- •1. Случайная величина (св), классификация св: непрерывная и дискретная св. Экономические примеры.
- •2. Полное описание св: закон распределения, функция распределения и плотность распределения св.
- •3. Основные свойства функции распределения и плотности распределения св.
- •4. Числовые характеристики св: математическое ожидание, дисперсия, асимметрия и эксцесс.
- •5. Основные свойства математического ожидания и дисперсии.
- •6. Основные распределения св (краткий обзор).
- •7. Биноминальное распределение св. Числовые характеристики биноминального распределения. Функция распределения биноминального распределения.
- •8. Пуассоновское распределение: функция распределения Пуассоновского распределения. Числовые характеристики Пуассоновского распределения: математическое ожидание и дисперсия.
- •9. Равномерное распределение св на отрезке [a, b]. Функция распределения равномерного распределения. Числовые характеристики равномерного распределения: математическое ожидание и дисперсия.
- •10. Показательное распределение св. Функция распределения показательного распределения. Числовые характеристики показательного распределения: математическое ожидание и дисперсия.
- •11. Нормальное распределение св. Функция распределения нормального распределения. Числовые характеристики нормального распределения: математическое ожидание и дисперсия.
- •12. Предельные теоремы теории вероятностей. Неравенство Чебышева. Теорема Чебышева.
- •13. Теорема я. Бернулли. Центральная предельная теорема а.М.Ляпунова (формулировка).
- •14. Основные категории и задачи математической статистики.
- •15. Вариационные ряды: дискретные и интервальные. Аналитическое и геометрическое описание вр.
- •16. Оценивание параметров распределения случайных величин. Требования, предъявляемые к оценкам.
- •17. Точечные и интервальные оценки параметров распределения случайных величин.
- •18. Метод максимального правдоподобия (Фишере) точечного оценивания параметров распределения случайных величин. Примеры.
- •19. Метод моментов (Пирсона) точечного оценивания параметров распределения случайных величин. Примеры.
- •24. Критерии Фишера и Стьюдента проверки статистических гипотез. Примеры.
- •25. Функции предложения и функции спроса, равновесная цена и равновесный объём. Примеры.
- •Законы спроса и предложения
- •Равновесный объем
- •29. Общая постановка задачи линейного программирования (злп). Графическое решение двумерных злп.
- •30. Многомерные задачи злп. Понятие о симплекс- методе.
- •31. Специальные злп. Транспортная задача.
- •32. Основные понятия и определения математической теории игр. Антагонистическая игра (игра с нулевой суммой).
- •33. Минимаксная стратегия игры. Верхняя и нижняя цена игры. Определение оптимальных стратегий.
- •34. Теорема фон-Неймана о существовании оптимального решения конечной матричной игры.
- •35. Теорема фон-Неймана об активных стратегиях. Методы упрощения платежной матрицы.
- •36. Решение игр в чистых стратегиях и седловые точки матрицы игры.
- •37. Аналитическое решение игры (2 × 2), графическое решение игр вида (2 X n) и (n X 2).
- •38. Приведение матричной игры к злп.
- •39. Игры с природой. Постановка задачи. Математическая модель.
- •3. Коэффициент напряженности работ
36. Решение игр в чистых стратегиях и седловые точки матрицы игры.
В силу того, что игра антагонистическая, всегда V* ≤ V*. Если V* = V* = V, то просто говорят о цене игры, такая игра называется вполне определённой, игрой с седловой точкой, поскольку значение элемента платёжной матрицы, равное V = V* = V* является минимальным в своей строке и максимальным в своём столбце. Соответствующие этой цене игры стратегии называются оптимальными, поскольку второй игрок не может понизить нижнюю цену игры, а первый игрок не может повысить верхнюю цены игры.
Платёжная матрица игры:
А =
.
Определим, существует ли седловая точка. Для этого находим минимум в каждой строке матрицы. Минимальным числом в первой строке будет 3, во второй -- 4 и в третьей -- 2. Из полученных минимумов находим максимум:
V*
Находим максимум в каждом столбце. Это числа 6, 7, 4 соответственно. Из полученных максимумов находим минимум:
V*
Следовательно, исходя из данного выше определения цены игры, в данном случае цена игры V = V* = V* = 4, седловая точка существует, и это есть элемент платёжной матрицы a23 = 4. Ей соответствуют единственная оптимальная стратегии – A2 первого игрока и единственная оптимальная стратегия – B3 второго игрока.
В общем случае в игре может быть несколько седловых точек и, следовательно, несколько оптимальных стратегий (решений) игровой задачи.
Пример 5.
Задана платёжная матрица игры A, необходимо найти решение игры.
A
=
В данной игре
V*
= max
min
=
3
i j
V* = min max j = 4
j i
Поскольку V* < V* – выполняется соотношение строгого неравенства, следовательно, седловая точка в игре отсутствует, ситуации равновесия не существует. Очевидно, что для данной игры рассмотренный выше подход к нахождению оптимального решения неприменим, а максиминная и минимаксная стратегия игроков не являются решением игры.
Приведённые выше примеры иллюстрируют тот факт, что антагонистические игры делятся на два класса:
вполне определённые игры, т.е. те, в которых существует седловая точка, ситуация равновесия и решение игры в чистых стратегиях;
не вполне определенные игры, т.е. те, в которых не существует седловой точки, ситуации равновесия и решения игры в чистых стратегиях. Для не вполне определённых игр принцип решения в той форме, для которой он изложен для вполне определённых игр, неприменим.
Смешанные стратегии
В общем случае V* ≠ V* – седловой точки не существует. Оптимальное решение в чистых стратегиях также не существует. Однако, если расширить понятие чистой стратегии введением понятия смешанной стратегии, то удаётся реализовать алгоритм нахождения оптимального решения не вполне определённой игровой задачи, аналогичный рассмотренному выше. В такой ситуации предлагается использование статистического (вероятностного) подхода к нахождению оптимального решения антагонистической игры. Для каждого игрока, наряду с данным набором возможных для него стратегий, вводится неизвестный вектор вероятностей (относительных частот), с которыми следует применять ту или иную стратегию.
Обозначим вектор вероятностей (относительных частот) выбора заданных стратегий игрока A следующим образом: P = (p1, p2,…, pm),
где pi ≥ 0, p1 + p2 +…+ pm = 1. Величина pi называется вероятностью (относительной частотой) применения стратегии Ai .
Аналогично для игрока B вводится неизвестный вектор вероятностей (относительных частот) имеет вид: Q = (q1, q2,…, qn),
где qj ≥ 0, q1 + q2 +…+ qn = 1. Величина qj называется вероятностью (относительной частотой) применения стратегии Bj . Совокупность (комбинация) чистых стратегий A1, A2, …Am и B1, B2, …Bn в сочетании с векторами вероятностей выбора каждой из них называются смешанными стратегиями.
Общий алгоритм нахождения решения конечной антагонистической игры произвольной размерности m×n.
На основании анализа платёжной матрицы следует определить, существуют ли в ней доминируемые стратегии, и исключить их.
Найти верхнюю и нижнюю цены игры и определить, имеет ли данная игра седловую точку (нижняя цена игры должна быть равна верхней цене игры).
Если седловая точка существует, то оптимальными стратегиями игроков, являющимися решением игры, будут их чистые стратегии, соответствующие седловой точке. Цена игры равна верхней и нижней цены игры, которые равны между собой.
Если игра не имеет седловой точки, то решение игры следует искать в смешанных стратегиях. Для определения оптимальных смешанных стратегий в играх m × n следует использовать симплекс-метод, предварительно переформулировав игровую задачу в задачу линейного программирования.
