Материал: Учебное пособие Немирко Манило

Внимание! Если размещение файла нарушает Ваши авторские права, то обязательно сообщите нам

 

 

 

Таблица 3.15

 

 

 

 

Ai

 

S j

 

 

 

S1

 

S2

 

 

A1

l

 

b

A2

g

 

0

 

 

Таблица 3.16

 

 

 

Ai

 

S j

 

 

S1

S2

 

A1

1−l

1−b

A2

1− g

1

Если известна вероятность P (S1 )= p , то P (S2*)=1− p ,

 

= (1−l)p +(1−b)(1− p)=1−b + p (b −l);

(3.8)

a1

 

 

 

= (1− g )p +(1− p)=1− pg ,

(3.9)

 

a2

и выбирается A1, если a1 > a2 ; A2 , если a1 < a2 ; A1 или A2 , если a1 = a2 . При неизвестном p использование критерия Лапласа в данном случае дает

следующую процедуру решения: выбираем стратегию:

•A1, если g > l +b ;

•A2 , если g < l +b ;

•A1 или A2 , если g = l +b .

 

 

 

Таблица 3.17

 

 

 

Таблица 3.18

 

 

 

 

 

 

 

 

 

Ai

 

S j

 

Ai

 

S j

 

 

 

 

 

 

 

 

S1

 

S2*

S1

S2*

 

 

 

 

 

 

A1

0

 

l

 

A1

1−l

1−2b

 

A2

g −l

 

0

 

A2

1−2g +l

1

 

Для вычисления минимаксной стратегии построим матрицы Mr и M f (табл. 3.17 и 3.18 соответственно). Для матрицы M f найдем условия суще-

ствования седловой точки, для чего найдем нижнюю α и верхнюю β цены игры. Так же, как и раньше, полагаем, что g > l . Тогда

81

1

{

 

}

 

 

 

β

= max (1−l),

(1−2g +l) ;

 

 

 

β2

=1;

1

{

 

 

}

 

{ 1 2}

 

 

β

= min β , β

=β = max

(1−l),

(1

−2g +l) .

Так как g > l , то (1−2g +l)< (1−l) и β = (1−l). Далее

 

1

{

 

}

 

 

α = min (1−l),

(1

−2b)

;

 

α2 =1−2g +l; α = max{α1, α2}.

Если l ≥ 2b , то (1−2b)≥ (1−l)и α1 =1−l . В этом случае из-за выполнения условия (1−2g +l)< (1−l) нижняя цена игры равна α = (1−l) и равна

верхней цене игры β , что говорит о наличии у M f седловой точки при выигрыше (1−l). Хирург в этом случае должен принимать решение о проведе-

нии срочной операции ( A ).

Цена игры в данном случае равна γ = α =

1

 

=β =(1−l). Если же l < 2b ,

то седловой точки нет и решение по критерию

Вальда ищется как смешанная стратегия хирурга.

82

(1−l)

S1

 

 

S2* 1

 

 

N

 

 

 

 

 

 

 

S1

 

 

 

 

 

 

 

 

 

S2*

 

γ*

(1−2g +l)

(1−2b)

 

 

 

 

 

 

 

A1

 

 

A2

 

 

 

 

 

 

 

 

 

0

p = F (A )

Sa* p = F (A )

 

 

 

 

 

 

2

2

1

1

 

 

 

 

 

 

а

 

 

 

 

 

 

 

 

S2*

 

 

 

 

 

 

1

 

 

(1−2b)

S2*

 

 

 

 

 

(1−l)

S

 

 

 

 

 

1

 

 

S1

 

 

 

 

 

 

)

a* =b* = γ*

 

 

 

1−2g +l

 

 

 

(

 

 

 

A1

 

 

A2

 

0

 

 

 

1

 

 

б

Рис. 3.3

Проведенный анализ хорошо иллюстрируется на рис. 3.3, где дана геометрическая интерпретация данной игры по матрице M f . Из данного рисун-

ка видно, что максимум нижней границы выигрыша никогда не может быть в точке A2 . Знак наклона прямой S1S1 всегда будет постоянен, так как

(1

−2g +l)> (1−l),

а величина (1−2g +l) никогда не превышает 1, так как

g > l . Игра имеет

решение в виде чистой стратегии A1, только если

(1

−2b)≥ (1−l) (рис. 3.3, а). Это соответствует условию l ≥ 2b . Из рис. 3.3, б

видно, что если (1−l)> (1−2b), т. е. l < 2b , то решением станет оптимальная смешанная стратегия S*A , определяемая точкой N .

83

Воспользовавшись выражением (3.6), вычислим оптимальное соотношение частот применения стратегий A1 и A2 . Обозначив эти частоты как F (A1 )

и F (A2 ), данное отношение можно представить в виде

F (A1 )

=

2g −l

.

(3.10)

F (A )

2b −l

2

При этом цена игры, согласно (3.7), будет

γ =1+ b(l − 2g ). g +b −l

Выражение (3.10) показывает, что в случае, когда хирург не знает точных величин b, g, l , но все же известно, что g > b , то чаще надо применять стратегию A1; при g < b чаще надо применять A2 ; при g = b частоты выбора одинаковы.

Приведенный материал по игре 2 ×2 можно представить в виде простого алгоритма принятия решений. Исходные данные задаются в виде элементов матрицы Mc и, возможно, значения вероятности p = P (S1 ). Данный ал-

горитм приведен далее. Он воплощен в специальной карте (прил. 1), которая используется в клинической практике [8].

Алгоритм. Исходные данные: l, g, b, p ( p может в задании отсутствовать).

1.Начало.

2.Если в задании есть p , то выполнить п. 3, иначе перейти к п. 4.

3.Выполнить следующие операции:

а) вычислить a1 =1−b + p (b −l); б) вычислить a2 =1− pg ;

в) если a1 > a2 , то принять решение A1 и перейти к п. 5; г) если a1 < a2 , то принять решение A2 и перейти к п. 5;

д) если a1 = a2 , то принять решение A1 или A2 и перейти к п. 5. 4. При неизвестном p выполнить следующие операции:

а) если l ≥ 2b , то принять решение A1 и перейти к п. 5;

б) если l < 2b , то принять смешанную стратегию хирурга со следующим соотношением частот применения стратегий A1 и A2 :

84

 

F (A1 )

=

2g −l

.

 

F (A

)

2b −l

 

 

 

2

 

 

 

 

5. Конец.

 

 

 

 

Пример 3.3. Больной находится в одном из двух состояний, S1 или S2 , с вероятностями P (S1 )= p; P (S2 )=1− p . Надо принять обоснованное реше-

ние, проводить ли срочную хирургическую операцию, если для этих двух состояний матрица летальности M c имеет вид табл. 3.15, ее элементы равны g = 0,2; l = 0,03; b = 0,04; а вероятность p = 0,7 .

Вычисление a1 и a2 по формулам (3.8) и (3.9) дает a1 = 0,97 ; a2 = 0,86. Так как a1 > a2 , то принимается решение A1 – проводить срочную операцию.

Пример 3.4. Решить задачу, сформулированную в примере 3.3, при условии отсутствия данных о вероятности p .

Согласно описанному ранее алгоритму, так как l < 2b , то принимается смешанная стратегия хирурга с соотношением частот чистых стратегий A1 и A2

F (A1 ) = 0,4 −0,03 = 7,4 . F (A2 ) 0,08 −0,03

Последнее соотношение фактически показывает степень уверенности, которой может обладать врач при принятии решения A1.

Пример 3.5. Необходимо принять решение, проводить ли срочную хирургическую операцию, если у больного можно выделить три состояния: S1 – состояние, при котором необходима срочная операция; S2 – состояние,

при котором срочная операция не требуется;

S3* – состояние,

при котором

срочная операция противопоказана (ранее состояние S3* обозначалось как

S4 ). Терминальная матрица M c

при этом известна и имеет вид табл. 3.19.

 

 

 

Таблица 3.19

 

 

 

 

 

Таблица 3.20

 

 

 

Таблица 3.21

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Ai

 

S j

 

 

Ai

 

 

 

S j

 

 

Ai

 

 

S j

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

S1

S2

S3*

 

S1

 

S2

S3*

 

S1

 

S3*

 

 

 

 

 

 

 

 

 

 

 

 

 

A1

0,05

0,08

0,2

 

A1

 

0,95

 

0,89

0,6

 

A1

 

0,95

 

0,6

 

 

A2

0,1

0,05

0

 

A2

 

0,85

 

0,95

1

 

A2

 

0,85

 

1

 

 

 

 

 

 

 

 

 

 

85

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Источник: https://studfile.net/preview/14965028/