Принятие решений в условиях риска.

Критерий ожидаемого значения.

Использование критерия ожидаемого значения обусловлено стремлением максимизировать ожидаемую прибыль (или минимизировать ожидаемые затраты). Использование ожидаемых величин предполагает возможность многократного решения одной и той же задачи, пока не будут получены достаточно точные расчетные формулы. Математически это выглядит так: пусть Х — случайная величина с математическим ожиданием MX и дисперсией DX. Если x₁, x₂,..., x_n — значения случайной величины (с.в.) X, то среднее арифметическое их (выборочное среднее) значений x^=(x₁+x₂+...+x_n)/n имеет дисперсию DX/n. Таким образом, когда n→∞ DX/n→∞ и X→MX.

Другими словами при достаточно большом объеме выборки разница между средним арифметическим и математическим ожиданием стремится к нулю (так называемая предельная теорема теории вероятности). Следовательно, использование критерия ожидаемое значение справедливо только в случае, когда одно и тоже решение приходится применять достаточно большое число раз. Верно и обратное: ориентация на ожидания будет приводить к неверным результатам, для решений, которые приходится принимать небольшое число раз.

Пример 1. Требуется принять решение о том, когда необходимо проводить профилактический ремонт ПЭВМ, чтобы минимизировать потери из-за неисправности. В случае если ремонт будет производится слишком часто, затраты на обслуживание будут большими при малых потерях из-за случайных поломок.

Так как невозможно предсказать заранее, когда возникнет неисправность, необходимо найти вероятность того, что ПЭВМ выйдет из строя в период времени t. В этом и состоит элемент»риска».

Математически это выглядит так: ПЭВМ ремонтируется индивидуально, если она остановилась из-за поломки. Через T интервалов времени выполняется профилактический ремонт всех n ПЭВМ. Необходимо определить оптимальное значение m, при котором минимизируются общие затраты на ремонт неисправных ПЭВМ и проведение профилактического ремонта в расчете на один интервал времени.

Пусть р_t — вероятность выхода из строя одной ПЭВМ в момент t, а n_t — случайная величина, равная числу всех вышедших из строя ПЭВМ в тот же момент. Пусть далее С₁ – затраты на ремонт неисправной ПЭВМ и С₂ — затраты на профилактический ремонт одной машины.

Применение критерия ожидаемого значения в данном случае оправдано, если ПЭВМ работают в течение большого периода времени. При этом ожидаемые затраты на один интервал составят

ОЗ = (C₁∑M(n_t)+C₁n)/T,

где M(n_t) — математическое ожидание числа вышедших из строя ПЭВМ в момент t. Так как n_t имеет биномиальное распределение с параметрами (n, p_t), то M(n_t) = np_t. Таким образом

ОЗ = n(C₁∑p_t+C₂)/T.

Необходимые условия оптимальности T^* имеют вид:

ОЗ (T^*-1) ≥ ОЗ (T^*),

ОЗ (T^*+1) ≥ ОЗ (T^*).

Следовательно, начиная с малого значения T, вычисляют ОЗ(

T), пока не будут удовлетворены необходимые условия оптимальности.

Пусть С₁ = 100; С₂ = 10; n = 50. Значенияp_t имеют вид:

T	рt	∑рt	ОЗ(Т)
	0.05		50(100⋅0+10)/1=500
	0.07	0.05
	0.10	0.12	366.7
	0.13
	0.18	0.35

T^*→3, ОЗ(Т^*)→366.7

Следовательно профилактический ремонт необходимо делать через T^*=3 интервала времени.

Критерий «ожидаемое значение — дисперсия».

Критерий ожидаемого значения можно модифицировать так, что его можно будет применить и для редко повторяющихся ситуаций.

Если х — с. в. с дисперсией DX, то среднее арифметическое x^ имеет дисперсию DX/n, где n — число слагаемых в x^. Следовательно, если DX уменьшается, и вероятность того, что x^ близко к MX, увеличивается. Следовательно, целесообразно ввести критерий, в котором максимизация ожидаемого значения прибыли сочетается с минимизацией ее дисперсии.

Пример 2. Применим критерий «ожидаемое значение — дисперсия» для примера 1. Для этого необходимо найти дисперсию затрат за один интервал времени, т.е. дисперсию

з_Т=(C₁∑n_t+C₂n)/T

Т.к. n_t, t = {1, T-1} — с.в., то з_Ттакже с.в. С.в. n_tимеет биномиальное распределение с M(n_t) = np_tи D(n_t) = np_t(1–p_t). Следовательно,

D(з_Т) = D((C₁∑n_t+C₂n)/T) = (C₁/T)² D(∑n_t) =

= (C₁/T)² ∑Dn_t = (C₁/T)² ∑np_t(1-p_t) = (C₁/T)² {∑p_t - ∑p_t²},

где С₂n = const.

Из примера 1 следует, что

М(з_Т) = М(з(Т)).

Следовательно искомым критерием будет минимум выражения

М(з(Т)) + к D(з_Т).

Замечание. Константу «к» можно рассматривать как уровень не склонности к риску, т.к. «к» определяет «степень возможности» дисперсии Д(з_Т) по отношению к математическому ожиданию. Например, если предприниматель, особенно остро реагирует на большие отрицательные отклонения прибыли вниз от М(з(Т)), то он может выбрать «к» много больше 1. Это придает больший вес дисперсии и приводит к решению, уменьшающему вероятность больших потерь прибыли.

При к=1 получаем задачу

M(з(T))+D(з(T)) = n { (C₁/T+C₁²/T²)∑p_t - C₁²/T²∑p_t² + C²/T }

По данным из примера 1 можно составить следующую таблицу

T	pt	pt^2	∑pt	∑pt^2	М(з(Т))+D(з(Т))
	0,05	0,0025			500.00
	0,07	0,0049	0,05	0,0025	6312,50
	0,10	0,0100	0,12	0,0074	6622,22
	0,13	0,0169	0,2	0,0174	6731,25
	0,18	0,0324	0,35	0,0343	6764,00

Из таблицы видно, что профилактический ремонт необходимо делать в течение каждого интервала Т^*=1.

Критерий предельного уровня

Критерий предельного уровня не дает оптимального решения, максимизирующего, например, прибыль или минимизирующего затраты. Скорее он соответствует определению приемлемого способа действий.

Пример 3. Предположим, что величина спроса x в единицу времени (интенсивность спроса) на некоторый товар задается непрерывной функцией распределения f(x). Если запасы в начальный момент невелики, в дальнейшем возможен дефицит товара. В противном случае к концу рассматриваемого периода запасы нереализованного товара могут оказаться очень большими. В обоих случаях возможны потери.

Т.к. определить потери от дефицита очень трудно, ЛПР может установить необходимый уровень запасов таким образом, чтобы величина ожидаемого дефицита не превышала A₁ единиц, а величина ожидаемых излишков не превышала A₂единиц. Иными словами, пусть I — искомый уровень запасов. Тогда

ожидаемый дефицит = ∫(x-I)f(x)dx ≤ A₁,

ожидаемые излишки = ∫(I-x)f(x)dx ≤ A₂.

При произвольном выборе A₁ и A₂ указанные условия могут оказаться противоречивыми. В этом случае необходимо ослабить одно из ограничений, чтобы обеспечить допустимость.

Пусть, например,

f(x) = 20/x², 10≤x≤20,

f(x) = 0, x≤10 и x≥20.

Тогда

∫(x-I)f(x)dx = ∫(x-I)(20/x²)dx = 20(ln(20/I) + I/20 – 1)

∫(I-x)f(x)dx = ∫(I-x)(20/x²)dx = 20(ln(10/I) + I/10 – 1)

Применение критерия предельного уровня приводит к неравенствам

ln(I) - I/20 ≥ ln(20) – A₁/20 – 1 = 1,996 - A₁/20

ln(I) - I/10 ≥ ln(10) – A₂/20 – 1 = 1,302 - A₂/20

Предельные значения A₁ и A₂ должны быть выбраны так, что бы оба неравенства выполнялись хотя бы для одного значения I.

Например, если A₁ = 2 и A₂ = 4, неравенства принимают вид

ln(I) - I/20 ≥ 1,896

ln(I) - I/10 ≥ 1,102

Значение I должно находиться между 10 и 20, т.к. именно в этих пределах изменяется спрос. Из таблицы видно, что оба условия выполняются для I, из интервала (13,17)

I
ln(I) - I/20	1,8	1,84	1,88	1,91	1,94	1,96	1,97	1,98	1,99	1,99	1,99
ln(I) - I/10	1,3						1,17	1,13	1,09	1,04	0,99

Любое из этих значений удовлетворяет условиям задачи.

Принятие решений в условиях неопределенности

Будем предполагать, что лицу, принимающему решение не противостоит разумный противник.

Данные, необходимо для принятия решения в условии неопределенности, обычно задаются в форме матрицы, строки которой соответствуют возможным действиям, а столбцы — возможным состояниям системы.

Пусть, например, из некоторого материала требуется изготовить изделие, долговечность которого при допустимых затратах невозможно определить. Нагрузки считаются известными. Требуется решить, какие размеры должно иметь изделие из данного материала.

Варианты решения таковы:

Е₁ — выбор размеров из соображений максимальной долговечности;

Е_m — выбор размеров из соображений минимальной долговечности;

E_i — промежуточные решения.

Условия требующие рассмотрения таковы:

F₁ — условия, обеспечивающие максимальной долговечность;

F_n — условия, обеспечивающие min долговечность;

F_i — промежуточные условия.

Под результатом решения e_ij = е(E_i; F_j) здесь можно понимать оценку, соответствующую варианту E_i и условиям F_j и характеризующие прибыль, полезность или надежность. Обычно мы будем называть такой результат полезностью решения.

Тогда семейство (матрица) решений ||e_ij|| имеет вид:

	F1	F2	...	Fn
E1	e11	e12	...	e1n
E2	e21	e22	...	e2n
...	...	...	...	...
Em	em1	em2	...	emn

Чтобы прийти к однозначному и по возможности наивыгоднейшему варианту решению необходимо ввести оценочную (целевую) функцию. При этом матрица решений ||e_ij|| сводится к одному столбцу. Каждому варианту E_i приписывается, т.о., некоторый результат e_ir, характеризующий, в целом, все последствия этого решения. Такой результат мы будем в дальнейшем обозначать тем же символом e_ir.