К какому классу моделей относится применение критерия Сэвиджа в задачах принятия решений?
Подробное объяснение
Критерий Сэвиджа (минимаксного сожаления) используется в теории принятия решений в условиях неопределенности. Он предполагает построение матрицы сожалений на основе матрицы выигрышей и выбор альтернативы, минимизирующей максимальное сожаление. Этот подход является частью игровых (матричных) моделей, где решения принимаются в условиях противодействия природы или других факторов.
Часто задаваемые вопросы (FAQ)
1
Что такое критерий Сэвиджа?
Критерий Сэвиджа (минимакс сожаления) — это правило выбора решения в условиях неопределенности, при котором строится матрица сожалений (разница между максимально возможным выигрышем при данном состоянии природы и фактическим выигрышем), а затем выбирается альтернатива с минимальным максимальным сожалением.
2
Чем критерий Сэвиджа отличается от критерия Вальда?
Критерий Вальда (максимин) ориентирован на гарантированный результат, выбирая альтернативу с максимальным из минимальных выигрышей. Критерий Сэвиджа минимизирует сожаление, то есть риск недополучения максимального выигрыша, что более осторожно с точки зрения упущенной выгоды.
3
В каких моделях применяется критерий Сэвиджа?
Критерий Сэвиджа применяется в игровых (матричных) моделях принятия решений, где известны состояния природы и выигрыши для каждой альтернативы, но неизвестны вероятности состояний.
Типичные ошибки
1
Путают критерий Сэвиджа с критерием Лапласа.
Критерий Лапласа предполагает равную вероятность всех состояний, тогда как Сэвидж не использует вероятности, а фокусируется на сожалении.
2
Считают, что критерий Сэвиджа выбирает альтернативу с минимальным выигрышем.
На самом деле он выбирает альтернативу с минимальным максимальным сожалением, а не минимальным выигрышем; сожаление — это разность между возможным и фактическим выигрышем.
3
Применяют критерий Сэвиджа в условиях риска (с известными вероятностями).
Критерий Сэвиджа предназначен для условий неопределенности, когда вероятности состояний неизвестны; в условиях риска обычно используют критерий максимизации ожидаемой полезности.