Реферат на тему Анализ эффективности применения «Вероятностно-статистического метода» для разработки и принятия управленческого решения
-
Оформление работы
-
Список литературы по ГОСТу
-
Соответствие методическим рекомендациям
-
И еще 16 требований ГОСТа,которые мы проверили
Скачать эту работу всего за 290 рублей
Ссылку для скачивания пришлем
на указанный адрес электронной почты
на обработку персональных данных
Содержание:
ВВЕДЕНИЕ 3
РАЗДЕЛ 1. АНАЛИЗ ЭФФЕКТИВНОСТИ ПРИМЕНЕНИЯ «ВЕРОЯТНОСТНО-СТАТИСТИЧЕСКОГО МЕТОДА» ДЛЯ РАЗРАБОТКИ И ПРИНЯТИЯ УПРАВЛЕНЧЕСКОГО РЕШЕНИЯ 4
ВЫВОДЫ 12
СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ 13
Введение:
Вероятностные статистические методы принятия решений используются, когда эффективность решения зависит от факторов, представляющих собой случайные величины, законы распределения вероятностей и другие статистические свойства которых известны. В то же время любое конкретное решение может привести к любому из множества возможных исходов, каждый из которых имеет определенную вероятность возникновения, которую можно рассчитать. Показатели, характеризующие проблемную ситуацию, также описываются с помощью вероятностных свойств. В таких задачах принятия решений лицо, принимающее решение, всегда рискует получить неправильный результат и выбирает оптимальное решение на основе среднестатистических свойств случайных факторов.
На практике вероятностные и статистические методы часто используются, когда выводы из выборочных данных переносятся на всю совокупность (например, с образца на всю партию продукции). Однако при этом необходимо заранее оценить базовую возможность получения достаточно надежных вероятностных и статистических данных.
Суть вероятностных и статистических методов принятия решений заключается в использовании вероятностных моделей, основанных на оценке и проверке гипотез с использованием характеристик выборки.
Наиболее распространенные вероятностные и статистические методы включают регрессионный анализ, факторный анализ, дисперсионный анализ, статистические методы оценки риска и методы сценариев. Область статистических методов посвящена анализу нечисловых статистических данных, т.е. статистических данных. Результаты измерений качественных и различных свойств становятся все более важными. Одним из основных приложений статистики объектов нечисловой природы является теория и практика экспертных оценок применительно к теории статистических решений и речевых задач.
Заключение:
Как методы, идеи и результаты теории вероятностей используются в нашей жизни?
Основой является вероятностная модель реального явления или процесса, т.е. вероятностная модель. Математическая модель, в которой объективные отношения выражаются в терминах теории вероятности. Вероятность в основном используется для описания неопределенностей, которые необходимо учитывать при принятии решений. Это подразумевает как нежелательные возможности (риск), так и привлекательные («удача»). Случайность может быть намеренно внесена в ситуацию, например, при проведении жеребьевки, случайном выборе контрольных устройств, проведении лотерей или потребительских исследований.
Теория вероятностей позволяет по одной вероятности вычислить другие вероятности, представляющие интерес для исследователя.
Вероятностные модели явлений или процессов являются основой математической статистики. Используются два параллельных набора понятий: те, которые относятся к теории (вероятностные модели), и те, которые относятся к практике (примеры наблюдаемых исходов). Например, теоретические вероятности соответствуют частотам, найденным в выборке. Математическое ожидание (теоретическая серия) соответствует среднему арифметическому (практическая серия). Как правило, свойства выборки являются оценками теоретиков. В то же время величины, связанные с теоретическим рядом «в голове ученого», принадлежащие миру идей (по словам древнегреческого философа Платона), недоступны для прямого измерения. Ученый располагает лишь выборкой данных и с ее помощью стремится определить свойства интересующей его теоретической вероятностной модели.
Зачем нам нужна вероятностная модель? Ведь только с его помощью можно перенести характеристики, определенные по результатам анализа конкретной выборки, на другие выборки и на всю так называемую генеральную совокупность Термин «генеральная совокупность» используется по отношению к большой, но конечной совокупности изучаемых единиц. Например, для множества всех жителей России или для множества всех потребителей растворимого кофе в Москве. Цель маркетинговых и социологических исследований — перенести утверждения с выборки в сотни или тысячи человек на генеральную совокупность в миллионы. При контроле качества партии продукции выступают в качестве общего набора.
Для того чтобы перенести выводы выборки на более крупную совокупность, необходимо сделать определенные предположения о взаимосвязи между характеристиками выборки и характеристиками этой более крупной совокупности. Эти предположения основаны на соответствующих моделях вероятности.
Конечно, можно обрабатывать данные выборки и без использования той или иной вероятностной модели. Например, можно рассчитать среднее арифметическое значение выборки или рассчитать частоту определенного состояния. Однако результаты расчета относятся только к конкретной выборке, и переносить выводы, полученные с его помощью, на другие совокупности неправильно. Такие действия иногда называют «анализом данных». По сравнению с вероятностными и статистическими методами, анализ данных имеет ограниченную познавательную ценность.
Поэтому использование вероятностных моделей, основанных на оценке и проверке гипотез с использованием характеристик выборки, лежит в основе вероятностных и статистических методов принятия решений.
Фрагмент текста работы:
РАЗДЕЛ 1. АНАЛИЗ ЭФФЕКТИВНОСТИ ПРИМЕНЕНИЯ «ВЕРОЯТНОСТНО-СТАТИСТИЧЕСКОГО МЕТОДА» ДЛЯ РАЗРАБОТКИ И ПРИНЯТИЯ УПРАВЛЕНЧЕСКОГО РЕШЕНИЯ
Вероятностные методы принятия решений используются, когда эффективность решения зависит от факторов, статистические свойства которых являются известными случайными величинами, например, законами распределения вероятностей. Однако каждое решение может привести к одному из многих возможных исходов, и каждый исход имеет определенную вероятность возникновения и может быть рассчитан. Кроме того, показатели, характеризующие проблемную ситуацию, описываются в терминах вероятностных свойств. В этом типе задачи принятия решений лицо, принимающее решение, всегда выбирает оптимальное решение, основываясь на среднем характере случайных факторов, всегда рискуя получить неверные результаты. [1, c. 76]
На практике вероятностные статистические методы часто используются, когда выводы из выборочных данных переносятся на всю популяцию в целом (например, с выборки на всю партию продукции). Однако в каждой конкретной ситуации необходимо заранее оценить основные возможности получения достаточно надежных вероятностных статистических данных.
Математические модели основаны на вероятностной теории объективных связей, использовании идей и результатов теории вероятности и математической статистики при принятии решений. Вероятность в основном используется для выражения случайности, которую необходимо учитывать при принятии решений. Он имеет дело как с нежелательными возможностями (рисками), так и с привлекательными возможностями (счастливыми шансами).
Суть вероятностных статистических методов принятия решений заключается в использовании вероятностных моделей, основанных на оценке и проверке гипотез с использованием характеристик выборки.
Логика опционных функций для принятия решений на основе теоретических моделей предполагает одновременное использование двух параллельных концепций, одна из которых относится к теории (вероятностные модели), а другая — к практике (выборки наблюдений). Например, теоретическая вероятность соответствует частоте обнаружения путем отбора проб. Математическое ожидание (теоретическая серия) соответствует среднему арифметическому значению выборки (практическая серия). В общем, характеристика выборки является оценкой теоретической характеристики. [2, c. 87]
Преимущество использования этих методов заключается в том, что можно рассматривать различные сценарии событий и их вероятности. Недостатком этих методов является то, что почти всегда очень трудно получить значения вероятности того, что сценарии, используемые в расчетах, будут разворачиваться.
Применение определенных вероятностных статистических методов принятия решений состоит из трех этапов.
-Перевод экономической, управленческой и технической реальности в абстрактную математическую и статистическую схему.
-расчеты и выводы, полученные чисто математическим путем в рамках вероятностных моделей.
Интерпретация математических и статистических выводов в соответствии с реальной ситуацией и принятие соответствующих решений (например, о соответствии качества продукции установленным требованиям и техническим процессам), в частности выводов (о проценте дефектных единиц в партии, конкретных закономерностях в распределении контрольных параметров технических процессов). [3, c. 17]
Вероятностная модель реального явления считается построенной, если наблюдаемые величины и отношения между ними выражены в теории вероятности. Достоверность вероятностной модели должна быть подтверждена статистическими методами, в частности, проверкой гипотез.
Математическая статистика обычно делится на три части, в зависимости от типа решаемой задачи: описание данных, оценка и проверка гипотез. В зависимости от типа статистики, с которой приходится иметь дело, математическую статистику можно разделить на четыре области.
Одномерная статистика (статистика случайных величин), в которой наблюдения описываются действительными числами.
Многомерная статистика, которая описывает результаты наблюдений за объектом в терминах некоторого числового значения (вектора); — Стохастические и стохастические процессы; и
-Стохастические процессы и статистика временных рядов, где результатом наблюдения является функция.
Нечисловая статистика: когда результатом наблюдения является измерение нечисловой величины, например, множества (геометрической фигуры), столбца, качественной характеристики и т.д.
Примеры того, когда уместно использование вероятностных статистических моделей.
При проверке качества продукта отбираются образцы, чтобы выяснить, соответствует ли изготовленная партия продукта установленным требованиям. На основании результатов выборочного контроля необходимо сделать выводы обо всей партии. В этом случае очень важно избежать субъективности, т.е. избежать субъективности при формировании выборки. Если в выборку отбирается каждая единица продукции из контролируемой партии, то в такой ситуации выбор на основе лотереи не совсем объективен. Поэтому отбор единиц продукции в условиях производства обычно производится не партиями, а с помощью специальных таблиц случайных чисел или компьютерных датчиков выборки случайных чисел [4,98].