Неопределенности

Анализ связанной группы решений в условиях полной

Матрицы последствий и матрицы рисков

Понятие риска предполагает наличие рискующего; будем называть его Лицом, Принимающим Решения (ЛПР).

Допустим, рассматривается вопрос о проведении финан­совой операции в условиях неопределенности. При этом у ЛПР есть несколько возможных решений i = 1,2,...,т, а реальная ситуация неопределенна и может принимать один из вариантов j = 1,2,..., n. Пусть известно, что если ЛПР примет i-e решение, а ситуация примет j-ый вариант, то будет получен доход q_ij. Матрица Q = (q_ij) называется матрицей последствий (возможных решений) [4].

Оценим размеры риска в данной схеме.

Пусть принимается i-е решение. Очевидно, если бы было известно, что реальная ситуация будет j-я, то ЛПР принял бы решение, дающее доход q_j = . Однако, i-е решение принимается в условиях неопределенности. Значит, ЛПР рискует получить не q_j , а только q_ij. Таким образом, существует реальная возможность недополучить доход, и этому неблагоприятному исходу можно сопоставить риск r_ij, размер которого целесообразно оценить как разность

r_ij = q_j - q_ij. (2.1)

Матрица R = (r_ij) называется матрицей рисков [5].

Пример 2.1. Используя формулу (2.1), составьте матрицу рисков

R = (r_ij) по заданной матрице последствий

.

Решение. Очевидно, q₁ = = 8; аналогично q₂ = 5, q₃ = 8, q₄ = 12 . Следовательно, матрица рисков имеет вид

.

Полная неопределенность означает от­сутствие информа­ции о вероятностных состояниях среды (“природы”), например, о вероятностях тех или иных вариантов ре­альной ситуации; в лучшем случае известны диапазоны значений рассматриваемых величин. Рекомен­дации по принятию решений в таких ситуациях сформулированы в виде определенных правил (критериев). Рассмотрим основные из них.

Критерий (правило) максимакса. По этому критерию определяется вариант решения, максимизирующий максимальные выигрыши - например, доходы – для каждого варианта ситуации. Это критерий крайнего (“розового”) оптимизма, по которому наилучшим является решение, дающее максимальный выигрыш, равный . Рассматривая i-е решение, предполагают самую хорошую ситуацию, приносящую доход , а затем выбирают решение с наибольшим a_i.

Пример 2.2. Для матрицы последствий в примере 2.1 выбрать вариант решения по критерию максимакса.

Решение. Находим последовательность значений : a₁=8, a₂=12, a₃=10, a₄=8. Из этих значение находим наибольшее: a₂=12. Следовательно, критерий максимакса рекомендует принять второе решение (i=2).

Правило Вальда (правило максимина, или критерий крайнего пессимизма). Рас­сматривая i-e решение, будем полагать, что на самом деле ситуация складывается самая плохая, т.е. приносящая самый малый доход: b_i = min q_ij. Но теперь выберем решение i₀ с наибольшим . Итак, правило Вальда рекомендует при­нять решение i₀ такое, что == .

Пример 2.3. Для матрицы последствий в примере 2.1 выбрать вариант решения по критерию Вальда.

Решение. В примере 2.1 имеем b₁ = 2, b₂ = 2, b₃ = 3, b₄ = 1. Теперь из этих значений выбираем максимальное b₃ = 3. Значит, правило Валь­да рекомендует принять 3-е решение (i=3).

Правило Сэвиджа (критерий минимаксного риска). Этот критерий аналогичен предыдущему критерию Вальда, но ЛПР принимает решение, руководствуясь не матрицей последствий Q, а матрицей рисков R = (r_ij). По этому критерию лучшим является решение, при котором максимальное значение риска будет наименьшим, т.е. равным . Рассматривая i-e решение, предполагают ситуацию максимального риска r_i = и выбирают вариант решения i₀ с наименьшим == .

Пример 2.4. Для исходных данных в примере 2.1 выбрать вариант решения в соответствии с критерием Сэвиджа.

Решение. Рассматривая матрицу рисков R, находим последовательность величин r_i = : r₁ = 8, r₂ = 6, r₃ = 5, r₄ = 7. Из этих величин выбираем наименьшую: r₃ = 5. Значит, правило Сэвиджа реко­мендует принять 3-е решение (i=3). Заметит, что это совпадает с выбором по критерию Вальда.

Правило Гурвица (взвешивающее пессимистический и оптимистический подходы к ситуации). По данному критерию выбирается вариант решения, при котором достигается максимум выражения c_i= {λminq_ij + (1 – λ)maxq_ij}, где 0 λ 1. Таким образом, этот критерий рекомендует руководствоваться некоторым средним результатом между крайним оптимизмом и крайним пессимизмом. При λ=0 критерий Гурвица совпадает с максимаксным критерием, а при λ=1 он совпадает с критерием Вальда. Значение λ выбирается из субъективных (интуитивных) сооб­ражений.

Пример 2.5. Для приведенной в примере 2.1 матрицы последствий выбрать наилучший вариант решения на основе критерия Гурвица при λ =1/2.

Решение. Рассматривая матрицу последствий Q по строкам, для каждого i вычисляем значения c_i= 1/2minq_ij + 1/2maxq_ij. Например, с₁=1/2*2+1/2*8=5; аналогично находятся с₂=7; с₃=6,5; с₄= 4,5. Наибольшим является с₂=7. Следовательно, критерий Гурвица при заданном λ =1/2 рекомендует выбрать второй вариант (i=2).