Такое единообразное представление различных этапов поисково-разведочных работ позволяет достаточно глубоко проанализировать динамику функционирования каждого этапа, абстрагируясь на начальной стадии от специальной терминологии, специфических подробностей и т.д., а затем "собирать" из элементарных звеньев цепочки любой сложности и аналитически вычислять вероятностные характеристики функционирования всей сложной системы. С помощью ЭВМ по этим характеристикам можно генерировать различные варианты результатов поисково—разведочных работ. [c.77]
Можно привести и другую интерпретацию рассмотренных связей с позиции поведения системы, описывающей некоторое явление и количественно характеризуемой совокупностью показателей. Система называется жестко детерминированной, если при заданных начальных условиях она переходит в единственное, определенное состояние система называется вероятностной, если при одних и тех же начальных условиях она может переходить в различные состояния, имеющие разные вероятности. [c.75]
Нефтегазодобывающая промышленность как система характеризуется рядом специфических особенностей, отличающих ее от других отраслей материального производства. Наиболее существенными из них с точки зрения анализа эффективности инвестиционных проектов и оценки риска являются большая зависимость показателей и критериев эффективности затрат от природных условий, от уровня использования разведанных и извлекаемых ресурсов углеводородов динамический характер (изменчивость во времени) природных факторов вероятностный характер большинства технико-экономических показателей разработки нефтяных и газовых месторождений изменение воспроизводственной структуры капиталовложений в масштабе отрасли в сторону увеличения их доли, направляемой на компенсацию падения добычи на старых месторождениях большая продолжительность реализации нефтяных и газовых проектов высокая капиталоемкость нефтегазодобычи, необходимость осуществления крупных начальных инвестиций, длительный период возмещения начального капитала и др. [c.256]
Связь называется стохастической (вероятностной), если любому значению факторного признака соответствует множество значений признака результатного (т.е. определенное статистическое распределение). При этом для каждого конкретного значения признака х значения у образуют распределение, называемое условным. Поэтому изменение величины X приводит к изменению величины у лишь в среднем. Система называется вероятностной, если при одних и тех же начальных условиях она может переходить в различные состояния, имеющие разные вероятности. Анализ стохастических связей в вероятностных системах будет рассмотрен в разделе 2.8. [c.36]
Подчеркнем, что Кс не является величиной силы подражания, при которой происходит крах, поскольку крах мог произойти для любой величины до Кс, хотя это и маловероятно. Кс - это наиболее вероятное значение силы подражания, при котором происходит крах. Чтобы перевести данные результаты в зависимость от времени, естественно ожидать, что сила подражания К медленно меняется во времени в результате действия нескольких факторов, влияющих на склонность инвесторов к стадности. Типичная траектория K(t) силы подражания в зависимости от времени t показана на Рис. 58. Критическое время t определяется как время, в которое критическая сила подражания Кс была достигнута в первый раз, начиная с какого-то начального значения. t - это не время краха, это конец пузыря. Это самое вероятное время краха, поскольку коэффициент риска в это время самый большой. В связи со своей вероятностной природой, крах может произойти в любое другое время, причем вероятность эта меняется во времени, следуя за коэффициентом риска краха В данный отрезок времени, эволюция К, как функции времени, идет по траектории, похожей на траекторию с Рис. 58. Для каждого значения К на правом фафике Рис. 57 мы видим соответствующую величину коэффициента риска Поскольку К может пойти и вверх и вниз, то же самое может произойти и с коэффициентом риска краха [c.164]
Начальной точкой является определение диапазона возможной электрической нагрузки в пределах горизонта планирования. Ключевые моменты прогноза заключаются в оценке наивысшей и самой низкой возможной нагрузки в будущем и определении вероятностного распределения всех возможных нагрузок между этими двумя точками. [c.433]
При использовании динамических моделей экономики изучаются свойства различных Т. экономического развития. Среди них — устойчивость относительно погрешностей в начальных данных и относительно внешних воздействий вероятностный характер (в прогнозе и даже в плане может идти речь не о точно определенной единственно целесообразной Т., а о некотором множестве возможных Т. будущего развития примером могут служить известные из истории "вилки" показателей пятилетних планов). Следует различать оптимальность и эффективность Т. оптимальной называется Т., обеспечивающая на протяжении изучаемого периода лучшие результаты относительно заданного общего критерия качества системы, а эффективной — Т., которая оптимальна по некоторому подходящему частному критерию, так что эффективная Т. может не быть оптимальной, а оптимальная — всегда эффективна. [c.365]
Метод корректировки нормы дисконта осуществляет приведение будущих потоков платежей к настоящему моменту времени (т.е. обыкновенное дисконтирование по более высокой норме), но не дает никакой информации о степени риска (возможных отклонениях результатов). При этом полученные результаты существенно зависят только от величины надбавки за риск. Он также предполагает увеличение риска во времени с постоянным коэффициентом, что вряд ли может считаться корректным, так как для многих проектов характерно наличие рисков в начальные периоды с постепенным снижением их к концу реализации. Таким образом, прибыльные проекты, не предполагающие со временем существенного увеличения риска, могут быть оценены неверно и отклонены. Данный метод не несет никакой информации о вероятностных распределениях будущих потоков платежей и не позволяет получить их оценку. Наконец, он существенно ограничивает возможности моделирования различных вариантов, которое сводится к анализу зависимости критериев ЧДД или других от изменений только одного показателя -нормы дисконта. [c.26]
Считается, что операция определена, если для нее указаны начальное состояние s", конечное состояние s", порядок смены состояний системы, который может быть описан дифференциальным уравнением, конечными автоматами, вероятностными автоматами, цепями Маркова, булевыми функциями, функциями предикат. [c.60]
Как мы знаем из классического решения задачи, в соответствии с действующими вероятностными закономерностями наиболее благоприятные перспективы возникают только тогда, когда целью ставится минимальный выигрыш при максимально возможной ставке. В нашем примере это ставка и одновременно конечная цель увеличить начальный капитал на одну условную единицу (30 базисных пунктов) и достичь w = 10. [c.125]
После построения вероятностного графа приступают к построению дерева решений по следующему принципу (рис. 2.2). На дереве решений объединяются моменты принятия решений о развитии отрасли и возможные варианты результативности этих решений при различных вариантах развития потребности в продукции отрасли. В нашем случае ti = 3 года (возможное появление заменителя) и t2 = 7 лет (возможное появление электромобиля). При построении дерева желательно представить все возможные варианты стратегии развития отрасли. Чем выше вариантность, тем выше достоверность принимаемого решения. Определив точки принятия решений по реализации возможных альтернатив развития отрасли, выделяем затем точки, где существует неопределенность (а — ж), и оцениваем альтернативные результаты в этих точках. Оценив вероятности различных событий или результатов действий, затраты ресурсов и экономический эффект, получаемые в результате реализации различных стратегий, выбираем наилучшие альтернативные варианты решений. Логика анализа такова, что мы двигаемся от конечных состояний решений к начальным, последовательно выбирая оптимальные в каждой точке. Например, при рассмотрении возможных решений в точке принятия решений 2 мы сравниваем две альтернативы расширять завод, не расширять завод. Эти альтернативы мы оцениваем по их эффективности, которая в общем случае вычисляется как разность вероятной прибыли и величины затрат, необходимых для реализации данной стратегии (см. подробнее раздел 2.4). Менее эффективная альтернатива, например реконструировать завод, отсекается и из дальнейшего рассмотрения исключается. Таким образом, сокращается исходное множество возможных [c.75]
Для соответствующего изложения предположим, что существует однородный марковский процесс X = (хп, п,Рх) с дискретным временем п = 0, 1, . . . , фазовым пространством состояний (Е,3ё) и семейством вероятностных мер Рх на 9- = V п Для каждого начального состояния х е Е (см., подробнее, [126], [441]). [c.176]
Финансовая операция называется вероятностной, если существует вероятность каждого ее исхода. Прибыль такой операции - разность конечной и начальной денежных ее оценок — является случайной величиной. Для такой операции удается ввести количественную оценку риска, согласующуюся с нашей интуицией. [c.84]
Если принять, что начальное состояние процесса известно и равно S0, то мы можем, исходя из (7.1), построить вероятностное распределение цены ST в момент Т. Эта величина, согласно свойств винеровского процесса как процесса с независимыми приращениями, имеет нормальное распределение со следующими параметрами [c.97]
В предлагаемом учебном пособии мы даем краткое введение в современные методы эконометрического анализа статистических данных, представленных в виде временных рядов, которые учитывают возможное наличие у рассматриваемых переменных стохастического тренда. Основные акценты, как и в работе [Носко (2000)], смещены в сторону разъяснения базовых понятий и основных процедур статистического анализа данных с привлечением смоделированных и реальных экономических данных. Вместе с тем, от читателя требуется несколько большая осведомленность в отношении вероятностно-статистических методов исследования. Предполагается, что читатель имеет представление о совместной функции распределения, многомерном нормальном распределении, методе максимального правдоподобия, свойстве состоятельности оценок, характеристиках статистических критериев (ошибки первого и второго рода, мощность), а также владеет методами регрессионного анализа в рамках начального курса эконометрики. Кроме того он должен иметь некоторое представление о комплексных числах и комплексных корнях полиномов. [c.6]
Каждая компонента вектора меняется по закону простого экспоненциального сглаживания между нулем и единицей. Если вектор p(t — l) вероятностный, то все его компоненты должны быть неотрицательными, и их сумма должна быть равна 1. Значение оценки pk(t) есть результат экспоненциального сглаживания, и если распределение вероятностей наблюдений x(t) не меняется, то получаемые вероятности и будут действительными вероятностями k-ro события. Если существует достаточно длительная реализация процесса, то начальные оценки со временем перестанут оказывать влияние (будут достаточно взвешены ), и вектор сглаживания будет в среднем описывать вероятности и взаимно исключающих, и независимых событий. Значения компонент вектора u(t) представляют собой выборку с биномиальным распределением, поэтому дисперсии k-й компоненты будут pk (l — pk). Дисперсия оценок k-и вероятности определяется соотношением [c.20]
Данное соотношение может служить основой оценок для вероятностной модели. При достаточном количестве исходной информации вероятностная модель может дать вполне надежный прогноз. Кроме того, эта модель отличается большой простотой и наглядностью. Оценки, получаемые с помощью этой модели, имеют вполне конкретный смысл. Недостатком модели является требование большого количества наблюдений и незнание начального распределения, [c.23]
Проблемы и недостатки метода вероятностного моделирования. Недостатком модели является требование большого количества наблюдений и незнание начального распределения, что может привести к неправильным оценкам. [c.69]
Научная эволюция представляет собой вероятностный процесс. Стохастическая модель служит основой ряда попыток компьютерного моделирования процессов научного развития. Было установлено, что закон развития научных сообществ в отдельных областях науки характеризуется медленной начальной фазой, фазой быстрого роста и фазой выхода на насыщение. Возникновение новой области науки может сопровождаться в начальной фазе почти полным отсутствием интереса. Ярким примером замедленного развития в истории науки может служить сама теория хаоса, которой в ее начальной фазе занимались очень немногие ученые (например, Пуанкаре). Хотя математические основы этой теории были совершенно ясны, ее быстрое развитие началось лишь несколько лет назад, когда технология вычислений научилась справляться с нелинейными уравнениями. [c.387]
Текущая Текущая Начальный стоимость вероятностная объем денежных стоимость дене-инвесгнцин Вероятность притоков жных притоков (1) (2) (3) (2) (3) = (4) [c.385]
Для полного рассмотрения надежности системы необходимо знать функции распределения случайных величин потребности и поступления нефтепродуктов в систему и времени нахождения нефтепродуктов в пути между отправителем и получателем неф-тегрузов. Однако построение таких функций распределения, особенно в начальный период эксплуатации автоматизированных систем управления нефтеснабжением, представляет существенные трудности. Поэтому целесообразно построить алгоритм оперативного управления перевозками в условиях недостаточной информации о вероятностных характеристиках возмущений в предположении, что некоторые нормированные уровни запасов отражают оптимальные и предельные значения риска срыва работы объекта, а принцип выравнивания относительных запасов соответствует критерию минимизации риска срыва системы. [c.102]
Вернемся вновь к рассмотрению объектов, процессы в которых происходят в дискретном времени с той лишь разницей, что функция переходов — случайна. Случайными могут быть и функции выходов, и начальное состояние. Подобного рода объекты описываются вероятностными автоматами. Они определяются множеством состояний, множеством входных и множеством выходных сигналов, а также множеством матриц размерностью пХп, элементы которых определяют вероятность того, что находясь в состоянии z, и получив входной сигнал хг, автомат перейдет в состояние zjt а выходной сигнал будет ур. При анализе объекта проектиро- [c.199]
Таким образом, мы полностью обрисовали структуру работы трейдера на рынке. Но так до конца и не ответили на вопрос о том, что же является главным при игре на бирже. Ответ во многом зависит от вашего отношения к рынку. Для кого-то главным является анализ, кто-то отдает предпочтение своему совершенствованию в психологическом плане, et . Но, по всей видимости, ни у кого не вызывает сомнения тот факт, что конечный результат инвестирования все же зависит именно от начальной и конечной точек — входа в рынок и выхода из него. При этом, как заявляет Дж. Пайпер, наиболее значимым является именно выход из рынка, так как именно это определяет итог инвестирования.1 С подобной концепцией можно как соглашаться, так и спорить, но вне зависимости от точки зрения рациональное зерно здесь все же присутствует. В особенности это относится к приверженцам вероятностной природы рынка в этом случае момент выхода приобретает наиболее важную роль. [c.170]
Числовая иллюстрация может помочь интуитивно понять только что приведенные соотношения. Вообразим простую экономику, состоящую из 100 одинаково расположенных индивидов с одним потребительским благом (пшеницей). Каждый индивид имеет начальный запас, распределенный следующим образом 100 бушелей сегодняшней пшеницы (i/0) и условные требования на будущую пшеницу j/la-150 и z/lft = 50. Таким образом, индивид получит 150 бушелей пшеницы, если наступит состояние а, и всего лишь 50 бушелей, если наступит состояние Ъ только эти два состояния, трактуемые как равно вероятные, рассматриваются в качестве возможных в данном примере. В ситуации чистого обмена невозможно изменить эти запасы, засевая семена пшеницы, перевозя ее из других мест, или же потребляя капитал индивиды могут лишь модифицировать свои позиции посредством обмена. Однако, если все индивиды имеют идентичные предпочтения — помимо идентичных запасов и идентичных (нулевых) производственных возможностей, — рынки должны установить такую систему цен, при которой каждый индивид окажется максимально удовлетворенным, не меняя структуру своего исходного запаса. Пусть единица счета Р0= 1 предположим, что при данном распределении потребления по временным состояниям для каждого индивида в нулевом периоде времени существует предпочтение в отношении определенности, т. е. благ, получаемых со 100%-ной вероятностью. Таким образом, обозначая цену определенности Р1 и учитывая, что Рх =Р1а + Р Ь> мы имеем Р = 1. Чтобы проанализировать принимаемые одновременно решения (касающиеся выбора потребительских возможностей) в периоде 1, следует определить кардинальную полезность [7lf в соответствии с которой вероятностным комбинациям присваиваются числовые данные посредством использования теоремы ожидаемой полезности и функции полезности дохода Неймана—Моргенштерна u( j). Тогда С7г = l/2u( la) + l/2u( lf ). В целях конкретизации мы можем использовать логарифмическое уравнение и(сг) = 1псг. Тогда можно доказать, что кривые безразличия представляют собой равнобочные гиперболы в осях координат, показанных на рис. 7, с наклоном, равным - lb/ la, или с точкой начального запаса, равной -1/3. Отсюда следует, что Р1а = 1/4 и Р1Ь = 3/4 именно при таких ценах каждый индивид предпочитает поддерживать неизменным свой [c.251]
Говорят, что стохастическое дифференциальное уравнение (9) с начальным условием XQ таким, что Law(Xo) = м, имеет слабое решение, если найдется фильтрованное вероятностное пространство (П, , ( t)t 0i P)i найдутся броуновское движение В = (В , t)t o на нем и непрерьтный случайный процесс X = (Xt, t)t o такие, что Law(Jf0 Р) = А и для каждого t > О (Р-п.н.) выполнено равенство (12). [c.325]
В соответствии с определениями, введенными в lb, (В, 5)-рынок, заданный на фильтрованном вероятностном пространстве (О, , ( п), Р), где 0 n N, Q = 0,0 , 3"N = , называется полнил (совершенным), или N-полным (N-совершенным), если всякое. /-измеримое ограниченное (конечное) платежное поручение /jv = /N( >) достижимо. Иначе говоря, найдется самофинансируемый портфель к и начальный капитал х такие, что XQ = х и [c.118]
Корреляционная теория случайных процессов[26] позволяет описывать статистические свойства процессов с помощью момент-ных характеристик, главными из которых (применительно к скалярным случайным процессам) являются начальный момент 1-го порядка - математическое ожидание, центральный момент 2-го порядка - дисперсия, автоковариационная функция случайного процесса и взаимно-ковариационная функция между различными скалярными процессами. В случае гауссовского закона распределения случайного процесса указанные моментные характеристики полностью определяют его вероятностные свойства. Важность корреляционной теории состоит также в том, что все случайные процессы с той или иной степенью точности могут быть аппроксимированы через гауссовские процессы[4,14] и, следовательно, выводы корреляционной теории будут справедливы для люб,ых случайных процессов. [c.167]
Главы И и 12 охватывают методы проведения выборочного наблюдения, соответственно обсуждаются качественные подходы осуществления выборочных наблюдений, различные вероятностные и невероятностные методы выборки (глава а также другие статистические проблемы, определение и начального размеров выборки. [c.19]
В главе мы рассмотрели роль выборки при разработке плана маркетингового исследования, описали процесс выборки и рассмотрели различные вероятностные и детерминированные методы выборки. В этой главе мы сосредоточим внимание на определении объема простой случайной выборки. Мы даем определение различным понятиям и условным обозначениям и рассматриваем особенности выборочного распределения. Кроме в главе описываются статистические методы определения объема на основе доверительных интервалов, а также рассматриваются формулы для вычисления объема выборки в соответствии с этими методами и продемонстрировано их применение. Кратко проанализируем дополнительные методы определения объема выборки в других видах вероятностного отбора. Объем выборки, определенный статистически, является конечным, или чистым объемом выборки т.е. представляет собой количество завершенных интервью или наблюдений. Однако, чтобы получить его, вначале необходимо связаться с гораздо большим количеством потенциальных респондентов. Мы описываем корректировки, которые необходимо применить к статистически определенному объему выборки с учетом коэффициентов охвата и завершенности и вычисляем объем начальной выборки. Обсудим также проблему отсутствия ответов в выборочном обследовании, акцентируя внимание на улучшении коэффициента отклика и на корректировке при неполучении данных. Рассмотрим сложности статистического определения объема выборки в международных маркетинговых исследованиях, выделим сопутствующие этические проблемы и объясним роль Internet и компьютеров при выборочном наблюдении. [c.443]
Наряду с непосредственным следованием (.-Г), выраженным в системе инциденции дуг Е орграфа, формальная вероятностная структура на графе G(X, Е), характеризующая вероятности начала следования и процессы непосредственного следования, может быть определена с помощью указания начальных условий выделенных независимых параметров v , v , т.е. путем введения дополнительных матриц F или F