Üç ana olasılığa göre - tam kesinlik, risk ve belirsizlik koşulları altında karar verme - karar verme yöntemleri ve algoritmaları üç ana türe ayrılabilir: analitik, istatistiksel ve bulanık formalizasyona dayalı. Her özel durumda, karar verme yöntemi göreve, mevcut ilk verilere, mevcut problem modellerine, karar verme ortamına, karar verme sürecine, gerekli çözüm doğruluğuna ve analistin kişisel tercihlerine göre seçilir.

Bazı bilgi sistemlerinde algoritma seçim süreci otomatikleştirilebilir:

Karşılık gelen otomatik sistem, çeşitli farklı algoritma türlerini (algoritma kitaplığı) kullanma yeteneğine sahiptir;

Sistem etkileşimli olarak kullanıcıdan incelenen sorunun ana özellikleri hakkında bir dizi soruyu yanıtlamasını ister;

Kullanıcı cevaplarının sonuçlarına göre sistem, kütüphaneden en uygun (belirtilen kriterlere göre) algoritmayı sunar.

2.3.1 Olasılıksal-istatistiksel karar verme yöntemleri

Olasılıksal-istatistiksel karar verme yöntemleri (MPD), alınan kararların etkinliği, olasılık dağılım yasaları ve diğer istatistiksel özellikleri bilinen rastgele değişkenler olan faktörlere bağlı olduğunda kullanılır. Ayrıca, her karar birçok olası sonuçtan birine yol açabilir ve her sonucun hesaplanabilen belirli bir gerçekleşme olasılığı vardır. Problem durumunu karakterize eden göstergeler de olasılıksal özellikler yardımıyla tanımlanır.Böyle bir DPR ile, karar verici her zaman rehberlik ettiği yanlış sonucu alma riskini taşır, ortalama istatistiksel özelliklerine dayalı olarak en uygun çözümü seçer. rastgele faktörler, yani karar risk koşulları altında verilir.

Pratikte, örnek verilerinden elde edilen sonuçlar tüm popülasyona (örneğin, bir örnekten tüm ürün serisine) aktarıldığında, olasılıksal ve istatistiksel yöntemler sıklıkla kullanılır. Ancak bu durumda, her özel durumda, öncelikle yeterince güvenilir olasılıksal ve istatistiksel veriler elde etmenin temel olasılığı değerlendirilmelidir.

Karar vermede olasılık teorisi ve matematiksel istatistiklerin fikir ve sonuçlarını kullanırken, temel, nesnel ilişkilerin olasılık teorisi açısından ifade edildiği matematiksel bir modeldir. Olasılıklar, öncelikle karar verirken dikkate alınması gereken rastgeleliği tanımlamak için kullanılır. Bu, hem istenmeyen fırsatları (riskler) hem de çekici olanları ("şanslı şans") ifade eder.

Olasılıksal-istatistiksel karar verme yöntemlerinin özü, örnek özelliklerini kullanarak hipotezlerin tahminine ve test edilmesine dayalı olasılıklı modellerin kullanılmasıdır..

Teorik modellere dayalı karar verme için örnek özellikleri kullanma mantığının altını çiziyoruz. iki paralel kavram dizisinin eşzamanlı kullanımını içerir.– teoriyle ilgili (olasılıklı model) ve uygulamayla ilgili (gözlemsel sonuçların örneği).Örneğin teorik olasılık, örnekten bulunan frekansa karşılık gelir. Matematiksel beklenti (teorik seri), örnek aritmetik ortalamaya (pratik seri) karşılık gelir. Kural olarak, örnek özellikler teorik özelliklerin tahminleridir.

Bu yöntemleri kullanmanın avantajları, olayların gelişimi ve olasılıkları için çeşitli senaryoları dikkate alma yeteneğini içerir. Bu yöntemlerin dezavantajı, hesaplamalarda kullanılan senaryo olasılıklarının pratikte elde edilmesinin genellikle çok zor olmasıdır.

Belirli bir olasılıksal-istatistiksel karar verme yönteminin uygulanması üç aşamadan oluşur:

Ekonomik, yönetsel, teknolojik gerçeklikten soyut bir matematiksel ve istatistiksel şemaya geçiş, yani. özellikle istatistiksel kontrol sonuçlarına dayanan bir kontrol sistemi, teknolojik süreç, karar verme prosedürü vb. için olasılıklı bir model oluşturmak.

Olasılıksal bir model çerçevesinde tamamen matematiksel yollarla hesaplamalar yapmak ve sonuçlar elde etmek;

Gerçek bir durumla ilgili olarak matematiksel ve istatistiksel sonuçların yorumlanması ve özellikle uygun bir karar verilmesi (örneğin, ürün kalitesinin belirlenmiş gerekliliklere uygunluğu veya uygunsuzluğu, teknolojik süreci ayarlama ihtiyacı vb.), özellikle, sonuçlar (bir partideki kusurlu ürün birimlerinin oranı, teknolojik sürecin kontrollü parametrelerinin dağıtım yasalarının belirli bir şekli vb.).

Gerçek bir olgunun olasılıksal modeli, incelenen miktarlar ve bunlar arasındaki ilişkiler olasılık teorisi cinsinden ifade edilirse oluşturulmuş olarak kabul edilmelidir. Olasılık modelinin yeterliliği, özellikle hipotezleri test etmek için istatistiksel yöntemler kullanılarak doğrulanır.

Matematiksel istatistikler, çözülmesi gereken problemlerin türüne göre genellikle üç bölüme ayrılır: veri tanımı, tahmin ve hipotez testi. İşlenen istatistiksel verilerin türüne göre, matematiksel istatistikler dört alana ayrılır:

Bir gözlemin sonucunun gerçek bir sayı ile tanımlandığı tek boyutlu istatistikler (rastgele değişkenlerin istatistikleri);

Bir nesnenin gözlem sonucunun birkaç sayı (vektör) ile tanımlandığı çok değişkenli istatistiksel analiz;

Gözlem sonucunun bir fonksiyon olduğu rastgele süreçlerin ve zaman serilerinin istatistikleri;

Bir gözlemin sonucunun sayısal olmayan bir yapıya sahip olduğu, örneğin bir küme (geometrik bir şekil), bir sıralama veya bir ölçüm sonucu elde edilen sayısal olmayan nitelikteki nesnelerin istatistikleri. niteliksel bir nitelik.

Olasılıksal-istatistiksel modellerin kullanılmasının tavsiye edildiği durumlara bir örnek.

Herhangi bir ürünün kalitesi kontrol edilirken, üretilen ürün partisinin belirlenmiş gereksinimleri karşılayıp karşılamadığına karar vermek için ondan bir numune alınır. Numune kontrolünün sonuçlarına dayanarak, tüm parti hakkında bir sonuca varılır. Bu durumda numunenin oluşumunda öznellikten kaçınmak çok önemlidir, yani kontrollü partideki her bir ürün biriminin numunede aynı seçilme olasılığına sahip olması gerekir. Böyle bir durumda partiye dayalı seçim yeterince objektif değildir. Bu nedenle, üretim koşulları altında, numunedeki üretim birimlerinin seçimi genellikle parti ile değil, özel rasgele sayı tabloları veya bilgisayar rasgele sayı üreteçleri yardımıyla gerçekleştirilir.

Matematiksel istatistik yöntemlerine dayanan teknolojik süreçlerin istatistiksel olarak düzenlenmesinde, teknolojik süreçlerdeki düzensizliğin zamanında tespit edilmesini ve bunları düzeltmek ve ürünlerin serbest bırakılmasını önlemek için önlemler almayı amaçlayan süreçlerin istatistiksel kontrolü için kurallar ve planlar geliştirilir. belirlenmiş gereksinimleri karşılamıyor. Bu önlemler, üretim maliyetlerini ve düşük kaliteli ürünlerin tedarikinden kaynaklanan kayıpları azaltmayı amaçlamaktadır. İstatistiksel kabul kontrolü ile, matematiksel istatistik yöntemlerine dayalı olarak, ürün partilerinden numuneler analiz edilerek kalite kontrol planları geliştirilir. Zorluk, yukarıda sorulan soruları yanıtlamanın mümkün olduğu temelinde, olasılıksal-istatistiksel karar verme modellerini doğru bir şekilde oluşturabilmekte yatmaktadır. Matematiksel istatistikte, bu amaçla hipotezleri test etmek için olasılıksal modeller ve yöntemler geliştirilmiştir3.

Ek olarak, bir dizi yönetimsel, endüstriyel, ekonomik, ulusal ekonomik durumda, farklı türde sorunlar ortaya çıkar - olasılık dağılımlarının özelliklerini ve parametrelerini tahmin etme sorunları.

Veya teknolojik süreçlerin doğruluğunun ve kararlılığının istatistiksel bir analizinde, kontrol edilen parametrenin ortalama değeri ve söz konusu süreçte yayılma derecesi gibi kalite göstergelerini değerlendirmek gerekir. Olasılık teorisine göre, matematiksel beklentisini rastgele bir değişkenin ortalama değeri olarak ve yayılımın istatistiksel bir özelliği olarak varyans, standart sapma veya varyasyon katsayısının kullanılması tavsiye edilir. Bu şu soruyu gündeme getiriyor: Bu istatistiksel özellikler örnek verilerden nasıl tahmin edilir ve bu hangi doğrulukla yapılabilir? Literatürde buna benzer pek çok örnek vardır. Hepsi, istatistiksel ürün kalite yönetimi alanında kararlar alınırken, üretim yönetiminde olasılık teorisi ve matematiksel istatistiklerin nasıl kullanılabileceğini göstermektedir.

Spesifik uygulama alanlarında, hem olasılıksal-istatistiksel geniş uygulama yöntemleri hem de spesifik yöntemler kullanılmaktadır. Örneğin, ürün kalite yönetiminin istatistiksel yöntemlerine ayrılmış üretim yönetimi bölümünde, uygulamalı matematiksel istatistikler (deneylerin tasarımı dahil) kullanılır. Yöntemlerinin yardımıyla, teknolojik süreçlerin doğruluğu ve kararlılığının istatistiksel bir analizi ve kalitenin istatistiksel bir değerlendirmesi gerçekleştirilir. Spesifik yöntemler, ürün kalitesinin istatistiksel kabul kontrolünü, teknolojik süreçlerin istatistiksel düzenlemesini, güvenilirliğin değerlendirilmesini ve kontrolünü vb. içerir.

Üretim yönetiminde, özellikle ürün kalitesini optimize ederken ve standart gerekliliklere uyumu sağlarken, uygulanması özellikle önemlidir. istatistiksel yöntemler ilk aşamada yaşam döngüsüürünler, yani deneysel tasarım geliştirmelerinin araştırma hazırlığı aşamasında (ürünler için umut verici gereksinimlerin geliştirilmesi, ön tasarım, deneysel tasarım geliştirme için referans şartları). Bunun nedeni, ürün yaşam döngüsünün ilk aşamasında mevcut olan sınırlı bilgi ve gelecek için teknik olasılıkları ve ekonomik durumu tahmin etme ihtiyacıdır.

En yaygın olasılıksal-istatistiksel yöntemler, regresyon analizi, faktör analizi, varyans analizi, risk değerlendirmesi için istatistiksel yöntemler, senaryo yöntemi vb. Sayısal olmayan nitelikteki istatistiksel verilerin analizine ayrılmış istatistiksel yöntemler alanı giderek daha fazla önem kazanmaktadır. nitel ve heterojen özellikler üzerinde ölçüm sonuçları. Sayısal olmayan nitelikteki nesnelerin istatistiklerinin ana uygulamalarından biri, istatistiksel kararlar teorisi ve oylama sorunları ile ilgili uzman değerlendirmelerinin teorisi ve pratiğidir.

Bir kişinin istatistiksel kararlar teorisi yöntemlerini kullanarak problem çözmedeki rolü, problemi formüle etmektir, yani, gerçek problemi ilgili modele getirmek, istatistiksel verilere dayalı olayların olasılıklarını belirlemek ve ayrıca Ortaya çıkan optimal çözümü onaylayın.

AT bilimsel bilgi farklı biliş aşamalarında ve düzeylerinde kullanılan karmaşık, dinamik, bütüncül, bağımlı bir çeşitli yöntemler sistemi vardır. Bu nedenle, bilimsel araştırma sürecinde, hem ampirik hem de teorik düzeyde çeşitli genel bilimsel yöntemler ve biliş araçları kullanılır. Buna karşılık, daha önce belirtildiği gibi, genel bilimsel yöntemler, ampirik, genel mantıksal ve teorik yöntemler ve gerçeği bilmenin araçları.

1. Bilimsel araştırmanın genel mantıksal yöntemleri

Genel mantıksal yöntemler, bazıları deneysel düzeyde de uygulanabilse de, öncelikle bilimsel araştırmanın teorik düzeyinde kullanılır. Bu yöntemler nelerdir ve özü nedir?

Bilimsel araştırmalarda yaygın olarak kullanılan bunlardan biri, analiz metodu (Yunancadan. analiz - ayrıştırma, parçalama) - yapısını, bireysel özelliklerini, özelliklerini, iç bağlantılarını, ilişkilerini incelemek için incelenen nesnenin zihinsel bir bölümü olan bir bilimsel bilgi yöntemi.

Analiz, araştırmacının, incelenen olgunun özüne, onu oluşturan unsurlara ayırarak nüfuz etmesini ve ana, esas olanı belirlemesini sağlar. Mantıksal bir işlem olarak analiz, herhangi bir bilimsel araştırmanın ayrılmaz bir parçasıdır ve genellikle araştırmacı, incelenen nesnenin bölünmemiş bir tanımından yapısını, bileşimini, özelliklerini ve ilişkilerini ortaya çıkarmaya geçtiğinde ilk aşamasını oluşturur. Analiz duyusal biliş düzeyinde zaten mevcuttur, duyum ve algı sürecine dahil edilmiştir. Teorik biliş düzeyinde, en yüksek analiz biçimi çalışmaya başlar - emek sürecinde nesnelerin maddi ve pratik olarak parçalanması becerileri ile birlikte ortaya çıkan zihinsel veya soyut-mantıksal analiz. Yavaş yavaş insan, zihinsel analizde maddi-pratik analizi öngörme yeteneğinde ustalaştı.

Gerekli bir biliş yöntemi olan analizin, bilimsel araştırma sürecinin anlarından sadece biri olduğu vurgulanmalıdır. Bir nesnenin özünü, yalnızca onu oluşturan öğelere bölerek bilmek olanaksızdır. Örneğin, Hegel'e göre bir kimyager, imbiğine bir et parçası koyar, onu çeşitli işlemlere tabi tutar ve ardından şunu beyan eder: Etin oksijen, karbon, hidrojen vb. daha uzun etin özü.

Her bilgi alanında, nesnenin kendi bölünme sınırı vardır ve bunun ötesinde, özelliklerin ve kalıpların farklı doğasına geçeriz. Detaylar analizle incelendiğinde, bilginin bir sonraki aşaması başlar - sentez.

sentez (Yunanca sentezinden - bağlantı, kombinasyon, kompozisyon), incelenen nesnenin kurucu parçalarının, öğelerinin, özelliklerinin, ilişkilerinin zihinsel bir bağlantısı olan, analiz sonucunda parçalanan ve çalışmanın bir sonucu olan bilimsel bir bilgi yöntemidir. bir bütün olarak bu nesnenin

Sentez, parçaların, bütünün unsurlarının keyfi, eklektik bir bileşimi değil, özün çıkarılmasıyla diyalektik bir bütündür. Sentezin sonucu, özellikleri yalnızca bu bileşenlerin dış bağlantısı değil, aynı zamanda iç bağlantılarının ve karşılıklı bağımlılıklarının sonucu olan tamamen yeni bir oluşumdur.

Analiz, esas olarak parçaları birbirinden ayıran belirli şeyi düzeltir. Sentez ise parçaları tek bir bütün halinde birleştiren temel ortak şeyi ortaya çıkarır.

Araştırmacı, önce bu parçaların kendilerini keşfetmek, bütünün nelerden oluştuğunu bulmak ve daha sonra zaten ayrı ayrı incelenen bu parçalardan oluştuğunu düşünmek için nesneyi zihinsel olarak bileşenlerine ayırır. Analiz ve sentez diyalektik bir birlik içindedir: düşüncemiz sentetik olduğu kadar analitiktir.

Analiz ve sentez, pratik faaliyetlerden kaynaklanır. Pratik aktivitesinde çeşitli nesneleri sürekli olarak bileşenlerine ayıran bir kişi, yavaş yavaş nesneleri zihinsel olarak da ayırmayı öğrendi. Pratik etkinlik, yalnızca nesnelerin parçalanmasından değil, aynı zamanda parçaların tek bir bütün halinde yeniden birleştirilmesinden de oluşuyordu. Bu temelde, zihinsel analiz ve sentez yavaş yavaş ortaya çıktı.

Nesnenin çalışmasının doğasına ve özüne nüfuz etme derinliğine bağlı olarak, çeşitli analiz ve sentez türleri kullanılır.

1. Doğrudan veya ampirik analiz ve sentez - kural olarak, nesneyle yüzeysel tanışma aşamasında kullanılır. Bu tür bir analiz ve sentez, incelenen nesnenin fenomenlerini kavramayı mümkün kılar.

2. Temel teorik analiz ve sentez - incelenen olgunun özünü anlamak için güçlü bir araç olarak yaygın olarak kullanılır. Böyle bir analiz ve sentezin uygulanmasının sonucu, sebep-sonuç ilişkilerinin kurulması, çeşitli kalıpların belirlenmesidir.

3. Yapısal-genetik analiz ve sentez - incelenen nesnenin özünü en derinden araştırmanıza izin verir. Bu tür bir analiz ve sentez, en önemli, esas olan ve incelenen nesnenin diğer tüm yönleri üzerinde belirleyici bir etkiye sahip olan karmaşık bir fenomende bu tür unsurların izole edilmesini gerektirir.

Bilimsel araştırma sürecinde analiz ve sentez yöntemleri, soyutlama yöntemiyle ayrılmaz bir şekilde bağlantılıdır.

soyutlama (Lat. abstractio'dan - dikkat dağıtma), temel olmayan özelliklerden, bağlantılardan, incelenen nesnelerin ilişkilerinden, araştırmacının ilgisini çeken temel yönlerinin eşzamanlı zihinsel seçimiyle zihinsel bir soyutlama olan bilimsel bilginin genel bir mantıksal yöntemidir, özellikleri, bu nesnelerin bağlantıları. Özü, bir şeyin, özelliğin veya ilişkinin zihinsel olarak seçilmesinde ve aynı anda diğer şeylerden, özelliklerden, ilişkilerden soyutlanması ve sanki "saf bir form" olarak kabul edilmesinde yatmaktadır.

İnsan zihinsel aktivitesinde soyutlama evrensel bir karaktere sahiptir, çünkü düşüncenin her adımı bu süreçle veya sonuçlarının kullanımıyla ilişkilidir. Öz Bu method temel olmayan, ikincil özelliklerden, bağlantılardan, nesnelerin ilişkilerinden zihinsel olarak soyutlamanıza ve aynı zamanda araştırmaya ilgi duyan bu nesnelerin taraflarını, özelliklerini, bağlantılarını zihinsel olarak vurgulamanıza, düzeltmenize izin vermesi gerçeğinden oluşur.

Soyutlama süreci ile soyutlama adı verilen bu sürecin sonucu arasında ayrım yapın. Genellikle, soyutlamanın sonucu, incelenen nesnelerin bazı yönleri hakkında bilgi olarak anlaşılır. Soyutlama süreci, böyle bir sonuca (soyutlama) yol açan bir dizi mantıksal işlemdir. Soyutlama örnekleri, bir kişinin yalnızca bilimde değil, günlük yaşamda da kullandığı sayısız kavramdır.

Nesnel gerçeklikte neyin soyut düşünme çalışmasıyla ve hangi düşüncenin dikkati dağıldığından ayırt edildiği sorusu, her bir özel durumda, incelenen nesnenin doğasına ve çalışmanın görevlerine bağlı olarak kararlaştırılır. Tarihsel gelişimi sırasında bilim, bir soyutlama düzeyinden diğerine, daha yüksek olana yükselir. Bilimin bu yöndeki gelişimi, W. Heisenberg'in sözleriyle, "soyut yapıların konuşlandırılmasıdır". Soyutlama alanına kesin adım, insanlar saymayı (sayı) öğrendiğinde atıldı, böylece matematik ve matematik bilimine giden yol açıldı. Bu konuda W. Heisenberg şunları söylüyor: "Başlangıçta somut deneyimden soyutlanarak elde edilen kavramlar, kendilerine özgü bir yaşam sürerler. İlk başta beklendiğinden daha anlamlı ve üretken hale gelirler. Daha sonraki gelişmelerde, ortaya çıkarlar. kendi yapıcı olasılıkları: yeni formların ve kavramların inşasına katkıda bulunurlar, aralarında bağlantı kurmayı mümkün kılarlar ve fenomenler dünyasını anlama girişimlerimizde belirli sınırlar içinde uygulanabilirler.

Kısa bir analiz, soyutlamanın en temel bilişsel mantıksal işlemlerden biri olduğunu göstermektedir. Bu nedenle bilimsel araştırmaların en önemli yöntemidir. Genelleme yöntemi, soyutlama yöntemiyle yakından ilişkilidir.

genelleme - bireyselden genele, daha az genelden daha genele zihinsel geçişin mantıksal süreci ve sonucu.

Bilimsel genelleme sadece benzer özelliklerin zihinsel bir seçimi ve sentezi değil, aynı zamanda bir şeyin özüne nüfuz etmektir: farklı olanın içindeki tek, tekildeki genel, rastgele olandaki düzenli olanın algılanması ve aynı zamanda bir şeyin birleştirilmesidir. benzer özelliklere veya ilişkilere göre nesneleri homojen gruplara, sınıflara ayırır.

Genelleme sürecinde tekil kavramlardan genel kavramlara, daha az kavramdan genel kavramlara geçiş yapılır. Genel konseptler- daha genel yargılara, bireysel yargılardan - genel yargılara, daha az genel yargılardan - daha genel yargılara. Böyle bir genellemenin örnekleri şunlar olabilir: "maddenin hareketin mekanik biçimi" kavramından "maddenin hareket biçimi" ve genel olarak "hareket" kavramına zihinsel bir geçiş; "ladin" kavramından "iğne yapraklı bitki" ve genel olarak "bitki" kavramına; "bu metal elektriksel olarak iletkendir" yargısından "tüm metaller elektriksel olarak iletkendir" yargısına kadar.

Bilimsel araştırmalarda, aşağıdaki genelleme türleri en sık kullanılır: tümevarım, araştırmacı bireysel (tek) gerçeklerden, olaylardan düşüncelerdeki genel ifadelerine gittiğinde; mantıklı, araştırmacı daha az genel bir düşünceden diğerine, daha genel bir düşünceye gittiğinde. Genellemenin sınırı, genel bir kavrama sahip olmadıkları için genelleştirilemeyen felsefi kategorilerdir.

Daha genel bir düşünceden daha az genel bir düşünceye mantıksal geçiş bir sınırlama sürecidir. Başka bir deyişle, mantıksal bir işlemdir, genellemenin tersidir.

Bir kişinin soyutlama ve genelleme yeteneğinin, sosyal pratik ve insanlar arasındaki karşılıklı iletişim temelinde oluşturulduğu ve geliştirildiği vurgulanmalıdır. Onun büyük önem hem insanların bilişsel aktivitesinde hem de toplumun maddi ve manevi kültürünün genel ilerlemesinde.

indüksiyon (Latince inductio - rehberlikten) - genel sonucun, bu sınıfın bireysel unsurlarının incelenmesi sonucunda elde edilen tüm nesne sınıfı hakkında bilgi olduğu bir bilimsel bilgi yöntemi. Tümevarımda, araştırmacının düşüncesi tikelden, tekilden tikelden genele ve evrensele doğru gider. Mantıksal bir araştırma yöntemi olarak tümevarım, gözlem ve deney sonuçlarının genelleştirilmesi, düşüncenin bireyden genele hareketi ile ilişkilidir. Deneyim her zaman sonsuz ve eksik olduğundan, tümevarımsal sonuçlar her zaman sorunlu (olasılıklı) bir karaktere sahiptir. Tümevarımsal genellemeler genellikle ampirik gerçekler veya ampirik yasalar olarak görülür. Tümevarımın dolaysız temeli, gerçeklik fenomenlerinin ve onların işaretlerinin tekrarıdır. keşfetmek benzerlikler belirli bir sınıfın birçok nesnesi, bu özelliklerin bu sınıfın tüm nesnelerinde doğal olduğu sonucuna varırız.

Sonucun doğası gereği, aşağıdaki ana endüktif akıl yürütme grupları ayırt edilir:

1. Tam tümevarım - bir nesne sınıfı hakkında genel bir sonucun, bu sınıfın tüm nesnelerinin incelenmesi temelinde yapıldığı bir sonuç. Tam tümevarım güvenilir sonuçlar üretir, bu nedenle bilimsel araştırmalarda kanıt olarak yaygın olarak kullanılır.

2. Eksik tümevarım - belirli bir sınıfın tüm nesnelerini kapsamayan binalardan genel bir sonucun elde edildiği bir sonuç. İki tür tamamlanmamış tümevarım vardır: popüler veya basit bir numaralandırma yoluyla tümevarım. Bu, bir nesne sınıfı hakkında genel bir sonucun, gözlemlenen gerçekler arasında genellemeyle çelişen tek bir gerçek olmamasına dayanarak yapıldığı bir sonuçtur; bilimsel, yani, sınıfın tüm nesneleri hakkında genel bir sonucun gerekli özelliklerin bilgisi temelinde yapıldığı bir sonuç veya nedensel ilişkiler Bu sınıftaki bazı öğeler. Bilimsel tümevarım, yalnızca olasılıksal değil, aynı zamanda güvenilir sonuçlar da verebilir. Bilimsel tümevarım kendi biliş yöntemlerine sahiptir. Gerçek şu ki, fenomenler arasında nedensel bir ilişki kurmak çok zordur. Bununla birlikte, bazı durumlarda, bu ilişki, bir neden-sonuç ilişkisi kurma yöntemleri veya bilimsel tümevarım yöntemleri olarak adlandırılan mantıksal teknikler kullanılarak kurulabilir. Bu tür beş yöntem vardır:

1. Tek benzerlik yöntemi: İncelenen fenomenin iki veya daha fazla vakasının yalnızca bir ortak koşulu varsa ve diğer tüm koşullar farklıysa, bu fenomenin nedeni sadece bu benzer durumdur:

Bu nedenle -+ A, a'nın nedenidir.

Başka bir deyişle, ABC öncül koşullar abc fenomenine ve ADE koşulları ade fenomenine neden oluyorsa, o zaman A'nın a'nın nedeni olduğu (veya A ve a fenomeninin nedensel olarak ilişkili olduğu) sonucuna varılır.

2. Tek fark yöntemi: olgunun meydana geldiği veya olmadığı durumlar yalnızca bir tanesinde farklılık gösteriyorsa: - önceki durum ve diğer tüm koşullar aynıysa, o zaman bu tek durum bu olgunun nedenidir:

Başka bir deyişle, ABC öncel koşulları abs olgusuna neden oluyorsa ve BC koşulları (deney sırasında A olgusu elenir) güneş olgusuna neden oluyorsa, o zaman A'nın a'nın nedeni olduğu sonucuna varılır. Bu sonucun temeli, A ortadan kaldırıldığında a'nın ortadan kaybolmasıdır.

3. Birleştirilmiş benzerlik ve farklılık yöntemi, ilk iki yöntemin birleşimidir.

4. Eşzamanlı değişiklikler yöntemi: Bir fenomenin her seferinde meydana gelmesi veya değişmesi, başka bir fenomende mutlaka belirli bir değişikliğe neden oluyorsa, bu fenomenlerin her ikisi de birbiriyle nedensel bir ilişki içindedir:

A'yı değiştir A'yı değiştir

Değişmeyen B, C

Bu nedenle A, a'nın nedenidir.

Başka bir deyişle, önceki fenomen A'daki bir değişiklik aynı zamanda gözlemlenen a fenomenini de değiştiriyorsa ve geriye kalan öncül fenomen değişmeden kalıyorsa, o zaman A'nın a'nın nedeni olduğu sonucuna varabiliriz.

5. Kalıntılar yöntemi: İncelenen olgunun nedeninin, biri hariç, bunun için gerekli koşullar olmadığı biliniyorsa, bu durum muhtemelen bu olgunun nedenidir. Fransız gökbilimci Neverier, artıklar yöntemini kullanarak, yakında Alman gökbilimci Halle tarafından keşfedilen Neptün gezegeninin varlığını öngördü.

Nedensel ilişkiler kurmak için düşünülen bilimsel tümevarım yöntemleri çoğunlukla izolasyonda değil, birbirini tamamlayarak ara bağlantıda kullanılır. Değerleri, esas olarak, bu veya bu yöntemin verdiği sonucun olasılık derecesine bağlıdır. En güçlü yöntemin farklılık yöntemi, en zayıf yöntemin ise benzerlik yöntemi olduğuna inanılmaktadır. Diğer üç yöntem orta düzeydedir. Yöntemlerin değerindeki bu farklılık, temel olarak benzerlik yönteminin esas olarak gözlemle, farklılık yönteminin ise deneyle ilişkilendirilmesine dayanmaktadır.

Tümevarım yönteminin kısa bir açıklaması bile, onun değerini ve önemini belirlemeyi mümkün kılar. Bu yöntemin önemi öncelikle gerçeklerle, deneylerle ve uygulamayla olan yakın ilişkisinde yatmaktadır. Bu bağlamda F. Bacon şöyle yazmıştır: “Eğer şeylerin doğasına nüfuz etmek istiyorsak, o zaman her yerde tümevarıma yöneliriz ve neredeyse pratikle birleşiriz.

Modern mantıkta tümevarım, bir olasılıksal çıkarım teorisi olarak görülür. Bu yöntemin mantıksal problemlerini daha net bir şekilde anlamanın yanı sıra sezgisel değerini belirlemeye yardımcı olacak olasılık teorisi fikirlerine dayanan tümevarım yöntemini resmileştirmeye çalışılmaktadır.

kesinti (Latince deductio - çıkarımdan) - bir sınıf öğesi hakkındaki bilginin, tüm sınıfın genel özelliklerinin bilgisinden türetildiği bir düşünce süreci. Başka bir deyişle, araştırmacının tümdengelimdeki düşüncesi genelden özele (tekil) doğru gider. Örneğin: "Tüm gezegenler Güneş Sistemi"Güneşin etrafında hareket et"; "Dünya-gezegen"; bu nedenle: "Dünya Güneş'in etrafında hareket eder". Bu örnekte, düşünce genelden (ilk öncül) özele (sonuç) hareket eder. Böylece, tümdengelimli akıl yürütme size izin verir. bireyi daha iyi tanımak için, çünkü onun yardımıyla, belirli bir nesnenin tüm sınıfın doğasında olan bir özelliğe sahip olduğuna dair yeni bilgiler (çıkarımsal) elde ederiz.

Tümdengelimin nesnel temeli, her nesnenin genel ve bireysel birliğini birleştirmesidir. Bu bağlantı ayrılmaz, diyalektiktir, bu da bireyi genelin bilgisi temelinde tanımayı mümkün kılar. Ayrıca, tümdengelimli akıl yürütmenin öncülleri doğruysa ve birbiriyle doğru bir şekilde bağlantılıysa, sonuç - sonuç kesinlikle doğru olacaktır. Tümdengelimin bu özelliği, diğer biliş yöntemleriyle olumlu bir şekilde karşılaştırılır. Gerçek şu ki, genel ilkeler ve yasalar, araştırmacının tümdengelimli biliş sürecinde yoldan çıkmasına izin vermiyor, bireysel gerçeklik fenomenlerini doğru bir şekilde anlamaya yardımcı oluyorlar. Ancak bu temelde tümdengelim yönteminin bilimsel önemini abartmak yanlış olur. Gerçekten de, uslamlamanın biçimsel gücünün kendine gelmesi için, ilk bilgilere, tümdengelim sürecinde kullanılan genel öncüllere ihtiyaç vardır ve bunları bilimde elde etmek çok karmaşık bir iştir.

Tümdengelimin önemli bilişsel önemi, genel öncül yalnızca tümevarımsal bir genelleme değil, aynı zamanda bir tür varsayımsal varsayım, örneğin yeni bir varsayım olduğunda ortaya çıkar. bilimsel fikir. Bu durumda tümdengelim, yeni bir teorik sistemin doğuşu için başlangıç ​​noktasıdır. Bu şekilde oluşturulan teorik bilgi, yeni tümevarımsal genellemelerin inşasını önceden belirler.

Bütün bunlar, bilimsel araştırmalarda tümdengelimin rolünde istikrarlı bir artış için gerçek önkoşullar yaratır. Bilim, duyusal algıya erişilemeyen nesnelerle (örneğin, mikrokozmos, Evren, insanlığın geçmişi vb.) Giderek daha fazla karşı karşıya kalmaktadır. Bu tür nesneleri tanırken, gözlem ve deneyin gücünden çok düşüncenin gücüne dönmek gerekir. Tümdengelim, teorik konumların, örneğin matematikte, gerçek sistemler yerine formal sistemleri tanımlamak için formüle edildiği tüm bilgi alanlarında vazgeçilmezdir. Modern bilimde formalizasyon giderek daha yaygın olarak kullanıldığından, bilimsel bilgide tümdengelimin rolü buna bağlı olarak artmaktadır.

Bununla birlikte, bilimsel araştırmada tümdengelimin rolü mutlak olamaz ve hatta daha da fazlası - tümevarım ve diğer bilimsel bilgi yöntemlerine karşı olamaz. Hem metafizik hem de rasyonalist doğanın aşırılıkları kabul edilemez. Aksine, tümdengelim ve tümevarım yakından ilişkilidir ve birbirini tamamlar. Tümevarımsal araştırma, genel teorilerin, yasaların, ilkelerin kullanılmasını içerir, yani tümdengelim anını içerir ve tümevarımla elde edilen genel hükümler olmadan tümdengelim imkansızdır. Başka bir deyişle, tümevarım ve tümdengelim, analiz ve sentez kadar zorunlu olarak bağlantılıdır. Her birini kendi yerine uygulamaya çalışmalıyız ve bu ancak onların birbirleriyle olan bağlarını, birbirlerini karşılıklı olarak tamamlamalarını gözden kaçırmadığımız takdirde başarılabilir. L. de Broglie, "Büyük keşifler," diyor, "bilimsel düşüncede ileriye doğru atılımlar, tümevarım yoluyla yaratılır, bu riskli ama gerçekten yaratıcı bir yöntemdir... Elbette, tümdengelimli akıl yürütmenin titizliğinin hiçbir değeri olmadığı sonucuna varmamak gerekir. gerçek, yalnızca hayal gücünün hataya düşmesini engeller, yalnızca tümevarım yoluyla yeni başlangıç ​​noktalarının kurulmasından sonra, sonuçları çıkarmasına ve sonuçları gerçeklerle karşılaştırmasına izin verir. aşırı oynanan bir fanteziye karşı panzehir ". Böyle bir diyalektik yaklaşımla, yukarıdaki ve diğer bilimsel bilgi yöntemlerinin her biri, tüm değerlerini tam olarak gösterebilecektir.

Analoji. Nesnelerin özelliklerini, işaretlerini, bağlantılarını ve gerçek gerçekliğin fenomenlerini inceleyerek, onları bir kerede, bütünlükleri içinde, bütünlükleri içinde bilemeyiz, ama onları adım adım daha fazla özelliği ortaya çıkararak yavaş yavaş inceleriz. Bir nesnenin bazı özelliklerini inceledikten sonra, bunların zaten iyi çalışılmış başka bir nesnenin özellikleriyle örtüştüğünü görebiliriz. Böyle bir benzerlik kurduktan ve birçok eşleşen özellik bulduktan sonra, bu nesnelerin diğer özelliklerinin de çakıştığı varsayılabilir. Bu tür bir akıl yürütmenin seyri, analojinin temelini oluşturur.

Analoji, belirli bir sınıftaki nesnelerin bazı özelliklerdeki benzerliğinden, diğer özelliklerdeki benzerlikleri hakkında bir sonuca varılan böyle bir bilimsel araştırma yöntemidir. Analojinin özü aşağıdaki formül kullanılarak ifade edilebilir:

A aecd belirtileri var

B'de ABC işaretleri var

Bu nedenle, B'nin d özelliğine sahip olduğu görülmektedir.

Başka bir deyişle, analojide, araştırmacının düşüncesi bilinen bir genelliğin bilgisinden aynı genelliğin bilgisine veya başka bir deyişle özelden özele doğru ilerler.

Belirli nesnelerle ilgili olarak, analojiyle çıkarılan sonuçlar, kural olarak, yalnızca doğada makuldür: bunlar bilimsel hipotezlerin, tümevarımsal akıl yürütmenin kaynaklarından biridir ve önemli bir rol oynarlar. bilimsel keşifler. Örneğin, Güneş'in kimyasal bileşimi, birçok yönden Dünya'nın kimyasal bileşimine benzer. Dolayısıyla henüz Dünya'da bilinmeyen helyum elementi Güneş'te keşfedildiğinde, benzetme yoluyla benzer bir elementin Dünya'da da olması gerektiği sonucuna varıldı. Bu sonucun doğruluğu daha sonra tespit edildi ve onaylandı. Benzer şekilde, maddenin parçacıkları ile alan arasında belirli bir benzerlik olduğunu varsayan L. de Broglie, maddenin parçacıklarının dalga doğası hakkında sonuca varmıştır.

Analoji yoluyla sonuç çıkarma olasılığını artırmak için, aşağıdakileri sağlamaya çalışmak gerekir:

karşılaştırılan nesnelerin sadece dış özellikleri değil, aynı zamanda esas olarak iç özellikleri de ortaya çıkarıldı;

bu nesneler, tesadüfi ve ikincil özelliklerde değil, en önemli ve temel özelliklerde benzerdi;

eşleşen işaretlerin çemberi mümkün olduğunca genişti;

sadece benzerlikler değil, farklılıklar da dikkate alındı ​​- böylece ikincisi başka bir nesneye aktarılamadı.

Analoji yöntemi, yalnızca benzer özellikler arasında değil, aynı zamanda incelenen nesneye aktarılan özellik ile de organik bir ilişki kurulduğunda en değerli sonuçları verir.

Analoji yoluyla sonuçların doğruluğu, eksik tümevarım yöntemiyle sonuçların doğruluğu ile karşılaştırılabilir. Her iki durumda da güvenilir sonuçlar elde edilebilir, ancak ancak bu yöntemlerin her biri diğer bilimsel bilgi yöntemlerinden ayrı olarak değil, onlarla ayrılmaz diyalektik bağlantı içinde uygulandığında elde edilebilir.

Son derece geniş olarak anlaşılan analoji yöntemi, bazı nesneler hakkındaki bilgilerin diğerlerine aktarılması olarak, modellemenin epistemolojik temelidir.

modelleme - bir nesnenin (orijinal) çalışmasının, kopyasını (modeli) oluşturarak, orijinali değiştirerek, daha sonra araştırmacının ilgisini çeken belirli yönlerden öğrenilen bir bilimsel bilgi yöntemi.

Modelleme yönteminin özü, bilgi nesnesinin özelliklerini özel olarak oluşturulmuş bir analog model üzerinde yeniden üretmektir. Model nedir?

Bir model (Latin modülünden - ölçü, görüntü, norm), bir nesnenin (orijinal) koşullu bir görüntüsüdür, özelliklerini, nesnelerin ilişkilerini ve gerçeklik fenomenlerini analoji temelinde ifade etmenin, aralarında benzerlikler kurmanın ve aralarında benzerlikler kurmanın belirli bir yoludur. bu temelde, onları bir materyal veya ideal nesne benzerliği üzerinde yeniden üretmek. Başka bir deyişle, bir model, orijinal nesnenin bir analoğudur, orijinal nesnenin bir "ikamesidir", bilişte ve uygulamada orijinali inşa etmek, dönüştürmek veya kontrol etmek için orijinal hakkında bilgi (bilgi) edinmeye ve genişletmeye hizmet eder.

Model ile orijinal (benzerlik ilişkisi) arasında belirli bir benzerlik olmalıdır: fiziksel özellikler, işlevler, incelenen nesnenin davranışı, yapısı vb. Sonuç olarak elde edilen bilgileri aktarmanıza izin veren bu benzerliktir. modeli orijinaline göre incelemek.

Modelleme, analoji yöntemine çok benzediği için, benzetme yoluyla çıkarımın mantıksal yapısı, bir bakıma, modellemenin tüm yönlerini tek, amaçlı bir süreçte birleştiren düzenleyici bir faktördür. Hatta bir anlamda modellemenin bir tür analoji olduğu bile söylenebilir. Analoji yöntemi, olduğu gibi, modelleme sırasında yapılan sonuçlar için mantıklı bir temel görevi görür. Örneğin, abcd özelliklerinin A modeline ait olması ve abc özelliklerinin orijinal A'ya ait olması temelinde, model A'da bulunan d özelliğinin de orijinal A'ya ait olduğu sonucuna varılır.

Modellemenin kullanımı, nesnelerin doğrudan inceleme yoluyla kavranması imkansız olan veya tamamen ekonomik nedenlerle çalışmanın kârsız olduğu bu tür yönlerini ortaya çıkarma ihtiyacı tarafından belirlenir. Örneğin bir kişi, elmasların doğal oluşum sürecini, Dünya'daki yaşamın kökenini ve gelişimini, mikro ve mega dünyanın bir dizi fenomenini doğrudan gözlemleyemez. Bu nedenle, bu tür fenomenlerin gözlem ve inceleme için uygun bir biçimde yapay olarak çoğaltılmasına başvurmak gerekir. Bazı durumlarda, nesneyi doğrudan denemek yerine modelini inşa etmek ve incelemek çok daha karlı ve ekonomiktir.

Modelleme, balistik füzelerin yörüngelerini hesaplamak, makinelerin ve hatta tüm işletmelerin çalışma modunu incelemek için ve ayrıca işletmelerin yönetiminde, maddi kaynakların dağıtımında, vücuttaki yaşam süreçlerinin incelenmesinde yaygın olarak kullanılmaktadır. , Toplumda.

Günlük ve bilimsel bilgide kullanılan modeller iki büyük sınıfa ayrılır: gerçek veya maddi ve mantıksal (zihinsel) veya ideal. İlki, işleyişinde doğal yasalara uyan doğal nesnelerdir. Araştırma konusunu maddi olarak az çok görsel bir biçimde yeniden üretirler. Mantıksal modeller, uygun sembolik biçimde sabitlenmiş ve mantık ve matematik yasalarına göre işleyen ideal oluşumlardır. İkonik modellerin önemi, sembollerin yardımıyla, başka yollarla tespit edilmesi neredeyse imkansız olan bu tür bağlantı ve gerçeklik ilişkilerini ortaya çıkarmayı mümkün kılmalarında yatmaktadır.

Bilimsel ve teknolojik ilerlemenin mevcut aşamasında, bilimde ve dünyada geniş bir dağılım Çeşitli bölgeler uygulama alınan bilgisayar simülasyonu. Özel bir program üzerinde çalışan bir bilgisayar, örneğin piyasa fiyatlarındaki dalgalanmalar, nüfus artışı, yapay bir Dünya uydusunun kalkışı ve yörüngesine girmesi gibi çok çeşitli süreçleri simüle etme yeteneğine sahiptir. kimyasal reaksiyonlar vb. Bu tür işlemlerin her birinin incelenmesi, uygun bir bilgisayar modeli aracılığıyla gerçekleştirilir.

Sistem Yöntemi . Bilimsel bilginin modern aşaması, teorik düşüncenin ve teorik bilimlerin giderek artan önemi ile karakterizedir. Bilimler arasında önemli bir yer, sistem araştırma yöntemlerini analiz eden sistem teorisi tarafından işgal edilir. Nesnelerin ve gerçeklik fenomenlerinin gelişiminin diyalektiği, en uygun ifadeyi sistemik biliş yönteminde bulur.

Sistem yöntemi, bir nesnenin bütünlüğünü bir sistem olarak ortaya çıkarmaya yönelik bir yönelime dayanan bir dizi genel bilimsel metodolojik ilke ve araştırma yöntemidir.

Sistem yönteminin temeli, aşağıdaki gibi tanımlanabilecek sistem ve yapıdır.

Bir sistem (Yunanca systema'dan - parçalardan oluşan bir bütün; bağlantı), hem birbirleriyle hem de çevre ile birbirine bağlı olan ve belirli bir bütünlük oluşturan bir dizi unsuru ifade eden genel bir bilimsel konumdur, nesnenin birliği inceleniyor. Sistem türleri çok çeşitlidir: maddi ve manevi, inorganik ve canlı, mekanik ve organik, biyolojik ve sosyal, statik ve dinamik vb. Ayrıca, herhangi bir sistem kendine özgü yapısını oluşturan çeşitli unsurların birleşimidir. yapı nedir?

Yapı ( lat'den. structura - yapı, düzenleme, düzen), belirli bir karmaşık sistemin bütünlüğünü sağlayan bir nesnenin öğelerini bağlamanın nispeten istikrarlı bir yoludur (yasa).

Sistem yaklaşımının özgüllüğü, çalışmanın nesnenin bütünlüğünün ve bunu sağlayan mekanizmaların açıklanmasına, karmaşık bir nesnenin çeşitli bağlantı türlerinin tanımlanmasına ve bunların tek bir nesneye indirgenmesine odaklanması gerçeğiyle belirlenir. teorik resim.

Genel sistemler teorisinin temel ilkesi, toplum da dahil olmak üzere doğanın, alt sistemlere ayrışan, belirli koşullar altında nispeten bağımsız sistemler olarak hareket eden büyük ve karmaşık bir sistem olarak değerlendirilmesi anlamına gelen sistem bütünlüğü ilkesidir.

Genel sistem teorisindeki tüm kavram ve yaklaşımlar, belirli bir soyutlama derecesi ile iki büyük teori sınıfına ayrılabilir: ampirik-sezgisel ve soyut-tümdengelimli.

1. Deneysel-sezgisel kavramlarda, somut, gerçekten var olan nesneler araştırmanın birincil nesnesi olarak kabul edilir. Somut-tekilden genele yükseliş sürecinde, sistem kavramları ve farklı seviyelerde araştırmaların sistemik ilkeleri formüle edilir. Bu yöntem, ampirik bilişte bireyselden genele geçişle dışsal bir benzerliğe sahiptir, ancak dış benzerliğin arkasında belirli bir farklılık gizlidir. Ampirik yöntem öğelerin önceliğinin tanınmasından yola çıkıyorsa, sistematik yaklaşımın da sistemlerin önceliğinin tanınmasından yola çıkması gerçeğinden oluşur. Sistem yaklaşımında, çalışmanın başlangıcı olarak sistemler, belirli yasalara bağlı olarak, bağlantıları ve ilişkileri ile birlikte birçok unsurdan oluşan bütünsel bir oluşum olarak ele alınır; ampirik yöntem, belirli bir nesnenin öğeleri veya belirli bir fenomen düzeyi arasındaki ilişkiyi ifade eden yasaların formülasyonu ile sınırlıdır. Ve bu yasalarda bir genellik anı olsa da, bu genellik çoğunlukla aynı adı taşıyan dar bir nesneler sınıfına aittir.

2. Soyut-tümdengelim kavramlarında, soyut nesneler araştırmanın başlangıç ​​noktası olarak alınır - sınırlama ile karakterize edilen sistemler ortak özellikler ve ilişkiler. Son derece genel sistemlerden giderek daha özel sistemlere doğru daha fazla inişe, somut olarak tanımlanmış sistem sınıflarına uygulanan bu tür sistemik ilkelerin formülasyonu eşlik eder.

Ampirik-sezgisel ve soyut-tümdengelimli yaklaşımlar eşit derecede meşrudur, birbirlerine karşı değildirler, aksine ortak kullanımları son derece büyük bilişsel fırsatlar açar.

Sistem yöntemi, sistemlerin organizasyon ilkelerini bilimsel olarak yorumlamayı mümkün kılar. Nesnel olarak var olan dünya, belirli sistemlerin dünyası olarak hareket eder. Böyle bir sistem, yalnızca birbirine bağlı bileşenlerin ve öğelerin varlığı ile değil, aynı zamanda belirli düzenleri, belirli bir dizi yasa temelinde örgütlenmesi ile de karakterize edilir. Bu nedenle sistemler kaotik değil, belirli bir şekilde düzenli ve organizedir.

Araştırma sürecinde, elbette, elemanlardan integral sistemlere "yükselebilir" ve bunun tersi de tam tersi - integral sistemlerden elemanlara. Ancak her koşulda araştırma sistemik bağlantılardan ve ilişkilerden soyutlanamaz. Bu tür bağlantıların göz ardı edilmesi kaçınılmaz olarak tek taraflı veya hatalı sonuçlara yol açar. Biliş tarihinde, biyolojik ve sosyal fenomenleri açıklamada basit ve tek yanlı mekanizmanın, ilk dürtü ve manevi tözün tanınması konumlarına kayması tesadüf değildir.

Yukarıdakilere dayanarak, sistem yönteminin aşağıdaki ana gereksinimleri ayırt edilebilir:

Bütünün özelliklerinin, öğelerinin özelliklerinin toplamına indirgenemeyeceği gerçeği dikkate alınarak, her bir öğenin sistemdeki yerine ve işlevlerine bağımlılığının belirlenmesi;

Sistemin davranışının, hem bireysel elemanlarının özelliklerinden hem de yapısının özelliklerinden ne ölçüde kaynaklandığının analizi;

Karşılıklı bağımlılık mekanizmasının incelenmesi, sistem ve çevre arasındaki etkileşim;

Bu sistemin doğasında bulunan hiyerarşinin doğasının incelenmesi;

Sistemin çok boyutlu olarak kapsanması amacıyla tanımlamaların çokluğunun sağlanması;

Sistemin dinamizminin dikkate alınması, gelişen bir bütünlük olarak sunulması.

Sistem yaklaşımının önemli bir kavramı, "kendi kendini örgütleme" kavramıdır. Karmaşık, açık, dinamik, kendi kendini geliştiren bir sistemin organizasyonunu yaratma, yeniden üretme veya iyileştirme sürecini karakterize eder, unsurları arasındaki bağlantılar katı değil, olasılıklıdır. Kendi kendini örgütlemenin özellikleri, çok farklı doğadaki nesnelerin doğasında vardır: canlı bir hücre, bir organizma, biyolojik bir popülasyon, insan toplulukları.

Kendi kendini organize edebilen sistem sınıfı, açık ve doğrusal olmayan sistemlerdir. Sistemin açıklığı, içinde kaynakların ve çöküntülerin varlığı, madde ve enerji alışverişi anlamına gelir. çevre. Bununla birlikte, her açık sistem kendini organize etmez, yapılar inşa etmez, çünkü her şey iki ilkenin oranına bağlıdır - yapıyı oluşturan temelde ve dağıtan temelde bu ilkeyi bulanıklaştırır.

Modern bilimde, kendi kendini organize eden sistemler, sinerjik çalışmanın özel bir konusudur - herhangi bir temel temelin açık denge dışı sistemlerinin evrim yasalarını araştırmaya odaklanan genel bir bilimsel kendi kendine organizasyon teorisi - doğal, sosyal, bilişsel (bilişsel).

Şu anda sistem yöntemi, doğa bilimleri, sosyo-tarihsel, psikolojik ve diğer sorunların çözümünde giderek artan bir metodolojik önem kazanıyor. Mevcut aşamada bilimin gelişiminin acil epistemolojik ve pratik ihtiyaçlarından dolayı hemen hemen tüm bilimler tarafından yaygın olarak kullanılmaktadır.

Olasılıksal (istatistiksel) yöntemler - bunlar, bir dizi şansın kümülatif eylemi yoluyla "kıran" bir ihtiyacı tespit etmeyi mümkün kılan, sabit bir frekans ile karakterize edilen bir dizi rastgele faktörün etkisinin incelendiği yöntemlerdir.

Olasılıksal yöntemler, genellikle rastgelelik bilimi olarak adlandırılan olasılık teorisi temelinde oluşturulur ve birçok bilim insanının görüşüne göre, olasılık ve rastgelelik pratik olarak çözülmezdir. Zorunluluk ve olumsallık kategorileri hiçbir şekilde modası geçmiş değildir; tam tersine, modern bilimdeki rolleri ölçülemeyecek kadar artmıştır. Bilgi tarihinin gösterdiği gibi, "zorunluluk ve şansla ilgili tüm sorunların önemini ancak şimdi anlamaya başlıyoruz."

Olasılıksal yöntemlerin özünü anlamak için temel kavramlarını dikkate almak gerekir: "dinamik modeller", "istatistiksel modeller" ve "olasılık". Yukarıdaki iki tür düzenlilik, onları takip eden tahminlerin doğası bakımından farklılık gösterir.

Dinamik türün yasalarında, tahminler kesindir. Dinamik yasalar, nispeten yalıtılmış nesnelerin davranışını karakterize eder. Büyük bir sayıörneğin klasik mekanikte daha doğru bir şekilde tahmin etmeyi mümkün kılan bir dizi rastgele faktörden soyutlamanın mümkün olduğu unsurlar.

İstatistik yasalarında, tahminler güvenilir değil, yalnızca olasılıksaldır. Tahminlerin bu doğası, örneğin bir gazdaki çok sayıda molekül, popülasyonlardaki bireylerin sayısı, büyük gruplardaki insan sayısı gibi istatistiksel olaylarda veya kitle olaylarında meydana gelen birçok rastgele faktörün etkisinden kaynaklanmaktadır. vb.

İstatistiksel bir düzenlilik, bir nesneyi oluşturan çok sayıda öğenin etkileşiminin bir sonucu olarak ortaya çıkar - bir sistem ve bu nedenle, bir bütün olarak nesne olarak tek bir öğenin davranışını karakterize etmez. İstatistik yasalarında kendini gösteren zorunluluk, birçok rastgele faktörün karşılıklı olarak dengelenmesi ve dengelenmesi sonucunda ortaya çıkmaktadır. "İstatistiksel düzenlilikler, olasılık derecesi o kadar yüksek olan ve kesinlikle sınırlanan ifadelere yol açabilse de, yine de, istisnalar her zaman prensipte mümkündür" .

İstatistiksel yasalar, açık ve güvenilir tahminler vermeseler de, yine de rastgele nitelikteki kitle fenomenlerinin incelenmesinde mümkün olan tek yasalardır. Rastgele nitelikteki çeşitli faktörlerin, yakalanması neredeyse imkansız olan birleşik eyleminin arkasında, istatistiksel yasalar istikrarlı, gerekli ve tekrarlayan bir şey ortaya çıkarır. Tesadüfi olanın gerekli olana geçişinin diyalektiğinin teyidi olarak hizmet ederler. Olasılık pratikte kesinlik kazandığında, dinamik yasalar istatistiksel yasaların sınırlayıcı durumu haline gelir.

Olasılık, bazı şeylerin ortaya çıkma olasılığının nicel bir ölçüsünü (derecesini) karakterize eden bir kavramdır. rastgele olay birçok kez tekrarlanabilen belirli koşullar altında. Olasılık teorisinin ana görevlerinden biri, çok sayıda rastgele faktörün etkileşiminden kaynaklanan düzenlilikleri açıklamaktır.

Olasılıksal-istatistiksel yöntemler, özellikle matematiksel istatistik, istatistiksel fizik, kuantum mekaniği, sibernetik ve sinerjetik gibi bilimsel disiplinlerde, kütle olaylarının incelenmesinde yaygın olarak kullanılmaktadır.

Olasılık ve matematiksel istatistikler nasıl kullanılır? Bu disiplinler, olasılıksal-istatistiksel karar verme yöntemlerinin temelidir. Matematiksel aygıtlarını kullanmak için, karar verme problemlerini olasılıksal-istatistiksel modeller cinsinden ifade etmek gerekir. Belirli bir olasılıksal-istatistiksel karar verme yönteminin uygulanması üç aşamadan oluşur:

Ekonomik, yönetsel, teknolojik gerçeklikten soyut bir matematiksel ve istatistiksel şemaya geçiş, yani. özellikle istatistiksel kontrol sonuçlarına dayanan bir kontrol sistemi, teknolojik süreç, karar verme prosedürü vb. için olasılıklı bir model oluşturmak.

Olasılıksal bir model çerçevesinde tamamen matematiksel yollarla hesaplamalar yapmak ve sonuçlar elde etmek;

Gerçek bir durumla ilgili olarak matematiksel ve istatistiksel sonuçların yorumlanması ve özellikle uygun bir karar verilmesi (örneğin, ürün kalitesinin belirlenmiş gerekliliklere uygunluğu veya uygunsuzluğu, teknolojik süreci ayarlama ihtiyacı vb.), özellikle, sonuçlar (bir partideki kusurlu ürün birimlerinin oranı, teknolojik sürecin kontrollü parametrelerinin dağıtım yasalarının belirli bir şekli vb.).

Matematiksel istatistik, olasılık teorisinin kavramlarını, yöntemlerini ve sonuçlarını kullanır. Ekonomik, yönetsel, teknolojik ve diğer durumlarda olasılıklı karar verme modelleri oluşturmanın ana konularını ele alalım. Olasılıksal-istatistiksel karar verme yöntemlerine ilişkin normatif-teknik ve öğretici-metodik belgelerin aktif ve doğru kullanımı için ön bilgiye ihtiyaç vardır. Bu nedenle, bir veya başka bir belgenin hangi koşullar altında uygulanması gerektiğini, seçimi ve uygulaması için hangi ilk bilgilere sahip olunması gerektiğini, veri işleme sonuçlarına göre hangi kararların alınması gerektiğini vb. bilmek gerekir.

Uygulama örnekleri olasılık teorisi ve matematiksel istatistik. Olasılıksal-istatistiksel modellerin yönetimsel, endüstriyel, ekonomik ve ulusal ekonomik sorunları çözmek için iyi bir araç olduğu birkaç örneği ele alalım. Bu nedenle, örneğin, A.N. Tolstoy'un romanında "Eziyetlerde yürümek" (cilt 1) şöyle diyor: "Atölye evliliğin yüzde yirmi üçünü veriyor, bu rakama tutunuyorsunuz," dedi Strukov Ivan Ilyich.

Bir üretim birimi %23 oranında kusurlu olamayacağından, fabrika yöneticilerinin konuşmasında bu sözlerin nasıl anlaşılacağı sorusu ortaya çıkıyor. İyi veya kusurlu olabilir. Belki de Strukov, büyük bir partinin kusurlu birimlerin yaklaşık %23'ünü içerdiğini kastetmişti. O zaman soru ortaya çıkıyor, “hakkında” ne anlama geliyor? Test edilen 100 ürün biriminden 30'unun kusurlu olduğunu veya 1.000 - 300'den veya 100.000 - 30.000'den vb. Çıkmasına izin verin, Strukov yalan söylemekle suçlanmalı mı?

Veya başka bir örnek. Lot olarak kullanılan jeton "simetrik" olmalıdır, yani. atıldığında, ortalama olarak, vakaların yarısında arma düşmeli ve vakaların yarısında - kafes (kuyruk, sayı). Ama "ortalama" ne anlama geliyor? Her seride çok sayıda 10 atışlık bir seri harcarsanız, genellikle bir madeni paranın bir arma ile 4 kez düştüğü seriler olacaktır. Simetrik bir madeni para için bu, serinin %20,5'inde gerçekleşecek. Ve 100.000 atış için 40.000 arma varsa, madeni para simetrik olarak kabul edilebilir mi? Karar verme prosedürü, olasılık teorisine ve matematiksel istatistiklere dayanmaktadır.

Söz konusu örnek yeterince ciddi görünmeyebilir. Ancak öyle değil. Çekiliş, endüstriyel fizibilite deneylerinin düzenlenmesinde yaygın olarak kullanılır, örneğin, çeşitli teknolojik faktörlere (koruma ortamının etkisi, ölçüm öncesi yatak hazırlama yöntemleri, ölçüm sürecinde yatak yükünün etkisi, vb.) P.). Farklı koruyucu yağlarda, yani; bileşim yağlarında ANCAK ve AT. Böyle bir deney planlanırken, yağ bileşimine hangi yatakların yerleştirilmesi gerektiği sorusu ortaya çıkar. ANCAK, ve hangileri - bileşim yağında AT ancak öznellikten kaçınacak ve kararın nesnelliğini sağlayacak şekilde.

Bu sorunun cevabı kura çekilerek alınabilir. Benzer bir örnek herhangi bir ürünün kalite kontrolü ile verilebilir. Denetlenen bir ürün partisinin belirlenmiş gereksinimleri karşılayıp karşılamadığına karar vermek için, ondan bir numune alınır. Numune kontrolünün sonuçlarına dayanarak, tüm parti hakkında bir sonuca varılır. Bu durumda numunenin oluşumunda öznellikten kaçınmak çok önemlidir, yani kontrollü partideki her bir ürün biriminin numunede aynı seçilme olasılığına sahip olması gerekir. Üretim koşulları altında, numunedeki üretim birimlerinin seçimi genellikle parti ile değil, özel rasgele sayı tabloları veya bilgisayar rasgele sayı üreteçleri yardımıyla gerçekleştirilir.

Üretim, ücretlendirme, ihale ve yarışmalar düzenlerken, boş pozisyonlar için adayları seçerken, vb. Her yerde bir piyango veya benzeri prosedürlere ihtiyacınız var. Olimpik sisteme göre bir turnuva düzenlemede en güçlü ve en güçlü ikinci takımı belirleme örneğini kullanarak açıklayalım (kaybeden elenir). Bırakın güçlü olan takım her zaman zayıf olana galip gelsin. En güçlü takımın kesinlikle şampiyon olacağı açıktır. İkinci en güçlü takım, ancak ve ancak finalden önce geleceğin şampiyonu ile maçı yoksa finale çıkacaktır. Böyle bir oyun planlanırsa, en güçlü ikinci takım finale çıkamaz. Turnuvayı planlayan kişi, turnuvadaki en güçlü ikinci takımı programdan önce "nakavt edebilir", liderle ilk görüşmede onu aşağı indirebilir veya ikinci sırayı garantileyerek finale kadar daha zayıf takımlarla toplantılar sağlayabilir. Öznellikten kaçınmak için kura çekin. 8 takımlı bir turnuva için, en güçlü iki takımın finalde karşılaşma olasılığı 4/7'dir. Buna göre, 3/7 olasılıkla ikinci en güçlü takım turnuvayı planlanandan önce terk edecek.

Ürün birimlerinin herhangi bir ölçümünde (kumpas, mikrometre, ampermetre vb. kullanılarak) hatalar vardır. Sistematik hataların olup olmadığını anlamak için, özellikleri bilinen bir üretim biriminin (örneğin standart bir numune) tekrarlanan ölçümlerini yapmak gerekir. Unutulmamalıdır ki sistematik hatanın yanında rastgele bir hata da vardır.

Bu nedenle, sistematik bir hata olup olmadığının ölçüm sonuçlarından nasıl öğrenileceği sorusu ortaya çıkmaktadır. Sadece bir sonraki ölçüm sırasında elde edilen hatanın pozitif mi yoksa negatif mi olduğunu not edersek, bu sorun bir öncekine indirgenebilir. Gerçekten de, ölçümü bir madeni para atmakla, pozitif hatayı - armanın kaybıyla, negatifi - kafesle karşılaştıralım (ölçeğin yeterli sayıda bölünmesiyle sıfır hata neredeyse hiç oluşmaz). Daha sonra sistematik bir hatanın olmadığını kontrol etmek, madalyonun simetrisini kontrol etmekle eşdeğerdir.

Bu düşüncelerin amacı, sistematik bir hatanın yokluğunu kontrol etme problemini, bir madeni paranın simetrisini kontrol etme problemine indirgemektir. Yukarıdaki akıl yürütme, matematiksel istatistiklerde sözde "işaret ölçütü"ne yol açar.

Matematiksel istatistik yöntemlerine dayanan teknolojik süreçlerin istatistiksel olarak düzenlenmesinde, teknolojik süreçlerdeki düzensizliğin zamanında tespit edilmesini ve bunları düzeltmek ve ürünlerin serbest bırakılmasını önlemek için önlemler almayı amaçlayan süreçlerin istatistiksel kontrolü için kurallar ve planlar geliştirilir. belirlenmiş gereksinimleri karşılamıyor. Bu önlemler, üretim maliyetlerini ve düşük kaliteli ürünlerin tedarikinden kaynaklanan kayıpları azaltmayı amaçlamaktadır. İstatistiksel kabul kontrolü ile, matematiksel istatistik yöntemlerine dayalı olarak, ürün partilerinden numuneler analiz edilerek kalite kontrol planları geliştirilir. Zorluk, yukarıda sorulan soruları yanıtlamanın mümkün olduğu temelinde, olasılıksal-istatistiksel karar verme modellerini doğru bir şekilde oluşturabilmekte yatmaktadır. Matematiksel istatistiklerde, bunun için hipotezleri test etmek için olasılıklı modeller ve yöntemler, özellikle de hatalı üretim birimlerinin oranının belirli bir sayıya eşit olduğu hipotezleri geliştirilmiştir. R 0 , örneğin, R 0 = 0.23 (A.N. Tolstoy'un romanından Strukov'un sözlerini hatırlayın).

Değerlendirme görevleri. Bir dizi yönetimsel, endüstriyel, ekonomik, ulusal ekonomik durumda, farklı türde sorunlar ortaya çıkar - olasılık dağılımlarının özelliklerini ve parametrelerini tahmin etme sorunları.

Bir örnek düşünün. Bir partiden izin ver N elektrik lambaları Bu partiden bir örnek n elektrik lambaları Bir dizi doğal soru ortaya çıkıyor. Örnek elemanların test sonuçlarından elektrik lambalarının ortalama hizmet ömrü nasıl belirlenebilir ve bu özellik hangi doğrulukla tahmin edilebilir? Daha büyük bir örnek alınırsa doğruluk nasıl değişir? saat kaçta T elektrik lambalarının en az %90'ının dayanacağını garanti etmek mümkündür T veya daha fazla saat?

Hacimli bir numuneyi test ederken n ampuller arızalı X elektrik lambaları Sonra aşağıdaki sorular ortaya çıkıyor. Bir sayı için hangi sınırlar belirlenebilir? D kusur seviyesi için bir partideki arızalı elektrik lambaları D/ N vb.?

Veya teknolojik süreçlerin doğruluğunun ve kararlılığının istatistiksel bir analizinde, kontrol edilen parametrenin ortalama değeri ve söz konusu süreçte yayılma derecesi gibi kalite göstergelerini değerlendirmek gerekir. Olasılık teorisine göre, matematiksel beklentisini rastgele bir değişkenin ortalama değeri olarak ve yayılımın istatistiksel bir özelliği olarak varyans, standart sapma veya varyasyon katsayısının kullanılması tavsiye edilir. Bu şu soruyu gündeme getiriyor: Bu istatistiksel özellikler örnek verilerden nasıl tahmin edilir ve bu hangi doğrulukla yapılabilir? Buna benzer birçok örnek var. Burada istatistiksel ürün kalite yönetimi alanında kararlar alınırken olasılık teorisi ve matematiksel istatistiklerin üretim yönetiminde nasıl kullanılabileceğini göstermek önemliydi.

"Matematiksel istatistik" nedir? Matematiksel istatistik, “istatistiksel verilerin toplanması, sistemleştirilmesi, işlenmesi ve yorumlanmasının yanı sıra bunları bilimsel veya pratik sonuçlar için kullanmaya yönelik matematiksel yöntemlere ayrılmış bir matematik bölümü olarak anlaşılır. Matematiksel istatistiklerin kuralları ve prosedürleri, her bir problemde elde edilen sonuçların doğruluğunu ve güvenilirliğini mevcut istatistiksel materyal temelinde değerlendirmeyi mümkün kılan olasılık teorisine dayanmaktadır. Aynı zamanda, istatistiksel veriler, belirli özelliklere sahip, az ya da çok kapsamlı bir koleksiyondaki nesnelerin sayısı hakkındaki bilgileri ifade eder.

Çözülmekte olan problemlerin türüne göre, matematiksel istatistikler genellikle üç bölüme ayrılır: veri tanımı, tahmin ve hipotez testi.

İşlenen istatistiksel verilerin türüne göre, matematiksel istatistikler dört alana ayrılır:

Bir gözlemin sonucunun gerçek bir sayı ile tanımlandığı tek boyutlu istatistikler (rastgele değişkenlerin istatistikleri);

Bir nesnenin gözlem sonucunun birkaç sayı (vektör) ile tanımlandığı çok değişkenli istatistiksel analiz;

Gözlem sonucunun bir fonksiyon olduğu rastgele süreçlerin ve zaman serilerinin istatistikleri;

Bir gözlemin sonucunun sayısal olmayan bir yapıya sahip olduğu, örneğin bir küme (geometrik bir şekil), bir sıralama veya bir ölçüm sonucu elde edilen sayısal olmayan nitelikteki nesnelerin istatistikleri. niteliksel bir nitelik.

Tarihsel olarak, sayısal olmayan nitelikteki nesnelerin istatistiklerinin bazı alanları (özellikle, kusurlu ürünlerin yüzdesini tahmin etme ve bununla ilgili hipotezleri test etme sorunları) ve tek boyutlu istatistikler ilk ortaya çıkanlardı. Matematiksel aparat onlar için daha basittir, bu nedenle örnekleriyle genellikle matematiksel istatistiklerin ana fikirlerini gösterirler.

Yalnızca bu veri işleme yöntemleri, yani. matematiksel istatistikler, ilgili gerçek fenomen ve süreçlerin olasılıksal modellerine dayanan kanıta dayalıdır. Tüketici davranış modelleri, risklerin ortaya çıkması, teknolojik ekipmanın işleyişi, bir deneyin sonuçlarının elde edilmesi, bir hastalığın seyri vb. Gerçek bir olgunun olasılıksal modeli, incelenen miktarlar ve bunlar arasındaki ilişkiler olasılık teorisi cinsinden ifade edilirse oluşturulmuş olarak kabul edilmelidir. Gerçekliğin olasılıksal modeline uygunluk, yani. yeterliliği, özellikle hipotezleri test etmek için istatistiksel yöntemler yardımıyla doğrulanır.

İnanılmaz veri işleme yöntemleri keşif amaçlıdır, sınırlı istatistiksel malzeme temelinde elde edilen sonuçların doğruluğunu ve güvenilirliğini değerlendirmeyi mümkün kılmadıkları için yalnızca ön veri analizinde kullanılabilirler.

Olasılıksal ve istatistiksel yöntemler, bir fenomenin veya sürecin olasılıksal bir modelini oluşturmanın ve doğrulamanın mümkün olduğu her yerde uygulanabilir. Numune verilerinden elde edilen sonuçlar tüm popülasyona aktarıldığında (örneğin, bir numuneden tüm ürün serisine) bunların kullanımı zorunludur.

Spesifik uygulama alanlarında, hem olasılıksal-istatistiksel geniş uygulama yöntemleri hem de spesifik yöntemler kullanılmaktadır. Örneğin, ürün kalite yönetiminin istatistiksel yöntemlerine ayrılmış üretim yönetimi bölümünde, uygulamalı matematiksel istatistikler (deneylerin tasarımı dahil) kullanılır. Yöntemlerinin yardımıyla, teknolojik süreçlerin doğruluğu ve kararlılığının istatistiksel bir analizi ve kalitenin istatistiksel bir değerlendirmesi gerçekleştirilir. Spesifik yöntemler, ürün kalitesinin istatistiksel kabul kontrolünü, teknolojik süreçlerin istatistiksel düzenlemesini, güvenilirliğin değerlendirilmesini ve kontrolünü vb. içerir.

Güvenilirlik teorisi ve kuyruk teorisi gibi uygulamalı olasılıksal-istatistiksel disiplinler yaygın olarak kullanılmaktadır. Bunlardan ilkinin içeriği başlıktan açıktır, ikincisi rastgele zamanlarda çağrı alan bir telefon santrali gibi sistemlerin incelenmesiyle ilgilidir - telefonlarında numara çeviren abonelerin gereksinimleri. Bu gereksinimlerin hizmet süresi, yani. konuşmaların süresi de rastgele değişkenler tarafından modellenir. Bu disiplinlerin gelişimine büyük katkı, SSCB Bilimler Akademisi Sorumlu Üyesi A.Ya. Khinchin (1894-1959), Ukrayna SSR B.V. Bilimler Akademisi akademisyeni Gnedenko (1912-1995) ve diğer yerli bilim adamları.

Kısaca matematiksel istatistiklerin tarihi hakkında. Bir bilim olarak matematiksel istatistik, olasılık teorisine dayanarak 1795'te yarattığı ve işlemeye uyguladığı en küçük kareler yöntemini araştıran ve doğrulayan ünlü Alman matematikçi Carl Friedrich Gauss'un (1777-1855) çalışmalarıyla başlar. astronomik verilerin (küçük bir gezegen Ceres'in yörüngesini netleştirmek için). En popüler olasılık dağılımlarından biri olan normal, genellikle onun adıyla anılır ve rastgele süreçler teorisinde, çalışmanın ana amacı Gauss süreçleridir.

XIX yüzyılın sonunda. - yirminci yüzyılın başı. matematiksel istatistiklere büyük bir katkı, başta K. Pearson (1857-1936) ve R. A. Fisher (1890-1962) olmak üzere İngiliz araştırmacılar tarafından yapılmıştır. Özellikle, Pearson istatistiksel hipotezleri test etmek için ki-kare testini geliştirdi ve Fisher, varyans analizini, deney tasarımı teorisini ve parametreleri tahmin etmek için maksimum olabilirlik yöntemini geliştirdi.

Yirminci yüzyılın 30'larında. Pole Jerzy Neumann (1894-1977) ve İngiliz E. Pearson, genel bir doğrulama teorisi geliştirdi istatistiksel hipotezler ve Sovyet matematikçileri Akademisyen A.N. Kolmogorov (1903-1987) ve SSCB Bilimler Akademisi Sorumlu Üyesi N.V. Smirnov (1900-1966), parametrik olmayan istatistiklerin temellerini attı. Yirminci yüzyılın kırklarında. Rumen A. Wald (1902-1950) tutarlı istatistiksel analiz teorisini oluşturdu.

Matematiksel istatistikler günümüzde hızla gelişmektedir. Dolayısıyla, son 40 yılda, temelde dört yeni araştırma alanı ayırt edilebilir:

Deneyleri planlamak için matematiksel yöntemlerin geliştirilmesi ve uygulanması;

Uygulamalı matematiksel istatistikte bağımsız bir yön olarak sayısal olmayan nitelikteki nesnelerin istatistiklerinin geliştirilmesi;

Kullanılan olasılıksal modelden küçük sapmalara dayanıklı istatistiksel yöntemlerin geliştirilmesi;

Verilerin istatistiksel analizi için tasarlanmış bilgisayar yazılım paketlerinin oluşturulmasına yönelik çalışmaların yaygın olarak geliştirilmesi.

Olasılıksal-istatistiksel yöntemler ve optimizasyon. Optimizasyon fikri, modern uygulamalı matematiksel istatistiklere ve diğer istatistiksel yöntemlere nüfuz eder. Yani, deneyleri planlama yöntemleri, istatistiksel kabul kontrolü, teknolojik süreçlerin istatistiksel kontrolü vb. Öte yandan, karar teorisindeki optimizasyon formülasyonları, örneğin, ürün kalitesini ve standart gereksinimleri optimize etme uygulamalı teorisi, yaygın olarak kullanılmasını sağlar. olasılıksal-istatistiksel yöntemler, öncelikle uygulamalı matematiksel istatistikler.

Özellikle üretim yönetiminde, ürün kalitesi ve standart gereklilikleri optimize edilirken, ürün yaşam döngüsünün ilk aşamasında istatistiksel yöntemlerin uygulanması özellikle önemlidir, yani. deneysel tasarım geliştirmelerinin araştırma hazırlığı aşamasında (ürünler için umut verici gereksinimlerin geliştirilmesi, ön tasarım, deneysel tasarım geliştirme için referans şartları). Bunun nedeni, ürün yaşam döngüsünün ilk aşamasında mevcut olan sınırlı bilgi ve gelecek için teknik olasılıkları ve ekonomik durumu tahmin etme ihtiyacıdır. Bir optimizasyon problemini çözmenin tüm aşamalarında istatistiksel yöntemler uygulanmalıdır - değişkenleri ölçeklerken, Matematiksel modellerürün ve sistemlerin işleyişi, teknik ve ekonomik deneylerin yapılması vb.

Ürün kalitesinin optimizasyonu ve standart gereksinimleri de dahil olmak üzere optimizasyon problemlerinde, istatistiklerin tüm alanları kullanılır. Yani, rastgele değişkenlerin istatistikleri, çok değişkenli istatistiksel analiz, rastgele süreçlerin ve zaman serilerinin istatistikleri, sayısal olmayan nesnelerin istatistikleri. Spesifik verilerin analizi için istatistiksel bir yöntem seçimi önerilere göre yapılmalıdır.

İstatistiksel Yöntemler

istatistiksel yöntemler- istatistiksel verilerin analiz yöntemleri. Tüm alanlarda uygulanabilecek uygulamalı istatistik yöntemlerini tahsis edin bilimsel araştırma ve ulusal ekonominin herhangi bir sektörü ve uygulanabilirliği belirli bir alanla sınırlı olan diğer istatistiksel yöntemler. Bu, istatistiksel kabul kontrolü, teknolojik süreçlerin istatistiksel kontrolü, güvenilirlik ve test etme ve deney tasarımı gibi yöntemleri ifade eder.

İstatistiksel yöntemlerin sınıflandırılması

İstatistiksel veri analizi yöntemleri, insan faaliyetinin hemen hemen tüm alanlarında kullanılmaktadır. Bir grup (nesneler veya özneler) hakkında içsel heterojenliğe sahip herhangi bir yargıyı elde etmek ve doğrulamak gerektiğinde kullanılırlar.

İstatistiksel veri analizi yöntemleri alanında (belirli problemlere daldırma ile ilgili yöntemlerin özgüllük derecesine göre) üç tür bilimsel ve uygulamalı faaliyetin ayırt edilmesi tavsiye edilir:

a) uygulama alanının özelliklerini dikkate almadan genel amaçlı yöntemlerin geliştirilmesi ve araştırılması;

b) belirli bir faaliyet alanının ihtiyaçlarına göre gerçek olayların ve süreçlerin istatistiksel modellerinin geliştirilmesi ve araştırılması;

c) belirli verilerin istatistiksel analizi için istatistiksel yöntem ve modellerin uygulanması.

Uygulanmış istatistikler

Veri türünün ve bunların oluşum mekanizmasının tanımı, herhangi bir verinin başlangıcıdır. istatistiksel araştırma. Verileri tanımlamak için hem deterministik hem de olasılıksal yöntemler kullanılır. Deterministik yöntemlerin yardımıyla, yalnızca araştırmacının emrinde olan verileri analiz etmek mümkündür. Örneğin, resmi devlet istatistik organları tarafından işletmeler ve kuruluşlar tarafından sunulan istatistiksel raporlara dayalı olarak hesaplanan tabloları elde etmek için kullanıldılar. Elde edilen sonuçları daha geniş bir kümeye aktarmak, bunları yalnızca olasılıksal-istatistiksel modelleme temelinde tahmin ve kontrol için kullanmak mümkündür. Bu nedenle, yalnızca olasılık teorisine dayalı yöntemler genellikle matematiksel istatistiklere dahil edilir.

Deterministik ve olasılıksal-istatistiksel yöntemlere karşı çıkmanın mümkün olduğunu düşünmüyoruz. Bunları istatistiksel analizin ardışık aşamaları olarak görüyoruz. İlk aşamada, mevcut verileri analiz etmek, tablo ve çizelgeleri kullanarak algıya uygun bir biçimde sunmak gerekir. Ardından, istatistiksel verilerin belirli olasılıksal-istatistiksel modeller temelinde analiz edilmesi tavsiye edilir. Gerçek bir fenomenin veya sürecin özüne ilişkin daha derin bir kavrayış olasılığının, yeterli bir matematiksel modelin geliştirilmesiyle sağlandığına dikkat edin.

En basit durumda, istatistiksel veriler, incelenen nesnelerin bazı özellik özelliklerinin değerleridir. Değerler nicel olabilir veya nesnenin atanabileceği kategorinin bir göstergesini temsil edebilir. İkinci durumda, niteliksel bir işaretten bahsediyoruz.

Birkaç nicel veya nitel özellik ile ölçüm yaparken, nesne hakkında istatistiksel veri olarak bir vektör elde ederiz. Yeni bir veri türü olarak kabul edilebilir. Bu durumda, örnek bir dizi vektörden oluşur. Koordinatların bir kısmı sayılarsa ve bir kısmı nitel (kategorize edilmiş) verilerse, o zaman heterojen bir veri vektöründen bahsediyoruz.

Numunenin bir elemanı, yani bir boyutu, bir bütün olarak bir fonksiyon olabilir. Örneğin, göstergenin dinamiklerini, yani zaman içindeki değişimini açıklamak, hastanın elektrokardiyogramı veya motor şaftının atımlarının genliğidir. Veya belirli bir şirketin performansının dinamiklerini tanımlayan bir zaman serisi. Daha sonra örnek bir dizi fonksiyondan oluşur.

Numunenin öğeleri başka matematiksel nesneler de olabilir. Örneğin, ikili ilişkiler. Bu nedenle, uzmanlar yoklarken, genellikle uzmanlık nesnelerinin sırasını (sıralamalarını) kullanırlar - ürün örnekleri, yatırım projeleri, yönetim kararları için seçenekler. Uzman çalışmasının düzenlemelerine bağlı olarak, numunenin öğeleri çeşitli ikili ilişkiler (sıralama, bölümleme, tolerans), kümeler, kümeler olabilir. bulanık kümeler vb.

Bu nedenle, uygulamalı istatistiğin çeşitli problemlerinde örnek elemanların matematiksel doğası çok farklı olabilir. Bununla birlikte, iki sınıf istatistik ayırt edilebilir - sayısal ve sayısal olmayan. Buna göre, uygulamalı istatistikler iki kısma ayrılır - sayısal istatistikler ve sayısal olmayan istatistikler.

Sayısal istatistikler sayılar, vektörler, fonksiyonlardır. Katsayılarla çarpılarak eklenebilirler. Bu nedenle sayısal istatistiklerde çeşitli toplamlar büyük önem taşımaktadır. Rastgele örnek öğelerin toplamlarını analiz etmek için matematiksel aygıt (klasik) yasalardır. büyük sayılar ve merkezi limit teoremleri.

Sayısal olmayan istatistiksel veriler, kategorize edilmiş veriler, heterojen özelliklerin vektörleri, ikili ilişkiler, kümeler, bulanık kümeler vb.'dir. Bunlar katsayılarla toplanamaz ve çarpılamaz. Bu yüzden sayısal olmayan istatistiklerin toplamları hakkında konuşmak mantıklı değil. Sayısal olmayan matematiksel uzayların (kümeler) elemanlarıdır. Sayısal olmayan istatistiksel verilerin analizi için matematiksel aparat, bu tür boşluklarda elemanlar arasındaki mesafelerin (yanı sıra yakınlık ölçüleri, fark göstergeleri) kullanımına dayanmaktadır. Mesafelerin yardımıyla ampirik ve teorik ortalamalar belirlenir, büyük sayıların yasaları kanıtlanır, olasılık dağılım yoğunluğunun parametrik olmayan tahminleri yapılır, teşhis ve küme analizi sorunları çözülür, vb. (bkz.).

Uygulamalı araştırma istatistiksel verileri kullanır Çeşitli türler. Bu, özellikle onları elde etme yöntemlerinden kaynaklanmaktadır. Örneğin, bazı teknik cihazların testleri belirli bir zamana kadar devam ederse, sözde olanı alırız. bir dizi sayıdan oluşan sansürlü veriler - birkaç cihazın arızadan önceki çalışma süresi ve test sonunda kalan cihazların çalışmaya devam ettiği bilgisi. Sansürlü veriler genellikle teknik cihazların güvenilirliğinin değerlendirilmesinde ve kontrolünde kullanılır.

Genellikle, ilk üç türün istatistiksel veri analizi yöntemleri ayrı ayrı değerlendirilir. Bu sınırlama, yukarıda belirtilen gerçeklerden kaynaklanmaktadır. matematiksel aparat sayısal olmayan nitelikteki verilerin analizi için - sayılar, vektörler ve işlevler biçimindeki verilerden esas olarak farklıdır.

Olasılıksal-istatistiksel modelleme

İstatistiksel yöntemleri ulusal ekonominin belirli alanlarında ve sektörlerinde uygularken, “sanayide istatistiksel yöntemler”, “tıpta istatistiksel yöntemler” vb. gibi bilimsel ve pratik disiplinler elde ederiz. Bu açıdan ekonometri, “istatistikseldir. Ekonomide Yöntemler”. b) grubunun bu disiplinleri genellikle uygulama alanının özelliklerine göre oluşturulmuş olasılıksal-istatistiksel modellere dayanmaktadır. Çeşitli alanlarda kullanılan olasılıksal-istatistiksel modelleri karşılaştırmak, yakınlıklarını keşfetmek ve aynı zamanda bazı farklılıkları belirtmek çok öğreticidir. Böylece, bilimsel tıbbi araştırma, belirli alanlarda problem ifadelerinin ve bunları çözmek için kullanılan istatistiksel yöntemlerin yakınlığı görülebilir. sosyolojik araştırma ve pazarlama araştırması veya kısaca tıp, sosyoloji ve pazarlama. Bunlar genellikle "örnekleme çalışmaları" adı altında gruplandırılır.

Seçici çalışmalar ve uzman çalışmalar arasındaki fark, her şeyden önce, incelenen nesne veya konu sayısında kendini gösterir - seçici çalışmalarda, genellikle yüzlerce ve uzman çalışmalarda onlarca hakkında konuşuruz. Ancak uzman araştırma teknolojisi çok daha karmaşıktır. Spesifiklik, demografik veya lojistik modellerde, anlatısal (metinsel, kronik) bilgilerin işlenmesinde veya faktörlerin karşılıklı etkisinin incelenmesinde daha da belirgindir.

Teknik cihazların ve teknolojilerin güvenilirliği ve güvenliği, kuyruk teorisi, çok sayıda bilimsel makalede ayrıntılı olarak ele alınmaktadır.

Belirli verilerin istatistiksel analizi

Belirli verilerin istatistiksel analizi için istatistiksel yöntemlerin ve modellerin uygulanması, ilgili alanın sorunlarıyla yakından bağlantılıdır. Belirlenen bilimsel ve uygulamalı etkinlik türlerinin üçüncüsünün sonuçları, disiplinlerin kesiştiği noktadadır. İstatistiksel yöntemlerin pratik uygulamalarının örnekleri olarak kabul edilebilirler. Ancak onları karşılık gelen insan faaliyeti alanına atfetmek için daha az neden yoktur.

Örneğin, hazır kahve tüketicilerine yönelik bir anketin sonuçları doğal olarak pazarlamaya atfedilir (pazarlama araştırması hakkında ders verirken yaptıkları şey budur). Bağımsız olarak toplanan bilgilerden hesaplanan enflasyon endekslerini kullanarak fiyat büyüme dinamiklerinin incelenmesi, öncelikle ekonomi ve yönetim açısından ilgi çekicidir. ulusal ekonomi(hem makro düzeyde hem de bireysel organizasyonlar düzeyinde).

Kalkınma beklentileri

İstatistiksel yöntemler teorisi, gerçek problemleri çözmeyi amaçlar. Bu nedenle, içinde sürekli olarak istatistiksel veri analizinin matematiksel problemlerinin yeni formülasyonları ortaya çıkar, yeni yöntemler geliştirilir ve doğrulanır. Gerekçelendirme genellikle matematiksel yollarla, yani teoremlerin kanıtlanmasıyla gerçekleştirilir. Metodolojik bileşen tarafından önemli bir rol oynar - görevlerin tam olarak nasıl belirleneceği, daha fazla matematiksel çalışma amacıyla hangi varsayımların kabul edileceği. modernin rolü Bilişim Teknolojileriözellikle, bir bilgisayar deneyi.

Acil bir görev, gelişme eğilimlerini belirlemek ve bunları tahmin için uygulamak için istatistiksel yöntemlerin geçmişini analiz etmektir.

Edebiyat

2. Naylor T. Ekonomik sistem modelleri ile makine simülasyon deneyleri. - M.: Mir, 1975. - 500 s.

3. Kramer G. Matematiksel istatistik yöntemleri. - M.: Mir, 1948 (1. baskı), 1975 (2. baskı). - 648 s.

4. Bolshev L.N., Smirnov N.V. Matematiksel istatistik tabloları. - M.: Nauka, 1965 (1. baskı), 1968 (2. baskı), 1983 (3. baskı).

5. Smirnov N. V., Dunin-Barkovsky I. V. Teknik uygulamalar için olasılık teorisi ve matematiksel istatistik dersi. Ed. 3. stereotipik. - E.: Nauka, 1969. - 512 s.

6. Norman Draper, Harry Smith Uygulamalı regresyon analizi. Çoklu Regresyon = Uygulamalı Regresyon Analizi. - 3. baskı. - E.: "Diyalektik", 2007. - S. 912. - ISBN 0-471-17082-8

Ayrıca bakınız

Wikimedia Vakfı. 2010 .

• Yat Kha
• Amalgam (anlam ayrım)

Diğer sözlüklerde "İstatistiksel Yöntemler" in ne olduğunu görün:

İSTATİSTİKSEL YÖNTEMLER- İSTATİSTİKSEL YÖNTEMLER bilimsel yöntemler nicel (sayısal) bir ifadeye izin veren kitle fenomenlerinin tanımları ve çalışmaları. “İstatistik” kelimesi (Yigal. stato durumundan) “durum” kelimesiyle ortak bir köke sahiptir. Başlangıçta bu …… Felsefi Ansiklopedi

İSTATİSTİKSEL YÖNTEMLER -- nicel (sayısal) ifadeye izin veren kitle olaylarının bilimsel açıklama ve çalışma yöntemleri. "İstatistik" kelimesi (İtalyanca stato - devletten gelir) "devlet" kelimesiyle ortak bir köke sahiptir. Başlangıçta, yönetim bilimine atıfta bulundu ve ... Felsefi Ansiklopedi

İstatistiksel Yöntemler- (ekoloji ve biyosenolojide) bütünü (örneğin, fitosenoz, popülasyon, üretkenlik) belirli kümelerinde (örneğin, kayıt sitelerinde elde edilen verilere göre) keşfetmenize ve doğruluk derecesini değerlendirmenize izin veren varyasyon istatistikleri yöntemleri ... ... Ekolojik sözlük

istatistiksel yöntemler- (psikolojide) (Latince statü statüsünden) psikolojide temel olarak deneysel sonuçları işlemek için kullanılan bazı uygulamalı matematiksel istatistik yöntemleri. S. m kullanmanın temel amacı, sonuçların geçerliliğini ... ... Büyük Psikolojik Ansiklopedi

İstatistiksel Yöntemler- 20.2. İstatistiksel Yöntemler Faaliyetleri düzenlemek, düzenlemek ve doğrulamak için kullanılan belirli istatistiksel yöntemler, bunlarla sınırlı olmamak üzere şunları içerir: a) deney tasarımı ve faktör analizi; b) varyans analizi ve … Normatif ve teknik dokümantasyon terimlerinin sözlük referans kitabı

İSTATİSTİKSEL YÖNTEMLER- Miktarların incelenmesi için yöntemler. kitle toplumlarının yönleri. fenomenler ve süreçler. S. m., toplumlarda süregelen değişiklikleri karakterize etmeyi dijital terimlerle mümkün kılar. süreçleri, farklı incelemek için. sosyal ekonomik biçimler. desenler, değişim ... ... Tarım Ansiklopedik Sözlük

İSTATİSTİKSEL YÖNTEMLER- deneysel sonuçları işlemek için kullanılan bazı uygulamalı matematiksel istatistik yöntemleri. Kalite güvencesi için özel olarak bir dizi istatistiksel yöntem geliştirilmiştir. psikolojik testler, profesyonel kullanım için ... ... Profesyonel eğitim. Sözlük

İSTATİSTİKSEL YÖNTEMLER- (mühendislik psikolojisinde) (Latince statü statüsünden) mühendislik psikolojisinde deneysel sonuçları işlemek için kullanılan bazı uygulamalı istatistik yöntemleri. S. m kullanmanın temel amacı, sonuçların geçerliliğini ... ... Ansiklopedik Psikoloji ve Pedagoji Sözlüğü

Bu ders, yerli ve yabancı yöntem ve risk analizi modellerinin sistematizasyonunu sunar. Aşağıdaki risk analizi yöntemleri vardır (Şekil 3): deterministik; olasılıksal-istatistiksel (istatistiksel, olasılıksal ve olasılıksal-sezgisel); istatistiksel olmayan nitelikteki belirsizlik koşullarında (bulanık ve sinir ağı); yukarıda listelenen yöntemlerin çeşitli kombinasyonları dahil (deterministik ve olasılıksal; olasılıksal ve bulanık; deterministik ve istatistiksel).

Deterministik Yöntemler Başlatıcı olaydan başlayarak, beklenen arızalar dizisi boyunca kararlı durum nihai durumuna kadar kazaların gelişim aşamalarının analizini sağlar. Acil durum sürecinin seyri, matematiksel simülasyon modelleri kullanılarak incelenir ve tahmin edilir. Yöntemin dezavantajları şunlardır: kaza gelişiminin nadir fakat önemli zincirlerini kaçırma potansiyeli; yeterince yeterli matematiksel modeller oluşturmanın karmaşıklığı; karmaşık ve pahalı deneysel çalışmalara duyulan ihtiyaç.

Olasılıksal-istatistiksel yöntemler risk analizi, hem bir kaza olasılığının değerlendirilmesini hem de süreçlerin belirli bir gelişim yolunun göreceli olasılıklarının hesaplanmasını içerir. Aynı zamanda, dallanmış olay zincirleri ve başarısızlıklar analiz edilir, uygun bir matematiksel aparat seçilir ve tam olasılık kazalar. Aynı zamanda, hesaplamalı matematiksel modeller, deterministik yöntemlerle karşılaştırıldığında önemli ölçüde basitleştirilebilir. Yöntemin ana sınırlamaları, ekipman arızalarına ilişkin yetersiz istatistiklerle ilişkilidir. Ek olarak, basitleştirilmiş hesaplama şemalarının kullanılması, ciddi kazalar için ortaya çıkan risk değerlendirmelerinin güvenilirliğini azaltır. Bununla birlikte, olasılıksal yöntem şu anda en umut verici olanlardan biri olarak kabul edilmektedir. Buna dayanarak, çeşitli risk değerlendirme yöntemleri, mevcut ilk bilgilere bağlı olarak aşağıdakilere ayrılır:

İstatistiksel, olasılıklar mevcut istatistiksel verilerden (varsa) belirlendiğinde;

Teorik ve olasılıklı, istatistiklerin pratikte olmadığı durumlarda nadir olaylardan kaynaklanan riskleri değerlendirmek için kullanılır;

Olasılıksal-sezgisel, uzman değerlendirmesi yardımıyla elde edilen öznel olasılıkların kullanımına dayanır. Yalnızca istatistiksel verilerin değil, aynı zamanda matematiksel modellerin de eksik olduğu (veya doğruluklarının çok düşük olduğu) durumlarda, bir dizi tehlikeden kaynaklanan karmaşık risklerin değerlendirilmesinde kullanılırlar.

Belirsizlik koşulları altında risk analizi yöntemleri istatistiksel olmayan doğa bir kazanın meydana gelme ve gelişme süreçleri hakkında bilgi eksikliği veya eksikliği ile ilişkili risk kaynağının belirsizliklerini tanımlamayı amaçlamaktadır - XOO; insan hatası; Acil durum sürecinin gelişimini tanımlamak için kullanılan modellerin varsayımları.

Yukarıdaki risk analizi yöntemlerinin tümü, başlangıçtaki ve sonuçta ortaya çıkan bilgilerin niteliğine göre sınıflandırılır. kalite ve nicel.

Pirinç. 3. Risk analizi yöntemlerinin sınıflandırılması

Nicel risk analizi yöntemleri, risk göstergelerinin hesaplanması ile karakterize edilir. Nicel bir analiz yapmak, yüksek nitelikli sanatçılar, çevredeki alanın özellikleri, hava koşulları, insanların bölgede ve tesis yakınında geçirdiği süre, nüfus yoğunluğu dikkate alınarak kaza oranları, ekipman güvenilirliği hakkında büyük miktarda bilgi gerektirir. ve diğer faktörler.

Karmaşık ve maliyetli hesaplamalar genellikle çok doğru olmayan bir risk değeri verir. Tehlikeli üretim tesisleri için, gerekli tüm bilgiler mevcut olsa bile, bireysel risk hesaplamalarının doğruluğu, bir büyüklükten daha yüksek değildir. Aynı zamanda holding niceleme risk değerlendirmesi, bir nesnenin güvenlik derecesini değerlendirmekten çok farklı seçenekleri (örneğin, ekipman yerleştirme) karşılaştırmak için daha yararlıdır. Yabancı deneyim, en büyük hacimli güvenlik tavsiyelerinin, daha az miktarda bilgi ve işçilik maliyeti kullanan nitel risk analizi yöntemleri kullanılarak geliştirildiğini göstermektedir. Yine de Nicel yöntemler risk değerlendirmeleri her zaman çok faydalıdır ve bazı durumlarda farklı nitelikteki tehlikelerin karşılaştırılmasında ve tehlikeli üretim tesislerinin incelenmesinde kabul edilebilir tek yöntemdir.

İle deterministik yöntemler şunları içerir:

- kalite(Kontrol listesi); “Eğer olursa ne olacak?” (Ne - Eğer); Ön tehlike analizi (Proses Tehlikesi ve Analizi) (PHA); “Arıza Modu ve Etkileri Analizi” (AFPO) (Arıza Modu ve Etkileri Analizi) ( FMEA), Eylem Hataları Analizi (AEA), Kavram Tehlike Analizi (CHA), Kavram Güvenlik İncelemesi (CSR), İnsan Tehlike ve İşlerlik Analizi (HumanHAZOP) İnsan Güvenilirlik Analizi (HRA) ve İnsan Hataları veya Etkileşimleri (HEI) Mantıksal analiz;

- nicel(Örüntü tanımaya dayalı yöntemler (küme analizi); Sıralama (uzman değerlendirmeleri); Tehlike Tanımlama ve Sıralama Analizi (HIRA); Arıza Modu, Etkiler ve Kritik Analiz) (FMECA); Domino etkileri analizi metodolojisi; Potansiyel risk belirleme yöntemleri ve değerlendirme); İnsan faktörünün güvenilirliği üzerindeki etkinin ölçülmesi (Human Reliability Quantification) (HRQ).

İle olasılıksal-istatistiksel yöntemler şunları içerir:

İstatistik: kalite yöntemler (akış haritaları) ve nicel yöntemler (kontrol çizelgeleri).

Olasılık yöntemleri şunları içerir:

-kalite(Kaza Sekansları Öncüsü (ASP));

- nicel(Olay ağaçlarının analizi) (ADS) (Olay Ağacı Analizi) (ETA); Hata Ağacı Analizi (FTA); Kısa Yol Risk Değerlendirmesi (SCRA) karar ağacı; CHO'nun olasılıksal risk değerlendirmesi.

Olasılıksal-sezgisel yöntemler şunları içerir:

- kalite– uzman değerlendirmesi, analoji yöntemi;

- nicel- puanlama, tehlikeli durumları değerlendirmenin öznel olasılıkları, grup tahminlerini eşleştirme, vb.

Olasılıksal-sezgisel yöntemler, istatistiksel veri eksikliği olduğunda ve nadir olaylar durumunda, doğru kullanım olanakları olduğunda kullanılır. matematiksel yöntemler yeterli olmaması nedeniyle sınırlı istatistiki bilgi sistemlerin güvenilirlik göstergeleri ve teknik özellikleri ile sistemin gerçek durumunu tanımlayan güvenilir matematiksel modellerin eksikliği nedeniyle. Olasılıksal-sezgisel yöntemler, uzman değerlendirmesi yardımıyla elde edilen öznel olasılıkların kullanımına dayanır.

Uzman değerlendirmelerinin iki kullanım düzeyi vardır: nitel ve nicel. Nitel düzeyde, sistem arızası, nihai çözüm seçimi vb. nedeniyle tehlikeli bir durumun gelişmesi için olası senaryolar belirlenir.Kantitatif (nokta) tahminlerin doğruluğu, uzmanların bilimsel niteliklerine, yeteneklerine bağlıdır. belirli durumları, fenomenleri, durumu geliştirme yollarını değerlendirir. Bu nedenle, risk analizi ve değerlendirme problemlerini çözmek için uzman anketleri yapılırken, uyum katsayılarına dayalı grup kararlarını koordine etmek için yöntemler kullanmak gerekir; ikili karşılaştırma yöntemini kullanarak uzmanların bireysel sıralamalarına dayalı genelleştirilmiş sıralamalar oluşturma ve diğerleri. Çeşitli tehlike kaynaklarını analiz etmek kimya endüstrileri teknik araç, ekipman ve tesisat arızalarıyla ilgili kazaların geliştirilmesine yönelik senaryolar oluşturmak için uzman değerlendirmelerine dayalı yöntemler kullanılabilir; tehlike kaynaklarını sıralamak için.

Risk analizi yöntemlerine istatistiksel olmayan nitelikteki belirsizlik koşulları altında ilgili olmak:

-bulanık nitelik(Tehlike ve İşlerlik Çalışması (HAZOP) ve Örüntü Tanıma Temelli Yöntemler (Bulanık Mantık));

- sinir ağı teknik araçların ve sistemlerin arızalarını, teknolojik bozulmaları ve süreçlerin teknolojik parametrelerinin durumlarındaki sapmaları tahmin etme yöntemleri; Acil durumların oluşmasını önlemeye yönelik kontrol eylemlerinin araştırılması ve kimyasal olarak tehlikeli tesislerde acil durum öncesi durumların belirlenmesi.

Risk değerlendirme sürecindeki belirsizlik analizinin, risk değerlendirmesinde kullanılan girdi parametreleri ve varsayımlardaki belirsizliğin sonuçların belirsizliğine çevrilmesi olduğuna dikkat edin.

Disipline hakim olmanın istenen sonucunu elde etmek için, aşağıdaki SMMM SRT pratik sınıflarda ayrıntılı olarak ele alınacaktır:

1. Olasılıksal analiz ve SS modelleme yöntemlerinin temelleri;

2. İstatistiksel matematiksel yöntemler ve modeller karmaşık sistemler;

3. Bilgi teorisinin temelleri;

4. Optimizasyon yöntemleri;

Son bölüm.(Son bölümde ise dersin kısa bir özeti özetlenmiş ve konuyla ilgili önerilerde bulunulmuştur. bağımsız iş Bu konudaki bilgilerin derinleştirilmesi, genişletilmesi ve pratik uygulaması için).

Böylece, teknosferin temel kavramları ve tanımları, karmaşık sistemlerin sistem analizi ve karmaşık teknosfer sistemleri ve nesneleri tasarlama problemlerini çözmek için çeşitli yöntemler ele alındı.

Bu konuyla ilgili pratik bir ders, sistemleri ve olasılıksal yaklaşımları kullanan karmaşık sistem projelerinin örneklerine ayrılacaktır.

Dersin sonunda öğretmen ders materyali hakkındaki soruları cevaplar ve kendi kendine çalışma için bir görev duyurur:

2) ders notlarını büyük ölçekli sistem örnekleriyle sonlandırın: ulaşım, iletişim, sanayi, ticaret, video gözetim sistemleri ve küresel orman yangını kontrol sistemleri.

Tarafından dizayn edilmiştir:

Bölüm Öğretim Üyesi O.M. Medvedev

Kayıt Sayfasını Değiştir