Принятие решений в условиях неопределённости

Часто ошибочно полагают, что использование каких-то отдельных характеристик распределения вероятностей результата очень просто устраняет трудность выбора наилучшего решения. Например, чаще всего используют математическое ожидание результата; иногда — дисперсию. Однако, как показывает практика, выбор на основе таких характеристик не всегда согласуется с личными представлениями ЛПР о наилучшей альтернативе. В частности, это объясняется также и тем, что, описывая задачи с риском, ЛПР редко использует такие теоретические понятия, как "распределение вероятностей", "случайная величина", "квантиль" и т.п. Вместо них человек обычно оперирует такими малоформализуемыми понятиями, как "шансы на выигрыш", "возможность неудачи", "тяжесть последствий" и др. Он их воспринимает как более привычные, а потому —, и более надежные. Хотелось бы, чтобы правила выбора также использовали подобные простые и понятные ЛПР суждения; чтобы на основе таких суждений можно было отыскивать сначала эффективные, а при необходимости — и наилучшие альтернативы.

«В этой связи хорошо согласуется с данными практики следующая вербальная формулировка принципа стохастического доминирования:тот вариант решения лучше, для которого выше вероятность получения более предпочтительного результата.[3]»

Другими словами, для того чтобы установить, какой ил двух вариантов — а или b — решения лучше, ЛПР прости необходимо последовательно "перебрать" все возможные те кущие значения t результата у и проверить, какая из веро ятностей больше: P(Y(a) ≥ t) или P(Y(b) ≥ t).

Если для всех у = t, например, оказывается, что P(Y(a) ≥ у) ≥ P(Y(b) ≥ у), то, альтернатива b стохастически доминируется. Формальный вид этого правила стохастического доминирования представлен следующим выражением Fa(y) ≤ Fh(y), для всех значений У. Где Fa{y) = P(Y(a) <y) — функция распределения результата У для альтернативы а.

Проверку на доминируемость по выше приведённому правилу технологически эффективно проводить визуально. Для этого следует изобразить графики функций Fa(y) и Fb(y) в одной системе координат и выбрать ту альтернативу, график функции распределения результата для которой лежит геометрически ниже. Если случайный результат Y дискретен и имеет не очень много возможных значений у, то для графической проверки на недоминируемость удобно использовать стандартную лепестковую диаграмму из пакета Excel, которая является аналогом полярной системы координат. В качестве примера в табл.1 представлены значения (в сотых долях) функции Fa(y) распределения непрерывного результата Y(a) для четырех альтернатив.

Таблица 1. Значения функции Fa(y) распределения результатов Y(a)

Пусть для определенности более предпочтительным для ЛПР является значение результата с большим индексом (т. е. значение у10 предпочтительнее значения у9, которое в свою очередь более предпочтительно, чем у8 и т.д., а значение у1 — наименее предпочтительное).

Альтернатива а доминируется альтернативами а2 , а3 и а4, которые между собой несравнимы по правилу стохастического доминирования, заданного соотношением а <=> Fa(y) < Fh(y).

Таким образом, отношение стохастического доминирования, задаваемое данным выражением, несвязно, так как неравенство в правой части выражения может не выполняться для всех значений результата. Ввиду этого оно обладает достаточно слабой разрешающей способностью и незначительно сокращает объем исходного множества альтернатив. Возможно также применение и более сложных принципов стохастического доминирования.

Последующее сужение множества выбора возможно лишь при использовании дополнительной информации о предпочтительности того или иного решения. Как уже отмечалось, часто в качестве такой информации выступают сведения о предпочтительности в среднем, предпочтительности по уровню гарантии получения результатов или предпочтительности по уровню самого гарантированного результата. Получение от ЛПР подобной информации означает, что лицо, принимающее решения, как бы безразлично к риску (подробнее смысл "безразличия к риску" будет пояснен ниже) и стремится использовать для анализа только объективные характеристики распределения вероятностей.

Теперь обсудим еще один вопрос. А можно ли как-то более строго описать характер отношения ЛПР к стохастическому риску? Оказывается, да. Причем сделать это можно как на качественном уровне (в качественных шкалах), так и на количественном. Методологической базой для ответов на подобные вопросы является теория полезности.

 Скачать реферат