- •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.
- •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.
- •1. Понятие эс
- •2. Назначение и области применения экспертных систем
- •3 . Структура экспертной системы
- •4. Основные классы и виды экспертных систем
- •5. Продукционные экспертные системы. Основные компоненты продукционной экспертной системы
- •6. Продукционные экспертные системы. Прямая и обратная цепочки вывода
- •7. Продукционные экспертные системы. Простая диагностирующая экспертная система
- •8. Продукционные экспертные системы. Формальное представление продукционной экспертной системы
- •9. Нейлоровские диагностирующие системы. Общие понятия
- •10. Нейлоровские диагностирующие системы. Байесовский подход
- •11. Нейлоровские диагностирующие системы. Элементы механизма логического вывода
- •12. Нейлоровские диагностирующие системы. Цены свидетельств — косвенная цепочка рассуждений
- •13. Нейлоровские диагностирующие системы. Правила остановки
- •14. Нейлоровские диагностирующие системы. Структура базы знаний
- •15. Нейлоровские диагностирующие системы. Алгоритм логического вывода
23. Принятие решений в условиях риска. Понятие функции полезности.
Имеются многочисленные случаи, когда оправдано использование при расчетах не просто суммы денег, а их полезность.
Так, например, с вероятностью 0,5 при инвестировании 20 руб. можно получить доход в 40 руб. И с такой же вероятностью можно эти деньги потерять (доход -20руб.). Ожидаемая прибыль: 40*0,5+(-20)*0,5=10 руб.
Хотя в этом случае ожидается прибыль, но разные люди могут по-разному интерпретировать этот результат.
Инвестор, идущий на риск, может сделать инвестирование, чтобы получить доход в 40 руб. (с вероятностью 0,5).
Инвестор, не любящий рисковать, не выразит желание рисковать с потерей 20 руб.
Таким образом, инвесторы проявляют различное отношение к риску.
Определение полезности является субъективным. Оно зависит от нашего отношения к риску. В то же время, можно сделать числовую оценку отношения к риску и построить функцию полезности.
24. Принятие решений в условиях риска. Графическое изображение функции полезности.
Рассмотрим пример:
С
Можно сделать числовую оценку отношения к риску и построить функцию полезности.
В рассматриваемом примере наилучший платеж – 40 руб., а наихудший – -20руб. Логическая связь между 40руб. и -20руб. выглядит следующим образом:
40руб. 100%
-20 руб. 0 %
Кривая X относится к лицу, которое больше заботится о потере, не расположено к риску. При изменении дохода от точки 0 приращение функции полезности при убытках (-10) больше, чем при доходе (+10).
Кривая Z - любит рисковать, больше думает о прибыли. При изменении дохода от точки 0 приращение функции полезности при убытках (-10) меньше, чем при доходе (+10).
25. Принятие решений в условиях риска. Процедура построения функции полезности.
Рассмотрим пример:
С вероятностью 0,5 при инвестировании 20 руб. можно получить доход в 40 руб. И с такой же вероятностью можно эти деньги потерять (доход -20руб.). Ожидаемая прибыль: 40*0,5+(-20)*0,5=10 руб.
Кривые полезности определяются с помощью количественного показателя, характеризующего отношение лица к риску для различных значений уровня реальных денег в пределах установленного интервала.
В нашем примере интервалом является . Необходимо определить промежуточные значения функции полезности в точках между -20 и +40. Соответствующая полезность изменяется в интервале
Процедура построения функции полезности начинается с того, что организовывается лотерея для определения суммы реальных денег x,для которой ожидаемое значение полезности будет вычислено по этой формуле:
,
где p – вероятность проигрыша.
Для определения значения U(x) лицо, принимающее решение должно ответить на вопрос о его предпочтении между гарантированной наличной суммой и возможностью сыграть в лотерею, в которой с вероятностью p реализуется проигрыш в сумме 20 руб., и с вероятностью 1-p – выигрыш 40 руб. При этом под предпочтением понимается выбор значения "нейтральной" вероятности p, при котором с точки зрения лица, принимающего решение, возможности сыграть в лотерею и получить гарантированную сумму x являются одинаково привлекательными.
Например, x=20. Лицо, принимающее решение, может заявить, что гарантированные 20 руб. и лотерея одинаково привлекательны при p=0,8. В этом случае полезность вычисляется по формуле:
.
Процедура продолжается до тех пор, пока не будет построено достаточное количество точек для определения формы функции полезности.
Затем можно определить искомую функцию полезности путем регрессионного анализа или просто линейной интерполяции между полученными точками.