- •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
2.2. Значимость независимого параметра
Оценочная функция
(2.2)
определяется значениями векторов независимых и зависимых переменных. При и получается известный случай одной независимой и одной зависимой переменных. В этом случае все результаты выводятся из соотношения
, ; . (2.3)
Интересно выяснить, как в только что описанном общем случае независимый параметр с его возможными значениями , , влияет на результат; при этом ограничимся сначала случаем одного варианта решения.
Реализации параметра должны лежать в области
.
Будем считать, что все остальные независимые параметры принимают фиксированные средние значения , , . В целях большей наглядности будем рассматривать случай единственного независимого параметра.
Влияние указанной области неопределенности параметра при выбранном варианте решения измеряется так называемой абсолютной релевантностью :
. (2.4)
Здесь обозначает среднее значение параметра . Без потери общности знаменатель может считаться отличным от нуля. Если функция , определяемая равенством
монотонно возрастает, то
. (2.5)
Теперь для переменной решения и параметра определим относительную релевантность, которую будем называть коэффициентом влияния:
. (2.6)
Придавая переменной всевозможные значения, найдем максимум коэффициента влияния параметра :
. (2.7)
Случай большего числа переменных без труда рассматривается аналогично. Тогда вместо единственной переменной решения появляются все компоненты , по которым затем в формуле (2.7) берется максимум. Понятие значимости параметра , определяемое равенством
(2.8)
опирается на энтропию (ее определение содержится в разд. 2.3) независимого параметра , характеризующую его информативность.
Для значимости каждого параметра в соответствии с характером задачи можно установить некоторую границу , ниже которой неопределенностью параметра можно пренебречь.
Так, при имеет смысл рассматривать как параметр с единственным (средним) значением . Можно также установить другую границу , выше которой предположения о функции распределения рассматриваемого параметра принимаются без проверки гипотезы. В отсутствие таких границ ответ на вопрос, какие из этих параметров с наименьшими последствиями в случае ошибки можно считать однозначными, дает последовательность значимостей независимых параметров.
2.3. Энтропия независимого параметра
Гензель предложил применять шенноновскую энтропию (2.13), рассматриваемую как мера неопределенности сигнала, передаваемого случайным источником, и для измерения неопределенности.
Если параметр может принимать в общей сложности различных значений, каждое из которых имеет соответствующую вероятность появления , , то тогда мерой его неопределенности будет энтропия
. (2.9)
В связи с тем, что для всех справедливо неравенство всегда является неотрицательной величиной. В особом случае, когда одно из значений имеет вероятность появления величина , так как из вытекает, что для всех то есть принимает только одно значение , и тем самым неопределенности не существует. С другой стороны, будет иметь максимальную величину, когда все значений параметра равновероятны: , где . В этом случае ни одно из возможных значений параметра не имеет приоритета по отношению к другим, и, таким образом, речь идет о полной неопределенности.
Рис. 2.2 отражает график изменения величины энтропии двух возможных значений независимого параметра в зависимости от вероятностей появления обоих этих значений. Непосредственный перенос формулы (2.9) на случай бесконечно большого числа возможных значений параметра невозможен, так как при этом величина стремится к бесконечности, поскольку неопределенность в этом случае и в самом деле неограниченно возрастает.
Рис. 2.2. Энтропия двух состояний одного параметра
Это же явление наблюдается при дискретизации какой-либо непрерывной функции плотности распределения вероятностей, когда непрерывное распределение приближенно заменяется дискретным, а для последнего по формуле (2.9) вычисляется энтропия, которая затем, путем последовательного измельчения интервалов дискретности, постоянно уточняется. При использовании непрерывного закона распределения с бесконечной областью значений случайной величины, например, нормального распределения в области или распределения по экспоненциальному закону в области , перед дискретизацией данная область ограничивается путем отсечения на ее краях бесконечных интервалов значений с очень малыми вероятностями реализации.
Таким образом, даже и в таких случаях можно иметь дело с конечной областью значений случайной величины.
Если, например, для параметра с конечной областью изменения значений эта область разбивается на интервалов длиною и каждому -му интервалу, в соответствии с изменением на нем плотности вероятностей приписывается своя вероятность реализации значений параметра, так что , то справедливо выражение
. (2.10)
Согласно (2.9) после такой дискретизации можно определить, соответствующую величину энтропии:
.
На рис. 2.3 показаны графики изменения энтропии нормально распределенного дискретизированного параметра в зависимости от величины интервала дискретизации при различных значениях среднеквадратического отклонения . Выбор ширины интервала связан с требованиями к процедуре дискретизации непрерывно распределенного независимого параметра и будет обсужден в гл. 5.
Рис. 2.3. Зависимость энтропии нормально распределенного параметра от величины интервала и среднеквадратического отклонения
Для приближенного вычисления энтропии непрерывно распределенного параметра по заданной функции плотности вероятностей определим сначала, используя значения параметра на каждом соответствующем -м интервале, вероятность реализации каждого из этих значений:
, . (2.11)
Тогда, подставляя это выражение в формулу (2.9), получим
,
а с учетом того, что , выражение для энтропии примет вид
. (2.12)
При , что, согласно (2.10), равнозначно , первый член предыдущего выражения стремится к интегралу
.
Полагая, наконец,
, (2.13)
получим
, при .
Таким образом, для достаточно малых значений функцию можно считать аппроксимацией выражения для и тем самым рассматривать ее в качестве выражения для энтропии дискретизированного распределения с непрерывной функцией плотности вероятностей .
Первый член правой части выражения (2.13) отражает влияние на величину энтропии со стороны вероятностного распределения, заданного функцией его плотности мы будем называть его главной составляющей энтропии;
в инженерной практике, и прежде всего в электротехнике, ее часто называют дифференциальной энтропией. Второй член – , не зависящий от типа вероятностного распределения, обусловливает неограниченное возрастание энтропии при неограниченном измельчении интервала дискретности.
В табл. 2.2 приведены приближенные выражения для некоторых часто используемых функций распределения, а также ошибки приближения в зависимости от числа интервалов.
Если имеющаяся информация о рассматриваемом вероятностном распределении недостаточна для его оценки, то, следуя принципу гарантированности результата, содержащемуся в минимаксном критерии, с учетом, установленных на основе этой информации дополнительных условий , можно определить максимально возможное значение энтропии. Таким образом, при непрерывном законе распределения из системы
(2.14)
и
определяется вид закона распределения и соответствующая ему главная составляющая энтропии.
В табл. 2.3 для трех случаев, для которых в качестве дополнительных условий заданы области распределения параметров (а в третьем случае также среднее значение и среднеквадратическое отклонение), представлены соответствующие этим законам распределения выражения для главной составляющей максимальной энтропии.
Энтропию параметров в технических задачах, а также значимость этих параметров можно определять описанным методом в случаях, когда параметры представлены только в виде дискретного либо только непрерывного распределения. Так как в общем случае величина интервалов дискретизации задается произвольно (как правило, исходя из ограничений на вычислительные затраты), величины энтропии, рассчитанные таким методом, нельзя без дополнительных оценок считать равными энтропии, соответствующей непрерывному распределению. Если для какого-либо непрерывного распределения задано, по крайней мере, одно эквидистантное дискретное распределение, то величину интервала дискретности дискретного параметра можно принять за опорную при дальнейшем расчете энтропии других непрерывных параметров.
Если в условиях задачи даны различные дискретные параметры наряду с непрерывными, то общего подхода для всех конкретных случаев просто не существует. Если же удается перевести дискретное распределение в непрерывное, то в этом случае можно применить знакомый нам метод разбиения области распределения параметра на интервалов величиной .
По величине значимости определяется число интервалов дискретизации непрерывного параметра, что подробнее будет описано в разд. 5. Однако точность необходимых приближений не следует задавать слишком высокой, так как обычно число интервалов разбиения не оказывает сильного влияния на результат, а наша цель состоит в рассмотрении распределения одного значимого параметра из ограниченного вычислительными затратами числа оцениваемых параметров внешних условий среди неизвестных параметров.