авторефераты диссертаций БЕСПЛАТНАЯ БИБЛИОТЕКА РОССИИ

КОНФЕРЕНЦИИ, КНИГИ, ПОСОБИЯ, НАУЧНЫЕ ИЗДАНИЯ

<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:     | 1 | 2 || 4 |

«Министерство образования Российской Федерации Государственное образовательное учреждение высшего профессионального образования Московский государственный областной ...»

-- [ Страница 3 ] --

В задаче планирования стратегия органа управления заключается в выборе множества возможных сообщений АЭ и механизма планирования, ставящего в соответствие сообщениям АЭ органу управления о неизвестных ему существен ных параметрах назначаемый им активным элементам вектор планов. В основе постановки задачи планирования в теории активных систем лежит предположе ние о том, что используемая органом управления информация о состоянии под чиненных ему активных элементов может быть частично или полностью недос товерной. Зная в деталях механизмы планирования, активные элементы, сообщая свои данные органу управления, могут их соответствующим образом подкоррек тировать, чтобы впоследствии получить от него наиболее выгодные для себя планы. Возможность манипулирования информацией является ключевой про блемой планирования в активных системах.

Решение задачи стимулирования сводится к поиску такого механизма сти мулирования выполнения активными элементами действий, нужных органу управления, который обеспечивал бы максимизацию целевой функции органа управления при условии, что все АЭ стремятся максимизировать свои собствен ные целевые функции, равные разности между получаемым ими стимулировани ем и производимыми ими в связи с выполнением предписанных им органом управления действий затратами.

Ключевые научно-практические задачи планирования и стимулирования, наиболее глубоко исследованные методами теории активных систем, обычно на зывают базовыми механизмами управления.

К числу базовых механизмов управления в активных системах относятся:

механизмы комплексного оценивания;

механизмы активной экспертизы;

механизмы формирования состава и структуры активных систем;

механизмы распределения ресурсов между активными элементами;

механизмы финансирования активных элементов;

механизмы внутрифирменного управления;

механизмы стимулирования;

механизмы оперативного управления.

Решение задачи построения математических моделей систем управления по данным наблюдений за их поведением называется идентификацией.

Для идентификации систем управления применяются методы функцио нальной и параметрической идентификации. При функциональной иденти фикации используются самые общие гипотезы о системе. Параметрическая идентификация применяется в тех случаях, когда математическая модель сис темы известна с точностью до параметров, значения которых необходимо оце нить.

В процессе идентификации системы управления можно выделить три ос новных этапа:

регистрация данных наблюдений за поведением системы;

определение множества моделей-кандидатов;

выбор метода идентификации – правила оценки степени соответствия моде ли данным наблюдений.

На завершающем этапе процесса идентификации производится проверка соответствия выбранной модели исследуемой системе.

Процесс идентификации систем управления является итеративным: если выбранная модель в чем-либо не удовлетворяет предъявляемым к ней требова ниям, все предусмотренные алгоритмом действия повторяются, но уже с учетом накопленного опыта, и так далее.

В конечном счете ни одну модель нельзя считать "истинным" описанием исследуемой системы. В лучшем случае это будет лишь достаточно хорошее (достаточно полное) описание тех аспектов ее поведения, которые представляют наибольший интерес для лиц, использующих результаты исследования.

Одним из важнейших и эффективнейших средств системного анализа яв ляется имитационное моделирование – процесс конструирования моделей ре альных систем и постановка экспериментов на моделях с целью либо понять по ведение исследуемых систем, либо оценить различные стратегии, обеспечиваю щие их функционирование. В отличие от обычных оптимизационных задач, сво дящихся к поиску путей достижения заранее заданной цели и решаемых метода ми теории исследования операций и теории управления, в задачах системного анализа, решаемых с помощью имитационного моделирования, объектом иссле дования является сама цель.

Ситуации, в которых применение имитационного моделирования наиболее целесообразно, характеризуются следующими признаками:

не существует законченной математической постановки задачи исследова ния, либо нет аналитических методов ее решения;

аналитические методы имеются, но используемые процедуры столь сложны и трудоемки, что имитационное моделирование дает более простой и дешевый способ решения поставленной задачи;

аналитические методы имеются, но их реализация невозможна из-за недоста точной математической подготовки исследователей;

в дополнение к оценке параметров объекта исследования требуется в течение длительного времени вести наблюдение за ходом изучаемого процесса;

невозможно поставить полномасштабный натурный эксперимент и органи зовать наблюдение за объектом исследования в реальных условиях;

есть необходимость в сжатии или растяжении временнй шкалы – ускорении или замедлении изучаемых процессов.

При моделировании стохастических систем широко используется метод Монте-Карло, основанный на воспроизведении с помощью какого-либо генера тора случайных чисел большого числа реализаций случайного процесса, постро енного по условиям задачи.

Имитационное моделирование – это наука и искусство. Хорошая модель должна быть простой и понятной пользователю, целенаправленной, надежной (гарантирующей от получения абсурдных ответов), удобной в обращении, пол ной (с точки зрения возможностей решения главных задач исследования), адап тивной (легко модифицируемой) и развивающейся в процессе исследования.

Процесс конструирования имитационной модели имеет эволюционный ха рактер. По мере достижения первоначальных целей исследования и решения первоочередных задач ставятся новые цели и формулируются новые задачи.

Темп и направление развития имитационной модели зависят как от гибкости мо дели, так и от характера взаимоотношений между разработчиком модели и ее пользователем.

Вопросы для повторения 1. Что такое аналоговая модель?

2. Что является научной базой аналогового моделирования?

3. На чем основана классификация аналоговых моделей?

4. В чем суть квазианалогового моделирования?

5. В чем заключается основная задача математического моделирования соци ально-экономических систем?

6. На чем основана классификация математических моделей?

7. Что такое кибернетическая система?

8. Какие системы называются иерархическими?

9. Чем характеризуются гермейеровские системы?

10. Что такое гомеостазис?

11. Что такое устойчивость по Нэшу?

12. Что такое оптимальность по Парето?

13. Какие системы называются активными?

14. Что изучает теория активных систем?

15. В чем проявляется активность активных элементов активной системы?

16. Какие параметры лежат в основе описания активной системы?

17. На чем основана классификация активных систем?

18. Как в теории активных систем формулируются и решаются задачи плани рования?

19. Как в теории активных систем формулируются и решаются задачи стиму лирования?

20. В чем заключается проблема манипулирования информацией?

21. В чем суть принципа открытого управления?

22. Что такое базовая модель теории активных систем?

23. Что такое базовые механизмы управления в активных системах?

24. Назовите основные этапы исследования моделей активных систем.

25. Что такое идентификация систем управления?

26. Из каких этапов состоит процесс идентификации системы управления?

27. В чем суть процедуры подтверждения модели?

28. В каких случаях применяются методы функциональной и параметрической идентификации систем управления?

29. Какими причинами могут объясняться проблемы, возникающие в процессе идентификации системы управления?

30. Как условия использования ожидаемых результатов влияет на постановку и решение задачи идентификации системы управления?

31. Что такое имитационное моделирование?

32. При каких условиях применение имитационного моделирования наиболее целесообразно?

33. Что входит в структуру имитационной модели?

34. В чем заключается искусство имитационного моделирования?

35. Какой должна быть хорошая модель?

36. Нарисуйте блок-схему процесса имитационного моделирования систем управления.

Тест по теме 1. Под аналоговым моделированием понимается 1) метод исследования систем управления, основанный на использовании ана логовых моделей;

2) метод исследования, основанный на представлении объекта исследования в виде сложной кибернетической системы;

3) метод моделирования систем управления, предполагающий использование информации, представленной в аналоговой форме.

2. Аналоговой называется модель, 1) отражающая и воспроизводящая структуру, свойства, взаимосвязи и отно шения объекта исследования;

2) оперирующая с информацией, представленной в аналоговой форме;

3) имеющая с объектом исследования одинаковое математическое описание.

3. Научной базой аналогового моделирования является 1) синергетика;

2) принцип гомеоморфизма;

3) теория подобия.

4. Кибернетическими системами называются:

1) стохастические модели, описывающие динамические процессы, не содер жащие свободных параметров или функций, которые при необходимости можно было бы использовать для достижения каких-либо целей;

2) модели с управлением, используемые для оптимизации некоторых кон кретных действий;

3) модели с управлением, используемые для анализа конфликтных ситуаций.

5. Гермейеровскими называются системы, 1) представляющие собой совокупность элементов, объединенных структурно и функционально таким образом, чтобы обеспечить при заданных условиях достижение некоторой цели при ограниченных ресурсах и времени;

2) в которых один или несколько управляемых субъектов могут целенаправ ленно выбирать свое состояние, руководствуясь личными интересами и предпочтениями;

3) в которых нет отношений подчиненности и все субъекты которых, помимо своих собственных целей, ориентированы также на достижение одной об щей цели – главной (глобальной) цели системы.

6. Активными называются системы, 1) представляющие собой совокупность элементов, объединенных структурно и функционально таким образом, чтобы обеспечить при заданных условиях достижение некоторой цели при ограниченных ресурсах и времени;

2) в которых один или несколько управляемых субъектов могут целенаправ ленно выбирать свое состояние, руководствуясь личными интересами и предпочтениями;

3) в которых нет отношений подчиненности и все субъекты которых, помимо своих собственных целей, ориентированы также на достижение одной об щей цели – главной (глобальной) цели системы.

7. Активными элементами в теории активных систем называются:

1) субъекты активной системы, не состоящие с органом управления в отноше ниях подчиненности;

2) управляемые субъекты активной системы, способные целенаправленно вы бирать свое состояние, руководствуясь личными интересами и предпочте ниями;

3) управляемые субъекты активной системы, отношения которых с органом управления строятся на принципах равенства, автономии воли и имущест венной самостоятельности их участников.

8. Свойство системы удерживать свои характеристики в допустимых для ее существования пределах называется:

1) гомеоморфизмом;

2) гомеостазисом;

3) гистерезисом.

9. Всякая хорошо организованная кибернетическая система всегда будет ста раться 1) как можно дальше уйти от своей гомеостатической границы;

2) как можно ближе подойти к своей гомеостатической границе;

3) как можно ближе подойти к центру области гомеостазиса.

10. Под идентификацией системы управления понимается 1) определение состава, структуры и законов функционирования системы управления;

2) решение задачи построения математической модели системы управления по данным наблюдений за ее поведением – значениям входных и выходных сигналов;

3) определение субъекта, объекта и технологии управления.

11. Какую модель можно считать истинным описанием исследуемой системы?

1) Модель, удовлетворяющую интегральному критерию соответствия модели исследуемой системе.

2) Модель, истинность которой проверена процедурой подтверждения модели.

3) В общем случае ни одну модель нельзя считать истинным описанием иссле дуемой системы.

12. Методы идентификации, использующие самые общие гипотезы о системе управления, называются:

1) методами функциональной идентификации;

2) методами параметрической идентификации;

3) методами верификации систем управления.

13. Методы идентификации, применяемые в тех случаях, когда математиче ские модели систем управления известны с точностью до параметров, называ ются:

1) методами функциональной идентификации;

2) методами параметрической идентификации;

3) методами верификации систем управления.

14. Под имитационным моделированием систем управления понимается 1) процесс конструирования модели реальной системы управления;

2) постановка экспериментов на модели реальной системы управления с це лью либо понять поведение системы, либо оценить различные стратегии, обеспечивающие функционирование данной системы;

3) процесс конструирования модели реальной системы управления и поста новка экспериментов на этой модели с целью либо понять поведение систе мы, либо оценить различные стратегии, обеспечивающие функционирова ние данной системы.

15. Имитационное моделирование систем управления – 1) наука;

2) искусство;

3) наука и искусство.

5. СТАТИСТИЧЕСКОЕ ИССЛЕДОВАНИЕ СИСТЕМ УПРАВЛЕНИЯ "Закон вероятности по-российски: в России про исходит только невозможное" Юрий Лужков ("Российские" законы Паркин сона") Основы теории вероятностей и математической статистики Практически все данные, получаемые в процессе исследования социально экономических систем, имеют случайную составляющую.

Напомним некоторые базовые определения теории вероятностей и матема тической статистики:

случайное событие – событие, которое при определенных условиях может как произойти, так и не произойти;

случайная величина – числовая величина, значение которой зависит от ис хода случайного события;

случайный процесс – случайная функция от времени (в любой фиксирован ный момент времени случайный процесс представляет собой случайную вели чину);

вероятность – числовая характеристика степени возможности наступления случайного события при определенных условиях (если A – случайное событие, а m n – число наступлений этого события в n испытаниях, то при n отно mn шение будет стремиться к вероятности наступления события A – величине n P (A) ).

В общем случае закон распределения случайной величины задается функцией F ( x ) P x – функцией распределения случайной величины.

Закон распределения дискретной случайной величины, принимающей ко нечное или бесконечное число значений x,..., x ( n 2, ), определяется зада n нием множества вероятностей Pi i 1, n, где Pi – вероятность осуществле n ния события x i ( i 1, n ) ( Pi P x i и Pi 1 ).

i Зная функцию распределения случайной величины, можно определить вероятность попадания в любой интервал [ a, b ) :

Pa b F (b) F (a ).

Неотрицательная функция p ( x ), при всех значениях x удовлетворяющая x p (z)d z, условию F ( x ) называется плотностью распределения случайной b величины. Очевидно, что P a b p ( z ) d z.

a x p (z)d z, Случайная величина, удовлетворяющая условию F ( x ) назы вается непрерывной.

Совокупность случайных величин 1,..., n называется многомерной слу n чайной величиной. Закон распределения n-мерной случайной величины – со вместного распределения случайных величин 1,..., n – задается n -мерной функцией распределения F ( x 1,..., x n ) P 1 x 1,..., n x n.

Вероятность попадания двумерной случайной величины ( 1, 2 ) в прямоугольник x b a a1 b1 x определяется по формуле:

P a 1 1 b1, a 2 2 b2 F ( b1, b2 ) F ( b1, a 2 ) F ( a 1, b2 ) F ( a 1, a 2 ).

Случайные величины и называются независимыми, если закон рас пределения одной из них не зависит от того, какое значение приняла другая 54.

Вероятность совместного осуществления двух независимых случайных со бытий X и Y равна произведению вероятностей осуществления каждого из этих событий:

P ( X,Y ) P ( X ) P (Y ).

В случае зависимых событий приходится применять другие, более слож ные, формулы:

P ( X,Y ) P ( X ) P (Y / X ) или P ( X,Y ) P (Y ) P ( X /Y ), где P (Y / X ) и P ( X /Y ) – условные вероятности наступления события Y, если произошло событие X, и события X, если произошло событие Y.

Условная функция распределения случайной величины относительно случайной величины обозначается через F ( y / x ), условная плотность распре деления – через p ( y / x ).

Основными числовыми характеристиками случайной величины являются функционалы распределения ее вероятностей – математическое ожидание M ( ) (среднее значение случайной величины) и дисперсия D( ) M( M( )) (рассеяние значений случайной величины около ее математического ожидания):

непрерывный случай дискретный случай M( ) xi Pi Математическое M( ) x dF ( x ) x p ( x ) d x i ожидание D ( ) ( xi M( ))2 Pi Дисперсия D( ) ( x M( )) p ( x ) d x i (Здесь Pi P x i, i 1, n или i 1, ) Очевидно, что если не зависит от, то и не зависит от.

При достаточно большом числе испытаний n можно считать, что n n xср ( xi xср )2, где xi D ( ) 1 – среднее арифметическое значение n n i 1 i случайной величины.

Величина D ( ) называется среднеквадратическим отклонением случайной величины.

Совместное математическое ожидание M (, ) двух непрерывных слу чайных величин и с совместной плотностью распределения p ( x, y ) вы числяется по формуле x y p ( x, y ) dx dy.

M (, ) В дискретном случае, когда случайные величины и задаются набо рами их возможных значений x,..., x и y,..., y и вероятностями Pij совме n n 1 стного осуществления случайных событий x i и y j ( Pij P x i, y j ), M (, ) определяется следующим образом:

M (, ) xi y j Pij.

i j Методы статистического анализа Для исследования массовых случайных явлений (процессов) по результа там наблюдений и экспериментов применяются методы статистического анализа [17, 37]. К наиболее известным методам статистического анализа относятся:

регрессионный анализ;

корреляционный анализ;

канонический анализ;

метод главных компонентов;

факторный анализ;

дисперсионный анализ;

ковариационный анализ;

кластерный анализ;

дискриминантный анализ.

Регрессионный и корреляционный анализ Для выявления функциональной зависимости между двумя или более пе ременными по экспериментальным данным используют методы регрессионного и корреляционного анализа. Регрессионный анализ помогает построить, исходя из экспериментальных данных, аппроксимирующую функцию (функцию рег рессии, регрессионную модель), соответствующую исследуемой зависимости, а корреляционный анализ – проверить, насколько хорошо экспериментальные данные согласуются с этим уравнением.

На практике чаще всего используются следующие аппроксимирующие функции:

y a0 a1 x – прямая линия – парабола y a0 a 1 x a 2 x – парабола n - ной степени n y a0 a1 x a2 x... an x – гипербола y a0 a1 x – экспонента x y a b y a0 a1 lg x – логарифмическая кривая Под приближением аппроксимирующей кривой к экспериментальным данным понимается процесс вычисления констант и параметров аппроксими рующей функции таким образом, чтобы сумма квадратичных отклонений была минимальной.

Регрессионные модели делятся на 1) однопараметрические (описываю щие зависимость исследуемой переменной от одного регрессора) и многопара метрические (от нескольких регрессоров) и 2) линейные (относительно регрес соров) и нелинейные (относительно регрессоров и параметров).

Простейшая линейная однопараметрическая регрессионная модель имеет следующий вид:

y a0 a1 x, где y – функция регрессии, x – независимая переменная регрессор (фактор), – случайная ошибка.

По имеющимся экспериментальным данным значения коэффициентов a0 и a1 вычисляются следующим образом:

( y i ) ( x i ) ( x i ) ( x i y j ) i i i ij a0, 2 n xi ( xi ) i i n x i y j ( x i ) ( x i y j ) ij i ij a1.

2 n x i ( x i ) i i Задача регрессионного анализа решается и тогда, когда исследуемые пока затели не являются случайными величинами.

Одним из важнейших понятий математической статистики является корре ляция. В самом общем случае под корреляцией понимается связь между явле ниями, когда одно из них входит в число причин, определяющих другие, или ко гда имеются общие причины, воздействующие на эти явления. Однако чаще все го корреляцией называется вероятностная (стохастическая) зависимость между случайными величинами, не имеющая строго функционального характера (в от личие от функциональной корреляционная связь проявляется не в каждом кон кретном случае, а лишь в среднем при достаточно большом числе наблюдений).

Из показателей, характеризующих зависимость между случайными вели чинами и, наиболее известны ковариация (корреляционный момент) COV (, ) и коэффициент корреляции COR (, ) :

M( ) M(, ) M( ) M( ), COV (, ) M M( ) COV (, ) COR (, ).

x M( ) y M( ) p ( x, y ) dx dy В непрерывном случае COV (, ), в дискретном – COV (, ) x i M( ) y j M( ) Pij.

i j Очевидно, что при любых и COR (, ) 1.

При этом COR (, ) 1 тогда и только тогда, когда линейно зависит M( ) M( ).

от : COR (, ) Случайные величины, коэффициент корреляции которых равен 0, называ ются некоррелированными. Некоррелированные величины являются независи мыми.

Связь в одном случайном процессе называется автокорреляцией, связь между процессами – кросс-корреляцией.

Функция, характеризующая степень связи значений случайного процесса ( t ) в моменты времени t 1 и t 2, называется автокорреляционной функцией:

R ( t 1, t 2 ) M ( t 1 ) m ( t 1 ) ( t 2 ) m ( t 2 ).

Функция, характеризующая степень связи между значениями двух случай ных процессов ( t ) и ( t ) в моменты времени t 1 и t 2, называется взаимной корреляционной функцией:

R ( t 1, t 2 ) M ( t 1 ) m ( t 1 ) ( t 2 ) m ( t 2 ).

С помощью измерения статистической связи между изучаемыми явления ми можно определить, как повлияло бы на функцию изменение одного из ее ар гументов, если бы другие аргументы оставались неизменными, и оценить сте пень искажающего влияния посторонних факторов на изучаемую зависимость.

Установить наличие или отсутствие связи между изучаемыми явлениями или величинами, а также количественно оценить уровень этой связи позволяет корреляционный анализ. С его помощью можно определить, в какой мере изме нение исследуемого показателя обусловлено влиянием другого показателя.

Основные задачи корреляционного анализа заключаются в оценке корре ляционных характеристик (ковариации и коэффициента корреляции) и про верке статистических гипотез о значимости связи между случайными величина ми.

С достаточной степенью точности эти задачи решаются лишь в ситуациях, когда исследуемые показатели можно рассматривать как случайные величины.

Поскольку в социально-экономических исследованиях это условие, как правило, не выполняется, методы корреляционного анализа применяются лишь на пред варительных стадиях исследования, а окончательные выводы делаются на осно ве методов регрессионного анализа.

Различают параметрический и непараметрический корреляционный анализ: в первом случае предполагается, что закон распределения анализируе мых данных известен (как правило, для этого анализируемые величины должны быть распределены по нормальному закону), во втором случае анализ проводит ся без использования этой информации.

Канонический анализ Канонический анализ (анализ канонических корреляций) применяется при исследовании структуры корреляционных связей между двумя совокупно стями случайных величин – случайными векторами x1,..., x p и x p1,..., x pq ( p q ). С помощью линейного преобразования исходные признаки преобразу ются в совокупности величин y1,..., y p и y p1,..., y pq, представленных в кано нической форме. Ковариационная матрица канонических случайных величин имеет следующий вид:

R.

. Ep.

0 Rp R.

. Ep.

0 Rp 0 0 Eq - p Здесь E p и E q - p – единичные матрицы порядка p и q - p ( p q );

R1 – максимальный по абсолютной величине коэффициент корреляции между случайными величинами y 1 и y p1, являющимися линей ными комбинациями множеств случайных величин x1,..., x p и x p1,..., x pq ;

Ri – максимальный по абсолютной величине коэффициент корреляции между такими линейными комбинациями y i и y p i исходных мно жеств случайных величин x1,..., x p и x p1,..., x pq, которые не кор релированны с y i -1 и y p i -1 ( i 2, p ).

Метод главных компонентов Метод главных компонентов используется для определения общих фак торов (компонентов), от которых зависит множество случайных значений не скольких изучаемых показателей. Он предполагает разложение изучаемой кор реляционной матрицы на независимые компоненты, число которых равно числу анализируемых переменных. В процессе анализа рассматриваются все компо ненты, но можно оценить удельный вес каждого из них и выбрать нужное коли чество наиболее существенных компонентов.

Факторный анализ Факторный анализ является разделом многомерного статистического анализа. Главная задача факторного анализа заключается в снижении размер ности исследуемого многомерного признака. Предполагается, что большинство наблюдаемых или измеряемых показателей только косвенно характеризует за кономерности, присущие изучаемым явлениям (объектам), и что в действитель ности существует лишь небольшое число существенных параметров – факто ров, которые и определяют значения наблюдаемых показателей. Факторы, свя занные с одним показателем, называются характерными, с двумя и более – об щими, со всеми показателями – генеральными.

Основная модель факторного анализа (когда значение каждого показателя является результатом воздействия нескольких общих факторов и одного харак терного фактора) выглядит следующим образом:

m a jk ( i 1, N, j 1, n ) y ji f ki v j g ji k Здесь y ji – нормированное значение j-го показателя у i-го объекта исследования x ji x j ( y ji, где x ji – исходное значение j-го показателя у i-го объекта sj N x ji исследования, x j – среднее значение j-го показателя, s j n 1 i – среднее квадратическое отклонение j-го показателя);

f ki – значение k-го общего фактора на i-м объекте исследования;

a jk – нагрузка j-го показателя на k-м общем факторе;

g ji – значение j-го характерного фактора на i-м объекте исследования;

v j – нагрузка j-го показателя на j-м характерном факторе.

Дисперсионный анализ С помощью дисперсионного анализа оценивается влияние качественных факторов (не поддающихся количественному измерению и представляемых возможными состояниями объекта исследования) на математическое ожидание случайной величины по характеристикам ее рассеяния (дисперсии).

В основе дисперсионного анализа лежит следующая формула:

2 ф ост 2 2 ф (здесь – общая дисперсия, – дисперсия факториального комплекса, ост – остаточная дисперсия).

Задача дисперсионного анализа решается с помощью разложения суммы квадратов отклонений наблюдаемых значений результативного признака от об щей средней на отдельные части, обусловливающие его изменение.

Ковариационный анализ Ковариационный анализ применяется в тех случаях, когда в изучаемом процессе присутствуют одновременно качественные и количественные факторы.

Основные теоретические и прикладные проблемы ковариационного анали за решаются с использованием линейных моделей. Частные случаи сводятся к моделям дисперсионного и регрессионного анализа.

Кластерный анализ Под кластерным анализом понимается совокупность многомерных ста тистических методов, предназначенных для формирования относительно отда ленных друг от друга групп однородных объектов по информации о расстояниях или связях между ними.

Различают две разновидности методов кластерного анализа: в первом слу чае кластеры ищут одновременно (вариационные методы, основанные на опти мизации того или иного показателя качества выявленной кластерной структуры, и агломеративные методы, основанные на последовательном объединении пар наиболее близких кластеров), во втором – последовательно (методы, осно ванные на явном определении понятия "кластер", обычно через "максимально допустимый радиус" или "порог существенных связей").

Дискриминантный анализ Дискриминантным анализом называют совокупность многомерных ста тистических методов классификации наблюдений в ситуациях, когда у исследо вателей имеются обучающие выборки.

Суть задачи дискриминации (различения) заключается в выработке пра вила, согласно которому по наблюдаемому значению (реализации) случайного вектора ( x1,..., xk ) объект исследования будут относить к одной из возможных совокупностей S i ( i 1, n ).

Процесс решения задачи дискриминации сводится к переходу от вектора признаков, характеризующих объект исследования, к линейной функции от них – дискриминантной функции – гиперплоскости, разделяющей выборочные точ ки.

Резюме Практически все данные, получаемые в процессе исследования социально экономических систем, имеют случайную составляющую.

В общем случае закон распределения случайной величины задается функцией F ( x ) P x – функцией распределения случайной величины.

Неотрицательная функция p ( x ), при всех значениях x удовлетворяющая усло x p (z)d z, вию F ( x ) называется плотностью распределения случайной вели чины.

Случайные величины и называются независимыми, если закон рас пределения одной из них не зависит от того, какое значение приняла другая.

Основными числовыми характеристиками случайной величины являют ся функционалы распределения ее вероятностей – математическое ожидание M( ) x p ( x ) d x, (в непрерывном случае в дискретном – M ( ) M( ) xi Pi ) и дисперсия D( ) M( M( )) (в непрерывном случае i D ( ) ( xi M( ))2 Pi ).

D( ) ( x M( )) p ( x ) d x, в дискретном – i Величина D ( ) называется среднеквадратическим отклонением слу чайной величины.

К наиболее известным методам статистического анализа относятся:

регрессионный анализ;

корреляционный анализ;

канонический анализ;

метод главных компонентов;

факторный анализ;

дисперсионный анализ;

ковариационный анализ;

кластерный анализ;

дискриминантный анализ.

Для выявления функциональной зависимости между двумя или более пе ременными по экспериментальным данным используют методы регрессионного и корреляционного анализа. Регрессионный анализ помогает построить, исходя из экспериментальных данных, аппроксимирующую функцию (функцию регрес сии), соответствующую исследуемой зависимости, а корреляционный анализ – проверить, насколько хорошо экспериментальные данные согласуются с этим уравнением.

Одним из важнейших понятий математической статистики является кор реляция. В самом общем случае под корреляцией понимается связь между яв лениями, когда одно из них входит в число причин, определяющих другие, или когда имеются общие причины, воздействующие на эти явления. Однако чаще всего корреляцией называется вероятностная (стохастическая) зависимость ме жду случайными величинами, не имеющая строго функционального характера.

Из показателей, характеризующих зависимость между случайными вели чинами, наиболее известны ковариация и коэффициент корреляции.

Случайные величины, коэффициент корреляции которых равен 0, называ ются некоррелированными. Некоррелированные величины являются независи мыми.

С помощью измерения статистической связи между изучаемыми явления ми можно определить, как повлияло бы на функцию изменение одного из ее ар гументов, если бы другие аргументы оставались неизменными, и оценить сте пень искажающего влияния посторонних факторов на изучаемую зависимость.

Установить наличие или отсутствие связи между изучаемыми явлениями или величинами, а также количественно оценить уровень этой связи позволяет корреляционный анализ.

При исследовании структуры корреляционных связей между двумя сово купностями случайных величин применяется канонический анализ.

Для определения общих факторов (компонентов), от которых зависит множество случайных значений нескольких изучаемых показателей, применя ется метод главных компонентов.

Главная задача факторного анализа как раздела многомерного статисти ческого анализа заключается в снижении размерности исследуемого многомер ного признака. Предполагается, что большинство наблюдаемых или измеряемых показателей только косвенно характеризует закономерности, присущие изучае мым явлениям (объектам), и что в действительности существует лишь неболь шое число существенных параметров – факторов, которые и определяют значе ния наблюдаемых показателей.

С помощью дисперсионного анализа оценивается влияние качественных факторов на математическое ожидание случайной величины по характеристикам ее рассеяния (дисперсии).

Ковариационный анализ применяется в тех случаях, когда в изучаемом процессе присутствуют одновременно качественные и количественные факторы.

Под кластерным анализом понимается совокупность многомерных стати стических методов, предназначенных для формирования относительно отдален ных друг от друга групп однородных объектов по информации о расстояниях или связях между ними.

Дискриминантным анализом называют совокупность многомерных стати стических методов классификации наблюдений в ситуациях, когда у исследова телей имеются обучающие выборки.

Вопросы для повторения 1. Что такое случайное событие?

2. Что такое случайная величина?

3. Что такое случайный процесс?

4. Что такое вероятность?

5. Что такое функция распределения случайной величины?

6. Что такое плотность распределения случайной величины?

7. Какие величины называются независимыми?

8. Чему равна вероятность совместного осуществления двух независимых случайных событий?

9. Чему равна вероятность совместного осуществления двух зависимых слу чайных событий?

10. Что такое математическое ожидание случайной величины?

11. Что такое дисперсия случайной величины?

12. Перечислите основные методы статистического анализа.

13. В чем суть регрессионного анализа?

14. Что такое регрессионная модель?

15. Что такое корреляция?

16. Какие показатели характеризуют зависимость между случайными величи нами?

17. Какие величины называются некоррелированными?

18. Что такое автокорреляционная функция?

19. Что такое взаимная корреляционная функция?

20. Какие задачи решает корреляционный анализ?

21. Когда применяется канонический анализ?

22. Как выглядит ковариационная матрица канонических случайных величин?

23. Что определяют с помощью метода главных компонентов?

24. В чем заключается главная задача факторного анализа?

25. Чем характеризуется основная модель факторного анализа?

26. Когда применяется дисперсионный анализ?

27. На чем основано применение дисперсионного анализа?

28. Когда применяется ковариационный анализ?

29. С какой целью проводится кластерный анализ?

30. Какую задачу решает дискриминантный анализ?

Тест по теме 1. Регрессионный анализ помогает 1) построить, исходя из экспериментальных данных, аппроксимирующую функцию, соответствующую исследуемой зависимости;

2) установить наличие или отсутствие связи между изучаемыми явлениями или величинами, а также количественно оценить уровень этой связи;

3) исследовать структуру корреляционных связей между двумя совокупностя ми случайных величин.

2. Корреляционный анализ помогает 1) построить, исходя из экспериментальных данных, аппроксимирующую функцию, соответствующую исследуемой зависимости;

2) установить наличие или отсутствие связи между изучаемыми явлениями или величинами, а также количественно оценить уровень этой связи;

3) исследовать структуру корреляционных связей между двумя совокупностя ми случайных величин.

3. Канонический анализ помогает 1) построить, исходя из экспериментальных данных, аппроксимирующую функцию, соответствующую исследуемой зависимости;

2) установить наличие или отсутствие связи между изучаемыми явлениями или величинами, а также количественно оценить уровень этой связи;

3) исследовать структуру корреляционных связей между двумя совокупностя ми случайных величин.

4. Метод главных компонентов помогает 1) определить общие факторы, от которых зависит множество случайных зна чений нескольких изучаемых показателей;

2) снизить размерность исследуемого многомерного признака;

3) оценить влияние качественных факторов на математическое ожидание слу чайной величины.

5. Факторный анализ помогает 1) определить общие факторы, от которых зависит множество случайных зна чений нескольких изучаемых показателей;

2) снизить размерность исследуемого многомерного признака;

3) оценить влияние качественных факторов на математическое ожидание слу чайной величины.

6. Дисперсионный анализ помогает 1) определить общие факторы, от которых зависит множество случайных зна чений нескольких изучаемых показателей;

2) снизить размерность исследуемого многомерного признака;

3) оценить влияние качественных факторов на математическое ожидание слу чайной величины.

7. Ковариационный анализ помогает 1) в тех случаях, когда в изучаемом процессе присутствуют одновременно ка чественные и количественные факторы;

2) формировать относительно отдаленные друг от друга группы однородных объектов по информации о расстояниях или связях между ними;

3) производить классификацию наблюдений в ситуациях, когда у исследова телей имеются обучающие выборки.

8. Кластерный анализ помогает 1) в тех случаях, когда в изучаемом процессе присутствуют одновременно ка чественные и количественные факторы;

2) формировать относительно отдаленные друг от друга группы однородных объектов по информации о расстояниях или связях между ними;

3) производить классификацию наблюдений в ситуациях, когда у исследова телей имеются обучающие выборки.

9. Дискриминантный анализ помогает 1) в тех случаях, когда в изучаемом процессе присутствуют одновременно ка чественные и количественные факторы;

2) формировать относительно отдаленные друг от друга группы однородных объектов по информации о расстояниях или связях между ними;

3) производить классификацию наблюдений в ситуациях, когда у исследова телей имеются обучающие выборки.

10. Построить аппроксимирующую функцию, соответствующую исследуемой зависимости, помогает 1) канонический анализ;

2) корреляционный анализ;

3) регрессионный анализ.

11. Установить наличие или отсутствие связи между изучаемыми явлениями или величинами, а также количественно оценить уровень этой связи помогает 1) канонический анализ;

2) корреляционный анализ;

3) регрессионный анализ.

12. Исследовать структуру корреляционных связей между двумя совокупностя ми случайных величин помогает 1) канонический анализ;

2) корреляционный анализ;

3) регрессионный анализ.

13. В тех случаях, когда в изучаемом процессе присутствуют одновременно ка чественные и количественные факторы, применяется 1) дискриминантный анализ;

2) кластерный анализ;

3) ковариационный анализ.

14. Для формирования относительно отдаленных друг от друга групп однород ных объектов по информации о расстояниях или связях между ними применя ется 1) дискриминантный анализ;

2) кластерный анализ;

3) ковариационный анализ.

15. Для классификации наблюдений в ситуациях, когда у исследователей име ются обучающие выборки, применяется 1) дискриминантный анализ;

кластерный анализ;

ковариационный анализ.

16. Для оценки влияния качественных факторов на математическое ожидание случайной величины применяется 1) метод главных компонентов;

2) факторный анализ;

3) дисперсионный анализ.

17. Для снижения размерности исследуемого многомерного признака применя ется 1) метод главных компонентов;

2) факторный анализ;

3) дисперсионный анализ.

18. Для определения общих факторов, от которых зависит множество случайных значений нескольких изучаемых показателей, применяется 1) метод главных компонентов;

2) факторный анализ;

3) дисперсионный анализ.

6. ИССЛЕДОВАНИЕ УПРАВЛЕНИЯ ПОСРЕДСТВОМ СОЦИАЛЬНО ЭКОНОМИЧЕСКОГО ЭКСПЕРИМЕНТИРОВАНИЯ Основные положения Социально-экономическое экспериментирование — одна из разно видностей эксперимента, представляющая собой реализацию искусственно соз данного (но близкого к реальному или соответствующего реальному) социально экономического процесса в системе управления, на основе чего можно получить широкий спектр возможных состояний системы. При этом методы, используе мые при его проведении, являются частью всей совокупности разнообразных ме тодов, применяемых при экспериментальных исследованиях.

Социально-экономическое экспериментирование осуществляется в виде активной формы вмешательства в СУ. Оно позволяет:

• провести социальную диагностику управляющей подсистемы;

• выявить механизмы происходящих социально-экономических явлений, взаимосвязи отдельного человека с другими людьми, группами и между ними;

• оптимизировать социальные и экономические процессы в системе;

• уменьшить социальные и экономические издержки системы;

• оценить эффективность проведенного эксперимента.

Вместе с тем это очень опасный вид экспериментального вмешательства, так как в нем участвуют люди. Следовательно, в случае негативных исходов эксперимента может пострадать благополучие, здоровье и психика одного чело века или даже многих людей. А этого нельзя допускать в принципе.

Поэтому на проведение социально-экономического экспериментирования необходимо накладывать соответствующие ограничения в виде предельно до пустимых параметров на определенные процессы и явления. Кроме того, следует тщательно подготавливать эксперимент, рассчитывая меру риска, предполагае мых ущербов и других отрицательных последствий, соизмеряя эксперименталь ные процессы с моралью и нравственностью цивилизованного общества, закла дывая страховые решения, предоставляя возможности по социальной и психоло гической реабилитации участников экспериментирования и, в конечном итоге, соблюдая всесторонние правовые нормы и правила.

На исследователях-экспериментаторах, проводящих социально экономические эксперименты, лежит огромная ответственность перед участ вующими в экспериментировании людьми и обществом в целом.

Схема процесса социально-экономического экспериментирования Каждое экспериментирование безусловно индивидуально и имеет свои особенности. Вместе с тем схема социально-экономического экспериментирова ния может быть во многом общей (рис. 6.1).

Формирование цели и постановка задач социально-экономического экс периментирования (определение ограничений на эксперимент и т. п.) Принятие решения о проведении социально-экономического эксперимен тирования Сбор и анализ априорной информации (сбор, анализ информации, раз работка априорной модели, проверка согласия между моделью и априор ными данными, уточнение модели и анализ априорных данных, состав ление плана эксперимента) Принятие решения о проведении социально-экономического экс периментирования Проведение социально-экономического экспериментирования Обработка, анализ и интерпретация апостериорных (опытных) экс периментальных данных Принятие решений по результатам социально-экономического экс периментирования Рис. 6.1. Укрупненная схема процесса проведения социально-экономического экспериментирования В ряде случаев операции данной схемы могут повторяться и иметь обрат ную связь, так как при выполнении некоторых из них достижение целей и задач не может быть полностью обеспечено без корректировок с первого раза. Иногда следует возвратиться к предыдущим операциям схемы от какой-либо другой нижерасположенной операции, т.е. эта схема практически имеет замкнутый цикл. Окончание эксперимента может быть связано только с достижением цели или при исчерпании какого-либо ресурса (например, материального, временного и т.п.).

Примеры социально-экономического экспериментирования В 70—80-е гг. в СССР в условиях централизованной плановой экономики на основе исследований и обобщения опыта системного подхода к управлению в экспериментальном порядке более чем на 230 предприятиях различных отраслей народного хозяйства страны был апробирован комплекс стандартов на управ ление промышленными предприятиями. В этот комплекс вошли стандарты, регламентирующие построение и функционирование системы управления пред приятием и ее подсистем. Состав подсистем СУ, представленный в разделе I на одной из моделей, во многом идентичен тем, которые рекомендовались стандар тами для использования.

Проведение такого крупномасштабного эксперимента является одним из примеров исследования управления на основе социально-экономического экспе риментирования.

Это экспериментирование с СУ, базировавшееся на использовании стан дартизации, способствовало некоторому улучшению технико-экономических показателей работы данных предприятий и получению более высокого экономи ческого эффекта их деятельности. Большинство предприятий признавали, что у них в результате эксперимента:

• упорядочивалась деятельность управленческих работ;

• рационально распределялся состав функций управления среди подразделе ний;

• исключалось дублирование деятельности в аппарате управления;

• в ряде случаев позитивно изменялась ОСУ;

• повышалась творческая активность и расширялись демократические начала в управлении предприятием;

• повышалась ответственность работников управления и дисциплина труда, улучшалась исполнительность и организация контроля за исполнением реше ний и требований стандартов.

К основным недостаткам и трудностям при внедрении и функ ционировании СУ на основе стандартизации относили:

• непонимание многими специалистами необходимости создания таких систем;

• недостаточную активность руководителей предприятий;

• существование «психологического барьера», мешавшего отказаться от тради ционно сложившихся форм и методов управления;

• недостаточную управленческую подготовку специалистов и руководите лей;

• отсутствие в подавляющем большинстве специализированных подразделений по управлению (совершенствованию и координации);

только у 28% предпри ятий, внедрявших системы, эта работа поручалась специализированным под разделениям по вопросам совершенствования управления, а в остальных слу чаях данными работами занимались подразделения, косвенно относящиеся решению проблем управления;

• сложность существующего административного порядка изменения на пред приятии ОСУ;

• отсутствие в административно-командной системе заинтересованности и су щественных стимулов у работников в работах по совершенствованию управ ления.

Главными недостатками при этом были те, которые присущи централизо ванной планово-распределительной экономике.

Тем не менее, необходимо признать, что основные положения и требова ния, закрепленные в комплексе государственных стандартов на управление предприятием, а затем и в обобщенных рекомендациях, явились существенным научным и практическим вкладом в методологию и методику исследования и со вершенствования СУ.

Другим примером крупномасштабного социально-экономического экспе риментирования на уровне страны при переходе от плановой экономики к ры ночной служит так называемая «шоковая терапия», которая реализовывалась в России с 1992 г. Ее результатом, как известно, стали повсеместная денационали зация предприятий и организаций, резкое падение отечественного производства и другие негативные последствия для большинства работников многих отраслей национального хозяйства и населения в целом.

В качестве примеров можно привести также эксперименты, связанные с рационализацией и перераспределением управленческих функций между ме неджерами высшего, среднего и низового звеньев управления и соответствую щим сокращением персонала управления, внедрением более производительных ТСУ и др.

7. ФОРМИРОВАНИЕ КОНЦЕПЦИИ И РАЗРАБОТКА ГИПОТЕЗ ИССЛЕДОВАНИЯ СИСТЕМЫ УПРАВЛЕНИЯ Концепция исследования Объектом и предметом изучения в ходе исследования не без оснований яв ляется концепция, которая, в свою очередь, может быть результатом исследова ния.

Концепцию понимают:

1) как комплекс основополагающих идей, принципов, правил, раскрываю щих сущность и взаимосвязи исследуемого явления или системы, и позволяю щих определить систему показателей, факторов и условий, способствующих ре шению проблемы, формированию стратегии фирмы, установлению правил пове дения личности;

2) как комплекс положений, связанных общей исходной идеей, определяю щих деятельность человека (исследовательскую, управленческую и пр.) и на правленных на достижение определенной цели.

Целью исследования может быть:


• создание новой концепции, • разработка концепции разрешения комплекса проблем, • разработка концепции новой теории и т.п.

Существует концепции национальной безопасности, охраны окружающей среды, реформирования экономики, стабильного развития экономики, развития атомной энергетики, обеспечения конкурентоспособности продукции, развития экспорта, управления качеством, повышения эффективности управления и т.д.

Так, концепция национальной безопасности РФ, разработанная Правитель ством РФ, — политический документ, отражающий совокупность официально принятых взглядов на цели и государственную стратегию в области обеспечения безопасности личности, общества и государства от внешних и внутренних угроз политического, экономического, социального, военного, техногенного, экологи ческого, информационного и иного характера с учетом имеющихся ресурсов и возможностей.

Концепция исследования представляет собой систему основополагающих взглядов, идей и принципов исследования, общий его замысел, т.е. комплекс ме тодологических положений, определяющих подход к исследовательской работе и организации ее проведения, способствующих разрешению проблем. Она долж на определить содержание многих компонентов и звеньев механизма разрешения исследуемых проблем. Структурно концепция может содержать такие разделы, как характеристика объекта концепции, цель и задачи концепции, основные принципы концепции, основные направления деятельности, механизм реализа ции концепции.

При изучении СУ исследователь должен также уделять внимание разработ ке концепции исследования, предметом которой могут быть, например, процес сы в комплексе управленческих однородных проблем в управляющей подсисте мы социально-экономической системы организации.

Таким образом, концепция исследования СУ есть комплекс основопола гающих взглядов, идей, принципов, подходов и механизмов разрешения сово купности проблем управления, проявляющихся в изучаемой системе.

По существу весь предыдущий материал данной работы представляет собой концепцию исследования СУ, на основе которого при необходимости можно сформировать отдельный документ «Концепция современного исследования систем управления».

Гипотеза и ее роль в исследовании Важную роль играет гипотеза (от греч. hypothesis — предположение) — на учное предварительное недостаточно доказанное объяснение (предположение, предсказание) новых явлений и событий, требующее в последующем экспери ментальной проверки.

Помимо приведенного определения, под термином «гипотеза» понимают:

• вероятностное знание, объяснение, понимание;

• вариант объяснения при недостаточной информации;

• пробное объяснение причинно-следственных связей и поведения;

• научное допущение или предположение, истинное значение которого не определено;

• априорное, интуитивное предположение о возможных свойствах, струк туре, параметрах, эффективности исследуемого объекта или процесса.

По существу, гипотеза — ориентировочное объяснение (ни в коем случае не категоричное) причинно-следственных связей исследуемого объекта. Это своего рода форма перехода от неизученных фактов к законам и закономерностям, по зволяющая использовать гипотезу в качестве необходимого инструмента прак тически каждого научного исследования различных объектов, в том числе СУ.

Каждая из гипотез, принимаемая, как правило, на основе опыта, интуиции и имеющейся предварительной информации, в большинстве случаев может быть выражением изначальной ориентированности исследований на достижение оп ределенных целей. Это позволяет концентрировать усилия исследователей на наиболее перспективном и результативном направлении и в определенной мере снижать расход ресурсов на проведение исследовательских работ.

Гипотезы отличаются от обычных догадок и предположений тем, что они принимаются на основе анализа имеющейся достоверной информации и соот ветствия определенным критериям научности.

В общем виде гипотезу можно рассматривать:

• как часть научной теории;

• как научное предположение, требующее последующей эксперименталь ной проверки.

Первая группа гипотез является частью фундаментальных исследований, а вторая — прикладных.

По иерархической значимости гипотеза может быть генеральной;

при необ ходимости ее структурируют на вспомогательные гипотезы других уровней.

Генеральная гипотеза связывается, как правило, с главным вопросом исследова ния, его целевой установкой, а вспомогательные относятся к нижележащим по своему уровню задачам.

По широте использования гипотезы могут быть универсальными и част ными. Первые распространяются на все без исключения случаи. При подтвер ждении они могут перерасти в теории и оказать большое влияние на развитие науки. Их разработка основывается на многих частных гипотезах, которые дают ориентировочные объяснения конкретным единичным явлениям. К наиболее часто используемым гипотезам такого характера относятся статистические, ве роятностные и им подобных.

По степени обоснованности гипотезы могут быть первичными (это своего рода первые варианты, служащие основой для разработки более обоснованных гипотез) и вторичными, которые выдвигаются при необходимости вместо пер вичных, что во многом обусловливается опровержением первичных эмпириче скими данными.

В социально-экономических системах объяснение отдельных явлений и фактов на начальных этапах исследований нередко осуществляется по-разному, т.е. разрабатывается одновременно несколько гипотез, которые называют рабо чими гипотезами или версиями. Понятие «рабочая гипотеза» представляет со бой предварительное предположение, выдвигаемое на начальном этапе исследо вания и служащее лишь первичным условным объяснением исследуемого явле ния. В дальнейшем, по мере уточнения названных условных объяснений и полу чения знаний с помощью рабочих гипотез, приходят к принятию конкретной ги потезы.

Гипотезы способствуют минимизации использования ресурсов для дости жения поставленных целей исследования. Они позволяют концентрировать уси лия исследователей на перспективных направлениях познания и изучения систем управления.

При проведении исследований СУ гипотезы могут приниматься по отноше нию к следующему:

• целевым результатам эффективности СУ и всей социально-экономиче ской системы организации;

• свойствам СУ (сущности и структуры, методологии, функционирования и развития) и их ограничениям;

• отношениям СУ с внешней средой;

• отношениям во внутренней среде СУ;

• отношениям СУ с производственной системой социально-экономиче ской системы организации;

• элементам и построению подсистем и СУ в целом;

• составу факторов, причин и их влиянию на результаты функционирования СУ;

• вариантам проведения экспериментов и совершенствования СУ.

Это далеко не полный перечень возможных гипотез, принимаемых при исследо вании систем управления.

Требования к гипотезам При исследовании СУ к принимаемым гипотезам предъявляются требова ния, основные из которых приведены ниже.

1. Целенаправленность, обеспечивающая объяснение всех фактов, характе ризующих решаемую проблему.

2. Релевантность (англ. relevant — относящийся к делу, уместный), т.е. опо ра на факты, обеспечивающая допустимость признания гипотезы как в науке, так и в практике. Если гипотеза не использует факты, то ее называют иррелевантной.

3. Прогностичность, обеспечивающая прогнозирование результатов иссле дования.

4. Проверяемость, позволяющая принципиальную возможность проверки гипотезы эмпирическим путем на основе наблюдений или экспериментов. Это должно обеспечить или ее опровержение (фальсифицируемость) и подтвер ждение (верифицируемость). Однако нельзя утверждать, что все гипотезы про веряемы. Существуют: во-первых, гипотезы, которые, невозможно проверить в настоящий период времени из-за несовершенства технических средств, не от крытых еще до сих пор законов и закономерностей и т.п.;

во-вторых, гипотезы принципиально непроверяемые на основе фактов;

в-третьих, универсальные ма тематические гипотезы, относящиеся к абстрактным объектам исследования и не допускающие эмпирического подтверждения.

5. Непротиворечивость, достигаемая логической согласованностью всех структурных компонентов гипотезы.

6. Совместимость, обеспечивающая связь выдвигаемых предположений с существующими научными теоретическими и практическими знаниями. В слу чае наличия несовместимости и противоречий выдвинутой гипотезы с имею щимися знаниями необходимо проверить законы и факты, на которые опирается рассматриваемая гипотеза и прежнее знание.

7. Потенциальность, включающей возможности использования гипотезы по количеству и качеству дедуктивных выводов и следствий, их силе и влиянию на развитие системного управления.

8. Простота, основывающаяся на системности и меньшем числе содержа щихся в гипотезе исходных посылок для получения выводов и следствий, а так же на достаточно большем числе объясняемых ею фактов. При этом гипотеза одновременно может носить более общий характер. Простота гипотезы, конеч но, не может исключать использование для ее подтверждения сложного матема тического аппарата.

Соответствие всем приведенным выше требованиям отличает принятую на учную гипотезу от обычной догадки. При этом возникает много вопросов, свя занных с подтверждением или опровержением гипотез. Однако, важнейшим критерием того или другого, т.е. истинности гипотезы, является все-таки ее эм пирическая проверяемость. Именно здесь проявляются трудности проверки.

Очевидно, что между подтверждением и опровержением гипотезы сущест вует полная противоположность. Однако если смысл подтверждения имеет, как правило, относительно временный характер, то опровержение — окончательный.

Более того, для опровержения достаточно дедуктивного обоснования ложности всего лишь одного следствия гипотезы. Подтверждение истинности ее на основе доказанности части утверждений делать неправомерно. В последнем случае за ключение делается с использованием индуктивного метода.


Кроме того, при рассмотрении взаимосвязанных утверждений и обоснован ности каждого из них в отдельности вывод об истинности всей гипотезы или не скольких связанных между собой гипотез в большем числе случаев делать нель зя, так как при взаимодействии утверждений в гипотезе могут появиться синер гетические свойства. Следовательно, при подтверждении истинности гипотез, в том числе при проверке, целесообразно применять системный подход.

9. Научность, основанная на отношениях науки и техники.

Разработка гипотезы Формирование гипотез — один из трудных и мало формализуемых процес сов исследования. Тем не менее весь процесс формирования и развития гипо тез в контексте всего исследования в большинстве случаев можно подразделить на несколько стадий:

• подготовительная — сбор информации и выявление проблемы;

опреде ление конкретного объекта и предмета исследования;

постановка целей и задач исследования;

накопление и предварительный анализ фактического материала и формулирование на его основе первичных предположений (рабочих гипотез);

• формирующая — анализ имеющейся информации и определение причин возникновения проблемы, ее содержания и характеристик;

выявление влияющих на проблему факторов и их связей;

выявление следствий из сформулированных предположений и определение на их основе возможных результатов;

сбор фак тов и данных, необходимых для оценки точности, сделанных на основе гипоте тических предположений;

определение условий, путей и методов решения задач;

формулирование исходных гипотез;

• экспериментальная — работы, предусмотренные методикой исследова ния, в том числе: планирование, организацию и проведение экспериментов, ана лиз и обобщение полученных результатов;

проверку правильности и достовер ности полученных предполагаемых результатов на практике и уточнение гипотез на основе результатов проверки.

В случае несоответствия гипотез фактическим результатам их следует пере смотреть и в необходимой мере скорректировать.

При формировании гипотез очень важно правильно использовать все воз можные методы. Следует отметить, что логические методы в меньшей степени пригодны для поиска научной истины в опытных науках (например, в физике и т.п.), но нельзя недооценивать социально-экономических СУ. Особенно эффек тивны они в сочетании с дедуктивно-индуктивными правилами разработки ги потез, а также совместно с абстрагированием информации. Абстрагирование по зволяет исключить излишнюю второстепенную информацию, способную за труднить принятие простых и реалистичных допущений и в конечном итоге формулирование достоверной гипотезы.

Результаты использования различных методов при формировании гипотез во многом зависят не только от имеющейся информации, но и от уровня общих знаний, глубины проникновения исследователя в изучаемую проблему, опыта и интуиции. Если гипотеза не выдержала ряд проверок, то она опровергается или вовсе отвергается.

При подтверждении гипотеза в ряде случаев может приобрести статус тео рии. Следует отметить, что в общем случае теория может пониматься как уче ние, как совокупность обобщающих основополагающих научных понятий, идей и методологических положений, имеющегося опыта и практики, образующих ту или иную отрасль (подотрасль) знаний, объективно отражающих законы и зако номерности ее развития. Вместе с тем теория рассматривается также как разви тая форма систематизации и организации научного знания, позволяющая цело стно воспринимать определенные явления реальности. Очевидно, что наиболее важными базовыми составляющими теории являются исходные понятия, идеи, законы, закономерности, идеализированные или абстрактные объекты. Теория, имея свою логику, позволяет обосновывать новые утверждения, исходя из ранее имеющихся.

Следует отметить, что менеджерам, осуществляющим управление, в вопро сах исследования в большинстве случаев следует руководствоваться рядом акси ом и учитывать несколько гипотез (рис.7.1).

Ни одна СУ не является совершенной, так как всегда имеет проблемы и недостатки, которые можно разрешить и ликви дировать, повышая тем самым эффективность функциониро вания системы Аксиомы и гипотезы исследования функционирующих СУ Менеджеры СУ не всегда уверены, что им требуется помощь исследователей по управлению, поскольку часто не осознают проблемы и недостатки системы, и их причины Большинство менеджеров СУ имеют побуждения разре шать проблемы, а также устранять недостатки в управлении и их причины, но нуждаются при этом в помощи консуль тантов Консультант может провести достаточно объективный ана лиз СУ в краткосрочный период только с участием персона ла исследуемой системы Исследователь-консультант должен передать навыки анализа и выявления проблем и поиска путей их разрешения менед жерам СУ, чтобы в дальнейшем они были способны само стоятельно совершенствовать управление Большинство СУ могут быть более эффективными, если управленческий персонал самостоятельно научится прово дить самооценку системы, рационально использовать силь ные стороны управления, разрешать проблемы и устранять причины их возникновения Рис. 7.1. Перечень и сущность аксиом и гипотез исследования функционирую щих систем управления Вопросы для повторения 1. Раскройте понятие "концепция исследования".

2. Перечислите виды исследований СУ.

3. В чем сущность понятия "проблема в исследовании СУ"?

4. Определите основные составляющие исследования СУ.

5. Перечислите основные принципы исследования СУ. Раскройте их содер жание.

6. Каковы основные признаки классификации методов исследования СУ?

7. Перечислите возможные методы исследования СУ.

8. Какие критерии следует использовать при выборе методов исследования СУ?

9. В чем сущность научной гипотезы?

10. Приведите последовательные операции, реализуемые при разработке на учной гипотезы.

Тест по теме 1.Концепция исследования систем управления это:

- миссия организации;

- комплекс основополагающих идей, раскрывающих сущность и взаимосвязи системы управления;

- общий замысел разрешения проблем управления, проявляющихся в изучаемой системе.

2. Гипотеза исследования систем управления это - бизнес-план организации;

- предположения развития системы управления, требующей в последую щем экспериментальной проверки;

- экономико-математическая модель развития систем управления.

3. Возникновение научной школы исследования систем управления в России связано с именем А.К. Гастева, П.М. Корженцова, О.В. Козловой, В.И. Терещенко.

8. МАТЕРИАЛЫ К ПРАКТИЧЕСКИМ ЗАНЯТИЯМ Прикладной экономический анализ Сущность, необходимость и последовательность прикладного экономи ческого анализа определяются теорией познания как методологией всех наук.

Объектом исследования в прикладном экономическом анализе является хозяйствующий субъект.

В самом общем случае под предметом прикладного экономического анализа понимаются хозяйственные процессы в хозяйствующих субъектах, со циально-экономическая эффективность и конечные финансовые результаты их деятельности. В ходе прикладного экономического анализа все хозяйственные процессы изучаются в их взаимосвязи, взаимозависимости и взаимообуслов ленности.

В каждой конкретной ситуации предмет прикладного экономического анализа будет определяться его целями. Цели прикладного экономического анализа зависят от интересов лиц, использующих результаты анализа.

Все пользователи результатов прикладного экономического анализа де лятся на внутренних и внешних:

внутренние пользователи – руководители (высшие менеджеры) хозяйст вующих субъектов (лица, принимающие решения);

внешние пользователи 1-я группа: лица, непосредственно заинтересованные в получении досто верной информации о результатах деятельности хозяйствующих субъектов (собственники и потенциальные собственники, кредиторы и потенциальные кредиторы, контрагенты (поставщики и подрядчики, покупатели и заказчики), налоговые органы, трудовые коллективы);

2-я группа: лица, действующие в интересах пользователей 1-й группы (аудиторские службы, консалтинговые компании, юристы, ученые-экономисты, средства массовой информации, торгово-промышленные ассоциации, профсою зы, органы государственного контроля – лицензирования, сертификации и др.

Этапы и процедуры прикладного экономического анализа [4]:

1. Определение проблемы и целей анализа:

определение потребности в проведении анализа;

определение проблемы;

формулирование целей анализа.

2. Разработка плана проведения анализа:

выбор методов анализа;

определение типа требуемой информации и источников ее получения;

определение методов сбора необходимых данных;

разработка или выбор форм для сбора и представления данных;

разработка выборочного плана и определение объема выборок.

3. Реализация плана проведения анализа:

сбор данных;

обработка данных;

анализ данных.

4. Интерпретация результатов анализа:

подготовка и презентация итогового отчета перед лицами, использующи ми результаты анализа.

Определение проблемы экономического анализа осуществляется в сле дующей последовательности:

выявление симптомов, свидетельствующих о существовании проблемы;

формулировка возможных причин (базовых проблем), лежащих в основе выявленных симптомов;

определение полного перечня альтернативных действий, направленных на разрешение проблем, которые может предпринять лицо, принимающее реше ние.

Из теории экономического анализа [3] известна следующая схема форми рования и анализа основных показателей хозяйственной деятельности:

Предварительный обзор обобщающих показателей Анализ организационно-техни ческого уровня, социальных, природных и внешнеэкономи ческих условий производства Анализ использования основ ных фондов и оборудования Анализ Анализ Анализ использования величины и структуры себестоимости материальных ресурсов авансированных фондов продукции Анализ использования трудовых ресурсов и заработной платы Анализ объема, структуры Анализ Анализ и качества продукции оборачиваемости прибыли и рентабельности (работ, услуг) производственных фондов продукции Анализ финансового состояния и платежеспособности организации Анализ рентабельности хозяйственной деятельности организации Обобщающая оценка эффек тивности работы и анализ фондов экономического стимулирования Рис. 8.1. Общая схема формирования и анализа основных групп показателей хозяйственной деятельности По своей сути прикладной экономический анализ – это, прежде всего, в широком смысле, факторный анализ экономической деятельности хозяйствую щих субъектов, постепенный переход от исходной факторной системы (резуль тативный показатель) к конечной факторной системе (или наоборот), раскрытие полного набора прямых, количественно измеряемых факторов, оказывающих влияние на изменение результативного показателя. Общее представление о ви дах задач экономического факторного анализа дает следующая схема [3]:

ЭКОНОМИЧЕСКИЙ ФАКТОРНЫЙ АНАЛИЗ Обратный Прямой факторный анализ факторный анализ (синтез) Детерминированный Стохастический анализ анализ Одноступенчатый Цепной анализ анализ Статический Динамический анализ анализ Пространственный Временной анализ анализ Ретроспективный Оперативный Перспективный анализ анализ анализ Рис. 8.2. Схема классификации задач экономического факторного анализа Основными статистическими задачами экономического анализа деятель ности хозяйствующих субъектов являются [3]:

изучение наличия, направления и интенсивности связи экономических по казателей;

классификация и ранжировка факторов экономических явлений;

выявление и изучение аналитической формы связи между показателями;

сглаживание (выявление тренда) динамики изменения уровня показателей;

выявление параметров закономерных периодических колебаний уровня по казателей;

классификация и ранжировка хозяйствующих субъектов и их подразделе ний;

изучение размерности (сложности, многогранности) экономических явле ний;

выявление наиболее информативных обобщающих (синтетических) пока зателей;

изучение внутренней структуры связей в системе экономических показате лей;

сравнение структуры связей в разных совокупностях.

Моделирование жизненного цикла товара Понятие жизненного цикла товара (ЖЦТ) является ключевым в кон цепции маркетинга. Изучив особенности жизненного цикла товара и составив прогноз его продажи по этапам ЖЦТ, можно на строгой научной основе управ лять его производством и продажей, выбирать маркетинговые стратегии и оце нивать их эффективность, планировать прибыль с момента поступления товара на рынок до момента прекращения его продажи.

Таблица 8.1. Математические модели этапов ЖЦТ Этапы ЖЦТ Рекомендуемые модели ~ ab x Выведение показательная функция: y товара ~ a b x b x парабола 2-го порядка:

y на рынок 1 Рост логистическая кривая: a ~ y -cx 1 bc ~ a b x b x2 b x парабола 3-го порядка:

y 1 2 ~a Зрелость константа: y ~ a b x b x2 b x парабола 3-го порядка:

y 1 2 ~a b Спад гипербола:

y x ~ a b x b x парабола 2-го порядка:

y 1 Задача моделирования жизненного цикла товара заключается в построе нии для каждого этапа ЖЦТ соответствующей трендовой модели, не только от ражающей рост, стабилизацию и падение спроса на данный товар, но и харак теризующей степень ускорения или замедления этих процессов, и в оценке с помощью построенных моделей длительности каждого этапа ЖЦТ, определе нии точки насыщения рынка и предсказании момента начала спада спроса. В каждом конкретном случае моделирование ЖЦТ должно опираться на тща тельное изучение закономерностей спроса.

Каждому этапу ЖЦТ соответствует своя математическая модель [35].

Изучение тенденций и особенностей развития товарных рынков Статистика рынка – раздел социально-экономической статистики, изу чающий состояние и развитие рынка, его масштаб, состав, основные тенденции и закономерности, зависимость рынка от комплексного воздействия на него факторов различной природы, с одной стороны, и влияния рынка на экономику и социальную жизнь – с другой стороны [35].

Предмет статистики рынка – массовые явления и процессы рыночной деятельности, имеющие количественную оценку.

Важнейшей задачей статистики рынка является изучение рыночной конъ юнктуры. В самом общем случае под рыночной конъюнктурой (конъюнкту рой рынка) понимают как конкретную экономическую ситуацию, сложившую ся на рынке на данный момент или ограниченный отрезок времени (рыночную ситуацию), так и совокупность условий, определяющих эту ситуацию.

Рыночная ситуация характеризуется:

степенью сбалансированности рынка (соотношением спроса и предложе ния);

наметившимися, сформировавшимися или изменившимися тенденциями развития рынка;

уровнем устойчивости или колеблемости основных параметров рынка;

масштабами рыночных операций и степенью деловой активности;

уровнем коммерческого риска;

силой и размахом конкурентной борьбы;

положением рынка в экономическом или сезонном цикле.

Центральным моментом оценки и анализа рыночной конъюнктуры явля ется изучение тенденций и особенностей развития рынка. Для определения век тора и скорости развития рынка строятся динамические ряды показателей – ин дикаторов рынка и деловой активности. Исчисляются базисные, цепные и сред ние за период темпы роста.

Завершается конъюнктурный анализ рынка прогнозированием спроса и предложения. Для разных видов продуктов и услуг используются разные типы моделей спроса. Спрос на продукты питания, например, аппроксимируют функ ax цией Торнквиста 1-го типа y, спрос на непродовольственные товары – xb степенной функцией y axb или экспоненциальной функцией y ab x, спрос на ax ( x b) предметы роскоши – функцией Торнквиста 3-го типа y, а зависи xc a мость спроса от дохода – логистической кривой y.

1 bc-cx Обычно на покупательский спрос влияет сразу несколько факторов, каж дый из которых обусловливает определенную эластичность спроса. Таким об разом, возникает необходимость в расчете "чистых" коэффициентов эластично сти, освобожденных от влияния других факторов. Для "очищения" коэффици ентов эластичности используют многофакторные уравнения регрессии, как пра вило, линейной формы:

n ~ y x... x a bi x i n i (здесь bi – коэффициенты регрессии, x i – факторы).

"Чистые" (теоретические) коэффициенты эластичности Эi ( i 1, n ) рас считываются по формулам:

xi Эi bi, y где y – средний уровень спроса, xi – среднее значение i-того фактора.

Классификация товарных рынков по динамике соотношения между предложением и спросом Предположим, что характер изменения предложения и спроса на некий конкретный вид товаров в анализируемый период времени [t 0, T] описывается соответственно функциями D (t) и S (t). Тогда темпы роста или снижения пред ложения и спроса будут определяться значениями производных функций D (t) и S (t) по времени t. Граничные значения этих показателей можно обозначить, например, через L (нижнее) и U (верхнее).

При этих условиях различные типы рынков будут характеризоваться сле дующими соотношениями:

1. Развивающийся рынок а) спрос выше предложения б) предложение превышает спрос d S (t) d D (t) d D (t) d S (t) S (t) D (t) ;

L D(t) S (t) ;

L U U dt dt dt dt 2. Рынок в период замедления роста а) спрос выше предложения б) предложение превышает спрос d S (t) d D (t) d D (t) d S (t) S (t) D (t) ;

0 D(t) S (t) ;

L L dt dt dt dt 3. Стабильный рынок d D (t) d S(t) D (t) S (t) const ;

dt dt 4. Рынок в период застоя а) спрос выше предложения б) предложение превышает спрос d S (t) d D (t) d D (t) d S (t) S (t) D (t) ;

D(t) S (t) ;

0 dt dt dt dt 5. Неравновесный рынок d D (t) d S (t) S (t) D (t) ;

0;

dt dt В практических расчетах вместо производных можно использовать пока затели темпов роста спроса TD и предложения TS :

D (t t) D (t) S (t t) S (t) TS 100%.

TD 100% ;

S (t) D (t) Для определения типа рынка необходимо прежде всего установить его территориальные границы. Тип рынка определяется по выбранным видам това ров на конкретные периоды времени.

Примеры распределений случайных величин Рассмотрим некоторые наиболее часто встречающиеся на практике виды распределений. В качестве иллюстрации используем результаты работы генера торов случайных чисел системы MATLAB 6.5 1.

Биномиальное распределение (закон Бернулли). Предположим, что один и тот же опыт проводится n раз, и в каждом случае с вероятностью p n может произойти некоторое событие А. Пусть A – число наступлений собы n тия А в серии из n таких опытов. С точки зрения теории вероятностей A есть случайная величина, принимающая значения из множества { 0, 1, …, n }. Веро n ятности P(n, k) P A k ( k 0, n ) вычисляются по формулам Бернулли:

n!

k k k n- k k P ( n, k ) C n p q, где C n – число сочетаний из n по k ( Cn )и k ! ( n k )!

q 1 p.

Распределение, удовлетворяющее таким условиям, называется биноми альным.

Случайная величина, распределенная по биномиальному закону, имеет следующие характеристики:

n k k n- k k Cn p M( ) np ;

q k Продукт компании "The MathWorks". Мировой стандарт среды для организации вычис лений. Поддерживает математические расчеты, визуализацию научной графики и програм n k k n- k ( k np) D( ) npq.

Cn p q k Биномиальное распределение возникает, например, при бросании монет в игре "орел – решка":

D( ) 1 n.

M( ) n ;

2 С помощью генератора случайных чисел "Binomial" системы MATLAB можно получить последовательность псевдослучайных чисел, распределенных следующим образом (рис. 8.3):



Pages:     | 1 | 2 || 4 |
 





 
© 2013 www.libed.ru - «Бесплатная библиотека научно-практических конференций»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.