Методите за вземане на решения в условията на риск също са разработени и обосновани в рамките на теорията на т.нар статистически решения. Теорията на статистическите решения е теорията за извършване на статистически наблюдения, обработка на тези наблюдения и тяхното използване. Както знаете, задачата на икономическото изследване е да разбере същността на икономическия обект, да разкрие механизма на връзката между неговите най-важни променливи. Такова разбиране позволява разработването и прилагането на необходимите мерки за управление на този обект, или икономическа политика. Това изисква адекватни на задачата методи, отчитащи характера и спецификата на икономическите данни, които служат като основа за качествени и количествени твърдения за изследвания икономически обект или явление.
Всички икономически данни са количествени характеристики на всеки икономически обект. Те се формират под въздействието на много фактори, не всички от които са налични. външен контрол. Неконтролируемите фактори могат да приемат произволни стойности от набор от стойности и по този начин да причинят произволността на данните, които определят. Стохастичният характер на икономическите данни налага използването на адекватни на тях специални статистически методи за тяхното анализиране и обработка.
Количествено определяне на предприемаческия риск, независимо от съдържанието конкретна задачае възможно, като правило, с помощта на методите на математическата статистика. Основните инструменти на този метод за оценка са дисперсия, стандартно отклонение, коефициент на вариация.
Приложенията използват широко общи конструкции, базирани на мерки за променливост или вероятност от рискови състояния. Така, финансови рискове, причинено от колебания на резултата около очакваната стойност, например ефективност, се оценява с помощта на дисперсията или очакваното абсолютно отклонение от средната стойност. При проблемите с управлението на парите обща мярка за степента на риск е вероятността от загуба или недостиг на доход в сравнение с прогнозираната опция.
За да оценим големината на риска (степента на риска), ще се съсредоточим върху следните критерии:
- 1) средна очаквана стойност;
- 2) колебание (променливост) на възможен резултат.
За статистическа извадка
където Xj - очаквана стойност за всеки случай на наблюдение (/" = 1, 2, ...), n, - брой случаи на наблюдение (честота) на стойността n:, x=E - средна очаквана стойност, st - дисперсия,
V - коефициент на вариация, имаме:
Помислете за проблема с оценката на риска за бизнес договори. LLC "Interproduct" решава да сключи договор за доставка на храна от една от трите бази. След като се съберат данни за времето на плащане на стоки от тези бази (Таблица 6.7), е необходимо, след оценка на риска, да се избере базата, която плаща за стоките във възможно най-кратко време при сключване на договор за доставка на продукти .
Таблица 6.7
|
Условия за плащане в дни |
Брой случаи на наблюдение П |
к.с |
(х-х) |
(х-х ) 2 |
(x-x) 2 p |
|
За първата база, въз основа на формулите (6.4.1):
За втора база
За трета база
Коефициентът на вариация за първата база е най-малък, което показва целесъобразността от сключване на договор за доставка на продукти с тази база.
Разгледаните примери показват, че рискът има математически изразена вероятност от загуба, която се основава на статистически данни и може да бъде изчислена с доста висока степен на точност. При избора на най-приемливото решение се използва правилото за оптимална вероятност за резултат, което се състои в това, че от възможни решенияизбира се тази, при която вероятността за резултат е приемлива за предприемача.
На практика прилагането на правилото за оптимална вероятност за резултат обикновено се комбинира с правилото за оптимална променливост на резултата.
Както знаете, колебанията на показателите се изразяват чрез тяхната дисперсия, стандартно отклонение и коефициент на вариация. Същността на правилото за оптимална променливост на резултата е, че от възможните решения се избира такова, при което вероятностите за печалба и загуба за една и съща рискова инвестиция на капитал имат малка разлика, т.е. най-малката стойност на вариацията, стандартното отклонение на вариацията. В разглежданите проблеми изборът на оптимални решения е направен с помощта на тези две правила.
Дайте концепцията за статистически решения за един диагностичен параметър и за вземане на решение при наличие на зона на несигурност. Обяснете процеса на вземане на решение в различни ситуации. Каква е връзката между границите на вземане на решения и вероятностите за грешки от първи и втори вид Разглежданите методи са статистически...
Споделете работата си в социалните мрежи
Ако тази работа не ви подхожда, има списък с подобни произведения в долната част на страницата. Можете също да използвате бутона за търсене
Лекция 7
Тема. СТАТИСТИЧЕСКИ МЕТОДИ ЗА РЕШЕНИЕ
Цел. Дайте концепцията за статистически решения за един диагностичен параметър и за вземане на решение при наличие на зона на несигурност.
Образователни. Обяснете процеса на вземане на решения в различни ситуации.
Развиване. Развиват логическото мислене и природонаучния мироглед.
Образователни . Повишаване на интереса към научните постижения и открития в телекомуникационната индустрия.
Междупредметни връзки:
Осигуряване на: компютърни науки, математика, компютърно инженерство и MT, системи за програмиране.
При условие: Стаж
Методическа подкрепа и оборудване:
Методическа разработкакъм професия.
Академичен план.
Инструктаж по безопасност.
Технически средстваобучение: персонален компютър.
Осигуряване на работни места:
Работни тетрадки
Напредък на лекцията.
Организиране на времето.
Анализ и проверка домашна работа
Отговори на въпросите:
- Какво позволява да се определиФормула на Бейс?
- Какви са основите на метода на Bayes?Дайте формула. Дайте дефиниция на точното значение на всички количества, включени в тази формула.
- Какво означава товавнедряване на някакъв набор от функцииК* е определящ?
- Обяснете принципа на образуванедиагностична матрица.
- Какво прави правило за решение?
- Определете метода на последователния анализ.
- Каква е връзката между границите на решение и вероятностите за грешки от първи и втори вид?
План на лекцията
Разглежданите методи са статистически. При статистическите методи за вземане на решения правилото за вземане на решение се избира въз основа на някои условия за оптималност, например от условието за минимален риск. Произхождайки от математическата статистика като методи за тестване на статистически хипотези (работата на Нойман и Пиърсън), разглежданите методи са намерили широко приложение в радара (откриване на сигнали на фона на смущения), радиотехниката, общата теория на комуникацията и други области . Статистическите методи за вземане на решения се използват успешно в проблемите на техническата диагностика.
СТАТИСТИЧЕСКИ РЕШЕНИЯ ЗА ЕДИН ДИАГНОСТИЧЕН ПАРАМЕТР
Ако състоянието на системата се характеризира с един параметър, тогава системата има едномерно пространствено пространство. Разделението е направено в два класа (диференциална диагноза или дихотомия(бифуркация, последователно разделяне на две части, които не са свързани помежду си.) ).
Фиг.1 Статистически разпределения на плътността на вероятността на диагностичния параметър x за изправно D 1 и дефектни състояния D 2
Показателно е, че зоните на обслужваеми D 1 и дефектен D 2 състояния се пресичат и следователно е принципно невъзможно да се избере стойността x 0 , при което нямаше биха били грешни решения.Проблемът е да изберете x 0 беше в известен смисъл оптимален, например даде най-малък брой грешни решения.
Фалшива тревога и липсваща цел (дефект).Тези по-рано срещани термини са ясно свързани с радарната технология, но лесно се тълкуват при диагностични проблеми.
Нарича се фалшива тревогаслучаят, когато се вземе решение за наличие на дефект, но в действителност системата е в добро състояние (вместо D 1 се взема D 2 ).
Липсваща цел (дефект)вземане на решение за здравословно състояние, докато системата съдържа дефект (вместо D 2 се взема D 1 ).
В теорията на управлението тези грешки се наричатриск на доставчика и риск на клиента. Очевидно е, че тези два вида грешки могат да имат различни последствия или различни цели.
Вероятността за фалшива аларма е равна на вероятността от произведението на две събития: наличието на добро състояние и стойността x > x 0 .
Среден риск. Вероятността за вземане на грешно решение е сумата от вероятностите за фалшива аларма и прескачане на дефекта (очакване) на риска.
Разбира се, цената на грешка има условна стойност, но тя трябва да вземе предвид очакваните последици от фалшиви аларми и пропускане на дефект. При проблеми с надеждността цената за прескачане на дефект обикновено е много по-висока от цената на фалшива аларма.
Метод минимален риск . Вероятността за вземане на грешно решение се определя като минимизиране на екстремната точка на средния риск от грешни решения при максимална вероятност, т.е. извършва се изчисляването на минималния риск от настъпване на събитиетопри наличие на информация за най-сходни събития.
ориз. 2. Екстремни точки на средния риск от погрешни решения
Ориз. 3. Точки на екстремум за двугърби разпределения
Съотношението на плътностите на вероятността на разпределението на x при две състояния се нарича отношение на вероятността.
Припомнете си, че диагнозата D1 е в добро състояние, D2 дефектно състояние на обекта; ОТ 21 цена на фалшива тревога, C 12 целева цена за пропускане (първи индекс прието състояние, втори действителен); ОТ 11 < 0, С 22 < 0 цены правильных решений (условные выигрыши). В большинстве практически задачине се въвеждат условни печалби (стимули) за правилни решения.
Често се оказва удобно да се вземе предвид не съотношението на вероятността, а логаритъма на това съотношение. Това не променя резултата, тъй като логаритмичната функция нараства монотонно с нейния аргумент. Изчислението за нормално и някои други разпределения, използвайки логаритъма на съотношението на вероятността, се оказва малко по-просто. Условието за минимум на риска може да се получи от други съображения, които ще се окажат важни в това, което следва.
Метод на минималния брой грешни решения.
Вероятност за погрешно решение за правило за решение
При проблеми с надеждността разглежданият метод често дава "небрежни решения", тъй като последствията от погрешните решения се различават значително един от друг. Обикновено цената на пропускане на дефект е значително по-висока от цената на фалшива аларма. Ако посочените разходи са приблизително еднакви (за дефекти с ограничени последствия, за някои контролни задачи и т.н.), то прилагането на метода е напълно оправдано.
Минимаксният метод е предназначенза ситуация, в която няма предварителна статистическа информация за вероятността от диагнози D1 и D2 . Разглежда се „най-лошият случай“, т.е. най-неблагоприятните стойности на P 1 и R 2 водещ до най-високата стойност (максимум) на риска.
Може да се покаже за унимодални разпределения, че стойността на риска става минимаксна (т.е. минималната сред максималните стойности, причинени от "неблагоприятната" стойностПи ). Имайте предвид, че за R 1 = 0 и R 1 = 1 няма риск от вземане на грешно решение, тъй като ситуацията няма несигурност. В Р 1 = 0 (всички продукти са дефектни) следва x 0 → -oo и всички обекти наистина се разпознават като дефектни; при Р 1 = 1 и P 2 = 0 x 0 → +oo и в съответствие със съществуващата ситуация всички обекти се класифицират като годни за експлоатация.
За междинни стойности 0< Пи < 1 риск возрастает и при P 1=P 1* става максимумът. Стойността на x се избира по разглеждания метод 0 по такъв начин, че при най-малко благоприятни стойностиПи загубите, свързани с грешни решения, биха били минимални.
ориз . 4. Определяне на граничната стойност на диагностичния параметър по минимаксния метод
Метод на NeumannPearson. Както вече беше споменато, оценките на цената на грешките често са неизвестни и надеждното им определяне е свързано с големи трудности. Ясно е обаче, че във всичкис l y чайове, желателно е при определено (допустимо) ниво на една от грешките да се минимизира стойността на другата. Тук центърът на проблема се прехвърля върху разумен избор на приемливо нивогрешки от минал опит или интуиция.
Според метода на NeumannPearson, вероятността от пропускане на цел е сведена до минимум за дадено приемливо ниво на вероятност за фалшива аларма.По този начин вероятността от фалшива аларма
където А е даденото допустимо ниво на вероятност за фалшива тревога; Р 1 вероятност за добро състояние.
Имайте предвид, че обикновенотова е условието се отнася до условната вероятност за фалшива аларма (множител P 1 липсва). В проблемите на техническата диагностика стойностите на P 1 и R 2 в повечето случаи са известни от статистически данни.
Таблица 1 Пример - Резултати от изчислението с помощта на статистически методи за вземане на решения
|
№ п / стр |
Метод |
гранична стойност |
Вероятност за фалшива тревога |
Вероятност за пропускане на дефект |
Среден риск |
|
|
Метод на минимален риск |
7,46 |
0,0984 |
0,0065 |
0,229 |
||
|
Метод за минимална грешка |
9,79 |
0,0074 |
0,0229 |
0,467 |
||
|
минимаксен метод |
Основен вариант |
5,71 |
0,3235 |
0,0018 |
0,360 |
|
|
Вариант 2 |
7,80 |
0,0727 |
0,0081 |
0,234 |
||
|
Метод на NeumannPearson |
7,44 |
0,1000 |
0,0064 |
0,230 |
||
|
Метод на максимална вероятност |
8,14 |
0,0524 |
0,0098 |
0,249 |
||
Сравнението показва, че методът на минималния брой грешки дава неприемливо решение, тъй като разходите за грешки са значително различни. Граничната стойност по този метод води до значителна вероятност за пропускане на дефект. Минимаксният метод в основния вариант изисква много голямо извеждане от експлоатация на изследваните устройства (приблизително 32%), тъй като се основава на най-неблагоприятния случай (вероятността за неизправност P 2 = 0,39). Прилагането на метода може да бъде оправдано, ако няма дори косвени оценки за вероятността от дефектно състояние. В този пример се получават задоволителни резултати по метода на минималния риск.
- СТАТИСТИЧЕСКИ РЕШЕНИЯ СЪС ЗОНА НА НЕСИГУРНОСТ И ДРУГИ ОБОБЩЕНИЯ
Правило за вземане на решение при наличие на зона на несигурност.
В някои случаи, когато се изисква висока надеждност на разпознаването (висока цена на грешки при пропускане на целта и фалшиви аларми), е препоръчително да се въведе зона на несигурност (зона на отхвърляне на разпознаването). Правилото за вземане на решение ще бъде както следва
при отказ от припознаване.
Разбира се, неразпознаването е нежелано събитие. Това показва, че наличната информация не е достатъчна за вземане на решение и е необходима допълнителна информация.
ориз. 5. Статистически решения при наличие на зона на несигурност
Дефиниция на среден риск. Стойността на средния риск при наличие на зона на отказ за разпознаване може да се изрази чрез следното равенство
където C o цената на неразпознаването.
Имайте предвид, че с > 0, в противен случай задачата губи смисъла си („наградата“ за отказ на разпознаване). Абсолютно същото с 11 < 0, С 22 < 0, так как правилни решенияне трябва да се наказва.
Метод на минимален риск при наличие на зона на несигурност. Нека да определим границите на зоната за вземане на решения въз основа на минималния среден риск.
Ако добрите решения не се насърчават (C 11 = 0, С 22 = 0) и да не плаща за отказ от признаване (С 0 = 0), тогава зоната на несигурност ще заема цялата област на промяна на параметрите.
Наличието на зона на несигурност позволява да се гарантират определените нива на грешки чрез отказ от разпознаване в "съмнителни" случаи
Статистически решения за няколко държави.Горните случаи бяха взети предвид при вземането на статистически решенияд за разграничаване на две състояния (дихотомия). По принцип тази процедура позволява да се извърши разделянето нан щати, като всеки път комбинира резултатите за щата D1 и D2. Тук под D 1 всякакви състояния, съответстващи на условието „не D2 ". Въпреки това, в някои случаи е от интерес да се разгледа въпросът в директна формулировка на статистически решения за класификация n държави.
По-горе разгледахме случаи, когато състоянието на системата (продукта) се характеризира с един параметър x и съответното (едномерно) разпределение. Състоянието на системата се характеризира с диагностични параметри x 1 x 2 , ..., x n или вектор x:
x \u003d (x 1 x 2,..., x n).
М метод на минимален риск.
Методите на минималния риск и неговите специални случаи (методът на минималния брой грешни решения, методът на максималната вероятност) са най-просто обобщени за многомерни системи. В случаите, когато методът на статистическото решение изисква определяне на границите на зоната за вземане на решение, изчислителната страна на проблема става много по-сложна (методите на NeumannPearson и minimax).
Домашна работа: § резюме.
Фиксиране на материала:
Отговори на въпросите:
- Какво се нарича фалшива тревога?
- Какво означава липсата на цел (дефект)?
- Дайте обяснениериск на доставчика и риск на клиента.
- Дайте формулата за метода на минималния брой грешни решения. Определете небрежно решение.
- Каква е целта на метода минимакс?
- Метод на NeumannPearson. Обяснете неговия принцип.
- Каква е целта на зоната на несигурност?
Литература:
Амренов С. А. "Методи за мониторинг и диагностика на системи и комуникационни мрежи" РЕЗЮМЕ НА ЛЕКЦИЯТА -: Астана, Казахски държавен агротехнически университет, 2005 г.
И.Г. Бакланов Тестване и диагностика на комуникационни системи. - М.: Еко-тенденции, 2001.
Биргер И. А. Техническа диагностика М .: "Инженеринг", 1978. 240, с.
Арипов М.Н., Джураев Р.Х., Джабаров Ш.Ю."ТЕХНИЧЕСКА ДИАГНОСТИКА НА ЦИФРОВИ СИСТЕМИ" - Ташкент, TEIS, 2005 г.
Платонов Ю. М., Уткин Ю. Г.Диагностика, ремонт и профилактика на персонални компютри. -М.: Гореща линия- Телеком, 2003.-312 с: ил.
М. Е. Бушуева, В. В. БеляковКомплексна диагностика технически системиСборник на 1-вата среща по проекта на НАТО SfP-973799полупроводници . Нижни Новгород, 2001 г
Малишенко Ю.В. ТЕХНИЧЕСКА ДИАГНОСТИКА част I записки от лекции
Платонов Ю. М., Уткин Ю. Г.Диагностика на замръзване и компютърни неизправности / Серия "Техномир". Ростов на Дон: "Феникс", 2001. 320 с.
СТРАНИЦА \* MERGEFORMAT 2
Други свързани произведения, които може да ви заинтересуват.vshm> |
|||
| 21092. | Икономически методи за вземане на предприемачески решения на примера на Норма-2005 LLP | 127.94KB | |
| Управленски решения: същността на изискванията на механизма за развитие. моя управленска дейностЛидерът прилага чрез решения. Постигането на целта на изследването изисква решаването на следните задачи: теоретична обосновка икономически методивземане на решения в бизнес системата; структуриране и проучване на вътрешното управление въз основа на анализ на външни и вътрешна средаизследваното предприятие; анализ на използването на информация за икономически резултати ... | |||
| 15259. | Методи, използвани при анализа на синтетични аналози на папаверин и многокомпонентни лекарствени форми, базирани на тях 3.1. Хроматографски методи 3.2. Електрохимични методи 3.3. Фотометрични методи Заключение Списък l | 233.66KB | |
| Дротаверин хидрохлорид. Дротаверин хидрохлорид е синтетичен аналог на папаверин хидрохлорид и по химична структура е производно на бензилизохинолина. Дротаверин хидрохлорид принадлежи към групата лекарствапритежаващ спазмолитично действие, спазмолитик с миотропно действие и е основната активна съставка на лекарството no-shpa. Дротаверин хидрохлорид В изданието на Фармакопеята е представена фармакопейна статия за дротаверин хидрохлорид. | |||
| 2611. | ПРОВЕРКА НА СТАТИСТИЧЕСКИ ХИПОТЕЗИ | 128,56 КБ | |
| Например, хипотезата е проста; и хипотеза: където е сложна хипотеза, защото се състои от безкраен брой прости хипотези. Класическият метод за проверка на хипотези В съответствие със задачата и въз основа на примерни данни се формулира хипотеза, която се нарича основна или нулева хипотеза. Едновременно с предложената хипотеза се разглежда противоположна хипотеза, която се нарича конкурентна или алтернативна. Тъй като хипотезата за населението... | |||
| 7827. | Тестване на статистически хипотези | 14,29 КБ | |
| За да тествате хипотеза, има два начина за събиране на данни, наблюдение и експеримент. Мисля, че няма да е трудно да се определи кое от тези наблюдения е научно. Стъпка трета: Запазване на резултатите Както споменах в лекция едно, един от езиците, които говори биологията, е езикът на базите данни. От това следва каква трябва да бъде действителната база данни и на каква задача отговаря. | |||
| 5969. | Статистически изследвания и обработка на статистически данни | 766.04KB | |
| Курсът обхваща следните теми: статистическо наблюдение, статистическо обобщение и групиране, изразни форми статистически показатели, избирателно наблюдение, статистическо изследване на връзката между социално-икономическите явления и динамиката на социално-икономическите явления, икономически показатели. | |||
| 19036. | 2.03MB | ||
| 13116. | Система за събиране и обработка на статистически данни "Метеорологични наблюдения" | 2.04MB | |
| Работата с бази данни и СУБД ви позволява да организирате много по-добре работата на служителите. Лекотата на работа и надеждността на съхранението на данни позволяват почти напълно да се откаже от счетоводството на хартия. Значително ускорява работата с отчетна и статистическа информация данни за себестойността. | |||
| 2175. | Анализ на домейна на вземане на решения | 317,39 КБ | |
| За 9-ти вид UML диаграми, диаграми на случаи на използване, вижте В този курс няма да анализираме подробно UML диаграмите, а ще се ограничим до преглед на основните им елементи, необходими за общото разбиране на значението на изобразеното в такива диаграми. UML диаграмите са разделени на две групи статични и динамични диаграми. Статични диаграми Статичните диаграми представляват или обекти и връзки между тях, които постоянно присъстват в системата, или обобщена информация за обекти и връзки, или обекти и връзки, които съществуват в някои ... | |||
| 1828. | Критерии за вземане на решение | 116,95 КБ | |
| Критерият за решение е функция, която изразява предпочитанията на вземащия решение (DM) и определя правилото, по което се избира приемливо или оптимално решение. | |||
| 10569. | Класификация на управленските решения | 266.22KB | |
| Класификация управленски решения. Разработване на управленско решение. Характеристики на управленските решения. Обикновени и управленски решения. Обикновените решения са решения, взети от хората в ежедневието. | |||
МЕТОДИ ЗА ВЗЕМАНЕ НА УПРАВЛЕНСКИ РЕШЕНИЯ
Области на обучение
080200.62 "Мениджмънт"
е еднакъв за всички форми на обучение
Квалификация (степен) на завършилия
бакалавър
Челябинск
Методи за вземане на управленски решения: Работна програма на учебната дисциплина (модул) / Ю.В. Подповетная. - Челябинск: PEI VPO "Южен Уралски институт по управление и икономика", 2014. - 78 с.
Методи за вземане на управленски решения:Работната програма на дисциплината (модула) от направление 080200.62 „Мениджмънт” е еднаква за всички форми на обучение. Програмата е изготвена в съответствие с изискванията на Федералния държавен образователен стандарт за висшето професионално образование, като се вземат предвид препоръките и ProOPOP VO в посоката и профила на обучение.
Програмата е одобрена на заседание на Учебно-методическия съвет от 18 август 2014 г., протокол № 1.
Програмата е приета на заседание на Академичния съвет на 18 август 2014 г., протокол № 1.
Рецензент: Лисенко Ю.В. - доктор по икономика, професор, гл. Катедра "Икономика и управление в предприятието" на Челябинския институт (филиал) FGBOU VPO "PREU на името на G.V. Плеханов"
Красноярцева Е. Г. - директор на PEI "Център за бизнес образование на Южен Урал CCI"
© Издателство на PEI VPO "Южен Уралски институт по управление и икономика", 2014 г.
I Въведение………………………………………………………………………………...4
II Тематично планиране…………………………………………………….....8
IV Средства за оценяване за текущо наблюдение на напредъка, междинно сертифициране въз основа на резултатите от усвояването на дисциплината и учебно-методическа помощ за самостоятелна работа на студентите……………………………………………………… .38
V Учебно-методически и Информационна поддръжкадисциплини ......76
VI Логистика на дисциплината ………………………...78
ВЪВЕДЕНИЕ
Работната програма на дисциплината (модул) "Методи за вземане на управленски решения" е предназначена за прилагане на Федералния държавен стандарт на висшето професионално образованиев направление 080200.62 „Управление” и е еднакъв за всички форми на обучение.
1 Целта и задачите на дисциплината
Целта на изучаването на тази дисциплина е:
Формиране на теоретични знания за математически, статистически и количествени методи за разработване, приемане и реализация на управленски решения;
Задълбочаване на знанията, използвани за изследване и анализ на икономически обекти, разработване на теоретично обосновани икономически и управленски решения;
Задълбочаване на знанията в областта на теорията и методите за намиране на най-добрите решения, както при условия на сигурност, така и при условия на несигурност и риск;
Формиране на практически умения за ефективно прилагане на методи и процедури за избор и вземане на решения за изпълнение икономически анализтърсене на най-доброто решение на проблема.
2 Изисквания за вход и мястото на дисциплината в структурата на бакалавърската BEP
Дисциплината "Методи за вземане на управленски решения" се отнася към основната част от математическия и природонаучен цикъл (B2.B3).
Дисциплината се основава на знанията, уменията и компетенциите на студента, получени при изучаването на следните учебни дисциплини: „Математика“, „Управление на иновациите“.
Знанията и уменията, получени в процеса на изучаване на дисциплината "Методи за вземане на управленски решения", могат да бъдат използвани при изучаването на дисциплините от основната част на професионалния цикъл: " Маркетингово проучване”, „Методи и модели в икономиката”.
3 Изисквания към резултатите от усвояването на дисциплината "Методи за вземане на управленски решения"
Процесът на изучаване на дисциплината е насочен към формирането на следните компетентности, представени в таблицата.
Таблица - Структурата на компетенциите, формирани в резултат на изучаване на дисциплината
| Код на компетентност | Наименование на компетентността | Характеристики на компетентността |
| ОК-15 | собствени методи за количествен анализ и моделиране, теоретични и експериментални изследвания; | знам/разбирам: да може да: собствен: |
| ОК-16 | разбиране на ролята и значението на информацията и информационни технологиив развитие модерно обществои икономически знания; | В резултат на това студентът трябва: знам/разбирам: - основни понятия и инструменти на алгебрата и геометрията, математическия анализ, теорията на вероятностите, математическата и социално-икономическата статистика; - основни математически модели за вземане на решения; да може да: - решаване на типични математически задачи, използвани при вземане на управленски решения; - използват математическия език и математическите символи при изграждането на организационни и управленски модели; - обработват емпирични и експериментални данни; собствен: математически, статистически и количествени методи за решаване на типични организационни и управленски проблеми. |
| ОК-17 | владеят основните методи, начини и средства за получаване, съхраняване, обработка на информация, умения за работа с компютър като средство за управление на информация; | В резултат на това студентът трябва: знам/разбирам: - основни понятия и инструменти на алгебрата и геометрията, математическия анализ, теорията на вероятностите, математическата и социално-икономическата статистика; - основни математически модели за вземане на решения; да може да: - решаване на типични математически задачи, използвани при вземане на управленски решения; - използват математическия език и математическите символи при изграждането на организационни и управленски модели; - обработват емпирични и експериментални данни; собствен: математически, статистически и количествени методи за решаване на типични организационни и управленски проблеми. |
| ОК-18 | способност за работа с информация в глобални компютърни мрежи и корпоративни информационни системи. | В резултат на това студентът трябва: знам/разбирам: - основни понятия и инструменти на алгебрата и геометрията, математическия анализ, теорията на вероятностите, математическата и социално-икономическата статистика; - основни математически модели за вземане на решения; да може да: - решаване на типични математически задачи, използвани при вземане на управленски решения; - използват математическия език и математическите символи при изграждането на организационни и управленски модели; - обработват емпирични и експериментални данни; собствен: математически, статистически и количествени методи за решаване на типични организационни и управленски проблеми. |
В резултат на изучаването на дисциплината студентът трябва:
знам/разбирам:
Основни понятия и инструменти на алгебрата и геометрията, математическия анализ, теорията на вероятностите, математическата и социално-икономическата статистика;
Основни математически модели за вземане на решения;
да може да:
Решаване на типични математически задачи, използвани при вземане на управленски решения;
Използват математическия език и математическите символи при изграждането на организационни и управленски модели;
Обработка на емпирични и експериментални данни;
собствен:
Математически, статистически и количествени методи за решаване на типични организационни и управленски проблеми.
II ТЕМАТИЧНО ПЛАНИРАНЕ
КОМПЛЕКТ 2011
НАПРАВЛЕНИЕ: "Мениджмънт"
СРОК НА ОБУЧЕНИЕ: 4 години
Редовна форма на обучение
| Лекции, час. | Практически занятия, час. | Лабораторни упражнения, час. | Семинар | Курсова работа, час. | Общо, час. | ||
| Тема 4.4 Експертни оценки | |||||||
| Тема 5.2 PR модели на игри | |||||||
| Тема 5.3 Позиционни игри | |||||||
| Изпит | |||||||
| ОБЩА СУМА |
Лабораторен семинар
| № п / стр | Интензивност на труда (час) | ||
| Тема 1.3 Целева насоченост на управленските решения | Лабораторна работа № 1. Търсене на оптимални решения. Приложение на оптимизацията в системите за поддръжка на PR | ||
| Тема 2.2 Основни видове модели на теория на решенията | |||
| Тема 3.3 Характеристики на измерване на предпочитанията | |||
| Тема 4.2 Метод на двойни сравнения | |||
| Тема 4.4 Експертна преценка | |||
| Тема 5.2 PR модели на игри | |||
| Тема 5.4 Оптималност под формата на равновесие | |||
| Тема 6.3 Статистически игри с един експеримент |
2011 комплект
НАПРАВЛЕНИЕ: "Мениджмънт"
ФОРМА НА ОБУЧЕНИЕ: задочна
1 Обем на дисциплината и видове учебна работа
2 Раздели и теми на дисциплината и видове часове
| Име на разделите и темите на дисциплината | Лекции, час. | Практически занятия, час. | Лабораторни упражнения, час. | Семинар | Самостоятелна работа, час. | Курсова работа, час. | Общо, час. |
| Раздел 1 Управлението като процес на вземане на управленски решения | |||||||
| Тема 1.1 Функции и свойства на управленските решения | |||||||
| Тема 1.2 Процес на вземане на управленски решения | |||||||
| Тема 1.3 Целева насоченост на управленските решения | |||||||
| Раздел 2 Модели и моделиране в теорията на решенията | |||||||
| Тема 2.1 Моделиране и анализ на алтернативи на действие | |||||||
| Тема 2.2 Основни видове модели на теория на решенията | |||||||
| Раздел 3 Вземане на решения в многокритериална среда | |||||||
| Тема 3.1 Некритериални и критериални методи | |||||||
| Тема 3.2 Многокритериални модели | |||||||
| Тема 3.3 Характеристики на измерване на предпочитанията | |||||||
| Раздел 4 Алтернативи за поръчка въз основа на предпочитанията на експертите | |||||||
| Тема 4.1 Измервания, сравнения и съгласуваност | |||||||
| Тема 4.2 Метод на двойни сравнения | |||||||
| Тема 4.3 Принципи на груповия избор | |||||||
| Тема 4.4 Експертна преценка | |||||||
| Раздел 5 Вземане на решения при несигурност и конфликт | |||||||
| Тема 5.1 Математически модел на PR проблема в условия на несигурност и конфликт | |||||||
| Тема 5.2 PR модели на игри | |||||||
| Тема 5.3 Позиционни игри | |||||||
| Тема 5.4 Оптималност под формата на равновесие | |||||||
| Раздел 6 Рисково вземане на решения | |||||||
| Тема 6.1 Теория на статистическите решения | |||||||
| Тема 6.2 Намиране на оптимални решения при риск и несигурност | |||||||
| Тема 6.3 Статистически игри с един експеримент | |||||||
| Раздел 7 Вземане на решения в размити условия | |||||||
| Тема 7.1 Композиционни модели на PR | |||||||
| Тема 7.2 Класификация на моделите на PR | |||||||
| Изпит | |||||||
| ОБЩА СУМА |
Лабораторен семинар
| № п / стр | No на модула (раздела) на дисциплината | Име на лабораторната работа | Интензивност на труда (час) |
| Тема 2.2 Основни видове модели на теория на решенията | Лабораторна работа № 2. Вземане на решения на базата на икономически и математически модели, модели на теорията на масовото обслужване, модели за управление на запасите, модели линейно програмиране | ||
| Тема 4.2 Метод на двойни сравнения | Лабораторна работа № 4. Методът на двойните сравнения. Поръчване на алтернативи въз основа на сравнения по двойки и отчитане на експертните предпочитания | ||
| Тема 5.2 PR модели на игри | Лабораторна работа № 6. Изграждане на игрова матрица. Свеждане на антагонистична игра до задача на линейното програмиране и намиране на нейното решение | ||
| Тема 6.3 Статистически игри с един експеримент | Лабораторна работа № 8. Избор на стратегии в игра с експеримент. Използване на задни вероятности |
НАПРАВЛЕНИЕ: "Мениджмънт"
СРОК НА ОБУЧЕНИЕ: 4 години
Редовна форма на обучение
1 Обем на дисциплината и видове учебна работа
2 Раздели и теми на дисциплината и видове часове
| Име на разделите и темите на дисциплината | Лекции, час. | Практически занятия, час. | Лабораторни упражнения, час. | Семинар | Самостоятелна работа, час. | Курсова работа, час. | Общо, час. |
| Раздел 1 Управлението като процес на вземане на управленски решения | |||||||
| Тема 1.1 Функции и свойства на управленските решения | |||||||
| Тема 1.2 Процес на вземане на управленски решения | |||||||
| Тема 1.3 Целева насоченост на управленските решения | |||||||
| Раздел 2 Модели и моделиране в теорията на решенията | |||||||
| Тема 2.1 Моделиране и анализ на алтернативи на действие | |||||||
| Тема 2.2 Основни видове модели на теория на решенията | |||||||
| Раздел 3 Вземане на решения в многокритериална среда | |||||||
| Тема 3.1 Некритериални и критериални методи | |||||||
| Тема 3.2 Многокритериални модели | |||||||
| Тема 3.3 Характеристики на измерване на предпочитанията | |||||||
| Раздел 4 Алтернативи за поръчка въз основа на предпочитанията на експертите | |||||||
| Тема 4.1 Измервания, сравнения и съгласуваност | |||||||
| Тема 4.2 Метод на двойни сравнения | |||||||
| Тема 4.3 Принципи на груповия избор | |||||||
| Тема 4.4 Експертна преценка | |||||||
| Раздел 5 Вземане на решения при несигурност и конфликт | |||||||
| Тема 5.1 Математически модел на PR проблема в условия на несигурност и конфликт | |||||||
| Тема 5.2 PR модели на игри | |||||||
| Тема 5.3 Позиционни игри | |||||||
| Тема 5.4 Оптималност под формата на равновесие | |||||||
| Раздел 6 Рисково вземане на решения | |||||||
| Тема 6.1 Теория на статистическите решения | |||||||
| Тема 6.2 Намиране на оптимални решения при риск и несигурност | |||||||
| Тема 6.3 Статистически игри с един експеримент | |||||||
| Раздел 7 Вземане на решения в размити условия | |||||||
| Тема 7.1 Композиционни модели на PR | |||||||
| Тема 7.2 Класификация на моделите на PR | |||||||
| Изпит | |||||||
| ОБЩА СУМА |
Лабораторен семинар
| № п / стр | No на модула (раздела) на дисциплината | Име на лабораторната работа | Интензивност на труда (час) |
| Тема 1.3 Целева насоченост на управленските решения | Лабораторна работа № 1. Търсене на оптимални решения. Приложение на оптимизацията в системите за поддръжка на PR | ||
| Тема 2.2 Основни видове модели на теория на решенията | Лабораторна работа № 2. Вземане на решения на базата на икономически и математически модели, модели на теорията на масовото обслужване, модели за управление на запасите, модели за линейно програмиране | ||
| Тема 3.3 Характеристики на измерване на предпочитанията | Лабораторна работа № 3. Парето-оптималност. Изграждане на схема за компромис | ||
| Тема 4.2 Метод на двойни сравнения | Лабораторна работа № 4. Методът на двойните сравнения. Поръчване на алтернативи въз основа на сравнения по двойки и отчитане на експертните предпочитания | ||
| Тема 4.4 Експертна преценка | Лабораторна работа № 5. Обработка на експертни оценки. Експертни оценки за съгласуваност | ||
| Тема 5.2 PR модели на игри | Лабораторна работа № 6. Изграждане на игрова матрица. Свеждане на антагонистична игра до задача на линейното програмиране и намиране на нейното решение | ||
| Тема 5.4 Оптималност под формата на равновесие | Лабораторна работа № 7. Биматрични игри. Прилагане на принципа на баланса | ||
| Тема 6.3 Статистически игри с един експеримент | Лабораторна работа № 8. Избор на стратегии в игра с експеримент. Използване на задни вероятности |
НАПРАВЛЕНИЕ: "Мениджмънт"
СРОК НА ОБУЧЕНИЕ: 4 години
ФОРМА НА ОБУЧЕНИЕ: задочна
1 Обем на дисциплината и видове учебна работа
2 Раздели и теми на дисциплината и видове часове
| Име на разделите и темите на дисциплината | Лекции, час. | Практически занятия, час. | Лабораторни упражнения, час. | Семинар | Самостоятелна работа, час. | Курсова работа, час. | Общо, час. |
| Раздел 1 Управлението като процес на вземане на управленски решения | |||||||
| Тема 1.1 Функции и свойства на управленските решения | |||||||
| Тема 1.2 Процес на вземане на управленски решения | |||||||
| Тема 1.3 Целева насоченост на управленските решения | |||||||
| Раздел 2 Модели и моделиране в теорията на решенията | |||||||
| Тема 2.1 Моделиране и анализ на алтернативи на действие | |||||||
| Тема 2.2 Основни видове модели на теория на решенията | |||||||
| Раздел 3 Вземане на решения в многокритериална среда | |||||||
| Тема 3.1 Некритериални и критериални методи | |||||||
| Тема 3.2 Многокритериални модели | |||||||
| Тема 3.3 Характеристики на измерване на предпочитанията | |||||||
| Раздел 4 Алтернативи за поръчка въз основа на предпочитанията на експертите | |||||||
| Тема 4.1 Измервания, сравнения и съгласуваност | |||||||
| Тема 4.2 Метод на двойни сравнения | |||||||
| Тема 4.3 Принципи на груповия избор | |||||||
| Тема 4.4 Експертна преценка | |||||||
| Раздел 5 Вземане на решения при несигурност и конфликт | |||||||
| Тема 5.1 Математически модел на PR проблема в условия на несигурност и конфликт | |||||||
| Тема 5.2 PR модели на игри | |||||||
| Тема 5.3 Позиционни игри | |||||||
| Тема 5.4 Оптималност под формата на равновесие | |||||||
| Раздел 6 Рисково вземане на решения | |||||||
| Тема 6.1 Теория на статистическите решения | |||||||
| Тема 6.2 Намиране на оптимални решения при риск и несигурност | |||||||
| Тема 6.3 Статистически игри с един експеримент | |||||||
| Раздел 7 Вземане на решения в размити условия | |||||||
| Тема 7.1 Композиционни модели на PR | |||||||
| Тема 7.2 Класификация на моделите на PR | |||||||
| Изпит | |||||||
| ОБЩА СУМА |
Лабораторен семинар
| № п / стр | No на модула (раздела) на дисциплината | Име на лабораторната работа | Интензивност на труда (час) |
| Тема 2.2 Основни видове модели на теория на решенията | Лабораторна работа № 2. Вземане на решения на базата на икономически и математически модели, модели на теорията на масовото обслужване, модели за управление на запасите, модели за линейно програмиране | ||
| Тема 4.2 Метод на двойни сравнения | Лабораторна работа № 4. Методът на двойните сравнения. Поръчване на алтернативи въз основа на сравнения по двойки и отчитане на експертните предпочитания | ||
| Тема 5.2 PR модели на игри | Лабораторна работа № 6. Изграждане на игрова матрица. Свеждане на антагонистична игра до задача на линейното програмиране и намиране на нейното решение | ||
| Тема 6.3 Статистически игри с един експеримент | Лабораторна работа № 8. Избор на стратегии в игра с експеримент. Използване на задни вероятности |
НАПРАВЛЕНИЕ: "Мениджмънт"
СРОК НА ОБУЧЕНИЕ: 3,3 години
ФОРМА НА ОБУЧЕНИЕ: задочна
1 Обем на дисциплината и видове учебна работа
2 Раздели и теми на дисциплината и видове часове
Как подходите, идеите и резултатите от теорията на вероятностите и математическата статистика се използват при вземането на решения?
Базата е вероятностен модел на реално явление или процес, т.е. математически модел, в който обективните връзки са изразени от гледна точка на теорията на вероятностите. Вероятностите се използват предимно за описание на несигурностите, които трябва да се вземат предвид при вземането на решения. Това се отнася както за нежелани възможности (рискове), така и за привлекателни („щастлив шанс”). Понякога случайността се въвежда умишлено в ситуацията, например при теглене на жребий, произволен избор на единици за контрол, провеждане на лотарии или потребителски проучвания.
Теорията на вероятностите позволява да се изчислят други вероятности, които представляват интерес за изследователя. Например, чрез вероятността за изпадане на герб, можете да изчислите вероятността поне 3 герба да изпаднат при 10 хвърляния на монети. Такова изчисление се основава на вероятностен модел, според който хвърлянията на монети се описват чрез схема от независими опити, освен това гербът и решетката са еднакво вероятни и следователно вероятността за всяко от тези събития е равна на ½. По-сложен е моделът, който разглежда проверката на качеството на единица продукция вместо хвърляне на монета. Съответният вероятностен модел се основава на предположението, че контролът на качеството на различни производствени единици се описва чрез схема от независими тестове. За разлика от модела на хвърляне на монета, трябва да се въведе нов параметър - вероятността p единица продукция да е дефектна. Моделът ще бъде напълно описан, ако се приеме, че всички производствени единици имат еднаква вероятност да бъдат дефектни. Ако последното предположение е невярно, тогава броят на параметрите на модела се увеличава. Например, можем да предположим, че всяка единица продукция има своя собствена вероятност да бъде дефектна.
Нека обсъдим модел за контрол на качеството с обща вероятност за дефект p за всички производствени единици. За да се „стигне до числото” при анализ на модела е необходимо да се замени p с някаква конкретна стойност. За да направите това, е необходимо да излезете от рамката на вероятностен модел и да се обърнете към данните, получени по време на контрола на качеството.
Математическата статистика решава обратния проблем по отношение на теорията на вероятностите. Неговата цел е да се направят заключения относно вероятностите, които са в основата на вероятностния модел въз основа на резултатите от наблюдения (измервания, анализи, тестове, експерименти). Например, въз основа на честотата на поява на дефектни продукти по време на контрола, могат да се направят изводи за вероятността от дефект (вижте теоремата на Бернули по-горе).
Въз основа на неравенството на Чебишев бяха направени изводи за съответствието на честотата на поява на дефектни продукти на хипотезата, че вероятността за дефектност приема определена стойност.
По този начин приложението на математическата статистика се основава на вероятностен модел на явление или процес. Използват се две паралелни серии от понятия – свързани с теорията (вероятностен модел) и тези, свързани с практиката (извадка от резултати от наблюдение). Например, теоретичната вероятност съответства на честотата, намерена от извадката. Математическото очакване (теоретична серия) съответства на средноаритметичното извадково (практическа серия). По правило характеристиките на извадката са оценки на теоретичните. В същото време количествата, свързани с теоретичните серии, са „в съзнанието на изследователите“, отнасят се до света на идеите (според древногръцкия философ Платон) и не са достъпни за директно измерване. Изследователите разполагат само с селективни данни, с помощта на които се опитват да установят свойствата на теоретичен вероятностен модел, който ги интересува.
Защо се нуждаем от вероятностен модел? Факт е, че само с негова помощ е възможно да се прехвърлят свойствата, установени от резултатите от анализа на определена проба, към други проби, както и към цялата така наречена обща съвкупност. Терминът "популация" се използва за обозначаване на голяма, но ограничена популация от изследвани единици. Например за съвкупността от всички жители на Русия или за съвкупността от всички потребители на разтворимо кафе в Москва. Целта на маркетинговите или социологическите проучвания е да прехвърлят изявления, получени от извадка от стотици или хиляди хора, към общи популации от няколко милиона души. При контрола на качеството партида от продукти действа като обща съвкупност.
За да се прехвърлят изводи от извадка към по-голяма популация, са необходими някои предположения относно връзката на характеристиките на извадката с характеристиките на тази по-голяма популация. Тези предположения се основават на подходящ вероятностен модел.
Разбира се, възможно е да се обработват примерни данни, без да се използва един или друг вероятностен модел. Например, можете да изчислите средната аритметична извадка, да изчислите честотата на изпълнение на определени условия и т.н. Резултатите от изчисленията обаче ще се прилагат само за конкретна извадка; прехвърлянето на заключенията, получени с тяхна помощ, към друг набор е неправилно. Тази дейност понякога се нарича "анализ на данни". В сравнение с вероятностно-статистическите методи, анализът на данни има ограничена когнитивна стойност.
Така че използването на вероятностни модели, базирани на оценка и тестване на хипотези с помощта на характеристиките на извадката, е същността на вероятностно-статистическите методи за вземане на решения.
Нека подчертаем, че логиката на използване на примерни характеристики за вземане на решения въз основа на теоретични модели включва едновременното използване на две паралелни серии от концепции, едната от които съответства на вероятностни модели, а втората - на примерни данни. За съжаление в редица литературни източници, обикновено остарели или написани в предписан дух, не се прави разлика между селективни и теоретични характеристики, което води читателите до недоумение и грешки при практическото използване на статистическите методи.