Введение в анализ, синтез и моделирование систем



   Купить краски масляные.             

Основы принятия решений и ситуационного моделирования - часть 9


В этом случае можно оценить надежность банка как 0
p(P/?)
0,3. В то же время, как и для предыдущего случая, такая оценка надежности будет малоинформативной, так как здесь мы имеем, как и в первом случае, два возможных состояния (p
0,3 и p>0,3) и по формуле Шеннона количество информации в том и в другом случае равно

I=log2N=log22=1 (бит).

Чем более точной информацией о банке владеет вкладчик (дебитор), тем проще ему можно принимать верные решения, т.е. тем чаще и ближе будут оценки вероятности (надежности) p к p=0 и p=1. Чем меньше информации, тем сложнее принять однозначное решение, тем чаще и ближе будет оценка вероятности к p=0,5 ("пятьдесят на пятьдесят").

Величину p(P/?) принято называть апостериорной вероятностью (a posteriori - после опыта). Под опытом здесь подразумевается процесс получения информации ?, следовательно, p(P/?) - вероятность быть надежным банком с учетом полученной в результате опыта информации.

При определении надежности (например, экспертами) могут допускаться ошибки, в том числе и субъективного характера. Это - вероятность "ложной классификации". Пусть p1 - вероятность отнесения (априори) надежного банка в класс ненадежных, а p2 - вероятность отнесения (априори) ненадежного банка в класс надежных банков. Если не учитывать гипотез о степени их предпочтения (рейтинг банка), то показатель качества классификации - сумма вероятностей совершения ошибок, т.е. p=p1+p2. Можно снабдить их весами (предпочтения) a1 и a2, например, если a1=1, a2=2, то вероятность p2 в 2 раза важнее p1 (иначе говоря, в 2 раза опаснее относить ненадежный банк в группу надежных, чем надежный банк в группу ненадежных). Тогда итоговый показатель является средневзвешенной суммой вероятностей:

p=a1q1+a2q2,

где a1, a2

0, q1, q2
0, q1, q2- вероятности ошибок, q1=1-p1, q2=1-p2.

Показатель p называют байесовским риском. Чем больше p, тем хуже произведена классификация, а чем она ближе к нулю, тем классификация ближе к реальной или априорной классификации.

Для ситуационного анализа необходимо иметь адекватные модели потока платежей.


Содержание  Назад  Вперед