На бирже курсовых и дипломных проектов можно найти образцы готовых работ или получить помощь в написании уникальных курсовых работ, дипломов, лабораторных работ, контрольных работ, диссертаций, рефератов. Так же вы мажете самостоятельно повысить уникальность своей работы для прохождения проверки на плагиат всего за несколько минут.

ЛИЧНЫЙ КАБИНЕТ 

 

Здравствуйте гость!

 

Логин:

Пароль:

 

Запомнить

 

 

Забыли пароль? Регистрация

Повышение уникальности

Предлагаем нашим посетителям воспользоваться бесплатным программным обеспечением «StudentHelp», которое позволит вам всего за несколько минут, выполнить повышение уникальности любого файла в формате MS Word. После такого повышения уникальности, ваша работа легко пройдете проверку в системах антиплагиат вуз, antiplagiat.ru, etxt.ru или advego.ru. Программа «StudentHelp» работает по уникальной технологии и при повышении уникальности не вставляет в текст скрытых символов, и даже если препод скопирует текст в блокнот – не увидит ни каких отличий от текста в Word файле.

Результат поиска


Наименование:


контрольная работа Прогнозирование инновационого потенциала

Информация:

Тип работы: контрольная работа. Добавлен: 19.07.2012. Сдан: 2012. Страниц: 5. Уникальность по antiplagiat.ru: < 30%

Описание (план):


Содержание 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Введение 

     Как подходы, идеи и результаты теории вероятностей и математической статистики используются при принятии решений?
     Базой является вероятностная модель реального явления или процесса, т.е. математическая модель, в которой объективные соотношения выражены в терминах теории вероятностей. Вероятности используются прежде всего для описания неопределенностей, которые необходимо учитывать при принятии решений. Имеются в виду как нежелательные возможности (риски), так и привлекательные («счастливый случай»). Иногда случайность вносится в ситуацию сознательно, например, при жеребьевке, случайном отборе единиц для контроля, проведении лотерей или опросов потребителей.
     На  необходимость двух принципиально  различных подходов к построению теории информации указывал Дж. фон  Нейман, отмечавший, что вероятностно-статистический и кибернетический подходы необходимы для информационного описания двух разных процессов (систем) – статистических и динамических. 
     Следует отметить, что важную роль в развитии теории информации сыграли математические исследования: работы А.Н. Колмогорова  и его школы привели к новым  определениям понятия количества информации - не только вероятностному, но и комбинаторному и алгоритмическому. 
 
 
 
 
 
 
 
 

1. Функции метода  максимального правдоподобия 

     Ме?тод  максима?льного правдоподо?бия (также метод наибольшего правдоподобия) в математической статистике — это метод оценивания неизвестного параметра путём максимизации функции правдоподобия[1]. Основан на предположении о том, что вся информация о статистической выборке содержится в функции правдоподобия. Метод максимального правдоподобия был проанализирован, рекомендован и значительно популяризирован Р. Фишером между 1912 и 1922 годами (хотя ранее он был использован ГауссомЛапласом и другими).
     Оценка  максимального правдоподобия является популярным статистическим методом, который  используется для создания статистической модели на основе данных, и обеспечения  оценки параметров модели.
     Метод максимального правдоподобия соответствует многим известным методам оценки в области статистики. Например, предположим, что вы заинтересованы ростом жителей Украины. Предположим, у вас данные роста некоторого количества людей, а не всего населения. Кроме того предполагается, что рост является нормально распределенной величиной с неизвестной дисперсией и средним значением. Среднее значение и дисперсия роста выборки является максимально правдоподобным к среднему значению и дисперсии всего населения.
     Для фиксированного набора данных и базовой  вероятностной модели, используя метод максимального правдоподобия, мы получим значения параметров модели, которые делают данные «более близкими» к реальным. Оценка максимального правдоподобия дает уникальный и простой способ определить решения в случае нормального распределения.
     Метод оценки максимального правдоподобия  применяется для широкого круга  статистических моделей, в том числе:
    линейные модели и обобщенные линейные модели;
    факторный анализ;
    моделирования структурных уравнений;
    многие ситуации, в рамках проверки гипотезы и доверительного интервала формирования;
    дискретные модели выбора.
Метод максимального правдоподобия,  метод нахождения статистических оценок неизвестных параметров распределения; согласно методу максимального правдоподобия, в качестве оценок выбираются те значения параметров, при которых данные результаты наблюдений «наиболее вероятны». Предполагается, что результаты наблюдений X1, ..., Xявляются взаимно независимыми случайными величинами с одним и тем же распределениемвероятностей, зависящим от одного неизвестного параметра q I Q, где Q — множество допустимых значений q. Для придания точного смысла принципу «наибольшей вероятности» поступают следующим образом. Вводят функцию

 
где p(t; q) в случае непрерывного распределения интерпретируется как плотность вероятности случайной величины X, а в дискретном случае — как вероятность того, что случайная величина Х примет значение t. Функцию L(X1, . . ., Xn;q) от случайных величин X1, . . ., Xназывают функцией правдоподобия, а оценкой максимального правдоподобия параметра q называют такое значение  (X1, . . ., Xn) (само являющееся случайной величиной), при котором функция правдоподобия достигает наибольшего возможного значения. Так как точка максимума для log та же, что и для L, то для нахождения оценок максимального правдоподобия следует решить так называемое уравнение правдоподобия 
 
  

Метод максимального правдоподобия не всегда приводит к приемлемым результатам, однако в достаточно широком круге практически важных случаев этот метод является в известном смысле наилучшим. Так, например, можно утверждать, что если для параметра q существует несмещенная эффективная оценка q* по выборке объёма n, то уравнение правдоподобия имеет единств, решение  . Что касается асимптотического поведения оценок максимального правдоподобия при больших n, то известно, что при некоторых общих условиях Максимального правдоподобия метод приводит к состоятельной оценке, которая асимптотически нормальна и асимптотически эффективна. Данные выше определения непосредственно обобщаются и на случай нескольких неизвестных параметров и на случай выборок из многомерных распределений. Максимального правдоподобия метод в его современном виде был предложен английским статистиком Р. Фишером (1912), однако в частных формах метод использовался К. Гауссом, а ещё раньше, в 18 веке, к его идее были близки И. Ламберт и Д. Бернулли. Следует добавить, что название «Максимального правдоподобия метод» является калькой с английского «maximum likelihood method».
Пусть есть выборка   из распределения  , где   — неизвестный параметр. Пусть   —функция правдоподобия, где  . Точечная оценка

называется оце?нкой максима?льного правдоподо?бия параметра ?. Таким образом оценка максимального правдоподобия — это такая оценка, которая максимизирует функцию правдоподобия при фиксированной реализации выборки.
2 . Гипотезы прогнозирования
     Прогнозирование соотносится с более широким понятием - предвидением, которое опережает отражение действительности и основано на познании законов природы, общества и мышления.
     Формы предвидения:
     1) Гипотеза: характеризует научное  предвидение, исходя из общей  теории. Исходную базу построения гипотезы составляют теория и открытые на ее основе закономерности и причинно-следственные связи функционирования и развития исследуемых объектов. На уровне гипотезы дается их качественная характеристика, выражающая общие закономерности поведения. Без гипотез невозможно никакое научное управление. Они оказывают воздействие на этот процесс через прогноз, являясь важным источником информации.
     2) Прогноз: имеет большую определенность, так как основывается не только  на качественных, но и на количественных показателях. Прогноз - предвидение на уровне конкретной прикладной теории. Связи прогноза с исследуемым объектом носят вероятный характер. Процесс разработки прогноза - прогнозирование. Прогноз выступает как фактор, ориентирующий существенную практику на возможность развития в будущем. Прогноз - связующее звено между общенаучным предвидением и планом.
     3) План: это постановка точно определенной  цели и предвидение детальных  событий исследуемого объекта.  В нем устанавливаются пути  и средства развития в соответствии с поставленными задачами, обосновываются принимаемые управленческие решения. Его отличительная черта - конкретность показателей, их определенность во времени и количественно. Процесс разработки плана - планирование. Формы сочетания прогноза и плана: - прогноз предшествует разработке плана; - прогноз следует за ним (прогнозирование последствий принятого в плане решения), - прогноз проводится в процессе разработки плана; - прогноз играет роль плана, особенно в крупномасштабных экономических системах (регион, государство), когда невозможно обеспечить точное определение показателей (план приобретает вероятный характер).
     Цель  прогнозирования - создание научных  предпосылок для осуществления  управленческих решений. Предпосылки: научный анализ тенденций развития экономики, вариантное предвидение предстоящего ее развития, оценка возможных последствий принимаемых решений. Прогнозирование экономических процессов осуществляется в тесном единстве с другими видами прогнозирования: социальным, политическим, демографическим, научно-техническим и др. 

     3. Прогнозирование  инновационного потенциала 

     Основой принятия управленческих решений в  научно-технической сфере являются прогнозирование и планирование направлений НТП и инновационной  деятельности.
     Прогнозирование развития науки и техники предполагает разработку системы частных прогнозов  по важнейшим направлениям НТП и  комплексного прогноза научно-технического развития. Оно дает обоснованное представление  о предполагаемых научных и технических  результатах и достижениях, о возможном использовании этих результатов в производстве и других сферах экономики, о последствиях НТП.
     Система частных прогнозов включает прогнозы фундаментальных исследований, научных  открытий, прикладных исследований по отраслям экономики, научно-технические прогнозы по комплексным направлениям НТП и ряд других.
     Комплексный прогноз предполагает:
     • комплексный анализ НТП, анализ мировых  тенденций развития науки и техники, динамики, структуры и использования  научного и образовательного потенциала страны;
     • разработку предложений по основным направлениям структурной и научно-технической  политики и обоснование предпосылок  для ускорения НТП в избранных  направлениях;
     • разработку рекомендаций по формированию научно-технических программ, обоснование значимости решения научно-технических проблем, затрат, ожидаемого социально-экономического эффекта и рекомендации по материальному и организационному обеспечению научно-технических программ.
     Если  представить НТП в виде последовательно  развивающихся во времени стадий — фундаментальные, прикладные исследования, конструкторские, проектные и организационные разработки, производство и эксплуатация, то задачи прогноза и выбор методов прогнозирования определяются спецификой каждой стадии.
     В мировой практике в процессе разработки прогнозов развития науки и техники применяются как интуитивные, так и формализованные методы.
     При прогнозировании фундаментальных  исследований широкое распространение  получили системный анализ и синтез, методы экспертных оценок: сценариев, построения "дерева целей" и морфологического анализа. Возможность применения статистических методов ограничена из-за отсутствия или недостаточного количества исходных данных, а также вследствие трудностей установления характера протекания прогнозируемого процесса.
     Прогнозирование развития фундаментальных исследований проводится на перспективу по всем научным направлениям деятельности институтов, Академии наук, вузов. Объектами  прогнозирования являются направления  исследований, ожидаемые результаты, возможные научные и экономические эффекты, текущие затраты и капитальные вложения. Прогнозируется также численность научных работников, докторов и кандидатов наук, вспомогательного персонала.
     При разработке прогнозов фундаментальных  исследований производится анализ современного состояния развития науки, выявляются актуальные проблемы, намечаются пути решения современных научных проблем и выдвигаются новые проблемы, требующие решения.
     Прикладные  исследования имеют двоякое назначение. Они обеспечивают, с одной стороны, глубокий анализ и продолжение фундаментальных исследований с целью оценки возможности их развития и применения в практике для создания новых средств и предметов труда (техника, технология, материалы и т.п.), с другой — анализ состояния производства в целом, выработку предложений по модернизации существующей и созданию новой техники, а также по вопросам организации и управления народным хозяйством и составляющих его элементов. Результатами прикладных исследований могут быть макеты отдельных узлов и элементов будущих разработок. Прогнозируются типоразмеры продукции, снижение материале- и энергоемкости, рост квалификации научных сотрудников и другие показатели.
     Разработки (конструкторские, технологические, проектные  и организационные) предназначаются  для экспериментальной, опытной проверки возможности создания новой техники, технологии, продуктов, а также для модернизации серийно выпускаемых предметов и средств труда. Продуктами труда на стадии разработки являются заявки на изобретение, рабочие чертежи на изготовление новой техники, опытные образцы, отчеты об их испытании, подготовке производства к выпуску новой продукции, изменении технологии, схемы новых систем управления, проекты создания новых цехов, предприятий, развития видов транспорта и т.п. Главным при осуществлении прогнозов развития науки и техники на стадии разработки являются выбор наиболее перспективных разработок, существенно влияющих на рост производительности труда, сокращение расхода материалов на единицу продукции, рациональное использование природных ресурсов, охрана окружающей среды, т.е. выбирается лучший вариант по экономическим и техническим показателям. При прогнозировании разработок основными объектами прогноза являются: качество, стоимость, эффективность, потребность в трудовых, финансовых, материальных ресурсах на создание новой техники.
     При прогнозировании прикладных исследований и разного рода разработок применяются  методы экстраполяции, экспертных оценок, моделирования, оптимизации, а также  методы, основанные на анализе патентной  документации и научно-технической информации.
     Стадия  подготовки производства предназначается  для строительства предприятий  по выпуску новых средств и  предметов труда, подготовки действующих  предприятий к выпуску новой  техники за счет частичной или  полной модернизации, реконструкции производства, для сооружения опытных и опытно-промышленных установок.
     Основными задачами прогнозирования на этой стадии являются выбор, обоснование и определение  путей наиболее быстрого сооружения предприятий и реконструкции  действующих.
     Стадия  подготовки производства в некоторых  отраслях экономики может сливаться  со стадией разработки. Подготовку производства можно сократить во времени за счет внедрения мероприятий  по подготовке производства при выпуске  опытного образца, партии.
     Серийное производство предназначается для выпуска новых средств, предметов труда и продуктов. На этой стадии НТП окончательно осуществляются идеи, выдвинутые на предшествующих стадиях. На стадии серийного производства основными задачами НТП являются внедрение новой техники, материалов, технологии, существенно увеличивающих производительность труда во всех отраслях экономики и эффективность общественного производства за счет экономии материалов, энергии, лучшей организации труда, использования основных фондов, повышения качества выпускаемой продукции.
     На  стадии эксплуатации новая техника  поступает на производство и в  личное потребление. После морального и физического устаревания изделия  и продукты снимаются с серийного  производства и эксплуатации, т.е. завершается жизненный цикл определенного вида техники.
     В процессе прогнозных расчетов производства и эксплуатации новой техники  используются методы экспертных оценок, экстраполяции, оптимизации, факторные  и имитационные модели, система укрупненных  балансовых расчетов. При выборе методов прогнозирования важным является глубина упреждения прогноза. Если прогнозируемый процесс можно представить эволюционным, без скачков, то применение формализованных методов оправдано для определения скачка и оценки времени его осуществления; если же в нем возможно появление скачков, то необходимо применять методы экспертных оценок, а на участках эволюционного процесса применять формализованные методы.
     Методы  экспертных оценок основываются на мнении одного или нескольких специалистов (экспертов) о перспективах развития науки и техники. Следует отметить, что существуют области науки и техники, в которых невозможно использовать другие методы прогнозирования, а также сферы, где отсутствует информация о состоянии объекта в прошлом периоде или научно-техническое развитие в большей степени зависит от принимаемых решений, чем от самих технических возможностей производства. Рассмотрим некоторые методы, получившие распространение в мировой практике.
     Метод комиссий. Суть этого метода состоит  в том, что специалисты при принятии решения влияют друг на друга так, чтобы компенсировать свои ошибки. Этот метод обладает как преимуществами, так и недостатками.
     Среди основных преимуществ следует отметить такие, как:
     1) информационная насыщенность, т.е.  если состав комиссии тщательно подобран и в нее включены лица, являющиеся специалистами в данной области науки и техники, то общее количество информации, которой располагает группа, гораздо больше информации, которой располагает каждый из членов в отдельности;
     2) равенство количества факторов, т.е. количество факторов, относящихся  к данной области науки и  техники, рассматриваемых группой,  не меньше количества факторов, рассматриваемых любым членом  группы;
     3) коллективная ответственность экспертов.  Суть этого принципа состоит в том, что группы экспертов с большей готовностью принимают на себя ответственность, чем отдельные специалисты. Это обстоятельство имеет очень важное значение при прогнозировании. Возможно, что прогноз весьма "профессионально рискован" для отдельного специалиста и в корне отличается от общепринятых суждений коллег. Тогда предложение этого прогноза может неблагоприятно отразиться на дальнейшей научной деятельности специалиста. Совместная же работа в комиссии дает возможность эксперту убедить коллег по работе в группе в правильности своих взглядов, а их поддержка, возможно, избавит от сомнений и заставит пойти на риск.
     Недостатки  метода:
     1) группа специалистов может оказывать  сильное давление на отдельных  членов группы, вынуждая, например, одного согласиться с большинством, даже если последний понимает, что общая точка зрения ошибочна;
     2) эксперименты с небольшими группами  показали, что часто берет верх  не обоснованность, а количество  замечаний "за" и "против". Следовательно, "крикливое" меньшинство может подавить остальных участников группы, даже если при объективном рассмотрении не будет обладать каким-либо преимуществом;
     3) существенное влияние на группу  может оказывать профессионал  с хорошей репутацией или же  просто эксперт, обладающий даром  убеждения.
     При прогнозировании методом комиссий приходится смиряться с его недостатками в силу весомости его преимуществ.
     Метод "Дельфи" является наиболее прогрессивным  методом, позволяющим устранить  указанные недостатки, и предполагает осуществление опроса группы специалистов с помощью серии анкет, причем в анкете содержатся не только вопросы, но и имеется информация относительно степени согласованности мнений членов группы. Каждое последующее представление анкеты на рассмотрение называется "туром опроса", а коллектив экспертов — "жюри".
     Метод написания сценариев предполагает установление логической последовательности событий с тем, чтобы показать, как, исходя из существующей или какой-либо другой заданной ситуации, может шаг  за шагом развертываться будущее состояние. При использовании этого метода в научно-техническом прогнозировании отмечают следующие положительные моменты:
     • сценарии максимально ослабляют  традиционность мышления. Они, по словам одного из первых ведущих специалистов этого метода, "позволяют погрузиться в незнакомый, и быстро изменяющийся мир настоящего и будущего";
     • сценарии способствуют детализации  исследователем процессов, которые  он мог бы упустить, руководствуясь лишь абстрактными соображениями.
     Метод исторической аналогии — один из возможных подходов к более "строгому" прогнозированию, заключающийся в сравнении прогнозируемых трансформаций новых технологических структур или отдельных технологий с какой-либо сходной технологической трансформацией в прошлом.
     Метод коллективной генерации идей («мозговая атака») широко используется в мировой практике при прогнозировании развития науки и техники. Применяются и его модификации, в частности метод "635". Следует отметить, что с помощью данных методов целесообразно осуществлять прогнозы на кратко- и среднесрочный периоды.
     Мировой опыт свидетельствует, что из всех методов  экспертных оценок метод "Дельфи" представляет собой наиболее совершенный  образец экспертного прогнозирования  развития науки и техники.
     Методы  прогнозирования по аналогии следует  отнести к категории "наивных" моделей. "Наивность" их заключается в предположении, что какова бы ни была причина, вызвавшая определенное поведение технологической трансформации в прошлом, она будет вызывать подобное поведение и в будущем.
     Метод морфологического анализа разработан швейцарским астрономом Цвикки, когда он был временно привлечен к участию в ранних стадиях ракетных исследований и разработок фирмы "Аэроджет инжиниринг корпорейшн". По словам создателя, "метод ... охватывает всю совокупность решений данной проблемы" и предполагает осуществление прогноза по этапам:
     1-й  этап — дается точная формулировка  проблемы, требующей решения;
     2-й  этап — определяются важнейшие  параметры, от которых зависит  решение проблемы; таким образом,  второй этап заключается в изучении всех параметров и выделении из них особо значимых;
     3-й  этап — по данным параметрам  строится матрица, и формируются  возможные варианты решения проблемы;
     4-й  этап — определяется функциональная  ценность всей совокупности полученных  решений;
     5-й  этап — осуществляется выбор оптимальных решений и способов их реализации.
     Методы  экстраполяции тенденций предполагают, что существующий темп технического развития сохранится и в будущем. При этом в зависимости от установленной  закономерности (предшествующая—последующая) прогноз ведется по экспоненциальному или линейному закону. Особое место при использовании методов экстраполяции тенденций занимает выбор и обоснование параметров прогнозируемого объекта. Каждый параметр должен быть измеримым и характеризовать по возможности обобщенную функцию. При этом необходимо располагать данными о прошлом развитии параметра. Кроме того, параметр должен удовлетворять требованию сопоставимости.
     Хотя  методы экстраполяции являются простыми и широко применяются в практике, они имеют серьезные недостатки, так как не позволяют предсказать результат развития науки и техники в случае изменения условий. Не могут быть получены и данные о том, какие условия следовало бы изменить, чтобы добиться желаемого темпа внедрения нововведений. Самым же значительным недостатком является недостоверность прогнозных данных при большом временном интервале. В связи с этим методы экстраполяции целесообразно применять на начальном этапе научно-технического прогнозирования. 
 
 
 

     Заключение   

     Вероятностно-статистические методы эффективны только при достаточно большом числе повторяющихся событий, когда это число превосходит 50, или, может быть, 10.
     Вероятностно-статистический анализ предполагает научно-обоснованный расчет различных коэффициентов, позволяющих  делать соответствующие оценки.
     Таким образом, применение статистики опирается  на вероятностную модель явления  или процесса. Используются два параллельных ряда понятий – относящиеся к  теории (вероятностной модели) и  относящиеся к практике (выборке  результатов наблюдений). Например, теоретической вероятности соответствует частота, найденная по выборке. Математическому ожиданию (теоретический ряд) соответствует выборочное среднее арифметическое (практический ряд). Как правило, выборочные характеристики являются оценками теоретических. При этом величины, относящиеся к теоретическому ряду, «находятся в головах исследователей», относятся к миру идей (по древнегреческому философу Платону), недоступны для непосредственного измерения. Исследователи располагают лишь выборочными данными, с помощью которых они стараются установить интересующие их свойства теоретической вероятностной модели.
     Зачем же нужна вероятностная модель? Дело в том, что только с ее помощью  можно перенести свойства, установленные  по результатам анализа конкретной выборки, на другие выборки, а также на всю так называемую генеральную совокупность. Термин «генеральная совокупность» используется, когда речь идет о большой, но конечной совокупности изучаемых единиц. Например, о совокупности всех жителей России или совокупности всех потребителей растворимого кофе в Москве. Цель маркетинговых или социологических опросов состоит в том, чтобы утверждения, полученные по выборке из сотен или тысяч человек, перенести на генеральные совокупности в несколько миллионов человек. При контроле качества в роли генеральной совокупности выступает партия продукции.
     Чтобы перенести выводы с выборки на более обширную совокупность, необходимы те или иные предположения о связи  выборочных характеристик с характеристиками этой более обширной совокупности. Эти предположения основаны на соответствующей вероятностной модели.
     Конечно, можно обрабатывать выборочные данные, не используя ту или иную вероятностную  модель. Например, можно рассчитывать выборочное среднее арифметическое, подсчитывать частоту выполнения тех или иных условий и т.п. Однако результаты расчетов будут относиться только к конкретной выборке, перенос полученных с их помощью выводов на какую-либо иную совокупность некорректен. Иногда подобную деятельность называют «анализ данных». По сравнению с вероятностно-статистическими методами анализ данных имеет ограниченную познавательную ценность.
     Итак, использование вероятностных моделей  на основе оценивания и проверки гипотез  с помощью выборочных характеристик  – вот суть вероятностно-статистических методов принятия решений.
     Подчеркнем, что логика использования выборочных характеристик для принятия решений  на основе теоретических моделей  предполагает одновременное использование  двух параллельных рядов понятий, один из которых соответствует вероятностным моделям, а второй – выборочным данным.  К сожалению, в ряде литературных источников, обычно устаревших либо написанных в рецептурном духе, не делается различия между выборочными и теоретическими характеристиками, что приводит читателей к недоумениям и ошибкам при практическом использовании статистических методов.
и т.д.................


Перейти к полному тексту работы


Скачать работу с онлайн повышением уникальности до 90% по antiplagiat.ru, etxt.ru или advego.ru


Смотреть полный текст работы бесплатно


Смотреть похожие работы


* Примечание. Уникальность работы указана на дату публикации, текущее значение может отличаться от указанного.