Файл: лекции 2-й семестр.doc

Следующий условный пример показывает, как рассмотренный выше критерий ожидаемого значения можно модифицировать так, чтобы воспользоваться новой информацией, содержащейся в апостериорных вероятностях.

Пример 3.

В примере 1 априорные вероятности 0.6 и 0.4 повышения и понижения котировок акций на бирже были определены из наличных публикаций финансового характера. Предположим, вместо того чтобы полностью полагаться на эти публикации, вы решили провести исследование путем консультаций с экспертом, который хорошо разбирается в вопросах, касающихся фондовой биржи. Эксперт высказывает общее мнение “за” или “против” инвестиций. Это мнение в дальнейшем определяется количественно следующим образом. При повышении котировок его мнение с 90% вероятностью будет “за”, при снижении котировок вероятность его мнения “за” уменьшится до 50%. Каким образом можно извлечь пользу из этой дополнительной информации?

Мнение эксперта фактически представляет условные вероятности “за - против” при заданных состояниях природы в виде повышения и понижения котировок. Введем следующие обозначения:

v₁- мнение “за”;

v₂- мнение “против”;

m₁- повышение котировок;

m₂- понижение котировок.

Мнение эксперта можно записать в виде вероятностных соотношений следующим образом:

P{v₁| m₁} = 0.9; P{v₁| m₂} = 0.1.

P{v₂| m₁} = 0.5; P{v₂| m₂} = 0.5.

С помощью этой дополнительной информации задачу выбора решения можно сформулировать следующим образом.

1. Если мнение эксперта “за”, акции какой компании следует покупать - А или В

2. Если мнение эксперта “против”, то, опять-таки, - акции какой компании следует покупать - А или В

Рассматриваемую задачу можно представить в виде дерева решений, показанного на рис 40. Узлу 1 здесь соответствует случайное событие, мнение эксперта, с соответствующими вероятностями “за” или “против”. Узлы 2 и 3 представляют выбор между компаниями А и В при известном мнении эксперта “за” или “против” соответственно. Узлы 4-7 соответствуют случайным событиям, связанным с повышением и понижением котировок.

Для оценки различных альтернатив, показанных на рис.40, необходимо вычислить апостериорные вероятности P{m_i| v_j}, указанные на соответствующих ветвях, выходящих из узлов 4-7. Эти апостериорные вероятности вычисляются с учетом дополнительной информации, содержащейся в рекомендациях эксперта, с помощью следующих действий.

Шаг 1.Условные вероятности P{m_i | v_j} для данной задачи запишем следующим образом:

v₁v₂

P{m_i| v_j} = m₁0.9 0.1

m₂0.5 0.5

Шаг 2. Вычисляем вероятности совместного появления событий.

P{m_i, vj} = P{v_j| m_i}P{m_i} для всех i и j.

При заданных априорных вероятностях P{m₁}=0.6 и P{m₂} = 0.4 вероятности совместного появления событий определяются умножением первой и второй строк таблицы, полученной на шаге 1, на 0.6 и 0.4 соответственно. В результате получаем:

v₁v2

P{m_i,v_j} =m₁0.54 0.06

m₂0.20 0.20

Сумма всех элементов этой таблицы равна 1.

Рис.40

Шаг 3.Вычисляем абсолютные вероятности.

P{v_j} =P{m_i, v_j}, для всех j.

^{все i}

Эти вероятности получаются путем суммирования элементов соответствующих столбцов таблицы, полученной на шаге 2. В итоге имеем следующее

P{v1} P{v2}

0.74 0.26

Шаг 4.Определяем искомые апостериорные вероятности по формуле

P{m_i| v_j} = P{m_i| v_j}/P{v_j}.

Эти вероятности вычисляются в результате деления каждого столбца таблицы, полученной на шаге 2, на элемент соответствующего столбца таблицы, вычисленной на шаге 3, что приводит к следующим результатам (округленным до трех десятичных знаков).

v₁v₂

P{m_i| v_j} = m₁ 0.73 0.231

m₂0.27 0.769

Это те вероятности, которые показаны на рис. 4. Они отличаются от исходных априорных вероятностей P{m₁} = 0.6 и P{m₂} = 0.4. Теперь можно оценить альтернативные решения, основанные на ожидаемых платежах для узлов 4 - 7.

Мнение “за”

Доход от акций компании А в узле 4 = 50000.73 + (-2000)0.27 = 3110 долл.

Доход от акций компании В в узле 5 = 15000.73 + 5000.27 = 1230 долл.

Решение: инвестировать в акции компании А.

Мнение “против”

Доход от акций компании А в узле 6 = 50000.231 + (-2000)0.769 = -383 долл.

Доход от акций компании В в узле 7 = 15000.231 + 5000.769 = 731 долл.

Решение: инвестировать в акции компании В.

Заметим, что предыдущие решения эквивалентны утверждению, что ожидаемые платы в узлах 2 и 3 равны 3110 и 731 долл. соответственно (рис.40). Следовательно, при известных вероятностях P{v₁} = 0.74 и P{v₂} = 0.26, вычисленных на шаге 3, можно вычислить ожидаемую плату для всего дерева решений.

В предыдущих примерах критерий ожидаемого значения применялся лишь в тех ситуациях, где платежи выражались в виде реальных денег. Имеются многочисленные случаи, когда при анализе следует использовать скорее полезность, чем реальную величину платежей. Для демонстрации этого предположим, что имеется шанс 50 на 50, что инвестиция в 20000 долл. или принесет прибыль в 40000 долл., или будет полностью потеряна. Соответствующая ожидаемая прибыль равна 400000.5 - 200000.5 = 10000долл. Хотя здесь ожидается прибыль в виде чистого дохода, разные люди могут по-разному интерпретировать полученный результат. Инвестор, который идет на риск, может сделать инвестицию, чтобы с вероятностью 50% получить прибыль в 40000 долл. Наоборот, осторожный инвестор может не выразить желания рисковать потерей 20000 долл. С этой точки зрения очевидно, что разные индивидуумы проявляют разное отношение к риску, т.е. они проявляют разную полезность по отношению к риску. Определение полезности является субъективным. Оно зависит от нашего отношения к риску. В этом разделе представим систематизированную процедуру числовой оценки отношения к риску ЛПР. Конечным результатом является функция полезности, которая занимает место реальных денег.

В примере, приведенном выше, наилучший платеж равен 40000 долл., а наихудший – -20000 долл. Следовательно, устанавливаем произвольную, но логическую шкалу полезности U, изменяющуюся от 0 до 100, где 0 соответствует полезности -20000 долл., а 100 - 40000 долл., т.е. U(-20000) = 0 и U(40000) = 100. Далее определяем полезность в точках между -20000 долл. и 40000 долл. для определения общего вида функции полезности.

Если отношение ЛПР беспристрастно к риску, то результирующая функция полезности является прямой линией, соединяющей точки (0, -20000) и (100, 40000). В этом случае, как реальные деньги, так и их полезность дают совпадающие решения. В более реальных ситуациях функция полезности может принимать другой вид, отражающий отношение к риску ЛПР. Рис.41 иллюстрирует вид функции полезности для трех индивидуумов X, Y, Z. Индивидуум X не расположен к риску (осторожен), т.к. проявляет большую чувствительность к потере, чем к прибыли. Индивидуум Z - противоположность в этом отношении индивидууму X; он настроен на риск. Это следует из того, что для индивидуума X при изменении в 10000 долл. вправо и влево от точки, соответствующей 0 долл., увеличение прибыли изменяет полезность на величину ab, которая меньше изменения полезности bc, обусловленной потерями такой же величины, т.е. ab < bc. В то же время такие же изменения в 10000 долл., относящиеся к индивидууму Z, обнаруживают противоположное поведение; здесь de > ef. Далее, индивидуум Y является нейтральным к риску, т.к. упомянутые изменения порождают одинаковые изменения полезности. В общем случае индивидуум может быть как не расположен к риску, так и настроен на риск, в зависимости от суммы риска. В этом случае соответствующая кривая полезности будет иметь вид удлиненной буквы S.

Кривые полезности, изображенные на рис. 41, определены с помощью количественного показателя, характеризующего отношение к риску ЛПР для различных значений уровня реальных денег в пределах установленного интервала. В рассмотренном примере установленным интервалом является (-20000, 40000), соответствующая полезность изменяется в интервале (0, 100). Необходимо определить полезность, соответствующую таким промежуточным значениям, например, как -10000 долл., 0 долл., 10000 долл., 20000 долл. или 30000 долл. Соответствующая процедура построения функции полезности начинается с того, что организовывается лотерея для определения суммы реальных денег x, для которой ожидаемое значение полезности будет вычислено по формуле:

U(x) = pU(-20000) + (1 - p)U(40000) = 0p + 100(1 - p) = 100 - 100p, 0  p  1.

Для определения значения U(x) просят ЛПР сообщить свое предпочтение между гарантированной наличной суммой x и возможностью сыграть в лотерею, в которой с

Рис.41.

вероятностью p реализуется проигрыш в сумме 20000 долл. и с вероятностью 1 - p имеет место выигрыш в 40000. При этом под предпочтением понимается выбор значения “нейтральной” вероятности p, при котором с точки зрения ЛПР возможности сыграть в лотерею и получить гарантированную сумму x являются одинаково привлекательными. Например, если x = 20000 долл., ЛПР может заявить, что гарантированные 20000 долл. наличными и лотерея одинаково привлекательны при p = 0.8. В этом случае вычисляется полезность для x = 20000 по формуле:

U(20000) = 100 - 1000.8 = 20.

Эта процедура продолжается до тех пор, пока не будет получено достаточное количество точек (x, U(x)) для определения формы функции полезности. Затем можно определить искомую функцию полезности путем регрессионного анализа или просто линейной интерполяции между полученными точками.

Хотя здесь применяется количественная процедура для определения функции полезности, сам подход далек от того, чтобы быть научно обоснованным. То, что процедура полностью определяется мнением ЛПР, порождает сомнения относительно надежности описанного процесса. Процедура, в частности, неявно предполагает, что ЛПР является рационально мыслящим - требование, которое не всегда может быть согласовано с вариациями в поведении и настроении, что является типичным для человеческой личности. В этом отношении ЛПР должно придерживаться концепции полезности в широком смысле, в соответствии с которой денежные величины не должны быть единственным решающим фактором в теории ПР.

ПР в условиях неопределенности, как и в условиях риска, требует определения альтернативных действий, которым соответствуют платежи, зависящие от (случайных) состояний природы. Матрицу платежей в задаче принятия решений с m возможными действиями и n состояниями природы можно представить следующим образом

Элемент a_iпредставляет i-е возможное решение, а элемент s_j- j-е состояние природы. Плата (или доход), связанная с решением a_iи состоянием s_j, равна v(a_i,s_j).

Отличие между принятием решений в условиях риска и принятием решений в условиях неопределенности состоит в том, что в условиях неопределенности вероятностное распределение, соответствующее состояниям s_j, j=1,...,n, либо неизвестно, либо не может быть определено. Этот недостаток информации обусловил развитие следующих критериев для анализа ситуации, связанной с ПР: критерий Лапласа, минимаксный критерий, критерий Сэвиджа, критерий Гурвица.

Эти критерии отличаются по степени консерватизма, который проявляет индивидуум, принимающий решение, перед лицом неопределенности.

Критерий Лапласа опирается на принцип недостаточного основания, который гласит, что поскольку распределение вероятностей состояний P(s_j) неизвестно, нет причин считать их различными. Следовательно, используется оптимистическое предположение, что вероятности всех состояний природы равны между собой, т.е. P(s₁) = P(s₂) = ... = P(s_n) = 1/n. Если при этом v(a_i,s_j) представляет собой получаемую прибыль, то наилучшим решением является то, которое обеспечивает