Аннотації
04.07.2016
Розглянуто приклад моделювання чинників, що утворюють ризики, які вносять різні невизначеності у інноваційну діяльність підприємств на базі одного з напрямів класичної теорії вірогідності – імовірнісного виводу. Для можливості здобуття імовірнісних оцінок взаємозв'язаних ризикоутворюючих чинників використана однозв'язна деревоподібна мережа впевненостей, що дозволяє моделювати з великим числом випадкових подій, враховуючи стохастичні зв'язки складних невизначених ситуацій. Отримані результати за розрахунками зі збільшенням числа вузлів мережі, дозволяють зробити висновок про високу ймовірність задовільного стану портфеля замовлень на інноваційну продукцію.
Рассмотрен пример моделирования рискообразующих факторов, вносящих различные неопределенности в инновационную деятельность предприятий на основе одного из направлений классической теории вероятности – вероятностного вывода. Для возможности получения вероятностных оценок взаимосвязанных рискообразующих факторов использована односвязная древовидная сеть уверенностей, позволяющая моделировать с большим числом случайных событий, учитывая стохастические связи сложных неопределённых ситуаций. Полученные результаты по расчетам с увеличением числа узлов сети, позволяют сделать вывод о высокой вероятности удовлетворительного состояния портфеля заказов на инновационную продукцию.
An example of modeling risk-contributing factors which introduce uncertainties into the innovative activity of enterprise has been discussed. The simulation method has been developed on the base of the classical theory of probability (probabilistic inference). In order to estimate the interdependent risk-contributing factors we use a simply connected tree-like network of assurance which allows modeling uncertain situations taking into account the stochastic relations which arise among situations. The obtained results of estimation of the network increasing vertices lead to a conclusion on high probability of the satisfactory condition of the innovative product orders portfolio.
- Borisov, A.N., Uzhga-Rebrov, O.I., Savchenko K.I. (2002). Probabilistic inference in the intelligent systems. Riga, 218.
- Kamenskaya, N.U. (2011). Innovative activity of enterprise: issues of risk classification. Reporter of the KhmelnitskiNational University, 2 (3), 237-240.
- Jensen, F.V. (1996). An Introduction to Bayesian Networks. London: UCL Press Ltd, 178.
- Neapolitan R.E. (1990). Probabilistic Reasoning in Expert Systems. Theory and Applications. New York: John Wiley & Sons, Inc., 433.
- Pearl, J. (1988). Probabilistic Reasoning in Intelligent Systems: Network of Plausible Inference. San Mateo, Kalifornia: Morgan Kaufmann Publishers Inc., 552.
- Uzga–Rebrovs, O. (2010). Nenoteiktibyparvaldisana. Rezekne : RA Izdevnieciba, 560.