- •Содержание
- •Концепция риска в задачах системного анализа
- •Примеры формирования риска в задачах системных исследований
- •Принятие решений в условиях стохастической неопределенности
- •Функции полезности
- •Определение функции потерь
- •Задачи решения с наблюдениями
- •Цена наблюдения
- •Выбор при нечеткой исходной информации Идея нечеткого представления информации
- •Терминология теории нечетких множеств
- •Задачи достижения нечетко определенной цели
- •Проблема оптимизации и экспертные методы принятия решений
- •Коллективный или групповой выбор
- •Используемая литература
Функции полезности
Таким образом, величина дохода, получаемого от реализации того или иного варианта решения, является случайной величиной, зависящей от различных факторов. В случае благоприятного стечения факторов можно получить максимальный доход от выбора определенной альтернативы. В случае неблагоприятного стечения факторов получают минимальный доход. Естественно, что будет некоторое количество промежуточных доходов, зависящих от вероятности реализации того или иного набора факторов.
Поскольку доходы могут иметь различное выражение (денежное выражение дохода, быстродействие системы, объем памяти и т.п.) необходимо обеспечить возможность их сравнения. Как было указано ранее нужно иметь систему предпочтений, систему весовых коэффициентов, с помощью которых можно было бы производить сравнение вариантов реализации различных альтернатив, когда они описываются векторными системами доходов. В качестве такой системы предпочтений выступает функция полезности. Для всякого распределения Рвсякой вещественной функции q на множестве R обозначим через Е(q/P) математическое ожидание функции q (если оно существует) относительно распределения Р. Другими словами
E(g/p) =
Вещественная функция g, заданная на множестве R, называется функцией полезности, а для любого дохода r R число g(r) называется полезностью r. Для всякого распределения Р число E(g/P) называют полезностью Р или средней полезностью.
Определение функции потерь
Рассмотрим теперь пространство X всех возможных решений x, а R пространство всех возможных доходов r, которые может получить исследователь в результате решения х и исхода у. Доход из R , получаемый исследователем при решении х и исходе у обозначим через σ(х,у). Будем считать заданным вероятностное распределение Р на пространстве исходов Y, причем значение Р(у) определено для каждого исхода у. Предположим также, что на множестве R задана функция полезности.
Для всякого вероятностного распределения Р, для которого функция g интегрируема, среднюю полезность E(g/Px) можно вычислить по формуле
E(g/Px) =
Тогда задача исследователя будет состоять в выборе решения х, максимизирующего E(g/Px).
В задачах принятия решения каждому доходу rR принято сопоставлять не полезность, а потери. Функция потерь определяется равенством
L(х, у) =-g(σ(x, у)).
При любом (х,у) число L(x,y) представляет собой ущерб исследователя от принятия решения x, в случае, когда реализовался исход y. Пусть Р - вероятностное распределение исхода у. При всяком решении х средний ущерб ρ(Р, х) называется риском и определяется по формуле
ρ(Р, х) =
В этом случае системный аналитик должен стремиться к выбору решения х, минимизирующего риск р(Р, х). Таким образом, сформировано правило выбора решения в случае, когда на пространстве исходов задано распределение вероятностей.
Задачи решения с наблюдениями
Рассмотрим задачи решения, в которых исследователь перед тем выбрать решение из множества X, наблюдает значение случайной величины или случайного вектора z, связанного с исходом у. Наблюдете z дает исследователю некоторую информацию о значении у, которая помогает ему принять рациональное решение. Будем полагать, что для всех у Y задано условное распределение z.
Поскольку решение исследователя зависит от наблюдаемого значения z, он должен выбрать решающую функцию δ, задающую для любого возможного значения z Z решение δ(z) X. В этом случае функция риска будет определяться равенством
Термин «риск» здесь как и ранее относится к среднему ущербу. Для каждого решения х X ρ(у, δ) обозначает риск от принятия решения х. Распределение h(y) называется априорным, так как оно задает распределение у до проведения наблюдения над z.