6. Решение. Процесс принятия решений и принятие решения. Выбор и исход. Роль человеческого фактора.

Принятие решения – применение критерия или системы предпочтений лицом, ответственным за принятие решения.(ЛПР)

Процесс принятия решения – последовательность действий (алгоритм) при нахождении решения.

Решение – конкретная альтернатива, полученная в процессе принятия решений в соответствии с некоторым решающим правилом, путем выбора или исхода, ведущий к однозначному определению функции-действия.

Выбор или исход – реализация решений.

Выбор – зависит от индивидуума.

Исход – зависит от случайных факторов.

7. Системный подход и системный анализ. Примеры.

Системный анализ — научный метод познания, представляющий собой последовательность операций по установлению структурных и функциональных связей между переменными или элементами исследуемой системы.

Цель системного подхода, — опираясь на изучение объективных закономерностей развития систем, дать правила организации мышления по многоэкранной схеме. Системный подход ориентирует исследователя на раскрытие целостности объекта, на выявление многообразных типов связей в нем и сведение их в единую теоретическую картину. В настоящее время под системным подходом понимают направление методологии научного познания и социальной практики, в основе которого лежит рассмотрение объектов как системНа основании вышеизложенного сформулируем определение сис¬темного подхода. Системный подход — это методологическое направление в науке, основная задача которого состоит в разработке методов исследования и конструирования сложноорганизованных объектов — систем разных типов и классов.

8. Метод Монте-Карло. Случайные и псевдослучайные числа.

Ме́тод Мо́нте-Ка́рло (методы Монте-Карло, ММК) — общее название группы численных методов, основанных на получении большого числа реализаций стохастического (случайного) процесса, который формируется таким образом, чтобы его вероятностные характеристики совпадали с аналогичными величинами решаемой задачи. Используется для решения задач в различных областях физики, химии, математики, экономики, оптимизации, теории управления и др.

Генератор псевдослучайных чисел (ГПСЧ, англ. Pseudorandom number generator, PRNG) — алгоритм, порождающий последовательность чисел, элементы которой почти независимы друг от друга и подчиняются заданному распределению (обычно равномерному).

Современная информатика широко использует псевдослучайные числа в самых разных приложениях — от метода Монте-Карло и имитационного моделирования до криптографии. При этом от качества используемых ГПСЧ напрямую зависит качество получаемых результатов. Это обстоятельство подчёркивает известный афоризм Роберта Р. Кавью из ORNL (англ.): «генерация случайных чисел слишком важна, чтобы оставлять её на волю случая».

С. ч. — это числа, генерируемые посредством случайного процесса, к-рый порождает любое число т. о., что каждая из десяти цифр (0, 1, 2, ... 9) имеет разную возможность оказаться в его составе. В общем, вероятность появления любой конкретной последовательности С. ч., состоящей из п цифр, равна 0,1n. Таблицы С. ч. легко доступны и публикуются в виде приложения в большинстве учебников стат.

Психологи часто пользуются С. ч. для решения разных задач. Напр., можно сформировать случайную выборку, нумеруя потенциальных испытуемых в совокупности, а затем отбирая на основе таблицы С. ч. реальных испытуемых для включения в ее состав. Такой случайный процесс гарантировал бы получение случайной (непредвзятой) выборки — необходимого, по существу, условия всех видов статистического анализа.

С. ч. тж могут использоваться для распределения испытуемых по группам (соответственно условиям) в эксперименте, для выбора уровней предъявления независимой переменной или для эмпирического построения выборочных распределений статистик путем случайного извлечения выборок из совокупности с известным распределением.