мпр


1
Шаги процесса принятия решений. Причины ошибок процесса принятия решений. Окружения процесса принятия решений.
Принятие решения — это выбор лучшего варианта из двух и более возможных с помощью определенных правил.
Эти правила заключаются в соблюдении последовательности этапов принятия решения. Всего их пять, один из которых (контроль реализации) является сквозным — т.е. он появляется и на всех остальных этапах. Рассмотрим их подробнее.
1. Определение и формулировка проблемы.
Принятие решения начинается тогда, когда вы понимаете, что текущая ситуация вас не устраивает и ее невозможно изменить с помощью тех средств, знаний и опыта, которые на сегодняшний день имеются в Вашем распоряжении. Как правило, при этом Вы еще и испытываете негативные эмоции.
Для того чтобы перейти к процессу принятия решения, необходимо сформулировать проблему. При этом обычно проблемы описывают с негативной стороны, указывая, что именно не устраивает или препятствует реализации планов.
Например, «не могу выучить второй язык. Не получается, не успеваю и т.д.».
2. Формулировка желаемого решения.
Чтобы поставить цель и сформулировать задачу, необходимо определить желаемый результат. Для этого нужно описать желаемое решение, которое реализуется при максимально благоприятных обстоятельствах и отсутствии помех и препятствий. Это идеальное решение будет служить источником критериев для принятия решения. Критерий — это ответ на вопрос: «по какому признаку я узнаю, что проблема решена?».
3. Определение условий и ограничений.
После того как сформулировано желание, необходимо определиться, на что ориентироваться: в соответствии с какими ценностями, нормами и правилами Вы будете принимать решение.
Например, для одной организации ценностью и нормой может быть совместное принятие и обсуждение решений руководством и топ-менеджерами, а в другой единоличное принятие решение руководителем и его беспрекословное исполнение сотрудниками. Здесь нужно и можно учитывать ценности, правила и нормы, разделяемые как организацией, так и непосредственно лицами, принимающими решение.
Кроме того, любое решение подразумевает приобретения и потери. Поэтому необходимо оценить возможные приобретения и потери в случае реализации принятого решения.
Например, ценности и нормы: знание второго языка сегодня выгодно подчеркивает мои преимущества перед работодателями, знание второго языка поощряется в нашей организации. Приобретения — конкурентное преимущество, возможность общения с носителями языка и. т. д. Потери — временные затраты и финансовые затраты на обучение.
4. Формулировка задач.
Залог выбора наилучшего решения — наличие четко сформулированной цели и критериев требуемого результата. Поэтому на следующем этапе нужно сформулировать окончательную задачу (желаемое решение) с учетом всех условий и ограничений в конкретных и реализуемых показателях.
Например, цель — выучить второй язык до разговорного уровня, чтобы иметь возможность читать и писать простые фразы, общаться с носителями языка. Задачи: посетить курсы по изучению языка, заниматься самостоятельно 2 раза в неделю по полчаса.
5. Контроль и реализация.
Этот этап является сквозным и заключается в том, чтобы постоянно проверять, совпадают ли текущее состояние дел и образ цели. Особенно важно отслеживать это соответствие при выделении критериев реализации принятого решения и определении времени для контроля за реализацией решения. Также необходимо помнить, что одна из ведущих компетенций руководителя — способность вовремя переходить от выбора к действию.
Например, отслеживание, как продвигается обучение второму языку — посещаете ли вы занятия, есть ли задуманные успехи, успеваете ли вы выучить его к задуманному сроку. При этом важно будет не затягивать с выбором школы обучения и времени начала обучения.
Способы принятия решения
Наиболее распространённой классификацией способов принятия решения является деление их на рациональные решения; решения, основанные на суждениях и интуитивные решения.
Рациональные решения — это то, в котором мы стараемся проанализировать и учесть все факторы, которые могут в итоге оказать влияние на принятие решение. Например, принимая решение о покупке нового компьютера в офис, мы просчитываем бюджет, реакцию руководства, пытаемся обосновать необходимость покупки компьютера, вычисляем степень выгоды и окупаемости покупки, степень радости и удовлетворения от нее.
Решение, основанное на суждениях, это выбор, который мы делаем, руководствуясь знаниями и прошлым опытом. Например, в данном случае, приняв решение о покупке компьютера, нам нужно определиться с выбором его марки. И здесь мы обычно вспоминаем, с какими марками компьютера мы уже работали, какие нам понравились и какие производители хорошо себя зарекомендовали на рынке.
А интуитивные решения мы принимаем только на основе прошлого опыта. Причем, мы можем пропускать некоторые этапы принятия решения или не полностью их соблюдать. Например, «Компания N презентовала себя лучше, но, кажется, лучше заключить договор на поставку компьютеров с компанией M — в них что-то есть».
Существует множество специально разработанных стратегий принятия решений. Наиболее распространенные — это стратегии, основанные на специальных методах поиска и анализа информации (SWOT-анализ, диаграмма Парето, схема Исикава) и стратегии, основанные на приемах упрощения процесса решения (гирлянды ассоциаций, мозговой штурм, синектика).
Наиболее популярные методы принятия решений
SWOT-analysis представляет собой создание матрицы для систематизации информации об объектах и явлениях по категориям:
— Strengths, то есть сильные стороны;
— Weaknesses, то есть слабые стороны;
— Opportunities, то есть возможности;
— Threats, то есть угрозы.
В результате получается наглядная матрица, которая позволяет увидеть основные характеристики проблемной ситуации. Используя полученную информацию, можно провести анализ соответствующих решений и сделать выбор. Важно помнить, что сильные стороны находятся во взаимосвязи с возможностями, а не с угрозами.
Диаграмма Парето — это инструмент, который позволяет определить проблемные зоны и распределить усилия по степени оптимальной очередности для их решения.
Диаграмма Парето бывает двух видов:
1) по результатам деятельности — применяется для выявления главных проблем;
2) по причинам — используется для выявления основных причин возникающих проблем.
Этапы построения диаграммы
1. Формулировка проблемы.
2. Создание перечня причин (факторов), которые создают наибольшие трудности и их ранжирование.
3. Подсчет суммы числа появлений каждой причины за установленный промежуток времени.
4. Формирование таблицы, где данные располагаются в порядке убывания значимости.
5. Перенос данных в систему координат. На оси абсцисс откладывают рассматриваемые факторы, а на оси ординат — величину вклада факторов в решение проблемы.
6. Создание диаграммы с соответствующими каждому отдельному фактору (причине возникновения проблемы) столбиками (уменьшение высоты столбиков происходит слева направо).
7. Анализ диаграммы.
Схема Исикава («причинно-следственная диаграмма» или «рыбий скелет») — это схематичное изображение основных характеристик проблемы.
Изображение начинается со сформулированной и кратко обозначенной проблемы. От нее выстраивается «хребет» диаграммы: горизонтальная линия с ответвлениями — группами факторов, влияющих на возникновение проблемы. В свою очередь для каждой группы факторов обычно указывается 2-3 приводящие к проблеме причины (то есть, факторы 2 уровня). Это повторяется до указания причин базового уровня. Но, как правило, 3-4 уровня достаточно. В итоге каждый параметр оценивается по двум критериям:
A. Локус контроля:
0 — таково устройство мира;
1 — устройство системы;
2 — ответственность решателя (лица принимающего решение).
B. Доля / степень влияния на проблему.
Обычно диаграмма Исикавы составляется группой, часто с использованием метода мозгового штурма.
Мозговой штурм (брейнсторминг) — это метод стимулирования творческой активности с помощью специальных правил обсуждения.
Этот метод предполагает структуру участников, состоящую из ведущего, минимум 6-ти генераторов и 2-х секретарей, задача которых делать тщательные записи по ходу процесса. Цель — найти как можно больше решений. Все идеи и способы решения задач независимо от их реалистичности формируются в список (чем больше количество идей, тем больше вероятность того, что среди них найдется необходимое решение).
Основное правило — отсутствие критики. Время фазы генерации идей около 10-20 минут. Анализ происходит на следующих этапах. Обычно в начале анализа происходит распределение идей по трем группам: невозможные; банальные; возможные и оригинальные.
После сбора идей необходимо внимательно проанализировать каждое решение на поиск рационального «зерна» с учетом существующих ограничений и целей.
Метод ассоциаций и аналогий подразумевает создание альтернатив решений через попытку изменить данные условия.
Для решения задачи формулируется ассоциация с этой задачей. Далее необходимо придумать новую ассоциацию, но уже не на саму задачу, а на первую ассоциацию. Таким образом придумывается ряд последовательных ассоциаций с последующим анализом полученных идей. Может использоваться следующая схема:
1) Формулировка темы.
2) Выделение ключевого слова.
3) 5 ассоциативных слов с ключевым словом (КС);
4) 5 глаголов на каждое ассоциативное слово (всего 25 глаголов);
5) 5 прилагательных на каждое ассоциативное слово (всего 25 прилагательных);
6) 50 словосочетаний = КС + 25 глаголов + 25 прилагательных.
Анализ проводится в контексте проблемы с разделением идей, как в предыдущем случае, на 3 группы: невозможное, банальное, оригинальное. Важно постараться найти в каждой идее что-то рациональное и полезное.
Ошибки при принятии решений
В основе большинства ошибок лежат неверно принятые решения. Как правило, выделяют две группы факторов, влияющих на принятие решения: внутренние и внешние.
Внутренние: это факторы, связанные с личностью лица, принимающего решение. Это особенности восприятия и переработки информации, особенности личности, ценности и мотивация.
Например, сюда можно отнести принятие очевидного решения, принятие решения на основе ожидаемой информации, на основе прошлого опыта, принятие рискованного решения, оттягивание принятия решения, переоценка важности информации, переоценка вложенного времени и ресурсов в принятие решения.
Внешние: это факторы, связанные сусловиями принятия решения(например, ограниченность времени)и влиянием других людей.
Здесь можно отметить такие эффекты, как феномен взаимного обмена (принятие решения, обусловленное чувством долга), присутствие зрителей, ограниченность времени, влияние статуса, воздействие рекламы, зависимость от решения других лиц.
В отдельную группу стоит выделить ошибки, связанные с недостаточностью контроля реализации при принятии решения — это неправильно осуществленное целеполагание, выделение критериев достижения цели и сроков.
Для предотвращения ошибок в процессе принятии решения необходимо использовать следующие меры:
— Корректное и тщательное целеполагание и выделение критериев принятия решения.
— Тщательный сбор и анализ информации, условий принятия решения.
— Соблюдение этапов принятия решения.
— Выбор способов и методов принятия решения, адекватных поставленным срокам.
— Использование специальных методов и стратегий принятия решений.
— Контроль реализации принятого решения на всех этапах принятия решения.
— Адекватное распределение функций, обязанностей и ответственности, при участии нескольких лиц в принятии решения.
— Эргономичная организация рабочей среды.
2
Критерии принятия решения в условиях неопределенности.
Принятие решений в условиях неопределенности основано на том, что вероятности различных вариантов ситуаций развития событий субъекту, принимающему рисковое решение, неизвестны. В этом случае при выборе альтернативы принимаемого решения субъект руководствуется, с одной стороны, своим рисковым предпочтением, а с другой — соответствующим критерием выбора из всех альтернатив по составленной им «матрице решений».
Основные критерии, используемые в процессе принятия решений в условиях неопределенности, представлены ниже.
критерий Вальда (критерий «максимина»)
критерий «максимакса»
критерий Гурвица (критерий «оптимизма-пессимизма» или «альфа-критерий»)
критерий Сэвиджа (критерий потерь от «минимакса»)
1. Критерий Вальда (или критерий «максимина») предполагает, что из всех возможных вариантов «матрицы решений» выбирается та альтернатива, которая из всех самых неблагоприятных ситуаций развития события (минимизирующих значение эффективности) имеет наибольшее из минимальных значений (т.е. значение эффективности, лучшее из всех худших или максимальное из всех минимальных).
Критерием Вальда (критерием «максимина») руководствуется при выборе рисковых решений в условиях неопределенности, как правило, субъект, не склонный к риску или рассматривающий возможные ситуации как пессимист.
2. Критерий «максимакса» предполагает, что из всех возможных вариантов «матрицы решений» выбирается та альтернатива, которая из всех самых благоприятных ситуаций развития событий (максимизирующих значение эффективности) имеет наибольшее из максимальных значений (т.е. значение эффективности лучшее из всех лучших или максимальное из максимальных).
Критерий «максимакса» используют при выборе рисковых решений в условиях неопределенности, как правило, субъекты, склонные к риску, или рассматривающие возможные ситуации как оптимисты.
3. Критерий Гурвица (критерий «оптимизма-пессимизма» или «альфа-критерий») позволяет руководствоваться при выборе рискового решения в условиях неопределенности некоторым средним результатом эффективности, находящимся в поле между значениями по критериям «максимакса» и «максимина» (поле между этими значениями связано посредством выпуклой линейной функции). Оптимальная альтернатива решения по критерию Гурвица определяется на основе следующей формулы:
Аi=а*ЭMAXi+(1—а)* ЭMINi,
где Ai — средневзвешенная эффективность по критерию Гурвица для конкретной альтернативы;
а — альфа-коэффициент, принимаемый с учетом рискового предпочтения в поле от 0 до 1 (значения, приближающиеся к нулю, характерны для субъекта, не склонного к риску; значение равное 0,5 характерно для субъекта, нейтрального к риску; значения, приближающиеся к единице, характерны для субъекта, склонного к риску);
ЭMAXi — максимальное значение эффективности по конкретной альтернативе;
ЭMINi — минимальное значение эффективности по конкретной инициативе.
Критерий Гурвица используют при выборе рисковых решений в условиях неопределенности те субъекты, которые хотят максимально точно идентифицировать степень своих конкретных рисковых предпочтений путем задания значения альфа-коэффициента.
4. Критерий Сэвиджа (критерий потерь от «минимакса») предполагает, что из всех возможных вариантов «матрицы решений» выбирается та альтернатива, которая минимизирует размеры максимальных потерь по каждому из возможных решений. При использовании этого критерия «матрица решения» преобразуется в «матрицу потерь» (один из вариантов «матрицы риска»), в которой вместо значений эффективности проставляются размеры потерь при различных вариантах развития событий.
Критерий Сэвиджа используется при выборе рисковых решений в условиях неопределенности, как правило, субъектами, не склонными к риску.
Рассмотренные методы принятия рисковых решений в условиях риска и неопределенности являются наиболее типичными и не охватывают все их многообразие, используемое в современном риск-менеджменте. В специальном учебном курсе вы можете изучить другие, более сложные методы оценки риска при решении конкретных задач.
5
Принятие решений в условиях риска
Методы принятия решений в условиях риска разрабатываются и обосновываются также и в рамках так называемой теории статистических решений. Теория статистических решений является теорией проведения статистических наблюдений, обработки этих наблюдений и их использования. Как известно, задачей экономического исследования является уяснение природы экономического объекта, раскрытие механизма взаимосвязи между важнейшими его переменными. Такое понимание позволяет разработать и осуществить необходимые меры по управлению данным объектом, или экономическую политику. Для этого нужны адекватные задаче методы, учитывающие природу и специфику экономических данных, служащих основой для качественных и количественных утверждений об изучаемом экономическом объекте или явлении.
Любые экономические данные представляют собой количественные характеристики каких-либо экономических объектов. Они формируются под действием множества факторов, не все из которых доступны внешнему контролю. Неконтролируемые факторы могут принимать случайные значения из некоторого множества значений и тем самым обусловливать случайность данных, которые они определяют. Стохастическая природа экономических данных обуславливает необходимость применения специальных адекватных им статистических методов для их анализа и обработки.
Количественная оценка предпринимательского риска вне зависимости от содержания конкретной задачи возможна, как правило, с помощью методов математической статистки. Главные инструменты данного метода оценки – дисперсия, стандартное отклонение, коэффициент вариации.
В приложениях широко применяют типовые конструкции, основанные на показателях изменчивости или вероятности сопряженных с риском состояний. Так, финансовые риски, вызванные колебаниями результата вокруг ожидаемого значения, например, эффективности, оценивают с помощью дисперсии или ожидаемого абсолютного уклонения от средней. В задачах управления капиталом распространенным измерителем степени риска является вероятность возникновения убытков или недополучения доходов по сравнению с прогнозируемым вариантом.
Для оценки величины риска (степени риска) остановимся на следующих критериях:
1) среднее ожидаемое значение;
2) колеблемость (изменчивость) возможного результата.
Для статистической выборки

Рассмотрим задачу об оценке риска по хозяйственным контрактам. ООО “Интерпродукт” решает заключить договор на поставку продуктов питания с одной из трех баз. Собрав данные о сроках оплаты товара этими базами (табл. 3.7), нужно, оценив риск, выбрать ту базу, которая оплачивает товар в наименьшие сроки при заключении договора поставки продукции.
 
Таблица 3.7
 

 
Для первой базы, исходя из формул (3.4.1):
 

 
Коэффициент вариации для первой базы наименьший, что говорит о целесообразности заключить договор поставки продукции с этой базой.
Рассмотренные примеры показывают, что риск имеет математически выраженную вероятность наступления потери, которая опирается на статистические данные и может быть рассчитана с достаточно высокой степенью точности. При выборе наиболее приемлемого решения было использовано правило оптимальной вероятности результата, которое состоит в том, что из возможных решений выбирается то, при котором вероятность результата является приемлемой для предпринимателя.
На практике применение правила оптимальной вероятности результата обычно сочетается с правилом оптимальной колеблемости результата.
Как известно, колеблемость показателей выражается их дисперсией, средним квадратическим отклонением и коэффициентом вариации. Сущность правила оптимальной колеблемости результата заключается в том, что из возможных решений выбирается то, при котором вероятности выигрыша и проигрыша для одного и того же рискового вложения капитала имеют небольшой разрыв, т.е. наименьшую величину дисперсии, среднего квадратического отклонения вариации. В рассматриваемых задачах выбор оптимальных решений был сделан с использованием этих двух правил.
Б
Принятие решений в условиях риска — наиболее распространенный случай, это вероятностная ситуация решения. Может случиться несколько возможных состояний природы и каждое состояние — с заданной вероятностью.1. Оптимизация математического ожидания. Рассматривая табличные решения с условными состояниями и вероятностными оценками для всех состояний природы, можно определить ожидаемую денежную отдачу (expected monetary value (ЕМV)) для каждого варианта.Это число представляет ожидаемую ценность варианта или среднюю отдачу для каждого варианта, т. е. такую отдачу, которую получим, если сможем повторить решение большое число раз. Одно из наиболее популярных решений — это выбор варианта, который имеет максимальное значение EMV.EMV для варианта — сумма возможных поступлений (отдач) варианта, каждая взвешенная на вероятность появления отдачи.EMV (Варианты i) = (Отдача по 1-му состоянию природы) *(Вероятность 1-го состояния природы) + (Отдача по 2-му состоянию природы) * (вероятность 2-го состояния природы) + … + (Отдача по последнему состоянию природы) *(Вероятность последнего состояния природы).2. Ожидаемая ценность совершенной информации. EVPI (Expected Value of Perfect Information). Неопределенность при принятии решений может быть уменьшена путем сбора дополнительной информации, однако за нее нужно платить. В ряде задач требуется определить верхнюю границу суммы, которую можно потратить на информацию, предлагаемую консультантами.Если менеджер способен определить, какое состояние природы появится, то затем он сможет определить, какое принять решение. Если менеджер знает, какое принять решение, то отдача от решения увеличивается, потому что эта отдача сейчас означает определенность, а не вероятность. Поскольку эта отдача от решения будет увеличиваться со знанием, какое состояние природы появится, это знание имеет ценность. Поэтому необходимо определить ценность этой информации.Разницу между отдачей (от решения) в условиях определенности и отдачей в условиях риска называется ожидаемой ценностью совершенной информации. EVPI (Expected Value of Perfect Information).EVPI = (Ожидаемая ценность в условиях определенности) -(max EMV).Ожидаемая ценность в условиях определенности – это ожидаемая или средняя отдача, если мы имеем достоверную информацию перед принятием решения.Ожидаемая ценность в условиях определенности = (Наилучший исход для 1-го состояния природы) *(Вероятность 1-го состояния природы) + (Наилучший исход для 2-го состояния природы) * (Вероятность 2-го состояния природы) + … + (Наилучший исход для последнего состояния природы) * (Вероятность последнего состояния природы).3. Деревья решений. На практике результат одного решения заставляет нас принимать следующее и т.д. Для этой последовательности используют схему дерева решения.Дерево решений — это графическое отражение процесса, которое определяет альтернативы решения, состояния природы и их соответствующие вероятности отдачи для каждой комбинации альтернатив и состояний природы.Хотя мы можем использовать все критерии решений, которые были обсуждены выше, ожидаемая отдача в денежном выражении (ЕМV) — это наиболее используемый и обычно наиболее соответствующий критерий для анализа деревьев решений.Анализ проблемы с использованием дерева целей включает в себя пять шагов:1. Определить проблему.2. Структурировать или нарисовать дерево целей.3. Назначить вероятности к состояниям природы.4. Оценить отдачу для каждой возможной комбинации альтернатив и состояний природы.5. Решить проблему, вычисляя ожидаемую отдачу в денежном выражении (ЕМУ) для каждого узла, состояния природы. Это делается путем движения назад, что значит: начиная справа от дерева и работая назад по узлам решений дерева.Символы, используемые для дерева решений:a) прямоугольник — это узел решения, из которого может быть выбрана одна или несколько альтернатив;б) овал — это узел состояния природы.
7
Построение дерева решений.
Дерево принятия решений (также могут назваться деревьями классификации или регрессионными деревьями) — средство поддержки принятия решений, использующееся в статистике и анализе данных для прогнозных моделей. Структура дерева представляет собой «листья» и «ветки». На ребрах («ветках») дерева решения записаны атрибуты, от которых зависит целевая функция, в «листьях» записаны значения целевой функции, а в остальных узлах — атрибуты, по которым различаются случаи, существуют также и другие узлы – родительские и потомки – по которым происходит разветвление, и можно различить случаи. Чтобы классифицировать новый случай, надо спуститься по дереву до листа и выдать соответствующее значение.
Основные определения
Дерево решений состоит из трёх типов узлов:
Узлы решения — обычно представлены квадратами
Вероятностные узлы — представляются в виде круга
Замыкающие узлы — представляются в виде треугольника
Типология деревьев
Деревья решений, используемые в  HYPERLINK "https://ru.wikipedia.org/wiki/Data_Mining" \o "Data Mining" Data Mining, бывают двух основных типов:
Анализ дерева классификации, когда предсказываемый результат является классом, к которому принадлежат данные;
Регрессионный анализ дерева, когда предсказанный результат можно рассматривать как вещественное число (например, цена на дом, или продолжительность пребывания пациента в больнице).

Цель всего процесса построения дерева принятия решений – создать модель, по которой можно было бы классифицировать случаи и решать, какие значения может принимать целевая функция, имея на входе несколько переменных.
Общий алгоритм построения дерева принятия решения
Предлагаем рассмотреть на нашем примере общий алгоритм построения дерева, чтобы затем перейти к его частным случаям:
Вначале необходимо выбрать атрибут Q (в нашем случае, допустим: уровень дохода > 500$ в месяц) и поместить его в корневой узел.
Затем, из наших тестовых примеров (или набора данных) для каждого значения атрибута i (в нашем случае их два – «да» и «нет») выбираем только те, для которых Q=i.
Далее, рекурсивно строим дерево принятия решений.
Основная проблема, очевидно, кроется в первом шаге – на каком основании выбирается каждый следующий атрибут Q? На этот вопрос существует несколько ответов в виде частных алгоритмов принятия решений – главными из которых являются алгоритмы ID3, C4.5 и CART
Основные частные алгоритмы
ID3. В основе этого алгоритма лежит понятие информационной энтропии – то есть, меры неопределенности информации (обратной мере информационной полезности величины). Для того чтобы определить следующий атрибут, необходимо подсчитать энтропию всех неиспользованных признаков относительно тестовых образцов и выбрать тот, для которого энтропия минимальна. Этот атрибут и будет считаться наиболее целесообразным признаком классификации.
C5. Этот алгоритм – усовершенствование предыдущего метода, позволяющее, в частности, «усекать» ветви дерева, если оно слишком сильно «разрастается», а также работать не только с атрибутами-категориями, но и с числовыми. В общем-то, сам алгоритм выполняется по тому же принципу, что и его предшественник; отличие состоит в возможности разбиения области значений независимой числовой переменной на несколько интервалов, каждый из которых будет являться атрибутом. В соответствии с этим исходное множество делится на подмножества. В конечном итоге, если дерево получается слишком большим, возможна обратная группировка – нескольких узлов в один лист. При этом, поскольку перед построением дерева ошибка классификации уже учтена, она не увеличивается.
CART. Алгоритм разработан в целях построения так называемых бинарных деревьев решений – то есть тех деревьев, каждый узел которых при разбиении «дает» только двух потомков. Грубо говоря, алгоритм действует путем разделения на каждом шаге множества примеров ровно напополам – по одной ветви идут те примеры, в которых правило выполняется (правый потомок), по другой – те, в которых правило не выполняется (левый потомок). Таким образом, в процессе «роста» на каждом узле дерева алгоритм проводит перебор всех атрибутов, и выбирает для следующего разбиения тот, который максимизирует значение показателя, вычисляемого по математической формуле и зависящего от отношений числа примеров в правом и левом потомке к общему числу примеров.
9
Определение прогноза. Значение прогноза. Общие элементы прогнозов. Шаги процесса прогнозирования.
Прогноз – утверждение о будущем.
Значение прогноза - предсказание, суждение о дальнейшем течении, развитии чего-либо на основании имеющихся данных.
Прогнозы служат основанием для планирования;
Дают возможность менеджерам предвидеть будущее для планирования системы и планировать использования этой системы;
Прогнозирование шире чем предсказание спроса;
Это - не точная наука; нужно смешать опыт, рассуждение, и техническую экспертизу.

Все прогнозы имеют общие элементы:
Предположение, что прошлое продолжается в будущем;
Ошибки случаются из-за действительных отличий от предсказанного; присутствие случайности;
Прогнозы группы элементов (совокупность) имеют тенденцию быть более точными, чем прогнозы индивидуальных элементов (т.е., ведомственный против целого госпиталя);
Точность прогноза уменьшается при увеличении временного горизонта (период времени, охваченный прогнозом).
Шаги процесса прогнозирования:
Определить цель прогноза;
Установить временной горизонт;
Выбрать технику прогнозирования;
Собрать и проанализировать соответствующие данные, включая предположения;
Подготовить прогноз;
Контролировать прогнозы на точность
13
Понятие временного ряда. Анализ временного ряда. Элементы временного ряда. Подходы к анализу временных рядов данных.
Ответ: Временной ряд – упорядоченная временем последовательность наблюдений взятых равномерно в течении времени;
Анализ временных рядов данных состоит в определении элементов из которых состоит ряд.
Элементы временного ряда:
Тренд – относится к постепенному, долгосрочному движению данных;
Сезонность – относится к краткосрочным, довольно правильным изменениям, обычно связанными с такими факторами как погода, отпуска и каникулы;Циклы – волновые изменения более чем одной годовой продолжительности;
Нерегулярные изменения из-за необычных обстоятельств, таких как забастовки;
Случайные изменения – остаточные изменения, которые остаются после всех других рассмотренных поведений.
Сезонные изменения Краткосрочный, справедливы регулярные изменения связанные
с погодными факторами или выходными, каникулами, и т.д.
Циклические изменения
Волновые изменения с продолжительностью больше чем один год; часто связанные с экономическими или политическими факторами, или даже сельскохозяйственными условиями
Случайные/трендовые изменения
Из-за необычных обстоятельств таких как суровая погода, забастовки, или главная перемена в обслуживании/производстве. Если это возможно, должна быть определена и отделена от данных
Тренд Постепенное, долгосрочное движение; вызванное переменами в населении, доходах, культуре.
Подходы к анализу временных рядов данных
Методы усреднения:
Наивные прогнозы;
Скользящее среднее;
Экспоненциальное сглаживание;
Методы для тренда:
Линейное уравнение использующее регрессию (yt = a + bt);
Тренд выровненный экспоненциальным сглаживанием;
Методы для сезонности:
Сезонные изменения;
Центральные скользящие средние;
Методы для циклов.
15
Методы усреднения временных рядов: наивные прогнозы, скользящее среднее (стратегия выбора числа периодов в скользящем среднем), взвешенное среднее, простое экспоненциальное сглаживание (стратегия выбора константы в простом экспоненциальном сглаживании). Условие применения методов усреднения.
Методика усреднения
Сгладьте колебания во временных рядах потому что локальные максимумы и минимумы компенсируют друг - друга
Так, будут ли прогнозы основанные на средних показывать большую или меньшую изменчивость?
Наивные прогнозы
Наивный прогноз для любого периода равен фактическому значению предыдущего периода;
Низкая цена, легко готовить, легко понимать, но менее точен других прогнозов;
Могут применяться для сезонных или трендовых данных;
Примеры:
Если на прошлой неделе спрос составил 50 единиц, наивный
прогноз для текущей недели будет 50 единиц.
Если существует сезонная структура, то наивный прогноз дляследyющего января будет равен фактическому спросу для
января этого года.
Скользящее среднее
Прогноз использует множество самых современных фактических значений данных в производстве прогноза;
где, i = “Возраст” данных (i=1,2,3. . .)
n = число периодов в скольжении среднего
Ai = фактическое значение возраста i
Чем больше число периодов в скользящем среднем, тем больше прогноз будет запаздывать с переменами в данных
Простой для вычисления и понимания, но требования памяти данных могут быть высокими и все значения взвешаны одинаково (т.е., в десятилетнем скользящем среднем, каждое значение имеет вес 1/10, в сумме Взвешанное среднее значениеНазначает больший вес недавним значениям;
В сумме все веса равны 1;

Простое экпоненциальное сглаживание
Каждый новый прогноз основывается на предыдущем прогнозе плюс процент разницы между предыдущим прогнозом и фактическим значением показателя
Новый прогноз = Старый прогноз+ α (Фактические данные – старый прогноз), где α это процент или сглаживающая константа
Ft = Ft-1 + α(At-1 - Ft-1),
где, Ft = Прогноз для периода t
Ft-1 = Прогноз для периода t-1
α = Сглаживающая постоянная/ константа
At-1 = Фактический спрос или продажи в период t-1
Ассоциативные прогнозы
Регрессия методом наименьших квадратов-- минимизирует сумму квадратов отклонений
Линия наименьших квадратов:
y = a + bx, y = расчетная (зависимая) переменная
x = предсказатель (независимая) переменная
b = угол наклона линии
a = значение y когда x = 0
1024890349885n(xy) - (x)(y)
n(x2) - (x)2
b =
00n(xy) - (x)(y)
n(x2) - (x)2
b =
344424054610a =
y - bxn00a =
y - bxn
33
Определение и измерения производительности. Эталоны производительности. Многофакторная производительность. Обычно используемые расчеты производительности для стационара и амбулатории.
Производительность – это одна из мер эффективного использования ресурсов внутри организации, отрасли или государства.
Классическое определение производительности измеряет продукцию по отношению к ресурсам, необходимым для ее производства. Таким образом, производительность определяется как объем единиц продукта к единицам ресурсов.
47688529146500
Определение и измерение Производительности
Иногда используется обратный расчет, измеряющий ресурсы на одну единицу продукции. Необходима осторожность в интерпретации этого обратного расчета; чем больше единиц ресурсов на единицу продукции, тем ниже производительность.
Например, традиционно производительность в медсестринском отделении больниц измерялась в часах на койко-день (HPPD). Это требует обратного хода обычного расчета: означает «всего часов» деленных на «всего пациенто-дней».

Пример 1
Медсестры отделения A отработали вместе 25 часов на помощь пациенту, который пробыл в отделении 5 дней, и медсестры отделения B отработали вместе всего 16 часов на пациента, пробывшего 4 дня. Рассчитайте, какое из отделений более производительно.
Решение :Первое, определите ресурсы и продукт для анализа. Что будет правильным измерением ресурсов – число медсестер или отработанные часы? В данном случае определением ресурсов будет общее количество часов отработанные медсестрами. Если использовать в качестве ресурсов общие отработанные часы, то производительность отделений будет :
Эталоны Производительности (стандарты, к которым следует стремиться).
Производительность должна воприниматься как относительная мера; рассчитываемое соотношение должно сравниваться либо с похожим отделением, либо с производительностью того же отделения в предыдущие годы. Такие сравнения характеризуют стандарты. Многие организации используют стандарты, чтобы определить направление изменений.
Исторически эталоны это мониторинг производительности или деятельности отделения за несколько прошедших лет. Другой вариант стандартов – это определение наилучшей практики (наилучшие соотношения производительности в похожих отделениях) среди организаций здравоохранения и внедрение этих практик в своем отделении.
Многофакторная Производительность.
Пример 1 показывает измерение производительности труда. Так как он рассматривает только один ресурс, часы отработанные медсестрами, то это пример частичного измерения производительности. Сравнение только производительности труда может привести к неточной картине.
Более современные измерения производительности обычно включают не только трудовые ресурсы, но также и другие рабочие затраты на продукт или услугу.

Пример 2
Специальная лаборатория проводит анализы для местных больниц. За первые два года работы были собраны следующие данные :Измерение Год 1 Год 2
Цена за анализ ($) 50 50
Ежегодно анализов 10,000 10,700
Стоимость труда ($)150,000158,000
Мат.затраты($) 8,000 8,400
Накладные($) 12,000 12,200
Определите и сравните многофакторную производительность для сложившихся стандартов.
Решение:


Обычно используемые расчеты Производительности
часов на койко-день (или посещение)
Стационарно
Амбулаторно
Обычно используемые расчеты Производительности
Пример 3:
Ежегодные стат.данные по двум медсестринским отделениям Memorial Hospital показывают:
Измерения отд. A отд. B
койко-дней в год 14,000 10,000
часов работы в год210,000180,000
Рассчитайте и сравните часы на койко-день для этих отделений госпиталя.
Решение:
часов
Пример 4:
Performsbetter Associates – врачебная практика с двумя офисами, требует мониторинг производительности. Следеющие начальные данные представлены друмя офисами этой практики :Измерение пригородгород
Посещений в год 135,000 97,000
Оплаченных часов в год 115,000112,000
Рассчитайте и сравните часы на одно посещение для офисов этой практики в пригороде и городе.
Решение:
Часов или 51 минута.
Часов или 69 минут.

Приложенные файлы

  • docx 8981594
    Размер файла: 307 kB Загрузок: 0

Добавить комментарий