Математическая статистика

Содержание
Введение
1. Математическая статистика как наука: предмет и зарождение
1.1. Зарождение математической статистики в первой половине XIX в.
1.2. Развитие математической статистики в России
2. Математическая статистка в управлении
2.1. Значение математической статистики в управлении
2.2. Использование в управлении теории игр
2.3. Использование в управлении моделирования систем массового обслуживания
Заключение
Список литературы

Математическая статистика

В.В. Новожилов разработал принципы соизмерения затрат и результатов в экономике. Ведущим принципом решения такой задачи была выдвинута оптимальность. Во главу всякой капиталоемкой современной экономики ставится проблема согласования частных хозяйственных решений с требованиями общеэкономической оптимальности. В условиях ограниченности экономических ресурсов для каждого варианта решения должны учитываться не только прямые выгоды, связанные с определенным вариантом, и соответственное увеличение использования конкретного ресурса, но и потери, связанные с невозможностью использовать данный ресурс в альтернативном варианте. Эти неявные затраты должны включаться в затраты, связанные с реализацией первого варианта, уменьшая его фактическую доходность. В.В. Новожилов называет эти затраты "затратами обратной связи", аналогичные альтернативной стоимости в теории рыночной экономики.
Заслугой В.В. Новожилова стало обоснование идеи оптимального функционирования экономики на основе оптимальных цен и распределения ограниченных ресурсов (соизмерения затрат и результатов). Работы В.В. Новожилова являются примером глубокого теоретического обоснования в процессе использования математических методов, методов линейного программирования.
Выдающуюся роль в развитии экономико-математического направления в России играет Василий Сергеевич Немчинов (1894-1964). Он отмечал, что роль экономико-математических методов возрастает по мере развития производства. С их помощью становится возможным нахождение оптимальных решений общеэкономических задач, а также целого ряда специальных экономических проблем, возникающих в промышленности, сельском хозяйстве, на транспорте и в других отраслях.
По мнению В.С. Немчинова, применение экономико-математических методов обеспечивает возможность выявления, изучения и прогнозирования сложных связей, возникающих в экономике. Эти методы позволяют, с одной стороны, производить сложные экономические расчеты и находить оптимальные варианты производственных программ и планов. С другой стороны, на основе методов математической статистики оценивать статистическую достоверность данных наблюдения, характеризовать взаимосвязи экономических параметров и находить распределение отклонений индивидуальных значений различных параметров от их средних значений.
В.С. Немчинов рассматривал следующие основные направления развития экономико-математических методов. Он считал, что центральным направлением должна стать разработка математической методологии общественных оценок в системе расчетов, необходимых для составления оптимального плана развития экономики страны. В роли общественных оценок выступает целевая функция потребителя, обоснованные критерии рентабельности производства, система обоснованных цен.
Вторым направлением является разработка балансовых моделей экономики, в частности межотраслевых и межрегиональных балансов производства и распределения продукции. В.С. Немчинов разработал алгоритм трансформации матрицы межотраслевого баланса в схему расширенного воспроизводства. При этом центральное место занимают такие понятия, как потенциал расширенного воспроизводства, представляющих собой объем накопления средств производства (элементов основного капитала). По сути, он оперирует понятиями сбережения и инвестиции. Анализируя реальное соотношение сбережений и инвестиций в современной экономике, В.С. Немчинов приходит к выводу, что эти величины практически никогда не совпадают друг с другом, что становится одной из причин несбалансированности экономического роста.
В.С. Немчиновым была осуществлена трансформация межотраслевого баланса Великобритании за 1935 и 1950 гг. В схемы расширенного воспроизводства. Использованный В.С. Немчиновым метод трансформации матрицы межотраслевого баланса в схему расширенного воспроизводства представляет собой особый интерес, ибо он является по существу результатом комбинации метода агрегирования, или укрупнения информации, с методом статистической группировки.
В этот период В.С. Немчинов уделяет большое внимание решению так называемых транспортных задач. Суть состоит в использовании экономико-математических методов для оптимизации транспортных потоков, выбора оптимального маршрута. Эта задача носит чисто прикладной характер. Впоследствии эта задача приобретает более широкий характер, как задача оптимизации плана производства и перевозок.
Четвертое направление использования экономико-математических методов, по мнению В.С. Немчинова, представляет собой решение разнообразных технико-экономических задач. Здесь можно назвать нахождение оптимального плана использования производственных мощностей (например, загрузки станочного оборудования), рациональный раскрой промышленных материалов, оптимальное расположение промышленных объектов и прочее.
Пятым направлением В.С. Немчинов считал дальнейшее развитие математической статистики и применение её методов к решению задач прогнозирования экономического развития.
В целом, В.С. Немчинов играет большую роль в утверждении экономико-математических методов и расчетов в практике хозяйствования как в целях решения глобальных задач обеспечения сбалансированного экономического роста, так и прикладных, связанных с оптимизацией производственных программ и транспортных потоков.
В более поздний период существенную роль в развитии экономико-математического моделирования играл Станислав Сергеевич Шаталин (1934-1996). Он развил методологию макроэкономического прогнозирования и программирования. Другой экономист - Н.Я. Петраков внес существенный вклад в использование математических методов для оценки экономической эффективности принимаемых решений, развивает теорию и методологию оптимизации функционирования экономики, обоснования цен на товары и услуги. Но весь приведенный перечень ученых-экономистов, внесших существенный вклад в развитие отечественной и мировой математической статистикой, является далеко не полным.
2. Математическая статистка в управлении
2.1. Значение математической статистики в управлении
Значение статистики в упралении можно емко выразить одной фразой из романа "12 стульев" И. Ильфа и Е. Петрова: "Статистика знает все!"
Сегодня трудно найти сферу управленческой деятельности, где бы не применялась статистика. К статистике, её методам и прежде всего математической статистике, обращаются везде и всюду. Без статистики немыслимо подведение итогов деятельности как отдельно взятых хозяйствующих субъектов, так и целых стран и мировой экономики в целом. В равной мере невозможно принятие научно-обоснованных управленческих решений, невозможна оперативная работа в любой области профессиональной деятельности.
Жизнедеятельность общества свидетельствует о всеобщей востребованности статистики не только как обширного и надежного первоисточника данных, но и столь же мощного инструмента познания объективных закономерностей прошлого и грядущего развития окружающего мира.
С помощью статистических методов можно обосновать и доказать экономические предположения, проверить теоретические гипотезы, восстановить, пополнить и скорректировать существующие оценки, представить изучаемые явления в полном объеме накопленных знаний.
Нет другой отрасли современных знаний, которая решала бы эти вопросы более квалифицированно, полно и объективно, чем статистика.
 Вместе с тем, история статистики свидетельствует о сложном и противоречивом её использовании.  Этим во многом объясняются многочисленные нелестные эпитеты адресованные статистике, скептическое отношение к официальным статистическим данным. Известно, например, изречение английского государственного деятеля и писателя Б. Дизраэли: "Имеются три вида лжи: ложь, наглая ложь и статистика".
Распространенное представление о возможности доказать любое явление с помощью статистики, конечно, слишком преувеличено, но и не лишено основания, т.к. статистические методы анализа данных, будучи безупречными с научно-методологической точки зрения, имеют каждый строго определенные условия и границы применения. Даже незначительное нарушение этих условий и границ может привести к недостаточно объективной статистической информации и, следовательно, неправомерным заключениям и выводам о состоянии и тенденциях развития изучаемого явления.
Рассмотрим некоторые примеры использования в современном менеджменте.
2.2. Использование в управлении теории игр
При решении экономических задач часто анализировать ситуации, в которых сталкиваются интересы двух или более конкурирующих сторон, преследующих различные цели; это особенно характерно в условиях рыночной экономики. Такого рода ситуации называются конфликтными.
Математической теорией конфликтных ситуаций является теория игр. В игре могут сталкиваться интересы двух (игра парная) или нескольких (игра множественная) противников; существуют игры с бесконечным множеством игроков. Если во множественной игре игроки образуют коалицию, то игра называется коалиционной; если таких коалиций две, то игра сводится к парной.
На промышленных предприятиях теория игр может применяться для выбора оптимальных решений, например, при создании рациональных запасов сырья, материалов, полуфабрикатов, когда противоборствуют две тенденции: увеличение запасов, гарантирующих бесперебойную работу производства, сокращения запасов в целях минимизации затрат на их хранение. В сельском хозяйстве теория игр может применяться при решении таких экономических задач, как посева одной из возможных культур, урожай которой зависит от погоды, если известны цена единицы той или иной культуры и средняя урожайность каждой культуры в зависимости от погоды (например, будет ли лето засушливы, нормальным или дождливым); в этом случае одним выступает сельскохозяйственное предприятие, стремящееся обеспечить наибольший доход, а другим — природа.
Решение подобных задач требует полной определенности формулировании их условий (правил игры); установления количества игроков, выявления возможных стратегий игроков, возможных выигрышей (проигрыш понимается как отрицательный выигрыш). Важным элементом в условии игровых задач является стратегия, т.е. совокупность правил, которые в зависимости от ситуации в игре определяют однозначный выбор действий данного игрока. Если в процессе игры игрок применяет попеременно несколько стратегий, то такая стратегия называется смешанной, а ее элементы — чистыми стратегиями. Количество стратегий у каждого игрока может быть конечным и бесконечным, в зависимости от этого игры подразделяются на конечные и бесконечные.
Важными являются понятия оптимальной стратегии, цены игры, среднего выигрыша. Эти понятия находят отражение в определении решения игры: стратегии Р* и Q* первого и второго игрока соответственно называются их оптимальными стратегиями, а число V — ценой игры, если для любых стратегий Р первого игрока и любых стратегий Q выполняются неравенства: где М (Р,Q) означает математическое ожидание выигрыши (средней выигрыш) первого игрока, если первым и вторым игроками избраны соответственно стратегии Р и Q.
Из неравенств следует, в частности, что V = M (P*,Q*),т.е. цена игры равна математическому ожиданию выигрыша первого игрока, если оба игрока изберут оптимальные для себя стратегии.
Одним из основных видов игр являются матричные игры, которыми называются парные игры с нулевой суммой (один игрок выигрывает столько, сколько проигрывает другой) при условии, что каждый игрок имеет конечное число стратегий. В этом случае парная игра формально задается матрицей А = (аij), элементы которой аij определяют выигрыш первого игрока (и соответственно проигрыш второго), если первый игрок выберет i-ю стратегию (i = ), а второй —j-ю стратегию (j = ). Матрица А называется матрицей игры, или платежной матрицей.
Существует ряд методов решения матричных игр. Если матрица игры имеет одну из размерностей, равную двум (у одного из игроков имеется только две стратегии), то решение игры может быть получено графически. Известно несколько методов приближенного решения матричной игры, например, метод Брауна. Во многих игровых задачах в сфере экономики неопределенность вызвана не сознательным противодействием противника, а недостаточной осведомленностью об условиях, в которых действуют стороны.
Когда одной из сторон выступает природа, когда неизвестно заранее погода, игры называются – играми с природой. В этих случаях строки матрицы игры соответствуют стратегии игрока, а столбцы — состояниям «природы». В ряде случаев при решении такой игры рассматривают матрицу рисков.
При решении игр с природой используется так же ряд критериев: критерий Сэвиджа, критерий Вальда, критерий Гурвица и др.
При максимальном критерии Вальда оптимальным считается та стратегия лица, принимающего решение, которая обеспечивает максимум минимального выигрыша; применяя этот критерий, ЛПР в большей степени ориентируется на наихудшие условия (этот критерий иногда называют критерием «крайнего пессимизма»).
Критерий минимаксного риска Сэвиджа предполагает, что оптимальной является та стратегия, при которой величина риска в наихудшем случае минимальна.
При использовании критерия «пессимизм — оптимизма” Гурвица ЛПР выбирает некоторый так называемый “коэффициент пессимизма» q; при q = 1 критерий Гурвица приводится к критерию Вальда («крайнего пессимизма»), а при критерию q=0 «крайнего оптимизма».
2.3. Использование в управлении моделирования систем массового обслуживания
Методы и модели, применяющиеся в теории массового обслуживания, можно условно разделить на аналитические имитационные.
Аналитические методы теории массового обслуживания позволяют получить характеристики системы как некоторые функции параметров её функционирования. Благодаря этому появляется возможность проводить качественный анализ влияния отдельных факторов на эффективность работы СМО. Имитационные методы основаны на моделировании процессов массового обслуживания на ЭВМ и применяются, если, невозможно применение аналитических моделей. Далее будем рассматривать аналитические метод моделирования СМО.
В настоящее время теоретически наиболее разработаны и удобны в практических приложениях методы решения таких задач массового обслуживания, в которых входящий поток требований является простейшим (пуассоновским).
Для простейшего потока частота поступления требований в систему подчиняется закону Пуассона, т.е. вероятность поступления за время t ровно k требований задается формулой:
Простейший поток обладает тремя основными свойств ординарности, стационарности и отсутствием последствия.
Ординарность потока означает практическую невозможность одновременного поступления двух и более требований. Например, достаточно малой является вероятность того, что из группы станков, обслуживаемых бригадой ремонтников, одновременно выйдут из строя сразу несколько станков.
Стационарным называется поток, для которого математическое ожидание числа требований, поступающих в систему в единицу времени (обозначим ), не меняется во времени. Таким образом, вероятность поступления в систему определенного количества требований в течение заданного промежутка времени t зависит от его величины и не зависит от начала его отсчета на оси времени.
Отсутствие последействия означает, что число требований, поступивших в систему до момента t, не определяет того сколько требований поступит в систему за промежуток времени от t до t+t.
Важная характеристика СМО — время обслуживания требований в системе. Время обслуживания одного требования является, как правило, случайной величиной и, следовательно, может быть описано законом распределения. Наибольшее распространение в теории и особенно в практических приложениях получил экспоненциальный закон распределения времени обслуживания. Функция распределения для этого она имеет вид:
т.е. вероятность того, что время обслуживания не превосходит некоторой величины t, определяется формулой, где — параметр экспоненциального закона распределения времени обслуживания требований в системе, т.е. величина, обратная среднему времени обслуживания :
Рассмотрим аналитические модели наиболее распространенных СМО с ожиданием, т.е. таких СМО, в которых требования, поступившие в момент, когда все обслуживающие каналы заняты, ставятся в очередь и обслуживаются по мере освобождения каналов.
Общая постановка задачи состоит в следующем. Система имеет n обслуживающих каналов, каждый из которых может одновременно обслуживать только одно требование. В систему поступает простейший (пуассоновский) поток лини с параметром . Если в момент поступления очередного требования в системе на обслуживании уже находится не меньше n требований (т.е. все каналы заняты), то это требование становится в очередь и ждет начала обслуживания.
Время обслуживания каждого требования — случайная величина, которая подчиняется экспоненциальному закону распределения с параметром .
СМО с ожиданием можно разбить на две большие группы: замкнутые и разомкнутые. К замкнутым относятся системы, в которых поступающий поток требований возникает в самой системе и ограничен.
Если питающий источник обладает бесконечным числом требований, то системы называются разомкнутыми. Отмеченные особенности функционирования этой системы. Расчет характеристик работы СМО различного вида может быть проведен на основе расчета вероятностей состояний СМО (так называемы формулы Эрланга).
Рассмотрим алгоритмы расчета показателей качества функционирования разомкнутой системы массового обслужит с ожиданием.
При изучении таких систем рассчитывают различны показатели эффективности обслуживающей системы. В качестве основных показателей могут быть вероятность того, что все каналы свободны или заняты, математическое ожидание длины очереди (средняя длина очереди), коэффициент занятости и простоя каналов обслуживания и др.
Введем в рассмотрение параметр . Заметим, что если , то очередь не может расти безгранично. Это условие имеет следующий смысл: — среднее число требований, поступающих за единицу времени, -время обслуживания одним каналом одного требования. Тогда — среднее число каналов, которое необходимо иметь, чтобы обслуживать в единицу времени все поступившие требования. Поэтому условие < 1 означает, что число обслуживающих каналов должно быть больше числа каналов, необходимых для того, чтобы за единицу времени обслужить все поступившие требования. Важнейшие характеристики работы СМО:
1. Вероятность того, что все обслуживающие каналы свободны
2. Вероятность того, что занято ровно k обслуживающих каналов при условии, что общее число требований, находятся на обслуживании, не превосходит числа обслуживающих аппаратов:
Po где
3. Вероятность того, что в системе находится k требований в случаи, когда их число больше числа обслуживающих каналов:
где
4. Вероятность того, что все обслуживающие каналы заняты:
5.Среднее время ожидания требованием начала обслуживания в системе:
6.Средняя длина очереди:
7.Среднее число свободных от обслуживания каналов:
8.Коэффициент простоя каналов:
.
9.Среднее число занятых обслуживанием каналов:
10.Коэффициент загрузки каналов:
Перейдем к рассмотрению алгоритмов расчета характеристик функционирования замкнутых СМО. Поскольку система замкнутая, то к постановке задачи следует добавить условие: поток поступающих требований ограничен, т.е. в системе обслуживания одновременно не может находиться больше m требований (m — число обслуживаемых объектов).
За критерий, характеризующий качество функционирования рассматриваемой системы, выберем отношение средней длины очереди к наибольшему числу требований, находящихся одновременно в обслуживающей системе — коэффициент простоя обслуживаемого объекта. В качестве другого критерия возьмем отношение среднего числа незанятых обслуживающих каналов к их общему числу — коэффициент простоя обслуживаемого канала.
Первый из названных критериев характеризует потери времени из-за ожидания начала обслуживания; второй показывает полноту загрузки обслуживающей системы.
Очевидно, что очередь может возникнуть, лишь когда число каналов меньше наибольшего числа требований, находящихся одновременно в обслуживающей системе (n < m).
Приведем последовательность расчетов характерней замкнутых СМО и необходимые формулы.