Глава I определения системного анализа 7

1.1.Системность - общее свойство материи 7

1.2.Развитие системных представлений. Становление системного анализа 9

1.3.Определения системного анализа 10

1.4.Понятие сложной системы 11

1.5.Характеристика задач системного анализа 14

1.6.Особенности задач системного анализа 16

1.7.Развитие систем или процессов. Прогнозирование и планирование 19

1.8.Типовые постановки задач системного анализа 21

Глава 2 33

ХАРАКТЕРИСТИКА ЭТАПОВ СИСТЕМНОГО АНАЛИЗА 33

2.1.Процедуры системного анализа 33

2.2.Анализ структуры системы 34

2.3.Сбор данных о функционировании системы. Исследование информационных потоков 36

2.4.Построение моделей систем 39

2.5.Проверка адекватности моделей, анализ неопределенности и чувствительности 41

2.6.Исследование ресурсных возможностей 43

2.7.Определение целей системного анализа 44

2.8.Формирование критериев 46

2.9.Генерирование альтернатив 47

2.10.Реализация выбора и принятия решений 50

2.11.Внедрение результатов анализа 52

Глава 3 построение моделей систем 53

3.1.Понятие модели системы 53

3.2.Способы описания систем Модель черного ящика 54

3.3.Анализ и синтез - методы исследования систем 60

Глава 4 ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ - МЕТОД ПРОВЕДЕНИЯ СИСТЕМНЫХ ИССЛЕДОВАНИЙ 67

Глава 5 75

ТЕОРИЯ ПОДОБИЯ - МЕТОДОЛОГИЯ ОБОСНОВАНИЯ ПРИМЕНЕНИЯ МОДЕЛЕЙ 75

[р,:і=ша'[лр'[м]\ 80

[c]=[Mf[Lfm\ 80

7С, = : : 81

7С, = 81

р. 85

шр = J Ч(к^к 85

°р = J K2Zp(K)^K-Wp2, 85

ZprCO= JJ /, (*,)/2 (f2Vfc1A1 = 86

Глава 6 92

ЭКСПЕРИМЕНТ - СРЕДСТВО ПОСТРОЕНИЯ МОДЕЛИ 92

Глава 7 110

ПАРАМЕТРИЧЕСКИЕ МЕТОДЫ ОБРАБОТКИ ЭКСПЕРИМЕНТАЛЬНОЙ ИНФОРМАЦИИ 110

1Lt, 128

Ь, = (в, Ґ 138

мм>.го>=П[ j*-JШГ 152

^,B)= ртам, 170

J p*~m+I(l-p)mdp 175

J pk-m(l-p)mdp 175

т{т'у>’шга«~кг‘щцтг- 210

241

AJ 241

=0=8= - A 280

8^==8 •■• ^8 - *8= •■ 284

J p^k-^m(l-p)^mdp

Ph

Вычисление интегралов, входящих в (8.8) и (8.9), после подстанов­ки численных значений к и т не вызывает особых затруднений.

Излагаемые до настоящего момента байесовские процедуры каса­лись исследования методов совместного учета информации, получен­ной в результате текущих и априорных наблюдений. Попытаемся сфор­мулировать некоторые способы формирования соответствующих плот­ностей, входящих в формулу Байеса. Отметим, что более правильно для величин, входящих в формулу Байеса, применять термин «обобщенная вероятностная плотность». Это понятие включает в себя как понятие плотности распределения вероятностей, используемое в записи (8.4), так и понятие функции вероятностей, используемое при формулировке тео­ремы Байеса для дискретных случайных событий (8.3) [41]. Естествен­но, что наиболее общие и интересные задачи оценивания связаны с при­менением теоремы Байеса для непрерывных случайных величин.

,в кото­рой концентрируется текущая информация. Пусть на этапе текущих исследований зафиксирована выборка T₁, T₂,..., T_k, где Т. - независимые случайные величины. Каждая величина T_t распределена согласно не­которой плотности/(0, t). В этом случае совместная плотность рас­пределения величин {0; T₁, T₂,..., Т_к} будет выражаться следующим образом [39]:

/(0:71,...,7;)=П/(0,О.

M

Данное выражение называется функцией правдоподобия (см. гл.7).