
- •Характеристики проекта и его жизненный цикл.
- •Организационные структуры управления проектом: проектно-целевые и матричные (слабые, сбалансированные, сильные) структуры.
- •Факторы, определяющие выбор организационной структуры управления проектом.
- •Управление командой проекта, этапы формирования эффективной команды.
- •5. Управление портфелем проектов, финансовые и нефинансовые критерии их отбора, оценочная матрица проектов.
- •6. Этапы планирования проекта, структура декомпозиции работ, формирование матрицы ответственности.
- •7. Использование методов календарного и сетевого планирования в управлении проектами.
- •8. Методы количественного анализа рисков проекта
- •9. Принятие решений по управлению проектами в условиях риска и неопределенности на основе использования критериев Вальда, Севиджа, Гурвица, Байеса-Лапласа.
- •Критерий пессимизма-оптимизма Гурвица.
- •1.1.Критерий Сэвиджа (критерий минимакса риска).
- •1.2.Критерий Лапласа.
- •1.3.Критерий Байеса-Лапласа.
- •10. Методы минимизации проектных рисков: резервирование средств, страхование и распределение рисков.
1.3.Критерий Байеса-Лапласа.
Этот критерий отступает от условий полной неопределенности - он предполагает, что возможным состояниям природы можно приписать определенную вероятность их наступления и, определив математическое ожидание выигрыша для каждого решения, выбрать то, которое обеспечивает наибольшее значение выигрыша:
ZBL=
.
Этот метод предполагает возможность использования какой-либо предварительной информации о состояниях природы. При этом предполагается как повторяемость состояний природы, так и повторяемость решений, и, прежде всего, наличие достаточно достоверных данных о прошлых состояниях природы. То есть, основываясь на предыдущих наблюдениях прогнозировать будущее состояние природы (статистический принцип).
Возвращаясь к нашей таблице 1 предположим, что q1=0.4, q2=0.2 и q3=0.4. Тогда согласно критерию Байеса-Лапласа таблицу 1 дополняем столбцом математических ожиданий и среди этих значений выбираем максимальное. Получим таблицу 13.
Таблица 13.
B X |
В1 |
В2 |
В3 |
аir |
|
X1 |
1 |
10 |
1 |
2.8 |
2.8 |
X2 |
1.1 |
1.1 |
1.2 |
1.14 |
|
Оптимальным является решение X1.
Критерий Байеса-Лапласа предъявляет к ситуации, в которой принимается решение, следующие требования:
вероятности появления состояний Вj известны и не зависят от времени;
решение реализуется (теоретически) бесконечно много раз;
для малого числа реализаций решения допускается некоторый риск.
При достаточно большом количестве реализаций среднее значение постепенно стабилизируется. Поэтому при полной (бесконечной) реализации какой-либо риск исключён.
Исходная позиция применяющего – критерий оптимистичнее, чем в случае критерия Вальда, однако она предполагает более высокий уровень информированности и достаточно длинные реализации.
Перечисленные критерии не исчерпывают всего многообразия критериев выбора решения в условиях неопределенности, в частности, критериев выбора наилучших смешанных стратегий, однако и этого достаточно, чтобы проблема выбора решения стала неоднозначной:
Таблица 14. Оптимальные варианты, полученные с помощью различных критериев
Решение |
Критерии |
|||||
Стратегии |
Вальда |
maxmax |
Гурвица, g=0.6 |
Сэвиджа |
Лапласа |
Байеса-Лапласа q1=0.4, q2=0.2, q3=0.4 |
X1 |
|
* |
* |
* |
* |
* |
X2 |
* |
|
|
|
|
|
Из таблицы 14 видно, что от выбранного критерия (а, в конечном счете - от допущений) зависит и выбор оптимального решения.
Выбор критерия (как и выбор принципа оптимальности) является наиболее трудной и ответственной задачей в теории принятия решений. Однако конкретная ситуация никогда не бывает настолько неопределенной, чтобы нельзя было получить хотя бы частичной информации относительно вероятностного распределения состояний природы. В этом случае, оценив распределение вероятностей состояний природы, применяют метод Байеса-Лапласа, либо проводят эксперимент, позволяющий уточнить поведение природы.
Поскольку различные критерии связаны с различными условиями, в которых принимается решение, лучшее всего для сравнительной оценки рекомендации тех или иных критериев получить дополнительную информацию о самой ситуации. В частности, если принимаемое решение относится к сотням машин с одинаковыми параметрами, то рекомендуется применять критерий Байеса-Лапласа. Если же число машин не велико, лучше пользоваться критериями минимакса или Сэвиджа.