Следовательно, при конструировании и проведении деловой игры необходимо принцип правдоподобия реализовывать с осторожностью с одной стороны, игровая деятельность непременно должна быть похожа на реальную, а с другой — набор атрибутов достоверности не должен утяжелять игру, затягивать ее, отвлекать внимание участников от процесса изучения и анализа рассматриваемой в игре системы. Критерием отбора того или иного элемента правдоподобия игры должна быть оценка влияния этого элемента на цели проведения деловой игры. [c.27]
При реализации принципа правдоподобия целесообразно [c.27]
Последнее равенство должно выполняться для всех /. Поэтому мы можем сказать, что два сообщения эквивалентны, если для них отношение правдоподобия К одно и то же для всех возможных будущих событий или для всех гипотез. Высказанное предположение называется принципом правдоподобия. [c.88]
Если выписать функции правдоподобия сообщений 1 и 2 и взять их отношение, то все члены, содержащие т, сократятся. Таким образом, мы можем утверждать, что отношение правдоподобия будет постоянным для всех значений т. Это, разумеется, является еще одним частным случаем принципа правдоподобия, изложенного в гл. 5, который указывает, что если отношение правдоподобия двух сообщений постоянно, то сообщения эквивалентны в том смысле, что они приводят к одному н тому же апостериорному распределению. [c.113]
Адекватность перенесения условий из реальности в учебный процесс всегда была непременным требованием к учебному материалу. Этот принцип правдоподобия реализуется, прежде всего [c.70]
Иногда как условие корреляционного анализа выдвигают необходимость подчинения распределения совокупности по результативному и факторным признакам нормальному закону распределения вероятностей. Это условие связано с применением метода наименьших квадратов при расчете параметров корреляции только при нормальном распределении метод наименьших квадратов дает оценку параметров, отвечающую принципам максимального правдоподобия. На практике эта предпосылка чаще всего выполняется приближенно, но и тогда метод наименьших квадратов дает неплохие результаты1. [c.231]
Приведение в соответствие (на основе принципа максимального правдоподобия) формул для вычисления среднего значения и разброса показателей качества с юс вероятностными законами также является одним из эффективных направлений повышения достоверности показателей качества. Так, при определении разброса показателя текучести расплава (ПТР) в партии следует отказаться от оцзнки его по относительному полуразмаху и перейти к среднему квадратическоыу отклонению шш коэффициенту вариация значений ПТР разовых проб. [c.94]
Соблюдение принципа правдоподобия в тех основных элементах деловой игры, естественно, повышает ее исследовательские и учебные качества. Однако стремление к адекватности (полному сходству) игры и действительности нецелесообразно, поскольку оно приведет к увеличению времени ее проведения. Близкая к действительности игра должна проводиться по существу в реальном масштабе времени. Тем самым сводится на нет одно из основных достоинств деловой игры — возможность в сжатом масштабе времени воспроизводить реальную хозяйственную действительность. Кроме того, неразумное усиление похожести , как совершенно справедливо отмечают некоторые авторы, снижает обозримость и управляемость игровой организации. [c.27]
В практике бывают случаи, когда надо оценить момент разладки процесса. Такая необходимость возникает, например, когда по условиям производства требуется дополнительный контроль продукции, изготовленной после разладки до ее обнаружения. Проще всего, зная среднюю длину серии разлаженного процесса предположить, что момент разладки в среднем опережает момент ее обнаружения на среднюю длину серии. Однако в распоряжении технолога есть более полная информация — последовательность значении кумулятивных сумм. Пейдж [ 4], [145] применил для решения зтой задачи принцип максимума правдоподобия. Основанием для этого послужила теорема Рао о том, что в последовательности гипотез наиболее вероячнои является та, для которой функция правдоподобия обращается в максимум. Он показал, что наиболее вероятным моментом разладки является тот, при котором кумулятивная сумма имеет минимальное значение при условии окончания ее на верхней границе. [c.129]
Процесс оценки считается источником независимых, нормально распределенных ошибок, дисперсия которых известна. Однако принимающий решения не уверен относительно их среднего значения. Он выражает эту неуверенность (неопределенность) в виде нормального априорного распределения. Затем можно получить наблюдения о результатах процесса оценки и вычислить функции правдоподобия этих наблюдений в предположении какого-либо частного значения для средней ошибки. Это дает нам все необходимые элементы для вычисления апостериорного распределения среднего значения ошибки на основе теоремы Байеса, которая служит руководящим принципом для обучения или для усвоения данных. Отсюда мы можем перейти к ожидаемой ценности выборочной информации (EVSI), а при некоторых представлениях о стоимости сбора данных— к разработке оптимальной программы сбора данных или информационной системы для нужд руководства. Изложим теперь основные этапы связанного с этой программой анализа, логические принципы которого совпадают с теми, которые обсуждались в гл. 5. [c.107]
Общие принципы, связанные с методом максимального правдоподобия, проиллюстрируем на примере модели AR(1), в которой hn — а0 + Oi/in i + <т п, причем а будем считать известным параметром (а > 0),Л0 = 0, га 1. [c.165]
Принцип максимального правдоподобия (maximum likelihood, ML) уже использовался в нашей книге в главе 2 (п. 2.7) для случая парной регрессии и в главе 5 (п. 5.3) для случая множественной регрессии с нормальным распределением вектора ошибок. Краткое описание метода также можно найти в приложении (см. МС, п. 7). В данной главе мы дадим более подробное описание метода максимального правдоподобия. Начнем с простого примера. [c.245]
О проблемах, связанных с использованием вероятностей в риск-менеджменте, я пишу в работе [57]. Отказ от классического понимания вероятности и использование субъективно-аксиологической вероятности есть не что иное как стратегическое отступление науки перед лицом дурной неопределенности. И если раньше мы имели дело в ходе исследования только с финансовой моделью хозяйствующего субъекта, то теперь мы должны верифицировать вероятностную модель, предложенную экспертом, т.е. исследовать познавательную активность и самого эксперта. Вероятности не дают никакой информации о том, как они получены, если не предваряются дополнительными качественными соображениями о принципе вероятностной оценки. Одним из таких принципов, продуктивно использовавшихся до сих пор, является принцип максимума правдоподобия Гиббса-Джейнса [90, 95], который в настоящий момент подвергнут обоснованной критике в связи с тем, что принцип максимума энтропии не обеспечивает автоматически монотонности критерия ожидаемого эффекта. Принцип генерации условных вероятностных оценок Фишберна [95, 98] выдвигает лишь идею назначения точечных оценок вероятностей, удовлетворяющих критерию максимума правдоподобия, однако не существует доказательств полноты выбранного поля сценариев. [c.32]
Оценим треугольные параметры ji,o по принципу максимума правдобия. Пусть у нас есть квазистатистика доходностей (гь. ..rN) мощности N и соответствующая ей гистограмма (VI,...,VM) мощности М. Для этой квазистатистики мы подбираем двупараметрическое нормальное распределение, руководствуясь критерием правдоподобия [c.79]