Статистична оцінка ризиків

Існує три найбільш часто використовуваних методу статистичної оцінки ризиків. Слід розглянути кожен з них окремо.

Марковський аналіз

Марковський аналіз – метод статистичної оцінки ризиків, який був названий на честь російського математика Маркова О.О., якому також належить узагальнення закону великих чисел при залежних випадкових величинах.

Марковський аналіз, або аналіз станів, використовується при необхідності аналізу складних відновлюваних систем. Аналіз застосовується того, коли майбутній стан системи залежить від її нинішнього, поточного стану. Початковими даними для використання методу є список різноманітних станів системи, підсистеми / компонента. Результатами або даними виходу є ймовірності перебування системи в різних станах. Або, іншими словами, оцінка ймовірності відмови або безпомилкової роботи її компонентів, тобто самого ризику.

Метод є досить складним для застосування, але в результаті аналізу існує можливість отримання кількісних і точних вихідних даних. Вимоги до якості вихідних даних, які необхідні для аналізу систем методом Марківського аналізу, є більш всеосяжними в порівнянні з іншими методами статистичного аналізу ризиків. Але, за своїм змістом, метод є очевидним і простим для розуміння, і для його застосування не існує будь-яких спеціальних стандартів.

Моделювання методом Монте-Карло

Такий статистичний метод оціни ризиків, як моделювання методом Монте-Карло, використовується для виявлення змін системи, які з’являються через зміни первинних вхідних даних і їх взаємозалежності з вихідними даними. Для моделі, яка визначать таку взаємозв’язок між вхідними та вихідними даними, і слід використовувати даний аналіз.

Вхідні дані, відповідно до методу Монте-Карло, можуть бути характеризувати як якісь випадкові величини з відповідними розподілами і з властивою їм невизначеністю. Для оцінки ризику за допомогою даного методу необхідно використовувати трикутні розподілу або бета-розподілу.

Метод характеризується високою значимістю ресурсів і можливостей, але також і високою складністю виконання. Моделювання являє собою математичну методику, метою якої є облік ризику для прийняття рішень. Областями застосування моделювання можуть служити фінанси, енергетика, проектування, страхування, транспорт і багато інших областей. Іноді для завершення моделювання необхідні сотні розрахунків, але такий спосіб дозволяє в результаті отримати розподілу значень для допустимих наслідків.

Байєсівський аналіз

Даний статистичний метод оцінки ризиків використовує апріорне розподіл показників для оцінки ймовірності результатів. Іншими словами, це метод прийняття рішення, який заснований на розумінні апріорного розподілу ймовірностей неспостережуваних характеристик і розподілі результатів експерименту при фіксованих значеннях даних неспостережуваних характеристик. Точність результатів методу безпосередньо залежить від точності подібного апріорного розподілу. Мережа Байєса є основою для моделювання зв’язків причин і наслідків, основою чого, в свою чергу, є аналіз імовірнісних співвідношень первинних даних «входу» і вихідних даних або результатів.

Ресурси і можливості, як впливає фактор аналізу, мають високу значимість. Складність виконання байєсівського аналізу може бути визначена, як висока, але при цьому за допомогою аналізу є можливим отримання точних кількісних вихідних оцінок.

Посилання на основну публікацію