Процесс оптимизации статистических решений в современной экономике
ART 970613
Авторы:
Е.
В. Гончарова, Ю.
С. Ощепкова
Е.
В. Гончарова, Ю.
С. Ощепкова Библиографическое описание статьи для цитирования:
Гончарова
Е.
В.,
Ощепкова
Ю.
С. Процесс оптимизации статистических решений в современной экономике // Научно-методический электронный журнал «Концепт». –
2017. – Т. 39. – С.
1431–1435. – URL:
http://e-koncept.ru/2017/970613.htm.
Аннотация. В данной статье рассмотрена роль теории статистических решений в условиях современной экономики. Представлена характеристика основных типов задач статистических решений. Проанализировано значение процесса оптимизации статистических решений в условиях неопределенности экономических ситуаций.
Ключевые слова:
статистика, неопределенность, современная экономика, статистические решения, модели оптимизации
Текст статьи
Научный руководитель: Гончарова Елена Вячеславовна, кандидат экономических наук, доцент, доцент кафедры «Экономика и менеджмент» Волжского политехническогоинститута (филиал) ВолгГТУ, г.Волжскийsvumato@mail.ru
Ощепкова Юлия Сергеевнамагистрант 2 курса инженерноэкономического факультета Волжского политехнического института (филиал) ВолгГТУ, г. Волжскийoschepkova_93@mail.ru
Процесс оптимизациистатистических решенийв современной экономике
Аннотация.В данной статье рассмотрена роль теории статистических решений в условиях современной экономики. Представлена характеристика основных типов задач статистических решений. Проанализировано значение процесса оптимизации статистических решений в условиях неопределенности экономических ситуаций.Ключевые слова: статистические решения, современная экономика, модели оптимизации, неопределенность, статистика.
Актуальность выбранной темы исследования обусловлена тем, что за последнее времявозрословниманиеквопросу применения теории статистическихрешенийв современной экономике. Проблематеориистатистическихрешений остается достаточно дискуссионнойв научных кругахи требует дальнейшего детального исследования. Теориястатистическихрешений используется в большинстве экономических ситуацийдля анализа деловых проблем. При использовании инструментария данной теорииэти проблемы легко формулируются, а результатыможно адекватно интерпретировать [1].К текущему моменту статистические теории, за исключением небольшого числа отдельных результатов, были недостаточно полнымиподвумважнымпунктам: эксперимент состоял из одной стадии, т.е. число наблюдений фиксировалось до эксперимента;рассматривались лишь два типа задач статистических решений, известные в литературе под именем проверки гипотез и оценки точек и интервалов. На протяжении последних лет исследоваласьобщая теория статистическихрешений свободная от этих недостатков. В этой теории рассматриваются эксперименты, состоящие из многих стадий, и изучаются общие статистические проблемы, в которых статистик должен принять одно из множестварешений [2].Математическая статистика как наука начинается с работ знаменитого немецкого математика К.Ф. Гаусса,который, опираясь на теорию вероятностей, исследовал и обосновал метод наименьших квадратов, созданный им в 1795 г. и примененный для обработки астрономических данных (с целью уточнения орбиты малой планеты Церера). Крупный вклад в математическую статистику внесли К. Пирсон (1857–1936), Р.А. Фишер (1890–1962), А.Н. Колмогоров (1903–1987), Н.В. Смирнов (1900–1966), А. Вальд (1902–1950).Теория игр была впервые предложена Э. Борелем, а развита Дж. фон Нейманом. В этот период развивается теория статистическихрешений[3, с. 88].Р.П. Дунбиев обращал внимание на важный вывод:«Теорияпринятиярешенияплавновытекает изматематической теорииигр. Здесьподразумевается,чтолицо,принимающеерешение играет вазартную игру, пытаясьдобиться максимальнохорошегорезультата.Теорияигр –этораздел математики, ориентированный на построение формальных моделей принятия оптимальныхрешений в ситуации конкурентноговзаимодействия,строго регламентированногоматрицей выигрышей ипроигрышей» [4].Л.Г. Лабскер и Н.А. Ященко подчеркивают, что: «Игра» представляет собой, правила,которые регулируютповедение игроков и «партии игры». При этом угадатьрезультатопределенной партииигры невозможно. Следовательно,решениепринимается на основе предполагаемойповторяемостиситуации[5, с. 149].Теориястатистическихрешений представляет собой системуматематических методов. Эта система позволяет выявить правила,т.е. законы. По этим законам принимаются решенияв технике связи,общей теории систем, экономике и других направлениях. Можно утверждать о том, что полезны являются методы теориистатистическихрешенийпри исследовании процессов принятия решения в сложных высокоорганизованных технических системах и организмах. Требования к технологии принятия управленческих решений можно структурировать следующим образом:
формулирование проблем, разработка и выборрешения должны быть сконцентрированы на том уровне иерархии управления, где для этого имеется соответствующая информация;
данные должны поступать от всех подразделений фирмы, находящихся на разных уровнях управления и выполняющих различные функции;
выбор и принятие решения должны отражать интересы и возможности тех уровней управления, на которые будет возложено выполнение решения или которые заинтересованы в его реализации;
должна строго соблюдаться соподчиненность в отношениях в иерархии управления,жесткая дисциплина, высокая требовательность и беспрекословное подчинение[6].Отметим, что теория статистических решений –это оценкадействиясистем в реальных условиях с точки зрения оптимальности поведения, определяемого оптимальной моделью, построенной в рамках теории статистическихрешений. В общем случае теориястатистическихрешенийрассматривает выбор стратегии, т.е. поведение наблюдателя приизменяющихсясостоянияхвнешнейсреды. Для того чтобы быть эффективным, т.е. достигать некоторых поставленных целей, решение должно удовлетворять ряду требований:
единство целей –непротиворечивость решения ранее поставленным целям. Для этого должна быть проведена структуризация проблемы и построение дерева целей;
обоснованность и правомочность –аргументированность и обоснованность решения, а также соответствие прав и обязанностей органов принятия решения. Аргументы по возможности должны носить формализованный характер (содержать статистические, экономические и другие данные). Для достижения научной обоснованности и правомочности необходимо обеспечить: применение к разработке решения научных подходов менеджмента; изучение влияния экономических законов на эффективность решения;
применение методов функциональностоимостного анализа, прогнозирования, моделирования и экономического обоснования для каждого решения.
ясность формулировок –ориентация на конкретного исполнителя; краткость формулировок принятого решения –выполнение этого требования повышает конкретность, действенность решений и способствует лучшему усвоению задачи исполнителем;
гибкость –существование алгоритма достижения цели при изменении внешних или внутренних условий, описания состояний объекта управления, внешней среды, при которых выполнение решения должно быть приостановлено и начата разработка нового решения; своевременность и оперативность принятия решений, повышающие ценность принятого решения;
объективность – менеджеры не должны игнорировать фактические условия или фактическое положение дел при разработке вариантов решений. Для этого необходимо: получить качественную информацию, характеризующую систему разработки решения;
обеспечить сопоставимость (сравнимость) вариантов решений;
обеспечить многовариантностьрешений;
достичь правовой обоснованности принимаемого решения;
возможность верификации и контроля, отсутствие реальных мероприятий по контролю, особенно когда это известно еще на стадии разработки решений, могут делать всю остальную работу по подготовке и принятию решений бессмысленной;
автоматизация процесса сбора и обработки информации, процесса разработки и реализации решений –использование средств вычислительной техники, что значительно сокращает время разработки решения и повышает его обоснованность;
ответственность и мотивация при принятии качественного и эффективного решения;
наличие механизма реализации –содержание решения должно включать разделы, охватывающие организацию, стимуляцию, контроль при реализации решений [6]. Задачастатистическогорешения возникает тогда, когда наоснове наблюдения случайногопроцесса необходимо сделатьстатистический вывод. Теориястатистическихрешенийвводит критерийоптимальности выбора поведения наблюдателя (стратегий): критерий максимального правдоподобия,максимальной апостериорнойвероятности, максимального среднегориска (критерий Байеса), минимаксный,критериймаксимизации ожидаемого выигрыша. Применение того или иногокритерия определяется конкретными условиями решаемой задачи. И.М. Бескровный так описывает теорию статистическихрешений:«Теория статистическихрешений представляет вобщем случаелицо, принимающеерешение,каклицо,производящеевыбориз совокупностиальтернатив Аа= {а а ..., ат} при условии, что заданы[2, с. 49]: 1. Набор состояний окружающей среды ^ = {5 5 ..., 5п}, факты наступления которых не поддаютсяуправлению, но вероятности их наступлений Р = {р р2, ..., рп} известны (то есть состояние 51 будет иметь место с вероятностью р1 и т.д.). 2. Задана матрица платежей в терминах затрат или выигрышей V.., ассоциированных с каждой парой «альтернатива состояние окружения». Такимобразом,теориястатистическихрешенийявляетсятеорией проведениястатистическихнаблюдений, обработки этих наблюдений и их использования. Результат решения задачи ЛПР определяет по одному из критериев принятия решения. Для того чтобы прийти к однозначному и по возможности наиболее выгодному варианту решению, необходимо ввести оценочную (целевую) функцию. При этом по каждой стратегии ЛПР (V) вычисляется некоторый результат Е(¥), характеризующий все последствия этого решения. Из массива . результатов принятия решений ЛПР выбирает элемент Е(У), который наилучшим образом отражает мотивацию его поведения[6]. Если лицу, принимающему решениеизвестнывероятностисостояний окружающей среды,то здесь применяется критерий максимального математического ожиданиявыигрыша. Платёжная матрицадополняется столбцом, каждый элемент которого это значение математического ожидания выигрышапри выборе соответствующейстратегии лица, принимающего решения. Если всеперечисленныевыше элементыматрицы платежей заданы, то предпочтительная альтернатива может быть определена вычислением математического ожидания ценности Е( V.) каждой из рассматриваемых альтернатив по формуле:
nE(Vi) = ∑ Pi*Vy (1) i=1
и последующим выбором альтернативы, имеющей наибольшую ожидаемую ценность: E(V*) = maxE(Vi) (2) i
Следовательно, теориястатистическихрешений сводит проблему анализа альтернатив к анализу содержащейся в нихмотивировки и предлагаетnсчитать наиболеепредпочтительной туальтернативу,oдля которой математическое ожиданиемотивировки имеет максимальноезначение[7].Р.П. Дунбиев описывает теориюстатистическихрешенийследующим образом. Теориястатистических решенийотличается от теорииигр тем, что рассматриваетнеопределенность ситуациибез конфликтной окраски никто никомусознательно не противодействует. В задачах теориистатистических решений неизвестныеусловия операции зависятне отсознательно действующего«противника»,аот объективнойнезаинтересованной действительности, которуюв теориистатистическихрешений принято называть«природой», «поведение»которой неизвестно, но, во всяком случае, незлонамеренно. Подобныеситуации называются «играми сприродой»[4]. Отсутствиесознательного противодействия состороны природы на первый взглядупрощает задачу выбора решениялицу, принимающему решение в «игре с природой»легче добиться успеха,ведь ему никто не мешает.Но ему труднее обосновать свойвыбор. Преимущественно используются информационные ресурсы: периодические специализированные издания, выставки, реклама в Интернет и на печатных носителях [8].Такимобразом, теориястатистическихрешений представляет собой теорию поиска оптимальногоповедения в условияхнеопределенности, т.е. неполноты или неточности информации. В такой ситуации поведение бывает детерминированным или недетерминированным. При этом неопределённость это риск. В современное время теориястатистическогорешения представляет собой оптимальное поведение.Если, такое поведение, минимизирует риск в последовательных экспериментах, т.е. математическое ожидание убытков статистического эксперимента. При этом постановка любой задачи статистическихрешений рассматривается какигра двухлиц, в которойодним из игроковявляется«природа». Итак,теория статистических решений –это математическая статистикаи игра теории. При котором,вовлекаются такие разнообразные задачи как построение статистических оценокпараметров и доверительных границ для них, статистическаяпроверка гипотез, планирование эксперимента и многие другие. Основатеории статистическихрешений –это распределение вероятностей Fнаблюдаемой случайной величины XFпринадлежит некоторому априори данному множеству . Главнаязадача теории статистическихрешений –это поискнаиболее благоприятного, лучшегостатистического решения или решающего правила (функции) d = d(x),позволяющего по результатам наблюдений хнад Хсудить об истинном (но неизвестном) распределении F.
Следовательно, принимать решение, выбиратьстратегию надо ставить перед собой вопросо том, что хотелось бы получить максимальный выигрыш при достаточно высоком риске, максимально снизить риск при относительно невысоком результате или выбрать «золотую середину».
Ссылки на источники:1.Гончарова Е. В. Управленческие решения в современных организациях: теория и практика/ Гончарова Е.В., Старовойтов М.К., Медведева Л.Н., Лукьянов Г.И., Старовойтова Я.М.// Волгоград, 2014.2.Бескровный И.М. Анализ альтернатив и выбор диагностических гипотез. Часть 1. Правило Байеса и методы статистической теории принятия решений // Международный журнал прикладных и фундаментальныхисследований. 2012. –№ 5. –С. 4551.
3.Костикова А.В. Исторические аспекты развития теории принятия решений // Философия науки. –2012. –№ 4 (55). –С. 8598.4.ДунбиевР.П. Теория статистических решений в медицине // Электронный научный журнал. Международный студенческий научный вестник. VIIIМеждународная студенческая электронная научная конференция «Студенческий научный форум –2016». [Электронный ресурс]. –URL: http://www.scienceforum.ru/2016/1369/17152 [ДАТА обращения 25.12.2016]. 5.Лабскер Л.Г., Ященко Н.А. Экономические игры с природой. Практикум с решениями задач. –М.: Кнорус, 2015. –512 с. 6.Гончарова Е.В. Процесс принятия управленческих решений/ Е. В. Гончарова // Волгоград, 2013. –73 с.7.Гончарова А. В. Управление организацией работ по прогнозированию технических и производственных решений развития средних городов России/ Гончарова А.В., Гончарова Е.В.// В сборнике: Развитие средних городов: замысел, модели, практикаМатериалы III Международной научнопрактической конференции. 2015. С. 245250.8.Гончарова Е. В. Способы продвижения продукции промышленных предприятий в условиях реализации стратегии импортозамещения / Е. В. Гончарова, Г.И. Баханова // Научнометодический электронный журнал «Концепт». –2016. –Т. 11. –С. 3326–3330. –URL: http://ekoncept.ru/2016/86702.htm. [Дата обращения 20.01.2017].
Ощепкова Юлия Сергеевнамагистрант 2 курса инженерноэкономического факультета Волжского политехнического института (филиал) ВолгГТУ, г. Волжскийoschepkova_93@mail.ru
Процесс оптимизациистатистических решенийв современной экономике
Аннотация.В данной статье рассмотрена роль теории статистических решений в условиях современной экономики. Представлена характеристика основных типов задач статистических решений. Проанализировано значение процесса оптимизации статистических решений в условиях неопределенности экономических ситуаций.Ключевые слова: статистические решения, современная экономика, модели оптимизации, неопределенность, статистика.
Актуальность выбранной темы исследования обусловлена тем, что за последнее времявозрословниманиеквопросу применения теории статистическихрешенийв современной экономике. Проблематеориистатистическихрешений остается достаточно дискуссионнойв научных кругахи требует дальнейшего детального исследования. Теориястатистическихрешений используется в большинстве экономических ситуацийдля анализа деловых проблем. При использовании инструментария данной теорииэти проблемы легко формулируются, а результатыможно адекватно интерпретировать [1].К текущему моменту статистические теории, за исключением небольшого числа отдельных результатов, были недостаточно полнымиподвумважнымпунктам: эксперимент состоял из одной стадии, т.е. число наблюдений фиксировалось до эксперимента;рассматривались лишь два типа задач статистических решений, известные в литературе под именем проверки гипотез и оценки точек и интервалов. На протяжении последних лет исследоваласьобщая теория статистическихрешений свободная от этих недостатков. В этой теории рассматриваются эксперименты, состоящие из многих стадий, и изучаются общие статистические проблемы, в которых статистик должен принять одно из множестварешений [2].Математическая статистика как наука начинается с работ знаменитого немецкого математика К.Ф. Гаусса,который, опираясь на теорию вероятностей, исследовал и обосновал метод наименьших квадратов, созданный им в 1795 г. и примененный для обработки астрономических данных (с целью уточнения орбиты малой планеты Церера). Крупный вклад в математическую статистику внесли К. Пирсон (1857–1936), Р.А. Фишер (1890–1962), А.Н. Колмогоров (1903–1987), Н.В. Смирнов (1900–1966), А. Вальд (1902–1950).Теория игр была впервые предложена Э. Борелем, а развита Дж. фон Нейманом. В этот период развивается теория статистическихрешений[3, с. 88].Р.П. Дунбиев обращал внимание на важный вывод:«Теорияпринятиярешенияплавновытекает изматематической теорииигр. Здесьподразумевается,чтолицо,принимающеерешение играет вазартную игру, пытаясьдобиться максимальнохорошегорезультата.Теорияигр –этораздел математики, ориентированный на построение формальных моделей принятия оптимальныхрешений в ситуации конкурентноговзаимодействия,строго регламентированногоматрицей выигрышей ипроигрышей» [4].Л.Г. Лабскер и Н.А. Ященко подчеркивают, что: «Игра» представляет собой, правила,которые регулируютповедение игроков и «партии игры». При этом угадатьрезультатопределенной партииигры невозможно. Следовательно,решениепринимается на основе предполагаемойповторяемостиситуации[5, с. 149].Теориястатистическихрешений представляет собой системуматематических методов. Эта система позволяет выявить правила,т.е. законы. По этим законам принимаются решенияв технике связи,общей теории систем, экономике и других направлениях. Можно утверждать о том, что полезны являются методы теориистатистическихрешенийпри исследовании процессов принятия решения в сложных высокоорганизованных технических системах и организмах. Требования к технологии принятия управленческих решений можно структурировать следующим образом:
формулирование проблем, разработка и выборрешения должны быть сконцентрированы на том уровне иерархии управления, где для этого имеется соответствующая информация;
данные должны поступать от всех подразделений фирмы, находящихся на разных уровнях управления и выполняющих различные функции;
выбор и принятие решения должны отражать интересы и возможности тех уровней управления, на которые будет возложено выполнение решения или которые заинтересованы в его реализации;
должна строго соблюдаться соподчиненность в отношениях в иерархии управления,жесткая дисциплина, высокая требовательность и беспрекословное подчинение[6].Отметим, что теория статистических решений –это оценкадействиясистем в реальных условиях с точки зрения оптимальности поведения, определяемого оптимальной моделью, построенной в рамках теории статистическихрешений. В общем случае теориястатистическихрешенийрассматривает выбор стратегии, т.е. поведение наблюдателя приизменяющихсясостоянияхвнешнейсреды. Для того чтобы быть эффективным, т.е. достигать некоторых поставленных целей, решение должно удовлетворять ряду требований:
единство целей –непротиворечивость решения ранее поставленным целям. Для этого должна быть проведена структуризация проблемы и построение дерева целей;
обоснованность и правомочность –аргументированность и обоснованность решения, а также соответствие прав и обязанностей органов принятия решения. Аргументы по возможности должны носить формализованный характер (содержать статистические, экономические и другие данные). Для достижения научной обоснованности и правомочности необходимо обеспечить: применение к разработке решения научных подходов менеджмента; изучение влияния экономических законов на эффективность решения;
применение методов функциональностоимостного анализа, прогнозирования, моделирования и экономического обоснования для каждого решения.
ясность формулировок –ориентация на конкретного исполнителя; краткость формулировок принятого решения –выполнение этого требования повышает конкретность, действенность решений и способствует лучшему усвоению задачи исполнителем;
гибкость –существование алгоритма достижения цели при изменении внешних или внутренних условий, описания состояний объекта управления, внешней среды, при которых выполнение решения должно быть приостановлено и начата разработка нового решения; своевременность и оперативность принятия решений, повышающие ценность принятого решения;
объективность – менеджеры не должны игнорировать фактические условия или фактическое положение дел при разработке вариантов решений. Для этого необходимо: получить качественную информацию, характеризующую систему разработки решения;
обеспечить сопоставимость (сравнимость) вариантов решений;
обеспечить многовариантностьрешений;
достичь правовой обоснованности принимаемого решения;
возможность верификации и контроля, отсутствие реальных мероприятий по контролю, особенно когда это известно еще на стадии разработки решений, могут делать всю остальную работу по подготовке и принятию решений бессмысленной;
автоматизация процесса сбора и обработки информации, процесса разработки и реализации решений –использование средств вычислительной техники, что значительно сокращает время разработки решения и повышает его обоснованность;
ответственность и мотивация при принятии качественного и эффективного решения;
наличие механизма реализации –содержание решения должно включать разделы, охватывающие организацию, стимуляцию, контроль при реализации решений [6]. Задачастатистическогорешения возникает тогда, когда наоснове наблюдения случайногопроцесса необходимо сделатьстатистический вывод. Теориястатистическихрешенийвводит критерийоптимальности выбора поведения наблюдателя (стратегий): критерий максимального правдоподобия,максимальной апостериорнойвероятности, максимального среднегориска (критерий Байеса), минимаксный,критериймаксимизации ожидаемого выигрыша. Применение того или иногокритерия определяется конкретными условиями решаемой задачи. И.М. Бескровный так описывает теорию статистическихрешений:«Теория статистическихрешений представляет вобщем случаелицо, принимающеерешение,каклицо,производящеевыбориз совокупностиальтернатив Аа= {а а ..., ат} при условии, что заданы[2, с. 49]: 1. Набор состояний окружающей среды ^ = {5 5 ..., 5п}, факты наступления которых не поддаютсяуправлению, но вероятности их наступлений Р = {р р2, ..., рп} известны (то есть состояние 51 будет иметь место с вероятностью р1 и т.д.). 2. Задана матрица платежей в терминах затрат или выигрышей V.., ассоциированных с каждой парой «альтернатива состояние окружения». Такимобразом,теориястатистическихрешенийявляетсятеорией проведениястатистическихнаблюдений, обработки этих наблюдений и их использования. Результат решения задачи ЛПР определяет по одному из критериев принятия решения. Для того чтобы прийти к однозначному и по возможности наиболее выгодному варианту решению, необходимо ввести оценочную (целевую) функцию. При этом по каждой стратегии ЛПР (V) вычисляется некоторый результат Е(¥), характеризующий все последствия этого решения. Из массива . результатов принятия решений ЛПР выбирает элемент Е(У), который наилучшим образом отражает мотивацию его поведения[6]. Если лицу, принимающему решениеизвестнывероятностисостояний окружающей среды,то здесь применяется критерий максимального математического ожиданиявыигрыша. Платёжная матрицадополняется столбцом, каждый элемент которого это значение математического ожидания выигрышапри выборе соответствующейстратегии лица, принимающего решения. Если всеперечисленныевыше элементыматрицы платежей заданы, то предпочтительная альтернатива может быть определена вычислением математического ожидания ценности Е( V.) каждой из рассматриваемых альтернатив по формуле:
nE(Vi) = ∑ Pi*Vy (1) i=1
и последующим выбором альтернативы, имеющей наибольшую ожидаемую ценность: E(V*) = maxE(Vi) (2) i
Следовательно, теориястатистическихрешений сводит проблему анализа альтернатив к анализу содержащейся в нихмотивировки и предлагаетnсчитать наиболеепредпочтительной туальтернативу,oдля которой математическое ожиданиемотивировки имеет максимальноезначение[7].Р.П. Дунбиев описывает теориюстатистическихрешенийследующим образом. Теориястатистических решенийотличается от теорииигр тем, что рассматриваетнеопределенность ситуациибез конфликтной окраски никто никомусознательно не противодействует. В задачах теориистатистических решений неизвестныеусловия операции зависятне отсознательно действующего«противника»,аот объективнойнезаинтересованной действительности, которуюв теориистатистическихрешений принято называть«природой», «поведение»которой неизвестно, но, во всяком случае, незлонамеренно. Подобныеситуации называются «играми сприродой»[4]. Отсутствиесознательного противодействия состороны природы на первый взглядупрощает задачу выбора решениялицу, принимающему решение в «игре с природой»легче добиться успеха,ведь ему никто не мешает.Но ему труднее обосновать свойвыбор. Преимущественно используются информационные ресурсы: периодические специализированные издания, выставки, реклама в Интернет и на печатных носителях [8].Такимобразом, теориястатистическихрешений представляет собой теорию поиска оптимальногоповедения в условияхнеопределенности, т.е. неполноты или неточности информации. В такой ситуации поведение бывает детерминированным или недетерминированным. При этом неопределённость это риск. В современное время теориястатистическогорешения представляет собой оптимальное поведение.Если, такое поведение, минимизирует риск в последовательных экспериментах, т.е. математическое ожидание убытков статистического эксперимента. При этом постановка любой задачи статистическихрешений рассматривается какигра двухлиц, в которойодним из игроковявляется«природа». Итак,теория статистических решений –это математическая статистикаи игра теории. При котором,вовлекаются такие разнообразные задачи как построение статистических оценокпараметров и доверительных границ для них, статистическаяпроверка гипотез, планирование эксперимента и многие другие. Основатеории статистическихрешений –это распределение вероятностей Fнаблюдаемой случайной величины XFпринадлежит некоторому априори данному множеству . Главнаязадача теории статистическихрешений –это поискнаиболее благоприятного, лучшегостатистического решения или решающего правила (функции) d = d(x),позволяющего по результатам наблюдений хнад Хсудить об истинном (но неизвестном) распределении F.
Следовательно, принимать решение, выбиратьстратегию надо ставить перед собой вопросо том, что хотелось бы получить максимальный выигрыш при достаточно высоком риске, максимально снизить риск при относительно невысоком результате или выбрать «золотую середину».
Ссылки на источники:1.Гончарова Е. В. Управленческие решения в современных организациях: теория и практика/ Гончарова Е.В., Старовойтов М.К., Медведева Л.Н., Лукьянов Г.И., Старовойтова Я.М.// Волгоград, 2014.2.Бескровный И.М. Анализ альтернатив и выбор диагностических гипотез. Часть 1. Правило Байеса и методы статистической теории принятия решений // Международный журнал прикладных и фундаментальныхисследований. 2012. –№ 5. –С. 4551.
3.Костикова А.В. Исторические аспекты развития теории принятия решений // Философия науки. –2012. –№ 4 (55). –С. 8598.4.ДунбиевР.П. Теория статистических решений в медицине // Электронный научный журнал. Международный студенческий научный вестник. VIIIМеждународная студенческая электронная научная конференция «Студенческий научный форум –2016». [Электронный ресурс]. –URL: http://www.scienceforum.ru/2016/1369/17152 [ДАТА обращения 25.12.2016]. 5.Лабскер Л.Г., Ященко Н.А. Экономические игры с природой. Практикум с решениями задач. –М.: Кнорус, 2015. –512 с. 6.Гончарова Е.В. Процесс принятия управленческих решений/ Е. В. Гончарова // Волгоград, 2013. –73 с.7.Гончарова А. В. Управление организацией работ по прогнозированию технических и производственных решений развития средних городов России/ Гончарова А.В., Гончарова Е.В.// В сборнике: Развитие средних городов: замысел, модели, практикаМатериалы III Международной научнопрактической конференции. 2015. С. 245250.8.Гончарова Е. В. Способы продвижения продукции промышленных предприятий в условиях реализации стратегии импортозамещения / Е. В. Гончарова, Г.И. Баханова // Научнометодический электронный журнал «Концепт». –2016. –Т. 11. –С. 3326–3330. –URL: http://ekoncept.ru/2016/86702.htm. [Дата обращения 20.01.2017].
