9.Поняття невизначеності.

Першим специфічним поняттям теорії інформації є поняття невизначеності випадкового об'єкта, для якої вдалося ввести, кількісну міру, названу ентропією. Почнемо з найпростішого варіанту - зі випадкової події. Нехай, наприклад, деяке подія може відбутися з імовірністю 0,99 і не відбутися з імовірністю 0,01, а інша подія має ймовірності відповідно 0,5 і 0,5. Очевидно, що в першому випадку результатом досвіду майже напевно є настання події, у другому ж випадку невизначеність результату так велика, що від прогнозу розумніше утриматися. Для характеристики розмитості розподілів широко використовуються другий центральний момент (дисперсія) або довірчий інтервал. Однак ці величини мають сенс лише для випадкових числових величин і не можуть застосовуватися до випадкових об'єктів, стану яких розрізняються якісно, ​​хоча і в цьому випадку можна говорити про більшою чи меншою невизначеності результату досвіду. Отже, міра невизначеності, пов'язаної з розподілом, повинна бути деякою його числовою характеристикою, функціоналом від розподілу, ніяк не пов'язаним з тим, якою шкалою вимірюються реалізації випадкового об'єкта.

10.Зв'язок між формальною та змістовною моделями

Основою для декомпозиції може бути тільки конкретна, змістов­на модель розглянутої системи. Вибір моделі лише підказує, якого типу має бути модель-основа; формальну модель потрібно наповни­ти змістом, щоб вона стала основою для декомпозиції. Це дає змогу трохи прояснити питання про повноту аналізу, що завжди виникає в явному чи неявному вигляді.Повнота декомпозиції випливає з повноти моделі-основи, а це означає, що насамперед варто подбати про повноту формальної мо­делі. Завдяки формальності, абстрактності такої моделі часто можна домогтися її абсолютної повноти.Отже, повнота формальної моделі має бути предметом особливої уваги. Тому одна з важливих задач інформаційного забезпечення системного аналізу полягає в нагромадженні наборів повних фор­мальних моделей (у штучному інтелекті такі моделі називаються фреймами).

11.Критерій для оптимізації рішень в умовах ризику та невизначеності.

Операції, що проводяться в умовах ризику та невизначеності, прийнято називати іграми з природою. Для цих операцій характерна наявність неповноти інформації відносно зовнішнього середовища Типова гра з природою полягає у виборі opt. Стратегії opt, якщо мається m конкуруючих стратегій X _J і n станів природи S _I , причому відома матриця виграшів A _JI .

У деяких випадках замість матриці виграшів оперує матрицею ризиків, яка містить безліч ризиків. Z _JI  = Max _JI (A _J ) - A _JI Для оптимізації рішень в умови ризику застосовуються критерії Критерій max середнього виграшу: K ₁  = max (A _J ) = max (Σa _JI ⋅ P _I )Критерій мінімуму:K ₁  = min (Z _J ) = min (Σz _JI ⋅ P _I ) Стратегія, яка максимізує середній виграш, збігається зі стратегією, що мінімізує середній ризик. Тобто на практиці можна використовувати будь-яку з матриць: або матрицю виграшів, або матрицю ризиків.  Для оптимізації рішень в умовах невизначеності служать наступні критерії: 1.Критерій Лапласса: До _Л  = max ((1 / n) ⋅ Σa _JI  2.Максимін критерій Вальда: До _У  = max (X _J ) ⋅ Min _S I (A _JI ), який орієнтується на гірший стан зовнішнього середовища і вибирає стратегію з максимальним виграшем (критерій крайнього песимізму) 3.Міні-максний критерій Севіджа: До _З  = min (X _J ) ⋅ max (S _I ⋅ Z _JI ), який орієнтується на саму несприятливу обстановку і вибирає стратегію з мінімальним ризиком (критерій крайнього піссімізма). 3.Критерій Гурвіца: До _Г  = max (X _J ) ⋅ [α ⋅ min (S _I ⋅ A _JI ) + (1-α) ⋅ max (S _I ⋅ A _JI )] критерій Гурвіца має характерні окремі випадки