Принятие решений в условиях неопределенности¶

Принятие решений в условиях неопределенности — это процесс выбора альтернативы в ситуации, когда последствия этого выбора не могут быть точно предсказаны из-за недостатка или неполноты информации о внешних факторах, вероятностях событий или будущих состояниях среды. Данная область является междисциплинарной, охватывая теорию управления, экономику, психологию, статистику и теорию игр. В отличие от принятия решений в условиях риска, где вероятности исходов известны или могут быть оценены, неопределенность предполагает отсутствие таких оценок или их высокую субъективность.

¶История изучения

Систематическое изучение принятия решений в условиях неопределенности началось в середине XX века. В 1944 году Джон фон Нейман и Оскар Моргенштерн опубликовали работу «Теория игр и экономическое поведение», заложившую основы теории ожидаемой полезности. Однако классическая модель предполагала наличие известных вероятностей. В 1950-х годах Леонард Сэвидж разработал теорию субъективной ожидаемой полезности, где вероятности заменяются субъективными оценками лица, принимающего решения.

В 1961 году Дэниел Эллсберг провел эксперимент, известный как «парадокс Эллсберга», который показал, что люди предпочитают известные вероятности неизвестным, даже если последние объективно не хуже. Это противоречие стимулировало развитие поведенческой экономики. В 1979 году Дэниел Канеман и Амос Тверски предложили теорию перспектив, описывающую, как люди на самом деле принимают решения в условиях неопределенности, включая эффекты фрейминга и потерь.

В 2000-х годах с развитием вычислительных методов и больших данных появились подходы, основанные на имитационном моделировании (метод Монте-Карло) и машинном обучении, позволяющие количественно оценивать неопределенность в сложных системах.

¶Классификация неопределенности

Неопределенность классифицируется по нескольким основаниям:

¶По источнику

• Алеаторная (стохастическая) неопределенность — связана со случайностью процессов (например, погода, поломка оборудования). Теоретически может быть описана вероятностными распределениями.
• Эпистемическая неопределенность — обусловлена недостатком знаний (например, неизвестные параметры модели, неполные данные). Может быть уменьшена за счет сбора дополнительной информации.

¶По степени известности

• Полная неопределенность — вероятности исходов неизвестны, и нет способа их оценить.
• Частичная неопределенность — известны некоторые характеристики (например, диапазон возможных значений, но не распределение).
• Риск — вероятности исходов известны (часто рассматривается как частный случай неопределенности).

¶По контексту

• Внешняя неопределенность — связана с факторами окружающей среды (рынок, политика, природные явления).
• Внутренняя неопределенность — связана с неполнотой знаний о собственной системе (например, ошибки измерений, неточность моделей).

¶Методы принятия решений

В зависимости от доступной информации и целей используются различные подходы.

¶Классические критерии (теория игр с природой)

Применяются, когда нет вероятностных оценок. Лицо, принимающее решение, выбирает стратегию, исходя из матрицы выигрышей или потерь.

• Критерий Вальда (максимин) — выбирается альтернатива, гарантирующая наилучший результат в наихудшем случае. Ориентирован на пессимистический сценарий.
• Критерий Сэвиджа (минимакс сожаления) — минимизирует максимальное сожаление (разницу между фактическим результатом и наилучшим возможным в данном состоянии среды). Позволяет избежать больших потерь при ошибке.
• Критерий Гурвица (оптимизм-пессимизм) — использует взвешенную сумму наилучшего и наихудшего исходов с коэффициентом α (0 ≤ α ≤ 1), отражающим степень оптимизма.
• Критерий Лапласа (принцип недостаточного основания) — предполагает, что все состояния среды равновероятны, и выбирается альтернатива с максимальной средней полезностью.

¶Вероятностные методы

Применяются, когда вероятности могут быть оценены (субъективно или объективно).

• Максимизация ожидаемой полезности — выбор альтернативы с наибольшим математическим ожиданием полезности. Требует задания функции полезности.
• Теория перспектив — учитывает психологические особенности: люди переоценивают маловероятные события и недооценивают высоковероятные, а также более чувствительны к потерям, чем к приобретениям.
• Байесовский подход — позволяет обновлять оценки вероятностей по мере поступления новой информации (теорема Байеса). Используется в адаптивном управлении.

¶Анализ чувствительности и сценариев

• Анализ чувствительности — оценка того, как изменение входных параметров влияет на результат. Позволяет выявить критические факторы.
• Сценарный анализ — рассмотрение нескольких возможных вариантов развития событий (оптимистичный, пессимистичный, базовый). Часто применяется в стратегическом планировании.

¶Имитационное моделирование

Метод Монте-Карло позволяет многократно проигрывать случайные сценарии на основе заданных распределений. Результатом является распределение вероятностей возможных исходов, что дает количественную оценку неопределенности.

¶Методы теории нечетких множеств

Применяются, когда неопределенность носит лингвистический характер (например, «высокий риск», «низкая инфляция»). Нечеткая логика позволяет оперировать нечеткими понятиями и правилами.

¶Психологические аспекты

Исследования в области поведенческой экономики выявили ряд систематических отклонений от рационального поведения в условиях неопределенности:

• Эффект избегания неопределенности — предпочтение известных рисков неизвестным, даже если последние объективно менее опасны.
• Чрезмерная уверенность — склонность переоценивать точность своих знаний и прогнозов.
• Эвристика доступности — оценка вероятности события на основе легкости, с которой примеры приходят на ум (например, после авиакатастрофы люди переоценивают риск полетов).
• Эффект якоря — привязка оценки к первой полученной информации, даже если она нерелевантна.
• Ошибка невозвратных затрат — продолжение невыгодного проекта из-за уже вложенных ресурсов, игнорируя будущие перспективы.

¶Применение

¶Бизнес и управление

Принятие решений в условиях неопределенности является ключевым в стратегическом менеджменте, инвестиционном анализе, управлении проектами и риск-менеджменте. Например, при оценке инвестиционных проектов используется анализ чувствительности и сценарный анализ, а также метод реальных опционов, позволяющий учитывать гибкость управления.

¶Государственное управление

В области экономической политики, обороны, здравоохранения и экологии решения принимаются при высокой неопределенности (например, прогнозирование последствий изменения климата, эпидемий). Используются методы сценарного планирования и байесовского моделирования.

¶Техника и технологии

В инженерном проектировании (например, при создании космических аппаратов, атомных станций) применяются методы теории надежности и анализа рисков, учитывающие неопределенность параметров и внешних воздействий.

¶Военное дело

Принятие решений в боевых условиях характеризуется высокой неопределенностью относительно действий противника. Используются теория игр, имитационное моделирование и методы разведки.

¶Критика и ограничения

Классические критерии (Вальда, Сэвиджа, Гурвица) критикуются за произвольность выбора коэффициентов и игнорирование вероятностной информации, если она доступна. Вероятностные методы требуют задания субъективных вероятностей, что может быть затруднительно при полной неопределенности. Теория перспектив хорошо описывает поведение, но не дает нормативных рекомендаций.

Кроме того, многие методы предполагают статичность среды, тогда как в реальности неопределенность может изменяться динамически. В ответ на это развиваются адаптивные подходы, такие как обучение с подкреплением и байесовская оптимизация.

¶Интересные факты

• Парадокс Эллсберга (1961) продемонстрировал, что люди готовы платить за то, чтобы избежать неопределенности, даже если она не влияет на ожидаемую полезность.
• Метод Монте-Карло, широко используемый для анализа неопределенности, был разработан в 1940-х годах физиками Станиславом Уламом и Джоном фон Нейманом при работе над Манхэттенским проектом.
• В Российской Федерации в области государственного управления используются методики оценки рисков, утвержденные Правительством РФ (например, «Методические рекомендации по оценке рисков в системе государственного управления»).

¶Источники

1. Канеман Д., Тверски А. «Принятие решений в условиях неопределенности: Правила и предубеждения». — 1974.
2. Сэвидж Л. Дж. «Основания статистики». — 1954.
3. Нейман Дж. фон, Моргенштерн О. «Теория игр и экономическое поведение». — 1944.
4. Эллсберг Д. «Риск, неопределенность и аксиомы Сэвиджа». — 1961.
5. Ларичев О. И. «Теория и методы принятия решений». — 2000.
6. Трахтенгерц Э. А. «Компьютерная поддержка принятия решений». — 1998.