Зміст

Основні поняття і завдання системного аналізу. Методи системного аналізу. .......4

Системний аналіз і системний підхід......................................................................4

Основні поняття і методи системного аналізу .......................................................5

Типові системні задачі .............................................................................................6

Поняття системи. Властивості систем та їх класифікація. Компоненти систем.

Внутрішній та зовнішній опис систем. Кількісні та якісні показники систем. Стани
системи. ........................................................................................................................7

Властивості систем ..................................................................................................9

Класифікація систем .............................................................................................. 11

Структури систем – ієрархічні та мережеві. ............................................................ 14

Моделювання систем. Математичне моделювання системи: рівні та методи

моделювання, вибір та побудова моделі, основні етапи моделювання. Аналіз та
інтерпретація результатів. ......................................................................................... 17

Етапи моделювання ............................................................................................... 20

Вимоги, що пред'являються до моделей:.............................................................. 20

Приклад: Компартментні моделі........................................................................... 21

Перевірка адекватності моделей. Експерименти над моделями. ............................ 23

Множини та відношення. Зв’язність великих систем. Симплиціальні комплекси.

Симплекс-метод/Q-аналіз. Топографічний аналіз структури моделі. .................... 25

Загальна мета структурного аналізу ..................................................................... 26

Елементи теорії графів .......................................................................................... 28

Симплекси. Q-аналіз. ............................................................................................. 30

Симплеціальний комплекс .................................................................................... 30

Приклад: Симплeціальний комплекс трофічного відношення ............................ 32

Приклад аналізу деякого системного комплексу ................................................. 33

Проблеми експертного оцінювання та експертизи. Загальні методи експертного

оцінювання. ................................................................................................................ 36
 Основні проблеми експертного оцінювання ........................................................ 36

Методи колективного експертного оцінювання .................................................. 39

Кількісні методи експертних технологій .............................................................. 40

Методи еталонних бальних оцінок ....................................................................... 41

Методи ранжування об’єктів ................................................................................ 42

Багатовимірне ранжування. ................................................................................... 42

Метод попарних порівнянь (зіставлень) ............................................................... 43

Метод аналізу ієрархій. ............................................................................................. 43

Метод PATTERN ....................................................................................................... 54

Метод згортання критеріїв ........................................................................................ 61

Моделі системної динаміки ...................................................................................... 62

Елементи моделей системної динаміки .................................................................... 63

Модель «хижак — жертва» ....................................................................................... 66

Модель Лотки - Вольтерри........................................................................................ 67

Моделі трансляції, діфузії та зараження .................................................................. 70

Модель трансляції .................................................................................................. 70

Модель дифузії....................................................................................................... 73

Модель Басса .......................................................................................................... 75

SIR-модель ............................................................................................................. 75

R0 , суперрозповсюджувачі та зведення ступеня в квадрат ................................ 77

Застосування моделі у багатьох областях ............................................................ 79

Моделі локальних взаємодій ..................................................................................... 81

Модель локальної більшості ................................................................................. 82

Чисті координаційні ігри ....................................................................................... 84

Гра «Життя» ........................................................................................................... 85

Моделі Маркова ......................................................................................................... 88

Приклади ................................................................................................................ 89
 Теорема Перрона-Фробеніуса ............................................................................... 92

Області застосування моделей Маркова .................................................................. 93

Прийняття рішень. ..................................................................................................... 94

Цільовий аналіз. Стратегічний аналіз. SWOT-аналіз. ............................................. 96

Цільовий аналіз ...................................................................................................... 96

Вимоги до побудови "дерева цілей": .................................................................... 98

Стратегічний аналіз ............................................................................................... 99

SWOT-аналіз ........................................................................................................ 102

Управління ризиками в системному аналізі. Поняття і сутність ризику,

ідентифікація ризиків, аналіз і оцінка. Методи управління ризиками. ................ 105

Поняття ризику .................................................................................................... 105

Класифікація ризиків: .......................................................................................... 106

Оцінка ризиків...................................................................................................... 107

Ідентифікація ризиків .......................................................................................... 109

 Основні поняття і завдання системного аналізу. Методи системного
аналізу.

Системний аналіз і системний підхід

Системний підхід полягає в тому, що будь-який більш-менш складний об'єкт
розглядається як відносно самостійної системи зі своїми особливостями
функціонування і розвитку. Грунтуючись на ідеях цілісності і відносної
незалежності об'єктів, що знаходяться в цілісному світі, принцип системності
передбачає подання досліджуваного об'єкта як деякого функціонуючого цілого.
Тобто,

Системний підхід — комплексне вивчення явища або процесу як єдиного

цілого з позицій системного аналізу:

• уточнення складної проблеми

• структуризація проблеми в серію завдань,

• рішення поставлених завдань за допомогою наукових методів,

відповідних предметної області

• деталізація цілей,

• адаптація отриманого рішення для поставлених цілей.

Завдання, які вирішує системний підхід:
• розвиває методи пізнання, методи дослідження та конструювання
(системи організації проектування, системи управління розробками і т.п.);

• дозволяє об'єднати знання різних окремих дисциплін;

• детальне дослідження предметної області.

тоді:
Системний аналіз - це прикладна дисципліна, яка включає:

• аналіз і опис принципів побудови і роботи системи в цілому;

• аналіз особливостей всіх компонентів системи, їх взаємозалежностей і

внутрішньої будови;

• встановлення подібності та відмінності досліджуваної системи та інших

 систем;

• перенесення за певними правилами властивостей моделі на властивості

системи, що вивчається.
Під системним аналізом будемо мати на увазі такий метод наукового
дослідження (пізнання) явищ і процесів, в основі якого лежить вивчення
складових частин, елементів досліджуваної системи.
Основні поняття і методи системного аналізу
Основні поняття системного аналізу - це ті речі, які потрібно уточнити
однозначно для завдання об'єкта дослідження та опису системи таким чином, щоб
не було суперечностей і невизначеності, тобто, потрібно визначити, що є:

1. Система - це скінченна безліч функціональних елементів і відносини між ними,

виділена з середовища з певною метою в рамках певного часового інтервалу.

2. Елемент системи - межа розчленування системи з точки зору вирішення

конкретного завдання і поставленої мети.

3. Зовнішнє середовище - сукупність тих об'єктів, які впливають на систему.

4. Підсистема - відносно незалежна частина системи, що зберігає функціональні

можливості системи.

5. Структура - це сукупність елементів і зв'язків між ними.

6. Зв'язок - показує взаємодію елементів системи між собою і зовнішнім

середовищем. Тут використовуються узагальнені оцінки, наприклад, зв'язки
спрямовані або ненаправлені, сильні або слабкі, позитивні чи негативні. Зв'язок
однозначно характеризує структуру системи.

Виходячи з цих основних понять, найважливіше, що нам треба знати - як

влаштована система, які є у неї входи і виходи, і що відбувається всередині
системи.

Знаючи, який об'єкт реальності у нас буде досліджуватися в якості системи, до

нього будуть застосовуватися системні методи. Так як системний аналіз дуже
міждисциплінарний як дисципліна, тому методів і процедур дуже багато:

1. абстрагування і конкретизація;
2. аналіз і синтез, індукція і дедукція;

3. формалізація і конкретизація;

4. композиція і декомпозиція;

5. лінеаризація і виділення нелінійних складових;

6. структурування і реструктурування;

7. макетування;

8. реінжиніринг;

9. алгоритмізація;

10.моделювання і експеримент;

11.програмне управління і регулювання;

12.розпізнавання та ідентифікація;

13.кластеризація і класифікація;

14.експертне оцінювання і тестування;

15.веріфікація

16.і інші методи і процедури.

Так як системою для дослідження може бути що завгодно, можна взяти

абсолютно будь-який метод або їх комбінацію, якщо це спрацює для того, щоб
виконати поставлене завдання.

Типові системні задачі

Можна виділити 4 типи системних задач:
1. Завдання дослідження системи взаємодій аналізованих об'єктів з
навколишнім середовищем. Рішення даного завдання передбачає:
• проведення границь між досліджуваною системою і навколишнім
середовищем, яким обмежується розгляд;
• визначення реальних ресурсів такої взаємодії;
 • розгляд взаємодій досліджуваної системи з системою більш
високого рівня.
2. Завдання, пов'язані з конструюванням альтернатив цієї взаємодії,
альтернатив розвитку системи в часі і в просторі.
3. Завдання побудови безлічі імітаційних моделей, що описують вплив того
чи іншого типу взаємодії на поведінку об'єкта дослідження. Йдеться про
розробку моделей, кожна з яких вирішує свої специфічні питання.
4. Завдання конструювання моделей прийняття рішень. Будь-яке системне
дослідження пов'язане з дослідженням різних альтернатив розвитку системи.
Завдання системних аналітиків - вибрати і обґрунтувати найкращу
альтернативу розвитку На етапі вироблення і прийняття рішень необхідно
враховувати взаємодію системи з її підсистемами, поєднати цілі системи з
цілями підсистем, виділити глобальні і другорядні цілі.
Тексту багато, але фактично це завдання таких типів:
1. взаємодія система-середовище
2. зміна взаємодії система-середовище
3. побудова матмоделі
4. прогнозування та прийняття рішень.

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.

Поняття системи. Властивості систем та їх класифікація. Компоненти

систем. Внутрішній та зовнішній опис систем. Кількісні та якісні
показники систем. Стани системи.

У логічному розумінні система - це якась сукупність, яка працює як одне ціле,

при цьому якщо таку сукупність розділити, вона більше не буде системою.

У літературі зустрічаються такі визначення:

• «Комплекс елементів, що знаходяться у взаємодії» (Л. Берталанфі);

• «Щось таке, що може змінюватися з плином часу», «будь-яка сукупність
змінних ..., властивих реальної логіці» (Р. Ешбі);

• «Множина елементів зі співвідношенням між ними і між їх атрибутами (Хол

А., Фейдшін Р.)»;

• «Сукупність елементів, організованих таким чином, що зміни, виключення або

введення нового елемента закономірно відображаються на інших елементах»
(Топоров В.Н.).

Більш строге визначення, яке знадобиться нам для вирішення завдань

полягає в тому, що формально систему можна представити як сукупність деяких
множин, що характеризують деякий об'єкт-систему S, наприклад, найпростіший
варіант:

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

Так як в такому визначенні немає фіксованого виду для кортежу множин,

який описує систему, то можна вибирати, які множини включати на основі того,
що нам важливо в цій системі.

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.

Якщо розглядається система, для якої потрібно розробити набір функцій

для управління, то включають множину параметрів управління, наприклад, і
додатково множину для перетворень управління.
Приклад:

Система - калькулятор, тоді

𝑈 - множина допустимих входів - комбінації з значень і функцій, що вводяться з

клавіатури;

𝑌 - множина допустимих виходів - набір цифрових відповідей, які будуть

виводитися на екран (результати обчислень або повідомлення про помилки);

𝑄 - множина станів - всі внутрішні стани, які існують між введенням даних і
виведенням виходу на екран,

λ - функція переходу 𝑄 × 𝑈 → 𝑄 - функція, яка контролює переходи між входами

системи та прийнятими значеннями внутрішніх станів, технічно це проміжні або
остаточні обчислення, які опрацьовують входи,

γ - функція виходу 𝑄 × 𝑈 → 𝑌 - функція, яка контролює те, що буде виведено на

екран в якості відповіді.

Властивості систем

Виходячи з визначення системи вище, виходить, що немає обмеження на те, що усі

сукупності є системами. Для цього потрібно ввести різницю між поняттями
«система» і «об'єкт».

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.

Властивості систем (ключові):

1. Система є сукупністю елементів. При певних умовах елементи можуть
розглядатися як системи.

2. Наявність істотних зв'язків між елементами. Під істотними зв'язками

розуміються такі, які визначають інтегративні властивості системи.

3. Наявність організації

4. Наявність інтегративних властивостей, тобто властивих системі в цілому, але

не властивих жодному з її елементів окремо.

5. Емерджентність – неможливість звести властивості окремих елементів до

властивостей системи в цілому.

6. Цілісність - зміна будь-якого компонента системи впливає на всі інші її

компоненти і призводить до зміни системи в цілому; і навпаки, будь-яка зміна
системи відгукується на всіх компонентах системи.

7. Подільність - можлива декомпозиція системи на підсистеми з метою спрощення

аналізу системи.

8. Комунікативність. Будь-яка система функціонує в оточенні середовища, вона

відчуває на собі впливу середовища і, в свою чергу, впливає на середу.

9. Розвиток - можливість якісно / кількісно змінюватися в часі.

10. Ієрархічність системи полягає в тому, що вона може бути розглянута як

елемент системи вищого порядку, а кожен її елемент, в свою чергу, є системою.

11. Адаптивність - здатність системи змінювати свою структуру і вибирати

варіанти поведінки за тими новими цілями системи і під впливом факторів
зовнішнього середовища. Адаптивна система - така, в якій відбувається
безперервний процес навчання або самоорганізації.

12. Безпека - здатність системи не завдавати неприпустимі дії щодо технічних

об'єктів, персоналу, навколишнього середовища при своєму функціонуванні.

13. Уразливість - здатність отримувати пошкодження при впливі зовнішніх і (або)

внутрішніх факторів.

14. Динамічність - це здатність функціонувати в часі.

Окремо треба виділити властивість емерджентності. Часто її і цілісності

достатньо, щоб визначити щось, як систему. У загальному випадку при наявності
цих властивостей можна стверджувати, що перед нами система і займатися
вже системним аналізом безпосередньо.

Класифікація систем
Системи можуть бути розділені на класи за різними ознаками:

• за своєю природою елементів;

• за походженням;

• за ступенем складності;

• за характером поведінки;

• за ступенем автоматизації управління;

• по пристосованості до середовища;

• по відношенню до середовища;

• за тривалістю існування;

• зі зміни властивостей;

• за характером реакції на вплив середовища.

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;

"Білий ящик" - знаємо множини входів, виходів, а також внутрішній устрій

системи повністю і функції перетворень і виходів.
Приклад (Касти, Великі системи, зв'язність, складність і катастрофи, стор 20) У
експерта з авіакатастроф є чорний ящик і він проводить з ним експерименти. Звіт
по експериментам в таблиці:

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.

Більш повну класифікацію систем наведено у таблиці:

№ п/п Основа Класи й підкласи систем

класифікації
систем
1 За матеріалом, з 1.1. Матеріальні
якого створені 1.2. Ідеальні (абстрактні)
2 За походженням 2.1. Штучні
2.2. Природні
2.3. Змішані
3 За характером 3.1. Відкриті
зв’язку з 3.2. Закриті
навколишнім
середовищем
4 За складністю 4.1. Неживі
4.1.1. Статичні структури чи їх основи
(кристал)
4.1.2. Прості динамічні із заданим законом
поведінки (годинник)
 4.1.3. Кібернетичні системи з циклами
керування, що мають зворотний зв’язок
(термостат, робот)
4.2. Живі
4.2.1. Відкриті системи з
самозберігаючоюструктурою (клітина)
4.2.2. Живі організми з низькою
здатністюсприймати інформацію
(рослини) 4.2.3. Живі організми з більш
розвинутою системою сприйняття
інформації (тварини) 4.2.4. Живі організми
із самосвідомістю (людина)
4.2.5. Соціальні системи (етнос, нація)
4.2.6. Трансцендентні системи чи системи,
що знаходяться поза нашою свідомістю
5 За принципами 5.1. Матеріальні
поведінки 5.2. Гомеостатичні
5.3. Вирішуючі (без передбачення)
5.4. Здатні передбачувати
5.5. Рефлексивні
6 За ступенем 6.1. Добре організовані
організованості 6.2. Погано організовані
6.3. Самоорганізуючі
6.3.1. Саморегулюючі
6.3.2. Самонавчаючі
6.3.3. Самонастроюючі
6.3.4. Самовідновлювальні
6.3.5. Самовідтворюючі
7 За ступенем 7.1. Малі
ресурсної 7.2. Великі
забезпеченості 7.3. Прості
7.4. Складні
 7.5. Звичайні
7.6. Енергокритичні
8 За характером 8.1. Призначені для певної цілі
цілей 8.2. Здатні обирати ціль і до неї прагнути
9 За описом 9.1. Якісний опис
змінних 9.2. Кількісний опис
9.3. Змішаний опис
10 За способом 10.1. Керування зовні
керування 10.2. Самокерування
10.3. З комбінованим керуванням
11 За типом 11.1. Чорний ящик (S невідомо)
операторів 11.2. Непараметризований клас (S відомо
системи S частково)
11.3. Параметризований клас ( S відомо до
параметра)
11.4. Білий ящик (S відомо повністю)

Структури систем – ієрархічні та мережеві.

Поняття структури є одним з основних в системному аналізі. За ступенем

зв'язку та розумінням будови чи сприйняття системи розрізняють форми,
сукупності та структури.

Форма – це зовнішній вигляд об'єкта безвідносно до його суті.

Сукупність – це з'єднання або набір в одну множину безвідносно до форми чи

порядку.

Структура – це множина частин або форм (елементів), які знаходяться у

взаємодії та специфічному порядку у просторі і в часі елементів і зв'язків системи,
необхідному для реалізації функцій.

Отже, функція є первинною щодо структури. Властивістю структури є

можливість існування протягом певного часу за допомогою зв'язуючого
пристосування для збереження елементів (частин) та їх відношень приблизно в
одному й тому ж порядку, реагуючи при цьому на дії середовища. Структура
системи зберігається та збагачується через її функціональні трансформації, в той
же час структура полегшує ці перетворення. В організаціях та в більш широкій
соціальній структурі наявні зв'язуючі сили, що підтримують форму структури. З
точки зору практики представлення структури бажано спростити, щоб
ідентифікувати її елементи та взаємні зв'язки між ними.

Структура системи може бути охарактеризована за типами зв'язків, які в ній є

або які в ній переважають. Найпростішими зв'язками є паралельне, послідовне
з'єднання та обернений зв'язок. Обернений зв'язок виконує регулюючу роль у
системі.

Структури систем бувають різного типу, різної топології. До основних структур

відносять:

Лінійні структури: В лінійних структурах діють лише послідовні зв’язки, їх

складність можна визначати за кількістю підсистем. У випадку лінійної структури
ускладнення деякої підсистеми викличе ускладнення всієї системи. Математичний
опис (модель) систем з лінійною структурою за звичай є лінійне рівняння. При
коректному поєднанні двох лінійних структур, як правило утворюється нова
лінійна структура.
Ієрархічні (деревоподібні) структури: Ієрархія - це структура з наявністю
підпорядкованості, тобто нерівноправних зв’язків між елементами, коли дія в
одному напрямку спричиняє значно більший вплив на елемент, ніж дія в іншому
напрямку. Існують різні види ієрархічних структур, але на практиці найчастіше
застосовується деревоподібна. В деревоподібній структурі легко визначати
ієрархічні рівні, це групи елементів рівновіддалених від верхнього (головного)
елемента.
Складність ієрархічних структур можна визначати за числом рівнів ієрархії.
Збільшення складності при цьому вимагає великих ресурсів для досягнення цілі.
При коректному поєднанні двох ієрархічних структур, як правило, утворюється
нова ієрархічна структура. Комбінація ієрархічної і лінійної структури може
привести як до ієрархічної так і до складної невизначеної структури.
Мережеві структури: В мережевих структурах діють як послідовні так і
паралельні зв’язки. Їх складність можна визначати як максимальну зі складностей
усіх лінійних структур, що відповідають відповідних різним стратегіям досягнення
цілі (шляхів, що ведуть від початкової підсистеми до кінцевої). При коректному
поєднанні двох мережевих структур, як правило, утворюється нова мережева
структура.
Матричні структури: В матричних структурах складність можна визначати
кількістю підсистем, а математичний опис (модель) таких систем, зазвичай, є
система лінійних рівнянь. При коректному поєднанні двох матричних структур, як
правило, утворюється нова структура - просторова матриця. Такого виду
структури часто використовуються в системах з тісно зв'язаними і рівноправними
(“по вертикалі” і “по горизонталі”) структурними зв'язками.
Крім зазначених основних типів структур використовуються й інші, що
утворюються за допомогою їхніх коректних комбінацій - з'єднань і вкладень. Якщо
структура системи не визначена, то такі системи називаються погано
структурованими.

Можливості структури в достатньо повній мірі розкриваються її топологічними

ознаками. За топологією внутрішніх зв’язків розділяють такі структури: послідовні
(рис. 2.1 а), паралельні (рис. 2.1 б), радіальні (рис. 2.1 в), кільцеподібні (рис. 2.1 г),
типу повний граф (рис. 2.1 д), деревоподібні (рис. 2.1 е), незв’язані (рис. 2.1 є).
Якщо розглядати структуру системи з точки зору управління, то за управлінням
структури класифікують на: централізовані (рис. 2.2 а), децентралізовані (рис. 2.2
б), централізовані-розподілені (рис. 2.2 в), ієрархічні (рис. 2.2 г). (круг – орган
управління, прямокутник – об’єкт управління)

Моделювання систем. Математичне моделювання системи: рівні та

методи моделювання, вибір та побудова моделі, основні етапи
моделювання. Аналіз та інтерпретація результатів.
Модель в широкому сенсі - це образ, аналог (уявний чи встановлений), зображення,
опис, схема, креслення, карта будь-якого процесу або явища, який
використовується в якості його замінника або представника. Сам об'єкт, процес або
явище називається оригіналом даної моделі.

В загальному випадку модель має структуру, зображену на рисунку:

 Тут X – множина вхідних змінних системи, Y – множина вихідних змінних
системи, P – множина параметрів, F – функція, функціонал, алгоритм або
формальне представлення залежності змінних Y від змінних X.

З точки зору вихідної змінної моделі поділяють на статичні – якщо вихідна

змінна Y не змінюється з часом, та динамічні – якщо змінна Y змінюється з часом.
Динамічні моделі поділяють на неперервні – якщо змінювання змінної Y є
неперервним, та дискретні – якщо змінювання змінної Y трапляється в деякі
особливі моменти часу, а в інші моменти часу залишається незмінним. Дискретні
системи поділяють на детерміновані – якщо змінювання змінної Y в особливі
моменти часу є цілком передбачуваними, та стохастичні – якщо змінювання
змінної Y відомо з деякою ймовірністю. З точки зору способу представлення
залежності вихідних змінних моделі від вхідних її змінних розрізняють також
алгебраїчні моделі, диференційні моделі, аналітичні моделі, імітаційні моделі і
багато інших. Наприклад, диференційна модель описується системою
диференційних рівнянь. Імітаційна модель описується алгоритмом імітації.

Моделювання - це дослідження будь-якого об'єкта або системи об'єктів шляхом

побудови і вивчення їх моделей.

Методи моделювання поділяють на:

Моделювання аналітичне, якщо представлення залежності F вихідних

змінних Y від вхідних її змінних X має аналітичний вигляд, тобто представлений
у вигляді відомих аналітичних функцій. Аналітичні функції диференційовані
безліч разів і тому до них можуть застосовуватись методи математичного аналізу.
Якщо є можливість побудувати аналітичну модель системи, то завжди віддають
перевагу цьому методу моделювання.

Деякі системи настільки складні, що не дивлячись на те, що опис їх

функціонування піддається опису аналітичними функціями, знаходження
залежності Y=f(X) у явному вигляді виявляється неможливим. Наприклад, усі
задачі математичного програмування мають досить простий аналітичний опис, але
розв’язок задачі може бути знайдений тільки в результаті виконання певної
кількості кроків. Іншими словами відомий алгоритм відшукання точного розв’язку
задачі, але сам розв’язок не може бути записаний в аналітичній формі. Такий метод
моделювання називають математичним моделюванням.

Існують системи, опис яких не піддається опису аналітичними функціями,

але процес функціонування їх може бути описаний алгоритмом імітації. Під
імітацією розуміють відтворення процесу функціонування складної системи в часі.
У результаті багатократних прогонів імітаційної моделі дослідник отримує
інформацію про властивості реальної системи. Такий метод моделювання
називають імітаційним моделюванням.

Процес моделювання пов’язаний із виконанням певних етапів дослідником

результатом кожного з яких є певні системи знань або їх знакове (формальне)
відображення.

На першому етапі отримується відображення об’єкта у свідомості

дослідника у вигляді системи знань. Це відображення є гомоморфним. Гомомофне
відображення означає, що кожному елементу та зв’язку об’єкта, що моделюється,
відповідає один елемент та зв’язок системи знань про об’єкт у свідомості
дослідника, а протилежне відображення не існує.

На другому етапі отримується система уявлень про модель об’єкта, яка також
є гомоморфним відображенням системи знань про об’єкт.

На третьому етапі система уявлень про модель об’єкта ізоморфно

відображається у модель об’єкта чи явища, що моделюється. Ізоморфізм вказаного
відображення полягає у тому, що кожному елементу та зв’язку системи уявлень
про модель об’єкта відповідає один і тільки один елемент моделі об’єкта і існує
протилежне відображення. В цілому між системою (об’єктом, що моделюється) і
її моделлю існує гомоморфне відображення, що підтверджує множинність моделей
будь-якої системи, а процес моделювання є ітераційним.

В більш конкретизованому порядку:

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.

Вимоги, що пред'являються до моделей:

1. Універсальність - характеризує повноту відображення моделлю досліджуваних
властивостей реального об'єкта.
2. Адекватність - здатність відображати потрібні властивості об'єкта з похибкою
не вище заданої.

3. Точність - оцінюється ступенем збігу значень характеристик реального об'єкта і

значення цих характеристик отриманих за допомогою моделей.

4. Економічність - визначається витратами ресурсів на її реалізацію і експлуатацію.

Приклад: Компартментні моделі

Компартментом називається умовна структурна одиниця, всередині якої

спостерігається однорідність розподілу деякої спільної величини або
характеристики, іноді достатньо умовної. Тобто, компартментом можна вважати
деяку частину системи зі спільною кількісною або якісною характеристикою.
Зазвичай така характеристика має властивість, яку можна виразити у вигляді
перетікання (численного або якісного) через деякий зв’язок між
компартментами. Наприклад, якщо взяти систему середньої та вищої освіти, то
в ній компартментами будуть заклади освіти, їхня характеристика – кількість
учнів на даний момент на кожному структурному рівні, яка змінюється за
допомогою додатніх (вступ до якогось закладу освіти) або від’ємних (випуск або
відрахування) зв’язків.
Одним з найбільш канонічних прикладів компартментної моделі є так
звана модель SIR/епідеміологічна модель, а також весь клас моделей типу
Вольтерра-Лотки, що описують кількісні зміни в деяких групах/об’єктах.
Детермінована модель епідемії SIR (susceptible - infected- removed) описує
спосіб передачі епідемії від одного індивіда (агента) до іншого.
Модель SIR характеризується наявністю об'єктів трьох типів: S – не
заражені, I – заражені, R – вилікувані об'єкти, що мають імунітет.
Загальна структура системи, що описується моделлю SIR, може бути
представлена у вигляді:

де S(t) – кількість вразливих об'єктів; I(t) – кількість заражених об'єктів, R(t) –

кількість відновлених (вилікуваних) об'єктів.
Так як згадана модель є елементарною, вона не враховує тих, хто вибуває
з деяких причин з загальної кількості всіх учасників. Тоді таку модель можна
представити наступним чином:

Динамічна зміна характеристик даної системи описується системою рівнянь:

S = S0 – k1S
I = I0 + k1S – k2I
R = R0 + k2I
S0, I0 та R0 – кількість осію в кожній групі в початковий момент часу.

Коефіцієнти показують, яка кількість людей за одиницю часу

переміщається між групами.
Можна ускладнити модель, якщо додати туди ймовірність після хвороби
не отримати імунітет та повернутись до групи вразливих, а також смертність з
причин захворювання та інших причин (для тих, хто не хворіє).

Рівняння зміняться відповідним чином.

Приклад (Касті, стор. 13):

 Розглянемо модель будови і функціонування водосховища. На малюнку
представлена графічна схема його елементів:

𝑟1(𝑡), 𝑟2(𝑡) – входи системи - осади,

𝑦1(𝑡), 𝑦2(𝑡) – виходи системи - сток і грунтові води,
𝑥1(𝑡), 𝑥2(𝑡), 𝑥3(𝑡) - наземні резервуари для води, 𝑥4(𝑡) – підземний резервуар (з
з врахуванням просочування води),
напрямок стрілок показує прибуток і спад внутрішнього вмісту (в нашому
випадку це вода), кількісний показник ґрунтового стоку враховується за
допомогою коефіцієнтів 𝑙𝑚,
𝑘 - поверхневий сток.
Тоді для дискретного часу система співвідношень, що формує математичну
модель, буде виглядати так:

𝑥1(𝑡 + 1) = 𝑥1(𝑡) − 𝑙1𝑥1(𝑡) − 𝑢1(𝑡) + 𝑟1(𝑡)

𝑥2(𝑡 + 1) = 𝑥2(𝑡) − 𝑙2𝑥2(𝑡) − 𝑢2(𝑡) + 𝑟2(𝑡)

𝑥3(𝑡 + 1) = 𝑥3(𝑡) + 𝑙3(𝑥4(𝑡) − 𝑥3(𝑡)) − 𝑘𝑥3(𝑡) + 𝑢1(𝑡) + 𝑢2(𝑡)

𝑥4(𝑡 + 1) = 𝑥4(𝑡) + 𝑙1𝑥1(𝑡) + 𝑙2𝑥2(𝑡) − 𝑙3(𝑥4(𝑡) − 𝑥3(𝑡))

Виходи системи будуть мати вигляд:

𝑦1(𝑡) = 𝑘𝑥3(𝑡) , 𝑦2(𝑡) = 𝑙3(𝑥4(𝑡) − 𝑥3(𝑡))

Перевірка адекватності моделей. Експерименти над моделями.

Адекватність – це вірне відображення зв’язків та співвідношень навколишнього

світу (від лат. аdaequatus – рівний, прирівняний). Адекватна модель – здатність
моделі дати правильну відповідь на запитання відносно об’єкта відповідно до цілей
моделювання.

Адекватна модель - це модель, яка правильно відображає суттєві властивості і

відношення предметів та явищ навколишнього світу. Адекватною вважається
модель, яка не взагалі в повній мірі відповідає об’єкту, а в тій мірі, що приводить
до потрібної цілі, дозволяє одержати потрібні на практиці результати.

Вірність моделі – поняття не тотожне адекватності. Вірність поняття більш

загальне, філософське означає, що модель повністю відповідає дійсності. Судити
про вірність моделі не завжди можна, тому використовується більш вузьке і точне
поняттям, а саме поняття адекватності. Адекватна модель - це модель яка дає
однозначні вірні відповіді на поставлені питання.

Наприклад, невірна з нашої сучасної точки зору Птоломеєва геліоцентрична

модель світу дозволяла з високою точністю передбачати астрономічні явища,
розраховувати момент затемнення Сонця, Місяця, настання періоду розлиття річки
Ніл і т.п. Вона тривалий час задовольняла потребам науки, тобто була адекватним
описом астрономічних явищ, виходячи з вимог, які ставила практика того часу.
Для сучасної науки, вирішення проблеми запуску супутників, розвитку
космонавтики ця модель не адекватна, оскільки за її допомогою розрахувати рух
цих космічних об’єктів неможливо.

Слід відрізняти поняття оцінка точності моделі та перевірка адекватності.

Перевірити точність моделі – значить визначити ступінь збігу отриманих в

процесі моделювання результатів із заздалегідь встановленими реальними
результатами об’єкта, що досліджується. (Для характеристики точності моделі
найбільш часто обчислюють середню відносну похибку.
Щодо величини середньої відносної похибки, як правило, роблять такі
висновки. Величина менше 5% свідчить про високий рівень точності, помилка до
15% вважається прийнятною.)

Перевірити адекватність моделі - значить встановити, наскільки добре модель

описує реальні процеси, що відбуваються в системі, наскільки якісно властивості
моделі (функції, параметри, характеристики) відповідають властивостям
модельованого об'єкта.
Найбільш поширеним способом перевірки моделей на адекватність є
використання методів математичної статистики. Відповідно до статистичного
підходу фактичне значення об’єкта, що досліджується, можна представити як
складову

yi = ŷi + ei ,

де ŷi – значення, що отримане в процесі моделювання;

ei – випадкова (залишкова) компонента.

Отже, модель відповідає процесу, що досліджується, якщо комплексно буде

оцінена якість моделі з перевіркою точності та проведенням аналізу
випадкової компоненти:

1) математичне сподівання значень залишкового ряду близько чи дорівнює нулю;

2) значення залишкового ряду випадкові;

3) незалежні (визначається відсутність в залишковому ряді автокореляції за

допомогою d-критерію Дарбіна-Уотсона);

4) підпорядковані нормальному закону розподілу (застосування RS-критерію).

Множини та відношення. Зв’язність великих систем. Симплиціальні

комплекси. Симплекс-метод/Q-аналіз. Топографічний аналіз структури
моделі.
Існують такі системи в реальному світі, які важко підлягають формалізації або
оцінці кількісних показників. Наприклад, система охорони здоров'я – очевидно, що
вона містить багато системних елементів, але важко якось чисельно оцінити їх
взаємодію.

Для таких випадків – коли система не відповідає доступним до математичного

опису динамікам (а їх фактично більшість) – використовуються дещо інші методи:

1. методи нечіткого моделювання;

2. методи когнітивного картування;

3. методи аналізу зв'язності систем.

 Їх специфіка полягає в тому, що засобами моделювання в даному випадку є не
строгі математичні моделі для оцінки кількісних характеристик, а засоби, які
акцентують увагу на зв'язках та взаємодії елементів системи, а також на ступенях
зв'язності всередині системи, її стійкості тощо.

Такі теоретико-множинні методи, служать основою створення загальної теорії

систем. Система може бути описана в універсальних поняттях (безліч, елемент
множини і т.д.). При описі можливо вводити будь-які відносини між елементами,
керуючись математичною логікою, яка використовується як формальний описовий
мову взаємозв'язків між елементами різних множин. Теоретико-множинні методи
дають можливість описати складні системи формальним мовою моделювання.

Вивчення слабоструктурованих проблем складних систем вимагає дослідження

структури системи як на глобальному рівні, з позицій як єдиного цілого, так і на
локальних рівнях з позицій окремих підсистем та елементів для виявлення
істотних, функціонально-значущих зв'язків системи, порушення або виникнення
яких змінює істотно або не дуже можливості системи функціонувати.

До однієї з головних завдань структурного аналізу систем відноситься побудова

наочної формальної моделі, що відображає існуючу сукупність відносин елементів
як між собою, так і з зовнішнім середовищем. Структурна модель системи
найчастіше багаторівнева, причому конкретизація структури дається на стількох
рівнях, скільки їх потрібно для створення повного уявлення про досліджувані
властивості системи.

Загальна мета структурного аналізу полягає в тому, щоб, виходячи із

заданого опису елементів системи і безпосередніх зв'язків між ними отримати
висновок про структурні властивості системи в цілому і основних її підсистем. При
вирішенні практичних завдань структурного аналізу систем доцільно приймати
три рівні опису зв'язків між елементами:

1) наявність зв'язку;

2) напрямок зв'язку;

3) сила зв'язку, яка визначає рівень взаємодії елементів.

 На першому рівні, коли виходять лише з наявності або відсутності зв'язків між
елементами, що вивчається може відповідати неорієнтовані граф, вершинами
якого є елементи системи, а ребрами - існуючі безпосередні зв'язки між
елементами. Основні завдання структурного аналізу на цьому рівні зводяться,
наприклад, до наступних:

1) визначення зв'язності (цілісності) системи; якщо система не є зв'язною, то

ставлять завдання виділення ізольованих зв'язних підсистем зі списками
входження до них елементів;

2) виділення циклів (контурів);

3) визначення мінімальних і максимальних перетинів (за кількістю зв'язків), що

розділяють елементи і підсистеми.

На другому рівні, коли заданий напрямок зв'язку, системи відповідає

орієнтований граф, напрямки дуг якого збігаються з напрямками зв'язків. На цьому
рівні результати структурного аналізу виявляються більш змістовними. До них,
наприклад, можна віднести:

1) визначення зв'язності системи;

2) топологічну декомпозицію з виділенням сильно зв'язкових підсистем;

3) перерахування вхідних і вихідних полюсів і відповідно до цього виділення

вузлів прийому і видачі інформації;

4) виділення рівнів в структурі і визначення їх взаємозв'язку;

5) визначення максимальних і мінімальних шляхів;

6) визначення характеристик топологічної значущості елементів;

7) отримання інформації про слабкі місця структури та ін.

На третьому рівні опису враховуються не тільки наявність і спрямованість

зв'язку, але і його "вагу", "силу" в деяких одиницях виміру. Тут уже вдається
уточнити топологічні оцінки структурних характеристик системи, одержувані на
перших двох рівнях, а також вирішити деякі додаткові завдання, наприклад
виділення типових структурних змін при багаторежимна характер функціонування
системи.
Елементи теорії графів
Основи подібної формалізації опису структур закладені в теорії графів, введемо
тоді визначення зв’язності для графа:

Нехай визначено деяку множину елементів V. Граф G = G (V) вважається

визначеним, якщо задано деяке сімейство поєднань елементів або пар виду

Е = (а, b), де а, b Є V,

яке вказує, які елементи вважаються пов'язаними.

Відповідно до геометричної інтерпретації пара Е = (a, b) називається ребром, а

елементи a, b - кінцевими точками ребра або вершинами.

Якщо порядок проходження вершин по ребру неважливий, тобто якщо E = (a,

b) = (b, a), то говорять, що Е є неорієнтоване ребро; якщо ж цей порядок важливий,
то Е називають орієнтованим ребром - дугою; при цьому а називають початковою
вершиною, а b - кінцевою.

В теорії графів прийнята також наступна термінологія. Ребро Е інцидентне

вершин а, b, а вершини а, b інцидентні ребру Е. Граф, складений тільки з
неорієнтованих ребер, називається неорієнтованим, а граф, складений тільки з
орієнтованих ребер, - орієнтованим.

Графи, у яких частина ребер орієнтована, частина - ні, називаються змішаними.

Неорієнтований граф може бути перетворений в орієнтований за допомогою
процесу подвоєння, що складається в заміні кожного ребра Е двома ребрами з тими
ж кінцями і приписуванні їм протилежних орієнтацій. Граф називається кінцевим,
якщо число ребер скінченне, і нескінченним - в іншому випадку. Граф, що
складається з ізольованої вершини, називається нуль-графом, а граф, ребрами
якого є всі пари для двох різних вершин а, b з V, - повним графом. В орієнтованому
повному графі є пари ребер по одному в кожному напрямку, що з'єднують будь-які
дві різні вершини (а, b).

Формально графи можуть бути представлені у графічній, матричній та

множинній формах.

Графічне представлення графа є найбільш наглядним – у вигляді

малюнка/схеми.
 Матричне представлення виконується за допомогою матриці суміжності.
Матриця суміжності неорієнтованого графа є симетричною і має вигляд:
𝑛
𝐴 = ‖𝑎𝑖𝑗 ‖
𝑛

1, є зв′ язок між вершинами 𝑖 та 𝑗

𝑎𝑖𝑗 = {
0, немає зв′ язку між 𝑖 та 𝑗

Якщо граф орієнтований, то

1, з вершини 𝑖 можна перейти у вершину 𝑗

𝑎𝑖𝑗 = {
0, в іншому випадку

В множинному представленні для орієнтованого графа G(V) задається множина

вершин V і відповідність G, яка показує, як пов'язані між собою вершини.
Відповідність G в цьому випадку називається відображенням множини V в V. Для
кожної вершини i відповідність визначає множину вершин G (i), в які можна
безпосередньо потрапити з вершини i.
Для неорієнтованих графів вводиться поняття слабкої зв'язності, або просто
зв'язності. Граф G(V) називається слабо зв'язним (зв'язним), якщо для будь-яких
вершин графа i та j існує шлях з вершини i в вершину j.
Для орієнтованих графів вводиться додатково ще поняття сильної зв'язності.
Граф G (V) називається сильно зв'язним, якщо для будь-яких вершин графа i, j
існує шлях з вершини i в вершину j.
Таким чином, якщо перейти до представлення системи, її структури та зв’язків
у вигляді графа, то поняття зв’язності переноситься також у сферу аналізу
зв’язності систем.
Сутність дослідження зв'язності полягає в тому, щоб усвідомити і збагнути ті
математичні конструкції, які описують характер зв'язку між окремими
компонентами системи. Якщо уявити деяку систему, в якій можна виділити n
різних компонент (підсистем), то можна спробувати зобразити структуру (зв'язну)
графом: n вершин зображують n підсистем системи, а дуга, що з'єднує підсистеми
i та j, показує, що ці дві підсистеми перебувають у деякому відношенні або якось
пов'язані між собою. Наприклад, j-та підсистема може генерувати входи для i-ї
підсистеми, а i-та управляти j-ю і т.д.
 Цю схему, природно, можна розвинути. Так, наприклад, можна ввести
орієнтацію на дугах і утворити орієнтований граф (орграф). Таке уявлення системи
дозволить вивчати ситуації, коли i-я система впливає на j-ю, але не навпаки. Крім
того, можна врахувати силу зв'язності, зіставивши кожної спрямованої дузі деяке
число і т.д. Все це в кінцевому рахунку дозволяє визначити, які компоненти
системи впливають на інші компоненти і в якій мірі. По суті теоретико-графові
моделі дозволяють дещо краще зрозуміти, як можна було б здійснити
декомпозицію системи на менші складові без втрати тих основних властивостей, в
силу яких вона і є системою.

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.

Цей метод, розроблений для аналізу зв'язності компонентів в системах, може

бути також використаний в якості методу організації складних експертиз.
Найбільш повно метод комбінаторної топології розвинений Дж. Касти.

Методика аналізу q-зв'язності дозволяє судити про зв'язності системи більш

глибоко, ніж традиційні дослідження зв'язності графа, і впорядковувати оцінювані
компоненти в порядку зростання або зменшення зв'язності.

Щоб наочно вивчити зв'язність структури, необхідно розглянути поняття

комплексу.

Симплеціальний комплекс - це природне математичне узагальнення поняття

планарного графа, що відображає багатовимірну природу бінарного відношення.
Оскільки симпліціальний комплекс по суті не що інше, як сімейство симплексів,
з'єднаних за допомогою загальних граней, то природною характеристикою
зв'язності могла б служити розмірність межі, загальною двом симплекс. Якщо нас
цікавить комплекс в цілому, то більш доцільно використовувати поняття «ланцюг
зв'язку», що відображає той факт, що два симплекса можуть не мати спільної межі,
але можуть бути зв'язані за допомогою послідовності проміжних симплексів.
 Введемо поняття: Нехай існують скінченні множини Х та У, елементи яких
описують певні елементи або процеси, що відбуваються в деякій системі ∑.

Тоді введемо на множинах Х та У бінарне відношення для пар елементів

(х, у): (𝑥, 𝑦), 𝑥 ∈ 𝑋, 𝑦 ∈ 𝑌: 𝜆 ∈ 𝑋 ⨯ 𝑌

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.

Як формуються такі підмножини: будуємо граф і визначаємо ті підмножини

вершин, які нас цікавлять. Наприклад:

Наведений граф побудований за множиною вершин F1...F7. Ребра – це зв'язки

між вершинами.

Підгрупи вершин, які можна виділити в графі, будуть називатись

симпліційними (або симпліціальними) комплексами.

Фактично будь-яке відношення в системі представляється таким чином, що

множина елементів, що відносяться до конкретного елементу 𝑥 ∈ 𝑉 трактується як
симплекс 𝜎𝜌 𝑥𝑖,

де і – номер вершини,

𝜌 – геометрична розмірність симплекса, яка визначається числом дуг, що

з'єднують вершини 𝑦𝑖 в симплексі через змінну 𝑥𝑖 (можуть визначатися як по
рядках або стовпчиках матриці інцидентності для побудованого графу).
 Таким чином, симпліціальний комплекс виходить шляхом розбиття деякого
простору, заданого, наприклад, графом G на сімейство симплексів, з'єднаних за
допомогою спільних граней (в тому числі, загальною вершиною - точкою). Так як
комплекс існує як ціле, то для аналізу зв'язності використовується поняття
«ланцюг зв'язку» - q-зв'язність (ланцюг зв'язку відображає можливість того, що два
симплекса, безпосередньо не маючи загальної точки, можуть бути зв'язані за
допомогою послідовності проміжних симплексів).

Приклад: Симплeціальний комплекс трофічного відношення

Розглянемо екологічну групу, що складається з п’яти видів: птахи, лисиці,
комахи, трави, антилопи.

Трофічна структура цієї спільноти може бути зображена орграфом, вершини

якого відповідають видам. Дуга, проведена від i-го виду до j-го, означає, що j-й вид
є жертвою i-го виду. За даним графу можна побудувати матрицю суміжності, а
також ряд інших показників, що характеризують важливі аспекти системи.

Матриця суміжності буде мати вигляд:

птахи лисиці комахи трави антилопи

птахи 0 0 1 1 0
лисиці 1 0 1 0 0
комахи 0 0 0 1 0
трави 0 0 0 0 0
антилопи 0 0 0 1 0

Деякі з компонент (наприклад, трави) на перший погляд здаються більш

важливими для системи в цілому, ніж інші (наприклад, птиці), це пов'язано з
такими екологічними поняттями, як трофічний рівень і боротьба видів. Важливо
підкреслити, що графовий опис дозволяє безпосередньо побачити деякі
геометричні властивості матриці суміжності.

Наближено симпліціальний комплекс складається з множини вершин X і

множини симплексів Y, утворених з цих вершин відповідно до заданого бінарним
відношенням. Сімпліціальний комплекс утворений множиною симплексів Y,
пов'язаних через загальні границі/граничні точки, тобто через загальні вершини.
Наприклад, можна покласти Y = X = {птиці, лисиці, комахи, трави, антилопи}. При
цьому ставлення таке: симплекс складається з усіх вершин, таких, що хj є жертвою
уi. Таким чином, у1 = «птахи» - 1-симплекс, що складається з вершин «комахи» і
«трави», y2 = «лисиці» - 1-симплекс, що складається з вершин «птахи» і «комахи»
і т.д. Відзначимо, що n-симплекс складається з n + 1 вершин і його розмір на
одиницю менше числа вершин.

Приклад аналізу деякого системного комплексу

Деякий комплекс Σ представлений двома множинами F та L. Нехай бінарне
відношення 𝜆 ∈ 𝐿 × 𝐹 визначене наступним чином: 𝜆 існує тоді, коли є зв'язок
R між 𝑙𝑘 ∈ 𝐿 та 𝑓𝑚 ∈ 𝐹. 𝜆 представлене матрицею інциденцій.
𝜆 𝐹1 𝐹2 𝐹3 𝐹4 𝐹5 𝐹6 𝐹7
𝐿1 1 0 0 0 0 0 0
𝐿2 1 1 0 0 0 0 0
𝐿3 1 0 1 0 0 0 0
𝐿4 1 1 1 0 0 0 0
𝐿5 0 1 0 0 1 0 0
𝐿6 0 0 0 0 1 1 1
𝐿7 0 0 0 0 1 0 1
𝐿8 0 1 0 0 0 0 0
𝐿9 0 0 1 0 0 0 1
𝐿10 0 0 0 0 0 1 1

Відповідно до заданого відношення 𝜆, розглянемо рядки матриці як деякі

випуклі багатогранники, сформовані ведучою вершиною рядка (𝑙𝑘 ∈ 𝐿). Таким
чином, отримаємо 10 симплексів σ(𝑙𝑘) із розмірністю n, що відповідає кількості
одиниць в цьому рядку (розмірність багатогранника відповідає кількості
вершин, що йому належать).
Визначимо розмірність q-зв'язків для кожного із симплексів:
максимальна розмірність грані, через яку можуть бути пов'язані симплекси,
дорівнює q=n-1, а можлива розмірність q=n-1, n-2, n-3, ..., 0. Таким чином,
маємо наступний результат:
 𝜆 𝐹1 𝐹2 𝐹3 𝐹4 𝐹5 𝐹6 𝐹7 σ n q
𝐿1 1 0 0 0 0 0 0 σ(𝐿1) 1 0
𝐿2 1 1 0 0 0 0 0 σ(𝐿2) 2 1
𝐿3 1 0 1 0 0 0 0 σ(𝐿3) 2 1
𝐿4 1 1 1 0 0 0 0 σ(𝐿4) 3 2
𝐿5 0 1 0 0 1 0 0 σ(𝐿5) 2 1
𝐿6 0 0 0 0 1 1 1 σ(𝐿6) 3 2
𝐿7 0 0 0 0 1 0 1 σ(𝐿7) 2 1
𝐿8 0 1 0 0 0 0 0 σ(𝐿8) 1 0
𝐿9 0 0 1 0 0 0 1 σ(𝐿9) 2 1
𝐿10 0 0 0 0 0 1 1 σ(𝐿10) 2 1

Визначимо симплекс-комплекси із однаковим ступенем q-зв'язності.

Будемо враховувати при аналізі не відокремлені симплекси, а ланцюги q-
зв'язків, що поєднують компоненти за зв'язністю через елемент стовпчика –
𝑓𝑚 ∈ 𝐹. Отримуємо:

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}

Структурний вектор системи матиме вигляд:Q = {2 4 1}

За структурним вектором системи можемо оцінити кількість
"найвпливовіших" симплексів наведеного комплексу – 2 ({𝐿4} {𝐿6}), вплив на які
може змінити поведінку системи найбільшим чином. Система сильно зв'язна (за q
= 0 входять всі компоненти, немає відокремлених симплексів).

Для оцінки "віддаленості" симплекса розрахуємо ексцентриситети для

кожного із симплексів. Ексцентриситет як міра віддаленості симплекса від
комплексних зв'язків розраховується:
 де 𝑞̂ – максимальна розмірність симплекса, із якою він входить в комплекс
(=макс.розмірність симплекса)

𝑞̌ – розмірність симплекса, із якою він починає бути зв'язаним із іншим

сиплексом або симплеційним комплексом. Отримаємо наступний результат:

σ 𝐿1 𝐿2 𝐿3 𝐿4 𝐿5 𝐿6 𝐿7 𝐿8 𝐿9 𝐿10
𝐸𝑐𝑐 0 0 0 0,5 1 0,5 0 0 1 0

Графічно представити описаний комплекс можна наступним чином:

де ребра або грані – це симплиційні зв'язки відомої розмірності (якщо

додати їх на рисунок, отримаємо таке: індекс біля σ на рисунку означає
розмірність звязності формуючої групи структурного вектора)

Зауважимо, що вершини F4 немає на схемі, бо вона не є вхідною до

жодного із розглянутих комплексів.
 Проблеми експертного оцінювання та експертизи. Загальні методи
експертного оцінювання.

Прикладами форм реалізації експертного оцінювання на різних етапах

суспільного розвитку є ради старійшин, військові наради, сенати та колегії,
експертні комісії тощо. На сучасному етапі методи експертного оцінювання
застосовують у різних галузях практичної та наукової діяльності. Ці методи
незамінні під час вирішення складних управлінських та соціально-економічних
проблем, аналізу й прогнозування ситуацій з великою кількістю соціальних
факторів, завжди, коли виникає необхідність застосування знання, інтуїції та
досвіду висококваліфікованих фахівців-експертів.

Сфера застосування кількісних експертно-аналітичних методів не обмежується

лише аналізом оцінок експертів та інтерпретацією результатів експертиз, а
поширюється і на підготовчі з точки зору організаторів оцінювання етапи -
формування експертних груп і визначення (або уточнення) рівня компетентності
експертів. У зв’язку з тим, що жоден з існуючих методів формування експертної
комісії та визначення компетентності її членів не може гарантувати об’єктивність
результатів експертизи, проблема підбору експертів є однією з найскладніших у
галузі експертного оцінювання.

Крім вищезазначеної проблеми, що пов’язана з відбором експертної групи,

Основні проблеми експертного оцінювання:

1. Проблема одновимірності. Ідеальним варіантом порівняння різних об’єктів

виглядає оцінювання їх одним числом - певним узагальнюючим показником. Через
складність та багатовимірність реальних об’єктів існує проблема ефективного
вибору 8 такого показника, оскільки оцінити внесок окремих чинників чи
характеристик об’єктів у їх загальну оцінку надзвичайно складно.

2. Проблема вибору кількості турів експертизи. Експертизи можуть проводитись в

кілька турів, при цьому зі збільшенням їх кількості об’єктивність зростає, та разом
з тим зростають затрати на її проведення (як часові, так і матеріальні).
3. Проблема узгодженості думок експертів. Намагання забезпечити максимальну
узгодженість думок членів експертної комісії інколи може спричинити, як це не
дивно, необ’єктивність експертизи. У практиці проведення експертного
оцінювання відомі випадки, коли з метою забезпечення узгодженості думок
організатори експертизи свідомо підбирають “потрібних” експертів. Але також
організаторам експертизи потрібно враховувати так звані групові точки зору, коли
експерти діляться на групи, які мають різні (але однакові в межах групи) точки
зору. Не потрібно робити завчасні висновки про необ’єктивність експертизи.
Можливо, її результатом є відсутність єдиної точки зору, а це теж важливий
результат. Доцільно також зважати на математичні та статистичні особливості
методів встановлення рівня узгодженості думок експертів.

4. Проблема думок дисидентів. Не потрібно безпідставно виключати з експертної

комісії або ігнорувати (за допомогою стійких статистичних процедур) оцінки тих,
чия думка відмінна від думки більшості - замість некваліфікованого експерта
можна виключити фахівця, який найбільше проникнув у суть проблеми. Тому
перед виключенням зі складу експертної групи чи ігнорування окремих суджень
доцільно вислухати обґрунтування позицій експертів.

5. Проблема організації спілкування експертів. Заборона спілкування між

експертами забезпечує незалежність їхніх думок. Але ж інколи, знаючи думки
інших, експерт може глибше проникнути в суть проблеми, відсіяти свої помилкові
судження тощо. Перевагами заочних експертиз є організаційні аспекти (відпадає
необхідність збирати експертів разом), проте очні експертизи дають змогу за
коротший термін зібрати більшу кількість інформації. Під час очної експертизи у
формі вільної дискусії можливі соціально-психологічні проблеми, а також
проблеми, пов’язані із професійними чи посадовими нерівностями членів комісій,
їх особистісними стосунками тощо. Частково їх можна вирішити, заслуховуючи
думки “від підлеглого до керівника”.

6. Проблема чисельності експертної комісії. Число експертів суттєво впливає на

точність групової оцінки. Зменшення числа експертів веде до зниження точності,
оскільки на кінцеві результати вагомо впливає кожен експерт. Збільшення числа
експертів, хоча і підвищує, як правило, точність оцінки, однак ускладнює
організацію проведення експертизи, розширює терміни її проведення. Отже, під
час вибору числа експертів також потрібен компроміс між точністю та
трудомісткістю проведення експертизи.

7. Проблема кількісно-якісного трансформування. Часто експерти виражають свою

думку в якісній, а не кількісній формі. Проте оперувати числами зручніше,
оскільки їх можна легко порівнювати, групувати, відсіювати і т.д. З іншого боку,
люди мислять не числами, а словами та образами. Трансформацію кількісного в
якісне (і навпаки) можна здійснити за допомогою спеціальних методик теорії
репрезентативних вимірів, що входить до статистики об’єктів нечислової природи.

Серед експертних методів розрізняють індивідуальні та колективні.

Індивідуальні експертні методи полягають у використанні думок експертів
відповідного профілю, сформульованих кожним із них, незалежно один від одного.
Найвідомішими індивідуальними експертними методами є інтерв’ю та
анкетування.

Метод інтерв’ю полягає у постановці аналітиком під час бесіди з експертом

запитань про чинники, що визначають стан досліджуваного об’єкта, шляхи і
засоби зміни стану об’єкта у бажаному напрямі. Зміст запитань визначає
заздалегідь складена програма, яку можна уточнювати у процесі інтерв’ю.
Ефективність цього методу визначається: глибиною аналізу розглянутої проблеми,
який передував опитуванню; якістю програми опитування; методикою її
проведення; придатністю обраних експертів для вирішення проблеми (їхньою
компетентністю, обізнаністю у суміжних сферах діяльності, відсутністю особистої
зацікавленості у певному висвітленні фактів або розвиткові подій і деякими
іншими властивостями). Успішність застосування саме методу інтерв’ю, окрім
названих умов, залежить від ступеня поінформованості про досліджувану
проблему аналітика, який проводить опитування, й особливо від здатності
експерта відповідати на запитання експромтом.

Метод анкетування ґрунтується на самостійній підготовці експертом

відповідей на запитання анкети. Однак досвід свідчить, що у письмовому викладі
великого значення набувають такі суб’єктивні фактори, як “місцевий патріотизм”,
небажання виступати з критикою товаришів по службі і керівників, скептицизм
щодо значення і способів дослідження, неправильне тлумачення чи нерозуміння
запитання, звичайне небажання займатися невластивою опитуваному роботою.
Усе це негативно позначається на якості аналізу, проведеного за допомогою
анкетування.

Основні переваги індивідуальних методів полягають у можливості

використання здібностей і знань окремого експерта, а також у відносній простоті
проведення цільового аналізу. Основний їхній недолік - обмеженість знань
кожного з опитуваних про стан і розвиток суміжних сфер діяльності. Тому
більшого поширення на практиці набули колективні експертні методи, що
дозволяють задіяти групи експертів, добре обізнаних у багатьох суміжних сферах
діяльності.

Перевага колективних методів полягає в організації різними способами

взаємодії між залученими фахівцями, що дає змогу проаналізувати проблему
різнобічно.

Методи колективного експертного оцінювання є: метод комісії, зокрема

проведення виробничих нарад, конференцій і семінарів для обміну досвідом чи для
обговорення певного кола проблем за “круглим столом”; організація роботи
експертів щодо застосування методу “відстороненого оцінювання”; метод Делфі
тощо.

Експертне оцінювання на основі методу комісій (після відкритої дискусії

шляхом голосування виробляється єдина думка експертів) дає змогу виробити
найкращу альтернативу для оцінювання конкретної ситуації з урахуванням дії
комплексу якісно різних факторів. Недолік методу, окрім відсутності анонімності,
полягає ще й у тому, що група експертів, які беруть участь у нарадах і висловлюють
свої судження, керується здебільшого логікою компромісу. При цьому в учасників
остаточно сформувалися оцінки і варіанти вирішення проблеми, які не обов’язково
ліпші за ті, що висловлені на нараді.

Метод “відстороненого оцінювання” спрямований на усунення вказаного

недоліку методу комісій. Відповідно до цієї методики робота нарад поділена на два
періоди: вільного висловлення ідей і критичного аналізу. При цьому нараду
організують так, щоб висловлене експертом первинне судження не обтяжувало
його, а стимулювало до подальшої роботи з аналізу і підготовки рішень. Іншим
прикладом колективного методу організації експертиз є метод суду. Експертна
комісія розбивається на три частини. Перша - виступає в ролі захисників
досліджуваної ініціативи, друга - намагається виявити негативні сторони, а третя,
за аналогією з судовим засіданням, - регулює хід експертизи та виносить остаточне
рішення.

У практиці експертного оцінювання використовується також метод мозкового

штурму, на основі якого експертиза проводиться у два етапи. Спочатку
стенографується засідання експертної комісії, організоване з суттєвим
обмеженням - критикувати думки інших заборонено. На другому етапі усі
висловлені думки детально аналізуються.

Відмовитись від незручних для експертів форм роботи (наприклад, дискусії за

“круглим столом” чи інших видів обговорення протилежних точок зору) дає
можливість застосування методу Делфі. Він характеризується такими основними
властивостями: анонімністю, регульованим зворотним зв’язком і груповою
відповіддю. Анонімність забезпечується спеціальною формою опитувального
листка чи особливими прийомами опитування, наприклад, з використанням
сучасних мультимедійних технологій чи комп’ютерної техніки. Опитування
зазвичай проводять у 3-4 тури, на кожному з яких за допомогою загальновідомих
статистичних методів визначають групову оцінку.

Високу ефективність рішень та зведення втрат до мінімуму можна досягти за

допомогою методу сценаріїв. Сценарії дають змогу з певною достовірністю
визначити можливі тенденції розвитку, взаємозв’язки між факторами, отримати
можливі стани, сформовані під впливом цих факторів. Розвиток ситуації в межах
кожного конкретного сценарію здійснюється засобами соціально-економічного
прогнозування.

Кількісні методи експертних технологій в основному використовуються тоді,

коли загальна мета експертизи - підготувати проект рішення для особи (осіб), що
його ухвалюють. За допомогою кількісних (математичних, статистичних, логіко-
математичних) методик найчастіше узагальнюють думки експертів, перевіряють
статистичну значущість отриманих результатів, підтверджують (чи ставлять під
сумнів) якість експертизи загалом.
 Виділимо основні моменти, на які необхідно передусім звернути увагу під час
перевірки якості експертиз: - неточність та суперечливість експертних оцінок. Щоб
уникнути цього недоліку, важливо вибрати правильні критерії оцінювання
точності та врахувати, що основними причинами неточності та суперечливості
експертних оцінок є недостатня компетентність експертів, недостатня
підготовленість експертизи, недосконалість використаних експертних технологій,
застосування необґрунтованих методик зіставлення суперечливих суджень,
недосконалість використаних методів оброблення експертної інформації; -
неузгодженість при колективній експертизі. Серед причин цього явища найчастіше
називають недостатню компетентність експертів, різне розуміння ними мети
експертизи, протилежність інтересів експертів.

Розглянемо базові кількісні методи експертного оцінювання та проілюструємо

окремі з них конкретними прикладами.

Методи еталонних бальних оцінок. Еталонні оцінки визначаються за

об’єктивними критеріями, за загальновизнаним еталоном. Довіра до таких оцінок
тим вища, чим точніше визначені відхилення від еталону. Розглянемо еталонну
систему бальних оцінок. Нехай xij - бальні оцінки і-го об’єкта j-им експертом. Якщо
експерти рівноправні, то найпростішу групову оцінку xi -го об’єкта визначають як
середнє арифметичне:

де n - число експертів. Якщо потрібно врахувати компетентність експертів, то

розглядають вагові коефіцієнти qj компентентності. Тоді:

Якщо об’єкт оцінювання є досить складним і водночас добре структурованим,

то доцільно провести експертизу його окремих складових. Позначимо xijk - оцінка
і-го показника j-им експертом за k-им показником, уkj - оцінка вагомості k-ої ознаки
j-им експертом. Тоді оцінка вагомості k-ої ознаки визначається за формулою:
 Якщо m - число ознак, то остаточну оцінку об’єкта знаходимо за формулою:

Зауважимо, що величини qj та ykj найзручніше задавати або визначати так, щоб

їхні числові значення містились в межах від 0 до 1.

Методи ранжування об’єктів. Рангову систему експертного оцінювання, як

правило, застосовують, коли:

- для оцінюваної якості (групи якостей) важко побудувати еталонну шкалу;

- остаточною метою є визначення місця об’єкта серед подібних до нього

(наприклад, визначення переможців певного конкурсу).

Одним із рангових методів є метод надання переваг. Його можна

використовувати під час оцінки ризиків у такій послідовності:

1. Спочатку експерти нумерують об’єкти (показники) у порядку їх

характерності, при цьому найменш характерний елемент отримує номер 1 і т.д.

2. У процесі обробки результатів розраховується коефіцієнт відносної

важливості (характерності) і-го елемента Ki за формулою:

де Kab - номер об’єкта (показника) b, який йому присвоїв експерт a, m і n

позначають те ж, що й у попередніх формулах.

Багатовимірне ранжування. Оскільки властивості соціально-економічних

явищ характеризуються, здебільшого, множиною ознак, то під час упорядкування
одиниць сукупності виникає необхідність агрегування всіх ознак множини в одну
інтегральну оцінку. Такий процес називають багатовимірним ранжуванням і
здійснюють за такими принципами:
 1. Агрегування ознак відбувається засобами теорії “адитивної цінності”, згідно
з якою цінність цілого дорівнює сумі цінностей складових.

2. Якщо показники мають різні одиниці вимірювання, то потрібно привести їх

до однієї основи (стандартизувати).

3. Забезпечення інформаційної односпрямованості показників доcягається

шляхом перетворень дестимуляторів у стимулятори за допомогою спеціальних
формул.

4. Якщо показники різновагомі, то формула

(де Zij - стандартизована оцінка j-го об’єкта за i-им показником (i-им

експертом), Wi - ваговий коефіцієнт і-го показника (компетентність і-го експерта))
є базовою для обчислення багатовимірної оцінки G j j-го об’єкта.

Метод попарних порівнянь (зіставлень). Окремим методом проведення

експертиз вважають метод парного порівняння. Якісне порівняння двох об’єктів
вважається легшим та достовірним, ніж вираження переваги у бальних еталонній
чи рейтинговій шкалі. 19 Як уже зазначалось, у багатьох випадках докладна
числова інформація про досліджувані об’єкти не є обов’язковою, а порівняння
можна здійснювати за принципом “більше-менше” або “краще-гірше”, без
уточнення, у скільки разів або на скільки більше чи краще. Результатом такого
порівняння пар об’єктів, одержаним від одного експерта, може бути таблиця такої
структури:

Метод аналізу ієрархій.

В повсякденному житті часто виникає потреба прийняття рішення, вона
вникає на кожному кроці. Наприклад, одяг ми вибираємо за смаком, але з
урахуванням розміру, а продукти – за співвідношеннями ціна/якість/смак. Але є
категорії рішень, які нам потрібно прийняти які не містять загально прийнятої
шкали, це можуть бути як і глобальні рішення, такі як вибір професії, вибір
університету, вибір країни/міста для життя, тощо. В такому випадку ми також
приймаємо рішення за допомогою певного аналізу, який робить кожна людина,
проте не завжди свідомо, і за різними критеріями.
У МАІ найчастіше здійснюються такі дії:
а) порівняння діапазонів значень критеріїв;
б) аналіз чутливості отриманих результатів до збурень у вихідних судженнях.
Судження можуть розглядатися як випадкові величини, що описуються
розподілами ймовірності.
У МАІ передбачені три способи ранжування альтернатив:
• відносне, яке впорядковує кілька альтернатив на основі парних порівнянь, що
особливо актуально для нових і дослідницьких рішень;
• абсолютне, за допомогою якого можна оцінювати необмежену кількість
альтернатив окремо, застосовуючи шкали інтенсивності переваг, постійні для
кожного критерію, особливо корисні в рішеннях, де існує достатня інформація для
оцінки відносної важливості значень інтенсивності, і зручний для фільтрації
величезної кількості альтернатив, кращі з яких потім можна ранжувати відносним
способом;
• еталонне тестування, яке впорядковує альтернативи шляхом включення в їх набір
еталонного об'єкта з відомими властивостями і подальшим порівнянням з ним
інших альтернатив.
Завдяки цьому в МАІ можливо створювати матриці парних порівнянь,
беручи за основу будь-які шкали відносин, що застосовуються для вимірюваних
властивостей порівнюваних об'єктів (хоча можливий варіант, коли МАІ
використовують з прорахунком ваги/корисності гілки критеріїв для прийняття
рішення).
Таким чином, основа методу аналізу ієрархій полягає в тому, що деяким
кількісним показникам, таким як ідеї, почуття, емоції, ставляться у відповідність
кількісні показники, і будується числова шкала вподобань для можливих
альтернативних рішень. Класична шкала виглядає так:
 Після побудови числової шкали вподобань зазвичай для визначення
обґрунтованих різниць між точками вимірювання завжди використовують непарні
числа. Використання парних чисел слід приймати лише в тому випадку, якщо
необхідно провести переговори між оцінювачами. Коли природного консенсусу
досягти не вдається, стає необхідним визначити середню точку як узгоджене
рішення (компроміс).
Таким чином, метод аналізу ієрархій (МАІ) - математичний інструмент
системного підходу до складних проблем прийняття рішень. МАІ не наказує особі,
що приймає рішення, будь-якого «правильного» рішення, а дозволяє йому в
інтерактивному режимі знайти такий варіант (альтернативу), який найкращим
чином узгоджується з його розумінням суті проблеми та вимогами до її вирішення.
МАІ дозволяє зрозумілим і раціональним чином структурувати складну
проблему прийняття рішень у вигляді ієрархії, порівняти і виконати кількісну
оцінку альтернативних варіантів рішення.
Метод аналізу ієрархій використовується у всьому світі для прийняття
рішень у різноманітних ситуаціях: від управління на міждержавному рівні до
рішення галузевих і приватних проблем у бізнесі, промисловості, охороні здоров'я
та освіті. Аналіз проблеми прийняття рішень в МАІ починається з побудови
ієрархічної структури, яка включає мету, критерії, альтернативи і інші
розглядаються фактори, що впливають на вибір. Ця структура відображає
розуміння проблеми особою, яка приймає рішення.
Кожен елемент ієрархії може представляти різні аспекти розв'язуваної
задачі, причому до уваги можуть бути прийняті як матеріальні, так і нематеріальні
чинники, вимірювані кількісні параметри та якісні характеристики, об'єктивні дані
і суб'єктивні експертні оцінки.
Наступним етапом аналізу є визначення пріоритетів, які представляють
відносну важливість або перевагу елементів побудованої ієрархічної структури, за
допомогою процедури парних порівнянь.
На заключному етапі аналізу виконується синтез (лінійна згортка)
пріоритетів на ієрархії, в результаті якої обчислюються пріоритети альтернативних
рішень щодо головної мети. Кращою вважається альтернатива з максимальним
значенням пріоритету.
Порядок застосування методу аналізу ієрархій:
1) Побудова якісної моделі проблеми у вигляді ієрархії, що включає мету,
альтернативні варіанти досягнення цілі і критерії для оцінки якості альтернатив.
2) Визначення пріоритетів всіх елементів ієрархії з використанням методу парних
порівнянь.
3) Синтез глобальних пріоритетів альтернатив шляхом лінійної згортки
пріоритетів елементів на ієрархії.
4) Перевірка суджень на узгодженість.
5) Прийняття рішення на основі отриманих результатів.
Перший крок МАІ - побудова ієрархічної структури, що об'єднує мета
вибору, критерії, альтернативи і інші фактори, що впливають на вибір рішення.
Побудова такої структури допомагає проаналізувати всі аспекти проблеми і
глибше вникнути в суть завдання.
Ієрархічна структура - це графічне представлення проблеми у вигляді
перевернутого дерева, де кожен елемент, за винятком самого верхнього, залежить
від одного або більше вище розташованих елементів. Часто в різних організаціях
розподіл повноважень, керівництво та ефективні комунікації між співробітниками
організовані в ієрархічній формі.
Ієрархічні структури, використовувані в МАІ, являє собою інструмент для
якісного моделювання складних проблем.
Вершиною ієрархії є головна мета; елементи нижнього рівня представляють
безліч варіантів досягнення мети (альтернатив); елементи проміжних рівнів
відповідають критеріям або факторів, які пов'язують ціль з альтернативами.
Приклад такої ієрархії наведено на рисунку:
 𝑓𝑗𝑖 – елементи ієрархії критеріїв, верхній індекс показує рівень ієрархії,

𝑥𝑖 – альтернатива.

Після побудови ієрархії учасники процесу використовують МАІ для

визначення пріоритетів всіх вузлів структури. Інформація для розстановки
пріоритетів збирається з усіх учасників і математично обробляється.

Проілюструємо вищеописаний алгоритм для випадку, коли існує 2 критерії

ієрархії 1-го рівня, 2 критерії ієрархії 2-го рівня, що підпорядковуються кожному з
критеріїв попереднього рівня і 3 альтернативи. Позначимо:

a1, a2 - вагові коефіцієнти 1-го рівня;

a11, a12, a21, a22 - вагові коефіцієнти 2-го рівня;

a111, a112, a113, a121, a122, a123, a211, a212, a113, a221, a222, a223 - вагові
коефіцієнти альтернатив.

Тоді дерево-схема матиме вигляд:

 Проміжні вагові коефіціенти будуть розраховуватись як добуток
коефіціентів на шляху до альтернативи

Комбіновані коефіціенти визначають як

Залежно від змісту рішення за визначальний приймають або найбільший, або

найменший комбінований коефіцієнт, відповідно до якого вибирають
альтернативу. Метод аналізу ієрархій є одним із найгнучкіших методів і дозволяє
враховувати найрізноманітніші умови проведення експертиз: різну компетентність
експертів, багатоетапність, оцінювання різними експертами тільки тих показників
об’єкта, які вони вважають за потрібне тощо.

Ми розглянемо використання методу аналізу ієрархій на прикладі.

Нехай є абітурієнт Мартін, який вибирає між трьома університетами – А, В,

С. Як критерії вибору він використовує репутацію та місцезнаходження, при цьому
репутація для нього приблизно в п’ять разів важливіше за місцезнаходження.
Мартіну потрібно оцінити відповідність університетів критеріям та вибрати той,
що найкраще відповідає їм.

З чого тут почати використання МАІ?

Першим кроком у процесі аналізу ієрархії є моделювання проблеми як

ієрархії. Одночасно учасники вивчають аспекти проблеми на різних рівнях - від
загального до детального, а потім висловлюють її на багаторівневій основі, як
вимагає метод прийняття рішень (аналіз ієрархії) Сааті (=МАІ).

Структура ієрархії вимагає побудови наступних кроків: поперше, розвиток

ієрархії (мета, критерії та альтернативи); по-друге, оцінка відносних ваг критеріїв;
по-третє, оцінюючи альтернативи відносний пріоритет щодо критеріїв і, нарешті,
розрахунок загальних пріоритетів. Ці кроки можна описати за допомогою простої
моделі:

Рівнів може бути й більше, але зазвичай навіть для проблем на рівні держави
використовується не більше 8 рівнів ієрархії.

Тоді побудуємо ієрархію для задачі вибору університету Мартіном:

Ця задача має один ієрархічний рівень з двома критеріями, та три

альтернативні рішення. Давайте розглянемо структуру цієї задачі. І так, рішення
це вибір університету, критерій ієрархії першого рівня місцезнаходження так
репутація. Альтернативи – університети А, В, С. Вони розписані двічі – для
місцезнаходження та репутації. Потрібно визначити оцінку цих університетів як
комбінований ваговий коефіцієнт для кожного з них.

Вагові коефіцієнти визначаються за допомогою матриці попарних порівнянь.

Ця матриця квадратна. Кількість рядків співпадає з кількістю стовпців. На
діагоналі завжди стоять одиниці, тому що це один і той самий критерій, що
порівнюється сам із собою, і ще одна умова для цієї матриці - якщо в нас береться
якесь число симетричне відносно головної діагоналі то два коефіцієнта зв’язані
такою формулою:

Побудуємо цю матрицю та розставимо оцінки, використовуючи класичну

шкалу оцінок (наведена в таблиці вище). Відповідно до шкали вводиться деяка
шкала від 1 до 9, і значення 1 (аіj дорівнює 1) в тому випадку приймає коли в нас
критерій і та критерій j одинаково важливі. У середині цифра 5 означає що і-тий
критерій значно важливіший ніж j-тий, і крайня права цифра означає що і-тий
критерій набагато важливіший за j-тий.

Нехай місцезнаходження позначається як М, репутація – Р. Тоді матриця

попарних порівнянь має вигляд (за умовою, репутація в 5 разів важливіша за
місцезнаходження):

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

і ділимо на суму за стовпцем:

N= М Р
М 0.17 0.17
Р 0.83 0.83

Зауважимо, що отримана матриця не завжди буде симетричною (в даному

випадку просто співпадіння, і така матриця називається ідеально узгодженою).
Після цього знаходимо середнє значення за рядком (W – усталене позначення
вагового коефіціента):

0.17 + 0.17
𝑊𝑀 = = 0.17
2
0.83 + 0.83
𝑊𝑃 = = 0.83
2

Таким чином, ваговий коефіціент місцезнаходження дорівнює 0,17, а репутації

0,83, або вага місцезнаходження для Мартіна 17%, а репутації - 83%.

Тепер нам необхідно побудувати матрицю попарних порівнянь для

альтернатив – університетів за тим самим принципом. Така матриця буде вже 3х3
– тому що в нас 3 альтернативи.

AM= A B C
A 1 1/2 1/5
B 2 1 1/2
C 5 2 1

Таблиця містить оцінки, які задає Мартін, коли порівнює університети

відносно їх місцезнаходження. Наступний крок – суми по стовпцях – отримуємо
другу матрицю – по кожному рядку знаходимо середнє значення і отримуємо вагу
кожної альтернативи за критерієм місцезнаходження.

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

0.250 + 0.286 + 0.294

𝑊𝑀𝐵 = = 0.277
3

0.625 + 0.571 + 0.588

𝑊𝑀𝐶 = = 0.594
3

Те ж саме ми робимо для університетів відносно їх репутації.

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

0.545 + 0.545 + 0.545

𝑊𝑅𝐴 = = 0.545
3

0.273 + 0.273 + 0.273

𝑊𝑅𝐵 = = 0.273
3
0.182 + 0.182 + 0.182
𝑊𝑅𝐶 = = 0.182
3

Запишемо результат зважування альтернатив за критеріями в табличку у вигляді

відсотків:

Критерії Університети
А В С
Місцезнаходження 12,9% 27,7% 59,4%
Репутація 54,5% 27,3% 18,2%

Повертаємось до задачі: Мартіну потрібно вибрати університет, а отже,

теперь шукаємо узагальнену оцінку кожної альтернативи за критеріями. Вона
виглядає як сума вагів альтернатив за критерівями, помножених на важливість
даного критерія:

Університет А: 0,17*0,129 + 0,83*0,594 = 0,51495

Університет В: 0,17*0,277 + 0,83*0,273 = 0,27368

Університет С: 0,17*0,594 + 0,83*0,182 = 0,16115

Найбільший комбінований ваговий коефіцієнт у університеті А, а отже, Мартіну

слід обрати його.

Це був дуже простий приклад але загальна структура методу аналізу ієрархій
може включати декілька ієрархічних рівнів з своїми критеріями.

Як може бути ускладнена подібна ієрархія?

Нехай у Мартіна є сестра Джейн, і вони разом обирають університет для

вступу за умови, що вони хочуть навчатись в одному університеті. Тоді схема МАІ
буде мати наступний вигляд:
 Для вибору спільної альтернативи кожен з них повинен розписати свої
критерії для альтернатив, виконати попарні порівняння і розрахувати вагові
коефіціенти для альтернатив. Якщо Мартін та Джейн приймають рішення
рівноправно, то ваги p та q будуть по 0,5, в іншому випадку їх сума на першому
рівні ієрархії (для довільної кількості вирішуючих осіб) має дорівнювати одиниці.
Критерії ієрархії другого рівня – місцезнаходження та репутація – оцінюють як
Мартін так і Джейн. На виході отримаємо комбінований ваговий коефіцієнт із
врахуванням думки і Мартіна, і и Джейн відносно критеріїв місцезнаходження так
репутації. За отриманим значенням можна буде обрати найкращу альтернативу.

Таким чином, МАІ використовують для вибору оптимальної альтернативи

при прийнятті рішень за наявності множинних критеріїв оцінювання.

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

В найбільш повному випадку ієрархія буде містити вісім рівнів:

- Ідеї
- Заходи
- Задачі
- Завдання
- Принципи функціонування/виконання
- Функціональні підсистеми
- Конструкції
- Технічні проблеми/задачі
Основні елементи методу і визначають його алгоритм:
- Розробка "сценарію", що представляє собою прогноз політичної картини
світу на прогнозований період;
- Розробка прогнозу розвитку науки і техніки (який може бути і складовою
частиною "сценарію");
- Розробка "дерева цілей";
- Оцінка складових "дерева цілей" шляхом визначення коефіцієнтів відносної
важливості, стану розробки та термінів, взаємної корисності;
- Обробка результатів оцінки (підрахунок сумарних коефіцієнтів з
використанням спеціально розробленої процедури обробки результатів на
компьютері) і представлення результатів особам, які приймають рішення.

Метод ПАТТЕРН розглянемо також на прикладі. Нехай в нас є задача

організувати новорічний відпочинок. Тоді сценарій для МП буде наступним:
Через наближення новорічних свят основні проблеми, що можуть виникнути під
час організації – проблемна ситуація з ковідом в умовах подорожі, а також
необхідність вирішення проблем, пов’язаних з навчанням в університеті. Стосовно
Covid-19 – необхідна наявність зеленого паспорта вакцинації, а також (можливо)
тесту ПЛР. Стосовно університету – потрібно розібратись із боргами та
позакривати різні дисципліни. До того ж, необхідно завчасно придбати квітки на
літак, а також забронювати житло, бо через новорічні свята та ажіотаж
подорожуючих вільних місць може не лишитись.
Першим кроком для побудуємо дерево для методу ПАТТЕРН, де вершина –
це проблема, рішення щодо вирішення якої потрібно прийняти. Другий рівень
ієрархії буде представляти собою задачі, що необхідно виконати для вирішення
проблеми. На третьому рівні ієрархії розміщуються завдання, необхідні для
виконання задач (в загальному випадку із варіантами, що призводять до виконання
задач). На останньому рівні нашого сценарію помістимо кроки, необхідні для
виконання завдань. Отримаємо наступного вигляду дерево:

Другий крок – обрати критерії, за якими будуть оцінюватись елементи

кожного рівні. Вимога до них – бути достатньо універсальними, щоб кожне
рішення на рівнях ієрархії можна було оцінити за наведеними критеріями. В
нашому випадку можна обрати критерії «Затратність за часом», «Грошова
перевага» та «Простота виконання завдання». Після обрання критеріїв необхідно
виконати їх вагову оцінку.

Важливо: На відміну від МАІ, використовується не шкала попарних порівнянь, а

оцінка, обрана таким чином, щоб сума вагів всіх критеріїв дорівнювала одиниці.
 Так само буде і з розподілом оцінок кожного з альтернатив, завдань/задач та кроків
більш низької ієрархії: на кожному рівні ієрархії МП сума присвоєних вагів за
одним критерієм повинна давати значення 1.

Отже, будуємо таблицю оцінок елементів кожного з рівнів за критеріями.

Для першого рівня дерева МП вона буде наступна:

Критерій Вага Елементи 1-го рівня(скорочено)

критерію Кіт Covid-19 Переліт, житло Університет
Затратність 0,3 0,2 0,3 0,1 0,4
Грошова перевага 0,5 0,1 0,4 0,4 0,1
Простота 0,2 0,1 0,2 0,3 0,4

Розрахуємо коефіцієнти відносної важливості:

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.

Робимо те саме для елементів другого рівня МП:

Вага Елементи 2-го рівня(скорочено)

критерію Запитати Зателефо Сайт Готель Літак Економіка Англ Лр
про ковід нувати
Критерій
Затратність 0,3 0,04 0,1 0,02 0,09 0,09 0,26 0,2 0,2

Грошоваперевага 0,5 0,01 0,1 0 0,5 0,39 0 0 0

Простота 0,2 0,02 0,02 0,02 0,02 0,02 0,3 0,3 0,3

Розрахуємо коефіцієнти відносної важливості:

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:

Критерій Вага Елементи 3-го рівня(скорочено)

критерію Винагорода Соц Довідка Low Пошта Монолог Здати лр
мережі Cost першим

Затратність 0,3 0,05 0,3 0,05 0,1 0,05 0,4 0,05

часу

Грошова 0,5 0,5 0,05 0,05 0,4 0 0 0

перевага

Простота 0,2 0,1 0,1 0,1 0,1 0,1 0,3 0,2

реалізації

Розрахуємо коефіцієнти відносної важливості:

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

Тепер за отриманими значеннями можна оцінити перевагу того чи іншого

рішення, прийнятого на шляху до розв’язання проблеми. Коли таких рішень
багато, то за такими числовими коефіцієнтами можна обирати оптимальні
шляхи/сценарії розв’язання проблем, що відповідають заданим вимогам.
 Зауваження: варто обирати критерії так, щоб вони однозначно відображали або
переваги, або недоліки елемента ієрархії. Наприклад, якщо обрані критерії
«Ймовірність невдачі» та «Переваги вартості реалізації завдання», і обидва будуть
мати велику вагу в розподілі оцінок певної альтернативи, то може виявитись так,
що найвищу оцінку отримає дешева, але потенційно невдала альтернатива.
Збереження однорідності характеристик в позитивний чи негативний бік нівелює
подібну проблему.

Метод згортання критеріїв

Метод згортання критеріїв – приведення множини критеріїв до одного
глобального за допомогою вагових коефіцієнтів, які відображають важливість
критеріїв, та розв’язування класичної однокритеріальної задачі.
Основною проблемою цього методу є проблема виявлення точних значень
вагових коефіцієнтів, процедура визначення яких в більшості випадків є
суб’єктивною. Крім того, коефіцієнти в методі згортання повинні бути
розмірними, тому що критерії в більшості випадків мають різну розмірність. З
метою позбавлення цього недоліку окремі критерії нормуються (нормовані
критерії є безромірними та змінюються в інтервалі від 0 до 1). Але нормовані
критерії не мають змістовного навантаження, і тому об"єктивне визначення
вагових коефіцієнтів ще більш ускладнюється.
Для лінійного згортання ненормованих критеріїв застосовується формула
𝑛

𝑍𝑒𝑥𝑡 = ∑[𝑐𝑗 ∗ 𝑍𝑗 (𝑎, 𝑥)] при ∑ 𝑐𝑗 = 1 та 𝑐𝑗 ≥ 0

𝑗=1

а для нормованих
𝑛

𝑍𝑒𝑥𝑡 = ∑{𝑐𝑗 ∗ [ 𝑍𝑗 (𝑎, 𝑥 ) − 𝑍𝑖𝑚𝑖𝑛 ]/[𝑍𝑚𝑎𝑥 − 𝑍𝑗𝑚𝑖𝑛 ]} при ∑ 𝑐𝑗 = 1 та 𝑐𝑗 ≥ 0

𝑗=1

де 𝑐𝑗 – вагові коефіцієнти критеріїв;

𝑍 𝑚𝑎𝑥 та 𝑍𝑗𝑚𝑖𝑛 – максимальне та мінімальне значення j–го критерію

Моделі системної динаміки
Моделі системної динаміки аналізують системи зі зворотними зв'язками та
взаємозалежностями. Ці моделі використовуються для моделювання екологічних
та економічних систем, ланцюгів поставок та виробничих процесів. Вони
покращують здатність вибудовувати та аналізувати логічні ланцюжки, що містять
позитивний і негативний зворотний зв'язок.
Модель системної динаміки включає такі елементи, як джерела, стоки,
запаси, потоки, швидкість та константи.
 Джерела генерують потік, що входить до системи.
 Стоки приймають вхідні потоки.
 Запаси характеризують значення накопичених у системі величин, а потоки
відображають зворотну зв'язок між рівнями запасів
 Швидкості та константи – це параметри потоків, які можуть бути
фіксованими або змінюватися з часом.

Моделі системної динаміки можуть включати позитивний і негативний

зворотний зв'язок.
Позитивний зворотний зв'язок виникає тоді, коли збільшення значення
змінної (або атрибуту) призводить до його подальшого збільшення.
Приклад:

Успіх породжує успіх, продаж призводять до додаткових продажів, а

цитування наукових робіт та патентів підвищує частоту цитування.
Негативний зворотний зв'язок послаблює тенденції. Слід уникати поспішних
висновків із слова «негативний»: негативний зворотний зв'язок нерідко забезпечує
необхідний результат. Він може запобігати небезпечним ситуаціям і кризам.
Приклад:

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:

Гра «Життя» заснована на принципі оптимально функціонуючої решітки

клітин, де певна кількість живих сусідів підтримує клітину живою, а перевищення
або зниження цієї кількості призводить до її загибелі. Таким чином, існуючі
клітини пробуджують до життя нові клітини, а надлишок клітин призводить до
їхньої смерті.

Моделі системної динаміки, що становлять потоки та рівні запасу у вигляді

математичних функцій, можна відкалібрувати таким чином, щоб вони пояснювали
величину запасу за минулий період, прогнозували майбутні значення та дозволяли
оцінити ефект заходів впливу. Тоді їх можна використовувати для аналлізу та
прогнозування. Крім того, моделі системної динаміки можуть бути не лише
кількісними, а й якісними.
Ми можемо позначити кожну стрілку знаком «плюс» або "мінус", щоб
внести ясність у логіку системи (при цьому буде отримано модель, що є аналогом
когнітивної карти, що буде розглянута пізніше).
Для введення термінів системної динаміки ми збудуємо якісну модель
пекарні, а також виконаємо побудову класичної моделі "хижак - жертва" на основі
рівнянь Лотки – Вольтерри.

Елементи моделей системної динаміки

Модель системної динаміки включає такі елементи, як джерело, стік, запас
та потік. Джерело створює запас, тобто обсяг чи рівень тієї чи іншої величини.
Потік описує, як змінюється рівень запасу. Стік приймає вихідний потік, що
надходить із запасу. Стік і джерело - це місця для процесів, що не включені в
модель. Рівень запасу згодом змінюється залежно від джерела та потоків.

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.

У моделях системної динаміки використовується система представлення,

показана на рисунку. У ній:

 джерела та стоки представлені у вигляді хмарок, запаси - прямокутників,

 потоки зображають у вигляді стрілок зі знаком "плюс" або "мінус",
 змінні потоки позначені зверненими друг до друга трикутниками,
 постійні потоки – розсіченими навпіл стрілкою потоку кружками,
 стрілка зі знаком «плюс» означає позитивний зворотний зв'язок, коли більше
породжує більше,
 стрілка зі знаком «мінус» - негативний зворотний зв'язок від однієї величини до
іншої.

Сконструюємо базову модель системної динаміки пекарні, що складається з

пекаря, хліба та клієнтів. Пекар пече хліб, а клієнти купують його. Якщо
швидкість, з якою пекар випікає хліб, перевищує швидкість, з якою клієнти його
купують, запас хліба збільшується та накопичується в булочній. І навпаки: якщо
швидкість продажу перевищує швидкість, з якою пекар випікає хліб, у пекарні
постійно не вистачатиме хліба.

Для того щоб зробити модель більш реалістичною, дозволимо пекарю

коригувати швидкість випікання хліба залежно від його запасу, як показано на
наступному рисунку, де представлений потік (стрілка) від запасу хліба до
швидкості його випікання. Вказаний біля стрілки знак "мінус" означає, що
швидкість випікання хліба знижується зі збільшенням його запасу. Якщо
швидкість коригування встановлено правильно, у моделі сформується рівновага,
при якій швидкість випікання хліба буде еквівалентна швидкості його покупки
клієнтами.

Для того, щоб зробити модель ще реалістичнішою, включимо до неї ще один

запас (чергу), який дорівнює кількості людей, які очікують у булочній, а також
друге джерело (потенційні клієнти), що додає нових людей в чергу. Коротка та
середня черга може залучити клієнтів, тоді як довга – відлякати. Для того щоб
оцінити змінну дію довжини черги на швидкість потоку, що надходить із джерела,
напишемо знак «+/−» над стрілкою. Крім того, поставимо знак "плюс" над
стрілкою, спрямованої від черги до швидкості, з якою клієнти купують хліб,
виходячи з того, що чим більше людей у черзі, тим швидше вони ухвалюють
рішення.

Тоді ускладнена модель пекарні буде мати наступний вигляд:

 Цю модель можна відкалібрувати відповідно до даних. Швидкість
приєднання людей до черги можна визначити за її довжину. Крім того, пекар може
встановити оптимальну швидкість коригування процесу випікання залежно від
запасу хліба та довжини черги. Це значення стане відправною точкою для пошуку
найкращої швидкості. Сам процес опису моделі корисний навіть без калібрування.
Пекар усвідомлює важливість довжини черги з погляду обсягу продажу.

Модель «хижак — жертва»

Далі розглянемо модель «хижак – жертва» – екологічну модель, що
відображає взаємозв'язок між кількістю зайців (жертва) та лисиць (хижак). Модель
включає два позитивних (зайці народжують зайців, а лисиці — лисиць) та один
негативний (лисиці поїдають зайців) зворотний зв'язок. Модель виходить із
припущення, що коли кількість популяції зайців висока, лисиці дають більше
потомства. На рисунку ці припущення представлені якісно, але не відбивають
кількісної оцінки співвідношення.

Також за схемою системи випливає, що збільшення кількості лисиць веде до

зменшення числа зайців, що, у свою чергу, призводить до зменшення чисельності
лисиць. Коли це відбувається, зайці починають швидко розмножуватися, і тоді
кількість лисиць знову підвищується. Ця логіка вказує на можливість формування
циклу, а може, і рівноваги – точно визначити неможливо.
 Щоб краще зрозуміти суть того, що відбувається, необхідно побудувати
кількісну версію моделі, включивши до неї лінійні потоки, що залежать від рівня
запасу. При відсутності лис кількість зайців зростає з постійною швидкістю; при
відсутність зайців кількість лисиць скорочується з постійною швидкістю через
нестачу їжі. Згідно з моделлю, ймовірність зустрічі зайця та лисиці пропорційна
кількості лисиць, помноженому на кількість зайців. Для того, щоб врахувати той
факт, що при цьому лисиці їдять зайців, виходитимемо з того, що кількість лисиць
зростає з постійною швидкістю, помноженої на добуток кількості зайців та
кількості лисиць, а кількість зайців скорочується з постійною швидкістю,
помноженою на цей добуток. Отримані в результаті рівняння відомі як рівняння
Лотки - Вольтерри.

Модель Лотки - Вольтерри

Екосистема складається з H зайців та F лисиць. Популяція зайців зростає зі
швидкістю g, а популяція лисиць скорочується зі швидкістю d. При зустрічі зайців
та лисиць зайці гинуть зі швидкістю a, а лисиці розмножуються зі швидкістю b. На
основі цих припущень можна скласти такі диференціальні рівняння:

𝐻̇ = 𝑔𝐻 − 𝑎𝐹𝐻, 𝐹̇ = 𝑏𝐹𝐻 − 𝑑𝐹

Ці рівняння мають рівновагу вимирання (F = H = 0), а також внутрішню рівновагу,

представлену рівняннями

𝑔 𝑑
𝐹= ,𝐻 =
𝑎 𝑏
Пояснення:

Диференціальні рівняння описують як чисельність зайців та лисиць

змінюється з часом. Коли рівняння рівні нулю, кількість зайців та лисиць не
змінюється і система перебуває у рівновазі. Одна з рівноваг, рівновага вимирання,
має на увазі повну відсутність зайців та лисиць.

Отже, модель прогнозує, що за певних умов взаємозв'язку між хижаками та

жертвами виникає вимирання обох видів. Це не може відбуватися у всіх випадках,
інакше на планеті не залишилося жодних видів. Внутрішня рівновага включає
позитивні кількості лисиць та зайців. Тоді кількість лисиць збільшується в міру
зростання кількості зайців і скорочується, якщо кожна взаємодія між лисицею та
зайцем скорочує популяцію зайців більш швидкими темпами. Обидва результати
інтуїтивно зрозумілі.

Якщо зайці розмножуються швидше, система може підтримувати більшу

кількість лисиць. А якщо кожній лисиці потрібно більше зайців для підтримки
життя, система може підтримувати менше лис. Обидва результати узгоджуються з
нашими інтуїтивними висновками. Саме такий результат нам і потрібний: моделі
повинні генерувати інтуїтивні висновки.

Водночас моделі повинні призводити і до менш інтуїтивних результатів,

наприклад, показуючи, що рівноважна кількість лисиць взагалі не залежить від
їхнього рівня смертності. Якщо лисиці вмирають швидше, рівноважна кількість
зайців збільшується і в лисиць, що залишилися, утворюється достаток їжі, тому їх
чисельність зростає швидше, що врівноважує вищий рівень смертності лисиць.

Аналогічна логіка може бути застосована до популяції зайців. Рівноважна

кількість зайців не залежить від темпів зростання їх чисельності чи швидкості їх
поїдання лисицями. Кількість зайців залежить від швидкості вимирання лисиць і
від швидкості, з якої лисиці перетворюють зайців на нових лисиць.

Інтуїція підводить нас у таких випадках, оскільки ми не можемо продумати

зворотні зв'язки остаточно. Пряме слідство підвищення темпів зростання
чисельності зайців – більше зайців. Непряме слідство - більше лисиць, що означає
менше зайців. Ці два слідства врівноважують одне одного.
 Неінтуїтивні висновки такого роду – відмінна особливість моделей
системної динаміки. Навіть якщо прямим наслідком збільшення (скорочення)
швидкості чи потоку стає збільшення (або скорочення) запасу, наявність
системних ефектів у вигляді позитивного та негативного зворотного зв'язку
означає, що величина інших запасів теж зміниться, а значить, чистий ефект від
зміни швидкості або потоку може бути зменшено, анульовано або звернено назад.

За допомогою математики можна довести наявність двох рівноваги для

рівнянь Лотки - Вольтерри. Але ми не знаємо, яка з них настане, якщо це взагалі
станеться. Правильно те, що якщо модель починається з рівноваги, вона в ній і
залишиться. Однак до запуску моделі ми не знатимемо, що саме породжує
рівняння - рівновагу, цикл, хаос або складність. Нам відомо лише те, що рівновага
існує.

Приклад:

Імітаційне моделювання цих рівнянь породжує запізнювальні цикли.

Спочатку чисельність одного виду збільшується, потім скорочується, а чисельність
іншого виду зростає. Емпіричні дослідження вказують на поширеність таких
циклів. На рисунку відображено кількість вовків (хижаків) та лосів (жертв) на Айл-
Ройал (острові завдовжки трохи більше 72 кілометрів на озері Верхньому) за
п'ятдесятирічний період. Зверніть увагу, що рівні видів хижаків та жертв
коливаються в залежності від запізнювальних циклів. Представлені на графіку
структури не такі регулярні, як структури, які породжує модель, оскільки в модель
не включені такі фактори, як географія, наявність інших видів тварин, відмінності
в погодних умовах та гетерогенність у межах двох видів (http://isleroyalewolf.org/).
 Аналіз рівнянь Лотки-Вольтерри підтверджує наше більш раннє
спостереження щодо того, що ми не повинні плутати існування рівноваги з її
досягненням. В даному разі система породжує цикли, а не рівновагу. Разом з тим
динамічний процес утворює цикл у межах рівноваги.

Таким чином, рівновага дозволяє визначити середню кількість лисиць та

зайців. З цього випливає, що отриманий раніше парадоксальний результат - те, що
швидкість зростання чисельності лисиць (або зайців) ніяк не впливає на їхній
рівноважний рівень, - зберігає силу і в загальному випадку.

Моделі трансляції, діфузії та зараження

Поширення інформації, технологій, моделей поведінки, переконань та
захворювань у рамках сукупності можна моделювати як динамічні системи за
допомогою моделей трансляції, дифузії та зараження. Ці моделі відіграють
центральну роль у галузі комунікації, маркетингу та епідеміології. Усі три моделі
ділять населення на людей, які щось знають чи мають, та тих, хто цього не знає чи
не має. Згодом люди переходять із однієї групи до іншої. Хтось переходить від
сприйнятливості до хвороби до зараження або з категорії неінформованих про
новий продукт чи ідею до групи поінформованих.

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 .

Приклад. Уявіть, що мер міста з одним мільйоном жителів оголошує про

запровадження нової політики у сфері оподаткування. До цього про таку політику
ніхто нічого не знав. Припустимо, ймовірність того, що хтось почує певну новину
того чи іншого дня, дорівнює 30 відсоткам (Pтрансл = 0,3). Тоді першого дня цю
новину почують 300 000 осіб, а другого — 30 відсотків від 700 000, тобто 210 000
осіб. За кожний період кількість поінформованих людей збільшується, але
меншими темпами, як показано на рис.

Рис. r-подібна крива прийняття, утворена моделлю трансляції

У моделі трансляції кожен член релевантної групи дізнається інформацію чи

купує продукт. Отже, використовуючи вихідні дані продажу, ми можемо
розрахувати розмір релевантної групи. Припустимо, компанія виводить на ринок
нову лінійку взуття для людей, які практикують тайчі, і за перший тиждень
отримує замовлення на 20 000 пар. Якщо за другий тиждень надходять замовлення
на 16 000 пар, ми можемо вивести наближену оцінку підсумкового загального
обсягу продажів — розмір релевантної сукупності, який складе 100 000.
Узгодження моделі трансляції з даними

Період 1: I 1 = 20 000 = P трансл · N POP .

Період 2: I 2 = 36 000 = 20 000 + P трансл · (N POP − 20 000).
Рішення: P трансл = 0,2 та N POP = 100 000.
 Не варто надто довіряти оцінці, що базується на двох елементах даних. У
моделі не враховано низку аспектів реального світу. Люди можуть отримувати
інформацію з вуст в уста чи із засобів, деякі можуть купити кілька пар взуття, а
реклама може бути орієнтована на ймовірних покупців. Включення цих аспектів
модель змінить отримані оцінки. Але якщо опустити застереження, модель все ж
таки дозволить отримати наближену оцінку. Компанії не варто розраховувати на
продаж двох мільйонів пар взуття, але вона може бути впевнена, що продасть
понад 100 000 пар. У міру надходження додаткових даних оцінку можна
покращити. Якщо за третій тиждень обсяг продажів становитиме 13 000 пар (обсяг,
який прогнозує модель), то компанія може більше довіряти первісному прогнозу.

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.

Рис. Криві ухвалення, що відображають обсяг продажів двох додатків

 Перший додаток відповідає ймовірності дифузії 40 відсотків та релевантній
групі чисельністю 100 осіб, тоді як другий – ймовірності дифузії 30 відсотків та
чисельності релевантної групи мільйон осіб. За кілька днів ми дійшли б висновку,
що є більша релевантна група користувачів другого додатка. Проте за відсутності
моделі ми зробили помилковий висновок про загальний обсяг продажів, якби
грунтувалися лише даних за п'ять днів.
При використанні моделі дифузії як посібника до дії ймовірність дифузії
дорівнює добутку ймовірності передачі та ймовірності встановлення контакту. Для
того, щоб підвищити темпи продажу програми, його розробник міг би збільшити
частоту зустрічей між людьми або ймовірність того, що вони поділяться
інформацією про цей додаток. Змінити першу ймовірність досить важко, а ось для
підвищення другий розробник міг би надавати стимули за залучення нових
покупців, що, до речі, багато хто й робить. Розробник ігор міг би нараховувати
користувачам бали за залучення нових покупців у рамках гри. Це збільшило б
швидкість дифузії, але не позначилося на загальному обсязі продажів (принаймні
модель на це не вказує). Як мовилося раніше, загальний обсяг продажу дорівнює
розміру релевантної сукупності, незалежно від можливості передачі. Збільшення
темпів продажу не дає довгострокового ефекту.
Більшість споживчих товарів та інформація поширюються як дифузією, так і
трансляцією. Наступна модель, модель Басса, об'єднує обидва процеси в одну
модель. Рівняння в моделі Басса є сукупністю різницевих рівнянь з моделі
трансляції та моделі дифузії.
Криві прийняття телевізорів, радіоприймачів, автомобілів, комп'ютерів,
звичайних та мобільних телефонів – все це поєднання r- та Sобразних форм.
Модель Басса

де P трансл – ймовірність трансляції, а P дифф – ймовірність дифузії.

SIR-модель
У вже розглянутих нами моделях людина, яка приймає технологію, ніколи не
відмовляється від неї. Це стосується таких технологій, як електрика, посудомийна
машина та телебачення — ми ніколи не змінимо до них відношення. Однак це
припущення не відноситься до всього, що поширюється за допомогою дифузії.
Після хвороби ми одужуємо. Коли ми віддаємо данину моді, вибираючи певний
стиль одягу чи танцювальний рух, то згодом можемо відмовитись від нього.
Дотримуючись ухваленої угоди, ми позначатимемо таких людей (що відмовилися)
такими, що вилікувалися. Отримана в результаті модель під назвою SIR-модель
(скор. від susceptible - сприйнятливий, infected - інфікований, recovered -
вилікувався) займає центральне місце в епідеміології.
Враховуючи походження цієї моделі, а також той факт, що лікування більш
природним у разі хвороб, ми опишемо її на прикладі поширення хвороби. Щоб
уникнути надмірного ускладнення математичних викладок, будемо виходити з
того, що одужалі люди знову стають сприйнятливими до хвороби, тобто їх
організм не виробляє від неї імунітет.

SIR-модель:

де P пер , P конт і Pизлеч - ймовірність передачі хвороби, контакту і лікування

відповідно.
Частота контактів залежить від того, як саме хвороба передається від однієї
людини до іншої. Після контакту можливість передачі також буває різною.
SIR-модель дозволяє визначити переломний момент у формуванні показника,
відомого як базове репродуктивне число (R0 ), - Відношення ймовірності контакту,
помноженої на ймовірність передачі, до ймовірності лікування. Хвороби зі
значеннями R0 більше 1 можуть охопити всю групу. Захворювання зі значенням R0
менше 1 сходять нанівець. У цій моделі інформація (або в даному випадку
хвороба) не завжди охоплює всю релевантну сукупність, залежить від значення R
0. Тому урядові установи, такі як центри з контролю та профілактики захворювань,
використовують значення показника R0 для вироблення плану дій.
Як показано в таблиці нижче, кір, що передається повітряним шляхом, має
більш високе базове репродуктивне число,
 ніж, наприклад, ВІЛ. Оцінка значень R0 не враховує того факту, що люди
змінюють свою поведінку як реакцію у відповідь на хворобу. При прийняти
протихворобних мір число R0 зменшується.

Кір Поліоміеліт ВІЛ Грип

R0 15 6 4 3

Якщо вакцина є, то вакцинація здатна запобігти поширенню хвороби; її можна

зупинити навіть без загальної вакцинації. Частка людей, що підлягають вакцинації
(поріг вакцинації), визначається за формулою V ≥ (R 0 − 1) / R0 , яку можна вивести
з цієї моделі.
Чим більше значення R 0 тим вище поріг вакцинації. Щоб запобігти
поширенню поліомієліту, у якого значення R 0 дорівнює 6, вакцинація повинна
охопити 5/6 від загальної чисельності населення, а поширення кору, значення
якого дорівнює 15, - 14/15 від загальної чисельності населення.
Математичний висновок порога вакцинації є орієнтиром для представників
урядових структур. Якщо щеплено дуже мало людей, то хвороба пошириться, тому
уряд забезпечує вакцинацію, перевищуючи граничне значення, встановлене за
допомогою моделі. У разі захворювань з високою базовою репродуктивною
кількістю, таких як кір та поліомієліт, урядові установи прагнуть проводити
загальну вакцинацію.
R0 , суперрозповсюджувачі та зведення ступеня в квадрат
Вивід R0 базового репродуктивного числа заснований на припущенні про
випадкове перемішування: протягом кожного часового інтервалу члени
популяції випадково зустрічаються один з одним. Як зазначалося вище,
припущення про випадкове перемішування може приблизно відповідати
хворобам, що передаються повітряно-краплинним шляхом або через дотик, але
не таке доречне у разі хвороб, що передаються статевим шляхом.

Вбудувавши SIR-модель у мережу, ми побачимо роль розподілу ступеня

у поширенні хвороби. Порівняємо мережу у вигляді прямокутної сітки (як
шахова дошка), в якій кожен вузол пов'язаний з вузлами на північ, південь, схід
і захід, із зіркоподібною мережею, де центральний вузол пов'язаний з усіма
іншими вузлами.

Припустимо, хвороба випадковим чином виникає у якомусь вузлі. Нехай

Pконт = 1 у цій мережі, тобто кожна людина контактує з усіма людьми, з якими
він пов'язаний. Протягом наступного періоду хвороба може поширитись на
кожного сусіда окремо із заданою ймовірністю, що відповідає вірулентності
захворювання.

Спочатку розглянемо прямокутну сітку. Протягом кожного періоду

хвороба може поширитися на будь-який із чотирьох вузлів на північ, південь,
схід та захід. Якщо ймовірність поширення хвороби вища 1/4, то можна
очікувати, що вона пошириться.

Зазирнувши в майбутнє на один період, ми побачимо, що якщо один

вузол підхопить хворобу, у нього є три сусіди, які також ризикують заразитися.
Якщо два сусіди (на північ і схід від первісного вузла) підхоплять хворобу,
тобто шість вузлів, на які вона може перейти. Отже, така мережа, мабуть, не
сильно впливає на ймовірність поширення захворювання.

Тепер розглянемо зіркоподібну мережу. Першим вузлом, що заразився,

може стати або центральний, або зовнішній вузол. Якщо центральний вузол
підхопить хворобу, може передати її будь-якому зовнішньому вузлу. У цьому
випадку слід очікувати на поширення хвороби навіть при низькій ймовірності
передачі. Якщо хвороба підхопить один із зовнішніх вузлів, то єдиним вузлом,
що знаходиться в зоні ризику, буде центральний вузол. А, як ми щойно
з'ясували, це загрожує поширенням хвороби навіть за низької ймовірності
передачі.
 У зіркоподібній мережі значення R0 менш інформативне, оскільки при
зараженні центрального вузла хвороба швидко пошириться. Епідеміологи
називають людей, які виступають як вузли з високим ступенем,
суперрозповсюджувачами. Саме вони сприяли ранньому поширенню ВІЛ та
атипової пневмонії. Суперрозповсюджувач не обов'язково повинен мати високий
рівень соціальної активності чи багато зв'язків. Він може активно спілкуватися з
людьми у рамках своєї професії — оператор пропускного пункту, касир у банку,
стоматолог-гігієніст тощо. На початку ХХ століття Мері Маллон («тифозна Мері»)
працювала кухарем у Нью-Йорку. Вона переходила з сім'ї до сім'ї, заражаючи
кожну черевним тифом. Коли з'ясувалося, що Мері є джерелом інфекції, її
помістили в карантин примусово.
Для того щоб визначити вплив вузлів з високим ступенем, слід спочатку
відзначити, що такі вузли більшою мірою поширюють хворобу і з більшою
ймовірністю підхоплюють її. Для людини, у якої втричі більше друзів, ніж у
когось іншого, втричі вища ймовірність підхопити хворобу і втричі вища
ймовірність її поширити. Отже, його загальний внесок у поширення хвороби
буде у дев'ять разів більший, ніж у інших. Якщо вузол A має ступінь у K разів
більший за ступінь вузла B, то вузол A поширюватиме хворобу з ймовірністю,
у K разів більшою, ніж вузол B, і передасть цю хворобу у K разів більшій
кількості вузлів, ніж вузол B. Загальна дія вузла A буде в K 2 разів
перевищувати вплив вузла B-феномен, відомий як зведення ступеня в квадрат.

Застосування моделі у багатьох областях

Хоча SIR-модель розроблялася для аналізу поширення хвороб, її можна

застосувати і до соціальних явищ, що передаються в результаті дифузії, а потім
втрачають актуальність. До них належать книги, пісні, танцювальні рухи, фрази,
сайти, дієти та комплекси вправ. Ми можемо обчислити ймовірність контактів,
поширення, лікування та базове репродуктивне число також і в цих контекстах.
Модель має на увазі, що невеликі зміни цих ймовірностей збільшують значення
базового репродуктивного числа вище за нуль, що визначає різницю між успіхом
і невдачею. Якщо ідея закріпилася у свідомості людей міцніше, темп лікування
буде нижчим, що також підвищить базове репродуктивне число.

Не всі випадки відносяться до граничного рівня. Гурт «Бітлз» був надзвичайно

талановитий. Очевидно, що її базове репродуктивне число суттєво перевищувало
1. Безумовно, це припущення. Для оцінки базової репродуктивної кількості
сучасних поп-зірок можна використовувати кількість інтернет-завантажень та
переглядів. Оціночне значення R0попзірки Джастіна Бібера дорівнює 24, що робить
його більш вірулентним, ніж кір.

У SIR-моделі ми вивели дві важливі порогові величини — R0 та поріг

вакцинації, які стають контекстними переломними моментами, коли невеликі
зміни у зовнішньому середовищі (контексті) суттєво позначаються на кінцевому
результаті. Такі моменти відрізняються від безпосередніх переломних моментів,
коли невеликі дії у певний момент назавжди змінюють подальший шлях системи.
Безпосередні переломні моменти настають у нестійких точках, як у випадку, коли
м'яч знаходиться на вершині пагорба. Невеликий поштовх у будь-якому напрямку
відправляє м'яч вниз або одним, або іншим схилом. Цей невеликий поштовх і є
безпосередній переломний момент (точка перелому).

При настанні контекстного переломного моменту зміна параметра змінює

поведінку системи. У разі безпосереднього переломного моменту траєкторія
майбутніх результатів робить різкий поворот. Вигин, подібний до першого
повороту S-подібної кривої прийняття в моделі дифузії, не задовольняє жодному з
визначень переломного моменту. Такий вигин відповідає точці, в якій нахил кривої
максимально підвищується. У цій точці дифузія йде на повний хід і немає жодних
переломів.

На рис. показано кількість користувачів мережі Google+ за перші два тижні її

існування. Вигин графіка відбувається через шість днів після появи мережі. На той
час процес дифузії вже набрав обертів. Не йдеться про те, що на початковому етапі
мережа Google+ розвивалася насилу і що безпосередній переломний момент
настав на шостий день, внаслідок чого кількість користувачів мережі досягла 16
мільйонів за два тижні. Таке поєднання переломів та різких підйомів призводить
до надмірного використання терміна «переломний момент». Моменти, які
називаються в новинних ЗМІ та інтернеті переломними, рідко задовольняють
формальне визначення.

Рис. Вигин (а не перелом) на графіку кількості користувачів Google+

Моделі локальних взаємодій

Розглянемо дві моделі локальних взаємодій – модель локальної більшості та
гру «Життя». Обидві моделі представлені на площині, поділеній на клітини, що
знаходяться в одному з двох станів. В іншому моделі суттєво відрізняються. У
моделі локальної більшості клітини оновлюються шляхом переходу в стан, в якому
знаходиться більшість сусідніх клітин. У грі «Життя» клітини підпорядковуються
складнішому правилу з безліччю порогових значень. Результати, отримані за
допомогою цих моделей, теж різняться. Модель локальної більшості завжди
сходиться до рівноваги, тоді як гра «Життя» залежно від її вихідного стану може
забезпечити будь-який клас результатів: рівновага, циклічність, складність чи
хаотичність.

Модель локальної більшості можна використовувати для пояснення та

прогнозування реальних результатів у соціальних та фізичних системах. Вона
може представляти дискретний вибір, який роблять окремі люди, або описувати
такі фізичні системи, як спінове скло, де магнітні структури приходять у
відповідність до сусідніх структур. Навпаки, гра «Життя» має суто дослідницький
характер. Вона розроблялася вивчення того, як сукупність простих правил може
породжувати складні явища. У грі «Життя» взаємодія призводить до появи
періодичних структур, складних послідовностей та хаосу. Ця модель демонструє,
що ціле може відрізнятись за своєю суттю від своїх частин. Як грубу аналогію
можна навести мозок людини, яка також породжує явища (такі як емоції, пізнання
і свідомість), що виникають з набагато простих складових.

Модель локальної більшості

Модель локальної більшості передбачає, що площина поділена на клітини.
Кожна клітина знаходиться в одному з двох станів, які ми позначимо як
"включено" або "вимкнено". Спочатку ми присвоюватимемо клітинам стану у
випадковому порядку; згодом стан клітини залежатиме від її сусідів. Сусіди
можуть бути визначені декількома способами. Ми будемо вважати сусідами
клітини C чотири клітини, розташовані на півночі, півдні, сході та заході, а також
чотири клітини, суміжні по діагоналі. Отже, розмір околиці дорівнює восьми
кліток.
Кожна клітина на двовимірній мережі координат знаходиться в одному із
станів - "включено" або "вимкнено". Кожна клітина має
вісім сусідів (як показано на малюнку нижче). Протягом
кожного періоду клітина вибирається випадково. Вона
змінює свій стан тоді й лише тоді, коли п'ять чи більше її сусідів
перебувають у іншому стані.

Локальні взаємодії в моделі локальної більшості містять позитивний

зворотний зв'язок: клітини переходять у стан, де знаходяться інші клітини. На рис.
показано типова рівноважна конфігурація моделі локальної більшості.
 Рис. Рівноважна структура в моделі локальної більшості

У разі рівноваги стан кожної клітини відповідає стану більшості її сусідів.

Хоча рівноважна конфігурація залежить від вихідної конфігурації клітин, модель
не виявляє високої чутливості до умов. Зміна стану однієї клітини призводить
лише до незначних змін кінцевої конфігурації. Ця структура також залежить від
того, в якому порядку активуються клітини. Таким чином, модель локальної
більшості демонструє залежність від вибраного шляху. Модель породжує безліч
рівноваг.
Модель розроблена для опису фізичних систем, у яких стан кожної клітини
відбиває спин атома: уявіть кожну клітину як магніту з негативним чи позитивним
зарядом. Кожен магніт знаходиться в локальному магнітному полі, яке фізично
приводить його у відповідність зі спинами сусідів. За допомогою цієї моделі можна
також описати скло та кристали.
Ми використовуємо її для опису локальної координації чи узгодженості дій
людей. Припустимо, кожна клітина відбиває дію окремої людини. Це може бути
будь-яка загальноприйнята дія, така як потиск рук, кивок на знак вітання або
підняття руки. Людині необхідно вибрати дію, що відповідає діям її сусідів.
Розділена на клітини площина відображає мережу соціальних зв'язків. Така
площина буде відповідною мережею соціальних зв'язків для домовласника, який
приймає рішення підтримувати чистоту у дворі, посадити дерева або застосувати
принципи екологічного благоустрою, або для людей у залі для глядачів, які
вирішують, чи аплодувати виконавцям стоячи. І хоча розділена на клітини
площина – грубе наближення, воно дозволяє вловити деякі важливі моменти на
інтуїтивному рівні.
 Якщо ми запустимо модель на комп'ютері, виявимо, що вона завжди утворює
плямисту рівноважну конфігурацію. У фізичній інтерпретації моделі локальної
більшості плямиста рівноважна структура відповідає фрустрованому стану. Багато
клітин сусіди перебувають як у стані «включено», так і «виключено». Якщо
інтерпретувати модель у соціальному контексті, то фрустрований стан можна
розглядати як субоптимальну рівновагу. Якщо стан «включено» відповідає
вітанню людей рукостисканням, а «вимкнено» — кивку головою, то люди,
розташовані на межах плям, зазнають дискомфорту при взаємодії з деякими
сусідами: вони кивають на знак вітання, коли інші обмінюються рукостисканням,
і тиснуть руку, коли інші кивають. Загалом люди були б щасливішими, якби всі
обирали ті самі дії, тобто вирішували б координаційну гру.
Субоптимальна рівновага (фрустрований стан) настає через ефект взаємодії,
що виникає на локальному рівні. Якби замість цього клітини переходили в стан
глобальної більшості, то дуже швидко всі вони були б в тому самому стані. Цей
висновок передбачає, що формування загальних моделей поведінки може
вимагати широких мереж впливу.
Коли клітини координують свої дії з діями локальних сусідів, утворюються
зони різнопланових моделей поведінки. Парадокс у тому, що координація веде до
різноманітності.
Дії A B
A 1, 1 0, 0
B 0, 0 1, 1

Чисті координаційні ігри

У чистій координаційній грі кожен гравець вибирає одну з двох дій: A
або B. Якщо обидва гравці обирають одну й ту саму дію, кожен отримує
виграш 1. Якщо гравці обирають різні дії, кожен отримує виграш 0.
Таким чином, у чистій координаційній грі є дві ефективні рівноваги:
обидва гравці вибирають дію A або дію B. Крім того, в ній є неефективна
рівновага, в якій кожен гравець у випадковому порядку вибирає або A або B.
У даному випадку модель локальної більшості можна інтерпретувати так:
кожна клітина відповідає гравцю, який повинен вибрати спільну дію, щоб
грати з вісьмома сусідами Якщо гравці можуть змінювати свої дії тільки за
умови їх активації у випадковому порядку, гравець може збільшити свій
виграш, вибравши дію, що збігається з діями більшості сусідів. Таку стратегію
називають недалекоглядною найкращою відповіддю, оскільки вона не
враховує можливих майбутніх дій сусідів. Гравець із п'ятьма сусідами, які
вибрали дію B, може збільшити свій виграш у короткостроковому періоді
шляхом переходу від дії A до дії B, але якщо гравець та його сусіди знаходяться
в оточенні безлічі інших гравців, які вибрали дію A, то у нього може бути
більший за очікуваний виграш, якщо він збереже дію A. Головний висновок -
правило поведінки, з якого виходить модель локальної більшості, може
ґрунтуватися на теоретико-ігровій моделі.
Парадокс координації пояснює різницю між групами як властиву їм відмінну
особливість. Деякі дії (наприклад, чи зберігаєте ви соєвий соус у шафі чи в
холодильнику, чи ходять люди вдома у взутті чи знімають його біля порога)
доцільно координувати з діями інших людей. Однак інші особливості можуть бути
неефективними.
Гра «Життя»
Наша наступна модель, гра «Життя», також представлена у вигляді клітин на
площині, що знаходяться в одному із двох станів. Ключова відмінність від
попередньої моделі полягає в тому, що правило оновлення клітин має два порогові
значення і що всі клітини переходять у новий стан одночасно. Отже, ми можемо
говорити про вихідну конфігурацію, конфігурацію в момент часу 1, конфігурацію
в момент часу 2 і так далі. Синхронне оновлення клітин можна розглядати як
«динаміку маршируючого оркестру». Так як клітинна решітка представляє собою
клітинний автомат, розглянемо деякі теоретичні відомості щодо них.
Клітинні автомати (КА) також відомі як гратчасті автомати, широко
використовуються в багатьох галузях для моделювання систем природного та
соціального характеру: реакція-дифузія, імунна система, міська транспортна
система та інші галузі. Клітинні автомати вважаються ефективним інструментом
для вивчення складних систем. Вивчаючи виникнення складних систем шляхом
спостереження за клітинними взаємодіями, можна зімітувати необхідні
характеристики системи.
Клітинний автомат – це дискретна динамічна система, що включає однорідні
клітини, з'єднані один з одним. Всі клітини утворюють клітинний автомат. Стан
кожної клітини визначається клітинами, що знаходяться в околиці даної клітини.
Набір "найближчих сусідів" називається околом кінцевого автомата з номером j.
Стан клітинного автомата j в момент часу t +1 визначається наступним чином:

𝑦𝑖 (𝑡 + 1) = 𝐹(𝑦𝑖 (𝑡), 𝑂 (𝑗), 𝑡),

де F – правило, що може бути вираженим (наприклад, мовою булевої алгебри), O(j)

– сусіди, t – крок.
Клітинний автомат визначається правилами:
1. зміна значень кожної клітини відбувається одночасно (кроком є зміна
одиниці часу);
2. мережа клітинного автомата є однорідною, тобто правила зміни однакові для
всіх клітин;
3. число станів клітини є скінченним.
Кожна клітина на просторовій координатній сітці може бути живою
(«включено»), або мертвою («вимкнено»). Сусідами кожної клітини є вісім
суміжних клітин. Клітини оновлюють свій стан одночасно відповідно до
наступних двох правил.
Правило життя: мертва клітка з рівно трьома живими сусідами оживає.
Правило смерті: жива клітка з менш як двома або більше ніж з трьома
живими сусідами вмирає.
Почнемо із трьох живих клітин, розташованих по горизонталі, як показано на
рис. У наступному періоді в результаті застосування правил життя та смерті до
кожної клітини ми отримаємо три клітини, розташовані по вертикалі. У живої
клітки, що знаходиться посередині, двоє сусідів, тому вона залишається живою.
Дві живі клітини з обох боків мають по одному живому сусіду, тому вони
вмирають. І нарешті, клітини, що знаходяться вище і нижче центральної клітини,
оживають, оскільки у кожної з них по три живі сусіди (два їх сусіди по діагоналі).
Через симетрію після чергового оновлення три клітини знову вишиковуються в
ряд по горизонталі. При повторному застосуванні правила дана структура по черзі
приймає горизонтальне та вертикальне положення - іншими словами, «блимає».
 Рис. Фігура «мигалка» у грі «Життя»
Мигалка формується внаслідок взаємодії між клітинами. Цей результат не
належить до вихідних припущень. Вчені, що вивчають складні системи, називають
такі явища макрорівня емерджентними (за властивістю систем). Мигалка належить
до найпоширеніших і найменш вражаючих емерджентних структур, що
породжуються грою «Життя».
На наступних рисунках показано ще три прості конфігурації: блок, планер та
R-пентаміно. Блок – це рівноважна конфігурація. Кожна жива клітина має три
живих сусіди, а кожна мертва — не більше двох живих сусідів. Жодна жива
клітина не вмирає і жодна мертва не оживає. Середня конфігурація породжує цикл
довжиною такту 4, який плавно переміщає вказану конфігурацію по діагоналі на
одну клітинку вниз і вправо. Найскладніші зміни під назвою «планерні рушниці»
породжують нескінченний потік планерів. Третя конфігурація, R-пентаміно,
створює складну послідовність фігур. Якщо виконувати модель протягом більш
ніж тисячі кроків на великій сітці, вона генерує планери та мигалки, а також кілька
невеликих стабільних конфігурацій. Крім того, гра «Життя» може породжувати
хаос. Таким чином, вона здатна генерувати будь-який клас результатів, залежно
від вихідного стану.

Рис. Конфігурації у грі «Життя»

Ці можливості порушують філософські питання. Гра «Життя» складається з

розташованих на сітці клітин із двома станами, які оновлюються відповідно до
простих правил. Гра може породжувати складні структури, тому за належного
кодування її можна перетворити на універсальний комп'ютер. Вихідну структуру
можна як вхідні дані. Правила генерують результат, який можна інтерпретувати як
обчислення. Отже, можна провести грубу аналогію між даною моделлю та
людським мозком, який теж складається з простих просторово пов'язаних
елементів, що функціонують на основі правил із пороговими значеннями (хоч і
складніших). Не означає, що структури, які ми бачимо у грі «Життя», можуть
пояснити свідомість. Книги під назвою «Гра “Життя”: пояснення свідомості»
немає, проте Деніел Деннет справді написав книжку Consciousness Explained
(«Пояснення свідомості»), у якій стверджує, що прості моделі типу гри «Життя»
дозволяють глибше зрозуміти еволюцію свідомості. Таку саму думку висловив і
фізик Стівен Хокинг, написавши: «Неважко уявити, що гра “Життя” з допомогою
лише кількох елементарних правил може породжувати дуже складні об'єкти,
можливо, навіть інтелект».

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

Припустимо, ці можливості переходу вірні для 100 студентів, які вивчають

біологію. Спочатку половина студентів захоплена, а інша половина сумує, як
показано на малюнку. Застосувавши наведені вище ймовірності переходу,
очікується, що наступного дня 5 (10 відсотків) інтелектуально захоплених
студентів почнуть нудьгувати, а 15 (30 відсотків) нудьгуючих студентів
захопляться матеріалом. Це дасть нам 60 інтелектуально захоплених та 40
нудьгуючих студентів. Наступного дня 6 із 60 інтелектуально захоплених
студентів мають нудьгувати, а 12 нудьгуючих — випробувати інтелектуальне
захоплення, в результаті ми матимемо 66 захоплених і 34 нудьгуючих студентів.
При продовженні процесу він зійдеться до такої статистичної рівноваги: 75
інтелектуально захоплених і 25 студентів. У цій рівновазі студенти продовжать
переходити з одного стану до іншого, але кількість студентів, які перебувають у
кожному стані, не зміниться.
Якщо процес розпочнеться зі 100 захоплених студентів, то наступного дня
лише 90 із них зазнають інтелектуальної захопленості. Ще через день їхня
кількість скоротиться до 84. Продовживши процес, ми виявимо, що в
довгостроковій перспективі 75 студентів будуть у стані інтелектуального
захоплення, а 25 студентів — відчувати нудьгу. Модель досягне тієї ж
статистичної рівноваги.
У другому прикладі ми розділимо країни на три категорії: вільні, частково
вільні та невільні, які ототожнюватимемо зі станами. На рис. показано частку країн
у кожній категорії за тридцятип'ятирічний період, що закінчився у 2010 році (за
даними Freedom House). На малюнку простежується чітка тенденція посилення
демократизації. За минулі 35 років частка вільних країн збільшилася до 20
відсотків. Якщо ця лінійна тенденція продовжиться, то до 2040 року дві третини
всіх країн стануть вільними, а до 2080-го — вісім із дев'яти країн.

Рис. Freedom House: відсоток вільних, частково вільних та невільних країн

У моделі Маркова інший прогноз. Для його складання ми візьмемо п'ятирічний

період і приблизно відкалібруємо ймовірності переходу на основі даних за
минулий період.
Таблиця. Ймовірність переходу до демократичного режиму відповідно до моделі Маркова

Якщо ми ініціалізуємо модель, використовуючи відносну кількість країн у

кожній категорії станом на 1975 рік, то відкалібрована модель (як і слід очікувати)
майже ідеально відповідає розподілу 2010 року: 48 відсотків країн належать до
категорії вільних, 31 відсоток — частково вільних та 21 відсоток. - Невільних.
Фактичні дані за 2010 рік становили: 46 відсотків, 30 відсотків та 24 відсотки
відповідно. Якщо ми продовжимо застосовувати модель, вона дасть такий прогноз:
у 2080 році 62,5 відсотка країн будуть вільними, 25 відсотків частково вільними та
12,5 відсотка невільними.
Менш позитивний прогноз моделі Маркова обумовлений тим, що лінійна
проекція не враховує можливості переходу вільних країн у категорію частково
вільних і невільних. У міру того, як все більше країн стають вільними, кількість
вільних країн, що переходять у категорію частково вільних, збільшується з низки
причин. По-перше, для підтримки демократії потрібне податкове відомство та інші
установи, які здатні проводити відповідну політику. Говорячи словами Томаса
Флореса та Ірфана Нооруддіна, у деяких місцях демократії не так легко
вкоренитися . У таких місцях слід очікувати переходу країн із вільних до категорії
частково вільних. Модель Маркова враховує усі ці нюанси.

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.

Висновок із цієї теореми повинен полягати не в тому, що історія не може

мати значення, а в тому, що якщо історія справді важлива, то одне із припущень
моделі має бути порушене. Два припущення - кінцева безліч станів і відсутність
простих циклів - виконуються майже завжди. Ергодичність може бути порушена,
як, наприклад, у разі коли союзники починають війну і не можуть відновити союз.
Крім таких прикладів умова ергодичності теж завжди виконується.
Залишається лише обмеження на фіксовані ймовірності переходу між
станами, яке виконується найрідше. Таким чином, модель говорить, що коли
історія має значення, базові структурні фактори повинні змінити ймовірність
переходу (або безліч станів). Розглянемо як приклад питання, як допомогти сім'ям
подолати бідність. Фактори, що створюють соціальну нерівність, виявилися
несприйнятливими до політичних заходів впливу. У моделях Маркова заходи
впливу, що змінюють стан сімей (такі як спеціальні програми для відстаючих учнів
або одноденна благодійна роздача продуктів), можуть призвести до тимчасового
покращення, але не здатні змінити довгострокову рівновагу. Навпаки, заходи
впливу, що забезпечують ресурси та навчання, що підвищує шанси людей зберегти
роботу, а отже, змінює їхню можливість переходу з категорії зайнятих у категорію
безробітних, можуть змінити довгострокові результати. Модель як мінімум надає
нам термінологію (про розмежування станів та ймовірностей переходу) та логіку,
що дозволяє зрозуміти цінність зміни структурних факторів, а не нинішнього
стану.

Області застосування моделей Маркова

Моделі Маркова можна використовувати у різних контекстах. Навіть для
моделювання дрейфу генів між чотирма нуклеїновими кислотами: аденін (A),
цитозин (C), тимін (T) та гуанін (G). Якщо кожна нуклеїнова кислота має невелику
і однакову ймовірність перейти в одну з трьох категорій, що залишилися, можна
скласти матрицю переходів для дрейфу. Моделі Маркова можна також
використовувати для моделювання траєкторій здоров'я, представивши стани у
вигляді категорій здоров'я, таких як відмінний, середній та слабкий. Модель
дозволяє оцінити, яким чином протоколи лікування, зміна поведінки та оперативне
втручання змінюють ймовірність переходу та розподіл ймовірностей за
результатами.
Моделі Маркова також використовуються для виявлення закономірностей у
розвитку міжнародних криз та розрізнення переходів, що ведуть до війни і ведуть
до миру та компромісів. Ця сфера застосування потребує оцінки двох різних
моделей, в одній із яких використовуються випадки, коли кризи призводили до
війни, а в іншій — коли врегулювання досягалося ще до початку війни. Якщо в
цих двох моделях ймовірності переходу суттєво відрізняються, можна зіставити
існуючі схеми (такі як бомбардування, захоплення заручників, відмова від обміну
полоненими та посилена демонстрація позиції) та подивитися, який процес більше
відповідає даним.

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.

Метод цільового аналізу орієнтований на одержання повної і відносно

стійкої структури цілей, проблем, функцій, напрямків, в яких існує та
функціонує система. Цілі системи випливають з об'єктивних потреб і мають
ієрархічний характер. Цілі верхнього рівня не можуть бути досягнуті, поки не
досягнуті цілі найближчого нижнього рівня. В міру переміщення вниз рівнями
ієрархії цілі конкретизуються, тобто забезпечення нормального
функціонування системи проходить поетапно від нижчих рівнів - елементів та
компонентів системи, підсистем та всієї системи в цілому.
З вищезазначеної причини дерево цілей будується поетапно, згори донизу,
шляхом послідовного переходу від вищого рівня до нижчого суміжного рівня,
хоча існують методи побудови дерева цілей для регулювання діяльності
соціальних структур одночасно «згори» — від розробників та керівництва, та
«знизу» — починаючи від користувачів-виконавців, з наступною координацією
отримуваних структур.
Конкретизація цілей згори донизу повинна зростати: чим нижче рівень,
тим в докладнішій формі формулюється мета — в деяких випадках вдається
дістатися кількісної форми критеріїв.

"Дерево цілей" – це графічне зображення взаємозв'язку і підпорядкованості

цілей, що відображає розподіл місії і мети на цілі, під цілі, завдання та окремі
дії. "Дерево цілей" можна визначити, як каркас функціонування явища чи
об'єкта. Загальний вигляд "дерева цілей" показано на рис.:
Послідовність побудови

На кожному етапі виділяють горизонтальну та вертикальну побудову. По

горизонталі відбувається розбиття попередньої цілі на рівнозначні аспекти, що
необхідно реалізувати для досягнення цілей, що знаходяться вище ієрархічно.
По вертикалі дерева цілей проходить уточнення дій, що мають бути реалізовані
в межах одного аспекту. На рисунку наведено дерево цілей для підприємства.
Основна мета
 Основна мета побудови дерева цілей – декомпозиція системи з точки
зоруресурсів та дій, що потрібні для її сталого функціонування.

Вимоги до побудови "дерева цілей":

1. Цілі кожного рівня повинні бути порівнянні по масштабу і значенню.

2. Формулювання цілей повинне забезпечувати можливість кількісної і якісної
оцінки досягнення мети.
3. Основним принципом побудови дерева цілей є повнота редукції, тобто кожна
мета певного рівня повинна бути зображена у вигляді підцілей наступного рівня
так, щоб сукупність підцілей давала повне уявлення про початкову ціль.
4. Формулюючи цілі різних рівнів необхідно описати бажані результати, а не
способи їх отримання.
5. Підцілі кожного рівня повинні бути незалежні одна від однієї і не повинні
виходити одна з іншої.
6. Ознакою завершення побудови дерева цілей є формулювання таких понять,
які визначають альтернативні способи досягнення цілі. Самі вони не є цілями,
це заходи щодо досягнення цілі вищого рівня.
7. Відсутність суперечностей між цілями, що знаходяться на різних рівнях
"дерева цілей".
8. Декомпозицію місії і цілі на всіх рівнях слід проводити за одним і тим же
методологічним підходом.
9. Цілі усіх рівнів мають бути виражені в конкретних обсягах, строках з
визначенням конкретних виконавців (відповідальних).
10. Забезпечення узгодженості, зв'язку між цілями різного порядку. При цьому
слід враховувати наявність двох видів зв'язків між цілями - горизонтальних і
вертикальних.
 Стратегічний аналіз

Стратегічний аналіз – це комплексне дослідження позитивних і

негативних факторів, які можуть вплинути на становище системи у перспективі,
а також шляхів досягнення стратегічних цілей. За допомогою стратегічного
аналізу розробляється комплексний стратегічний план розвитку, здійснюється
науково обґрунтована, всебічна і своєчасна підтримка прийняття стратегічних та
управлінських рішень.
Метод стратегічного аналізу базується на певній сукупності
загальнонаукових і власних (прикладних) методів та прийомів дослідження.
Загальнонаукові методи і прийоми є універсальними і можуть
застосовуватися у будь-якій сфері економіки, техніки чи мистецтва. До методів
і прийомів цієї групи належать аналіз, синтез, індукція, дедукція, аналогія,
спостереження, порівняння, моделювання, абстрагування, конкретизація,
оцінка, класифікація та ін.
Окрім загальнонаукових методів у процесі проведення стратегічного
аналізу виникає необхідність застосування різних прикладних методів і
прийомів, які залежно від об'єктів дослідження можна об'єднати у 7 груп

Кожен вид стратегічного аналізу охоплює кілька прикладних методів і

прийомів (і вони справді використовуються в сучасному системному аналізі):
1) стратегічний аналіз макрооточення підприємства:
1. аналіз інформаційних оглядів, проектів, звітів, статистичних довідок;
2. кабінетні дослідження, різноманітні методи сегментації, збирання даних, аналізу істатистичної
оцінки;
 3. економетричне моделювання;
4. PEST-аналіз;
2) стратегічний аналіз безпосереднього оточення (галузі і конкуренції):
1. аналіз життєвого циклу галузі:
2. аналіз вхідних і вихідних бар'єрів галузі;
3. бенчмаркінг;
4. кластерний аналіз;
5. метод сценаріїв;
6. імітаційне моделювання;
7. методи експертних оцінок (Дельфі, мозкового штурму та ін.);
3) стратегічний аналіз підприємства:
1. аналіз основних компетенцій і основних можливостей;
2. аналіз вектора зростання;
3. ЕТОР-аналіз (аналіз загроз зовнішнього оточення і профілю можливостей);
4. SWOT-aнaлiз (аналіз сильних і слабких сторін, можливостей і загроз);
5. SРАСЕ-аналіз (оцінка стратегічної позиції і дій);
6. матриця ВСО (матриця "Зростання / Частка", розроблена Бостонською консалтинговою
групою);
7. матриця GЕ/МсКіnseу (матриця "Привабливість галузі / Позиція в конкуренції");
8. матриця Shell/DPM (матриця спрямованої політики, розроблена компанією Shell),
9. PIMS-аналіз (аналіз впливу ринкової стратегії на прибутки);
10. аналіз життєвого циклу підприємства;
11. аналіз часових рядів, екстраполяція тенденцій;
12. аналіз вразливості підприємства;
13. порівняльний аналіз "цілі - план - факт - оптимізація - відхилення";
14. причинно-наслідковий аналіз;
4) стратегічний аналіз:
1. аналіз життєвого циклу продукту і стратегії маркетингу;
2. життєвого циклу продукту і фінансової ситуації;
3. життєвого циклу продукту і конкуренції;
4. життєвого циклу продукту і менеджменту;
5. життєвого циклу продукту і факторів продуктивності;
6. впливу зацікавлених сторін;
5) стратегічний фінансовий аналіз:
1. підготовка проектованих фінансових звітів;
2. стратегічна оцінка фінансових результатів і фінансових потреб;
3. діагностика (прогнозування) банкрутства;
6) стратегічний інвестиційний аналіз:
1. методи варіантного аналізу;
2. аналіз ризиків;
7) аналіз стратегії та прийняття стратегічних рішень:
1. матриця вибору головної стратегії;
2. аналіз ключових факторів успіху;
3. методи імітаційного моделювання;
4. теорія ігор;
5. теорія масового обслуговування;
6. методи сітьового аналізу;
7. методи експертних оцінок;
8. підготовка стратегічного плану.

Як виконувати стратегічний аналіз:

1. обрати сферу, в якій знаходиться досліджувана система
2. визначити її принципи функціонування та цілі
3. за одним з наявних методів провести аналіз, що виявить наступне:
- умови та параметри, при яких система функціонує нормально
- умови та параметри, що покращують функціонування та продуктивність
системи
- умови та параметри, що короткостроково виводять систему із стану рівноваги
із можливістю відновлення
- умови та параметри, що виводять систему зі стану рівноваги так, що
подальше функціонування неможливе
- характеристики появи сприятливих та несприятливих для системи факторів
- характеристики, що забезпечують збереження системи в стані рівноваги.
4. на основі отриманих даних зробити висновки про стратегії, яких необхідно
дотримуватись для збереження системи в стані рівноважного функціонування,
а також про прогнозований стан системи за поточної ситуації.

Сенс проведення такого аналізу – виявити набір кроків, які забезпечать стійку та
прогнозовану поведінку системи та зробити достовірні припущення про стан в
майбутньому.
 SWOT-аналіз

SWOT-аналіз – один з найлегших та найбільш універсальних методів

аналізу та стратегічного планування.
Найважливіше завдання SWOT-аналізу — допомогти організації побачити
та оцінити всі чинники, що впливають на прийняття рішень, а також визначити
можливості розвитку.
Існує багато ситуацій, що передбачають застосування SWOT-аналізу:
 запуск стартапів, нових напрямків бізнесу;
 перегляд обраної політики;
 розгляд варіантів та можливостей;
 перевірка правильності заданого курсу розвитку;
 покращення поведінки системи з урахуванням внутрішніх та зовнішніх
факторів;
 для загального розуміння ситуації.
Метод використовує 4 ключові елементи: сильні та слабкі сторони, можливості
та загрози. Задля зручності їх зображують у вигляді таблиці.
Внутрішні чинники

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:

Що ми робимо краще? Які є переваги? Чи є унікальність?

Щоб зрозуміти недоліки:

Що можна/треба покращити? Які негативні сторони є? Які головні недоліки?

Зовнішні чинники

Після того, як було досконально розглянуто та оцінено внутрішні чинники,

переходять до аналізу можливостей (О) і загроз (Т), що прямо чи опосередковано
впливають на систему.

Аналіз зовнішніх чинників:

Можливості: чи існують додаткові напрямки розвитку? Які зміни підуть на

користь? Чи є тренд, який виводить систему на якісно кращий рівень?
Загрози: Які зовнішні перепони є на вашому шляху? Як сильно ваші слабкі
сторони погіршують позиції системи? Наскільки успіх у досягненні цілей
залежить від зовнішніх чинників?
Визначивши усі чинники, буде можливість прийняти рішення: посилити
слабкі сторони системи завдяки наявним ресурсам чи відмовитися від
ризикованого напрямку розвитку, зменшивши потенційні зовнішні загрози.
Загалом стратегії мають бути сфокусовані на акумуляції сил та використанні
можливостей, що дозволить уникнути чи подолати загрози.
Так як метод з'явився цілеспрямовано для використання в аналізі бізнесу, то
найчастіше можна зустріти опис цього методу саме з точки зору підприємства,
стартапу тощо. Але деяка суб'єктивність ключових елементів методу дає
можливість застосувати його для будь-якого об'єкта.
Приклад побудованої матриці SWOT для підприємства:

Приклад використання SWOT-аналізу для виконання аналізу

особистості Миколи та його можливості працювати на карантині:
 Управління ризиками в системному аналізі. Поняття і сутність
ризику, ідентифікація ризиків, аналіз і оцінка. Методи управління
ризиками.
Поняття ризику

У загальному випадку під ризиком розуміють можливість настання

деякої несприятливої події, що тягне за собою різного роду втрати
(наприклад, отримання фізичної травми, втрата майна, отримання доходів
нижче очікуваного рівня, реалізація деякої загрози і т.д.). Якщо говорити
тільки про можливість настання деякої події, то ризик - це невизначеність
втрат.
Можна також дати більш розгорнуте визначення ризику, якщо
розкрити вньому поняття невизначеності:
Ризик - це можливість непередбаченого настання несприятливих
наслідків.
У наведених формулюваннях передбачається обов'язкова наявність двох
елементів:
1) об'єкта, який може мати різні стани і міняти їх у часі;
2) суб'єкта, який небайдужий до стану об'єкта, але при цьому не має
інформації, достатньої для однозначного визначення стану об'єкта з
необхідною йому точністю.
У першому визначенні в неявному вигляді, а в другому абсолютно
чітко можна виділити необхідні і достатні умови наявності ризику:
1) можливість настання (а, отже, і можливість ненастання) наслідків;
2) непередбаченість настання наслідків для суб'єкта;
3) несприятливість можливих наслідків для суб'єкта, тобто
небайдужістьсуб'єкта.
Наявність можливості настання передбачає існування деякого безлічі
станів, в які може потрапити об'єкт. Тим самим передбачається відсутність
детермінізму в ситуації, що розглядається.
Непередбачуваність настання стану означає, що суб'єкт не може сам
вибрати або точно передбачити стан, в якому знаходиться або буде
знаходитися об'єкт. Також до непередбачуваності можна віднести ще
складнішу для суб'єкта ситуацію, коли він навіть не знає про існування
(можливості настання) несприятливого стану. Можливість і
непередбаченість разом означають наявність невизначеності.
Таким чином, ризик пов'язаний з деяким об'єктом навколишнього
світу, виникає і існує у суб'єкта, тобто у того, хто в силу обмеженою
інформованості та (або) суб'єктивності оцінки не може передбачити
настання несприятливих наслідків.
Суб'єкт може одночасно бути і об'єктом, якщо ризик пов'язаний з
його власним станом. Тут не можна говорити про відсутність об'єкта.
Просто в даному випадку функції об'єкта і суб'єкта виконує одне і те ж
обличчя.
Приклад: оцінені рівні ризику для здоров'я та життя людей

Класифікація ризиків:

1. за джерелами ризику - техногенний ризик, джерелом якого є

господарська діяльність людини, і природний ризик, пов'язаний з впливом
природних явищ (землетруси, повені, урагани і т.д.);
2. за рівнем впливу - локальний і глобальний;
3. по частоті впливу - постійний ризик (ризик впливу існує постійно),
періодичний (ризик, що виникає час від часу) і разовий (ризик, що виникає
привиникненні нестандартної ситуації);
3. по сприйняттю людьми - добровільний ризик (для персоналу, що працює
на небезпечному виробничому об'єкті) і примусовий (для населення, що
живе поблизу небезпечного виробничого об'єкта);
4. по відношенню до сфер людської діяльності - комерційний, соціально-
побутової, політичний, технологічний ризики і ризик в
природокористуванні;
5. за характером завданої шкоди - економічний, екологічний та
соціальнийризики;
6. за ступенем допустимості - допустимий, прийнятний, гранично
допустимий,надмірний.
Оцінка ризиків

Оцінка ризику - це кількісний опис виявлених ризиків, під час якого

визначаються такі їх характеристики, як ймовірність і розмір можливих
збитків.

РИЗИК = Імовірність * Збиток

В загальному випадку, кількісно ризик дорівнює площі

прямокутника в координатах (імовірність, збитки), де сторони
відповідають оцінці діапазонів імовірності настання події, що є джерелом
ризику, та збитків в разі її настання. Тобто фактично, значення величини
ризику відповідає кількісно величині прогнозованого збитку.
Методи оцінки:
- імовірнісні методи
- метод побудови дерев подій/рішень
- метод експертних оцінок
- когнітивне
картування/симплекс-метод і т.д.

Приклад: дерево подій для кількісного аналізу різних сценаріїв аварій на

установці переробки нафти.

Число позначає ймовірність реалізації сценарію, при цьому відповідно до

того,яка із загроз буде реалізована, проводять оцінку збитку та розрахунки:
1. вартості превентивних мір щодо запобігання реалізації певного
сценарію,щоб зменшити ймовірність його настання;
2. необхідного забезпечення щодо ліквідації загрози, що вже
реалізувалась, длязменшення нанесених збитків.
Процедура впливу на ймовірність реалізації сценарію або на зменшення
власнеі являє собою управління ризиками.

Ідентифікація ризиків - це процедура виявлення можливих

ризиків. Існують експертні і соціальні, індивідуальні та групові
методи виявленняризиків. Найчастіше зустрічаються:
Мозковий штурм, чек-листи, попередній аналіз небезпек,
вивченнянебезпек і працездатності системи (HAZOP), метод Дельфі,
SWOT-аналіз.

Приклад принципів роботи методів ідентифікації ризиків (як системні

методи, підходять не тільки для аналізу ризиків, а й для розробки методів,
побудови моделей, сценарного аналізу тощо)
Мозковий штурм Оперативний метод вирішення проблеми на основі
стимулювання творчої активності, при якому учасникам
обговорення пропонують висловлювати якомога більшу
кількість варіантів рішення, в тому числі самих
фантастичних. Потім із загального числа висловлених
ідей відбирають найбільш вдалі, які можуть бути
використані на практиці.
Структуровані Виявлення ризиків шляхом опитування експертів по
інтерв'ю заздалегідь підготовленій схемі.
Метод Делфі Спосіб комбінування експертних оцінок, які можуть
забезпечити проведення аналізу частоти, моделювання
наслідків і / або оцінювання ризику.
Чек-листи Ідентифікація ризиків, шляхом використання заздалегідь
розроблених (на підставі минулого досвіду, попередньої
оцінки) списків ризиків або загроз.
 Попередній аналіз Сукупність прийомів ідентифікації небезпеки та аналізу
небезпек частот, використовуваних на ранній стадії проектування
з метою ідентифікації небезпек і оцінки їх критичності.
Структури "А що, Індуктивний метод, який заснований на питанні «що
якщо?" трапиться, якщо ...?». FMEA є підхід за принципом
«знизу вгору» і розглядає наслідки аварійних станів
компонента за принципом «одне за один раз».

Аналіз ризиків включає:

- статистичні методи оцінки, що базуються на методах математичної
статистики ,. Для застосування цих методів необхідний досить
великий обсягвихідних даних, спостережень;
- методи експертних оцінок, засновані на використанні знань
експертів впроцесі аналізу проекту і врахування впливу якісних
факторів;
- методи аналогій, засновані на аналізі аналогічних проектів і умов
їх реалізації для розрахунку ймовірностей втрат. Дані методи
застосовуються тоді, коли є представницька база для аналізу та інші
методи
неприйнятні або менш достовірні.
- комбіновані методи, що включають в себе використання
відразудекількох методів.
Ціль аналізу ризиків - визначити, наскільки велика ймовірність реалізації
ризику, а також визначити рівень його прийнятності.

В результаті всі ризики для системи, що розглядається, будуть

представлені типовою матрицею ризиків: на вертикальній осі розташовані
критерії ймовірності (рідкісні, малоймовірні, можливі, дуже ймовірні,
певні), а по горизонтальній осі - критерії наслідків (незначні, мінімальні,
критичні, катастрофічні).

Приклад матриці ризиків:

Після розрахунку ризиків і внесення їх до матриці ризиків переходять до

управління ризиками. Для цього ризики розподіляють за рівнями сприйняття
ризиків і відповідно до вартості реалізації та наслідків кожного з них
обираються методи управління ризиками такі, щоб перевести кожен з них до
групи прийнятного.

Матриця сприйняття ризиків:

Методи переведення ризику до групи прийнятного:
• уникнення ризику
• прийняття ризику на себе
• передача ризику
• скорочення ризику
• страхування ризику

Як правило, використовується не один метод, а комбінація кількох.

Метод уникнення ризику заснований на відмові системи або об'єкта
від взаємодії з власністю, видом діяльності або особами, з якими даний
ризик пов'язаний. Рішення про відмову від того чи іншого ризику може
бути прийнято як на стадії підготовки рішення, так і на стадії реалізації
проекту.
Відмова від діяльності, в яку вже вкладено кошти, тягне за собою
додатковівтрати. Тому важливо приймати такі рішення на початковій
стадії проекту.
Наприклад, щоб усунути ризик для життя, людина може відмовитися
літати на літаку. Уникнути ризику фірма може відмовившись від
сумнівного контракту. Такий спосіб впливу на ризик найбільш простий.
Підхід, заснований на прийнятті ризику на себе, передбачає
прийняття на себе фінансових наслідків від настання несприятливої події.
Ризик підлягає прийняттю, коли він знаходиться в прийнятних межах або
коли неможливо застосувати інші методи впливу на ризик. Прийняття
ризику зовсім не означає, що він буде залишений без уваги. такі ризики
повинні постійно перебувати в зоні контролю, що здійснюється за
допомогою моніторинга.
Скорочення ризику в діяльності може бути досягнуто кількома
способами:

- збільшення точності передбачення можливих втрат;

- накопичений досвід в даній області.
 Одним з методів зменшення ризику є трансферт (передача ризику).
Дуже часто передача ризику здійснюється на основі договору, коли деяка
частина зобов'язань по забезпеченню роботи системи або об'єкта
передається за договором разом із всіма ризиками, що можуть виникнути в
процесі.
Страхування - один з найбільш зручних і поширених методів впливу на
ризик. Його можна віднести як до способів скорочення, так і до способів
передачі ризику. Він заключається у виділенні ресурсів та коштів для
боротьби із наслідками реалізації ризику, якщо йому не можна було
запобігти.
Джерела:
1. Касти, Большие системы, связность, сложность и катастрофы
2. Ю.П. Сурмин. Теория систем и системный анализ
3. Волкова В.М., Денисов А.А. Теория Систем
4. К.О. Сорока Основи теорії систем і системного аналізу
5. Стеценко, І.В. Моделювання систем: навч. посіб.
6. В. П. Новосад, Р. Г. Селіверстов, І. І. Артим. Кількісні методи експертного
оцінювання: наук.-метод. Розробка
7. В. П. Новосад, Р. Г. Селіверстов. Методологія експертного оцінювання:
конспект лекцій
8. О.В. Міца, В.О. Лавер. Системний аналіз
9. В.П.Марченко. Економічна інформатика: Методичний посібник для
виконання лабораторних робіт та самостійної роботи студентів денної форми
навчання освітньо-кваліфікаційного рівня бакалавр з галузі знань 0306
Менеджмент і адміністрування.
10. Лопухин М.М. ПАТТЕРН – метод планирования и прогнозирования
научных работ.
11. В. М. Варенко, І. В. Братусь, В. С. Дорошенко, Ю. Б. Смольніков, В. О.
Юрченко Cистемний аналіз інформаційних процесів
12. Дивак М.П. Методичний посібник з дисципліни “Системний аналіз”
для студентів спеціальності “Економічна кібернетика”