10000 х 0,5 + 20000 х 0,2 = 8000

Видно, что в данной задаче следует выбрать третью стратегию. Обычно данный критерий используется, когда рассматриваются повторяющиеся решения и когда одно плохое решение не грозит катастрофическими последствиями.

Другим критерием, который может применяться при решении вероятностных задач, является математическое ожидание полезности. Поясним его применение на более простом примере определения численности сотрудников отдела сбыта в зависимости от емкости рынка. (табл.2).

Таблица 2

Прибыль от реализации товаров в зависимости от емкости рынка и численности сотрудников отдела сбыта, тыс.Руб

Альтернативы численности, человек	Емкость рынка, шт
	2000	3000	4000
пять	-20000	50000	60000
девять	-40000	40000	70000

В колонках таблицы 2 представлены расчетные значения прибыли или убытки в руб. (методы расчета этих величин мы не рассматриваем).

При выборе лучшей альтернативы с помощью критерия математического ожидания полезности будем руководствоваться следующими рассуждениями. Потеря 20000 руб., нежелательна, но потеря 40000 руб. является катастрофической, т.е. полезность непропорциональна прибыли, особенно когда ставки высоки. При увеличении прибыли полезность также увеличивается, но в меньшей степени: при уменьшении прибыли полезность уменьшается с увеличивающейся скоростью. Однако полезность практически пропорциональна прибыли в пределах "нормального" диапазона.

Данные рассуждения результируются в табл.3, в колонках которой приведены величины полезности (U) (в единицах полезности).

Вероятности различных емкостей рынка равны:

Р₁= 0,2; Р₂= 0,3; Р₃= 0,5

Таблица 3

Величины полезности равных альтернатив для различных значений емкости рынка

Альтернативы численности, человек	Емкость рынка, шт
	2000	3000	4000
пять	-1,2	1,0	1,05
девять	-4,0	0,9	1,08

Э₁= -1,2 х 0,2 + 1,0 х 0,3 + 1,05 х 0,5 = 0,585

Э₂= -4,0 х 0,2 + 0,9 х 0,3 + 1,08 х 0,5 = 0,01

Очевидно, надо выбрать первую альтернативу. (Этот же результат получается, если в данном примере поиск лучшей альтернативы ввести с помощью критерия математического ожидания прибыли. Однако с помощью критерия математического ожидания полезности рекомендации получаются более категоричными.)

При принятии решений в условиях неопределенности чаще всего используют критерии типа минимакса (пессимизма) и максимакса (оптимизма). Здесь руководствуются следующей логикой рассуждений (см.табл 3). Если мы выберем первую альтернативу, то наши возможные максимальные потери составят 20000 руб.; если мы выберем вторую альтернативу, то эти потери составят 40000 руб.. Выбираем первую альтернативу, минимизирующую наши возможные максимальные потери.

Применение критерия оптимизма характеризуется следующими рассуждениями. При выборе первой альтернативы возможная минимальная прибыль составит 60000 руб, при выборе второй альтернативы - 70000 руб. Выбирает вторую альтернативу, максимизирующую возможную максимальную прибыль. Возможны и другие критерии. Их выбор в существенной мере зависит от личностных особенностей применяющих их специалистов и руководителей.

При принятии решений в условиях почти полного отсутствия информации желательно провести маркетинговые исследования и перевести задачу в один из рассмотренных ранее классов.

Применение имитационного моделирования проиллюстрируем на примере поведение домохозяек на рынке потребительских товаров.

Вначале проводится сегментация домашних хозяек на несколько типов, характеризующихся различными величинами вероятностей осуществления тех или иных покупок. Домохозяйки, включенные в каждый выявленный тип, образуют представительную выборку из населения, полученную на основе ряда переменных характеризующих использование товаров населения. Поскольку система предпочтений осуществления различных покупок меняется по времени, то величины вероятностей, приписываемых домохозяйкам, характеризуют склонность к покупкам в пределах определенного диапазона времени.

Далее, для имитации первой группы покупок в компьютер вводятся вероятности начальных покупок. Предположим, что продуктом первой группы покупок является кофе и что для определенного типа домохозяек вероятность покупки кофе в течение недели равна 0,75, вероятность покупки быстрорастворимого кофе равна 0,35 и вероятность покупки быстрорастворимого кофе марки "А" равна 0,20. Это означает, что 75% домохозяек данного типа обычно покупают кофе в течение данной недели: из тех, кто купил кофе, обычно 35% покупают быстрорастворимый кофе, и из тех. кто купил быстрорастворимый кофе, 20% обычно покупают кофе марки "А". (Эти вероятности, как правило, получают с помощью социологических и экспертных методов, а также на основе изучения торговой статистики).

В компьютере осуществляется процесс, напоминающий вращение рулетки, на колесе которой имеется 75 отделений с "да" и 25 отделений с "нет". Компьютер решает, купит или первая домохозяйка на этой недели кофе или нет. Если ответ "да", то вращают другое колесо, имеющее 35 отделений для быстрорастворимого кофе и 65 отделений для кофе в зернах. Решается вопрос, какой кофе купит эта домохозяйка. Если ответ "быстрорастворимый", то вращается колесо 20-80, чтобы решить вопрос, будет ли купленный быстрорастворимый кофе марки "А" или нет

После расчета имитируемого поведения при покупках первой домохозяйки компьютер фиксирует решение и устанавливает вероятности новых покупок кофе в течение рассматриваемого времени. Если покупка была сделана, вероятность другой покупки кофе на данной недели уменьшается, так как имитируемая домохозяйка уже его имеет. Если покупка кофе не была сделана, вероятность его покупки на следующей недели увеличивается.

Компьютер повторяет этот процесс для всех моделируемых домохозяек. решая, какие из их числа сделают покупки, а какие - нет, изменяя вероятности и фиксируя полученные результаты. После того, как подобным образом изучится поведение всех домохозяек, процесс имитирования для первой недели считается законченным.

Имитация покупкой для второй недели осуществляется подобным образом за важным исключением: берутся в расчет "события " первой недели. Домохозяйки, которые сделали покупки, возможно, сделают новые, но с меньшей вероятностью, так как определенное количество нужного товара у них уже имеется. Домохозяйки, которые не сделали покупки в течение предыдущей недели, возможно сделают такие покупки в течение данной недели. Вероятность чего является более высокой, так как, скорее всего запасы кофе закончились. Характер и количество этих изменений следует основывать на данных научных обследований и скорости использования продуктов домашними хозяйками различных типов. Повторяя подобные расчеты еженедельными циклами, можно перекрыть любой промежуток времени.

Когда компьютер рассчитывает циклы покупок для всего выбранного периода времени, он выпечатывает данные о покупке кофе в целом, общих покупках быстрорастворимого кофе и общих покупках кофе марки "А". Эти цифры затем могут быть сравнены с отчетностью магазинов или другими внешними источниками информации. Таким образом, определяется адекватность имитационной модели реальным условиям.