- •О.А.Гармасар
- •Конспект лекций
- •Санкт-Петербург
- •Составитель
- •080504 – Государственное и муниципальное управление
- • СПбГиэу, 2011 содержание
- •Введение
- •Тема 1: Школы и подходы в науке об управлении
- •Тема 2: Научные основы процесса принятия рационального решения
- •Тема 3: Факторы влияния на процесс принятия управленческого решения
- •Тема 4: Постановка целей
- •Тема 5: Прогнозирование
- •Тема 6: Методы и инструменты разработки и принятия управленческих решений
- •2.Критерий максимакса.
- •3.Минимаксный критерий Сэвиджа.
- •4. Критерий пессимизма-оптимизма Гурвица.
- •Тема 7: Разработка и принятие управленческих решений в органах государственного и муниципального управления
- •Тестовые задания
- •Список литературы
- •Терминологический словарь
- •Минобрнауки россии
- •Управленческие решения
- •Санкт-Петербург
- •Содержание разделов и тем дисциплины
- •Тема 1. Школы и подходы в науке об управлении
- •Тема 2. Научные основы процесса принятия рационального решения
- •Тема 3. Факторы влияния на процесс принятия
- •Тема 4. Постановка целей
- •Тема 5. Прогнозирование
- •Тема 6. Методы и инструменты разработки и принятия управленческих решений
- •Тема 7. Разработка и принятие управленческих решений в органах государственного и муниципального управления
2.Критерий максимакса.
Эo= maxmax Qij
i j
Этот критерий предписывает выбор варианта, имеющего в каких-либо условиях самую высокую оценку. В каждой строке матрицы находят максимальное значение Qij, а затем выбирают вариант, которому соответствует наибольший из максимумов. Это самый оптимистический критерий.
3.Минимаксный критерий Сэвиджа.
При использовании этого критерия элементом матрицы является не оценка результата действий Qij, а показатель сожаления ПСij:
ПСij = Qij max Qij
В качестве оптимальной выбирается такая ситуация, при которой величина риска принимает наименьшее значение в самой неблагополучной ситуации:
Q = min max (Qij max Qij)
i j
Правило выбора следующее: каждый элемент матрицы решений Qij вычитается из наибольшего результата Qij max соответствующего столбца. Разности образуют матрицу остатков. Эта матрица пополняется столбцом наибольших разностей. Выбирается тот вариант, в строке которого стоит наименьшее значение.
4. Критерий пессимизма-оптимизма Гурвица.
G = max[h minQij + (1 h )maxQij]
i j j
где h коэффициент пессимизма, выбираемый экспериментально из интервала между 0 и 1. Чем выше стремление к избеганию риска у лица, принимающего решение, тем ближе к 1 значение коэффициента пессимизма. Матрица решений [Qij] дополняется столбцом, содержащим средние взвешенные наименьшего и наибольшего результатов для каждой строки. Выбирается тот вариант, в строках которого стоят наибольшие элементы Wij этого столбца.
Правило Гурвица применяют, учитывая более существенную информацию, чем при использовании правил максимин и максимакс.
5. Критерий Байеса-Лапласа (критерий рациональности).
n
W = max Qij pi
i j=1
Соответствующее правило выбора можно интерпретировать следующим образом: матрица решений [Qij] дополняется еще одним столбцом, содержащим математическое ожидание значений каждой из строк. Выбирается тот вариант, в строках которого стоит наибольшее значение этого столбца.
Таким образом, при принятии управленческого решения в общем случае необходимо:
спрогнозировать будущие условия, например, уровни спроса;
разработать список возможных альтернатив
оценить результативность каждой альтернативы для каждого условия;
оценить альтернативы по выбранным критериям решения.
Контрольные вопросы по теме:
1. Что понимается под объективной и субъективной оценкой риска?
2. Каковы особенности принятия управленческих решений в условиях риска?
3. Каков алгоритм использования метода построения дерева решений для оценки альтернатив управленческого решения?
4. Что такое критерий EMV?
5. В каких целях используется EVPI?
6. Какие экспертные методы могут применяться для разработки управленческого решения? Опишите условия и возможности применения.
7. Каковы особенности принятия решений в условиях неопределенности?
8. Охарактеризуйте критерии выбора оптимального управленческого решения в условиях неопределенности.