Professional Documents
Culture Documents
методСА
методСА
Модель дифузії....................................................................................................... 73
SIR-модель ............................................................................................................. 75
Приклади ................................................................................................................ 89
Теорема Перрона-Фробеніуса ............................................................................... 92
• деталізація цілей,
1. абстрагування і конкретизація;
2. аналіз і синтез, індукція і дедукція;
3. формалізація і конкретизація;
4. композиція і декомпозиція;
6. структурування і реструктурування;
7. макетування;
8. реінжиніринг;
9. алгоритмізація;
10.моделювання і експеримент;
12.розпізнавання та ідентифікація;
13.кластеризація і класифікація;
15.веріфікація
При цьому не буде якогось чистого типу, так як, наприклад, для прийняття
рішень нам потрібна модель системи і знання шляхів розвитку, тому фактично
все одно доводиться виконувати всі пункти, але в різному ступені.
𝑆 = < 𝐴, 𝑅, 𝐶 >,
де 𝐴 – множина елементів,
𝑅 - множина зв'язків (взаємодій, взаємозалежностей і тд між елементами),
𝐶 - множина цілей (під цілями маємо на увазі множину функціональних виходів,
для яких ця система взагалі існує).
Або варіант складніше - будемо використовувати його для системи з
кінцевим числом станів:
𝑆 = < 𝑈, 𝑌, 𝑄, 𝜆, 𝛾 >
де 𝑈 – множина допустимих входів,
𝑌 – множина допустимих виходів,
𝑄 – множина станів,
𝜆 – функція переходу 𝑄 × 𝑈 → 𝑄,
γ – функція виходу 𝑄 × 𝑈 → 𝑌
Наприклад, для дуже простої системи виду "чорний ящик" (знаємо тільки
пари вхід-вихід, але не знаємо, як система працює всередині), можна задати
тільки
𝑆 = < 𝐴, 𝐵 >, де 𝐴, 𝐵 - входи та виходи.
𝑄 - множина станів - всі внутрішні стани, які існують між введенням даних і
виведенням виходу на екран,
Властивості систем
Система може бути об'єктом, предметом і знанням, у той же час виступає чимось
складним, взаємопов'язаним, що знаходиться в саморусі (трохи філософії). Тому і
категорія «система» відображає щось, що має свої властивості в цілісності, і
втрачає їх при розподілі на частини.
3. Наявність організації
Класифікація систем
Системи можуть бути розділені на класи за різними ознаками:
• за походженням;
• за ступенем складності;
• за характером поведінки;
• по пристосованості до середовища;
• по відношенню до середовища;
• за тривалістю існування;
• зі зміни властивостей;
Нас також цікавить поділ систем за типами "чорний ящик", "сірий ящик", "білий
ящик".
"Чорний ящик" - знаємо тільки якому входу який вихід відповідає; крім побудови
пар входів і виходів не знаємо, які перетворення відбуваються всередині системи;
"Сірий ящик" - знаємо входи, виходи і частково знаємо внутрішній устрій системи;
Є тільки набір вхід-вихід, так що цей чорний ящик - це система типу "чорний
ящик". Примітно те, що набір входів і виходів дуже малий, так що можна логічно
добудувати множину операцій, які відбуваються всередині ящика. При більших
множинах входів і виходів і наявності неоднозначних пар так зробити не вийде.
На другому етапі отримується система уявлень про модель об’єкта, яка також
є гомоморфним відображенням системи знань про об’єкт.
Етапи моделювання
1. Постановка завдання. Іноді правильно поставити завдання не менш складно,
ніж його вирішити. Постановка - процес не формальний, загальних правил
немає.
2. Вивчення теоретичних основ і збір інформації про об'єкт оригіналу. На
цьому етапі підбирається або розробляється відповідна теорія. Якщо її немає,
встановлюються причинно-наслідкові зв'язки між змінними, що описують
об'єкт. Визначаються вхідні і вихідні дані, приймаються спрощення та
припущення.
3. Формалізація. Полягає у виборі системи умовних позначень і записі відносин
між складовими об'єкта у вигляді математичних виразів. Встановлюється
клас завдань, до яких може бути віднесена отримана математична модель
об'єкта. Значення деяких параметрів на цьому етапі ще можуть бути не
конкретизовані.
4. Вибір методу рішення. На цьому етапі встановлюються остаточні параметри
моделей з урахуванням умови функціонування об'єкта. Для отриманої
математичної задачі вибирається будь-якої метод вирішення або
розробляється спеціальний метод.
5. Реалізація моделі.
6. Аналіз отриманої інформації. Зіставляється отримане і передбачуване
рішення, проводиться контроль похибки моделювання.
7. Перевірка адекватності реальному об'єкту. Результати, отримані за моделлю
зіставляються або з наявною про об'єкт інформацією, або проводиться
експеримент і його результати зіставляються з розрахунковими.
yi = ŷi + ei ,
1) наявність зв'язку;
2) напрямок зв'язку;
Е = (а, b), де а, b Є V,
Симплекси. Q-аналіз.
Для вирішення завдань аналізу зв'язності систем проводять аналіз структури як
складного багатовимірного геометричного утворення – симпліціального
комплексу і використовують інструмент симпліціального аналізу q-зв'язності.
При цьому відношення 𝜆 між елементами х та у існує тоді, коли є зв'язок між
цими елементами. Виходячи з цього, можна скласти із елементів множин Х та У
граф, вершинами якого будуть елементи з множин Х та У, а наявність зв'язку 𝜆
можна позначити як ребро між вершинами, для пари яких є зв'язок. Нехай множина
вершин такого графа буде позначатись V, а підмножини цих вершин будемо
позначати як 𝜎 – такі підмножини називаються симплексами.
де і – номер вершини,
q = 2: {𝐿4} {𝐿6}
q = 1: {𝐿2, 𝐿3, 𝐿4} {𝐿5} {𝐿6 , 𝐿7, 𝐿10} {𝐿9}q =
0: {𝐿1 ,𝐿2 , 𝐿3, 𝐿4, 𝐿5, 𝐿6 , 𝐿7, 𝐿8, 𝐿9, 𝐿10}
σ 𝐿1 𝐿2 𝐿3 𝐿4 𝐿5 𝐿6 𝐿7 𝐿8 𝐿9 𝐿10
𝐸𝑐𝑐 0 0 0 0,5 1 0,5 0 0 1 0
𝑥𝑖 – альтернатива.
a111, a112, a113, a121, a122, a123, a211, a212, a113, a221, a222, a223 - вагові
коефіцієнти альтернатив.
Рівнів може бути й більше, але зазвичай навіть для проблем на рівні держави
використовується не більше 8 рівнів ієрархії.
А= М Р
М 1 1/5
Р 5 1
Матриця вийшла 2х2, тому що в нас всього два критерія. Далі нам потрібно
пронормувати цю матрицю. Знаходимо суми значень по стовпцях:
А= М Р
М 1 1/5
Р 5 1
Сума 6 1,2
0.17 + 0.17
𝑊𝑀 = = 0.17
2
0.83 + 0.83
𝑊𝑃 = = 0.83
2
AM= A B C
A 1 1/2 1/5
B 2 1 1/2
C 5 2 1
NM = A B C
A 0.125 0.143 0.118
B 0.250 0.286 0.294
C 0.625 0.571 0.588
0.125 + 0.143 + 0.118
𝑊𝑀𝐴 = = 0.129
3
AR= A B C
A 1 2 3
B 1/2 1 3/2
C 1/3 2/3 1
NR= A B C
A 0.545 0.545 0.545
B 0.273 0.273 0.273
C 0.182 0.182 0.182
Критерії Університети
А В С
Місцезнаходження 12,9% 27,7% 59,4%
Репутація 54,5% 27,3% 18,2%
Це був дуже простий приклад але загальна структура методу аналізу ієрархій
може включати декілька ієрархічних рівнів з своїми критеріями.
Метод PATTERN
Метод ПАТТЕРН є різновидом експертних методів, і дозволяє аналізувати
та ранжувати за ступенем важливості відомості у будь-якій галузі діяльності таким
чином, щоб можна було уявити взаємне співвідношення постійних та змінних
факторів, на яких ґрунтуються прийняті рішення.
МП, як і МАІ, відноситься до класу ієрархічних методів прийняття рішень за
допомогою використання ієрархічного поділу проблем на підпроблеми, або
розгалуженням шляхів вирішення певної проблеми з подальшою оцінкою їх за
критеріями вибору саме цього шляху. Таким чином, побудова ієрархії в МП
максимально схожа на побудову дерева цілей/рішень.
Розробка ієрархічного дерева цілей за МП починається зі складання
сценарію. Сценарій встановлює співвідношення цілей та загальний їх набір
шляхом групового експертного аналізу.
Дерево цілей для оцінки відносної важливості всіх вхідних елементів
будується зверху вниз виходячи зі сценарію, поетапно, рівень за рівнем, так, щоб
заходи наступного рівня забезпечували завдання попереднього.
Повне дерево цілей може складатися з восьми рівнів (О - національні цілі, А
- заходи, В -задачі, С - завдання, й - принципи систем, Е - функціональні
підсистеми, Р -конструкції функціональних підсистем, О - технічні проблеми).
Кожен рівень має певну кількість елементів.
Головною перевагою інформаційного забезпечення методу "Паттерн" є
можливість кількісної оцінки всіх елементів, що входять до дерева цілей, у вигляді
«ваг», тобто. коефіцієнтів їх відносної важливості.
Процедура присвоєння коефіцієнтів відносної важливості полягає у
наступному: фахівцям видається сценарій для його ґрунтовного вивчення та бланк
для встановлення коефіцієнтів важливості того чи іншого кроку. Експерти повинні
визначити відносну важливість вказаних на бланку заходів та висловити її в
частках одиниці. Учасники мають право колективно обговорювати сценарій та
критерії, але коефіцієнти проставляють самостійно. Вони також можуть змінювати
бланк, якщо його форма не враховує всі важливі (на їхню думку) критерії.
Присвоєння коефіцієнтів проводиться у кілька турів. Після отримання
результатів першого туру підраховують середні значення коефіцієнтів та
залишають думки тих фахівців, коефіцієнти яких значно відрізняються від
середніх Потім проводиться другий тур Він починається з повідомлення про
отримані результати та дисперсії коефіцієнтів Потім слово надається фахівцям, які
проставили коефіцієнти, що значно відрізняються. від середніх. Фахівець повинен
пояснити причину, через яку даний коефіцієнт, на його думку, повинен мати таке
значення. Мета пояснення не в тому, щоб «перетягнути» на свій бік інших, а в
тому, щоб забезпечити глибину розуміння завдання усіма учасниками.
Кількість турів значною мірою залежить від кваліфікації фахівців та їхнього
досвіду; вважається, що в середньому достатньо трьох турів голосування для груп,
що складаються з 10-12 експертів. Для кожного з рівнів (від А до О) складається
матриця відповідності елементів даного рівня критеріям Практично на рівні та З і
нижче використовується одна матриця для всього сімейства елементів на даному
рівні, т е одна матриця для кожного сімейства завдань. Заповнення матриці є
головною метою експертної оцінки.
Результатом застосування методу є отримання вагових оцінок для кожного з
рішень на шляху до поставленої мети, що дозволяє обрати оптимальні з них.
Методика відрізняється тим, що поєднує кілька методів системного аналізу, які
можуть бути використані і самі по собі – мова йде про написання "сценарію" і
побудові "дерева цілей".
Написання сценарію - перший етап PATTERNа - являє собою поєднання
ситуаційного аналізу та нормативного прогнозу. Сценарій передбачає докладний
опис проблемної ситуації, після чого встановлюється логічна послідовність подій
з метою показати, як, виходячи з існуючого стану речей, буде поступово
розгортатися майбутній стан об'єкта дослідження.
Друга частина PATTERNа - побудова "дерева цілей".
Термін "дерево цілей" має на увазі використання ієрархічної структури,
отриманої шляхом поділу загальної мети на підцілі, а їх, у свою чергу, на більш
детальні складові (нові підцілі, функції і т.д.).
Сама по собі методика PATTERN заснована на принципі поділу складної
проблеми на більш дрібні проблеми до тих пір, поки кожна підпроблема не зможе
бути всебічно (за різними критеріями) і надійно кількісно оцінена експертами
(метод експертних оцінок).) Як правило, термін "дерево цілей" використовується
для структур, що мають відношення строгого порядку, але метод "дерева цілей"
використовується іноді і відносно до ієрархій, в яких одна і та ж вершина нижчого
рівня може бути одночасно підпорядкована двом або декільком вершин вищого
рівня.
Для кожного рівня дерева цілей вводиться ряд критеріїв. За допомогою
експертної оцінки визначаються ваги критеріїв і коефіцієнти значущості
(важливості), що характеризують важливість вкладу цілей в забезпечення
критеріїв.
Сума коефіцієнтів відносної важливості для кожного рівня ієрархії
приймається рівною одиниці. Значимість певної мети визначається коефіцієнтом
зв'язку, що представляє суму творів всіх критеріїв на відповідні коефіцієнти
значущості. Загальний коефіцієнт зв'язку певної мети (щодо досягнення мети
вищого рівня) визначається шляхом перемноження відповідних коефіцієнтів
зв'язку в напрямку вершини дерева.
Приклад дерева цілей для метода PATTERN наведено на рисунку:
Ідеї
Напрямки діяльності
Завдання
Програми
𝑟11 = 0,3 ∗ 0,2 + 0,5 ∗ 0,1 + 0,2 ∗ 0,1 = 0,06 + 0,05 + 0,02 = 0,13
𝑟12 = 0,3 ∗ 0,3 + 0,5 ∗ 0,4 + 0,2 ∗ 0,2 = 0,09 + 0,2 + 0,04 = 0,33
𝑟13 = 0,3 ∗ 0,1 + 0,5 ∗ 0,4 + 0,2 ∗ 0,3 = 0,03 + 0,2 + 0,06 = 0,29
𝑟14 = 0,3 ∗ 0,4 + 0,5 ∗ 0,1 + 0,2 ∗ 0,4 = 0,12 + 0,05 + 0,08 = 0,25
За такими розрахунками приорітет на виконання задачі другого рівня повинен бути
наданий вирішенню питання з Covid-19 для перетину кордону – це завдання має
велику зважену важливість.
Простота 0,2 0,02 0,02 0,02 0,02 0,02 0,3 0,3 0,3
𝑟21 = 0,3 ∗ 0,04 + 0,5 ∗ 0,01 + 0,2 ∗ 0,02 = 0,012 + 0,005 + 0,004 = 0,021
𝑟22 = 0,3 ∗ 0,1 + 0,5 ∗ 0,1 + 0,2 ∗ 0,02 = 0,03 + 0,05 + 0,004 = 0,084
𝑟23 = 0,3 ∗ 0,02 + 0,5 ∗ 0 + 0,2 ∗ 0,02 = 0,006 + 0,004 = 0,01
𝑟24 = 0,3 ∗ 0,09 + 0,5 ∗ 0,5 + 0,2 ∗ 0,02 = 0,027 + 0,25 + 0,004 = 0,281
𝑟25 = 0,3 ∗ 0,09 + 0,5 ∗ 0,39 + 0,2 ∗ 0,02 = 0,027 + 0,195 + 0,004 = 0,226
𝑟26 = 0,3 ∗ 0,26 + 0,5 ∗ 0 + 0,2 ∗ 0,3 = 0,078 + 0,06 = 0,138
𝑟27 = 0,3 ∗ 0,2 + 0,5 ∗ 0 + 0,2 ∗ 0,3 = 0,06 + 0,06 = 0,12
𝑟28 = 0,3 ∗ 0,2 + 0,5 ∗ 0 + 0,2 ∗ 0,3 = 0,06 + 0,06 = 0,12
Аналогічно для рівня 3:
𝑟31 = 0,3 ∗ 0,05 + 0,5 ∗ 0,5 + 0,2 ∗ 0,1 = 0,015 + 0,25 + 0,02 = 0,285
𝑟32 = 0,3 ∗ 0,3 + 0,5 ∗ 0,05 + 0,2 ∗ 0,1 = 0,09 + 0,025 + 0,02 = 0,135
𝑟33 = 0,3 ∗ 0,05 + 0,5 ∗ 0,05 + 0,2 ∗ 0,1 = 0,015 + 0,025 + 0,02 = 0,06
𝑟34 = 0,3 ∗ 0,1 + 0,5 ∗ 0,4 + 0,2 ∗ 0,1 = 0,03 + 0,2 + 0,02 = 0,25
𝑟35 = 0,3 ∗ 0,05 + 0,5 ∗ 0 + 0,2 ∗ 0,1 = 0,015 + 0,02 = 0,035
𝑟36 = 0,3 ∗ 0,4 + 0,5 ∗ 0 + 0,2 ∗ 0,3 = 0,12 + 0,06 = 0,18
𝑟37 = 0,3 ∗ 0,05 + 0,5 ∗ 0 + 0,2 ∗ 0,2 = 0,015 + 0,04 = 0,055
а для нормованих
𝑛
Коли ми їмо, наш мозок отримує сигнали про те, що час припинити їсти.
Коли прибуток компанії перевищує нормальну економічну віддачу, у гру
вступають конкуренти, знижуючи цей прибуток. Коли чисельність виду швидко
збільшується, його члени починають боротися за їжу, що знижує зростання
популяції. У кожному з цих випадків негативний зворотний зв'язок сприяє
підвищенню стійкості системи.
Моделі системної динаміки часто допомагають встановити причини
складності. Коли система містить як позитивний, і негативний зворотний зв'язок,
вона може породжувати складність.
Приклад:
Приклад:
У моделі системної динаміки парку розваг, наприклад, кількість відвідувачів
парку (запас) збільшується у міру приходу нових відвідувачів (джерело). Темпи
зростання запасу можуть, своєю чергою, залежати від інших параметрів, таких як
погода, кількість реклами чи ціна вхідного білета.
𝐻̇ = 𝑔𝐻 − 𝑎𝐹𝐻, 𝐹̇ = 𝑏𝐹𝐻 − 𝑑𝐹
𝑔 𝑑
𝐹= ,𝐻 =
𝑎 𝑏
Пояснення:
Приклад:
Модель трансляції
У всіх моделях, що розглядаються у цьому підрозділі, використовується такий
параметр, як релевантна сукупність, що позначається як NPOP . До цільової групи
входять люди, які потенційно можуть підхопити хворобу, дізнатися інформацію
чи прийняти продукт. Релевантна сукупність — це все населення, скажімо, міста
чи країни. Якщо ми моделюємо поширення методу протезування аортального
клапана безперервним швом, то релевантною групою будуть кардіохірурги, а не
всі жителі Філадельфії.
У будь-який момент часу хтось занедужує, отримує інформацію чи приймає
певну модель поведінки.
Ми називатимемо таких людей або інфікованими (як раніше в
епідеміологічних моделях), або поінформованими (позначимо їх як It ). Інші члени
релевантної сукупності ставляться до категорії сприйнятливих (позначимо як St ).
Вони можуть підхопити хворобу, отримати інформацію або прийняти модель
поведінки. Чисельність релевантної сукупності дорівнює сумі кількості
інфікованих (або поінформованих) та кількості сприйнятливих людей:
NPOP = It + St .
Модель трансляції описує поширення ідей, чуток, інформації чи технологій за
допомогою телебачення, радіо та інтернету. Інформація про всі події, що
відбуваються, поширюється методом трансляції. Модель відображає процеси, що
дозволяють джерелу, яким може бути уряд, корпорація чи газета,
розповсюджувати інформацію. Вона також може описувати забруднення, що
розповсюджується по системі водопостачання, але не застосовується до хвороб та
ідей, що передаються від людини до людини безпосередньо. Оскільки модель
трансляції більш доречна у разі поширення ідей та інформації, ніж хвороб, ми
говоритимемо про кількість поінформованих, а не заражених людей.
Кількість поінформованих людей у зазначений період дорівнює кількості
поінформованих людей за попередній період плюс ймовірність того, що
сприйнятлива людина почує інформацію, помножену на кількість сприйнятливих
людей (див. урізання). За визначенням первісна сукупність містить лише
сприйнятливих людей. Щоб обчислити кількість поінформованих людей у всіх
майбутніх періодах, необхідно включити кількість поінформованих та
сприйнятливих людей у різницеве рівняння. Результатом буде r-подібна крива
прийняття.
It+1 = I t + P трансл · St ,
де Pтрансл - ймовірність трансляції; It і St - кількість
поінформованих та сприйнятливих в момент часу t.
Спочатку I 0 = 0 і S 0 = N POP .
Модель дифузії
Більшість хвороб, так само як і інформація про багато продуктів, ідеї та
прориви, поширюються від людини до людини. Такі процеси описує модель
дифузії. В її основі лежить припущення, що коли одна людина починає
використовувати якусь технологію чи підхоплює хворобу, існує певна ймовірність
її передачі тим, з ким вона контактує. У разі хвороби вибір ролі не відіграє.
Імовірність того, що людина захворіє, залежить від низки факторів, таких як
генетика, вірулентність захворювання та навіть температура повітря. Під час
спекотного, вологого сезону малярія поширюється набагато швидше, ніж під час
холодного та сухого.
Поширення технології має на увазі вибір з боку тих, хто її застосовує, а отже,
більш корисні технології будуть прийняті з більшою ймовірністю. Однак ми не
враховуватимемо цей вибір у даній моделі безпосередньо. Тому мода на годинник
Apple Watch відіграє таку ж роль, як і вірулентність штаму грипу.
Ми надаємо особливого значення поширенню інформації, тому
позначатимемо людей як поінформованих чи неінформованих. Нові люди стають
поінформованими, коли зустрічають поінформовану людину та інформація
поширюється між ними. Це дві різні події, що залежать від контексту.
Таким чином, ми представимо можливість дифузії як добуток можливості
контактів на можливість передачі. Ми можемо описати модель у термінах
ймовірності дифузії, але під час оцінки чи застосування моделі слід відстежувати
дві ймовірності незалежно друг від друга. Модель дифузії допускає випадкове
перемішування, тобто той факт, що будь-які два члени релевантної сукупності з
однаковим ступенем ймовірності можуть вступити в контакт. Однак це
припущення дає привід для сумнівів, оскільки воно цілком справедливе в моделі
поширення хвороби в дошкільному закладі, де діти постійно взаємодіють один з
одним, але важко застосовується до населення міста. Люди не перемішуються
випадковим чином. Вони взаємодіють переважно у межах відповідних груп —
колеги, сім'я, соціальні зв'язки.
Модель дифузії можна представити у вигляді рівняння:
де Pдифф = Pпер · Pконт .
Згідно з цією моделлю, всі члени релевантної сукупності з часом також
дізнаються інформацію. Однак крива прийняття моделі дифузії має S-подібну
форму. Спочатку до інформованих відноситься зовсім небагато людей, а I0 має
мале значення. Звідси випливає, що кількість сприйнятливих людей, які
зустрічаються з інформованою людиною, теж має бути невеликою. У міру того, як
кількість поінформованих людей зростає, число контактів між поінформованими
та неінформованими людьми збільшується, що призводить до збільшення
кількості поінформованих людей. Коли практично всі члени релевантної
сукупності стають поінформованими, кількість людей, що тільки-но дізналися,
скорочується, утворюючи вершину S-подібної кривої.
Приклад: На рис. представлені дані щодо двох гіпотетичних додатків для
смартфонів. Першого дня кожен додаток купили 100 осіб. У кожен із наступних
п'яти днів перший додаток демонструє як вищий загальний обсяг продажів, і
більше збільшення темпів продажів. За відсутності моделі ми, швидше за все,
дійшли б висновку, що перший додаток буде мати більший ринок, але узгодження
моделі з обома наборами даних говорить про зворотне.
SIR-модель:
R0 15 6 4 3
Моделі Маркова
Моделі Маркова – це системи, які здійснюють ймовірнісний перехід між
станами, що утворюють кінцеву множину. Політична система може переходити
від демократичної до диктаторської, ринок — від волатильності до стабільності, а
людина — почергово відчувати щастя, тривогу чи зневіру. У моделі Маркова
переміщення між станами відбуваються із фіксованими ймовірностями.
Імовірність того, що країна перейде від авторитаризму до демократії протягом
року, може становити 5 відсотків, а те, що людина перейде від тривоги до втоми
за одну годину, — 20 відсотків. Якщо, крім цього, система може перейти з одного
стану в будь-який інший шляхом послідовності переходів і не існує жодного
простого циклу, модель Маркова досягне єдино можливого статистичного
рівноваги.
У разі статистичної рівноваги окремі об'єкти продовжують переходити з
одного стану до іншого, але розподіл ймовірностей по всіх станах залишається
незмінним. Статистична рівновага в марківській моделі ідеології припускає, що
люди можуть змінювати свої погляди з ліберальних на консервативні та незалежні,
але відносна кількість носіїв кожної ідеології не змінюється. Стосовно окремого
об'єкта статистичне рівновагу означає, що довгострокова ймовірність його
перебування у кожному стані незмінна. Людина може перебувати в статистичній
рівновазі, за якої вона щаслива 60 відсотків часу і сумує 40 відсотків часу.
Ментальний стан людини може змінюватися щогодини, та її довгострокове
розподіл за всіма станами залишиться незмінним.
Єдина можлива статистична рівновага передбачає, що довгостроковий
розподіл результатів неспроможний залежати від початкового стану чи лінії подій.
Інакше висловлюючись, вихідні умови не мають значення. По-перше, модель
враховує залежність результатів від вибраного шляху: подальший розвиток подій
залежить від нинішнього стану. По-друге, вона також допускає моделювання
історії у довгостроковій перспективі, але для цього потрібно порушити одне із
припущень моделі.
Моделі Маркова мають безліч сфер застосування. Їх можна використовувати
для інтерпретації динамічних явищ, таких як демократичні перетворення,
підготовка до війни та заходи щодо боротьби з вживанням наркотиків, для
ранжування сайтів, наукових журналів та спортивних команд і навіть для
встановлення авторства книг та статей. У цьому розділі ми розглянемо всі ці
області застосування. Спочатку проаналізуємо два приклади, а потім
сформулюємо загальну теорему існування статистичного рівноваги. У третьому
розділі ми перейдемо до областей застосування моделей Маркова, а наприкінці
глави повернемося до питання про те, як і коли історія має значення, і
проаналізуємо його у світлі отриманих знань про моделі Маркова.
Приклади
Модель Маркова включає безліч станів та ймовірностей переходу між ними.
У нашому першому прикладі настрій людини того чи іншого дня може бути
представлений або як інтелектуальна захопленість, або як нудьга. Формально воно
виступає як два стани моделі. Імовірності переходу визначають можливість
переміщення між станами . Наприклад, як показано на рис., ми виходитимемо з
припущень, що коли людина інтелектуально захоплена, ймовірність того, що вона
залишиться в цьому стані, становить 90 відсотків, а ймовірність того, що вона
почне нудьгувати, — відповідно 10 відсотків. У разі нудьги інше співвідношення:
ймовірність, що людина продовжить нудьгувати, дорівнює 70 відсоткам, а що вона
перейде в стан інтелектуального захоплення — 30 відсоткам.
Рис. Процес Маркова
Теорема Перрона-Фробеніуса
В обох прикладах модель сходиться до єдиної можливої статистичної
рівноваги — і це не випадково. Будь-яка модель Маркова з кінцевим безліччю
станів, фіксованими ймовірностями переходу, можливістю переміщення з одного
стану в будь-який інший за допомогою ряду переходів, а також з відсутністю
циклів між станами сходиться єдино можливого рівноваги. З теореми випливає,
що, коли всі ці чотири умови дотримані, вихідний стан, історія та зміни його
впливу не можуть змінити довгострокову рівновагу. Якщо країни переходять від
диктатури до демократії відповідно до фіксованих ймовірностей, то заходи
впливу, які вводять чи стимулюють демократію в деяких країнах, не матиме
тривалого ефекту. Якщо коливання в панівних політичних ідеологіях
задовольняють ці припущення, то історія не може впливати на довгостроковий
розподіл за ідеологіями. А якщо психічний стан людини можна представити у
вигляді моделі Маркова, то підбадьорливі слова та жести підтримки не мають
довгострокового впливу.
Теорема:
Процес Маркова сходить до єдиної статистичної рівноваги, якщо він
задовольняє наступним чотирма умовами:
Наявність кінцевої множини станів: S = {1, 2, …, K}.
Фіксовані правила переходу: ймовірність переходів між станами має
фіксоване значення. Наприклад, ймовірність переходу зі стану A до
стану B дорівнює P(A,B) протягом кожного періоду.
Ергодичність (досяжність стану): система може перейти з одного стану в
будь-який інший за допомогою деякої послідовності переходів.
Відсутність циклічності: система не породжує детермінований цикл, що
включає послідовність станів.
Прийняття рішень.
Системний аналіз в управлінні має на меті дати особам, які приймають рішення,
рекомендації з вибору цілей і стратегії (з використанням математичних методів),
спрямованих на підвищення ефективності виробництва.
Системний аналіз передбачає порівняння альтернативних курсів дій з точки
зору витрат та ефективності при досягненні певної мети. Зазвичай таке порівняння
здійснюється у формі відшукання альтернативи, яка забезпечує мінімум витрат на
досягнення деяких заданих результатів або, навпаки, є спробою привести до
максимуму деякий натуральний показник результатів діяльності за наявності
обмежень на витрати коштів. Розробка таких оцінок носить назву аналізу
“вартості-ефективності”. Різні альтернативи перевіряються за допомогою моделей,
які показують, які наслідки можна очікувати, слідуючи кожної з альтернатив, а
саме: який рівень витрат і яка ступінь досягнення кожної з поставлених цілей.
Потім використовується критерій для зважування витрат по відношенню до
результатів, і таким чином альтернативи можуть бути розташовані у порядку їх
перевагу.
Процес аналізу включає:
- формулювання проблеми;
- відбір цілей;
- складання альтернатив;
- збір даних;
- побудова моделей;
- зважування витрат по відношенню до результатів.
Процес аналізу розбивається на три стадії:
1. формулювання проблеми – з'ясовуються вихідні передумови, окреслюється
сфера дослідження, визначаються елементи аналізу;
2. дослідження - збір інформації та розробка альтернатив;
3. оцінка альтернатив.
Елементами аналізу є:
- мета керівника, який приймає рішення. Це передбачає виявлення ступеня
фактичного досягнення мети при різних варіантах рішення;
- альтернативи – це способи досягнення цілей, стратегії, за допомогою яких
можна якісно і при мінімальних витратах виконати поставлені цілі;
- витрати – ресурси, які можуть бути використані для досягнення конкретних
цілей і не можуть бути в подальшому використані для інших цілей. Більшість
витрат приймає грошовий вираз і справжня міра витрат виражається в тих
можливостях, які втрачаються при використанні ресурсів;
- модель;
- критерій;
У процесі системного аналізу розглядається проблема в цілому в тих умовах, в
яких вона справді виникає. Це передбачає:
- систематичне дослідження цілей, що стоять перед людьми, які приймають
рішення і відшукування обгрунтованого критерію оцінки цих рішень;
- порівняння (кількісне) витрат, ефективності, ризику та термінів по кожному
варіанту стратегії досягнення цілей;
- спробу скласти кращі альтернативи і вибрати інші цілі, якщо після перевірки
колишніх цілей в цьому виникає необхідність.
Цільовий аналіз. Стратегічний аналіз. SWOT-аналіз.
Цільовий аналіз
Цільовий аналіз – системний аналіз з точки зору цілей аналізованої системи
за допомогою побудови "дерева цілей". Цільовий підхід — це система методів та
методичних прийомів, що забезпечують постійну орієнтацію управлінської
діяльності на кінцеві результати з урахуванням системних характеристик, що
постійно змінюються, унаслідок розвитку системних потреб, кількісних та якісних
змін у потенціалі системи, стосовно якої застосовується цільовий підхід.
Сенс проведення такого аналізу – виявити набір кроків, які забезпечать стійку та
прогнозовану поведінку системи та зробити достовірні припущення про стан в
майбутньому.
SWOT-аналіз
До цієї групи належать сильні (S) та слабкі сторони системи (W), і самез
їхнього вивчення починають аналіз. Внутрішні чинники визначаються
наявними ресурсами, а також процесами, на які система має безпосередній
вплив.
Питання, що допоможуть розкрити сильні сторони:
Зовнішні чинники
Класифікація ризиків: