- •Алфавітний покажчик
- •Агрегирование и эмержентность систем
- •Алгоритм – образ будущей деятельности
- •Алгоритм декомпозиции
- •Алгоритм проведения системного анализа
- •Блок-схема системы передачи информации
- •Большие и сложные системы
- •В чем заключается закономерность иерархической упорядоченности систем? Приведите примеры применения данной закономерности.
- •В чем заключается смысл моделирования как метода научного познания?
- •В чем заключаются особенности имитационного и машинного моделирования?
- •В чем ограничены возможности механизации?
- •В чем различие между полностью формализованным и не полностью определенным алгоритмом?
- •В чем состоит условие физической реализуемости динамической модели?
- •Виды агрегирования
- •Виды неопределённостей в измерениях
- •Внедрения результатов системного анализа
- •Возникновение и развитие системных представлений в практической деятельности человека
- •Второе определение системы
- •Выбор в условиях неопределённости
- •Выбор в условиях статистической неопределённости
- •Подведем итог
- •Выбор. Человеко-машинные системы выбора
- •Гибкость систем.
- •Групповой выбор
- •Дайте определение понятий: внешняя среда, надсистема, подведомственные системы, система в целом. Поясните их взаимосвязь
- •Дать толкование понятию «Окружающая среда»
- •Декомпозиция и агрегирование в системных исследованиях
- •Динамика моделей
- •Динамические модели системы
- •Дифференциальная энтропия
- •Достоинства и недостатки идеи оптимизации
- •Знаковые модели и сигналы
- •Знания. Разновидность знаний
- •По природе
- •По степени научности
- •По местонахождению
- •Идентификация математических моделей. Идентификация как наука.
- •Результаты наблюдений
- •Множество моделей-кандидатов
- •Возможные причины несоответствия моделей
- •Идентификация как наука
- •Иерархия моделей систем
- •Измерительные шкалы
- •Измерительные шкалы. Порядковые шкалы
- •Измерительные шкалы. Шкала наименований
- •Результаты наблюдений
- •Множество моделей-кандидатов
- •Возможные причины несоответствия моделей
- •Идентификация как наука
- •Измерительные шкалы. Шкалы отношений
- •Информационные аспекты систем
- •Искусственные и естественные системы
- •Какие системные процессы изучает кибернетика?
- •Какие системные процессы изучает синергетика?
- •Какие функции выполняет модель в деятельности человека?
- •Какова связь между вторым определением системы и ее структурной схемой?
- •Каково главное отличие между познавательной и прагматическими моделями?
- •Каковы основные события в развитии системных представлений в течении последних 150 лет?
- •Каковы особенности мышления позволяют утверждать, что оно системно?
- •Каковы причины того, что модели изменяются со временем
- •Каковы типы моделей знаний, их характеристики?
- •Каковыми признаками должна обладать часть системы, чтобы ее можно было назвать элементом?
- •Классификация систем
- •Классификация систем по описанию оператора и способу управления.
- •Классификация систем по описанию переменных
- •Классификация систем по происхождению
- •Количество информации. Свойство количества информации. Единицы измерения информации
- •Конфигуратор. Разновидности языка конфигуратора
- •Критериальный язык описания выбора Критериальный язык описания выбора
- •Математическое и компьютерное моделирование
- •Материальные модели в виде подобия
- •К условным моделям относят знаковые модели, которые подразделяются на два вида:
- •Методы генерирования альтернатив
- •Многократный выбор
- •Модели систем. Первое определение системы Модель "Черного ящика"
- •Модель состава системы
- •Структурная модель системы
- •Модель «черный ящик». Сложности построения модели «черн. Ящик»
- •Модель состава системы. Сложность построения модели состава системы
- •Модель структуры системы
- •Модель структуры системы. Сложности построения модели структуры
- •Может ли какой-нибудь объект или явление быть несистемным? Обоснуйте ответ
- •Назовите главное условие автоматизации?
- •Описание выбора на языке бинарных отношений
- •Описание ситуации в «нечетких» представлениях
- •Опишите три способа повышения производительности труда механизация
- •Автоматизация
- •Кибернетизация
- •Определите понятие модели
- •Оптимизационный выбор
- •Основные положения теории информации
- •Основные признаки развивающихся систем
- •Отношения и структуры
- •Охарактеризуйте историю развития системных представлений
- •Охарактеризуйте понятия «системный анализ» и «системный подход». В чем заключаются принципы системного подхода?
- •Первое определение системы
- •Перечислите основные признаки системы
- •Перечислить некоторые типы классификаций систем !!! Білети №52-54 !!!
- •Познавательные и прагматические модели
- •Понятие «лингвистическая модель».
- •Наиболее важные свойства моделей, в том числе лингвистических.
- •Понятие «проблемная ситуация»
- •Понятие гетерогенной и гомогенной структур систем
- •Понятие модели системы
- •2.1. Множественность моделей системы
- •2.2. Первое определение системы
- •2.2.1. Определение
- •2.2.2. Проблемы и системы
- •Существуют такие модели систем:
- •Понятие об эволюционном моделировании и генетических алгоритмах
- •Понятие субъективных и объективных целей существования систем
- •Понятие эмерджентности
- •Представление знаний
- •Приведите аргументы в пользу системности материи?
- •Пропускная способность Гауссова канала святи
- •Различие между большими и сложными системами
- •Разновидности классификаций систем
- •Разновидности неопределённостей
- •Разновидности отбора
- •Системность – всеобщее свойство материи и познания
- •Соответствие и различие между моделью и действительностью
- •Соответствие между моделью и действительностью: конечность, упрощенность, приближенность, адекватность, истинность моделей
- •Способы воплощения моделей. Абстрактные модели
- •Способы реализации моделей
- •Способы решения многокритериальных задач
- •Статистические измерения. Методы обработки экспериментальных данных
- •Статические и динамические модели
- •Структура системы. Разновидности структур систем
- •Структурная схема системы
- •Структурная схема как соединение моделей
- •Теория игр. Общее представление
- •Типы сигналов. Реализация сигналов
- •Три ветви науки, изучающие системы
- •Условия реализации свойств моделей
- •Соответствие между моделью и действительностью
- •Формальная и содержательная модели
- •Функционирование и развитие систем
- •Цель как модель
- •Частотно временное представление сигналов
- •Классические частотно-временные представления.
- •Что заставляет нас пользоваться моделями объектов вместо самих объектов?
- •Что называется алгоритмом?
- •Что необходимо для перехода от моделей лингвистических к моделям математическим?
- •Что общего и в чем различие между понятием элемента и его моделью «черного ящика»?
- •Что представляет собой сетевая структура? в каких случаях применяются сетевые структуры? Какие понятия используются при применении сетевых моделей?
- •Что такое интегрировать модели?
- •Что такое категория, функтор?
- •Что такое проблемная ситуация?
- •Что такое системный анализ?
- •Шкала интервалов
- •Шкала отношений в измерении
- •Эволюция моделей
- •Эксперимент и модель. Активный эксперимент
- •Эксперимент и модель. Пассивный эксперимент
- •Экспертный выбор
- •Энтропия и ее свойства
- •Этапы компьютерного моделирования объектов и явлений
- •Разработка компьютерной модели для проведения эксперимента:
- •Компьютерный эксперимент:
- •Этапы системного анализа
- •Этика в системном анализе
- •Язык функции выбора
- •7.6 Иллюстрация различных аксиом, накладываемых на функции выбора
Выбор в условиях неопределённости
До сих пор мы обсуждали подходы к описанию и осуществлению выбора в таких условиях, когда последствия сделанного выбора были определены однозначно. Выбор одной из альтернатив х Є Х был связан с известным выбирающему однозначным следствием, и вся проблеми выбора — это проблема сравнения разных следствий (или, что в данном случае то же самое, альтернатив) .
В реальной практике нередко приходится иметь дело с более сложной ситуацией, когда выбор альтернативы неоднозначно определяет последствия сделанного выбора: имеется набор возможных исходов , из которых один окажется совмещенным с выбранной альтернативой, но какой именно — в момент выбора неизвестно, а станет ясным позже, когда выбор уже сделан и изменить ничего нельзя. Хотя с каждой альтернативой х связано одно и то же множество исходов У, для разных альтернатив одинаковые исходы имеют разное значение. В случае дискретного набора альтернатив и исходов такую ситуацию можно изобразить с помощью следующей матрицы:
В этой матрице все возможные исходы образуют вектор числа аnm выражают оценку ситуации, когда сделан выбор альтернативы Xj и реализовался исход у. В разных случаях числа с}ц могут иметь различный смысл: иногда это "выигрыши", иногда "потери", "платежи"; в литературе потребляються также и другие названия.
Если все строки (і = (qn, -., Qim)) при любых ; одинаковы, то проблемы выбора между альтернативами нет. Если же строки матрицы различны, то возникает вопрос, какую альтернативу предпочесть, не зная заранее, какой из исходов реализуется.
Неопределенность в момент выбора характеризуется распределением потерь и выигрышей по исходам, связанным с каждой альтернативой. Вводя подходящую числовую характеристику этого распределения, мы получаем возможность упорядочения (сравнения) альтернатив. Разнообразие задач теории игр связано с разными числовыми характеристиками распределения потерь, различными степенями конфликтности между сторонами, с другими особенностями конкретных задач.
Выбор в условиях статистической неопределённости
Существует класс задач выбора, особенностью которых является наличие неопределенности даже после того, как проведена серия наблюдений, измерений. Дело в том, что данные, полученные в результате эксперимента, связаны с интересующим нас аспектом явления не непосредственно, не однозначно, а в совокупности с другими, неконтролируемыми факторами.
СТАТИСТИЧЕСКИЕ РЕШЕНИЯ КАК ВЫБОР
Пусть, например, требуется знать высокоточное значение веса некоторого предмета. Неоднократное его взвешивание на аналитических весах даст хотя и близкие, но разные значения, так как на показания весов оказывают влияние не только вес самого взвешиваемого предмета, но и трение, неидеаяьность геометрической формы опорной призмы,течение струй воздуха, тепловой режим и т.д. В таких задачах возникает нетривиальная проблема выбора, какое именно из значений интересующей нас вели- чины принять за истинное — с учетом имеющихся данных. Аналогичная ситуация — выбор в условиях статистической неопределенности — имеет место не только при оценке некоторой величины,но и при классификации объектов (чем болен пациент, если его состоя-ние характеризуется такими-то данными анализов? )Во всех таких задачах есть общее ~ необходимость выбора на осно-вании косвенных или прямых, но обязательно зашумленных" дан-ных, Основным, центральным, самым важным предположением для формализации решения таких задач является предположение о статистичноети экспериментальных данных. Оно состоит в том, что связь между истинной, но неизвестной искомой альтернативой в и наблюдаемыми данными xi, x-i, ..., х^ адекватно описывается распределением вероятностей (например, функцией распределения F(xi, .,., л-дгКЗ) или, если Xi - непрерывные величины, а функция F дифференцируема, -плотностью вероятностей f(xi,.... х^\9)). Другими словами, считается, что, во-первых, выборка наблюдений принадлежит статистическомуансамблю всевозможных выборок, на котором задано распределение вероятностей, и, во-вторых, это распределение различно для разных Q,что и обеспечивает наличие информации о в в выборке Xi, ..., х^ . Вопрос состоит в том, как извлечь эту информацию, т.е. каксделать выбор на множестве © или как принять статистическое ре-шение. Естественно, напрашивается идея — свести задачу к уже решенной ранее. Такую возможность предоставляет теория "игр против природы" : выбор б на © и действительное состояние в природы можнов совокупности охарактеризовать функцией потерь 1(9, 0), которую и рассматривать как платежную функцию игры. Использование такого представления в самом деле позволяет перенести ряд результатов теории игр в теорию статистических решений [5] . По некоторим причинам теоретико-игровой подход к статистике, сохраняя свое методологическое, еждисциплинарное значение, не оказал существенного влияния на прикладную статистику.
Так как вся информация о случайном объекте содержится в его распределении вероятностей, то любая статистическая задача, по существу, может быть сведена к выбору определенного распределения из некоторого множества распределений. Априорная информация для такого выбора выражается некоторым функционалом от распределения, значение которого надо оценить. Апостериорная информация для этого содержится в выборке. Различные предположения известно о природе выборки, порождают различные ветви математической статистики.