- •Оглавление
- •1. Системная парадигма. Системы и закономерности их функционирования и развития. Система и ее свойства (компоненты, связи, целостность, структура и функции, интегративные качества).
- •1 Свойство: Целостность и членимость.
- •2 Свойство: Связи.
- •3 Свойство: Организация.
- •4 Свойство: Интегративные качества.
- •2. Моделирование как основа экономического анализа и проектирования сложных систем. Виды моделирования.
- •3. Системы, представимые графами. Применение в экономическом анализе и проектировании информационного обеспечения.
- •4. Управление проектами
- •4. Случайные величины и их распределения. Идентификация случайных явлений. Оценки параметров. Проверка гипотез. Метод Монте-Карло. Регрессия.
- •5. Базовые вычислительные методы (решение линейных уравнений, линейное программирование, численные методы).
- •6. Исследование операций. Математические постановки задач и методы решения.
- •7. Метод принятия решений в условиях известных состояний природы
- •8. Принятие решений в условиях неопределенности. Критерии принятия решения в условиях неопределенности.
- •9. Разработка и принятие управленческих решений. Метод парных сравнений.
- •Метод парных сравнений
- •Примеp1:
- •10. Представление принятия решения с помощью «Дерева принятия решения»
- •11. Разработка и принятие управленческих решений. Метод анализа иерархии
- •13. Понятие компьютерного моделирования. Метод имитационного моделирования, его сущность и особенности, область применения.
- •14. Имитационное моделирование. Общая технологическая схема и оценки реализаций.
- •15. Дискретное (процессно-ориентированное) имитационное моделирование. Базовая концепция структуризации языка моделирования gpss.
- •16. Модели и методы системной динамики: парадигма, общая структурная схема, графические нотации (системные потоковые диаграммы), инструментальные среды, реализации.
- •17. Многоагентное моделирование: новая парадигма и инновационные инструменты компьютерного моделирования.
- •18. Искусственный интеллект, направление и доведенные до применений результаты.
- •19. Экспертные системы. Понятие и обеспечение применения.
- •2 Основных режима:
- •20. Нейрокомпьютинг. Понятие и основные особенности использования.
- •21. Системы поддержки принятия решений, эволюция, архитектура, основные элементы аналитической системы (хранилище данных, olap, DataMining).
- •22. Методы и технологии анализа данных и принятия решений. Оперативный анализ данных. Интеллектуальный анализ данных. Методы сценарного планирования. Управление знаниями.
- •23. Техника оперативного анализа данных (olap).
- •24. Задача анализа данных – построение ассоциативных правил, решения в управлении.
- •25. Задача анализа данных – кластерный анализ, решения в управлении
- •27. Глобальная компьютерная сеть Интернет. Технологии Веб.Основные модели и технологические решения для электронного бизнеса.
- •30. Языки и системы моделирования: назначение, классификация, технологические возможности современных коммерческих симуляторов.
- •31. Язык ProLog. Особенности, применение в решениях.
- •38. Прототипирование в разработке проекта информационной системы. Виды прототипов и технологический переход от прототипа к промышленной системе.
- •40. Понятие бизнес-процесса. Методологии и инструментальныесредства моделирования бизнес-процессов. Реинжиниринг бизнес-процесов.
- •41. Методологии и технологии автоматизированного проектирования.Применение объектно-ориентированного подхода к анализу и проектированию информационных систем.
- •42. Методологии и технологии автоматизированного проектирования.Создание интегрированных информационных систем с использованием технологии corba и технологии сом.
- •43. Понятие case. Основные функции, общая архитектура, преимущества использования при проектировании информационных систем.
- •44. Case-средства. Понятие и классификация по типам, категориям и уровням. Критерии выбора case-средств при проектировании информационных систем. Примеры.
- •45. Информационная безопасность: цели, типы угроз; принципы, основные функции и механизмы обеспечения безопасности и надежности функционирования информационных систем.
- •1. Методологические
- •2. Правовые
- •3. Реализационные
- •4. Организационные принципы
- •1. Функции защиты
- •2. Управление механизмами защиты
- •4. Источники угроз.
- •46. Управление информационными рисками при проектировании системы информационной безопасности.
- •1 Этап. Анализ рисков.
- •2 Этап. Выбор и реализация эффективных и экономичных защитных мер.
- •48. Управление информационными системами организации: референсные модели и передовые практики управления службой ис (Cobit, itil, itsm).
- •49. Управление службой информационных систем: задачи, функции, организационная структура.
- •51. ProjectExpert- инструмент моделирования финансово-хозяйственной деятельности компании.
- •52. Автоматизированные системы управления. Циркуляция информации в асу, нормативная и регистрационная модели, базовые системотехнические выводы.
- •53. Корпоративная информационная система. Основные концепции автоматизации управления. Анализ рынка программных продуктов.
- •54. Концепция erp- решений. Эволюция систем стандартов и соглашений.
- •Корпоративная информационная система как среда реализации функций управления.
- •55. Корпоративная информационная система как среда реализации функций управления. Интеграция в информационных системах. Информационная инфраструктура организации.
- •56. Аналитические информационные системы и их место в процессах управления и информационной инфраструктуре предприятия, системы бизнес-интеллекта.
- •59. Приоритетные и приоритетно-рандомизированные схемы ветвления в задачах календарного планирования.
- •60. Схема разузлования в расчете себестоимости и комплектации сложных изделий.
- •61. Управление в регулярном производстве: модель заготовительного участка.
- •62. Имитационное моделирование производственных, логистических, бизнес-процессов. Цифровое производство.
- •63. Имитационное моделирование цепей поставок.
- •Индустриальная динамика Форрестера
- •Динамика города:
- •2)Мировая динамика.
- •66. Многоагентное компьютерное моделирование и экономика поведения. Наиболее существенные приложения в управлении и социальных исследованиях.
9. Разработка и принятие управленческих решений. Метод парных сравнений.
Слишком дохуя.
Метод парных сравнений - метод изучения предпочтений, при котором респондент должен из всех возможных парных сочетаний объектов, предложенных ему, выбрать наиболее предпочтительный в соответствии с заданным критерием. Результатом таких сравнений является матрица парных сравнений, в которой сумма элементов строк дает представление о ранжировке респондентом всех объектов.
Метод парных сравнений
Метод предусматривает использование эксперта, который проводит оценку целей. Z1, Z2, ...,Zn.
Согласно методу осуществляются парные сравнения целей во всех возможных сочетаниях. В каждой паре выделяется наиболее предпочтительная цель. И это предпочтение выражается с помощью оценки по какой-либо шкале. Обработка матрицы оценок позволяет найти веса целей, характеризующие их относительную важность. Одна из возможных модификаций метода состоит в следующем:
составляется матрица бинарных предпочтений, в которой предпочтение целей выражается с помощью булевых переменных;
определяется цена каждой цели путем суммирования булевых переменных по соответствующей строке матрицы.
Примеp1:
эксперт проводит оценку 4-х целей, которые связаны с решением транспортной проблемы.
Z1 — построить метрополитен
Z2 — приобрести 2-хэтажный автобус
Z3 — расширить транспортную сеть
Z4 — ввести скоростной трамвай
Составим матрицу бинарных предпочтений:
Zi / Zj
Z1
Z2
Z3
Z4
Z1
1
1
1
Z2
0
0
0
Z3
0
1
1
Z4
0
1
0
Определим цену каждой цели (складываем по строкам)
C1=3; C2=0; C3=2; C4=1
Эти числа уже характеризуют важность объектов. Нормируем, т.к. этими числами не удобно пользоваться.
Исковые веса целей.
V1=3/6=0,5 ; V2=0; V3=0,17
Проверка:
Получаем следовательно порядок предпочтения целей:
Z1, Z3, Z4, Z2
Вероятностное моделирование парных сравнений. Напомним общую модель парных сравнений, введенную в главе 2.1.4.
Пусть t объектов сравниваются попарно каждым из n экспертов. Следовательно, возможных пар для сравнения имеется Эксперт с номером делает повторных сравнений для каждой из s возможностей. Пусть i, j=1, 2, ..., t, =1,2,...,n; =1,2,..., , - случайная величина, принимающая значения 1 или 0 в зависимости от того, предпочитает ли эксперт объект Ai или объект Aj в -м сравнении двух объектов. Обычно принимают, что все сравнения проводятся независимо друг от друга, так что случайные величины независимы в совокупности, если не считать того, что Положим
Ясно, что описанная модель парных сравнений представляет собой частный случай люсиана (в другой терминологии -бернуллиевского вектора). В этой модели число наблюдений равно числу неизвестных параметров, поэтому для получения статистических выводов необходимо наложить те или иные априорные условия на , например:
(нет эффекта от повторений);
(нет эффекта от повторений и от экспертов).
Теорию независимых парных сравнений целесообразно разделить на две части - непараметрическую, в которой статистические задачи ставятся непосредственно в терминах , и параметрическую, в которой вероятности выражаются через меньшее число иных параметров. Ряд результатов непараметрической теории парных сравнений непосредственно вытекает из теории люсианов.
В параметрической теории парных сравнений наиболее популярна линейная модель, в которой предполагается, что каждому объекту Aiможно сопоставить некоторую "ценность" Vi так, что вероятность предпочтения (т.е. предполагается дополнительно, что эффект от повторений и от экспертов отсутствует) выражается следующим образом:
(1)
где H(x) - функция распределения, симметричная относительно 0, т.е.
(2)
при всех x.
Широко применяются модели Терстоуна - Мостеллера и Брэдли - Терри, в которых H(х)- соответственно функции нормального и логистического распределений. С прикладной точки зрения эти две модели практически совпадают. Действительно, поскольку функция Ф(х) стандартного нормального распределения с математическим ожиданием 0 и дисперсией 1 и функция
стандартного логистического распределения удовлетворяют соотношению (см. главу 2.1.4)
то для обоснованного выбора по статистическим данным между моделями Терстоуна-Мостеллера и Брэдли-Терри необходимо не менее тысячи наблюдений. Ясно, что при реальном проведении экспертного опроса число наблюдений по крайней мере на порядок меньше.
Соотношение (1) вытекает из следующей модели поведения эксперта: он измеряет "ценность" Vi и Vjобъектов Ai и Aj, но с ошибками и соответственно, а затем сравнивает свои оценки ценности объектов и Если то он предпочитает Ai, в противном случае - Aj. Тогда
(3)
Обычно предполагают, что субъективные ошибки эксперта и независимы и имеют одно и то же непрерывное распределение. Тогда функция распределения Н(х) из соотношения (3) непрерывна и удовлетворяет функциональному уравнению (2).
Пример. При опросе экспертов (август 2001 г.) попарно сравнивались четыре компании ТНК, Лукойл, Юкос, Татнефть, продающие автомобильное топливо. Сравнение проводилось по качеству бензина. При t = 4 пар для сравнения имеется = 6.
Результаты парных сравнений приведены в табл.1. По ним необходимо определить взаимное положение четырех компаний на оси «качество бензина», т.е. найти их «ценности» V1, V2, V3, V4.
Таблица 1.
Сравнение компаний по качеству бензина
Пары |
Частота выбора первого элемента пары |
Частота выбора второго элемента пары |
ТНК - Лукойл |
π(1,2) = 0,508 |
π(2,1) = 0,492 |
ТНК - Юкос |
π(1,3) = 0,331 |
π(3,1) = 0,669 |
ТНК - Татнефть |
π(1,4) = 0,990 |
π(4,1) = 0,010 |
Лукойл - Юкос |
π(2,3) = 0,338 |
π(3,2) = 0,662 |
Лукойл - Татнефть |
π(2,4) = 0,990 |
π(4,2) = 0,010 |
Юкос - Татнефть |
π(3,4) = 0,997 |
π(4,3) = 0,003 |
Применим модель Терстоуна-Мостеллера, согласно которой погрешности мнений экспертов являются независимыми нормально распределенными случайными величинами с нулевым математическим ожиданием и дисперсией σ2.
Легко видеть, что «ценности» V1, V2, V3, V4 измерены в шкале интервалов. Начало координат можно выбрать произвольно, поскольку вероятности результатов сравнения зависят только от попарных разностей «ценностей» V1, V2, V3, V4. Например, можно положить V4 = 0. Единицу измерения также можно выбрать произвольно. При изменении единицы измерения меняется σ2, точнее, единица измерения однозначно связана с величиной σ. Дисперсия разности - равна 2σ2.. В соответствии с формулой (3) удобно выбрать единицу измерения так, чтобы 2σ2 = 1, т.е. . Тогда Н в формуле (3) - это функция Ф стандартного нормального распределения с математическим ожиданием 0 и дисперсией 1.
В соответствии с (3) имеем систему шести уравнений с тремя неизвестными:
Φ (V1 - V2) = π (1, 2) = 0,508,
Φ (V1 - V3) = π (1, 3) = 0,331,
Φ (V1) = π (1, 4) = 0,990,
Φ (V2 - V3) = π (2, 3) = 0,338,
Φ (V2) = π (2, 4) = 0,990,
Φ (V3) = π (3, 4) = 0,997.
Применяя к каждому их этих уравнений преобразование Ф-1, получаем систему шести линейных уравнений с тремя неизвестными:
V1 - V2 = а1 = Ф-1(0,508) = 0,020054,
V1 - V3 = а2 = Ф-1(0,331) = - 0,437154,
V1 = а3 = Ф-1(0,990) = 2,326348,
V2 - V3 = а4 = Ф-1(0,338) = - 0,417928,
V2 = а5 = Ф-1(0,990) = 2,326348,
V3 = а6 = Ф-1(0,997) = 2,747781.
(Значения Φ-1 взяты из таблицы 1.3 сборника [16].)
В полученной системе число уравнений больше числа неизвестных, т.е. система переопределена. Дальнейшие расчеты могут проводиться разными способами. Простейший из них стоят в том, чтобы выбрать три уравнения, а именно, третье, пятое и шестое, которые и дают искомые значения:
V1 = V2 = 2,326348, V3 = 2,747781.
Таким образом, качество бензина лучше всего у Юкоса, оно несколько хуже у ТНК и Лукойла, одинаковых по этому показателю, а Татнефть значительно хуже тройки лидеров. Можно показать, что если модель Терстоуна-Мостеллера верна и число экспертов достаточно велико, то отбрасывание «лишних» уравнений является корректным способом обработки экспертных данных, поскольку дает состоятельные оценки «ценностей» V1, V2, ..., Vn.
Однако ясно, что при отбрасывании трех уравнений из шести часть информации теряется. Например, первое уравнение показывает, что по мнению экспертов качество бензина у ТНК несколько лучше, у Лукойла. Поэтому целесообразно применить метод наименьших квадратов для оценивания V1, V2, V3, V4. А именно, рассмотрим функцию трех переменных
f(V1, V2, V3) = (V1 - V2 - а1)2 + (V1 - V3 - а2)2 + (V1 - а3)2 +
+(V2 - V3 - а4)2 +(V2 - а5)2 +(V3 - а6)2 .
Оценки по методу наименьших квадратов - это результат минимизации функции f(V1, V2, V3) по совокупности переменных V1, V2, V3. Как и в главе 3.2, для минимизации этой функции достаточно приравнять 0 частные производные этой функции по V1, V2, V3. Имеем:
,
,
.
Приравнивая частные производные 0, деля на 2, раскрывая скобки и перенося свободные члены в правую часть, получаем систему трех линейных уравнений с тремя неизвестными
Решение этой системы не представляет трудностей.
Вообще говоря, не всегда сравниваемые объекты можно представить точками на прямой, т.е. не всегда их можно линейно упорядочить. Возможно, более соответствует данным опроса экспертов представление объектов точками на плоскости или в пространстве большей размерности. В статистике парных сравнений [32] разработаны методы проверки адекватности модели Терстоуна-Мостеллера и других параметрических моделей. Для этого обычно используются статистики типа хи-квадрат.