- •Предисловие
- •Введение
- •Глава 1. Графическое представление критерИев
- •1.1. Критерии с прямоугольными конусами предпочтения
- •1.1.1. Минимаксный критерий
- •1.1.2. Критерий Гермейера
- •1.1.3. Критерий Сэвиджа
- •1.1.4. Критерий азартного игрока
- •1.2. Критерий с прямыми предпочтения
- •1.3. Производные критерии
- •1.3.1. Критерий Ходжа-Лемана
- •1.3.2. Критерий произведений
- •1.3.3. Критерий Гурвица
- •1.3.4. Критерий Байеса-Лапласа
- •1.3.5. Обобщенные критерии
- •Глава 2. Количественные характеристики ситуации принятия решений
- •2.1. Влияние информации на процесс принятия решения
- •2.2. Значимость независимого параметра
- •2.3. Энтропия независимого параметра
- •2.4. Доверительные факторы принятия решений
- •2.4.1. Эмпирический доверительный фактор
- •2.4.2. Прогностический доверительный фактор
- •2.4.3. Эмпирико-прогностический доверительный фактор
- •2.4.4. Использование доверительных факторов в задачах принятия решения
- •2.5. Принятие решений в условиях рисков
- •2.6. Пример оценки значимости параметра
- •Глава 3. Гибкие критерии выбора решения
- •3.1. Свойства гибкого критерия
- •3.2. Применение гибкого критерия
- •Параметров в заданных интервалах для выборки сочетаний исходных данных при (случай 1)
- •3.3. Адаптивный критерий Кофлера-Менга с использованием кусочно-линейной информации
- •Глава 4. СубъективНые оценки параметРов
- •4.1. Основные проблемные вопросы
- •4.2. Подготовка и проведение оценок
- •4.3. Обработка данных
- •4.3.1. Интерквартиль оцениваемой величины
- •4.3.2. Взвешивание оцениваемой величины
- •4.4. Гибкий выбор принятия решения при субъективной полезной информации
- •4.5. Примеры проведения оценок
- •Глава 5. Анализ ситуаций выбора решения
- •5.1. Общая структура выбора решения
- •5.2. Методы выбора решений
- •5.3. Ошибки решения
- •5.3.1. Количественный анализ ошибок
- •5.3.2. Качественный анализ ошибок
- •5.4. Схемы принятия решений
- •5.4.1. Одношаговые схемы принятия решений
- •5.4.2. Многошаговые схемы принятия решений
- •5.5. Дискретизация и комбинирование внешних состояний
- •5.5.1. Разделение общего числа представительных значений по параметрам внешнего состояния
- •5.5.2. Распределение заданного числа представительных значений по диапазону неопределенности параметра
- •5.6. Пример расчета числа дискретизирующих шагов для оценочной функции
- •Глава 6. Полезность вариантов решения. Риск
- •6.1. Полезность вариантов решения
- •6.2. Понятие риска
- •6.3. Сравнение степеней риска
- •6.4. Формальное описание риска
- •6.5. Виды рисков
- •6.6. Многократные риски
- •6. Изложить понятие неоднократного риска. Глава 7. Многоцелевые решения. Альтернативные методы
- •7.1. Многоцелевые решения
- •7.1.1. Общий подход
- •7.1.2. Реализация целей
- •7.1.3. Методы выбора внутри эффективных множеств
- •7.2. Альтернативные методы
- •7.2.1. Основные пути выбора решения
- •7.2.2. Критериальный анализ
- •7.2.3. Применение нечетких множеств
- •Заключение
6.6. Многократные риски
Если риск характеризуется случайной величиной , зависящей от случайных значений и , соответствующих нагрузке и несущей способности, то среднее значение величины (6.17) еще не полностью описывает связанную с риском ситуацию. В отдельных случаях может реализоваться более высокая величина риска. Суммарный риск в длинном ряду реализующихся раз рискованных ситуаций оценивают средним значением
, (6.27)
причем здесь случайные величины независимы и распределены так же, как , и при неограниченно увеличивающемся значение стабилизируется около . При меньших значениях для некоторой данной вероятности ошибки можно рассчитать интервал , в который случайная величина попадает с вероятностью :
. (6.28)
Для определения зависящих от и пределов риска – причем прежде всего важен верхний предел – необходимо по распределению рассчитать распределение .
Для получения распределения плотности вероятностей риска используем формулу
. (6.29)
В отличие от (6.18) ограничимся здесь важным для практики случаем, в котором риск наступает, когда нагрузка начинает превышать несущую способность. Величина означает здесь среднюю величину ущерба, когда для несущей способности имеет место плотность вероятности , а нагрузка принимает определенное значение , причем . Применяя символику теории вероятности, можно написать .
Здесь –случайные значения штрафной функции в зависимости от случайных величин и для нагрузки и несущей способности, а символ означает математическое ожидание при условии . Безусловное (абсолютное) среднее значение ущерба получается путем усреднения по плотности нагрузки и равно
. (6.30)
Рассматривая функцию в соответствии с формулой (6.29) в зависимости от случайной нагрузки , получаем непосредственно . Можно исходить из того, что для определенного у является строго монотонной возрастающей функцией, откуда следует то же свойство для функции . Соответственно существует монотонно возрастающая обратная функция .
Если, далее, предположить, что функция дифференцируема (причем здесь достаточно существования частной производной функции по ), то по известным формулам теории вероятности для плотности вероятности случайной величины получаем
. (6.31)
Рис. 6.9. Номограмма для определения вероятности не благоприятных ситуаций
Случайная величина представляет, таким образом, случайное среднее значение ущерба в результате события ; среднее значение этой величины равно .
Плотность вероятности определяемого формулой (6.31) среднего риска при числе реализаций получается по формуле свертки:
, . (6.32)
Для унификации обозначений будем считать, что одиночной рискованной ситуации соответствует . Среднее значение случайных величин риска для всех равно тому же значению и по закону больших чисел при неограниченном росте распределения концентрируются вокруг (рис. 6.6), так что в пределе получается вырожденное распределение в виде – функции Дирака при .
Рис. 6.10. Функция плотности вероятностей среднего риска
Зная плотность вероятности , можно теперь количественно оценить вероятность возможных значений риска при числе реализаций . Так, например, для симметричного интервала вокруг среднего значения границы интервала , определяются уравнением
,
где – заданная вероятность ошибки. Часто на основе распределений для нагрузки и несущей способности, а также для штрафной функции получаются однозначные границы и возможных значений риска :
. (6.33)
Рис. 6.6 соответствует такой ситуации.
Формула
(6.34)
устанавливает связь между вероятностью и значением , причем при -кратной реализации случайная величина по меньшей мере равна . Эту вероятность можно также воспринимать как готовность к риску. Для достижимой на практике точности оценки штрафной функции и соответствующих плотностей представляются оправданными значения до 0,1.
Рис. 6.11. Зависимость величины риска от числа реализаций
– вариант 1; – вариант 2
Показанная на рис. 6.6 пунктиром линия, соответствующая определенному заданному значению , имеет точки пересечения с кривыми плотности вероятности для различных чисел реализации ; абсциссы этих точек дают на оси значения .
Если теперь использовать соответствующие определенному значения , зависящие от , в качестве основы для принятия решения, то нужно каждый раз выбирать такие варианты, для которых значения наименьшие.
На рис. 6.11 показан ход функции для двух вариантов решения. При этом вариант 1 соответствует минимаксному, а вариант 2 – байесовскому критериям решения. Из рисунка видно, что при следует выбрать вариант 1, а при – вариант 2.
Расчет плотностей вероятности по формуле свертки может оказаться слишком трудоемким делом. Нередко удается упростить расчеты с помощью функциональных преобразований. Для непрерывных функций плотности вычисления производят с помощью преобразования Лапласа в четыре этапа:
.
Символы преобразований здесь означают:
– прямое преобразование Лапласа; – -кратная свертка; – преобразование координат; – обратное преобразование Лапласа. Необходимое на этапе преобразование Лапласа
для широкого класса функций можно осуществить, пользуясь справочными таблицами; то же справедливо и для обратного преобразования. На этапе выявляется выгода проведенного преобразования Лапласа: -кратная свертка заменяется просто возведением в степень (с показателем ). На этапе требуется только замена на .
Для примера проследим ход преобразований для нормального распределения с плотностью распределения
,
где
,
что соответствует известному факту, что w-кратная свертка нормального распределения по формуле (6.27) приводит к нормальному распределению .
Для часто встречающегося экспоненциального распределения с плотностью вероятности
,
отдельные этапы преобразования выглядят так:
Если имеются дискретные распределения с постоянным шагом , то есть так называемые решеточные распределения с постоянной решетки , то можно с успехом применить -преобразование. Будем исходить из дискретного распределения величин и соответствующих вероятностей , ; при этом разность для всех рассматриваемых постоянна и равна , а последовательность может быть конечной или бесконечной (случай конечного или бесконечного дискретного распределения). Не вдаваясь в подробности, примем . Затем образуем функцию
, (6.35)
представляющую собой так называемое -преобразование . Тогда возведение в степень даст
, (6.36)
то есть -кратную свертку исходного распределения в точках при и с соответствующими вероятностями , Таким образом, -преобразование осуществляется по следующим этапам:
,
где – проведение -преобразования по формуле (6.35);
– -кратная свертка по формуле (6.36);
– обратное преобразование , то есть извлечение вероятностей из (6.35).
Заметим, что показатель кратности свертки при принятых выше обозначениях устанавливается таким, чтобы исходное распределение соответствовало . Если имеется дискретное решеточное распределение с эквидистантными значениями , то для показателя кратности свертки получается решеточное же распределение с значениями.
Это дает для математического ожидания и соответственно дисперсий следующие выражения:
; .
Расчет и можно произвести с помощью известных соотношений теории вероятностей, исходя из среднего значения и дисперсии для исходного распределения, характеризующегося значением :
; . (6.38)
Продемонстрируем применение -преобразования к распределению Пуассона:, ,
Это дискретное распределение с параметром , определенное на бесконечной области значений неотрицательных действительных чисел и характеризующееся средним значением и дисперсией .
Три этапа -преобразования
приводят к распределению Пуассона с параметром , которое обладает средним значением и дисперсией . -преобразование в принципе применимо также к дискретным нерешеточным распределениям. Используя нормирующий множитель (рис. 6.7), образуем -функцию:
, (6.40)
где – вероятности величин риска . При реализациях образуется -я степень:,
откуда путем расчета, аналогичного проводившемуся выше для случая эквидистантной решетки, можно получить соответствующие вероятности риска.
Вопросы для самопроверки по разделу 6
1. Дать понятие полезности вариантов решения.
2. Изложить сущность шкал упорядоченности и особенности их использования при оценке полезности вариантов решения.
3. Дать понятие риска принятия решения.
4. Привести методы оценки риска.
5. Перечислить основные виды рисков.