Вероятностного распределения



Экономический эффект с учетом вероятностного характера можно определить умножением его расчетной величины ДСП. н на коэффициент р, выражающий вероятность получения данной величины:

жин, как правило, не совпадали, что вызывало дополнительные остановки скважин. В силу вероятностного характера сроков выполнения отдельных операций, требующих участия двух и более специализированных звеньев, возникали простои исследователей, электромонтеров по сборке и разборке ЭЦН во время работы бригад ПРС и наоборот. Поэтому выполнение этих функций рабочими бригад ПРС сокращает простои скважин и рабочих ПРС. Кроме того, проведение исследования скважин с помощью вспомогательной лебедки, установленной на агрегате .для подземного ремонта скважин, позволяет высвободить для .других целей специальную машину с исследовательской лебедкой и т. д.

Данный подход предоставляет возможность учета вероятностного характера взаимосвязей системы «среда - здоровье», всех видов повреждений здоровья, различных факторов отрицательного влияния внешней и производственной среды на здоровье и, главное, социаль-

2. Принцип неопределенности. Отражает воздействие вероятностного характера производственных процессов на получение конечного продукта в период освоения. Причиной вероятностного характера является недостаточный уровень практических знаний о протекающих процессах преобразования исходных материалов и сла^

С развитием рыночной экономики - увеличением числа хозяйственных единиц, их типов, развитием аудита, финансового менеджмента, статистического прогнозирования и моделирования - задачи отечественной статистики значительно расширились. В практику государственной статистики России внедряются методики, принятые в международной статистике. В учебнике рассмотрены основные процедуры сбора, обработки и анализа массовых данных; возможности их реализации на персональных компьютерах. Особое внимание уделяется обоснованию вероятностного характера статистического вывода, выборочному методу, проверке статистических гипотез.

Адаптивные качества планов составляют их важнейшую характеристику при наличии неопределенности или вероятностного характера будущих условий реализащш этих планов. При прочих равных условиях более адаптивные решения должны получить определенные преимущества.

В то же время европейская часть СССР оценивается как перспективная территория с относительно большими прогнозными запасами газа. Здесь определились перспективы газоносности глубоко-залегающих горизонтов (4,5—5,0 тыс. м и более) в Днепровско-До-нецкой впадине, на Северном Кавказе, а также вдоль бортового уступа Прикаспийской впадины. Кроме того, намечаются крупные перспективы газоносности в пределах акваторий Азовского и Черного морей. В газоносном отношении слабо изучены большая территория к западу от Тиманского кряжа и ряд районов Центра страны. Реализация этих прогнозных запасов газа позволит в будущем значительно расширить сырьевую базу газовой промышленности в европейской части СССР. При этом вследствие вероятностного характера данных геологической науки о запасах газа возможны как благоприятные результаты, так и превышение затрат на разведку, добычу и транспорт газа над уровнем затрат, необходимых для вовлечения в народнохозяйственный оборот тюменского газа.

Надежностная характеристика перспективного плана развития нефтяной промышленности во многом зависит от внешних условий, в частности от вероятностного характера объемов и структуры потребления народным хозяйством продуктов переработки нефти. Ниже для примера один из вариантов прогноза потребности в наиболее массовых нефтепродуктах по группе районов восточной части страны на 1970 г. сопоставляется с фактическими (отчетными) данными о потреблении здесь нефтепродуктов в указанном году (табл. 1). Сопоставление показывает, что отклонение прогнозной потребности от фактического суммарного потребления нефтепродуктов по группе рассматриваемых районов составило 0,15 (или 15%) в сторону занижения. Это отклонение получено в основном за счет занижения в прогнозе почти в 2 раза потребности в топочном мазуте^ По автобен-

Управление созданием инноваций призвано согласовывать действия в процессе функционирования сложного объекта, каким является процесс воспроизводства средств труда, в отличие от движения его самостоятельных компонентов. В качестве таких самостоятельных компонентов выступают промежуточные этапы или стадии жизненного цикла нововведений. Это обусловлено специфическими особенностями каждой из стадий. Тем не менее следует отметить, что достижение конечной цели всего инновационного процесса, т. е. удовлетворение потребностей в нововведениях, играет доминирующую роль и в организации управления отдельными стадиями жизненного цикла. Так, недостаточный учет доминирующего положения сферы потребления для условий рыночной экономики и приводит к существованию разобщенности в проведении отдельных этапов инновационного процесса. Это проявляется, во-первых, в недооценке позитивных или негативных влияний одного промежуточного этапа инновационного процесса на другой при достижении оптимальных результатов, во-вторых, почти в полном отсутствии учета вероятностного характера развития нововведений во времени и связанного с этим значительного риска в получении ожидаемых результатов в сфере потребления.

планирования нефтеперерабатывающих производств, практический интерес представляют как одноэтапные, так и многоэтапные задачи стохастического программирования. При этом необходимо иметь в виду, что решение, которое принимается в текущем (годовом и квартальном) планировании, независимо от вероятностного характера условий протекания производственных процессов должно быть детерминированным и не может корректироваться на этапе реализации, по мере накопления информации о фактическом состоянии среды и ходе выполнения плана. Текущие плановые решения принимаются на основе априорной оценки состояния среды. Информация, полученная в результате наблюдения реализаций случайных факторов, может быть использована для пересчета решения при удовлетворении интегральных ограничений плана.

Перечисленные типичные организационно-управленческие задачи возникают в производственных условиях, значительная часть которых носит повторяющийся, постоянный для каждой конкретной задачи характер. Значительно меньшая часть условий зависит от факторов вероятностного характера. В этом случае типичные организационно-управленческие задачи приходится решать нестандартно, творчески, но единообразно. Назовем управленческие меры, предпринимаемые в типичных, достаточно часто повторяющихся ситуациях штатными ип-равленческими ситуациями.


Более чем когда-либо вынужденные прибегнуть к использованию миллиметровой бумаги мы должны измерить вариацию вероятностного распределения. Чем плотнее распределение, тем ниже должен быть данный показатель; чем шире распределение, тем он больше. Общепринятой мерой вариации считается стандартное отклонение (СКО), которое сначала будет описано математически, а затем проиллюстрировано на данных предыдущего примера. Стандартное отклонение может быть рассчитано как:

Математическое ожидание А вероятностного распределения определяется так:

Стандартное отклонение — мера компактности вероятностного распределения. Для нормального колоколообразного распределения приблизительно 68% общей площади распределения попадает в интервал, ограниченный одним стандартным отклонением от средней. Вероятность того, что значения попадут в интервал, ограниченный двумя стандартными отклонениями, приблизительно составляет 95%, а вероятность того, что оно попадет в 3 стандартных отклонения превышает 99% (см. таблицу нормального распределения в приложении Б к этой главе). Как мы увидим позже, стандартное отклонение используют для того, чтобы оценить вероятность появления события.

Коэффициент вариации (coefficient of variation) — мера относительной дисперсии: стандартное отклонение/математическое ожидание вероятностного распределения.

Это положение проиллюстрировано на рис. 14.3 для гипотетического инвестиционного проекта. Распределения похожи на представленные на рис. 14.2, различие лишь в том, что они являются непрерывными, а не дискретными. Это значит, что результат движения денежных средств может быть определен для каждого возможного состояния экономики, поэтому на графике распределения представлены непрерывными линиями. Как и раньше, чем менее растянуто и чем выше распределение, тем меньше риск. Математическое ожидание каждого распределения соответствует пересечению пунктирной линии с осью денежного потока. Мы видим, что как математическое ожидание потоков денежных средств, так и дисперсия вероятностного распределения изменяются во времени. Мы должны рассмотреть этот фактор для того, чтобы количественно определить риск ожидаемого инвестиционного предложения.

Для нашего примера математическое ожидание вероятностного распределения возможных чистых текущих стоимостей равно

ности событий (последняя графа табл. 14.3) и полученные произведения просуммировать, то мы получим математическое ожидание чистой текущей стоимости вероятностного распределения возможных чистых текущих стоимостей (округленное до доллара). Вычисления представлены в табл. 14.4, откуда видим, что математическое ожидание чистой текущей стоимости равно 116 дол.

Расчет стандартного отклонения. Стандартное отклонение вероятностного распределения возможных чистых текущих стоимостей может быть определено по формуле

Математическое ожидание и стандартное отклонение вероятностного распределения возможных чистых текущих стоимостей, определенные при помощи дерева вероятностей или другими методами, дают нам значительный объем информации, необходимой для оценки риска инвестиционного проекта. Если вероятностное распределение — приблизительно нормальное, мы можем рассчитать вероятность предложения при условии, что чистая текущая стоимость более или менее точно определена. Вероятность находится путем определения площади, лежащей под кривой влево или вправо от определенной точки процента. Продолжая нашу предыдущую иллюстрацию, предположим, будто мы хотим определить вероятность того, что чистая текущая стоимость будет равна нулю или нуля, чтобы найти данную вероятность, мы сначала вычислим разницу между 0 и математическим ожиданием чистой текущей стоимости проекта. В нашем примере эта разница равна-116 дол. Затем пронормируем эту разницу путем ее деления на стандартное отклонение возможных чистых текущих стоимостей:

где X — результат, в котором мы заинтересованы; NPV— математическое ожидание чистой текущей стоимости; а — стандартное отклонение вероятностного распределения.

Полученный результат говорит о том, что нулевая чистая текущая стоимость находится на расстоянии 0,26 стандартного отклонения левее от математического ожидания вероятностного распределения возможных чистых текущих стоимостей.


Выполнять определенные Выполнять распоряжения Выполняющее определенную Вычислите приведенную Выполняются следующие Выполняют следующие Выполнения аналитических Выполнения действующих Выполнения финансовых Выполнения хозяйственных Выполнения конкретной Выполнения контрольных Выполнения намеченной вывоз мусора снос зданий

Яндекс.Метрика