- •1. Процесс принятия решений. Три условия принятия решений.
- •2. Принятие решений в условиях определенности. Структура с одним иерархическим уровнем.
- •3. Принятие решений в условиях определенности. Структура с двумя иерархическими уровнями.
- •4. Принятие решений в условиях определенности. Понятие веса и комбинированного веса.
- •5. Принятие решений в условиях определенности. Понятие матрицы парных сравнений.
- •6. Принятие решений в условиях определенности. Понятие нормализованной матрицы.
- •7. Принятие решений в условиях определенности. Пример согласованной матрицы.
- •8. Принятие решений в условиях определенности. Условие согласованности.
- •9. Принятие решений в условиях определенности. Коэффициент согласованности.
- •10. Принятие решений в условиях риска. Сравнение альтернативных решений.
- •11. Принятие решений в условиях риска. Понятие дерева решений.
- •12. Принятие решений в условиях риска. Связь между «состоянием природы» и ожидаемым платежом.
- •13. Принятие решений в условиях риска. Альтернатива на примере ремонта автомобилей.
- •14. Принятие решений в условиях риска. Критерий выбора периодичности ремонта автомобилей.
- •15. Принятие решений в условиях риска. Зависимость вероятности поломки автомобиля от срока эксплуатации.
- •16. Принятие решений в условиях риска. Априорные вероятности.
- •17. Принятие решений в условиях риска. Апостериорные вероятности.
- •18. Принятие решений в условиях риска. Вероятностные соотношения, отражающие мнение специалиста при принятии решения на основе эксперимента над исследуемой системой.
- •19. Принятие решений в условиях риска. Дерево решений при использовании апостериорных вероятностей.
- •20. Принятие решений в условиях риска. Вероятность совместного появления событий m и .
- •21. Принятие решений в условиях риска. Абсолютная вероятность.
- •22. Принятие решений в условиях риска. Выражение для апостериорной вероятности.
- •23. Принятие решений в условиях риска. Понятие функции полезности.
- •24. Принятие решений в условиях риска. Графическое изображение функции полезности.
- •25. Принятие решений в условиях риска. Процедура построения функции полезности.
- •26. Принятие решений в условиях риска. Понятие критерия ожидаемого значения.
- •27. Принятие решений в условиях риска. Составляющие критерия ожидаемого значения – дисперсия.
- •28. Принятие решений в условиях риска. Понятие критерия предельного уровня.
- •29. Принятие решений в условиях риска. Использование критерия предельного уровня в сфере массового обслуживания.
- •30. Принятие решений в условиях риска. Критерий наиболее вероятного исхода.
- •31. Принятие решений в условиях неопределенности. Критерий Лапласа.
- •32. Принятие решений в условиях неопределенности. Минимаксный критерий.
- •33. Принятие решений в условиях неопределенности. Критерий Сэвиджа.
- •34. Принятие решений в условиях неопределенности. Критерий Гурвица.
- •35. Марковские процессы. Понятие матрицы переходных вероятностей и матрицы доходов.
- •36. Марковские процессы. Стационарная стратегия.
- •37. Марковские процессы. Основной смысл решений, принимаемых садовником.
- •38. Марковские процессы. Представление задачи садовника как задачи динамического программирования с конечным числом этапов (основные элементы).
- •39. Марковские процессы. Ожидаемый доход, обусловленный одним переходом.
- •40. Марковские процессы. Понятие обратной прогонки в задаче динамического программирования.
- •41. Марковские процессы. Рекуррентное уравнение динамического программирования при условии изменения переходных вероятностей и функции дохода во времени.
- •42. Марковские процессы. Коэффициент дисконтирования. Его учет в рекуррентном уравнении динамического программирования при конечном числе этапов.
- •43. Марковские процессы. Общая характеристика методов решения задачи с бесконечным числом этапов.
- •44. Марковские процессы. Алгоритм метода полного перебора. Общая характеристика.
- •45. Марковские процессы. Пример вычисления долгосрочных стационарных вероятностей в методе полного перебора в модели с бесконечным числом этапов.
- •46. Марковские процессы. Характеристика результирующей таблицы в методе полного перебора в методе с бесконечным числом этапов.
- •47. Марковские процессы. Недостаток метода полного перебора в модели с бесконечным числом этапов.
- •48. Марковские процессы. Модификация рекуррентного уравнения в методе итераций по стратегиям при бесконечном числе этапов.
- •49. Марковские процессы. Необходимость применения итеративной процедуры в методе итераций по стратегиям при бесконечном числе этапов.
- •50. Марковские процессы. Алгоритм метода итераций по стратегиям при бесконечном числе этапов. Общая характеристика.
- •1.Шаг оценивания параметров:
- •2.Шаг улучшения стратегии:
- •51. Марковские процессы. Критерий выбора оптимального решения в методе итераций по стратегиям при бесконечном числе этапов.
- •52. Марковские процессы. Пример шага оценивания параметров в методе итераций по стратегиям при бесконечном числе этапов.
- •53. Марковские процессы. Пример шага улучшения стратегии в методе итераций по стратегиям при бесконечном числе этапов.
- •58. Марковские процессы. Выражение (основа) для формулировки марковской задачи в виде задачи линейного программирования.
- •59. Марковские процессы. Формулировка Марковской задачи в виде задачи линейного программирования. Постановка задачи.
- •60. Марковские процессы. Пример формулировки задачи садовника без дисконтирования при бесконечном числе этапов в виде задачи линейного программирования.
- •61. Вероятное динамическое программирование. Рекуррентное уравнение об инвестировании.
- •62. Вероятное динамическое программирование. Модель дп для задачи инвестирования.
- •63. Вероятное динамическое программирование. Уравнение состояния для задачи инвестирования.
- •64. Вероятное динамическое программирование. Этап расчета в задаче инвестирования.
- •65. Вероятное динамическое программирование. Понятие максимизация вероятности достижениями.
- •66. Вероятное динамическое программирование. Полная вероятность и функция состояния в задаче максимизации вероятности достижения цели.
- •67. Вероятное динамическое программирование. Пример этапа расчета в задаче максимизация вероятности достижения цели.
- •68. Вероятное динамическое программирование. Модель дп в задаче азартная игра.
- •69. Вероятное динамическое программирование. Функция состояния в задаче азартная игра.
- •70. Вероятное динамическое программирование. Пример этапа в задаче азартная игра.
- •71. Вероятностное динамическое программирование. Оптимальная последовательность действий в задаче азартная игра.
- •72. Методы прогнозирования. Прогнозирование с использованием скользящего среднего. Основные понятия.
- •73. Методы прогнозирования. Выбор количества элементов массива для расчета в методе скользящего среднего.
- •74. Методы прогнозирования. Понятие экспоненциального сглаживания.
- •75. Методы прогнозирования. Рекуррентная формула в методе экспоненциального сглаживания.
- •76. Понятие регрессионного анализа.
- •77. Метод наименьших квадратов.
- •78. Понятие доверительный интервал для среднего значения оценки.
- •79. Понятие интервала предсказаний
- •80. Понятие коэффициента корреляции
- •81. Понятие тренда во временном ряду.
- •82. Модель аддитивных компонентов.
- •83. Модель мультипликативных компонентов.
30. Принятие решений в условиях риска. Критерий наиболее вероятного исхода.
Этот критерий основан на преобразовании случайной ситуации в детерминированную путем замены случайной величины единственным значением, имеющим наибольшую вероятность реализации.
Предположим, что доход от изделия j равен cj и pj – дискретная плотность распределения сj. Пусть cj* выбрано так, что pj(cj*) = max pj(cj) для всех cj. Тогда cj* можно рассматривать как детерминированное значение дохода от изделия j.
Этот критерий можно считать упрощением более сложного правила принятия решения в условиях риска. Такое упрощение проводится исходя из того, что с практической точки зрения знание наиболее вероятного исхода обеспечивает необходимую информацию для принятия решения. Например, всегда существует положительная (хотя и очень малая) вероятность того, что самолет может потерпеть аварию, но несмотря на это, большинство пассажиров предполагают, что полет пройдет успешно.
31. Принятие решений в условиях неопределенности. Критерий Лапласа.
Критерий Лапласа опирается на принцип недостаточного обоснования(впервые сформулировал Я. Бернулли), который гласит, что поскольку распределение вероятностей состояния неизвестно, нет причин считать их различными. Следовательно, используется оптимистическое предположение, что вероятности всех состояний природы равны между собой, то есть . Если при этом представляет получаемую прибыль, то наилучшим решением является то, которое обеспечивает . Если величина представляет собой расходы лица, принимающего решение, то оператор “max” заменяется на ”min”.
Пример:
Для матрицы доходов оптимальной стратегией поведения , а для матрицы расходов -
32. Принятие решений в условиях неопределенности. Минимаксный критерий.
Минимаксный (максиминный) критерий основан на консервативном осторожном поведении лица, принимающего решение, и сводится к выбору наилучшей альтернативы из наихудших. Если величина представляет потери, используется минимаксный критерий, который определяется следующим соотношением: . Если величина представляет получаемую прибыль, то в соответствии с максиминным критерием в качестве оптимального выбирается решение, обеспечивающее .
Пример:
Если это матрица доходов, то в соответствии с максиминным критерием в качестве оптимального решения выбирается альтернатива . Если это матрица расходов, то в соответствии с минимаксным критерием в качестве оптимального решения выбирается альтернатива
33. Принятие решений в условиях неопределенности. Критерий Сэвиджа.
Критерий Сэвиджа стремится смягчить консерватизм минимаксного(максиминного) критерия путем замены матрицы платежей (выигрышей или проигрышей) матрицей потерь , которая определяется следующим образом:
Чтобы показать, как критерий Сэвиджа “смягчает” минимаксный(максиминный) критерий, рассмотрим следующую матрицу платежей :
Применение минимаксного критерия приводит к тому, что решение с фиксированными потерями в 10000 долларов является предпочтительным. Однако можно выбрать , так как в этом случае имеется возможность потерять лишь 90 долларов, если реализуется состояние .
Посмотрим, какой результат получится, если в минимаксном критерии вместо матрицы платежей используем матрицу потерь
Как видим, минимаксный критерий, применяемый к матрице потерь, приводит к выбору решения в качестве предпочтительного.