Синтез и анализ вероятностей событий в технологиях управления риском
В этой статье не хватает ссылок на источники информации. Информация по спорным неочевидным темам должна быть проверяема, иначе она может быть поставлена под сомнение и удалена.
Вы можете отредактировать эту статью, добавив ссылки на источники. Эта отметка была добавлена 21 февраля 2017 |
Синтез и анализ вероятностей событий в технологиях управления риском — это одна из процедур технологий управления риском в структурно-сложных системах, позволяющая оценить вероятности инициирующих событий по экспертной информации.
В технологиях управления риском в структурно-сложных системах, разработанных в лаборатории ИСАПР, ИПМаш РАН [1],[2],[3] когда нет других данных, вероятности событий оценивают по экспертной информации.
'’’Синтез вероятности инициирующего события’’’ (ИС) выполняют на основе метода рандомизированных сводных показателей Н.В. Хованова по ННН-информации [4]. Эксперт не может дать точную оценку вероятности одного события. Он сделает это точнее и объективнее, если будет оценивать 2—4 альтернативные гипотезы и учитывать их весомости (эксперта «раскачивают»).
Формулируют гипотезы A1, A2, …, Am. Весовые коэффициенты гипотез w1, w2, …, wm отсчитывают дискретно с шагом h = 1 / n, где – число градаций весомости гипотез (например n = 50). То есть весомости принимают значения из множества
. | (1) |
Множество W(m,n) всех возможных векторов весовых коэффициентов равно:
, | (2) |
где N1 N2 ... Nm – число градаций в весовых коэффициентах.
Экспертную информацию по весомостям задают в виде ординальной порядковой информации и интервальной информации.
Ординальная порядковая экспертная информация:
. | (3) |
Интервальная экспертная информация:
. | (4) |
Естественно, выполняется также условие:
. | (5) |
Объединенную экспертную информацию называют нечисловой, неточной и неполной (ННН). Условия (3—5) выделяют область допустимых значений весовых коэффициентов w1, w2, …, wm. В качестве числовых оценок весовых коэффициентов используют математические ожидания рандомизированных весовых коэффициентов, а точность этих оценок измеряют при помощи стандартных отклонений.
Вычисления повторяют для двух и более экспертов. Составляют таблицу оценок весовых коэффициентов гипотез от всех экспертов. Вычисляют сводные оценки весовых коэффициентов w*1,w*2, ..., w*m гипотез A1,A2, ..., Am по данным таблицы и весомостям самих экспертов, устанавливаемых суперэкспертом по изложенной выше методике. Выбирают гипотезу с наибольшей оценкой сводного весового коэффициента.
Анализ вероятностей инициирующих событий осуществляют по известному риску производного события Py, в которое они входят. Это позволяет управлять риском, изменяя вероятности ИС путём вложения ресурсов. Задачу решают по схеме, близкой к схеме синтеза вероятности события.
Инициирующие события A1,A2, ..., Am имеют весовые коэффициенты w1,w2, ..., wm, которые отсчитывают дискретно с шагом h = 1/n , где n – число градаций весомости ИС.
ННН-экспертная информация по весомостям A1,A2, ..., Am, входящих в производное событие, задается в виде ординальной порядковой информации (3), интервальной информации (4) и условия (5). Условия типа (3-5) выделяют область допустимых значений весовых коэффициентов w1,w2, ..., wm. В качестве числовых оценок весовых коэффициентов используют математические ожидания рандомизированных весовых коэффициентов, а точность этих оценок измеряют при помощи стандартных отклонений.
Вычисления повторяют для двух и более экспертов. Составляют таблицу оценок весовых коэффициентов ИС от всех экспертов. Вычисляют сводные оценки весовых коэффициентов w*1,w*2, ..., w*m событий A1,A2, ..., Am по данным таблицы и весомостям самих экспертов, устанавливаемых суперэкспертом. Вероятности инициирующих событий равны:
; , . | (6) |
Формулу (6) используют, если ИС связаны логической операцией ИЛИ и оценки вероятностей ИС меньше чем 0,02. В этом случае, результаты арифметического и логического сложения вероятностей ИС практически совпадает. Если оценки вероятностей ИС больше 0,02, то полученные вероятности ИС P1, P2, …, Pm следует скорректировать по формуле:
; ; , | (7) |
где K1 - коэффициент коррекции, равный отношению логической суммы вероятностей ИС к арифметической сумме вероятностей ИС.
Распределение ресурсов на компоненты A1,A2, ..., Am системы выполняют, если известно значение ресурса Qres для системы, в которую они входят. Это позволяет управлять развитием системы. Распределение ресурса сведено к определению долей-весов компонент в объеме ресурса системы. Доли wi, i = 1,2,...,m компонент A1,A2, ..., Am оценивают по схеме анализа вероятностей ИС. Ресурсы на компоненты равны:
; ; . | (8) |
Литература[править]
- ↑ Соложенцев Е.Д. И3-технологии для экономики. – СПб.: Наука, 2011. – 387 с.
- ↑ Solozhentsev E.D. Risk management technologies with logic and probabilistic models. – Springer: 2012. – 328 p.
- ↑ Соложенцев E.Д., Карасев В.В. И3-технологии для противодействия взяткам и коррупции. – Проблемы анализа риска, том 7, 2010, N 2
- ↑ Hovanov N., Yudaeva M., Hovanov K. Multicriteria estimation of probabilities on basis of expert non-numeric, non-exact and non-complete knowledge.- European Journal of Operational Research. – 2009, vol. 195, Issue 3, p. 857-863.