Managementul Riscului

NICOLAE BRSAN-PIPU
ION POPESCU
MANAGEMENTUL
CONCEPTE METODE
RISCULUI
APLICAII
Editura Universitii Transilvania din Braov 2003
2003 EDITURA UNIVERISTII TRANSILVANIA BRAOV Adresa: 2200 Braov B-dul Eroilor, Nr. 9 Tel/fax: 0268 47 53 48 E-mail: repa@unitbv.ro
Tiprit la: Tipografia Universitii Transilvania din Braov B-dul Eroilor, Nr. 9 Tel/fax: 0268 47 53 48
TOATE DREPTURILE REZERVATE
Recenzeni tiinifici: Prof. univ. dr. Gabriel V. ORMAN Prof. univ. dr. Ionel MARTINESCU Tehnoredactare: Coperta: Autorii Claudiu BRSAN-PIPU
Descrierea CIP a Bibliotecii Naionale a Romniei BRSAN-PIPU, NICOLAE. Managementul riscului. Concepte Metode Aplicaii / Nicolae Brsan-Pipu, Ion Popescu Braov: Editura Universitii Transilvania, 2003 214p.; 24 cm ISBN 973 635 180 7 I. Popescu, Ion
PREFA
Dezvoltarea tiinei managementului din ultimul deceniu a focalizat preocuprile pentru eficacitatea i optimizarea activitilor de conducere n domeniul analizei i evalurii riscului, risc ce este inerent fiecrei activiti economice, sociale sau politice. Acest demers implic ns o concepie i o abordare multidisciplinar, n care sunt utilizate cunotine din cele mai diferite domenii de activitate. Astfel, economitii i inginerii definesc modelele deterministe ale fenomenelor economice sau industriale, matematicienii i statisticienii construiesc modelele probabiliste ale acestor fenomene, iar informaticienii dezvolt programele de simulare i de prelucrare a datelor ale acestor modele. Managementul riscului devine astfel, din ce n ce mai mult, un domeniu distinct i bine conturat al managementului modern, o component esenial i indispensabil a fiecrui proiect tehnic, economic sau de alt natur. Desigur, complexitatea problemelor legate de tratarea riscurilor este deosebit de ridicat, prin faptul c este necesar o bun cunoatere a fenomenelor analizate i a activitilor desfurate, dar i o baz de cunotine din domeniul managementului n general, al metodelor i tehnicilor matematice i statistice, n special. Nu ne-am propus n cadrul limitat al acestei lucrri s epuizm toate aspectele legate de problematica riscului, deoarece fiecare din domeniile abordate poate constitui n sine subiectul unei lucrri. Ne referim aici, de exemplu, la managementul riscului financiar, care mbrac foarte multe aspecte, de la riscul investiional, la riscul n asigurri i pn la aspecte mai complexe, cum ar fi riscul de ar, un binecunoscut indicator economic internaional. Nu am abordat, aspectele politice sau militare ale riscului, pentru c acestea, la rndul lor, prezint elemente de specificitate, pe care nu le-am tratat. Am ncercat totui s sintetizm principalele concepte, metode i aplicaii, care s permit specialitilor sau studenilor s introduc n proiectele i activitile pe care le conduc sau le realizeaz elemente de managementul riscului, menite s le mbunteasc performanele
iii
Lucrarea de fa are un caracter monografic i ncearc o abordare integrat a conceptelor privind riscul i al tehnicilor de management pentru controlarea acestuia. ncercm aici s conexm noiuni de modelare matematic i de inferen statistic, cu concepte de management, toate orientate spre rezolvarea aspectelor practice ale riscului. Fr a avea nici cea mai mic ndoial asupra faptului c demersul nostru este departe de a fi exhaustiv, considerm ns c ncercarea noastr poate trezi interesul specialitilor din cele mai diferite domenii de activitate, n care riscul se manifest continuu. De asemenea, aceast lucrare se adaug unei literaturi romneti de specialitate n domeniul analizei i managementului riscului destul de srac sau mai bine zis aflat ntr-o faz incipient. Lucrarea prezint, n prima parte, modelele de decizie care asigur o definire matematic riguroas a riscului, precum i modelele de simulare aplicate pentru cuantificarea riscului. n continuare, sunt dezvoltate o serie de modele, tehnici i metode utilizate pentru managementul riscului n domeniul calitii i fiabilitii, managementului general al proiectelor, managementului proiectelor de software i managementului riscului financiar. Pentru o mai bun fixare a noiunilor prezentate, lucrarea conine numeroase exemple i aplicaii rezolvate i propune o serie de aplicaii interesante. Lucrarea se adreseaz specialitilor n management, dar i studenilor din anii terminali i celor de la studiile postuniversitare i de masterat, att din specializrile economice, ct i celor de inginerie, care vor gsi aici concepte, tehnici, metode i aplicaii utile, care s le permit nelegerea i aplicarea noiunilor i problematicii managementului riscului.
Braov, martie 2003 Autorii
CUPRINS
1 INTRODUCERE ........................................................................................................ 1
1.1 CE ESTE RISCUL? ............................................................................................................1 1.2 RISCUL N TEORIA DECIZIEI........................................................................................5 1.3 SIMULAREA RISCULUI..................................................................................................6 1.4 RISCUL N CALITATE I FIABILITATE.......................................................................7 1.5 RISCUL N PROIECTE ....................................................................................................8 1.6 RISCUL N SOFTWARE....................................................................................................9 1.7 RISCUL FINANCIAR.......................................................................................................10
2 NOIUNI DE TEORIA DECIZIEI........................................................................ 11

2.1 DEFINIREA PROBLEMEI DE DECIZIE .......................................................................11 2.1.1 Contextul problemei de decizie ...............................................................................11 2.1.2 Scurt istoric al teoriei deciziei..................................................................................14 2.2 MODELUL MATEMATIC AL PROBLEMEI DE DECIZIE .........................................16 2.2.1 Elementele generale ale modelului ..........................................................................16 2.2.2 Regulile de decizie minimax i Bayes .....................................................................17 2.2.3 Decizii admisibile ....................................................................................................24 2.2.4 Interpretarea geometric ..........................................................................................24 2.2.5 Cteva teoreme de baz ...........................................................................................29 2.3 TEORIA DECIZIEI I STATISTICA.............................................................................33 2.3.1 Estimarea .................................................................................................................33 2.3.2 Verificarea ipotezelor statistice................................................................................34 2.3.3 Lema Neyman - Pearson..........................................................................................35 2.4 ATITUDINI FA DE RISC I TEORIA UTILITII.................................................36 2.4.1 Aversiunea la risc.....................................................................................................36 2.4.2 Proprietile funciilor de utilitate............................................................................40 2.4.3 Evaluarea funciilor de utilitate................................................................................42 2.5 DECIZII SECVENIALE ................................................................................................44 2.5.1 Concepte de baz .....................................................................................................44 2.5.2 Arbori de decizie......................................................................................................45 2.6 APLICAII .......................................................................................................................50 2.6.1 Problema forajului ....................................................................................................50 2.6.2 Algoritm de rezolvare a unei probleme de decizie ...................................................61 2.6.3 Problema festivalului ................................................................................................66 2.6.4 Aplicaii propuse.......................................................................................................71
3 TEHNICI DE SIMULARE...................................................................................... 73
3.1 CONSTRUCIA UNUI MODEL DE SIMULARE.........................................................73 3.2 GENERAREA VARIABILELOR ALEATOARE ...........................................................75 3.2.1 Metoda invers.........................................................................................................75 3.2.2 Generarea variabilelor aleatoare continue ...............................................................76 3.2.2 Generarea variabilelor aleatoare discrete.................................................................83
3.3 APLICAII .......................................................................................................................87 3.3.1 Simularea unei probleme de risc economic .............................................................87 3.3.2 Aplicaii propuse......................................................................................................95
4 MANAGEMENTUL RISCULUI N CALITATE I FIABILITATE ................ 97

4.1 O PROBLEM DE DECIZIE N CALITATE ................................................................97 4.2 ABORDAREA TAGUCHI.............................................................................................107 4.2.1 Funcia de pierdere Taguchi ..................................................................................107 4.3 EVALUAREA RISCULUI N FIABILITATE ..............................................................112 4.3.1 Un model general de evaluare a riscului n fiabilitate ...........................................112 4.3.2 Modelul de evaluare a riscurilor concurente..........................................................114 4.4 MANAGEMENTUL RISCULUI N FMEA..................................................................117 4.4.1 Analiza modului de defectare i a efectelor FMEA............................................117 4.4.2 Managementul riscului n FMEA ..........................................................................125 4.5 APLICAII PROPUSE ..................................................................................................130
5 MANAGEMENTUL RISCULUI N PROIECTE............................................... 131

5.1 ELEMENTE DE MANAGEMENTUL PROIECTELOR ..............................................131 5.2 MANAGEMENTUL RISCULUI PROIECTELOR .......................................................135 5.2.1 Planificarea managementului riscului....................................................................137 5.2.2 Identificarea riscului ..............................................................................................139 5.2.3 Analiza calitativ a riscului....................................................................................143 5.2.4 Analiza cantitativ a riscului..................................................................................147 5.2.5 Planificarea rspunsului la risc ..............................................................................150 5.2.6 Monitorizarea i controlul riscului.........................................................................154 5.3 APLICAII .....................................................................................................................157 5.3.1 Planul managementului riscului.............................................................................157 5.3.2 Lista categoriilor de risc ........................................................................................160 5.3.3 Simularea costurilor proiectului.............................................................................161 5.3.4 Riscul rezidual .......................................................................................................163 5.3.5 Aplicaii propuse....................................................................................................165
6 MANAGEMENTUL RISCULUI N SOFTWARE............................................. 167

6.1 RISCUL N PROIECTELE DE SOFTWARE ...............................................................167 6.2 PROCESUL DE MANAGEMENT AL RISCULUI N SOFTWARE...........................169 6.2.1 Funcia 1: Identificare............................................................................................169 6.2.2 Funcia 2: Analiz..................................................................................................170 6.2.3 Funcia 3: Planificare .............................................................................................173 6.2.4 Funcia 4: Monitorizare .........................................................................................175 6.2.5 Funcia 5: Control ..................................................................................................175 6.2.6 Funcia 6: Comunicare...........................................................................................176 6.3 APLICAII .....................................................................................................................177 6.3.1 Un model de evaluare a riscurilor n sistemele informatice...................................177 6.3.2 Procedura de evaluare a riscurilor n sistemele informatice ..................................181
7 MANAGEMENTUL RISCULUI FINANCIAR .................................................. 183

7.1 RISCUL N OPERAIUNILE FINANCIARE ..............................................................183 7.2 ANALIZA COST-VOLUM-PROFIT N CONDIII DE RISC ....................................187 7.3 INVESTIII DE CAPITAL N CONDIII DE RISC....................................................190 7.3.1 Modelul de decizie pentru investiiile de capital ...................................................190 7.3.2 Modelul determinist pentru investiiile de capital..................................................192 7.3.3 Modele probabiliste pentru investiiile de capital ..................................................198
8 BIBLIOGRAFIE..................................................................................................... 205
1
INTRODUCERE
1.1 CE ESTE RISCUL?
n orice domeniu al activitii economice, sociale sau politice, se pune problema riscului ce poate s apar, avnd consecine ce nu pot fi ntotdeauna prevzute sau anticipate din punct de vedere al consecinelor. Problematica asociat riscului n societatea contemporan este o rezultant a faptului c trim de fapt ntr-o civilizaie a riscului. Pn la urm, istoria omenirii este o istorie a riscului, dar poate n ultimele decenii am devenit mai contieni i am nceput s privim dintr-o perspectiv tiinific aspectele riscurilor. Evaluarea i modelarea riscului este o activitate complex, ce presupune abordri multidisciplinare din diferite ramuri ale tiinei, respectiv cunotine din domeniile economic, tehnologic, sociologic sau politic. Rezultatele evalurii riscului influeneaz decisiv deciziile i succesul strategiilor adoptate la nivel macro i microeconomic. S vedem ns cum este definit riscul n dicionarele romneti i strine. n sens general, conform Dicionarului Explicativ al Limbii Romne (DEX), riscul reprezint posibilitatea de a ajunge ntr-o primejdie, de a acea de nfruntat un necaz sau de suportat o pagub; pericol posibil. Dup cum se observ, aceast definiie pune accentul pe situaia posibil de primejdie sau pericol pe care o poate genera apariia riscului, dar i pe o latur s-i zicem economic, legat de o posibil pagub care poate fi suferit. Termenul a risca are i el mai multe sensuri, respectiv: a(i) pune n primejdie viaa, onoarea; a (se) expune unui pericol posibil; a participa la o aciune nesigur, a aciona la noroc;
a cuteza, a ndrzni, a se ncumeta. De asemenea, termenul riscant, cu referire la situaii sau aciuni, are sensul de plin de riscuri, expus la primejdii, nesigur.
1
CAPITOLUL 1 INTRODUCERE
O definiie mai ampl gsim n Micul Dicionar Enciclopedic (MDE), n care n afara sensului de pericol, apare i nuana de inconvenient posibil, dar sunt menionate i definiiile pentru riscul contractual, riscul lucrului i riscul asigurat. ntr-o lucrare monumental cum este Websters Unabridged Dictionary of English Language (2002) exist dou sensuri pentru noiunea de risc: (1) Expunerea la ansa de rnire sau de pierdere; un hazard sau o ans periculoas; (2) n asigurri: a. hazardul sau ansa de a pierde; b. gradul de probabilitate al unei astfel de pierderi. Iat cum definiia anglo-saxon a riscului introduce de fapt noiunea de probabilitate care dup cum vom vedea n cursul acestei lucrri joac un rol extrem de important n abordarea tiinific a problematicii riscului. Deosebit de interesant este i faptul c imediat dup noiunea de risc, dicionarul menionat definete i noiunile de managementul riscului i pe cea de manager de risc. Managementul riscului este definit ca fiind tehnica de evaluare, minimizare i prevenire a pierderilor accidentale ntr-o afacere, prin asigurri, msuri de siguran .a.. Definiiile asociate noiunii de risc au nuane diferite de la o disciplin tiinific la alta i, uneori, chiar n interiorul acestui domeniu. Cu toate aceste diferenieri, majoritatea definiiilor conin dou elemente comune i anume incertitudinea i pierderea. Riscul este un eveniment incert, dar posibil, originea lui aflndu-se n incertitudine. El apare n activitile economice, sociale, politice i, respectiv, n raporturile dintre oameni sau n raporturile dintre om i natur. Riscul implic ideea de pierdere potenial (de orice tip), pierdere provocat de evoluia unor factori denumii factori de risc n sens contrar ateptrilor. Spre deosebire de incertitudine, riscul se caracterizeaz prin posibilitatea de a fi cuantificat prin legi de probabilitate. Riscul i incertitudinea se ntlnesc combinate n diferite proporii, n realitate incertitudinea fiind inerent tuturor fenomenelor, ea neputnd fi eliminat. Am evideniat aceste definiii deoarece n ultimii ani, ndeosebi dup anul 1990, problemele de managementul riscului au cunoscut o larg dezvoltare, n contextul general al tiinei managementului. n zilele noastre, nu exist nici un domeniu de management n care riscului s nu i se acorde importana specific.
1.1 CE ESTE RISCUL?
Acesta este unul din motivele pentru care lucrarea de fa abordeaz managementul riscului att din punct de vedere al modelrii matematice, dar i din punct de vedere al tehnicilor de management pentru diferite domenii n care riscul este analizat i evaluat. n contextul general al tiinei managementului, managementul riscului reprezint procesul de abordare sistematic a riscului n cadrul unei organizaii, nelegnd prin termenul de organizaie sensul larg definit de standardele internaionale n domeniul calitii. Considernd ns managementul ca o art, atunci managementul riscului poate fi definit ca fiind arta de a ine incertitudinea sub control. Esena managementului riscului trebuie n ultim instan s contracareze efectul legilor lui Murphy. Astfel, legea dac ceva ru se poate ntmpla, atunci se va ntmpla poate fi parafrazat prin dac un risc poate aprea, atunci el va aprea. i cea de a doua lege a lui Murphy, respectiv lsate n voia lor, toate lucrurile merg din ce n ce mai ru poate fi transpus n termenii riscului prin riscurile lsate n voia lor, se vor manifesta din ce n ce mai puternic. De aici i misiunea managementului riscului de a prevedea i analiza riscurile, de a identifica mijloacele de tratare a acestui risc. Primul capitol al acestei monografii asupra managementului riscului este dedicat noiunilor i problemelor de teoria deciziei. Motivul principal pentru care acest domeniu este prezentat n detaliu este acela c n cadrul acestei modelri a fenomenelor de decizie este dat o definiie matematic riguroas a riscului. Riscul n teoria deciziei este pn la urm o valoare medie sau o valoare ateptat n termenii teoriei probabilitilor a unei funcii de pierdere. Relaia direct pierdere risc este deci unul dintre principalele elemente ale managementului riscului. Teoria matematic a deciziei, cu toate c are mai mult de o jumtate de secol de la primele lucrri de specialitate, este nc puin aplicat n practica curent, poate i datorit complexitii modelelor matematice i statistice pe care se fundamenteaz. Un management performant n orice domeniu, nu numai al riscului trebuie ns s in cont de conceptele acestei teorii. Capitolul al doilea la lucrrii este focalizat asupra tehnicilor i metodelor de simulare, pentru a pregti din punct de vedere teoretic i practic, cerinele de simulare a riscurilor ce sunt definite ulterior. Aproape c nu mai este nici un domeniu al tiinei moderne care s nu apeleze la tehnicile de simulare n fundamentarea deciziilor de management.
Dup ce principalele fundamente teoretice aplicate n managementul riscului au fost definite, cel de al patrulea capitol al lucrrii trateaz managementul riscului n calitate i fiabilitate. Mai nti, conceptele de teoria deciziei i algoritmul de rezolvare a problemei de decizie propus este aplicat pentru rezolvarea unei probleme de decizie n calitate. Apoi este discutat abordarea Taguchi privind funcia de pierdere i riscul asociat n domeniul calitii. Riscul n teoria fiabilitii este analizat prin prisma unui model general al riscurilor concurente. Capitolul se ncheie cu abordarea riscului n tehnicile de analiz a modului de defectare i a efectelor, respectiv riscul n tehnicile FMEA. Capitolul cinci al acestei lucrri se ocup de managementul riscului n proiecte. tiina managementului proiectelor este de o importan crucial n managementul modern. n cadrul riguros al tehnicilor de management al proiectelor, riscul este abordat ca proces, fiind detaliate ntrrile n procesul de management al riscului, tehnicile i metodele de tratare a riscului, precum i ieirile din acest proces. n acest context sunt aplicate metodele de teoria deciziei i de simulare care au fost discutate anterior. Cuantificarea riscului i simularea riscurilor iniiale i reziduale constituie instrumente de management fr de care nu poate fi condus nici un proiect. Capitolul ase al lucrrii este dedicat managementului riscului n proiectele de realizare i implementare a software-ului. Motivul principal n constituie dezvoltarea fr precedent din ultimele dou decenii a informaticii, ptrunderea ei n cele mai diferite domenii de activitate, dar i creterea aproape exponenial a complexitii sistemelor informatice. Numeroasele eecuri nregistrate n acest domeniu, au impus dezvoltarea unor tehnici specifice pentru managementul proiectelor de software, integrate ns conceptelor generale de management al proiectelor. Riscurile n realizarea, implementarea i exploatarea sistemelor informatice integrate i complexe care exist n prezent impun o abordare nou, pentru a asigura eficacitatea acestora. n fine, ultimul capitol al lucrrii este alocat managementului riscului financiar. Aici am insistat mai mult pe necesitatea modelrii probabiliste a fenomenelor economice i financiare, deoarece domeniul este extrem de vast i poate constitui el nsui subiectul unei lucrri n sine. Din acest motiv, nu au fost discutate dect dou modele de analiz a riscului, unul pentru analiza cost-volum-profit i unul pentru riscul investiiilor de capital. Vom explica n cele ce urmeaz principalele conexiuni ntre risc i noiunile abordate n cadrul fiecrui capitol al acestei lucrri, pentru o orienta mai bine pe cititorul interesat.
1.2 RISCUL N TEORIA DECIZIEI
1.2 RISCUL N TEORIA DECIZIEI

Abordarea problematicii riscului ntr-o manier riguroas implic i rezolvarea unor probleme de decizie care s conduc la minimizarea riscului i a pierderilor de orice natur asociate diferitelor decizii adoptate i aciunilor aplicate. n activitatea de management din cele mai diverse domenii de activitate (cum ar fi cele politice, economice, militare, tehnologice sau administrative) unul din elementele de baz l reprezint rezolvarea problemelor de luare a deciziilor. Importana deciziilor ce trebuie adoptate, dar i complexitatea i dificultatea alegerii acestora, impun o abordare coerent a problemelor de decizie. Teoria deciziei reprezint n esen atitudinea tiinific fa de procesul de adoptare a deciziilor. Componentele de baz ale acestui proces pot fi analizate n mod sistematic pentru a evidenia legitile acestui proces. Ignorarea sau nclcarea acestor legiti rezultate din analiza aspectelor concrete al problemelor de decizie poate genera adoptarea unor decizii empirice, incorecte sau neadecvate. Teoria matematic a deciziei, ale crei principale noiuni le vom prezenta n cadrul acestui capitol, se bazeaz pe conceptele din teoria probabilitilor i din statistica matematic, completate de o disciplin mai nou, respectiv teoria utilitii. Pentru fiecare problem de decizie se definete o funcie de pierdere, care cuantific pierderea asociat fiecrei consecine a aciunilor adoptate, pentru fiecare stare a naturii. Pierderea este cel mai adesea exprimat n termeni monetari, dar pot fi i alte modaliti de msurare a pierderii. Pe baza funciei de pierdere, se poate determina funcia de risc, ca fiind valoarea medie sau valoarea ateptat a pierderii, definiie ce implic utilizarea probabilitilor. Un alt element important ntr-o problem de decizie o constituie problema asumrii riscului, respectiv a atitudinii fa de risc a decidentului. Aceasta nseamn decizia de a rmne ntr-o stare neschimbat (status-quo) sau decizia de a intra ntr-o situaie de incertitudine, care poate duce la ctig sau la pierdere. O abordare a acestei probleme este dat de funcia de utilitate, care poate fi vzut ca o pierdere negativ, urmrindu-se maximizarea utilitii printr-o decizie optimal. Dac funcia de utilitate marginal este descresctoare, atunci decidentul are aversiune la risc, iar atunci cnd funcia de utilitate este cresctoare, suntem n cazul unui decident care i asum riscul. Problemelor i noiunilor de teoria deciziei le sunt alocate un capitol distinct tocmai datorit faptului c trebuie s avem continuu n vedere i formalizarea i definirea matematic a riscului.
1.3 SIMULAREA RISCULUI

n contextul problemei de management al riscului, aplicarea simulrii Monte Carlo se utilizeaz pentru evaluarea riscului asociat evenimentelor sistemului analizat, n condiii de incertitudine. n general, tehnicile de simulare implic construirea unui model de natur statistico matematic. Un model de simulare descrie funcionarea unui sistem n termenii evenimentelor individuale ale componentelor sistemului analizat. n particular, sistemul este descompus n elementele sale componente a cror comportare poate fi descris n termenii unei distribuii de probabilitate, pentru fiecare din strile posibile ale sistemului i pentru intrrile n sistem. n model sunt integrate i relaiile ntre elementele sistemului. Dup construcia modelului, vom ncepe simularea prin generarea variabilelor aleatoare care modeleaz evenimentele sistemului, folosind distribuiile de probabilitate corespunztoare. Rezultatul este o simulare a modului de funcionare n timp a sistemului, pe care o nregistrm. Procesul se repet de mai multe ori pentru diferite alternative i configuraii (scenarii) ale componentelor sistemului. Din punct de vedere statistic, simularea este o tehnic de realizare a experimentelor de eantionare privind modelul sistemului. Experimentele se realizeaz asupra unui model, deoarece efectuarea experimentelor asupra unui model real este, de obicei, mult prea costisitoare sau consumatoare de timp. Experimentele de simulare, datorit volumului foarte mare de date care rezult, trebuie efectuate cu ajutorul unui calculator. Primul pas n realizarea unui studiu de simulare este dezvoltarea unui model care s reprezinte sistemul analizat. Acest pas implic reprezentarea sistemului printr-o diagram (schem) logic de flux. Sistemul este descompus ntr-o serie de componente care sunt reprezentate n diagrama de flux i pentru care sunt stabilite regulile de operare. Aceste reguli de operare furnizeaz evenimentele care vor fi generate cu ajutorul unor variabile aleatoare. Trebuie remarcat faptul c modelul de simulare nu va putea s fie o reprezentare complet a sistemului real. Dac comportarea unui anumit element nu poate s fie prognozat, atunci este preferabil s se genereze valori aleatoare din distribuia de probabilitate care modeleaz elementul respectiv, n loc s se utilizeze valori medii. n multe cazuri, combinarea performanelor medii ale componentelor sistemului poate s conduc la rezultate care s se ndeprteze evident de comportarea sistemului n general. O problem care se pune atunci cnd alegem distribuia de probabilitate pentru model este legat de utilizarea distribuiilor de frecven ale datelor istorice sau de determinarea distribuiilor care concord cel mai bine din punct de vedere statistic cu aceste date.
1.4 RISCUL N CALITATE I FIABILITATE
1.4 RISCUL N CALITATE I FIABILITATE

Unul din domeniile n care riscul poate avea influene deosebit de importante i mai ales consecine foarte grave este reprezentat de sistemul de management al calitii. Riscul n calitate este ntotdeauna inclus n ecuaia calitate cost, deoarece att atingerea i meninerea unui nivel de calitate corespunztor, pe de o parte, dar i deteriorarea calitii, pe de alt parte, poate genera costuri foarte mari. n domeniul riscului n calitate sunt de notorietate conceptele datorate profesorului japonez Genichi Taguchi, care a fundamentat o serie de metode pentru controlul calitii off-line i pentru proiectarea experimentelor, dintre care vom detalia funcia de pierdere introdus de Taguchi. Metodele pentru controlul calitii off-line constau din activiti pentru controlul calitii i al costurilor desfurate n stadiile de proiectare a produsului i a proceselor de realizare a acestuia. Obiectivele generale ale acestor metode sunt mbuntirea calitii i a fiabilitii produselor i reducerea costurilor de dezvoltare i execuie a acestor produse. Termenul off-line semnific, n acest context, faptul c activitile de mbuntire a calitii i de reducere a riscului de pierdere sunt realizate nainte de trecerea la etapa de control a calitii n timp real, respectiv etapa on-line, n care procesele trebuie s se reproduc la parametri optimali. O component cheie n filosofia lui Taguchi este reducerea variabilitii. Specificaiile tehnice impun adesea ca fiecare caracteristic de calitate s aib o anumit valoare nominal sau valoare int. Obiectivul l reprezint reducerea variabilitii fa de aceast valoare int. Taguchi a modelat efectele care pot s apar ca urmare a abaterii de la valoarea de int funcie de pierdere ptratic. Pierderea se refer la costul care poate se apar atunci cnd se utilizeaz un produs ale crui caracteristici de calitate de ndeprteaz de valoarea int. Vom defini riscul Taguchi, respectiv pierderea medie asociat unui proces ca urmare a deplasrii procesului fa de inta specificat a acestuia. n continuarea modelelor de risc aplicate n calitate i fiabilitate, sunt abordate elementele de management al riscului referitoare la utilizarea modelelor statistice de analiz a modului de defectare i a efectelor acesteia, i anume modelele FMEA. Termenul FMEA provine de la acronimul din limba englez pentru Failure Mode and Effects Analysis, respectiv Analiza Modului de Defectare i a Efectelor. n limbile romn i francez se utilizeaz i acronimul AMDE. FMEA poate fi descris ca un grup de activiti sistematizate, avnd ca obiective: recunoaterea i evaluarea riscului defectrii poteniale ale unui produs sau proces i a efectelor acestei defectri; identificarea aciunilor ce ar putea elimina sau reduce probabilitatea de apariie a unei defectri poteniale; documentarea procesului i managementul riscului.
1.5 RISCUL N PROIECTE

Riscul poate fi definit ca fiind gradul de expunere la un eveniment care poate s se ntmple n detrimentul sau n beneficiul unui proiect sau a unei activiti. El poate fi descris ca o combinaie dintre probabilitatea ca riscul s apar i consecinele n termenii pierderii sau ctigului ca urmare apariiei riscului. Riscul este o component inerent a tuturor activitilor unui proiect, indiferent dac este vorba de o activitate mai simpl sau de o activitate mai complex. De aceea, dimensiunea i/sau complexitatea unei activiti nu este ntotdeauna o msur adecvat a gradului de risc potenial asociat cu activitatea respectiv. Totui, dependena este direct, adic n cele mai multe cazuri, activitile complexe au asociate riscuri mai mari. Managementul riscului este procesul sistematic de identificare, de analiz i de rspuns la riscul potenial al unui proiect. Managementul riscului este deci o abordare structurat i formal, focalizat asupra pailor necesari i aciunilor planificate pentru a determina i a controla riscurile, meninndu-le la un nivel acceptabil. Aplicat pentru un proiect, managementul riscului reprezint utilizarea continu a principiilor de management de risc pe durata de via a proiectului. Scopul este de a maximiza probabilitatea de succes a proiectului, prin creterea anselor de mbuntire a performanelor proiectului i, n acelai timp, diminuarea anselor pentru evoluii neanticipate, cum ar fi ntrzieri de program, depirea costurilor sau compromisuri privind calitatea. Managementul riscului proiectului este un proces continuu de planificare, identificare, cuantificare, rspuns i control al riscurilor, pentru a mri ct mai mult potenialul de succes al proiectului. Managementul riscului n cadrul unui proiect se poate aplica costurilor, programului sau performanelor tehnice (cum ar fi de exemplu riscul asociat aplicrii unei noi abordri constructive) sau performanelor planificate (de exemplu riscul asociat obinerii i utilizrii resurselor care pot afecta proiectul). Riscul proiectului este un eveniment incert sau o condiie care, dac apare, poate s aib un impact pozitiv sau negativ asupra obiectivului proiectului. Riscul are o cauz i, dac apare, un impact. De exemplu, cauza poate fi obinerea unei aprobri din partea unui organism specializat ( cum ar fi autorizaia de construcie sau de mediu). Evenimentul de risc poate fi poate fi faptul c obinerea aprobrii poate s dureze mai mult dect a fost planificat iniial, ceea ce poate s aib impact asupra programului, costurilor sau calitii proiectului. Riscul proiectului include att ameninrile asupra obiectivelor proiectului, dar i oportunitile de a mbunti aceste obiective. Acest risc i are originea n incertitudinea care este prezent n toate proiectele, indiferent de amploarea sau complexitatea acestora.
1.6 RISCUL N SOFTWARE
1.6 RISCUL N SOFTWARE

Riscul poate fi definit, n general, ca fiind posibilitatea de a pierde. El este o funcie dat de probabilitatea unui eveniment advers care poate s apar, ct i de impactul acestuia. Acest impact poate fi o combinaie de pierderi financiare, ntrzieri sau pierderea performanei. Riscul n software este dat de probabilitatea ca, la un anumit moment din ciclul de via al proiectului software, obiectivele planificate s nu fie atinse cu resursele alocate. De obicei, riscul nu poate fi eliminat din proiectele software, dar el poate fi tratat. Managementul riscului este o activitate critic pentru succesul oricrui proiect software, fiind o component strategic de realizare a acestuia. Dezvoltarea fr precedent a sistemelor electronice i a informaticii din ultimele dou decenii, a avut drept consecin creterea complexitii proiectelor de realizare i implementare a sistemelor de aplicaii software. Proiectele de software au devenit o necesitate, dar i riscurile implicate de realizarea lor au crescut aproape exponenial. Literatura de specialitate este plin de exemple de proiecte de software care au euat, au ntrziat sau nu s-au mai realizat niciodat. Managementul riscului n software face parte din practicile de inginerie a software-ului i const din procesele, metodele i tehnicile de management a proiectelor software. El furnizeaz o abordare sistematic i o atitudine pro-activ de adoptare a deciziilor care s evalueze lucrurile care nu merg bine, s determine care sunt riscurile care sunt importante i s implementeze aciunile necesare pentru tratarea acestor riscuri. Ca i n alte domenii ale managementului n general i al managementului proiectelor n special i n acest domeniu implicarea managementului de cel mai nalt nivel al organizaiei este esenial pentru succes. Top-managementul trebuie s susin managementul riscului prin alocarea resurselor necesare, prin planificare i analize de management dedicate acestui scop. Modelul global al procesului de management al riscului n software, se integreaz modelelor de management al proiectelor n general, fiind de fapt o adaptare i o particularizare pentru ciclul de via i specificitatea proiectelor de software. Modelul identific funciile fundamentale pentru managementul riscului ce trebuie avute n vedere pentru un management eficace al riscului n proiectele de software.
10
1.7 RISCUL FINANCIAR

Operaiunile financiare, prin natura diversitii lor, implic aproape ntotdeauna un anumit grad de risc, generat de pierderea de natur material (sau de alt natur) pe care o pot nregistra una sau mai multe persoane juridice sau fizice implicate n operaiunea financiar respectiv. n activitile bancare, de exemplu, riscul poate s apar n operaiunile de creditare, fiind reprezentat de posibilitatea ca banca s nu i poat recupera creditele acordate la termenele sau n condiiile stipulate n contractele de creditare. De asemenea, pentru un deponent al bncii, riscul poate fi asociat cu posibilitatea de a nu beneficia cnd i cum dorete de resursele bneti depuse la respectiva banc. n acest caz, riscul poate fi o alt rat a dobnzii fa de cea prevzut iniial, o evoluie defavorabil a valutei n care este contul de depozit sau chiar dificulti financiare ale bncii. Situaii asemntoare de risc de natur financiar pot s apar i n operaiunile de asigurri, de leasing, de burs .a. Din punct de vedere statistico-matematic, analiza riscului unei activiti financiare presupune evaluarea probabilitii de a obine anumite rezultate favorabile (ctig) sau nefavorabile (pierdere), innd cont de evenimente viitoare incerte i probabile. Printre dificultile ntmpinate atunci cnd este evaluat riscul financiar se pot meniona lipsa informaiilor sau gradul lor de disponibilitate pentru a determina distribuia de probabilitate a fenomenului economic analizat. De asemenea, identificarea i cuantificarea riscului financiar nu nseamn i eliminarea acestuia, dar furnizeaz elementele necesare managementului riscului financiar. Revenind la abordarea modelului riscului financiar, s menionm faptul c, uneori, ntre risc i incertitudine se face o anumit distincie, legat de cantitatea de informaie disponibil pentru fundamentarea deciziilor financiare. Riscul este utilizat n situaiile n care sunt posibile mai multe rezultate i despre care exist o experien anterioar relevant pentru a defini un model statistic, care s permit o predicie asupra rezultatelor posibile. Incertitudinea exist n situaiile n care sunt posibile mai multe rezultate, dar nu se dispune de informaie suficient pentru modelul statistic de decizie. Pn la urm, aceast distincie ntre risc i incertitudine nu este att de relevant, mai important fiind faptul c, fa de un model determinist, utilizm un model probabilist, n care riscul i incertitudinea sunt modelate prin variabile aleatoare. problemele de teoria deciziei se reduc n final la evaluarea unei funcii de pierdere, riscul avnd, n cele mai multe situaii, o exprimare de natur financiar.
2
NOIUNI DE TEORIA DECIZIEI
2.1 DEFINIREA PROBLEMEI DE DECIZIE
2.1.1 Contextul problemei de decizie
n activitatea de management din cele mai diverse domenii de activitate (cum ar fi cele politice, economice, militare, tehnologice sau administrative) unul din elementele de baz l reprezint rezolvarea problemelor de luare a deciziilor. Importana deciziilor ce trebuie adoptate, dar i complexitatea i dificultatea alegerii acestora, impun o abordare coerent a problemelor de decizie. Teoria deciziei reprezint n esen atitudinea tiinific fa de procesul de adoptare a deciziilor. Componentele de baz ale acestui proces pot fi analizate n mod sistematic pentru a evidenia legitile acestui proces. Ignorarea sau nclcarea acestor legiti rezultate din analiza aspectelor concrete al problemelor de decizie poate genera adoptarea unor decizii empirice, incorecte sau neadecvate. Teoria matematic a deciziei, ale crei principale noiuni le vom prezenta n cadrul acestui capitol, se bazeaz pe conceptele din teoria probabilitilor i din statistica matematic, completate de o disciplin mai nou, respectiv teoria utilitii. Abordarea problematicii riscului ntr-o manier riguroas implic i rezolvarea unor probleme de decizie care s conduc la minimizarea riscului i a pierderilor de orice natur asociate diferitelor decizii adoptate i aciunilor aplicate. ntr-o problem de decizie, un decident individual (de obicei un manager) sau colectiv (un comitet sau un board de conducere) trebuie s aleag din mai multe alternative, n funcie de anumite criterii sau reguli de decizie, astfel nct decizia aleas s fie din anumite puncte de vedere cea mai bun. Alternativele pe care le are decidentul sunt constituite dintr-un spaiu de aciune, care conine toate aciunile posibile pe care decidentul le are la dispoziie. n general, n majoritatea problemelor de decizie, spaiul de aciune este o mulime finit, dar exist i probleme de decizie cu spaiul de aciune infinit. Un alt element care definete o problem de decizie l constituie spaiul de parametri, sau spaiul strilor naturii, care reprezint starea
11
12
CAPITOLUL 2 NOIUNI DE TEORIA DECIZIEI
adevrat a lumii reale. Consecinele fiecrei aciuni depind de evenimente incerte, reprezentate de starea naturii. ntr-o problem de decizie, decidentul poate s aib, sau nu, la dispoziie informaii privind incertitudinile ce caracterizeaz problema de decizie. Aceste informaii suplimentare rezult de obicei pe baza efecturii unor experimente, nelegnd prin aceasta sensul cel mai larg de definire a experimentelor de natur statistic, respectiv, activitile de culegere i prelucrare a informaiei referitoare la un anumit fapt. Dac decidentul nu folosete informaii din experimente pentru adoptarea deciziei, spunem c avem o problem de decizie fr experimentare. Dac ns n procesul de adoptare a deciziei sunt utilizate informaiile provenite din experimente, spunem c avem o problem de decizie cu experimentare. Informaia este de cele mai multe ori de natur statistic, furniznd modelul probabilistic ataat problemei de decizie. Informaiile din experimente se refer la variabilele aleatoare care definesc spaiul de eantionare al problemei de decizie. Deciziile n care probabilitatea de apariie a fiecrei stri a naturii este cunoscut (sau poate fi estimat) sunt definite ca fiind decizii luate n condiii de incertitudine sau de risc. n asemenea situaii, decidentul poate evalua gradul de risc n termenii unei distribuii de probabilitate. Astfel, probabilitile n adoptarea deciziei pot fi vzute ca un mijloc de a exprima convingerea decidentului asupra evenimentelor viitoare, care sunt ns incerte. Probabilitile care evalueaz strile naturii sunt obiective i subiective. Probabilitile obiective pot fi determinate pe baza datelor istorice sau ca urmare a experimentelor i trebuie s fie actuale, numrabile sau observabile. Probabilitile subiective msoar gradul de convingere n verosimilitatea apariiei viitoare a unui anumit rezultat i se utilizeaz atunci cnd probabilitile obiective nu sunt accesibile sau nu pot fi utilizate. Pentru fiecare problem de decizie se definete o funcie de pierdere, care cuantific pierderea asociat fiecrei consecine a aciunilor adoptate, pentru fiecare stare a naturii. Pierderea este cel mai adesea exprimat n termeni monetari, dar pot fi i alte modaliti de msurare a pierderii. Pe baza funciei de pierdere, se poate determina funcia de risc, ca fiind valoarea medie sau valoarea ateptat a pierderii, definiie ce implic utilizarea probabilitilor. Criteriile sau regulile de decizie se mpart n dou categorii. Este vorba despre criteriul minimax i despre criteriul Bayes. Criteriul minimax se aplic mai ales deciziilor fr experimentare, n care se evalueaz pierderile maxime datorate aciunilor adoptate i apoi se alege decizia care are o pierdere minim. Acest criteriu de decizie este unul conservator, pesimist, care ne asigur protecia asupra unor variaii crescute ale riscului, respectiv minimizeaz riscul maxim. Criteriul de decizie Bayes ia n considerare i alte informaii de care dispune decidentul n legtur cu strile naturii care este posibil s apar. n aceste situaii,
13
decidentul ine seama de convingerile sale privind starea naturii, reprezentate sub forma unei distribuii de probabilitate, respectiv aa-numita distribuie a convingerii. Funcia de risc de tip Bayes exprim pierderea medie pentru decizia considerat, condiionat de adevrata stare a naturii, calculat n funcie de densitatea de probabilitate a convingerii. Procedura de decizie Bayes indic decidentului alegerea aciunii care minimizeaz pierderea medie, pierdere evaluat n funcie de valorile distribuiei de probabilitate iniiale considerate pentru toate strile posibile ale naturii. Aceast alegere se poate face fr utilizarea unor informaii suplimentare rezultate ca urmare a experimentrii. Dac ns decidentul poate dispune de aceste informaii suplimentare, atunci ele trebuie aplicate pentru adoptarea deciziei. n cadrul experimentrii, decidentul analizeaz variabilele aleatoare care conin valorile spaiului de eantionare. El va stabili o procedur de decizie sau o strategie, care s-i indice aciunile pe care trebuie s le aplice pentru fiecare valoare a variabilei aleatoare, urmrind alegerea funciei de decizie optimale. Funcia de risc, calculat cu ajutorul probabilitilor iniiale ofer un mijloc de a defini optimalitatea, respectiv minimizarea riscului pentru fiecare stare a naturii. Dar n majoritatea cazurilor, aceast funcie optimal nu exist i atunci va trebui s gsim o modalitate de gsire a deciziei optimale cu ajutorul probabilitilor posterioare, care nseamn de fapt ncorporarea n modelul de decizie a tuturor informaiilor disponibile despre starea naturii. nainte de a proceda la utilizarea experimentelor statistice, care de cele mai multe ori au costuri semnificative, este necesar ns s evalum valoarea potenial pe care o aduc aceste experimente. Pentru acesta vom evalua mai nti valoarea informaiei perfecte a experimentului, respectiv valoarea pe care decidentul este dispus s o plteasc pentru aceast informaie perfect. Abordrile minimax i Bayes conduc, n general, la rezultate diferite privind alegerea deciziei optimale, cu toate c anumite alegeri ale distribuiei convingerii poate conduce la soluii similare ale problemei de decizie. Un alt element important ntr-o problem de decizie o constituie problema asumrii riscului, respectiv a atitudinii fa de risc a decidentului. Aceasta nseamn decizia de a rmne ntr-o stare neschimbat (status-quo) sau decizia de a intra ntr-o situaie de incertitudine, care poate duce la ctig sau la pierdere. O abordare a acestei probleme este dat de funcia de utilitate, care poate fi vzut ca o pierdere negativ, urmrindu-se maximizarea utilitii printr-o decizie optimal. Dac funcia de utilitate marginal este descresctoare, atunci decidentul are aversiune la risc, iar atunci cnd funcia de utilitate este cresctoare, suntem n cazul unui decident care i asum riscul. n fine, o problem de decizie secvenial cu stadii multiple poate fi analizat i cu ajutorul arborilor de decizie, metod care are avantajul de a furniza o reprezentare
14
grafic clar a alternativelor i a cronologiei evenimentelor problemei de decizie. Un arbore de decizie este alctuit din noduri i din ramuri. Exist dou tipuri de noduri, respectiv noduri de decizie (reprezentate printr-un ptrat) i noduri de incertitudine (reprezentate printr-un cerc). Ramurilor de incertitudine li se ataeaz probabiliti, n funcie de condiionrile pentru fiecare ramur a arborelui de decizie. Cele dou metode de rezolvare a problemei de decizie, cea analitic i cea grafic au fiecare avantaje i cel mai bine se utilizeaz mpreun pentru determinarea soluiei optimale a problemei de decizie.
2.1.2 Scurt istoric al teoriei deciziei

ncercnd o scurt schi istoric a evoluiei conceptelor din teoria deciziei, care are de fapt o istorie recent de circa 50 de ani, s remarcm faptul c teoria probabilitilor, statistica, teoria utilitii i teoria jocurilor sunt principalele domenii ale matematicii care se utilizeaz pentru rezolvarea problemelor de decizie. Primele idei de teoria probabilitilor se consider c au fost introduse de Cardano, n anul 1550, n lucrarea Liber de Ludo Aleae (Carte asupra jocurilor de noroc). Tot de jocurile de noroc i de numele lui Pascal i Fermat se leag principiile de baz ale teoriei probabilitilor, coninute ntr-un schimb de scrisori ntre cei doi n anul 1654, ca rezolvare a unei probleme din jocul de zaruri. Omul de tiin olandez Christian Huygens, pe baza conceptelor lui Pascal i Fermat, a publicat n anul 1657 prima carte de teoria probabilitilor, intitulat De Ratiociniis in Ludo Aleae (Asupra raionamentelor n jocurile de noroc). n secolul al XVIII-lea, teoria probabilitilor devine din ce n ce mai popular, contribuii importante avnd Jacob Bernoulli (Ars Conjectandi 1713) i Abraham de Moivre (Doctrine of Chances 1713). Bernoulli este primul care demonstreaz prima teorem limit a probabilitilor, respectiv legea numerelor mari. Secolul al XIX-lea constituie nceputul abordrii moderne n teoria probabilitilor i n statistica matematic. Carl Friederich Gauss arat, n anul 1809, c repartiia normal (celebrul clopot al lui Gauss) reprezint un model matematic adecvat pentru distribuia erorilor de msurare. n anul 1812, Pierre de Laplace n lucrarea Thorie Analytique des Probabilits dezvolt noi idei i noi domenii de aplicare a probabilitilor n afara jocurilor de noroc, cum sunt teoria erorilor (la care contribuii importante a adus i Gauss), matematicile actuariale, mecanica statistic .a. n a doua jumtate a secolului XIX, se pot consemna numele lui Chebyshev i Markov n domeniul probabilitilor i ale lui Galton i Pearson n statistica matematic. Ca i n alte domenii ale matematicii, dezvoltarea teoriei probabilitilor a fost stimulat de diversitatea aplicaiilor sale. Statistica matematic este unul din cele
15
importante domenii aplicare a probabilitilor. Statistica era la nceputurile sale o tiin politic cu originile n Germania i este destul de dificil de apreciat cnd termenul a fost utilizat n sens matematic pur. De la primele sale obiective, de a sistematiza informaiile despre stare societii (deci o matematic a statului), statistica i-a dovedit n ultimele dou secole aplicaiile sale n toate domeniile tiinifice i sociale. Ultimul secol a consemnat dezvoltrile teoretice importante ale lui von Mises, Keynes, de Finetti, Borel i Kolmogorov, ultimul avnd o contribuie remarcabil n axiomatizarea modern a teoriei probabilitilor. Evident c lista celor care i-au adus aportul la dezvoltarea teoriei probabilitilor este departe de a fi complet i conine numai o parte din marile nume n domeniu. i n statistica matematic pot fi menionate, cum ar fi cele aduse de Fisher, Pearson, Neymann etc. n ultimele decenii, teoria probabilitilor a fost integrat ntr-o disciplin mai general i anume n teoria msurii. i coala romneasc de teoria probabilitilor i statistic matematic are n ultima jumtate de secol rezultate teoretice i practice importante, datorate ndeosebi academicienilor Octav Onicescu, Gheorghe Mihoc i Marius Iosifescu. Teoria probabilitilor i statistica matematic se studiaz sistematic n toate facultile de matematic din ar. Conceptele de teoria utilitii au fost introduse iniial de von Neumann i Morgerstern n lucrarea Theory of Games and Economic Behaviour (1947). Contribuia principal la construirea unei adevrate teorii a deciziei este adus de Abraham Wald prin lucrarea fundamental Statistical Decision Functions (1950). Wald abordeaz problemele fundamentale ale statisticii matematice ca fiind probleme de decizie. Generaliznd problemele de estimaie i de verificare a ipotezelor statistice, Wald a formulat modelul general al problemei de decizie. n anii 60 70, contribuii semnificative la dezvoltarea teoriei deciziei au adus L. J. Savage, D. Luce, H. Raifa, K. Arrow i alii. Eforturile s-au concentrat pe rezolvarea unor probleme de decizie complexe ale societii contemporane, cu o mare cantitate de informaie, pe care numai calculatoarele electronice care au cunoscut i ele o dezvoltare exploziv n aceast perioad o pot prelucra pe baza algoritmilor i a modelelor dezvoltate n teoria deciziei. n literatura de specialitate din ara noastr, direciile de cercetare n domeniul teoriei deciziei s-au concentrat asupra abordrii probabiliste i statistice datorat profesorilor M. Malia i C. Zidroiu (abordare de tipul celei prezentate n cadrul acestui capitol), dar i aspecte de decizie din teoria jocurilor (abordare pe care nu o vom discuta aici). Nu vom discuta, de asemenea, n cadrul acestui capitol, nici procesele de decizie stocastice care implic utilizarea lanurilor Markov i care necesit un aparat probabilistic mai avansat.
16
2.2 MODELUL MATEMATIC AL PROBLEMEI DE DECIZIE

2.2.1 Elementele generale ale modelului
Elementele de baz ale modelului general al unei probleme de decizie pot fi formalizate matematic astfel: Definim o mulime A, denumit spaiu de aciune, alctuit din toate aciunile posibile a de care dispune decidentul; Definim o mulime , denumit spaiu de parametri, alctuit din toate strile naturii posibile . O singur stare a naturii i numai una va aprea, dar starea adevrat nu este cunoscut de decident n momentul n care el alege o aciune; Definim o funcie L, denumit funcie de pierdere, cu domeniul i cu valori n mulimea R (mulimea numerelor reale). L este constituit din perechile ordonate ( , a ), , a , denumite consecine (ale alegerii aciunii a, atunci cnd starea adevrat a naturii este ); Considerm variabila aleatoare X, care are valorile posibile x X , denumit spaiu de eantionare. Variabila aleatoare X are funcia de densitate de probabilitate n familia { f ( x ; )} ; Definim mulimea D, denumit spaiu de decizie, alctuit din toate aplicaiile d din X n A.
Interpretarea modelului de mai sus este urmtoarea. n momentul n care decidentul i alege aciunea, el nu cunoate adevrata stare a naturii i deci nu cunoate consecina actual a aciunii sale (dac el alege a A , atunci consecina actual ( , a ) este necunoscut, deoarece starea este necunoscut). Decidentul tie totui pierderea care ar rezulta pentru fiecare din consecinele posibile ( , a ) , corespunztoare cu alegerea aciunii a A i starea naturii . Desigur, pierderea poate fi i ctig, caz n care valoarea lui L( , a ) va fi negativ. Ca alternativ la funcia de pierdere, putem s lucrm cu o funcie de ctig sau o funcie de utilitate. Pentru a reduce incertitudinea asupra strii , decidentul culege informaie sub forma observrii unei variabile aleatoare X, a crui distribuie de probabilitate depinde de parametrul . tiind c X = x i tiind forma lui f ( x ) , decidentul poate extrage informaie despre parametrul , care s l ajute n alegerea unei strategii generale, care definete, pentru fiecare X = x , alegerea aciunii a. Sintetiznd modelul general al problemei de decizie, decidentul alege o aciune
17
a A , pe baza observaiilor asupra valorilor variabilei aleatoare x X . Alegerea unei strategii generale, care definete pentru fiecare X = x , alegerea lui a, este echivalent cu alegerea funciei de decizie d D . Dup ce a fost aleas, funcia de decizie d specific aciunile care trebuie s fie aplicate pentru toate valorile posibile X =x. Teoria deciziei poate fi vzut ca fiind studiul selectrii deciziei d din mulimea D. Aceasta implic dou tipuri diferite de probleme. Prima, de natur filosofic, este problema criteriului utilizat pentru compararea elementelor din D; a doua, de natur tehnic, privete modul de determinare a unei decizii optime, pe baza criteriului ales. O problem de decizie poate fi vzut i ca fiind un joc mpotriva naturii. Aceasta nsemn c natura alege un element i apoi decidentul, fr a cunoate starea aleas de natur, alege, la rndul lui, un element a A . Rezultatul acestor dou alegeri este pierderea de ctre decident a cantitii L( , a ) , pierdere care
poate fi msurat ntr-o unitate de msur adecvat (nu neaprat n bani). Posibilitatea observrii unei variabile aleatoare X, cu densitatea de probabilitate f ( x ) , furnizeaz decidentului o informaie limitat despre alegerea naturii. Alegerea funciei de decizie poate fi vzut ns ca o strategie de joc. S notm, de asemenea, c dou din domeniile majore ale statisticii infereniale respectiv estimarea i testarea ipotezelor sunt ambele cazuri speciale ale modelului general de decizie prezentat mai sus. Vom detalia aceste cazuri n cursul acestui capitol.
2.2.2 Regulile de decizie minimax i Bayes

La prima impresie, s-ar putea crede c alegerea funciei de decizie optime este relativ simpl, deoarece vom alege o funcie d D astfel nct pierderea s fie minimizat, indiferent de starea naturii care apare. Totui, acest lucru nu este posibil dac nu tim adevrata stare a naturii, caz n care nu suntem de fapt n faa unei probleme de decizie. Pentru a ilustra acest lucru, s presupunem c dorim estimarea unui parametru necunoscut real, cu o funcie de pierdere ptratic de forma L( , a ) = ( a ) 2 . S presupunem c am observat variabila aleatoare X = x i c a = d ( x ) este estimarea lui
specificat de d. Dac valoarea adevrat a parametrului este , vom avea o pierdere ( d ( x ))2 . Dac, n fapt, = 0 , va trebui s lum d ( x ) = 0 pentru a
minimiza pierderea; dac ns = 1 , va trebui s lum d ( x ) = 1 . Dar deoarece nu tim valoarea lui , nu vom putea selecta d ( x ) pentru minimizarea pierderii. Din
18
punct de vedere matematic, problema nu este bine definit. O metod posibil pentru alegerea unei funcii de decizie d ct mai bune, n termenii unei cantiti care s poat fi calculat, este gsirea unei msuri care s evalueze n medie strategia de decizie aleas. Fie funcia R, definit pe D cu valori reale, definit prin
R( , d ) = L( , d ( x )) f ( x )dx (X continu)
X
(2.1)
R( , d ) = L( , d ( x )) f ( x )
xX
(X discret).
(2.2)
Funcia R se numete funcia de risc a lui d, evaluat pentru . Riscul R( , d ) msoar deci valoarea medie a pierderii (sau valoarea ateptat a pierderii), utiliznd funcia de decizie d, dac starea adevrat a naturii este i n raport cu distribuia specificat f (x ) . Notnd operatorul pentru valoarea medie cu M X , putem scrie
R( , d ) = M X [L( , d ( x ))] .
(2.3)
Operatorul M X poate fi aplicat pentru orice funcie g ( x , ) a crei valoare medie n raport cu X exist, astfel nct
M X [g ( x , )] = g ( x , ) f ( x )dx .
X
(2.4)
Putem utiliza de asemenea i operatorul pentru varian V X , definit ca
V X [g ( x , )] = M X [g ( x , )]2 M X [g ( x , )] 2 .
(2.5)
Exemplul 2.1 S analizm problema estimrii parametrului , utiliznd funcia de pierdere ptratic i un eantion aleator X = ( X 1 , X 2 , K , X n ) dintr-o distribuie normal cu media 0 i abaterea standard 1, N (0,1) . Considerm urmtoarele reguli de decizie:
d1 ( X 1 , X 2 ,K , X n ) =
1 (X1 + X 2 + K + X n ) = X , n d 2 ( X 1 , X 2 , K , X n ) = mediana( X 1 , X 2 , K , X n ) ,
L( , a ) = ( a ) 2 ,
(2.6)
(2.7) (2.8) (2.9)
d 3 ( X 1 , X 2 ,K , X n ) 0 .
Conform relaiilor de mai sus, d1 este media eantionului, d 2 este mediana eantionului, iar d 3 este o regul de decizie care statueaz c se ignor orice valoare a eantionului i ntotdeauna se estimeaz ca fiind 0. Calculnd funciile de risc pentru aceste decizii obinem
19
R( , d1 ) = M X ( X ) = V X (X ) =
2
(n acest caz X are o distribuie normal N ( ,1
innd cont c mediana are o distribuie normal N ( , 2n ) obinem

R( , d 2 ) = M X (mediana( X 1 , K , X n ) )2 =
1,57 . n 2n
n ).
1 . n
(2.10)
(2.11)
Pentru d 3 obinem
R( , d 3 ) = M X (0 ) 2 = M X ( 2 ) = 2 .
(2.12)
Funciile de risc pentru d1 , d 2 i d 3 sunt reprezentate n Figura 2.1

R( , d ) d3 d2
1,57 n
1 n
0
d1
Figura 2.1 Funciile de risc pentru deciziile d1, d2 i d3
n condiiile problemei noastre (distribuie normal i funcie de pierdere ptratic), se observ c mediana nu este un estimator acceptabil, avnd n vedere c funcia de risc a mediei are toate valorile mai mici dect ale medianei, pentru orice . n acelai timp, media nu este n mod necesar un estimator mai bun dect d 3 , innd cont c n vecintatea lui 0, funcia de risc a lui d 3 are valorile de risc cele mai mici. Din acest exemplu observm c funciile de risc n sine nu ne furnizeaz un criteriu de alegere ntre d1 i d 3 . Exemplul urmtor ilustreaz tocmai dificultatea alegerii regulilor de decizie. Exemplul 2.2 Fie X = ( X 1 , X 2 , K , X n ) un eantion aleator din distribuia normal
N ( , ) , cu > 0 , adic o distribuie normal avnd media i dispersia egale cu .
Vom estima parametrul
utiliznd aceeai funcie de pierdere ptratic
L( , a ) = ( a ) 2 .
Considerm funciile de decizie
d1 ( X 1 , X 2 ,K , X n ) =
1 (X1 + X 2 + K + X n ) = X , n
(2.13)
20
i
d 2 ( X 1 , X 2 ,K , X n ) =
1 n 2 (X i X ) , n 1 i =1
2
(2.14)
Calculnd funciile de risc, obinem

R( , d1 ) = M X ( X ) = V X ( X ) =
(2.15)
i
R( , d 2 ) = M X ( d 2 ( X ))2 = V X (d 2 ( X )) ,
(2.16)
dar deoarece M X ( d 2 ( X ))2 = , obinem

2 2 . (2.17) R( , d 2 ) = n 1 n 1 i R( , d1 ) > R( , d 2 ) dac Rezult c R( , d1 ) < R( , d 2 ) dac > 2n n 1 n 1 , egalitatea avnd loc dac = . Graficele funciilor de risc < 2n 2n corespunztoare deciziilor d1 i d 2 pentru n = 2 sunt reprezentate n Figura 2.2.
R( , d ) d2
d1
1/8
1/4
Figura 2.2 Funciile de risc pentru deciziile d1, i d2
Analiznd figura de mai sus, observm c dac tim c < 1 4 , atunci decizia d 2 este optim, dar dac tim c > 1 4 atunci decizia este d1 optim. Problema este c
nu tim valoarea lui i astfel trebuie s gsim i alte criterii care s ne ajute s alegem. n general, o problem de decizie conduce la un mare numr de funcii de decizie posibile (mulimea D are un numr foarte mare de elemente) i modelele grafice prezentate anterior nu mai pot fi aplicate. De aceea, va trebui s cutm criterii generale, care s ne permit selecia regulilor optimale din spaiul de decizie D. Prin termenul optimal vom nelege n continuare cea mai bun soluie pe care o alegem ntr-un context dat.
21
Vom analiza n cele ce urmeaz dou astfel de criterii, cunoscute sub denumirea de criteriul (regula) minimax i criteriul Bayes. Pentru a detalia aceste concepte, s considerm dou funcii de risc ipotetice corespunztoare regulilor de decizie d1 i d 2 pentru o problem de decizie cu spaiul de parametri , reprezentate n Figura 2.3.
R( , d )
d1 d2
Figura 2.3 Dou funciile de risc ipotetice
Pentru majoritatea valorilor lui , d 2 are un risc mai mic dect d1 , dar exist valori ale lui pentru care d 2 are un risc considerabil mai mare. Ce se poate face n asemenea situaii? Sunt posibile dou abordri ale acestei probleme: a) b) Alegerea lui d1 , care ne protejeaz asupra unor variaii crescute ale riscului, respectiv minimizeaz riscul maxim; Considerarea i a altor informaii de care dispunem i analizarea valorilor lui care este probabil s apar. Dac suntem convini c valorile lui vor fi n intervalul n care d 2 are riscul maxim, atunci vom alege d1 . Dac, pe de alt parte, avem convingerea c este puin probabil ca valorile lui s fie n intervalul de risc maxim, atunci vom alege d 2 . n ambele cazuri, n analiz am introdus convingerile noastre privind valorile lui . Aceste exemple intuitive ne conduc la urmtoarea formalizare. Pentru a), vom alege decizia d * astfel nct sup R( , d * ) = inf sup R( , d ) . (2.18)
d D
Cu alte cuvinte, vom alege funcia de decizie al crui risc maxim este cel mai mic, dintre toate valorile posibile de riscuri maxime corespunztoare deciziilor d din D. d * se numete funcie de decizie minimax. Pentru b), presupunem c convingerile noastre referitoare la pot fi reprezentate sub forma unei funcii de densitate de probabilitate p( ) cu domeniul . De exemplu, n Figura 2.4 sunt reprezentate dou distribuii posibile p1 i p 2 pentru distribuia convingerii (n englez belief distribution) p( )
22
pe care le asumm pentru . Am vzut c funcia de risc R( , d ) exprim pierderea medie pentru decizia d, condiionat de faptul c este adevrata stare a naturii. Considernd R( , d ) o funcie de , pentru d fixat, putem s calculm valoarea sa medie n raport cu distribuia convingerii p( ) . Definim riscul Bayes B(d ) pentru o funcie de decizie d ca fiind
B(d ) = R( , d ) p( )d , ( continu)
(2.19)
sau
B(d ) = R( , d ) p( ) , ( discret)

(2.20)
R( , d )
p1
p2
Figura 2.4 Forme posibile ale distribuiei convingerii
Este natural s cutm acum o funcie de decizie care minimizeaz pierderea total, adic B(d ) = M M X [L( , d ( x ))] . (2.21)
d * este, prin definiie, o funcie de decizie Bayes dac B(d * ) = inf B(d ) .
dD
(2.22)
S remarcm c, dat fiind o problem de decizie, d * nu este unic deoarece ea depinde de alegerea lui p( ) . Spunem c d * este o funcie de decizie Bayes n raport cu p( ) . Exemplul urmtor ilustreaz abordrile minimax i Bayes.
Exemplul 2.3 Pentru problema de decizie din Exemplul 2.1 avem 1 sup R( , d1 ) = , n
(2.23)
23
sup R( , d 2 ) =
1,57 , n sup R( , d 3 ) = ,
(2.24) (2.25)
1 1 S presupunem acum c suntem siguri c variaz n intervalul , i n 10 10 acest interval avem convingerea c nu exist valori ale lui care s fie mai plauzibile dect altele. Convenim deci s reprezentm aceast convingere printr-o distribuie 1 1 uniform pe intervalul , i avem 10 10 1 p( ) = =5. (2.26) 1 1 10 10 Atunci funciile de risc Bayes sunt
B(d1 ) = B(d 2 ) =
1 10
1 5d = 1 , n 1 10 n
1 10
(2.27) (2.28) (2.29)
1,57 5d = 1,57 , n 1 10 n
B(d 3 ) =
1 10
1 10
5d =
1 , 300
Rezult c dac n > 300 , funcia de decizie Bayes este d1 , dac n = 300 atunci
d1 i d 3 au acelai risc Bayes, iar dac n < 300 atunci d 3 este decizia cu riscul Bayes
cel mai mic. Totui, dac convingerea noastr stabilit a priori ar fi fost diferit, de exemplu o distribuie uniform pe intervalul ( 1, 1) , urmnd aceeai procedur ca mai sus, cele trei valori ale riscului Bayes ar fi fost 1 1,57 1 , B(d 3 ) = , B(d1 ) = , B(d 2 ) = n n 3 i deci pentru n > 3 , d1 este decizia preferat din punct de vedere Bayes. (2.30)
Am analizat pn acum dou abordri posibile pentru alegerea regulilor de decizie, respectiv abordarea minimax i abordarea Bayes. Din exemplele anterioare, a rezultat c aceste abordri conduc, n general, la rspunsuri diferite privind alegerea funciei de decizie optimale (dei pentru anumite alegeri a priori ale distribuiilor de probabilitate ale convingerii privind starea naturii, cele dou abordri pot conduce la acelai rezultat).
24
2.2.3 Decizii admisibile

S considerm funciile de risc din Figura 2.5. Este clar c funciile d1 i d 2 vor fi eliminate de la nceput din analiz. Funciile d 3 i d 4 au un risc relativ similar i rmne s alegem ntre ele.
R( , d )
d1 d2
d3 d4
Figura 2.5 Funciile de risc pentru diferite funcii de decizie
Fiind dat o funcie de decizie d D , dac exist o alt funcie d D care satisface proprietile R ( , d ) R ( , d ) pentru orice valori , (2.31) i R( 0 , d ) < R( 0 , d ) pentru anumite valori 0 , (2.32)
atunci decizia d este dominat de decizia d sau d domin d . O funcie de decizie care este dominat de o alt funcie de decizie se numete inadmisibil. n caz contrar, decizia se numete admisibil. n Figura 2.5 considernd spaiul de decizie D = {d1 , d 2 , d 3 , d 4 }, rezult c d1 i d 2 sunt dominate de d 3 i d 4 i deci sunt inadmisibile, iar d 3 i d 4 sunt admisibile deoarece nici una nu o domin pe cealalt. Utilitatea conceptului de admisibilitate este natural, deoarece ne permite eliminarea deciziilor inadmisibile i concentrarea eforturilor pentru alegerea deciziilor celor mai bune dintre cele admisibile.
2.2.4 Interpretarea geometric

Pentru reprezentarea i interpretarea geometric a problemei de decizie, vom considera cazul k = 2 pentru spaiul de parametri k-dimensional = (1 , 2 , K , k ) . Fie o problem de decizie cu spaiul de aciune A = {a1 , a 2 , a3 } , cu spaiul parametrilor
25
= (1 , 2 ) i cu funcia de pierdere definit n Tabelul 2.1:

Tabelul 2.1 Funcia de pierdere tabelar
a1 a2 a3
1 2
4 1
1 4
3 3
La prima vedere aciunea a3 este preferabil, deoarece dac 1 este adevrat, atunci a3 este preferabil lui a1 , iar dac 2 este adevrat, atunci a3 este preferabil lui a2 . S considerm acum o aciune aleatoare corespunztoare aruncrii unei monede, respectiv alegerea lui a1 dac apare capul i a lui a2 dac apare pajura. Atunci, pentru aceast aciune aleatoare, dac 1 este adevrat, pierderea medie este dat de 1 1 1 1 5 L(1 , a1 ) + L(1 , a 2 ) = 4 + 1 = , 2 2 2 2 2 i dac 2 este adevrat, de
5 1 1 1 1 L( 2 , a1 ) + L( 2 , a 2 ) = 1 + 4 = , 2 2 2 2 2
(2.33)
(2.34)
Deoarece
5 < 3 , n ambele cazuri aciunea aleatoare este preferabil lui a3 . 2
Exemplul de mai sus sugereaz faptul c procedeul aleator se poate aplica i regulilor de decizie d D i vom scrie = d1 + (1 )d 2 , 0 1 , (2.35) pentru a indica o decizie aleatoare care alege d1 cu probabilitatea i d 2 cu probabilitatea 1 . Vom defini riscul pentru decizia aleatoare ca fiind R( , ) = R( , d1 ) + (1 )R( , d 2 ) . defini decizia aleatoare (2.36)
Mai general, dac = ( 1 , 2 , K , m ) , cu 1 + 2 + K + m = 1, i 0 , putem
= 1 d1 + 2 d 2 + K + m d m ,
ca fiind o combinaie aleatoare a elementelor lui D. Corespunztor, riscul va fi R( , ) = 1 R( , d1 ) + 2 R( , d 2 ) + K + m R( , d m ) .
(2.37) (2.38)
Considernd combinaiile aleatoare ale tuturor elementelor lui D, obinem mulimea tuturor regulilor de decizie aleatoare D * . Avem evident D D * i notm cu un element general al lui D * . Definim mulimea de risc S pentru cazul = (1 , 2 ,K , k ) ca fiind
S = {( y1 , K , y k ) R k , astfel nct y j = R ( j , ), j = 1, K , k pentru D * }. (2.39)
26
Spaiul k-dimensional R k reprezint mulimea k-uplurilor ordonate ( y1 ,K , y k ) de numere reale. S este o submulime a lui R k alctuit din punctele ale cror coordonate sunt componentele j ale riscului R ( j , ), corespunztoare deciziei aleatoare . S remarcm faptul c S este o mulime convex, adic orice dreapt care unete dou puncte din S nu iese n afara lui S . Aceast proprietate este ilustrat i n Figura 2.6, pentru k = 2 . Toate punctele de pe dreapta care unete punctele de risc pentru d1 i d 2 , corespund punctului de risc pentru combinaia aleatoare a lui d1 i
d 2 . Toate punctele cu aceast proprietate aparin lui S i S este convex.
R ( 2 , )
S Punctul de risc pentru d 2 Punctele de risc pentru combinaia aleatoare a deciziilor d 1 i d 2
Punctul de risc pentru d 1

R ( 1 , )
Figura 2.6 Forma general convex a mulimii de risc S
Vom folosi aceast proprietate pentru a da o interpretare geometric abordrilor minimax i Bayes.
Abordarea minimax. Pentru D * , cantitatea sup R( , ) devine, pentru
mulimea strilor = (1 , 2 , K , k ) , chiar max {y j }, unde y = ( y1 , K , y k ) este punctul de risc corespunztor lui . Abordarea minimax compar regulile de decizie n termenii max {y j }, astfel nct toate regulile de decizie care conduc spre aceeai valoare sunt egale din punct de vedere al criteriului minimax. n dou dimensiuni, locul geometric al punctelor ( y1 , y 2 ) cu proprietatea max ( y1 , y 2 ) = const. (o anumit valoare specificat) are forma unui echer. Deoarece abordarea minimax urmrete minimizarea valorii max {y j }, regula de decizie minimax este, din punct de vedere geometric, punctul (sau punctele) n care echerul de 90 atinge marginea inferioar (limita inferioar de sud-vest, notat S-E) a lui S . Aceast proprietate este ilustrat n Figura 2.7. S notm i faptul c regula minimax poate s nu fie unic, ea depinznd de forma lui S , care la rndul ei depinde de problema de decizie.

R ( 2 , )
27
Punctul de risc pentru decizia minimax
R ( 1 , )
Figura 2.7 Interpretarea geometric a abordrii minimax
priori) a convingerii dat de p = ( p1 , p 2 , K , p k ) , astfel nct pi 0, i = 1, K , k i

p1 + p 2 + K + p k = 1 . Riscul Bayes pentru regula de decizie aleatoare este dat de
Abordarea Bayes. Pentru = (1 , 2 , K , k ) s considerm distribuia iniial (a
B( ) = p j R ( j , ) = p j y j .
k k j =1 j =1
(2.40)
Acesta definete un hiperplan n spaiul k-dimensional. Pentru simplificare, dac k = 2 , toate punctele y = ( y1 , y 2 ) care dau aceeai valoare de risc Bayes, aparin unei drepte de forma
p1 y1 + p 2 y 2 = const.
(2.41)
Deoarece 0 p1 , p 2 1 i p1 + p 2 = 1 , aceast dreapt va avea o orientare NV SE. Dar abordarea Bayes urmrete minimizarea p1 y1 + p 2 y 2 ; rezult c regula de decizie Bayes are punctul de risc n punctul n care dreapta p1 y1 + p 2 y 2 = inf B( ) este tangent la marginea inferioar a lui S , aa cum se poate observa n Figura 2.8.
R ( 2 , )
=y 2
Punctul de risc pentru decizia Bayes
p1 y1 + p 2 y 2 = inf B ( )
R ( 1 , ) =y 1
Figura 2.8 Interpretarea geometric a abordrii Bayes
28
Exemplul 2.4 Presupunem c pentru o problem de decizie cu spaiul strilor = {1 , 2 } i spaiul de decizie D = {d1 , d 2 , d 3 , d 4 , d 5 }, funcia de risc R ( i , d j ) este
definit de valorile din Tabelul 2.2, dup cum urmeaz:

Tabelul 2.2 Funcia de risc pentru Exemplul 2.4 d1 d2 d3 d4
1
2
d5 5 4
0 4
4 5
2 0
1 1
Cele 5 puncte de risc corespunztoare elementelor lui D i mulimea S sunt reprezentate n Figura 2.9. S este alctuit din toate punctele de risc care pot fi obinute din combinarea aleatoare a celor 5 puncte de risc iniiale.
R ( 2 , )
=y 2 d1
d2
d5 S
d4 d3
R ( 1 , ) =y 1
Figura 2.9 Mulimea S corespunztoare funciei de risc din Tabelul 2.4
Regulile de decizie admisibile corespund punctelor din S care nu au puncte situate la S E de ele; aceasta nseamn c nu putem s gsim un care s reduc o component de risc fr a o crete pe cealalt. n cazul nostru, mulimea regulilor admisibile corespunde punctelor situate ntre d1 i d 4 , ct i d 4 i d 3 . Cu alte cuvinte, ea este alctuit din combinarea aleatoare a d1 i d 4 sau a d 4 i d 3 . Rezult c regula minimax este d 4 , deoarece echerul de 90 intersecteaz S n mod unic n punctul d 4 . Regula Bayes depinde de alegerea perechii ( p1 , p 2 ) . Plecnd de la vertical ( p1 = 1 ) i variind valorile lui p1 pn la orizontal ( p1 = 0 ), obinem deciziile Bayes din Tabelul 2.3. Analiznd rezultatele din tabelul menionat, observm c avem situaii n care regulile de decizie nu sunt unice.
Tabelul 2.3 Regulile de decizie Bayes pentru Exemplul 2.4

p1
29
Decizia Bayes
d1 (unic)
p1 > 3 4 p1 = 3 4 3 4 < p1 < 1 2 p1 = 1 2 p1 < 1 2
Orice combinaie aleatoare a lui d1 i d 4

d 4 (unic)
Orice combinaie aleatoare a lui d 4 i d 3

d 3 (unic)
2.2.5 Cteva teoreme de baz

Rezultatele care urmeaz stabilesc relaiile ntre conceptele de admisibilitate i regulile de decizie minimax i Bayes. S remarcm mai nti c este posibil s avem dou funcii de decizie 1 , 2 D * astfel nct 1 2 , dar R( , 1 ) = R( , 2 ) . n acest caz spunem c 1 i 2 sunt egale pn la echivalen.
Teorema 2.1 Pentru o problem de decizie cu , A, L arbitrare i X spaiul de eantionare al variabilei aleatoare continue X, dac o funcie de decizie Bayes * cu o distribuie iniial p( ) este unic pn la echivalen, atunci * este admisibil. Demonstraie. Presupunem c * este inadmisibil. Atunci exist D * astfel nct R( , ) R( , * ) , pentru toate valorile , (2.42)
R( 0 , ) < R( 0 , * ) , pentru valoarea 0 ,
(2.43) (2.44)
Pentru cazul continuu i densitatea de probabilitate p( ) rezult

B( ) = R( , ) p( )d R( , * ) p( )d = B( * ) .

Dar relaia nu poate fi < deoarece ar contrazice faptul c * este Bayes, iar relaia nu poate fi = deoarece ar contrazice faptul c * este unic pn la echivalen. Avem o contradicie i deci * este admisibil Cazul discret se demonstreaz similar. Urmtoarea teorem se refer la proprietatea c pentru o decizie Bayes cu finit i probabilitile iniiale pi 0 rezult c decizia este admisibil.
Teorema 2.2 Dac = (1 , 2 , K , k ) i * D * este decizia Bayes pentru
( p1 , p2 ,K , pk ) , unde
p j > 0, j = 1, K , k , atunci * este admisibil .
Demonstraie. S presupunem mai nti c * nu este admisibil. Atunci exist D * astfel nct:
30
R ( j , ) R ( j , * ) , pentru toate valorile j = 1, K , k ,
(2.45) (2.46)
R( i , ) < R( i , * ) , pentru valoarea i,
(adic exist care domin * ). Rezult

B( ) = R ( j , ) p j < R( j , ) p j = B( * ) ,
k k j =1 j =1
(2.47)
inegalitatea strict fiind datorat faptului c p j > 0 , pentru toate valorile lui j. Dar
B( * ) = inf B( ) ,
(2.48)
deci avem o contradicie i rezult c * este admisibil Pentru problemele cu finit, clasa deciziilor admisibile este o submulime a clasei deciziilor Bayes, proprietate ilustrat de teorema urmtoare.
Teorema 2.3 Dac = (1 , 2 , K , k ) este finit i * D * este admisibil, atunci
exist p = ( p1 , p 2 , K , p k ) , unde p j 0, j i ( p1 + p 2 + K + p k = 1) , astfel nct *
este o decizie Bayes n raport cu p.

Demonstraie (cazul k = 2 ). Fie x punctul de risc corespunztor lui * i fie Q x
mulimea punctelor din planul situat la S V de x. Fie Q x = Q x {x} . Deoarece *

este admisibil, nu exist puncte ale lui S la S V de x. Atunci S i Q x sunt mulimi
disjuncte, ele fiind i convexe. O proprietate cunoscut (cea a hiperplanurilor de separaie) arat c exist dreapta p1 y1 + p 2 y 2 = const. cu p1 , p 2 0 i p1 + p 2 = 1 . Aceast dreapt este tangent la S i * este o decizie Bayes n raport cu ( p1 , p 2 ) Proprietatea din teorema de mai sus este ilustrat n Figura 2.10.
R ( 2 , )
=y 2
Qx
p1 y1 + p 2 y 2 = const .
R ( 1 , ) =y 1
Figura 2.10 Reprezentarea grafic a proprietii c o regul admisibil este Bayes
31
Teoremele anterioare ne-au prezentat o imagine a tipului de legtur care exist ntre deciziile admisibile i deciziile Bayes. Urmtoarele teoreme ne vor arta conexiunile dintre deciziile admisibile i deciziile minimax.
Teorema 2.4 Dac pentru o problem de decizie dat * este unica decizie minimax, atunci * este admisibil . Demonstraie. S presupunem c * nu este admisibil. Atunci exist D * astfel nct (2.49) R( , ) R( , * ) , pentru toate valorile ,
R( 0 , ) < R( 0 , * ) , pentru valoarea 0 .
(2.50) (2.51)
n continuare avem
sup R( , ) sup R( , * ) .

Inegalitatea strict ar contrazice faptul c * este minimax; egalitatea ar contrazice faptul c * este unic. Rezult c ipoteza iniial a inadmisibilitii este fals i teorema este demonstrat
Teorema 2.5 Dac pentru o problem de decizie dat * este admisibil i R( , * ) = const. pentru orice , atunci * este minimax. Demonstraie. Presupunem contrariul. Atunci exist c D * astfel nct sup R( , ) < sup R( , * ) .

(2.52)
Dar dac R( , * ) = const. , atunci R( , ) R( , * ) , pentru toate valorile . Aceasta contrazice faptul c * este admisibil i teorema este demonstrat Teorema anterioar ne sugereaz o strategie pentru determinarea funciilor de decizie minimax: mai nti se identific o regul admisibil i apoi se verific dac ea are riscul constant. Cea mai important teorem de clasificare din teoria deciziei arat c, n general, pentru a fi admisibil, o regul de decizie trebuie s fie Bayes. Aceasta motiveaz cutarea unei metode mai simple de calcul a regulilor de decizie Bayes, n loc de a cuta direct minimizarea pierderii medii posterioare inf M M X [L( , d ( x ))] , (2.53)
D
pentru orice X = x .
32
Teorema 2.6 Funcia Bayes de decizie * corespunztoare convingerii iniiale p( )
este determinat de * ( x ) = a * , unde a * minimizeaz
L( , a ) p( x )d ,
f ( x ) p( )d f ( x ) p( )
(2.54)
i
p( x ) =
(2.55)
Demonstraie. Scriind expresia riscului Bayes rezult

B( ) = R( , ) p( )d
= L( , ( x )) f ( x )dx p( )d X de unde, schimbnd ordinea de integrare, obinem
(2.56)
B( ) = L( , ( x )) p ( x )d f ( x )dx , X tiind c din definiia funciei de densitate de probabilitate condiionate avem f ( x ) p( ) = p ( x ) f ( x ) .
(2.57)
(2.58)
Determinarea unei valori *
care s minimizeze B( ) este echivalent cu
minimizarea integralei din enunul teoremei Din teorema a crei demonstraie am schiat-o mai sus, rezult c determinarea deciziilor Bayes se poate realiza n dou etape: n prima, se determin probabilitatea condiionat p ( x ) utiliznd teorema lui Bayes; n a doua etap, se minimizeaz pierderea medie posterioar. Modelul statistico-matematic al problemei de decizie analizat n aceast seciune a pus n eviden dou stadii n utilizarea informaiei statistice pentru decizie. Primul stadiu este decizia fr experimentare, respectiv decizia n care decidentul nu utilizeaz nici un fel de informaii rezultate din efectuarea unor experimente statistice asupra condiiilor problemei sale. Abordarea minimax sau abordarea Bayes numai cu probabiliti iniiale pentru distribuia convingerii sunt exemple de decizie fr experimentare. Al doilea stadiu l reprezint decizia cu experimentare, respectiv decizia n care decidentul utilizeaz probabiliti condiionate posterioare pentru modelul de decizie. Procedurile Bayes sunt exemple de decizie cu experimentare Aceste dou stadii de decizie fr sau cu informaie rezultat din experimente statistice legate de problema de decizie, evideniaz legtura direct ntre teoria deciziei i statistic, elemente pe care le vom detalia n seciunile urmtoare.
2.3 TEORIA DECIZIEI I STATISTICA
33

2.3.1 Estimarea
Aa cum am artat anterior, problema estimrii unui parametru necunoscut poate fi vzut ca un caz special al unei probleme generale de decizie n care = A , adic aciunea necesar este alegerea unui element din spaiul de parametri. De altfel, dac este vorba de funcii de decizie Bayes, Teorema 2.6 din seciunea anterioar stabilete c o astfel de funcie de decizie, , este definit prin alegerea, pentru fiecare X = x , a aciunii a = ( x ) care minimizeaz pierderea medie posterioar
L( , ( x )) p( x )d .
(2.59)
Urmtoarea teorem stabilete forma general a estimrii Bayes pentru diferite forme ale funciei de pierdere L( , a ) .
Teorema 2.7 Dac L( , a ) = ( a )2 denumit funcia de pierdere ptratic,
estimarea Bayes este dat de media distribuiei posterioare.

Demonstraie. Trebuie s alegem a = ( x ) pentru a minimiza
2 ( a ) p( x )d .
(2.60)
Difereniind n raport cu a i egalnd cu 0, obinem

a=
p( x )d
p( x )d
= p( x )d ,
(2.61)
deoarece
p( x )d = 1
(2.62)
Teorema 2.8 Dac L( , a ) = a denumit funcia de pierdere absolut, estimarea
Bayes este dat de mediana distribuiei posterioare.

Demonstraie. Considerm cazul = R . Trebuie s alegem a pentru a minimiza pierderea medie posterioar

a p( x )d = (a ) p( x )d + ( a ) p( x )d .
a
(2.63)
Difereniind n raport cu a i egalnd cu 0 i innd cont c

d a d g ( x )dx = g (a ) i g ( x )dx = g ( a ) , da da a
(2.64)
34
obinem
1 p ( x )d = p( x )d = , 2 a
a
(2.65)
(deoarece suma celor dou integrale este 1). Rezult deci c a este mediana distribuiei posterioare
2.3.2 Verificarea ipotezelor statistice

H 0 : = 0 este ipoteza nul i H 1 : = 1 este ipoteza alternativ, atunci spaiul parametrilor va avea dou elemente = { 0 ,1 }, iar spaiul de aciune va avea, de asemenea, dou elemente A = {a0 , a1 } , cu urmtoarea semnificaie: a0 reprezint respingerea ipotezei H 1 , iar a1 reprezint respingerea ipotezei H 0 .
Considerm funcia de pierdere definit de Tabelul 2.4 i valorile variabilei aleatoare X, cu densitatea f ( x ) .
Tabelul pierdere
1
a0 a1
S analizm problema de decizie reprezentat de verificarea ipotezelor statistice. Dac
2.4
Funcia
2
L01
de
0
L10
Vom analiza mai nti forma deciziei Bayes, fiind date probabilitile iniiale cu condiiile p ( 0 ) = 0 , p (1 ) = 1 , 0 + 1 = 1 . Conform Teoremei 2.6, pentru valorile X = x , decizia Bayes poate fi determinat alegnd aciunea care minimizeaz pierderea medie posterioar. Pierderea medie posterioar dac adoptm ( x ) = a0 este
0 p( 0 x ) + L01 p(1 x ) =
iar dac adoptm ( x ) = a1 avem
L01 1 f (x 1 ) , 0 f (x 0 ) + 1 f ( x 1 )
L10 0 f (x 0 )
,
(2.66)
L10 p ( 0 x ) + 0 p (1 x ) =
n relaiile de mai sus am folosit teorema lui Bayes pentru funciile a scrie p ( 0 x ) i p(1 x ) . Atunci ( x ) = a va fi decizia care ar trebui s fie aleas dac
0 f (x 0 ) + 1 f ( x 1 )
(2.67)
L10 0 f (x 0 ) < L01 1 f (x 1 ),
(2.68)
adic dac
f (x 0 ) L10 1 < . f (x 1 ) L01 0
(2.69)
Relaia de mai sus are urmtoarea semnificaie: respingem H 0 dac raportul de verosimilitate al lui 0 i 1 este mai mic dect o anumit valoare.
35
2.3.3 Lema Neyman - Pearson

definit pentru X = {X 0 , X 1 } i Atunci Considernd L01 = L10 = 1 , calculm mai nti riscul R( , ) , unde este
( x ) = ai pentru x X i , i = 1,2 .
(2.70)
R( 0 , ) = L( 0 , ( x )) f (x 0 )dx
X
X1
, ~ f (x 0 )dx = Prob X X 1 0
(2.71)
care este , adic probabilitatea de a respinge H 0 cnd de fapt H 0 este adevrat. Se tie c este probabilitatea erorii de tipul I. De asemenea, R(1 , ) = L(1 , ( x )) f (x 1 )dx
X
X0
, ~ f (x 1 )dx = Prob X X 0 1
(2.72)
c este probabilitatea erorii de tipul II. Punctele de risc de coordonate (0, 1) i (1, 0) ale mulimii S sunt atinse de testele care ntotdeauna accept sau resping H 0 ,
care este , adic probabilitatea de a accepta H 0 cnd de fapt H 0 este fals. Se tie
independent de x ; aceste puncte aparin lui S. Avnd n vedere simetria i convexitatea lui S, reprezentarea geometric a lui pentru aceast problem de testare a ipotezelor statistice este redat n Figura 2.11. Testele admisibile sunt date de punctele de risc situate pe marginea inferioar (SV) a lui S. Dar aceste puncte sunt caracterizate de abordarea Neyman Pearson:
Lema Neyman Pearson. Cu o funcie de pierdere 01, testele admisibile pentru ipoteza H 0 : = 0 fa de H 1 : = 1 sunt definite de
f (x 0 ) < k , pentru k R . D*; ( x ) = a1 dac f (x 1 )
(2.73)
Figura 2.11 Mulimea de risc pentru H0 fa de H1
36
2.4 ATITUDINI FA DE RISC I TEORIA UTILITII

2.4.1 Aversiunea la risc
Vom analiza n continuare din punct de vedere matematic problema asumrii riscului. Aceasta nseamn problema deciziei de a rmne ntr-o stare neschimbat (status quo) sau de a intra ntr-o situaie de incertitudine, care poate s duc la ctig sau la pierdere. Principalele exemple practice de asemenea probleme sunt cele din asigurri (primele de asigurare conduc la ctig, dar plata despgubirilor pentru accidente sau dezastre poate conduce la pierdere); din agricultur (plata pentru recolt poate duce la ctig, dar seceta, bolile sau alte dezastre naturale pot duce la pierdere) sau de la jocurile de noroc (o sum iniial este pltit de juctor i rezultatul jocului poate fi ctig sau pierdere, n funcie de tipul de joc i de regulile acestuia: curse, joc de cri, joc de zaruri, rulet .a.). n Figura 2.12 este prezentat n mod schematic o problem de decizie simpl, care sintetizeaz elementele unei probleme de asumare a riscului. Este vorba de problema unui joc de noroc, n care fr incertitudine implic meninerea strii de status quo (juctorul nu joac), iar cealalt conduce la o situaie de incertitudine prin faptul c juctorul particip la joc cu o sum iniial. Cu notaiile anterioare, spaiul de aciune A = {a1 , a2 } este alctuit din aciunile:
a1 :
juctorul nu joac,
spaiul parametrilor = {1 , 2 , 3 } este constituit din strile:

1 :
a 2 : juctorul joac,
status quo,
2 : ctig,
3 : pierdere,
iar consecinele sunt: (1 , a1 ) : suma juctorului rmne neschimbat,
( 2 , a2 ) : ( 3 , a2 ) :
suma juctorului crete cu valoarea premiului, suma juctorului descrete cu suma jucat.
S remarcm faptul c, n anumite situaii, chiar dac se obine ctig, acesta poate fi mai mic dect suma jucat, dar nu vom considera acest caz n problema noastr. Vom detalia aceast problem din perspectiva abordrii Bayes a lurii deciziilor. Pentru aceasta va trebui s specificm mai nti probabilitile pentru {1 , 2 , 3 } , fiind date a1 sau a2 i apoi determinarea valorii consecinelor.
2.6 APLICAII Aciuni Rezultate posibile Nici o schimbare

1
37
Consecine Status quo
Nu joac
(1 , a1 )
Recuperarea sumei jucate plus suma ctigat ( 2 , a2 ) Pierderea sumei jucate ( 3 , a 2 )
Ctig Joac
Pierdere
3
Figura 2.12 Schema unei probleme simple de asumare a riscului
Am definit anterior funcia de pierdere L : A R , atribuind valori consecinelor, astfel nct L( i , a j ) este pierderea pentru aciunea aleas a j , dac rezultatul ar fi i . Introducem acum funcia de utilitate U : A R , n care U ( i , a j ) este
valoarea pozitiv sau utilitatea obinut pentru o consecin alctuit din aciunea a j i rezultatul i . Putem considera utilitatea ca o pierdere negativ. ntr-o serie de probleme de decizie o asemenea abordare este natural, avnd n vedere c urmrim maximizarea utilitii printr-o decizie optimal. Pentru problema de joc considerat anterior, s notm cu C suma curent de care dispune juctorul, cu S suma jucat i cu P suma net ctigat sau premiul ctigat. S presupunem, de asemenea c, dat fiind a1 , p (1 ) = 1 (ceea ce nseamn c dac juctorul nu joac, n mod sigur nu va pierde i va rmne n status quo), iar dat fiind 1 a2 , atunci p( 2 ) = p( 3 ) = (respectiv dac juctorul joac, probabilitile de ctig 2 sau de pierdere le putem considera la fel de probabile). n termeni monetari, consecinele sunt (1 , a1 ) = C , ( 2 , a2 ) = C + P , ( 3 , a2 ) = C S , (2.74) i rezult c utilitile sunt determinate pentru orice valori C, P i S, prin definirea unei funcii de utilitate U : X R , unde X conine toate consecinele care pot aprea din problema de joc. Atunci utilitile medii ale celor dou aciuni sunt date de relaiile de mai jos, n care am utilizat valorile probabilitilor de ctig sau de pierdere definite anterior pentru aciunile a1 (juctorul nu joac) i respectiv a2 (juctorul joac):
38
Aciunea a1 a2
Utilitatea medie U (C ) 1 1 U (C + P ) + U (C S ) 2 2
Pentru a maximiza utilitatea medie, aciunea optimal este definit de urmtoarea schem: Joac ( a2 ) Indiferent Nu joac ( a1 ) dac
< 1 1 U (C )= U (C + P ) + U (C S ) 2 > 2
Aceast schem este ilustrat n Figura 2.13, n care am considerat S > 0, P > S . S considerm acum cazul special P = S , respectiv n termeni monetari, un joc echilibrat. Avem 1 1 (2.75) C = (C + S ) + (C S ) . 2 2 Ne punem problema s vedem n ce circumstane decidentul va alege sau nu aciunea a2 (s joace). Observm c a2 va fi aleas dac
U (C + S ) U (C ) > U (C ) U (C S ) ,
(2.76) (2.77)
iar a1 va fi aleas dac

U (C + S ) U (C ) < U (C ) U (C S ) ,
egalitatea nsemnnd indiferena de a juca sau nu.

U (x )
U (C+P ) U (C ) pentru a 1 U (C ) U (C ) pentru a 2 U (C-S )
C-S
C+P
Figura 2.13 Utilitatea medie pentru aciunile a1 i a2
S considerm acum forma continu a funciei de utilitate, astfel nct pentru orice valori ale lui C i S, decidentul alege fie a1 , fie a2 , fie este indiferent, aa cum este reprezentat n Figura 2.14 (a), (b) i (c).
2.6 APLICAII
39
Forma funciei de utilitate din Figura 2.14(a) reprezint utilitatea marginal descresctoare, ceea ce nseamn c la creterea cu o cantitate fix (a lui C, de exemplu) produce o utilitate adiional din ce n ce mai mic, dac se adaug la o sum iniial din ce n ce mai mare (de exemplu de la C S la C vom avea o utilitate adiional mai mare dect de la C la C + S ). O asemenea form a funciei de utilitate determin decidentul s aleag ntotdeauna C n loc de C + S sau C S . Un decident care are o asemenea funcie de utilitate se spune c are aversiune la risc, adic starea de status quo este preferat unei situaii de incertitudine, al crei rezultat ateptat este egal cu situaia de status quo. Pentru ca un joc cu C + S sau C S s fie preferat lui C de un decident cu aversiune la risc, probabilitatea rezultatului pentru C + S trebuie s fie mrit. Dac notm aceast probabilitate cu , decidentul va prefera s joace dac U (C ) < U (C + S ) + (1 )U (C S ) , (2.78) sau cu alte cuvinte dac
>
U (C ) U (C S ) > 1. U (C + S ) U (C )
(2.79)
Inegalitatea de mai sus reflect faptul c decidentul cu aversiune la risc va prefera un raport superior n favoarea sa i depirea creterii raportului de utilitate. Forma funciei de utilitate din Figura 2.14(b) reprezint utilitatea marginal cresctoare, ceea ce nseamn c la creterea cu o cantitate fix (a lui S, de exemplu) produce o utilitate adiional din ce n ce mai mare, dac se adaug la o sum iniial din ce n ce mai mare (de exemplu de la C la C + S produce o utilitate adiional mai mare dect de la C S la C). O asemenea form a funciei de utilitate determin decidentul s aleag ntotdeauna s joace, n loc s rmn n C pentru siguran. Un astfel de decident se spune c i asum riscul. Se observ c decidentul care i asum riscul va juca dac U (C ) < U (C + S ) + (1 )U (C S ) , (2.80) ceea ce implic numai
>
U (C ) U (C S ) , U (C + S ) U (C )
(2.81)
i din Figura 2.14(b) se observ c membrul drept al inegalitii este mai mic dect 1. Aceasta implic existena valorilor < 1 2 pentru care decidentul prefer s joace dect s rmn n status quo. Situaia descris n Figura 2.14(c) implic indiferena de a juca sau nu. S remarcm faptul c pentru valori ale lui S suficient de mici n raport cu C, curbele din Figura 2.14(a) i (b) vor avea aproximativ forma din Figura 2.14(c), respectiv curbele vor fi suficient de bine aproximate printr-o dreapt. Aceasta explic de ce un decident cu aversiune la risc prefer s nu joace dac suma jucat (i ctigul) sunt suficient de mici.
40
U (x ) U (C+S ) U (C ) (a )
U(C) U (C-S )
C-S
C+S
U (x )
(b ) U(C) U (C-S )
U (C+S ) U (C )
C-S
C+S
U (x )
(c ) U(C) U (C-S )
U (C+S ) U (C )
C-S
C+S
Figura 2.14 Forme ale funciei de utilitate: (a) nu joac; (b) joac; (c) indiferent
2.4.2 Proprietile funciilor de utilitate

Vom detalia n continuare proprietile funciilor de utilitate prezentate anterior, considernd, pentru exemplificare, cazul utilitii marginale descresctoare. Presupunnd continuitatea funciei de utilitate i innd cont de relaia 1 1 (2.82) U (C ) > U (C + S ) + U (C S ) , 2 2 rezult c exist cantitatea C ,0 < C < S , astfel nct
2.6 APLICAII
41
1 1 U (C C ) = U (C + S ) + U (C S ) , 2 2 proprietate ilustrat n Figura 2.15.

U (x ) U (C+S ) U (C ) U (C c )
(2.83)
U (C S ) CS C c C C+S x
Figura 2.15 Definiia lui C
Numrul C poate fi interpretat ca o prim de asigurare pe care decidentul trebuie s o plteasc n scopul de evita schimbarea strii de status quo C pentru un joc echilibrat ntre C S i C + S . S considerm funcia de utilitate marginal descresctoare pentru orice joc care implic deplasarea de la C la C + X , unde X este o variabil aleatoare cu media 0 (n cazurile anterioare am avut X = S cu probabilitile egale cu 1 2 ). Prima de asigurare este definit de ecuaia U (C C ) = M [U (C + X )] , (2.84)
unde valoarea medie M () este considerat n raport cu distribuia de probabilitate a lui X. Pentru a nelege natura lui C , care el nsui furnizeaz o msur a aversiunii la risc, s presupunem c dispersia lui X, pe care o notm 2 , este suficient de mic, astfel nct tranzaciile au loc ntr-o vecintate a lui C (implicnd de asemenea c la rndul su C este suficient de mic). Dac dezvoltm n serie Taylor ambii termeni ai egalitii (2.84) obinem:
U (C C ) U (C ) CU (C ) ,
(2.85)
1 1 M [U (C + X )] M U (C ) + XU (C ) + X 2U (C ) U (C ) + 2U (C ) , (2.86) 2 2
2 unde n relaia (2.85) am ignorat termenii n C i urmtorii, iar n relaia (2.86)
termenii care conin M [X 3 ] i urmtorii. Egalnd cele dou expresii, obinem:
2 C = 2 = 2 dC ( log U (C )) . 2 U (C )
U (C )
(2.87)
42
Cantitatea
U (C ) definete deci o msur (local) a aversiunii la risc. Cu ct U (C )
aceast cantitate este mai mare, cu att prima C pe care decidentul o are de pltit crete (indicnd nivelul nalt de aversiune la risc). Forma lui C ne poate ajuta s determinm expresia matematic pentru U. De exemplu, s presupunem c pentru un anumit rezultat X, aversiunea la risc nu depinde de C, ceea ce implic U (C ) (2.88) = k (const.) . U (C ) Rezolvnd ecuaia diferenial de mai sus i considernd punctele U (0 ) = 0 i
U ( ) = , obinem soluia
U ( x ) = 1 e kx , 0 < x < .
(2.89)
Rezult c dac decidentul consider o utilitate marginal descresctoare i are o aversiune constant la risc, atunci exist o funcie de utilitate definit, pentru care trebuie specificat doar o constant. Pe msur ce aceast constant crete, funcia de utilitate are o pant din ce n ce mai mare, plecnd din origine, aa cum se poate observa din Figura 2.16.
U (x ) k3 k2 k1
Figura 2.16 Funcia de utilitate pentru k1 < k2 < k3
Forma de mai sus a funciei de utilitate ne arat c decidentul apare ca avnd o aversiune la risc descresctoare; ntr-adevr, C descrete dac C crete.
2.4.3 Evaluarea funciilor de utilitate

Forma funciei de utilitate poate s fie diferit n funcie de problema de decizie i de abordarea decidentului i este nevoie de o metod operaional pentru a evalua forma funciei de utilitate. S presupunem c decidentul dispune de suma curent C (de exemplu n euro, ) i urmrete s evalueze forma funciei de utilitate n intervalul
2.6 APLICAII
43
C pn la C + 1000 , avnd urmtoarea problem de decizie: Decidentul are un bilet de loterie cu valoarea C, care i permite s joace un joc care i aduce un ctig de 1000 sau 0 (dac pierde). I se cere decidentului s stabileasc o sum S 2 cu care ar vinde
biletul. De asemenea, i se cere s stabileasc o sum S1 dac loteria ar fi constat din ctigul S 2 i 0, respectiv S 3 dac loteria ar fi cu un ctig de 1000 i respectiv S 2 . Stabilim o scal pentru funcia de utilitate, respectiv
U (C ) = 0
U (C + 1000) = 100 . Pentru o abordare bayesian i funcia de utilitate U () , obinem 1 1 U (C + S 2 ) = U (C + 1000 ) + U (C ) 2 2 . (2.90) 1 1 = 100 + 0 = 50 2 2 Rezult c S 2 este suma pentru care C + S 2 are utilitatea 50 pe scala de utilitate.
n mod similar,
1 1 U (C + S1 ) = U (C + S 2 ) + U (C ) 2 2 . 1 1 = 50 + 0 = 25 2 2
(2.91)
i
1 1 U (C + S 3 ) = U (C + 1000 ) + U (C + S 2 ) 2 2 . (2.92) 1 1 = 100 + 50 = 75 2 2 Reprezentnd grafic n Figura 2.17 valorile calculate pentru funcia de utilitate, rezult o curb care trece prin aceste puncte i care ne sugereaz o funcie de utilitate marginal descresctoare.
U (x ) 100 75 50 25 0 x
C C+S 1
C+S 2
C+S 3
C+ 1000
Figura 2.17 Evaluarea funciei de utilitate
44
2.5 DECIZII SECVENIALE

2.5.1 Concepte de baz
S considerm urmtoarea problem de decizie cu dou stadii. O aciune iniial
a
(1)
este aplicat i dup aceea starea naturii (incert) este (1) ; n continuare este
2 1 2
aplicat aciunea a ( 2 ) , starea (incert) fiind ( 2 ) i rezultnd consecina final
( ( ) , ( ) ; a ( ) , a ( ) ).
1
n Figura 2.18 este reprezentat problema de decizie cu dou stadii de mai sus, n care printr-un ptrat am reprezentat un punct sau nod de decizie (n care decidentul alege o aciune), iar printr-un cerc am reprezentat un punct de incertitudine (n care apare o stare a naturii incert, necontrolabil). Presupunem c utilitatea ataat consecinei finale este U ( (1) , ( 2 ) ; a (1) , a ( 2 ) ). Reprezentnd grafic aceast problem se obine un arbore, care are forma din figura urmtoare.
a (1)
(1)
a (2)
(2 ) U ( (1) , ( 2 ) ; a (1) , a ( 2 ) )
Figura 2.18 Reprezentarea unei probleme de decizie cu dou stadii
iniial pn nu am analizat toate consecinele posibile ( (1) , ( 2 ) ; a (1) , a ( 2 ) ) . Ne punem ntrebarea ce vom face n al doilea nod de decizie dac iniial am ales aciunea a (1) i rezultatul a fost (1) . Arborele corespunztor este reprezentat n Figura 2.19.
( a (1) , (1) )
a (2) U ( (1) , ( 2 ) ; a (1) , a ( 2 ) )
ntr-o problem de decizie secvenial nu putem decide ce s facem n stadiul
Figura 2.19 Reprezentarea unei probleme de decizie tiind c rezultatul a fost (1)
Pentru o anumit alegere a lui a ( 2 ) , distribuia de probabilitate pentru un anumit rezultat incert ( 2 ) va avea forma p ( 2 ) a (1) , (1) , a ( 2 ) , iar aciunea optimal i funcia de utilitate medie sunt definite de:
2.6 APLICAII
45
U * ( (1) , a (1) ) = max p ( 2 ) a (1) , (1) , a ( 2 ) U ( (1) , ( 2 ) , a (1) , a ( 2 ) )d ( 2 ) .

a( 2 )
(2.93)
Aceasta este utilitatea maximizat, dat fiind (1) i a (1) . Situaia pe care o are de rezolvat decidentul n primul stadiu este reprezentat n Figura 2.20. Soluia complet a problemei este definit de
max p (1) a (1) U * ( (1) , a (1) )d (1) .
a (1 )
(2.94)
a (1)
(1)
U * ( (1) , a (1) )
Figura 2.20 Decizia n primul stadiu (presupunnd o aciune optimal n al doilea stadiu)
Dac problema de decizie secvenial este cu n stadii, se observ c structura soluiei rmne aceeai. ncepnd din partea dreapt a arborelui i trecnd succesiv prin nodurile de decizie, vom repeta procesul de a considera utilitatea medie i de a o maximiza. Procedura prezentat aici este dificil de implementat din dou motive: primul, procedura implic considerarea tuturor combinaiilor de aciuni care se pot aplica i a tuturor rezultatelor posibile; al doilea, distribuiile de probabilitate ale rezultatelor sunt probabiliti condiionate i sunt, n general, greu de calculat. n cazul mulimilor finite de aciuni i de rezultate, problemele de decizie pot fi formulate i rezolvate utiliznd metoda arborilor de decizie.
2.5.2 Arbori de decizie

Vom exemplifica metoda arborilor de decizie printr-o problem de decizie specific. Presupunem c o companie productoare dorete s investeasc ntr-o linie de fabricaie a unui produs. Investiia va fi profitabil dac cererea pieei pentru produsul respectiv va crete, dar ea va produce pierderi dac cererea pieei va scdea. Alternativele pe care le are compania sunt: s investeasc; s nu investeasc; s achiziioneze un studiu de cercetare de pia, care s-i furnizeze informaii suplimentare despre evoluia cererii pentru produsul respectiv. S presupunem c studiul de pia va furniza o predicie de tipul cererea n cretere sau cererea n scdere, iar rezultatul final (starea naturii) va fi cererea actual n cretere sau cererea actual n descretere. Structura arborelui de decizie pentru aceast problem de investiie este reprezentat n Figura 2.21.
46
Formalizarea problemei de decizie este urmtoarea: a1 : Studiu de pia,

A = {a1 , a2 , a3 }, unde
a2 : Investete, a3 : Nu investete.
= {1 , 2 }, unde
X = {x1 , x2 } , unde
1 : Cererea crete, 2 : Cererea descrete.
x1 : Predicie cererea crete, x2 : Predicie cererea descrete. Se tie, de asemenea, c firma care realizeaz studiul de pia a nregistrat 80% succese atunci cnd a prognozat creterea cererii i 70% succese atunci cnd a prognozat scderea cererii. Rezult urmtoarele probabiliti condiionate p (x1 1 ) = 0,8 , p (x 2 1 ) = 0 , 2 , (2.95) p (x1 2 ) = 0,3 , p (x2 2 ) = 0,7 .
(2.96)
crete cererea descrete crete cererea descrete crete cererea descrete crete cererea descrete crete cererea descrete crete cererea descrete
Investete Predicie cererea crete
Nu investete
Studiu de pia
Predicie cererea descrete
Investete
Nu investete
Investete
Nu investete
Figura 2.21 Arborele de decizie pentru problema de investiie
S presupunem de asemenea c, fr a ine cont de concluziile studiului de pia, compania productoare a fcut propriile evaluri ale evoluiei cererii, stabilind c sunt 60% anse ca cererea s creasc i deci avem probabilitile p(1 ) = 0,6 , p( 2 ) = 0,4 . (2.97)
2.6 APLICAII
47
Evaluarea direct a rezultatului incert n situaia n care compania achiziioneaz studiul de pia este dat de probabilitile p( x1 ) = p(x1 1 ) p(1 ) + p(x1 2 ) p( 2 ) , (2.98) = 0,8 0,6 + 0,3 0,4 = 0,6 (2.99) p( x2 ) = 1 p( x1 ) = 1 0,6 = 0,4 .
n continuare, pentru evaluarea convingerii despre 1 i 2 pe baza informaiilor din studiul de pia (decizie cu experimentare), folosim teorema lui Bayes i obinem p (1 x1 ) = p(x1 1 ) p(1 ) p( x1 ) , (2.100) = (0,8 0,6) 0,6 = 0,8
p ( 2 x1 ) = 1 p(1 x1 ) = 1 0,8 = 0,2 .
(2.101) (2.102) (2.103)
p (1 x2 ) = p (x2 1 ) p(1 ) p( x2 ) = (0,2 0,6) 0,4 = 0,3
p ( 2 x2 ) = 1 p(1 x2 ) = 1 0,3 = 0,7 .
n Figura 2.22 este reprezentat arborele de decizie al problemei, completat cu valorile probabilitilor i ale utilitilor.
0,8
a2
1 1200 C 2 800 C 1 1000 C 2 1000 C 1 1200 C

2 800 C
0,2 0,8 0,6

x1 a3
0,2 0,3 0,4

x2 a2
0,7 0,3
a1 a3
1 1000 C 2 1000 C
1 1200
0,7 0,6
a2
0,4 0,6
a3
2 800 1 1000
0,4
2 1000
Figura 2.22 Arborele de decizie pentru problema de investiie
48
Pentru evaluarea utilitii diferitelor rezultate, s presupunem c funcia de utilitate este aproximativ liniar. S presupunem, de asemenea, c unitatea monetar este UM = 1000 i dac cererea crete compania ateapt s fac un profit net de 1200 UM, iar dac cererea descrete, profitul net va fi de 800 UM, n condiii de investiie. Dac nu investete, compania ateapt un profit net de 1000 UM, iar costul studiului de pia este C. n continuare, ncepnd din partea dreapt a arborelui de decizie, conform procedurii menionate anterior, calculm utilitile medii. Pentru ramura de decizie a1 rezult:
U ( x1 , a2 ) = (1200 C ) 0,8 + (800 C ) 0,2 = 1120 C ,
(2.104) (2.105) (2.106) (2.107)
U ( x2 , a3 ) = (1000 C ) 0,3 + (1000 C ) 0,7 = 1000 C ,

Rezultatele de mai sus sunt reprezentate n Figura 2.23.
a2 a1
U ( x2 , a2 ) = (1200 C ) 0,3 + (800 C ) 0,7 = 920 C ,
U ( x1 , a3 ) = (1000 C ) 0,8 + (1000 C ) 0,2 = 1000 C ,
1 1120 C 2 1000 C
1 920 C
0,6 0,4
x1 x2
a3 a2
a3
2 1000 C
Figura 2.23 Utilitile medii iniiale pentru ramura a1
Aplicnd acum principiul maximizrii utilitii medie, se observ c dat fiind x1 , aciunea optimal este a2 , n timp ce dac este dat x2 , aciunea optimal este a3 , aa cum rezult din Figura 2.24.
1120 C
a1
0,6 0,4
x1 x2
1000 C Figura 2.24 A doua maximizare pentru ramura a1
Aplicm acum nc o dat calculul utilitilor medii pentru a1 , a2 i a3 de pe ultimul nivel al arborelui de decizie. Obinem:
2.6 APLICAII
49
U (a3 ) = 1000 0,6 + 1000 0,4 = 1000 ,
U (a2 ) = 1200 0,6 + 800 0,4 = 1040 ,
U (a1 ) = (1120 C ) 0,6 + (1000 C ) 0,4 = 1072 C ,
(2.108) (2.109) (2.110)
cu reprezentarea din Figura 2.25.

a1
1072 C
a2
1040
a3
1000 Figura 2.25 Utilitile pe ultimul nivel al arborelui de decizie
Decizia iniial pentru aceast problem a devenit acum clar: decidentul nu trebuie s aleag niciodat a3 , iar decizia a1 va fi adoptat numai dac costul studiului de pia este C 32 . Procedura pentru aplicarea metodei arborilor de decizie poate fi sintetizat astfel: (1) Se descrie logica arborelui n ordine cronologic, respectiv se descriu nodurile de decizie i nodurile de incertitudine, precum i toate ramurile care apar n fiecare nod; Se ataeaz probabilitile ramurilor de incertitudine, innd cont de condiionrile corespunztoare pentru fiecare ramur; Se ataeaz valorile utilitilor ramurilor finale; Plecnd de la dreapta la stnga arborelui de decizie, se calculeaz valorile medii ale utilitilor n nodurile de incertitudine i se maximizeaz n nodurile de decizie, determinndu-se aciunile optimale i utilitile lor medii; Se continu procedura pn la nodul de decizie iniial, determinndu-se aciunea optimal iniial i apoi secvena de aciuni optimale care rezolv problema de decizie.
(2) (3) (4)
(5)
Metoda arborilor de decizie reprezint o alternativ viabil la metodele analitice de decizie prezentate la nceputul acestui capitol. n acelai timp, arborii de decizie, prin reprezentarea grafic a problemei de decizie constituie un instrument util i accesibil pentru considerarea tuturor alternativelor, att n nodurile de decizie, ct i n cele de incertitudine. Cele dou metode, grafic i analitic, pot fi utilizate cel mai bine mpreun, deoarece ne furnizeaz, fiecare, informaii privind problema de decizie, aa cum vom vedea n aplicaiile urmtoare.
50
2.6 APLICAII
Vom detalia i aplica n continuare conceptele prezentate n seciunile anterioare prin dou probleme de decizie, care ne vor ajuta s fixm noiunile de teoria deciziei. De asemenea, vom sistematiza printr-un algoritm paii de rezolvare a unei probleme de decizie.
2.6.1 Problema forajului

O companie de mbuteliere deine un teren care se presupune c va conine surse subterane de ap mineral. Compania a clasificat terenul n patru categorii, dup debitul de ap mineral care se ateapt s fie obinut din sursa forat, respectiv 1.000.000 litri, 500.000 litri, 100.000 litri sau 0 litri (sursa nu conine ap mineral). Alternativele asupra crora trebuie s decid compania sunt urmtoarele: (1) forajul pentru gsirea de ap mineral; (2) nchirierea necondiionat a terenului ctre o alt companie de foraj; (3) nchirierea condiionat a terenului, n funcie de cantitatea de ap mineral gsit. Costul forajului pentru o surs care va produce ap mineral este de 10.000, n timp ce costul forajului fr gsirea de ap mineral este de 6.000. Profitul pentru o surs de ap mineral este de 0,10/litru (dup deducerea costurilor de producie). Costul nchirierii necondiionate este de 8.000, n timp ce compania ar primi 0,03 pentru fiecare litru extras n cazul nchirierii necondiionate, dac sursa forat pe terenul nchiriat va produce mai mult de 250.000 litri. Cu elementele definite pn acum, compania de mbuteliere ar obine urmtoarele profituri posibile (Tabelul 2.5):
Tabelul 2.5 Profiturile companiei de mbuteliere 1.000.000 litri/surs (1) Foraj (2) nchiriere necondiionat (3) nchiriere condiionat 90.000 8.000 30.000 500.000 litri/surs 40.000 8.000 15.000 100.000 litri/surs 0 8.000 0 0 litri/surs 6.000 8.000 0
A.
DECIZIA FR EXPERIMENTARE
Problema de decizie const din urmtoarele aciuni: a1 : Forajul pentru gsirea de ap mineral,
a2 : nchirierea necondiionat a terenului, a3 : nchirierea condiionat a terenului,
2.6 APLICAII
51
i deci spaiul de aciune este A = {a1 , a2 , a3 }. Strile naturii pentru aceast problem sunt: 1 : 1.000.000 litri ap mineral / surs,
2 : 5000.000 litri ap mineral / surs, 3 : 100.000 litri ap mineral / surs,

Rezult spaiul strilor = { 1 , 2 , 3 , 4 } .
4 : 0 litri ap mineral / surs.
Am vzut anterior c strile naturii sunt caracterizate printr-un parametru al unei familii de distribuii de probabilitate. n contextul problemei noastre de foraj, rezultatul potenial al forajului poate fi vzut ca fiind valoarea medie a unei variabile aleatoare. Astfel, modelul statistic pentru problema de foraj este constituit dintr-o variabil aleatoare reprezentat de cantitatea de ap mineral gsit n urma forajului, cu valoarea medie necunoscut. n lipsa datelor de experimentare, compania va aproxima valoarea medie a rezultatelor prin cele patru valori estimate iniial, respectiv 1.000.000, 500.000, 100.000 i 0. n exemplul nostru, strile naturii sunt deci valorile posibile ale mediei variabilei aleatoare reprezentate de cantitatea de ap mineral rezultat n urma forajului. Funcia de pierdere L(1 , a j ) pentru aceast problem de decizie o obinem direct din Tabelul 2.5 de profituri estimate, cu meniunea c valorile negative ale pierderii reprezint, de fapt, profit (n Tabelul 2.6).
Tabelul 2.6 Funcia de pierdere pentru problema forajului
1 : 1.000.000 litri/surs
a1 : Foraj a 2 : nchiriere necondiionat a3 : nchiriere condiionat
2 : 500.000 litri/surs
4 : 0 litri/surs
90.000 8.000 30.000
40.000 8.000 15.000
0 8.000 0
6.000 8.000 0
Regula de decizie minimax

Dac adevrata stare a naturii ar fi cunoscut, ar fi simplu s alegem aciunea corect, respectiv aciunea cu cea mai mic pierdere. Din pcate, adevrata stare a naturii nu este n general cunoscut, iar alegerea aciunii corecte nu este simpl. n problema noastr de foraj, dac = 1 , adic 1.000.000 litri/surs, atunci, pe baza datelor de pierdere din Tabelul 2.5, cea mai bun aciune este a1 , adic forajul, n timp ce dac = 4 , cea mai bun aciune este a2 , nchirierea necondiionat a terenului.
52
Aplicarea regulii minimax cere decidentului s gseasc pierderea maxim pentru fiecare din aciunile sale i s aleag aciunea cu cea mai mic pierdere maxim. Utiliznd deci regula minimax, considerm mai nti maximul funciei de pierdere pentru fiecare aciune (maximul pe fiecare linie din Tabelul 2.6) i obinem valorile max (L(a1 , )) = 6.000 , max (L(a2 , )) = 8.000 i max (L(a3 , )) = 0 . Lund n continuare minimul acestor valori, avem min (6.000; 8.000; 0 ) = 8.000 . Rezult c aplicnd regula minimax, decidentul trebuie s aleag aciunea a2 nchiriere necondiionat, cu o pierdere negativ (profit) de 8.000.
Regula de decizie Bayes

n anumite situaii, decidentul poate s aib anumite informaii despre starea naturii, pe care s le transforme ntr-o distribuie de probabilitate a convingerii sale privind starea naturii. Aceast distribuie de probabilitate a convingerii, denumit distribuie iniial (sau a priori) este adesea subiectiv i depinde de experiena sau de intuiia decidentului. S presupunem c compania dispune de experien i informaii anterioare din care a concluzionat c la foraje similare, circa 10% au fost foraje de 1.000.000 litri/surs, 15% au avut ca rezultat 500.000 litri/surs, 25% au dus la 100.000 litri/surs i circa 50% din foraje nu au gsit ap mineral. Aceste date pot fi transformate ntr-o distribuie de probabilitate dup cum urmeaz: Prob{ = 1} = p (1 ) = 0,10 , (2.111) Prob{ = 2 } = p ( 2 ) = 0,15 ,
Prob{ = 4 } = p ( 4 ) = 0,50 .
(2.112) (2.113) (2.114)
Prob{ = 3 } = p ( 3 ) = 0,25 ,
Procedura de decizie Bayes indic decidentului s aleag acea aciune care minimizeaz pierderea medie evaluat n funcie de distribuia iniial pentru toate strile posibile ale naturii. n cazul distribuiilor discrete (aa cum este i cazul problemei noastre), funcia de pierdere este dat de L(a ) = M [L(a , )] = L(a , k ) p (k ) . (2.115)
k
L(a1 ) = M [L(a1 , )] = 90.000 0,10 40.000 0,15 + 0 0,25 + 6.000 0,50 = 12.000 ,
Pierderea medie pentru fiecare aciune ai este dat de
(2.116) L(a2 ) = M [L(a2 , )] = 8.000 0,10 8.000 0,15 8.000 0,25 8.000 0,50 = 8.000 , (2.117) L(a3 ) = M [L(a3 , )] = 30.000 0,10 15.000 0,15 + 0 0,25 + 0 0,50 = 5.250 , (2.118)
2.6 APLICAII
53
Rezult c, utiliznd regula de decizie Bayes i convingerea sa asupra distribuiei de probabilitate a strii naturii, decidentul va alege aciunea a1 de foraj pentru gsirea de ap mineral, cu o pierdere medie (profit) de 12.000.
B.
DECIZIA CU EXPERIMENTARE
Consideraiile fcute pn acum au presupus c decidentul a adoptat deciziile sale fr a utiliza informaii rezultate din efectuarea unor experimente statistice privind problema de decizie. Totui, dac decidentul dispune de informaii suplimentare rezultate din experimente, atunci aceste informaii trebuie aplicate n procesul de adoptare a deciziei. Revenind la problema forajului, s presupunem c compania poate s achiziioneze un studiu geologic, al crui cost este de 2.500. Informaiile coninute n studiul geologic permit clasificarea terenului n patru categorii. Categoria (1) se refer la o structur geologic extrem de favorabil prezenei apei minerale. Categoria (2) reprezint o structur care este probabil s conin ap mineral. Categoria (3) este o structur puin favorabil prezenei apei minerale, n timp ce categoria (4) denot o structur geologic cu o probabilitate extrem de mic de a conine ap mineral. Pe baza examinrii i a altor zone geologice similare (100 de astfel de examinri), compania a obinut datele din Tabelul 2.7 de mai jos.
Tabelul 2.7 Frecvenele clasificrii geologice Clasificarea geologic (1) (2) (3) (4)
1 : 1.000.000 litri/surs
8 12 3 12 1 12 0 12
10 16 3 16 2 16 1 16
10 24 7 24 3 24 4 24
4 : 0 litri/surs
10 48 12 48 17 48 9 48
Valorile din tabelul anterior pot fi interpretate astfel: dac forajul este de 500.000 litri/surs (starea naturii 2 ), atunci 3 16 este probabilitatea condiionat ca s avem categoria (2) de clasificare geologic; dac forajul nu gsete ap mineral (starea naturii 4 ), atunci 17 48 este probabilitatea condiionat ca nivelul de clasificare geologic s fie (3). Notm cu X informaia obinut prin experimentare dintr-un eantion aleator. X este o variabil aleatoare i poate fi vzut ca o funcie a eantionului de date. Decidentul trebuie s aleag o procedur de decizie sau o strategie, care, pe baza
54
informaiilor furnizate de experiment, s-i indice ce aciune s aplice pentru fiecare valoare X = x . Notm aceast funcie cu d ( x ) , astfel nct dac variabila aleatoare X ia valoarea x, atunci a = d ( x ) va fi aciunea aleas. Decidentul este interesat bineneles s aleag funcia de decizie optimal. Pentru a evalua funcia de decizie, trebuie s-i explorm consecinele. Deoarece aciunea aplicat a este o funcie care depinde de rezultatul variabilei aleatoare X, atunci d ( X ) este i ea o variabil aleatoare i pierderea asociat acestei aciuni depinde de asemenea de rezultatele lui X. tim c o msur a consecinelor aplicrii aciunii a = d ( X ) , atunci cnd adevrata stare a naturii este , este dat de valoarea medie a pierderii, cuantificat prin funcia de risc R( , d ) , care n cazul discret are expresia
R( , d ) = M [L(d ( X )), ] .
(2.119)
S aplicm abordarea de mai sus exemplului nostru. S presupunem c evalum regula de decizie d1 , conform creia dac rezultatul studiului geologic este (1) aplicm aciunea a1 , dac rezultatul este (2) sau (3), aplicm aciunea a3 , iar dac rezultatul este (4) aplicm a2 . Aceasta nseamn
d1 ( x ) = a1 , pentru x = 1 d1 ( x ) = a2 , pentru x = 4
d1 ( x ) = a3 , pentru x = 2 sau x = 3 .
Atunci funciile de risc corespunztoare sunt 8 3 1 R(1 , d1 ) = 90.000 8.000 0 30.000 + + 2.500 = 67.500 , 12 12 12
R( 2 , d1 ) = 40.000 R( 3 , d1 ) = 0
(2.120)
10 1 3 2 8.000 30.000 + + 2.500 = 27.688 , (2.121) 16 16 16 16
10 4 7 3 8.000 0 + + 2.500 = 1.167 , 24 24 24 24
(2.122)
10 9 12 17 8.000 + 0 + + 2.500 = 2.250 . (2.123) 48 48 48 48 n relaiile de mai sus, valoarea de 2.500 a fost costul studiului geologic. Rezult c aciunea care minimizeaz riscul este d1 ( x ) = a1 , respectiv forajul pentru gsirea
R( 4 , d1 ) = 6.000
apei minerale, dar aceast aciune nu este optimal. Observm c funcia de risc furnizeaz un mijloc de a defini optimalitatea. O funcie de decizie optimal este aceea care minimizeaz riscul pentru fiecare valoare a lui . Dar, n majoritatea cazurilor, funcia de decizie optimal nu exist i va trebui s considerm o alt modalitate de gsire a deciziei optimale, furnizat de procedurile Bayes.
2.6 APLICAII
55
Procedurile Bayes
Dac decidentul dispune de o informaie anterioar despre starea naturii, informaie ce poate fi descris n termenii unei distribuii de probabilitate iniiale, atunci funciei de risc i se poate aplica principiul Bayes, care, pentru o distribuie discret, arat c riscul Bayes corespunztor unei funcii de decizie d i unei distribuii de probabilitate iniiale a lui , p (k ) , este dat de
B(d ) = R(d , k ) p (k ) ,
k
(2.124)
iar dac mulimea strilor este continu i funcia de densitate iniial este p ( x ) , atunci riscul Bayes este
B(d ) = R(d , x ) p ( x )dx .
(2.125)
Principiul Bayes impune decidentului s aleag funcia d, denumit procedur de decizie Bayes, care minimizeaz B(d ) . Atunci cnd nu sunt disponibile date suplimentare, procedura Bayes ne conduce la selectarea aciunii care minimizeaz pierderea medie, evaluat n funcie de distribuia iniial a lui . Dar dac sunt disponibile date despre starea naturii, acestea vor fi ncorporate n modelul de decizie. De exemplu, dac datele geologice clasific terenul n categoria (4), probabilitatea de a gsi surse de 1.000.000 litri sau de 500.000 litri este extrem de redus. Totui, dup analiza datelor experimentale, vom actualiza distribuia iniial pe baza datelor despre starea naturii. Aceast informaie actualizat ne furnizeaz distribuia posterioar a lui , pe baza distribuiei iniiale i a datelor de experimentare. Distribuia posterioar a lui este reprezentat deci de probabilitile condiionate ale lui , date fiind valorile X = x .
Calculul distribuiei posterioare

Fie ( , X ) o variabil aleatoare bidimensional discret, cu distribuia de probabilitate pX (k , j ) . Fie p (k ) distribuia de probabilitate iniial a lui . Definim probabilitatea condiionat
X =k ( j ) = Prob{X = j = k } .
pX (k , j ) = X =k ( j ) p (k ) ,
(2.126) (2.127)
Pentru distribuia bidimensional a lui ( , X ) expresia poate fi utilizat pentru evaluarea distribuiei de probabilitate a lui X, respectiv X ( j ) = pX (k , j ) = X =k ( j ) p (k ) . (1.128)
k k
56
S evalum acum distribuia de probabilitate posterioar a lui , notat f dat fiind X = j , din expresia
pX (k , j ) = f
X=j
X=j
(k ) X ( j ) .
(2.129)
Egalnd cele dou forme ale expresiei pentru pX , respectiv relaiile (2.127) i (2.129) i considernd j = x (rezultatul experimentului), obinem distribuia posterioar X =k p (k ) f X = x (k ) = . (2.130) X (x) n sintez, pentru calculul distribuiei posterioare considerm p (k ) distribuia iniial i X = x ( x ) distribuia de probabilitate a variabilei aleatoare X evaluat pentru
X = x. Funcia X ( x ) este distribuia variabilei X, obinut din
X ( x ) = X =k ( x ) p (k ) ,
k
(2.131)
iar pentru f X ( x ) avem
f X ( x ) = f X =k (k ) .
k
(2.132)
Revenind la problema noastr, valorile distribuiei iniiale de clasificare geologic a terenului p (k ) au fost date n relaiile (1.111) (1.114). S presupunem acum c studiul geologic a clasificat terenul ca fiind din categoria (3). Va trebui s evalum expresiile f X =3 (k ), k = 1,2,3,4 , unde
f
X =3
(k ) =
X =k (3) p (k ) X (3)
, k = 1,2,3,4 .
(2.133)
Avem
X =k (3) = Prob{X = 3 = k },
(2.134)
probabilitatea ca terenul s fie clasificat din punct de vedere geologic n categoria (3), date fiind strile k i aceste valori se obin din Tabelul 2.7 ca fiind 1 2 3 17 , X =2 (3) = , X =3 (3) = , X =4 (3) = . (2.135) 12 16 24 48 Atunci distribuia variabilei X evaluat pentru X = 3 rezult X (3) = X =1 (3) p (1) + X =2 (3) p (2) + X =3 (3) p (3) + X =4 (3) p (4) =
X =1 (3) =
1 2 3 17 0,10 + 0,15 + 0,25 + 0,50 = 0,2354 . (2.136) 12 16 24 48 Valorile complete ale probabilitilor condiionate X =k ( x ) p (k ) i ale
distribuiei marginale X ( x ) sunt calculate n Tabelul 2.8.
2.6 APLICAII Tabelul 2.8 Probabilitile X = k ( x ) p (k ) i distribuia marginal X ( x ) Clasificarea geologic (1) (2) (3) (4)
X =k ( x ) p (k )
57
X (x) 4
0,0667 0,0250 0,0083 0,0000
0,0938 0,0281 0,0188 0,0094
0,1042 0,0729 0,0313 0,0417
0,1042 0,1250 0,1771 0,0938
0,3688 0,2510 0,2354 0,1448
Putem s calculm acum distribuia posterioar pentru X = 3 , aplicnd relaia (2.133) i obinem: 1 12 0,10 f X =3 (1) = = 0,035 , (2.137) 0,2354 2 15 0,15 f X =3 ( 2 ) = = 0,080 , (2.138) 0,2354 3 24 0,25 (2.139) f X =3 (3) = = 0,133 , 0,2354 17 48 0,50 f X =3 ( 4 ) = = 0,752 . (2.140) 0,2354 Valorile complete ale distribuiei posterioare a lui pentru problema noastr de decizie sunt calculate n Tabelul 2.9.
Tabelul 2.9 Distribuia posterioar a lui Clasificarea geologic (1) (2) (3) (4)
f
X =x
(k )
3 4
0,181 0,100 0,035 0,000
0,254 0,112 0,080 0,065
0,282 0,290 0,133 0,288
0,282 0,498 0,752 0,647
n continuare, pentru a determina procedura de decizie Bayes, decidentul avnd calculat distribuia posterioar va alege aciunea care minimizeaz pierderea medie B f (a ) (inclusiv costul experimentrii), care este de fapt riscul Bayes estimat n funcie de distribuia posterioar f a lui , date fiind valorile X = x , unde
L(a , k ) f X = x (k ), dac discret k B f (a ) = M [L(a , )] = . L(a , y ) f X = x ( y )dy , dac continu
(2.141)
58
Acum, pentru clasificarea geologic (3), procedura Bayes pentru X = 3 conduce la

B f (a1 ) = M [L(a1 , )] = 90.000 0,035 40.000 0,080 + 0 0,133
, + 6.000 0,752 + 2.500 = 642 B f (a2 ) = M [L(a2 , )] = 8.000 0,035 8.000 0,080 8.000 0,133
8.000 0,752 + 2.500 = 5.500 B f (a3 ) = M [L(a3 , )] = 30.000 0,035 15.000 0,080 + 0 0,133
(2.142) , (2.143)
. (2.144) + 0 0,752 + 2.500 = 243 Rezult c procedura Bayes pentru cazul X = 3 determin alegerea aciunii a2 nchiriere necondiionat, pentru care pierderea medie este minim. Aplicnd procedura i relaiile de mai sus pentru toate valorile X = 1,2,3,4 , obinem valorile riscului Bayes pentru distribuia posterioar (Tabelul 2.10).
Tabelul 2.10 Valorile riscului Bayes pentru distribuia posterioar
x =1 x=2 x=3 x=4
B f (a1 )
B f (a 2 ) B f (a 3 )
-22.246 -5.500 -6.737
-7.956 -5.500 -2.168
642 -5.500 243
3.795 -5.500 1.529
Sintetiznd valorile calculate pentru procedura Bayes se obin datele din Tabelul 2.11
Tabelul 2.11 Procedura Bayes pentru problema forajului x 1 2 3 4 Aciunea Bayes a1 a1 a2 a2 Riscul Bayes 22.246 7.956 5.500 5.500 Distribuia marginal 0,369 0,251 0,235 0,145
Rezult c pentru categoriile de teren (1) i (2) aciunea optim este a1 forajul, iar pentru categoriile de teren (3) i (4) aciunea optim este a2 nchirierea necondiionat a terenului.
Valoarea experimentrii
nainte de a apela la experimente privind starea naturii (care n majoritatea cazurilor au costuri semnificative), va trebui s determinm valoarea potenial pe care o pot aduce aceste experimente. S presupunem c experimentul ne poate furniza o informaie perfect despre starea naturii. Dar care este valoarea acestei informaii
2.6 APLICAII
59
perfecte? n aplicaia noastr a problemei de foraj, studiul geologic furnizeaz o informaie imperfect care cost 2.500. innd cont de probabilitile iniiale, pierderea medie cu informaie perfect, pe care o notm cu M ( IP ) , este dat de M ( IP ) = 90.000 0,10 40.000 0,15 8.000 0,25 8.000 0,50 = 21.000 . (2.145) Regula de decizie Bayes (fr experimentare) a condus la o pierdere medie de 12.000 i la aciunea a1 , respectiv o pierdere mult mai mare dect n cazul pierderii medii cu informaie perfect. Fcnd diferena ntre cele dou valori de mai sus, obinem o valoare de 9.000, care este de fapt costul informaiei perfecte. Considernd datele din Tabelul 2.10 i Tabelul 2.11, suma ponderat a pierderilor Bayes, denumit pierderea medie necondiionat cu experimentare este dat de ~ B f = 22.246 0,369 7.956 0,251 5.500 0,145 5.500 0,145 = 12.292 . (2.146) Atunci valoarea experimentrii (fr costul de 2.500) este dat de diferena ntre suma ponderat definit n relaia (2.146) i pierderea Bayes fr experimentare, adic ~ Lexp = B f min (L(ai )) = 12.292 ( 12.000 ) = 292 , (2.147) care reprezint economia (pierdere negativ) rezultat n urma adoptrii unei proceduri de decizie optimale cu experimentare. n fine, pentru a evalua diferena dintre adoptarea decizie dup proceduri Bayes optimale i neoptimale, calculm riscul mediu ponderat pentru procedura neoptimal, utiliznd valorile date de relaiile (2.120) (2.123) i valorile probabilitilor iniiale, obinnd ~ B = 67.500 0,10 27.688 0,15 + 1.167 0,25 + 2.250 0,50 = 9.486 . (2.148) Scznd valorile date de relaiile (2.146) i 2.148) obinem ~ ~ Lopt = B f B = 12.292 ( 9.496 ) = 2.805 , (2.149) adic o economie (pierdere negativ) de 2.805, ca urmare a utilizrii procedurii Bayes optimale n locul procedurii neoptimale.
Arborele de decizie
Arborele de decizie pentru problema forajului est reprezentat n Figura 2.26. Ramura iniial superioar reprezint decizia fr experimentare, respectiv decizia fr utilizarea studiului geologic. Ramura iniial inferioar reprezint decizia cu experimentare, respectiv cu date geologice. Utilitile afiate n nodurile de decizie i de incertitudine ale arborelui corespund valorilor calculate anterior. n nodurile de decizie au fost aplicate procedurile Bayes
60
(optimale i neoptimale) de minimizare a riscului Bayes. Aciunile respinse au fost barate cu semnul . Decizia adoptat este achiziionarea studiului geologic.
DECIZIE FR EXPERIMENTARE
1 2
(0 1
90.000 40.000 0 6.000
Foraj 12.000
12.000
a1
4
(0
nchiriere necondiionat Fr date geologice

a2
nchiriere condiionat
a3
8.000 5.250
a1 a2 a3
27.746 8.000 6.737 10.456 8.000 4.668

a1
27.746
12.292 x=1 2.500 Cu date geologice 14.792 8.000 x=3

a3 a1 a2 a3
10.456 x=2
1.858 8.000 2.257 1.295

a2
a2
x=4
a1
8.000
a3
8.000 971
DECIZIE CU EXPERIMENTARE Figura 2.26 Arborele de decizie pentru problema forajului
2.6 APLICAII
61
2.6.2 Algoritm de rezolvare a unei probleme de decizie

Vom sintetiza modul de rezolvare a problemelor de decizie de tipul prezentat anterior, respectiv cu funcia de pierdere tabelar i cu A , i X finite i discrete, n algoritmul care urmeaz. n general, majoritatea problemelor de decizie pot fi formalizate cu ajutorul modelului prezentat n cadrul algoritmului. Algoritmul are o organizare matriceal pentru a facilita utilizarea programelor de calcul tabelar.
A. DECIZIE FR EXPERIMENTARE Pasul 1. Definirea problemei de decizie.

P1.1: Se definete spaiul de aciune A = {a1 ,K , al }. P1.2: Se definete spaiul strilor = {1 ,K, k } . P1.3: Se definesc consecinele ( i , a j ), i = 1,K , k , j = 1,K , l .
P1.4: Se asociaz costurile corespunztoare consecinelor i alte costuri ale problemei de decizie.
Pasul 2. Definirea funciei de pierdere. P2.1: Funcia de pierdere se definete ntr-un tabel de forma:
Aciunea
a1 a2
...
al
Starea naturii 1 L(1 , a1 ) L(1 , a 2 ) ... L(1 , a l )
2 L( 2 , a1 ) L( 2 , a 2 ) ... L( 2 , al )
... ... ... ... ...
k L( k , a1 ) L( k , a 2 ) ... L( k , a l )
Pasul 3. Regula de decizie minimax.

P3.1: Se bordeaz tabelul funciei de pierdere cu o coloan care conine maximul valorilor funciei de pierdere din fiecare linie:
Aciunea
a1
a2
Starea naturii 1
L( 1 , a 2 ) L(1 , a l ) L(1 , a1 )
2
L( 2 , a 2 ) L( 2 , a l ) L( 2 , a1 )
... ... ... ... ...
k
L( k , a 2 ) L( k , a l ) L( k , a1 )
max L , a j
max L( , a1 )
max L , a 2
...
al
...
...
...
max L( , a l )
...
P3.2: Se aplic regula de decizie minimax, respectiv se calculeaz minimul valorilor din ultima coloan a tabelului de mai sus: (2.150) min max L( , a j ), j = 1,K , l .
l i
62
P3.3: Se alege aciunea corespunztoare liniei pentru care s-a obinut minimul. Dac nu sunt disponibile informaii despre distribuia de probabilitate iniial, algoritmul se oprete la acest pas. Dac sunt cunoscute valorile probabilitilor iniiale pentru distribuia convingerii, algoritmul continu cu Pasul 4.
Pasul 4. Definirea probabilitilor iniiale.

P4.1: Se definesc probabilitile iniiale Prob{ = i } = p (i ), i = 1,K, k , ntr-un tabel de forma:
Starea naturii Probabiliti iniiale
1
p (1)
(2.151)
k
p (k )
2
p (2)
... ...
P4.2: Probabilitile iniiale trebuie s verifice condiiile de definire a probabilitilor, respectiv valori pozitive subunitare i suma egal cu 1, condiii reflectate i de relaiile urmtoare: 0 p (i ) 1, i = 1,K , k k . (2.152) p (i ) = 1 i =1
Pasul 5. Regula de decizie Bayes.

P5.1: Se calculeaz pierderea medie pentru fiecare aciune a j L(a j ) = M L( , a j ) = L( i , a j ) p (i ) ,
k i =1
(2.153)
ntr-un tabel de forma:

Aciunea
a1 a2
Starea naturii 1
L(1 , a 2 ) p (1) L( 1 , a1 ) p (1)
L( 2 , a 2 ) p (2)
L( 2 , a1 ) p (2)
...
al
L(1 , a l ) p (1)
...
L( 2 , al ) p (2)
...
... ... ... ... ...
L( k , a 2 ) p (k )
L( k , a1 ) p (k )
L(a 2 )
L(a1 )
L (a )
L( k , al ) p (k )
...
L(al )
...
P5.2: Se aplic regula de decizie Bayes, calculnd minimul valorilor din ultima coloan a tabelului de mai sus, respectiv min L(a j ), j = 1,K , l . P5.3: Se alege aciunea Bayes, corespunztoare liniei pentru care s-a obinut minimul. Dac pentru problema de decizie nu se utilizeaz informaii rezultate din experimentare, algoritmul se oprete la acest pas. n caz contrar, se continu cu Pasul 6.
2.6 APLICAII
63
B. DECIZIE CU EXPERIMENTARE Pasul 6. Definirea experimentului. P6.1: Se definete spaiul de eantionare X i variabila aleatoare X, cu valorile 1,2,K , k . P6.2: Se specific probabilitile condiionate i X =i , i = 1,K , k , ntr-un tabel de
forma:
x 1 2 ... k
1 2
X =1 X =2 X =1 X =2
...
1
...
2
X =k
X =k
... ... ... ... ...
X =1 X =2
...
k
X =k
P6.3: Se stabilete costul experimentului C.
Pasul 7. Procedura Bayes cu probabiliti iniiale. P7.1: Se stabilesc regulile de decizie d n ( x ) i aciunile a ji care se adopt pentru
fiecare valoare x = 1,2,K , k , unde a ji A = {a1 , a2 ,K , al }, i = 1, l , ntr-un tabel de forma:
X
dn
1
a j1
2
a j2
... ...
k
a jk
P7.2: Se determin funcia de risc mediu R (d n , j ) , la care se adaug costul experimentului C, cu relaiile:
R (d n , j ) + C = M [L(d n ( x ), )] + C = L( i , a j ) i X = j + C .
k j =1
(2.154)
Datele se organizeaz ntr-un tabel de forma:

x
R(d n , 1 ) R(d n , 2
( ) L(
1
,aj
L 1 , a j1 1 X =1
2
1
) )
1 X =1
( L(
2
,aj
L 1 , a j2 1 X = 2
2
2
) )
... ... ... ... ...
1 X = 2
( L(
k
,aj
L 1 , a jk 1 X = k
2
k
) )
C C C ... C
R d n , j + C
R(d n , 1 ) + C R(d n , 2 ) + C R(d n , k ) + C
1 X = k
R(d n , k )
...
L k , a j
1
...
X =1
L k , a j
2
...
X =2
L k , a j
k
...
...
X =k
P7.3: Se determin riscul mediu minim: min R(d n , i ), i = 1, k .

i
(2.155)
P7.4: Decizia Bayes (neoptimal) const din alegerea aciunii pentru care s-a obinut riscul mediu minim. Dac pentru problema de decizie nu se utilizeaz probabiliti posterioare, algoritmul se oprete la acest pas. n caz contrar, se continu cu Pasul 8.
64
Pasul 8. Calculul probabilitilor posterioare.

P8.1: Se calculeaz probabilitile condiionate posterioare X =k ( x ) p (k ) i distribuia marginal X ( x ) . Datele sunt organizate ca n tabelul de mai jos, care conine produsul elementelor din tabelele de la P6.2 i P4.1, iar n ultima coloan suma probabilitilor condiionate pe fiecare linie.
k x 1 2 k

1
X = k ( x ) p (k ) 1
X =1 X =2
X (x) k

k
2
p (1) p (1) p (1)
... ... ... ...
X =1 X =2
p (2) p (2 ) p (2 )
X =1 X =2
p (k ) p (k ) p (k )
X (1) X (2 ) X (k )
...
1
...
2
...
k
X =k
X =k
X =k
P8.2: Se calculeaz distribuia posterioar

f X = x (k ) =
X =k p (k ) X (x)
(2.156)
aplicnd relaia de mai sus pentru elementele din tabelele de la P6.2, P4.1 i P8.2, obinndu-se tabelul de forma de mai jos:
k x 1 2 k
f
X =x
(k )
... ... ...
f
(1) f X = 2 (1)
X =1
(2 ) f X = 2 (2 )
f
X =1
(k ) f X = 2 (k )
X =1
f
X =k
(1)
f
X =k
(2 )
f
X =k
(k )
Pasul 9. Procedura Bayes cu probabiliti posterioare.

P9.1: Se determin riscul Bayes n funcie de distribuia posterioar, date fiind valorile X = x , cu relaia de mai jos, n care se ine cont i de costul experimentului, iar datele se organizeaz ntr-un tabel de forma de mai jos:
B f (ai ) + C = M [L(ai , )] + C = L(ai , k ) f
k X =x
(k ) + C , i = 1, l .
(2.157)
Bf aj +C
1
Bf
( ) (a )+ C
j2
L(a ,1) f L(a ,1) f

j1
x =1
(1) + C
j2
(1) + C
L(a ,2) f L(a ,2) f

j1
x=2
(2 ) + C
j2
(2 ) + C (2 ) + C
L(a L(a
x=k
j1
, k f (k ) + C
j2
) , k)f
(k ) + C
Bf aj +C
k
( )
L(a ,1) f
jk
(1) + C
L(a ,2) f
jk
L(a
jk
, k f (k ) + C
2.6 APLICAII
65
P9.2: Se stabilete decizia privind aciunile Bayes, considernd minimul valorilor pe coloan din tabelul de mai sus. Se obine un tabel de forma:
x 1 2 k
aj
k
Aciunea Bayes
a j1 a j2
Riscul Bayes
{ ( ) } min {B (a )+ C }
min B f a j + C
k
1
Distribuia marginal
X (1) X (2 )
j2
min B f a j + C
k
k
{ ( ) }
X (k )
Pasul 10. Valoarea experimentului.

P10.1: Se determin pierderea medie cu informaie perfect disponibil: M ( IP ) = L(ak , k ) p (k ) . (2.158)
k
P10.2: Se calculeaz costul informaiei perfecte: C ( IP ) = min L(a j ) M ( IP ) . P10.3: Se calculeaz pierderea medie necondiionat cu experimentare: ~ B f = B f a jk X ( k ) .
(2.159) (2.160)
( )
P10.4: Se determin valoarea experimentului (fr costul acestuia): ~ Lexp = B f min L(a j ) . P10.5: Se calculeaz riscul mediu ponderat (cu regula neoptimal): ~ B = {[R(d n , k ) + C ] p (k )} .
k
(2.161) (2.162)
P10.6: Se calculeaz economia ca urmare a aplicrii procedurii Bayes optimale cu probabiliti posterioare, fa de regula Bayes neoptimal: ~ ~ Lopt = B f B . (2.163)
Pasul 11. Arborele de decizie.

P11.1: Se construiete arborele de decizie, conform procedurii prezentate anterior. P11.2: Se aloc n nodurile de incertitudine, valorile de risc calculate.
Pasul 12. Concluzii.

P12.1: Se trage concluzia asupra deciziei optimale iniiale care trebuie adoptat, precum i asupra secvenei de aciuni care trebuie adoptate pentru rezolvarea problemei de decizie.
66
2.6.3 Problema festivalului

Vom aplica paii algoritmului descris anterior pentru aa-numita problem a festivalului, care este exemplificat i rezolvat n continuare. Un festival n aer liber este planificat s fie organizat ntr-un ora la o anumit dat. Profiturile care se estimeaz c se vor obine n urma desfurrii festivalului depind n cea mai mare msur de starea vremii. Astfel, dac vremea este ploioas, organizatorii festivalului vor nregistra o pierdere de 30.000, datorit numrului foarte redus de participani; dac pe durata festivalului cerul va fi nnorat, pierderile vor fi de 10.000, iar dac timpul va fi frumos i nsorit, festivalul va aduce un profit de 20.000. Costul instalrii echipamentului tehnic necesar desfurrii festivalului este de 2.000, pierdere care s-ar nregistra dac echipamentul ar fi instalat, iar festivalul ar fi anulat. La momentul respectiv, organizatorii vor putea beneficia de un buletin meteo pentru prognoza vremii n perioada festivalului, de la o filial a unui institut meteorologic, care a sintetizat datele de predicie a vremii. S remarcm faptul c suntem n faa unei probleme de decizie fr experimentare (cazul A) dac organizatorii festivalului (decidentul) nu utilizeaz prognoza meteo sau o problem de decizie cu experimentare (cazul B), dac vor lua n considerare prognoza din buletinul meteo.
A. DECIZIE FR EXPERIMENTARE Pasul 1. Definirea problemei de decizie.

P1.1: Spaiul de aciune: A = {a1 , a2 } , unde:
a1 :
Instalare echipament i organizare festival;
P1.2: Spaiul strilor: = { 1 , 2 , , 3 }, unde:

1 :
a 2 : Neinstalare echipament i anulare festival.
Ploaie;
2 : Nori; 3 : Soare.
P1.3: Consecine:
Consecine
(a1 ,1 ) (a1 , 2 ) (a1 , 3 ) (a2 ,1 ) (a2 , 2 ) (a2 , 3 )
Aciuni Organizare festival instalare echipament Organizare festival instalare echipament Organizare festival instalare echipament Anulare festival neinstalare echipament Anulare festival neinstalare echipament Anulare festival neinstalare echipament
Stri Ploaie Nori Soare Ploaie Nori Soare
2.6 APLICAII
67
P1.4: Costuri (UM = ):

Consecine
(a1 ,1 ) (a1 , 2 ) (a1 , 3 ) (a2 ,1 ) (a2 , 2 ) (a2 , 3 )
Costuri
Profit 30.000 10.000 20.000
2.000 2.000 2.000
Pasul 2. Definirea funciei de pierdere.

P2.1: Funcia de pierdere:
Starea naturii Aciunea
2
10.000 2.000
3
20.000 2.000
max L( , a j )
30.000 2.000
a1 a2
30.000 2.000

P3.1: S-a bordat tabelul funciei de pierdere cu o coloan care conine maximul valorilor funciei de pierdere din fiecare linie. P3.2: Regula de decizie minimax: min max L( , a j ) = 2.000 .
P3.3: Decizia minimax: Aciunea a2 festival.
Neinstalare echipament i anulare

P4.1: Probabilitile iniiale sunt:
1
0,10
2
0,30
3
0,40
P4.2: Probabilitile iniiale verific condiiile de definire a probabilitilor (valorile sunt cuprinse ntre 0 i 1, iar suma lor este egal cu 1).

P5.1: Pierderile medii pentru fiecare aciune a j :
2
3.000 600
3
12.000 1.200
L(a j )
6.000 2.000
a1 a2
3.000 200
68
P5.2: Regula de decizie Bayes:
min L(a j ) = 6.000 .
P5.3: Decizia Bayes: Aciunea a1 Instalare echipament i organizare festival.
B. DECIZIE CU EXPERIMENTARE Pasul 6. Definirea experimentului.

P6.1: Spaiul de eantionare X , variabila aleatoare X, cu valorile:
x = 1 Prognoz ploaie; x = 2 Prognoz nori; x = 3 Prognoz soare.
P6.2: Probabilitile condiionate ca urmare a experimentului sunt date n tabelul urmtor. P6.3: Costul experimentului C = 1.500 (costul studiului de prognoz meteo).
x 1 2 3
i
X =i
1
7/10 2/10 1/10
2
2/10 6/10 2/10
3
1/10 2/10 7/10
Pasul 7. Procedura Bayes cu probabiliti iniiale.

P7.1: Regula de decizie d n ( x ) i aciunile:
X
dn
a2
a2
a1
Aceasta nseamn c se va adopta aciunea a 2 , respectiv anularea festivalului, dac prognoza meteo indic ploaie sau nori i aciunea a1 , adic inerea festivalului, dac prognoza meteo indic timp nsorit. P7.2: Calculul riscului mediu:
x 1 1.400 400 200 2 400 1.200 400 3 3.000 2.000 14.000 C 1.500 1.500 1.500
R (d n , j ) + C
6.300 5.100 11.900
R(d n ,1 ) R(d n , 2 ) R(d n , 3 )
P7.3: Riscul mediu minim:
min R(d n , i ) = 11.900 .

i
P7.4: Decizia Bayes (neoptimal): Aciunea a1 organizarea festivalului.
2.6 APLICAII
69

P8.1: Probabilitile condiionate posterioare i distribuia marginal:
k x 1 2 3
X =k ( x ) p (k )
X ( x)
3
0,06 0,12 0,42 0,19 0,32 0,49
1
0,07 0,02 0,01
2
0,06 0,18 0,06
P8.2: Distribuia posterioar:

k x 1 2 3
X =x
(k )
3
0,316 0,375 0,857
1
0,368 0,063 0,020
2
0,316 0,563 0,122

P9.1: Riscul Bayes n funcie de distribuia posterioar:
x x=1 9.395 3.500 x=2 1.500 3.500 x=3 13.806 4.000
B f (a1 ) + C B f (a2 ) + C
P9.2: Decizia privind aciunile Bayes:

x 1 2 3 Aciunea Bayes Riscul Bayes 3.500 1.500 13.806 Distribuia marginal 0,19 0,32 0,49
a2 a1 a1
Pasul 10. Valoarea experimentului.

P10.1: Pierderea medie cu informaie perfect disponibil: M ( IP ) = L(ak , k ) p (k ) = 11.200 .
k
P10.2: Costul informaiei perfecte: C ( IP ) = min L(a j ) M ( IP ) = 5.200 .
70
P10.3: Pierderea medie necondiionat cu experimentare: ~ B f = B f a jk X (k ) = 5.620 .
( )
P10.4: Valoarea experimentului (fr costul acestuia): ~ Lexp = B f min L(a j ) = 6.000 . P10.5: Riscul mediu ponderat (cu regula neoptimal): ~ B = {[R(d n , k ) + C ] p (k )} = 4.980 .
k
P10.6: Economia ca urmare a aplicrii procedurii Bayes optimale cu probabiliti posterioare, fa de regula Bayes neoptimal: ~ ~ Lopt = B f B = 640 .
Pasul 11. Arborele de decizie.

P11.1: Arborele de decizie pentru problema festivalului este reprezentat n Figura 2.27. n prima parte a acestui arbore de decizie este reprezentat decizia fr experimentare, respectiv fr date meteo. Se observ c aceast decizie nu este acceptabil (ramura este barat). n a doua parte a arborelui de decizie, este reprezentat decizia cu experimentare, respectiv decizia care are la baz informaiile furnizate de studiul meteo. P11.2: Valorile de risc calculate n cadrul algoritmului sunt reprezentate n nodurile de incertitudine.
Pasul 12. Concluzii.

P12.1: Valorile funciilor de risc calculate conduc la concluzia c pentru problema noastr, decizia optimal o constituie alegerea unei proceduri de decizie fr experimentare i a aciunii de organizare a festivalului. n condiiile unei proceduri de decizie cu experimentare, regula de decizie Bayes neoptimal a condus la aceeai aciune de instalare echipament i organizare a festivalului. De asemenea, i utilizarea procedurii Bayes cu probabiliti posterioare duce la aceeai decizie optimal. Analiznd ns informaiile furnizate de valoarea experimentului, rezult c costul studiului de prognoz meteo nu justific opiunea pentru o decizie cu experimentare. Algoritmul prezentat aici pentru acest tip de probleme de decizie (respectiv pentru acele probleme de decizie n care avem distribuii de probabilitate discrete) are avantajul organizrii tabelare, ceea ce permite utilizarea rapid a unor programe de calcul tabelar. Vom vedea n Capitolul 4 c acest algoritm, cu unele completri, este aplicabil i pentru situaiile unor probleme de decizie bazate pe distribuii de probabilitate continue.
2.6 APLICAII
71
DECIZIE FR EXPERIMENTARE -6.000 Instalare -6.000 a1
1 (0,10) 2 (0,30) 3 (0,60) 1 (0,10)
30.000 10.000 -20.000 2.000 2.000 2.000
Fr date meteo
a2 Neinstalare
2.000
2 (0,30) 3 (0,60)
-6.000 3.500 1.500 Cu date meteo -7.120 x = 2 (0,320) 1.500 x = 1 (0,190)
a1 a2
9.395
3.500
a1 a2
1.500
3.500
x = 3 (0,490) -13.806
a1 a2
-13.806
4.000 DECIZIE CU EXPERIMENTARE
Figura 2.27 Arborele de decizie pentru problema festivalului
2.6.4 Aplicaii propuse

A2.1 (a) S se rezolve problema forajului utiliznd pentru probabilitile iniiale valorile din tabelul urmtor: k
p (k )
k=1 0,12
k=2 0,16
k=3 0,24
k=4 0,48
(b) A2.2 (a) (b)
S se rezolve problema forajului, dac profitul crete la 0,20 / litru. Ce decizie se va adopta n problema festivalului dac studiul de prognoz meteo va avea un cost de 500? S se rezolve problema festivalului dac pierderea va fi de 15.000 n caz de ploaie, 5.000 n caz de timp noros i profitul de 20.000 n caz de timp nsorit, iar studiul de prognoz cost 1.000.
72
CAPITOLUL 2 NOIUNI DE TEORIA DECIZIEI A2.3 O banc trebuie s decid acordarea unui credit de 50.000 unui nou client, o firm de producie. Banca i clasific clienii dup nivelul de risc referitor la rambursarea creditului n urmtoarele categorii: risc sczut, risc mediu i risc ridicat. Din informaiile de care dispune banca i din experiena anterioar, a rezultat c, pentru firmele productoare din categoria din care face parte i noul client, 35% sunt cu risc sczut, 45% cu risc mediu i 20% cu risc ridicat. Dac se acord creditul, atunci profitul ateptat este de 10.000 pentru risc sczut, 5.000 pentru risc mediu i 7.500 pentru risc ridicat. Dac nu se acord creditul, atunci clientul se va adresa altei bnci. Banca poate utiliza servicii de consultan de la o firm specializat pentru evaluarea riscului creditului, costul studiului fiind de 1.200. Din studiile anterioare, firma de consultan a furnizat urmtoarele nivele de evaluare a riscului creditului: Evaluarea firmei de consultan Sczut Mediu Ridicat (a) (b) (c) (d) (e) (f) Rata real a riscului creditului (%) Sczut Mediu Ridicat 15 55 30 10 50 40 40 40 20
Ce decizie minimax rezult n condiiile unei decizii fr experimentare, respectiv fr a utiliza evaluarea firmei de consultan? Ce aciune rezult ca urmare a aplicrii regulii de decizie Bayes fr experimentare? Care este valoare care se poate plti pentru o informaie perfect? S se determine decizia optimal pentru o procedur de decizie cu experimentare i cu probabiliti posterioare. S se construiasc i s se evalueze arborele de decizie al problemei. S se stabileasc aciunea optimal cu ajutorul arborelui de decizie evaluat.
A2.4 O firm a dezvoltat o nou tehnologie de programare, care i va permite s intre pe piaa de software. Ca alternativ la producia de programe, firma poate s i vnd drepturile sale de proprietate intelectual asupra noii tehnologii, pentru 80.000. Dac alege s aplice noua tehnologie i s produc software, profitabilitatea aciunii va depinde de abilitatea de a vinde pachetul de programe n primul an de producie. Accesul la firmele specializate n vnzarea de software i garanteaz vinderea a 250 de pachete de programe. Pe de alt parte, dac produsul va avea succes, vor fi vndute pn la 1.000 de pachete de programe. Din analizele de marketing a rezultat c ambele alternative (producerea de software sau vinderea drepturilor de licen) au aceleai anse se aplicare, alte alternative nefiind luate n considerare. Costurile fixe pentru fabricaie sunt de 60.000. Diferena ntre preul de vnzare i costurile variabile ale unui pachet de programe este de 60. Studiul de pia necesar pentru a stabili care dintre cele dou nivele de vnzri sunt mai realiste cost 4.000, iar experiena anterioar a artat c prognoza de pia este corect n dou din trei cazuri. (a) (b) (c) (d) (e) (f) Ce aciune va rezulta ca urmare a aplicrii procedurii Bayes, fr utilizarea studiului de pia, deci n condiiile unei decizii fr experimentare? Care este costul informaiei perfecte ? Care este riscul Bayes, dac se utilizeaz studiul de pia? Care este decizia optimal pentru procedura Bayes cu probabiliti posterioare? S se construiasc i s se evalueze arborele de decizie al problemei. S se stabileasc aciunea optimal cu ajutorul arborelui de decizie evaluat
3
TEHNICI DE SIMULARE
3.1 CONSTRUCIA UNUI MODEL DE SIMULARE
Simularea este o metod prin care se realizeaz reprezentarea modelului unui sistem pentru a analiza comportarea sau performanele acestuia. Termenul simulare provine din cuvntul latin simulatio, care nseamn capacitatea de a reproduce, reprezenta sau imita ceva. Totui, n limbajul uzual, simularea are mai multe sensuri, diversitate regsit i n semnificaia termenului de simulare n diferite ramuri ale tiinei. n matematic, termenul simulare a fost folosit pentru prima dat la nceputul anilor 40, n cadrul proiectului Manhattan de construire a primei bombe atomice americane. Primii care au utilizat acest termen au fost J. von Neumann i S. Ulam. n aceeai perioad, echipa de matematicieni i fizicieni de la Los Alamos a introdus pentru prima dat i metoda Monte Carlo, asociat tehnicilor se simulare numeric, utiliznd eantioane aleatoare generate cu ajutorul calculatorului electronic. n contextul problemei de management al riscului, aplicarea simulrii Monte Carlo se utilizeaz pentru evaluarea riscului asociat evenimentelor sistemului analizat, n condiii de incertitudine. n general, tehnicile de simulare implic construirea unui model de natur statistico matematic. Un model de simulare descrie funcionarea unui sistem n termenii evenimentelor individuale ale componentelor sistemului analizat. n particular, sistemul este descompus n elementele sale componente a cror comportare poate fi descris n termenii unei distribuii de probabilitate, pentru fiecare din strile posibile ale sistemului i pentru intrrile n sistem. n model sunt integrate i relaiile ntre elementele sistemului. Dup construcia modelului, vom ncepe simularea prin generarea variabilelor aleatoare care modeleaz evenimentele sistemului, folosind distribuiile de probabilitate corespunztoare. Rezultatul este o simulare a modului de funcionare n timp a sistemului, pe care o nregistrm. Procesul se repet de mai multe ori pentru diferite alternative i configuraii (scenarii) ale componentelor sistemului. Din punct de vedere statistic, simularea este o tehnic de realizare a experimentelor de eantionare privind modelul sistemului. Experimentele se realizeaz
73
74
CAPITOLUL 3 TEHNICI DE SIMULARE
asupra unui model, deoarece efectuarea experimentelor asupra unui model real este, de obicei, mult prea costisitoare sau consumatoare de timp. Experimentele de simulare, datorit volumului foarte mare de date care rezult, trebuie efectuate cu ajutorul unui calculator. Primul pas n realizarea unui studiu de simulare este dezvoltarea unui model care s reprezinte sistemul analizat. Acest pas implic reprezentarea sistemului printr-o diagram (schem) logic de flux. Sistemul este descompus ntr-o serie de componente care sunt reprezentate n diagrama de flux i pentru care sunt stabilite regulile de operare. Aceste reguli de operare furnizeaz evenimentele care vor fi generate cu ajutorul unor variabile aleatoare. Trebuie remarcat faptul c modelul de simulare nu va putea s fie o reprezentare complet a sistemului real. Dac comportarea unui anumit element nu poate s fie prognozat, atunci este preferabil s se genereze valori aleatoare din distribuia de probabilitate care modeleaz elementul respectiv, n loc s se utilizeze valori medii. n multe cazuri, combinarea performanelor medii ale componentelor sistemului poate s conduc la rezultate care s se ndeprteze evident de comportarea sistemului n general. O problem care se pune atunci cnd alegem distribuia de probabilitate pentru model este legat de utilizarea distribuiilor de frecven ale datelor istorice sau de determinarea distribuiilor care concord cel mai bine din punct de vedere statistic cu aceste date. Este recomandat s se aplice ultima alternativ, pentru a elimina anumite comportamente particulare posibil s apar n datele istorice. n general, realizarea unui experiment de simulare este un proces complex, care se desfoar n urmtoarele etape principale: (1) Formularea problemei; (2) Colectarea i prelucrarea primar a datelor; (3) Elaborarea modelului de simulare; (4) Estimarea parametrilor sistemului analizat; (5) Evaluarea performanelor sistemului i testarea parametrilor; (6) Construirea algoritmului simulrii; (7) Validarea algoritmului de simulare; (8) Planificarea experimentului de simulare; (9) Analiza datelor simulate; (10) Concluzia i decizia asupra sistemului analizat. n consideraiile care urmeaz ne vom concentra numai asupra anumitor etape ale experimentelor de simulare, respectiv la cele legate de generarea celor mai importante variabile aleatoare, cele care se utilizeaz cel mai frecvent n tehnicile de simulare asociate riscului.
3.2 GENERAREA VARIABILELOR ALEATOARE
75

3.2.1 Metoda invers
Majoritatea metodelor de generare a numerelor aleatoare se bazeaz pe distribuia uniform, care are funcia de densitate de probabilitate: 1 , dac x [a , b] f ( x ) = b a 0, n caz contrar (3.1) Parametrii statistici ai distribuiei uniforme sunt media (valoarea medie sau valoarea ateptat): a+b = , (3.2) 2 i dispersia (sau variana):
. (3.3) 12 n particular, pentru x [0, 1] , respectiv a = 0 i b = 1 , avem valoarea medie:
2 =
(b a )2
= ,
i dispersia:
1 2
(3.4)
1 . (3.5) 12 Vom demonstra n continuare o proprietate extrem de important a distribuiei uniforme, care va justifica utilizarea acesteia n cele mai multe proceduri de generare a variabilelor aleatoare, respectiv aa-numita metod invers.
2 =
Lema 3.1 Fie x o variabil aleatoare oarecare a crei funcie de distribuie cumulativ este F(x) i fie u o variabil aleatoare uniform pe (0, 1) . Dac este
inversa funciei F, atunci variabila aleatoare X = (u ) are funcia de distribuie F.
Demonstraie: Prin definiie rezult Prob{x < a} = Prob{F ( x ) < F (a )} = Prob{u < F ( a )} = F (a )
(3.6)
independente pe (0, 1) , atunci x1 , x2 ,K , xn , unde xi = (ui ) , este un ir de variabile aleatoare independente a cror distribuie este F i = F 1 .
Consecina 3.2 Dac u1 , u 2 ,K , u n este un ir de variabile aleatoare uniforme,
Conform lemei anterioare, dac inversa F are o expresie analitic uor de calculat, problema generrii unui ir de variabile aleatoare cu funcia de distribuie
76
F(x) se reduce la generarea unui ir de variabile aleatoare u1 , u 2 ,K, u n uniforme pe
(0, 1) i apoi la calculul valorilor x1 , x2 ,K , xn , unde

xi = F 1 (ui ) .
(3.7)
Metoda invers nu este o metod general, deoarece nu ntotdeauna putem s calculm direct inversa F 1 , iar metodele aproximative de calcul nu conduc n toate situaiile la algoritmi satisfctori. De aceea, vom analiza i alte procedee de generare a variabilelor aleatoare, cum ar fi utilizarea teoremei limit centrale.
3.2.2 Generarea variabilelor aleatoare continue

Distribuia uniform
Pentru a genera un ir de valori xi [a , b] uniforme, generm un ir de variabile aleatoare uniforme ui (0, 1) i apoi
xi = a + (b a ) ui .
(3.8)
n Figura 3.1 este reprezentat distribuia uniform pentru un eantion simulat cu un efectiv de 100 de valori i cu xmin = 3,60 , xmax = 4,40 i probabilitatea p = 0,01 .
0.020 0.015 0.010 0.005 0.000 3.60 3.80 4.00 4.20
Figura 3.1 Distribuia uniform
Distribuia triunghiular
Distribuia triunghiular se utilizeaz ca model pentru estimrile duratelor sau costurilor activitilor n modelele de simulare a riscului n proiecte. Rspndirea acestei distribuii este datorat i faptului c parametrii distribuiei sunt determinai de o valoare minim a, o valoare de baz m (cea mai probabil sau plauzibil) i o valoare maxim b. Atunci media distribuiei triunghiulare este:
77
=
iar dispersia
a+m+b , 3
(3.9)
. (3.10) 18 Pentru a genera un ir de valori xi [a , b] dintr-o distribuie triunghiular, utilizm proprietatea c media a dou variabile aleatoare uniforme are o distribuie triunghiular. Atunci pentru a obine irul de variabile aleatoare triunghiulare, generm perechi de variabile aleatoare uniforme ui1 , ui2 (0, 1) i apoi
ui1 + ui2 . (3.11) 2 n Figura 3.2 este reprezentat distribuia triunghiular pentru un eantion simulat cu un efectiv de 100 de valori, cu valoarea minim a = 1,80 , valoarea cea mai probabil m = 2,00 i cu valoarea maxim b = 2,20 . xi = a + (b a )
0.025 0.020 0.015 0.010 0.005 0.000 1.80 1.88 1.96 2.04 2.12
2 =
(b a )2 + (m a ) (m b )
Figura 3.2 Distribuia triunghiular
Distribuia exponenial negativ
Distribuia exponenial are densitatea de probabilitate

f ( x ) = e x , t 0 ,
(3.12)
i distribuia cumulativ
F ( x ) = 1 e x , t 0 .
(3.13)
Pentru a exemplifica metoda invers de generare a unei variabile aleatoare exponeniale, avem:
1 e x = u ,
(3.14) (3.15)
de unde
e x = 1 u .
78
Prin logaritmare natural obinem succesiv i
ln (e x ) = ln(1 u ) , x = ln(1 u ) ,
(3.16) (3.17) (3.18)
de unde
1 x = ln(1 u ) .
Distribuia exponenial negativ pentru = 2 este reprezentat n Figura 3.3.

0.2 0.1 0.1 0.1 0.1 0.1 0.0 0.0 0.0 0 2.7 5.4 8.1 10.8 13.5 16.2 18.9 21.6 24.3 27
Figura 3.3 Distribuia exponenial negativ
Distribuia Weibull
Distribuia Weibull, care se utilizeaz pe scar larg n modelele de fiabilitate, are funcia de densitate:
x f (x) =
cu funcia de distribuie cumulativ:
e ( x ) , x 0 , > 0 , > 0 ,
(3.19)
f ( x ) = 1 e ( x ) , x 0 , > 0 , > 0 .
(3.20)
Procednd ca n exemplul anterior, obinem pentru parametrul de form i parametrul de scal , relaia pentru generarea unei variabile aleatoare Weibull prin metoda invers, care este:
x = ln(1 u ) . (3.21) Distribuia Weibull cu parametrii = 2 i = 1 este reprezentat n Figura 3.4. Pentru anumite valori ale parametrilor de form (de exemplu, = 3,6 i = 1 ), distribuia Weibull se apropie suficient de mult de forma distribuiei normale, cea mai des utilizat distribuie i n modelele de simulare.
79
0.025 0.020 0.015 0.010 0.005 0.000 5.01 5.50 5.99 6.48 6.97
Figura 3.4 Distribuia Weibull
Distribuia gamma
Distribuia gamma are funcia de densitate de probabilitate: x 1e x f (x) = , x 0 , > 0, > 0 ,
( )
(3.22) (3.23)
( ) = 0 x 1e x dx .
Utilizm proprietatea c suma a k variabile aleatoare exponeniale independente, cu media 1 k are o distribuie gamma cu parametrul de form k (natural) i cu media
1 . Atunci, genernd un ir de numere aleatoare uniforme u1 , u 2 ,K , u k , valorile
pentru distribuia gamma se obin din:
x=
ln (1 ui ) , k i =1
k
(3.24)
relaie care se reduce la

x=
1 k ln (1 ui ) . k i =1
(3.25)
Distribuia gamma cu parametrii = 2,5 i = 1 este redat n Figura 3.5.

0.40 0.30 0.20 0.10 0.00 0.1 1 1.9 2.8 3.7 4.6 5.5 6.4 7.3 8.2 9.1 10
Figura 3.5 Distribuia gamma
80
Distribuia beta
Distribuia beta care se utilizeaz, printre altele, pentru modelarea duratei de realizare a activitilor n metoda drumului critic are densitatea de probabilitate:
f (x) = x 1 (1 x ) 1 , 0 x 1, > 0, > 0 , B( , )
1
(3.26)
unde
B( , ) = x 1 (1 x ) 1 dx =
0
( ) ( ) . ( + )
(3.27)
Atunci, pentru generarea unei variabile aleatoare beta, vom genera mai nti dou variabile aleatoare gamma x (k , ) i x (k , ) , conform relaiei anterioare, iar variabila aleatoare beta va fi:
x ( , ) = x (k , ) . x ( k , ) + x ( k , )
(3.28)
Distribuia beta cu parametrii = 3 i = 2 este reprezentat n Figura 3.6.

2.0 1.8 1.6 1.4 1.2 1.0 0.8 0.6 0.4 0.2 0.0 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0
Figura 3.6 Distribuia beta
Distribuia normal
Vom aplica mai nti o metod relativ simpl de generare a variabilelor aleatoare provenind dintr-o populaie normal, metod bazat pe teorema limit central. Distribuia normal are densitatea de probabilitate:
1 2 f ( x) = e 2 , (3.29) 2 dar nu avem o form a distribuiei cumulative, deci metoda invers nu este aplicabil. Fie un eantion x1 , x2 ,K , xn de valori dintr-o populaie oarecare, cu media i
( x )2
dispersia 2 . Conform teoremei limit central, media valorilor eantionului tinde
81
ctre distribuia normal standardizat, adic x + x + K + x n n z= 1 2 n N (0,1) . n
(3.30) 1 i 2
Dac u1 , u 2 ,K , u n sunt variabile uniforme pe intervalul (0, 1) , cu media = dispersia 2 =
1 , atunci suma celor n variabile uniforme va avea, conform teoremei 12 n n limit central, o distribuie aproximativ normal cu media = i dispersia 2 = 2 12 i putem scrie n u1 + u 2 + K + u n 2 N (0,1) . z= (3.31) n n 12 nlocuind n = 12 n relaia de mai sus, obinem: z = u1 + u 2 + K + u12 6 , (3.32)
care este o metod rapid aproximativ pentru generarea unei variabile aleatoare standardizate. De aici, din relaia de standardizare: x z= , (3.33)
explicitm pe x i obinem relaia pentru o variabil aleatoare cu media i abaterea standard , respectiv
x = + z .
(3.34)
O alt metod relativ simpl de generare a variabilelor aleatoare normale este metoda polar, care se bazeaz pe urmtoarea teorem (Box i Mller):
Teorema 3.3 Dac u1 i u 2 sunt dou variabile aleatoare uniforme independente pe

intervalul (0, 1) , atunci variabilele aleatoare
2lns 2lns , , z 2 = v2 s s
z1 = v1 unde
(3.35)
2 v1 = 2u1 1 , v2 = 2u 2 1 , s = v12 + v2 , s < 1 ,
(3.36)
sunt variabile aleatoare normale independente N (0, 1) . Atunci, pe baza teoremei de mai sus, algoritmul de generare a variabilelor aleatoare normale cu metoda polar const din urmtorii pai: Pasul 1: Se genereaz dou variabile aleatoare u1 i u 2 , uniforme i independente pe
(0, 1) . Se calculeaz v1 = 2u1 1 i v2 = 2u 2 1 .
82

2 Se calculeaz s = v12 + v2 .
Pasul 2: Pasul 3: Pasul 4:
Dac s 1 se revine la Pasul 1. Se calculeaz
z1 = 2lnu1 cos(2u 2 ) , z 2 = 2lnu1 sin (2u 2 ) , care sunt variabile aleatoare normale standardizate i independente.
(3.37)
O reprezentare a distribuiei normale cu parametrii = 1,00 i = 0,10 este redat n Figura 3.7.
0.030 0.025 0.020 0.015 0.010 0.005 0.000 0.70 0.76 0.82 0.88 0.94 1.00 1.06 1.12 1.18 1.24
Figura 3.7 Distribuia normal
Distribuia lognormal
Atunci cnd modelul pe care l analizm este asimetric, distribuia lognormal poate fi un model statistic mai bun. n general, variabila aleatoare x este o variabil lognormal dac y = lnx este o variabil aleatoare normal, avnd densitatea de probabilitate:
f ( y) = 1
1 y y 2 y
2
y 2
(3.38)
unde 2 2 y = ln x + 1 , 2 x i
2 1 x y = ln x ln 2 + 1 . 2 x
(3.39)
(3.40)
2 Rezult de aici c atunci cnd media x i dispersia x ale unei variabile
lognormale x sunt cunoscute, generarea unei valori aleatoare a lui x se poate face cu
83
urmtorul algoritm: Pasul 1: Pasul 2: Pasul 3:

2 Se calculeaz y i y conform relaiilor (3.39) i (3.40).
Se genereaz o variabil aleatoare normal standardizat z. Se calculeaz y = y + z y .
Pasul 4: Se calculeaz x = e y . O reprezentare a distribuiei lognormale cu parametrii media y = 3,5 i abaterea standard y = 1,2 este redat n Figura 3.8.
0.030 0.025 0.020 0.015 0.010 0.005 0.000 2.22 2.40 2.58 2.77 2.95 3.13 3.31 3.49 3.67 3.85
Figura 3.8 Distribuia lognormal
3.2.2 Generarea variabilelor aleatoare discrete

Vom analiza n continuare metodele de generare a variabilelor aleatoare pentru principalele distribuii discrete utilizate n simulare i anume distribuiile Bernoulli, geometric, Poisson, binomial i binomial negativ.
Distribuia Bernoulli
ntr-un experiment Bernoulli, sunt posibile numai dou de rezultate: succese (notate S) sau eecuri (notate F). Dac p este probabilitatea de succes, atunci q = 1 p este probabilitatea nregistrrii unui eec. Presupunem c experimentele sunt independente, iar p, cu 0 p 1 , este o constant. Atunci pentru generarea unei variabile aleatoare x de tip Bernoulli, care va lua valoarea 1 n cazul unui succes (S) sau valoarea 0 n cazul unui eec (F), putem aplica urmtorul algoritm: Pasul 1: Pasul 2: Se genereaz o variabil aleatoare u uniform pe (0, 1) . Dac u p , atunci x = 1 , iar n caz contrar x = 0 .
84
Distribuia geometric
Dac ntr-un ir de experimente Bernoulli notm cu x variabila aleatoare care reprezint numrul de eecuri nregistrate pn la apariia primului succes, atunci x este o variabil aleatoare geometric. Distribuia de probabilitate a variabilei geometrice este f ( x ) = Prob{X = x} = pq x , x = 0, 1, 2, K , iar distribuia cumulativ F ( x ) = Prob{X x} = p q i = 1 q x +1 ,
i =0 x
(3.41) (3.42)
adic suma unei progresii geometrice, de unde provine i numele distribuiei. Din relaia de mai sus, i aplicnd metoda invers, obinem succesiv: lnu 1 , x 0 , x= (3.43) lnq unde prin [a ] am notat numrul ntreg nenegativ cel mai apropiat de numrul real a. S notm c variabila geometric se poate obine direct i dintr-o variabil Bernoulli.
Distribuia Poisson
O variabil aleatoare discret x Poisson de parametru are distribuia de probabilitate

, x = 0, 1, 2, K . (3.44) x! Se tie c distribuia Poisson este un model adecvat pentru repartiia evenimentelor rare, cum ar fi, de exemplu, numrul de sosiri ntr-un sistem de ateptare, care apar ntr-o unitate de timp. Dar acest interval de timp dintre dou sosiri are o distribuie exponenial negativ, i vom folosi aceast proprietate pentru generarea variabilei Poisson x de parametru , cu urmtorul algoritm:
p( x ) =
x e
Pasul 1: Pasul 2: Pasul 3: Pasul 4:
Se calculeaz a = e i se iniializeaz b := 1 i i := 0 . Se genereaz o variabil aleatoare u uniform pe (0, 1) i se calculeaz

b := b u . Dac b a , se incrementeaz i := i + 1 i se trece la Pasul 2. Dac b < a , atunci x = i .
Reprezentarea distribuiei Poisson pentru = 2,5 i x = 0,1,2,K ,10 este redat n Figura 3.9.
85
0.30 0.25 0.20 0.15 0.10 0.05 0.00 0 1 2 3 4 5 6 7 8 9 10
Figura 3.9 Distribuia Poisson
Distribuia binomial
Variabila aleatoare binomial reprezint numrul de succese x n n experimente Bernoulli, avnd numeroase aplicaii practice, mai ales n controlul statistic al calitii. De asemenea, distribuia binomial este frecvent utilizat datorit proprietilor de aproximare prin distribuia normal. Distribuia binomial are forma:
x p( x ) = C n p x q n x , x = 0,1,K , n ,
(3.45)
unde p este probabilitatea de succes ntr-o singur ncercare, q = 1 p , n este numrul de ncercri, iar x este numrul de succese n n ncercri. Pentru generarea direct a variabilei aleatoare binomiale x, cu parametrii p i n, se aplic urmtorul algoritm: Pasul 1: Pasul 2: Se genereaz n variabile aleatoare bi de tip Bernoulli, folosind valoarea lui
p n algoritmul descris mai sus. Variabila aleatoare binomial se obine din suma:
x = bi .
i =1 n
(3.46)
innd cont de parametrii distribuiei binomiale x, respectiv media = np i dispersia 2 = npq , conform teoremei limit central, are loc limita
z= x np N (0,1) , npq n
(3.47)
proprietate care poate fi folosit pentru generarea variabilei aleatoare binomiale, atunci cnd n este suficient de mare. Algoritmul de generare a variabilei binomiale x este urmtorul: Pasul 1: Se stabilesc valorile de intrare n i p. Se calculeaz q =1 p .
86
Pasul 2: Pasul 3:
Se genereaz o variabil aleatoare normal standardizat z (cu una din metodele prezentate la distribuia normal) Se calculeaz variabila aleatoare binomial
x = np + z npq ,
(3.48)
unde prin [a ] am notat numrul ntreg nenegativ cel mai apropiat de numrul real a. Distribuia binomial cu p = 0,5 i n = 20 este reprezentat n Figura 3.10. Se poate observa forma distribuiei binomiale, asemntoare distribuiei normale.
0.20 0.16 0.12 0.08 0.04 0.00 0 2 4 6 8 10 12 14 16 18 20
Figura 3.10 Distribuia binomial
Distribuia binomial negativ
Dac pentru un ir de experimente Bernoulli, notm cu x variabila care reprezint numrul de eecuri nregistrate pn la apariia a k succese ( k > 0 ), atunci x se numete variabil binomial negativ (sau variabil Pascal) i are distribuia de probabilitate:
p( x ) = C xx + k 1 p k q x , x = 0,1,K .
(3.49)
S remarcm, de asemenea, faptul c distribuia geometric menionat anterior este un caz particular al distribuiei binomiale negative, pentru k = 1 . Din definiie rezult c variabila aleatoare Pascal este o sum de k variabile aleatoare geometrice, i atunci putem obine un procedeu pentru generarea variabilei binomiale negative, de parametri k i p, utiliznd relaia:
k ln ui (3.50) x = i =1 , lnq unde prin [a ] am notat numrul ntreg nenegativ cel mai apropiat de numrul real a.
3.3 APLICAII
87
3.3 APLICAII
3.3.1 Simularea unei probleme de risc economic
Vom exemplifica n continuare aplicarea metodei Monte Carlo de simulare a unei probleme n care riscul are o component economic. n majoritatea cazurilor, n ultim instan, riscul va avea o component economic, asociat pierderii sau profitului ca urmare a adoptrii unei decizii cu caracter economic i a aciunii corespunztoare aplicate.
Modelul
O firm de transport are n dotare 5 microbuze luate n leasing, cu care efectueaz transport interurban de persoane, pe distane medii. Cursele sunt de dou tipuri: curse planificate, cu orare i trasee fixate i curse charter, neplanificate, pentru turism, transporturi de persoane pentru manifestri culturale i sportive sau n alte scopuri. Firma dorete realizarea unei simulri a performanelor sale economice (exprimate prin profitul anual) pentru anul urmtor. Modelul problemei de simulare este prezentat n Tabelul 3.1. Variabilele de intrare n model au fost clasificate n variabile controlabile (cele asupra crora firma are un anumit control i le poate influena sau modifica, respectiv preul curselor charter pe or i preul biletelor pe or) i n variabile aleatoare, asupra crora firma fie nu are un control direct, fie ele au o variabilitate inerent, datorat mediului economic n care firma acioneaz (respectiv variabilele: ore transport/an, capacitatea curselor planificate, proporia curselor charter, costuri operaionale/or, costuri fixe). n tabelul de mai jos sunt date valorile de baz pentru variabilele de intrare pentru un microbuz, valori cu care au fost realizate calculele de eficien economic. Venitul total a fost calculat avndu-se n vedere: numrul total de ore de transport pe an, capacitatea ocupat a curselor planificate i preul biletelor pe ora de transport, la care s-a adugat proporia orelor curselor charter cu preul pe or al acestor curse. Costul total a fost determinat calculndu-se costurile variabile operaionale pentru totalul orelor de transport, la care au fost adugate costurile fixe. n final, valorile obinute au fost multiplicate cu numrul de microbuze. Valorile variabilelor de indicatori economici (venitul total i costul total) precum i variabila de performan a modelului (profitul anual) au fost considerate variabile simulate, deoarece ele se obin pe baza valorilor simulate ale variabilelor aleatoare ale modelului.
88
CAPITOLUL 3 TEHNICI DE SIMULARE Tabelul 3.1 Modelul problemei de simulare Variabile de intrare Pre curs charter/or Pre bilete/or Ore transport/an Capacitatea curselor planificate Proporia curselor charter Costuri operaionale/or Costuri fixe (leasing, asigurri, salarii) Indicatori economici Venit total Cost total Performana Profit anual 20.000 Simulat 230.000 210.000 Simulat Simulat Valori 250 130 800 ore 50% 0,5 250 10,000 Tip variabil Controlabil Controlabil Aleatoare Aleatoare Aleatoare Aleatoare Aleatoare
Simularea
Pentru variabilele aleatoare ale modelului, din datele istorice de care dispune firma i din analizele de marketing, au fost stabilite distribuiile de probabilitate i parametrii acestor distribuii. Astfel, pentru numrul de ore de transport anual a fost aleas o distribuie normal cu media de 800 de ore i abaterea standard de 60 de ore. Capacitatea ocupat a curselor planificate a fost modelat printr-o distribuie triunghiular cu valoarea minim 30%, valoarea probabil 50% i valoarea maxim 70%. Tot printr-o distribuie triunghiular a fost modelat i proporia curselor charter n totalul orelor de transport anuale, avnd un minim de 0,4, o valoare probabil de 0,5 i o valoare maxim de 0,6. Costurile operaionale pe ora de transport au fost modelate printr-o distribuie normal cu media 250 i abaterea standard de 10. n fine, pentru costurile fixe, s-a optat pentru o distribuie discret cu probabilitatea 0,25 de a realiza costuri fixe de 7.500, probabilitatea 0,45 ca firma s aib costuri fixe de 10.000 i probabilitatea de 0,30 de a nregistra costuri fixe de 12.500. Cu parametrii stabilii pentru fiecare variabil aleatoare a modelului, se trece la simularea valorilor acestor variabile, pentru fiecare distribuie n parte i apoi la agregarea valorilor simulate n model. n exemplul problemei noastre, cu valorile simulate se calculeaz indicatorii economici i apoi rezult valorile pentru variabila aleatoare de profit anual. Simularea se realizeaz pentru un ir semnificativ de valori (n general ntre 1.000 i 10.000 de valori simulate) i se poate repeta de mai multe ori.
89
Pentru exemplul firmei de transport, rezultatele simulrii sunt prezentate n Tabelul 3.2.
Tabelul 3.2 Parametrii simulrii Parametri Media Abaterea standard Valoarea minim Prima cuartil (Q1) Mediana A treia cuartil (Q3) Valoarea maxim Valori 18.827 20.971 -20.992 4.479 16.007 33.428 66.977
Histograma frecvenei distribuiei simulate este redat n Figura 3.11.

25 20
Frecvena
15 10 5 0 -30,000 -10,000 10,000 30,000 50,000 70,000
Profit anual
Fig. 3.11 Histograma frecvenei distribuiei simulate
Distribuia cumulativ a variabilei simulate (profitul anual), obinut din cumularea datelor de simulare, este prezentat n Figura 3.12.
1.0 0.9
Probabilitatea cumulativ
0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0.0 -40,000 -20,000 0 20,000 40,000 60,000 80,000
Profit anual
Figura 3.12 Distribuia cumulativ simulat
90
S analizm acum rezultatele simulrii. Valoarea medie simulat a profitului anual este de 18.827, cu o abaterea standard de 20.971. Se observ c media profitului se apropie destul de mult de valoare rezultat ca urmare a calculului profitului n modelului determinist (modelul fr variabile aleatoare din Tabelul 3.1). Amplitudinea valorilor simulate este de 87.969, cu valoarea minim simulat este de 20.992 i valoarea maxim 66.977. Analiznd cuartilele, rezult pentru prima cuartil ( Q1 = Q25% ) o valoare de 4.479, ceea ce nseamn c cu probabilitatea 0,75 profitul anual va fi de circa 4.500, mediana (sau cuartila Q2 = Q50% ) de 16.007, adic cu probabilitatea 0,50 profitul anual va fi de 16.000, iar a treia cuartil ( Q3 = Q75% ) este egal cu 33.428, adic probabilitatea 0,25 de a avea un profit anual de 33.500. Centilele P0% , P10% ,K , P90% , P100% (care se mai numesc i decile) sunt prezentate n Tabelul 3.3. Cu ajutorul lor, dar i al reprezentrii distribuiei cumulative simulate, putem s evalum probabilitile de a avea diferite valori ale profitului.
Tabelul 3.3 - Centilele distribuiei simulate Centile P0% P10% P20% P30% P40% P50% Valori 20.992 6.937 3.194 7,303 11.007 16.007 Centile P60% P70% P80% P90% P100% Valori 22.026 29.046 39.678 47.358 66.977
Gradul de certitudine n rezultatele obinute prin simulare poate fi evaluat i prin intermediul distribuiei cumulative simulate din Figura 3.12. Astfel, probabilitatea ca firma s nu nregistreze pierderi notnd cu X variabila aleatoare reprezentat de profitul anual este aproximativ probabilitatea: Prob{X 0} = 1 Prob{X < 0} 1 0,17 = 0,83 , (3.51) iar probabilitatea ca profitul anual s fie mai mare sau egal cu 20.000 este aproximativ: Prob{X 20.000} = 1 Prob{X < 20.000} 1 0,56 = 0,44 . (3.52)
Analiza de senzitivitate
Analiza de senzitivitate este o tehnic prin care sunt simulate reaciile modelului la diferitele variaii ale variabilelor de intrare. Etapele pentru realizarea analizei de senzitivitate sunt urmtoarele: (1) Se stabilesc valorile minime, de baz i maxime ale variabilelor de intrare ale modelului.
91
(2) Se efectueaz analiza influenei tuturor variabilelor asupra modelului (analiza multidimensional). (3) Se efectueaz analiza variabilitii modelului, prin analiza amplitudinii i a varianei variabilelor de intrare. Pentru analiza de senzitivitate, un prim pas l constituie stabilirea limitelor de variaie ale variabilelor modelului, att pentru variabilele controlabile (deterministe), ct i pentru variabilele aleatoare. n acest scop se determin valorile minime, de baz i cele maxime ale variabilelor de intrare ale modelului. Pentru aplicaia anterioar, aceste valori sunt date n Tabelul 3.4.
Tabelul 3.4 Valorile minime, de baz i maxime ale variabilelor de intrare Variabile de intrare Pre cursa charter/or Pre bilete/or Ore transport/an Capacitatea curselor planificate Proporia curselor charter Costuri operaionale/or Costuri fixe (leasing, asigurri, salarii) Min 225 110 600 30% 0,4 220 7.500 Baza 250 130 800 50% 0,5 250 10.000 Max 275 150 1.000 70% 0,6 280 12.500
Analiza multidimensional se realizeaz considernd o plaj de variaie a fiecrei variabile de intrare n model, de obicei ntre 50% i 150%, cu un pas de variaie din 10% n 10%. Valorile calculate pentru valorile 50%, 80%, 100%, 120% i 150% ale valorilor variabilelor de intrare din modelul aplicaiei noastr sunt date n Tabelul 3.5.
Tabelul 3.5 Valorile 50% 150% ale variabilelor de intrare Variabile de intrare Pre cursa charter/or Pre bilete/or Ore transport/an Capacitatea curselor planificate Proporia curselor charter Costuri operaionale/or Costuri fixe (leasing, asigurri, salarii) 50% 125 65 400 25% 0,25 125 5.000 80% 200 104 640 40% 0,40 200 8.000 100% 250 130 800 50% 0,50 250 10.000 120% 300 156 960 60% 0,60 300 12.000 150% 375 195 1.200 75% 0,75 375 15.000
n continuare, cu valorile variabilelor de intrare din tabelul de mai sus, sunt calculate restul variabilelor de ieire ale modelului, respectiv venitul total i costul total, din care rezult profitul anual. Analiza multidimensional a variaiei valorice a profitului anual este prezentat n Tabelul 3.6. Valorile din acest tabel sunt obinute considernd succesiv, pentru fiecare element al tabelului, valorile din Tabelul 3.5 ca
92
urmare a variaiei, iar restul valorilor de calcul fiind cele corespunztoare bazei (100%) din acelai tabel. De exemplu, valoarea profitului de 30.000 ca urmare a unui pre pe or al cursei charter corespunztor variaiei de 50% a acestui pre se obine considernd n modelul de calcul preul de 125 (din coloana 50% a tabelului de mai sus), iar celelalte elemente din coloana 100%.
Tabelul 3.6 Analiza multidimensional a variaiei valorice a profitului anual Variabila de ieire Variabile de intrare Pre cursa charter/or Pre bilete/or Ore transport/an Capacitatea curselor planificate Proporia curselor charter Costuri operaionale/or Costuri fixe (leasing, asigurri, salarii) 50% 30.000 45.000 5.000 45.000 35.000 120.000 25.000 Profit anual (valoric) 80% 0 6.000 14.000 6.000 26.000 60.000 22.000 100% 20.000 20.000 20.000 20.000 20.000 20.000 20.000 120% 40.000 46.000 26.000 46.000 14.000 20.000 18.000 150% 70.000 85.000 35.000 85.000 5.000 80.000 15.000
Pe baza datelor din Tabelul 3.6, s-a ntocmit o fi de analiz multidimensional a efectului variaiei variabilelor de intrare asupra variabilei de ieire, respectiv o fi cu mai multe variabile reprezentat n Figura 3.13.
120,000 100,000 80,000 60,000 Pre bilete/or Ore transport/an Capacitatea curselor planificate 70% 90% 110% 130% 150% Proporia curselor charter Costuri operaionale/or Costuri fixe (leasing, asigurri, salarii) Pret cursa charter/or
Profit anual
40,000 20,000 0 50% -20,000 -40,000 -60,000 -80,000
% modificare variabile intrare
Figura 3.13 Analiza multidimensional a variaiei valorice a profitului anual
O alt modalitate de analiz o constituie considerarea variaiei procentuale a profitului ca urmare a variaiei procentuale a variabilelor de intrare, prezentat n Tabelul 3.6
93
Tabelul 3.6 Analiza multidimensional a variaiei procentuale a profitului anual Variabila de ieire Variabile de intrare Pre cursa charter/or Pre bilete/or Ore transport/an Capacitatea curselor planificate Proporia curselor charter Costuri operaionale/or Costuri fixe (leasing, asigurri, salarii) 50% 150% 225% 25% 225% 175% 600% 125% Profit anual (procentual) 80% 0% 30% 70% 30% 130% 300% 110% 100% 100% 100% 100% 100% 100% 100% 100% 120% 200% 230% 130% 230% 70% 100% 90% 150% 350% 425% 175% 425% 25% 400% 75%
Fia de analiz multidimensional corespunztoare datelor din Tabelul 3.6 este reprezentat n Figura 3.14.
700% 600% % modificare profit annual 500% 400% 300% 200% 100% 0% -100% -200% -300% -400% -500% 50% 70% 90% 110% 130% 150%
Pret cursa charter/or Pre bilete/or Ore transport/an Capacitatea curselor planificate Proporia curselor charter Costuri operaionale/or Costuri fixe (leasing, asigurri, salarii)
% modificare variabile intrare
Figura 3.14 Analiza multidimensional a variaiei procentuale a profitului anual
Analiza de senzitivitate multidimensional pune n eviden faptul c o serie de variabile au un impact negativ asupra modelului, iar altele un impact pozitiv. Astfel, pentru variabilele costurile operaionale, proporia curselor chartere i costurile fixe, creterea lor determin o scdere a profitului anual, n timp ce celelalte variabile au un impact pozitiv, creterea lor contribuind la creterea profitului anual. Cea mai important variaie o prezint variabila de costuri operaionale pe or. Reducerea la 80% a costurilor ar duce la o cretere a profitului cu 300%, iar creterea la 120% a costurilor operaionale va duce la o scdere cu 100% a profitului. Impactul pozitiv cel mai important asupra modelului este dat de variabilele capacitatea i preul biletelor pentru cursele planificate, precum i preul curselor charter, aa cum rezult i din reprezentrile grafice ale fielor multidimensionale.
94
Continund analiza de senzitivitate, vom studia amplitudinea fiecrei variabile, ct i ponderea variabilitii fiecrei variabile n modelul simulat. Pentru aceasta, calculm mai nti valorile profitului anual, variind succesiv datele minime, de baz i maxime din Tabelul 3.4, n raport cu datele de baz, similar ca la analiza multidimensional. Datele obinute sunt prezentate n Tabelul 3.7.
Tabelul 3.7 Analiza limitelor variaiei valorice a profitului anual Variabila de ieire Variabile de intrare Capacitatea curselor planificate Costuri operaionale/or Pre bilete/or Pre cursa charter/or Ore transport/an Proporia curselor charter Costuri fixe (leasing, asigurri, salarii) Profit anual (valoric) Min 32.000 44.000 0 10.000 12.500 26.000 22.500 Baza 20.000 20.000 20.000 20.000 20.000 20.000 20.000 Max 72.000 4.000 40.000 30.000 27.500 14.000 17.500
Pe baza acestor date, pentru fiecare variabil vom calcula amplitudinea ca fiind diferena n valoare absolut dintre valoarea maxim i valoarea minim corespunztoare. Pentru calculul ponderii varianei, vom calcula variana ca fiind ptratul amplitudinii i apoi pentru fiecare variabil, vom calcula ponderea ei procentual din totalul ptratului amplitudinilor. Variabilele sunt apoi sortate n ordine descresctoare a valorii amplitudinii. Datele sunt prezentate n Tabelul 3.8.
Tabelul 3.8 Analiza amplitudinii i a ponderii varianei Variabile de intrare Capacitatea curselor planificate Costuri operaionale/or Pre bilete/or Pre cursa charter/or Ore transport/an Proporia curselor charter Costuri fixe (leasing, asigurri, salarii) Amplitudinea Variana (%) Cumulat (%) 104,000 48,000 40,000 20,000 15,000 12,000 5,000 69.7% 14.9% 10.3% 2.6% 1.5% 0.9% 0.2% 69.7% 84.6% 94.9% 97.5% 98.9% 99.8% 100.0%
Pentru analiz se construiete aa-numita fi tornado, n care sunt reprezentate valorile minime i maxime ale fiecrei variabile, ordonate descresctor, aa ca n Figura 3.15. Pentru ponderea varianei variabilelor putem construi o diagram Pareto, considernd ponderea cumulat a fiecrei variabile aleatoare n totalul varianei.
95
-40,000 -20,000
20,000 40,000 60,000 80,000 Capacitatea curselor planificate Costuri operaionale/or Pre bilete/or Pret cursa charter/or Ore transport/an Proporia curselor charter Costuri fixe (leasing, asigurri, salarii)
Figura 3.15 Fia tornado pentru amplitudine
Diagrama Pareto pentru ponderea varianei fiecrei variabile este redat n Figura 3.16.
120% 100% 80% 60% 40% 20% 0% Costuri operaionale/or Pre bilete/or Pret cursa charter/or Proporia curselor charter Capacitatea curselor planificate Ore transport/an 14.9% 10.3% 2.6% 1.5% 0.9% 0.2% Costuri fixe (leasing, asigurri, salarii) 69.7% 84.6% 69.7% 94.9% 97.5% 98.9% 99.8% 100.0%
Figura 3.15 Diagrama Pareto pentru varian

A3.1 O firm urmrete simularea fluxului de numerar net pentru vnzrile unui anumit produs n anul urmtor. Modelul economic avut n vedere este urmtorul: Indicatori Pre unitar Uniti vndute Costuri variabile unitare Costuri fixe Cash flow net Valori 30 1.000 12 12.000 6.000 Distribuia Controlabil Normal Triunghiular Discret Parametri Media = 1.000 Ab. std = 100 Min = 10 Baza = 12 Max = 15 P{10.000}= 0,25 P{12.000}= 0,50 P{50.000}= 0,25 Min 25 700 10 10.000 Baza 30 1.000 12 Max 35 1.300 15
12.000 15.000 -
96
CAPITOLUL 3 TEHNICI DE SIMULARE Valoarea de cash flow net a fost determinat de diferena dintre venitul total (1.000 x 30 = 30.000) i cheltuielile totale (1.000 x 12 + 12.000 = 24.000). Preul de vnzare fiind o variabil controlabil, pentru celelalte variabile aleatoare ale modelului au fost stabilite, pe baza datelor istorice de marketing, distribuiile de probabilitate din tabelul de mai sus. De asemenea, n tabel sunt date valorile minime, de baz i maxime pentru variabilele modelului. (a) (b) (c) (d) S se construiasc un model de simulare, histograma frecvenei i distribuia cumulativ simulat. Care este probabilitatea ca firma s obin profit din vnzarea produsului respectiv? Care este probabilitatea c aprofitul s fie cel din modelul determinist, adic 6.000? S se realizeze analiza de senzitivitate pentru acest model.
A3.2 O firm urmrete trebuie s decid alegerea companiei de telefonie celular, ntre dou firme, Alfatel i Betafon. Pentru fiecare telefon al firmei, Alfatel ofer n cadrul abonamentului de 29,99 un numr de 400 de minute de convorbiri pe lun, iar ce depete acest numr de minute se taxeaz cu 0,40 pe minut. Betafon n cadrul abonamentului de 25,00 ofer un numr nelimitat de minute, dar convorbirile internaionale sunt taxate cu 0,08 pe minut. Modelul economic, din care rezult alegerea firmei Alfatel, este dat n tabelul de mai jos: Indicatori Cost abonament Minute incluse Minute adiionale Internaionale Convorbiri lunare % convorbiri internaionale Numr minute convorbiri internaionale Cost total Cost economisit prin alegerea Alfatel Alfatel 29,99 400 0,40 0 400 30% 120 29,99 4,61 34,60 Betafon 25,00 Nelimitat 0 0,08
Datele istorice au relevat o distribuie normal cu media 400 de minute i abaterea standard de 20 minute pentru numrul de minute de convorbiri lunare, respectiv o distribuie triunghiular cu minimul de 10%, valoarea probabil de 30% i maximul de 40% pentru procentul de convorbiri internaionale. (a) (b) (c) (d) S se construiasc modelul de simulare, histograma frecvenei i distribuia cumulativ simulat. S se determine gradul de certitudine privind obinerea de profit n urma alegerii Alfatel. Care este probabilitatea ca firma s obin profitul de 4,61? S se realizeze analiza de senzitivitate pentru acest model, utiliznd ca valori minime i maxime valorile rezultate din simulare pentru numrul de minute lunare i procentul de convorbiri internaionale, iar ca valori de baz cele din tabelul de mai sus, respectiv 400 minute i 30%.
4
MANAGEMENTUL RISCULUI N CALITATE I FIABILITATE
4.1 O PROBLEM DE DECIZIE N CALITATE
Unul din domeniile n care riscul poate avea influene deosebit de importante i mai ales consecine foarte grave este reprezentat de sistemul de management al calitii. Riscul n calitate este ntotdeauna inclus n ecuaia calitate cost, deoarece att atingerea i meninerea unui nivel de calitate corespunztor, pe de o parte, dar i deteriorarea calitii, pe de alt parte, poate genera costuri foarte mari. Vom analiza n continuare o problem de decizie n care decidentul i stabilete deciziile i aciunile i i evalueaz riscul n funcie de o serie de caracteristici de calitate, dar n strns legtur i cu criterii de cost. Considerm o companie care realizeaz motoare de automobile, n care sunt asamblate componente de mare complexitate tehnic i cu costuri ridicate, care trebuie realizate la standarde de calitate foarte nalte. Unul din aceste componente este arborele cotit, care este fabricat din oel cu o compoziie special. Semifabricatele pentru arbori se aprovizioneaz, dup care compania realizeaz operaii complexe de prelucrri mecanice i tratamente termice, operaii realizate ns cu costuri semnificative. O caracteristic de calitate deosebit de important este duritatea (notat HB), care se msoar pentru fiecare unitate de produs aprovizionat. Studiile de capabilitate asupra loturilor livrate au condus la concluzia c duritatea are o distribuie normal, cu media = 102 (uniti Brinell) i cu abaterea standard = 2 . Intervalul de toleran specificat pentru aceast caracteristic este intervalul [98; 106] , arborii care nu se ncadreaz ntre aceste limite specificate fiind supui unor operaii suplimentare de tratament termic, operaii care genereaz un cost suplimentar de 300 pentru a readuce arborii prelucrai n limitele de duritate specificate. Acest cost este relativ ridicat fa de preul iniial al semifabricatului, dar este considerabil mai mic comparat cu costul operaiilor suplimentare necesare a fi realizate pentru semifabricatele iniiale. Departamentul de aprovizionare al companiei a primit o comand pentru achiziionarea a 1.000 de semifabricate de arbori cotii. Lotul minim de aprovizionare
97
98
CAPITOLUL 4 MANAGEMENTUL RISCULUI N CALITATE I FIABILITATE
este de 500 de buci. Lista de furnizori acceptai pentru arbori conine trei furnizori, clasificai A, B i C, n funcie de criterii de calitate i de pre, astfel: Furnizorul A, care ofer arborii la un pre unitar de 200 i are cel mai bun nivel calitativ, realiznd o duritate cu parametrii A = 102 i A = 2 ; Furnizorul B, care ofer arborii la un pre unitar de 140, dar studiile de capabilitate ale produselor livrate anterior au indicat loturi livrate cu parametrii B = 105 i B = 2 ;
Furnizorul C, care ofer arborii la un pre unitar de 140 pentru lot de 1.000 buci i 150 pentru lot de 500 buci, dar despre calitatea crora nu exist informaii anterioare. Vom aplica pentru aceast problem algoritmul de rezolvare a problemei de decizie prezentat n capitolul 2 i vom analiza mai nti problema de decizie fr experimentare, iar apoi vom rezolva problema pentru decizia cu experimentare. A. DECIZIA FR EXPERIMENTARE
Pasul 1. Definirea problemei de decizie. P1.1: Problema de decizie const din urmtoarele aciuni:
a1 : Aprovizionarea a 1.000 arbori de la furnizorul C;
a2 : Aprovizionarea a 1.000 arbori de la furnizorul A;
a3 : Aprovizionarea a 500 arbori de la furnizorul C i 500 arbori de la furnizorul A; a4 : Aprovizionarea a 500 arbori de la furnizorul C i 500 arbori de la furnizorul B; a5 : Aprovizionarea a 1.000 arbori de la furnizorul B;
a6 : Aprovizionarea a 500 arbori de la furnizorul A i 500 arbori de la furnizorul B,
i deci spaiul de aciune este A = {a1 , a2 , a3 , a4 , a5 , a6 } . P1.2: Strile naturii pentru aceast problem sunt:
1 : Parametrii de duritate ai loturilor livrate sunt: = 102 , = 2 ; 2 : Parametrii de duritate ai loturilor livrate sunt: = 105 , = 2 .
Rezult spaiul strilor = {1 , 2 }. P1.3: Consecinele aciunilor sunt determinate de considerarea parametrilor de duritate pentru strile 1 i 2 , i pentru fiecare din cele ase aciuni stabilite, consecine pe care nu le vom mai lista aici.
99
P1.4: Costurile (UM=) sunt mai dificil de determinat. Avem mai nti, preurile unitare de aprovizionare (preul pe bucat), care sunt: Furnizorul A: Furnizorul B: Furnizorul C: Remaniere: 200 / bucat; 140 / bucat; 140 / bucat la lot de 1.000; 150 / bucat la lot de 500; 300 / bucat.
C u = Pu + 300 C r , remaniere i este o variabil aleatoare (Bernoulli) cu valorile: 0, dac 98 HB 106 . Cr = 1, dac HB < 98 sau HB > 106 Atunci distribuia de probabilitate a acestei variabile aleatoare este dat de: Prob{C r = 1} = Prob{HB < 98} + Prob{HB > 106} = p .
Prob{Cr = 0} = Prob{98 HB < 106} = 1 p .
Vom determina n continuare, costul unitar Cu , cu urmtoarea relaie:

(4.1) unde Pu este preul unitar de aprovizionare de mai sus, iar C r este costul unitar de
(4.2)
(4.3) (4.4)
innd cont c HB are o distribuie normal, cu media = 102 i cu abaterea standard
= 2 , respectiv cu media = 105 i cu abaterea standard = 2 ,obinem: 0,02275 + 0,02275 = 0,0455, dac = 102 p= . 0,000233 + 0,3085 = 0,3088, dac = 105
M [Cr ] = 1 p + 0 (1 p ) = p ,
Cmu = Pu + 300 p ,
(4.5)
Valoarea medie (valoarea ateptat) a variabilei aleatoare Cr este dat de relaia:

(4.6)
(4.7)
iar atunci formula costului mediu unitar C mu devine:

unde p poate fi interpretat ca fiind fraciunea de uniti defective care se remaniaz, provenind din loturile aprovizionate. Rezult urmtoarele valori pentru costul mediu unitar:
Preul unitar Pu 140 / bucat 150 / bucat 200 / bucat Costul mediu unitar C mu 153,650, 232,631, 163,650, 242,631, 213,650, dac = 102 dac = 105 dac = 102 dac = 105 dac = 102
100 CAPITOLUL 4 MANAGEMENTUL RISCULUI N CALITATE I FIABILITATE
Pasul 2. Definirea funciei de pierdere.
P2.1: Funcia de pierdere:

2
232.631 213.650 228.141 237.631 232.631 223.141
max L( , a j )
232.631 213.650 228.141 237.631 232.631 223.141
a1 a2 a3 a4
a5 a6
1.000 C 1.000 A 500 C 500 A 500 C 500 B 1.000 B 500 A 500 B
153.650 213.650 188.650 198.141 232.631 223.141
P2.2: Eliminarea aciunilor dominate: Avem relaiile de dominare:

a4 << a3 , a5 << a2 , a6 << a2 ,
de unde rezult funcia de pierdere numai cu aciunile dominante:

2
232.631 213.650 228.141
max L( , a j )
232.631 213.650 228.141
a1 a2 a3
1.000 C 1.000 A 500 C 500 A
153.650 213.650 188.650
P3.1: Se bordeaz tabelul funciei de pierdere cu o coloan care conine maximul valorilor funciei de pierdere din fiecare linie. P3.2: Regula de decizie minimax: min max L( , a j ) = 213.650 . P3.3: Decizia minimax: Aciunea a2 Aprovizionarea a 1.000 arbori de la furnizorul A.
P4.1: Probabilitile iniiale considerate sunt:

1
0,67
2
0,33
101
P4.2: Probabilitile iniiale verific condiiile de definire a probabilitilor (valorile sunt cuprinse ntre 0 i 1, iar suma lor este egal cu 1).
P5.1: Pierderile medii L(a j ) pentru fiecare aciune a j sunt:

2
77.544 71.217 76.047 min
L(a j )
179.977 213.650 201.814 179.977
a1 a2 a3
102.433 142.433 125.767
P5.2: Regula de decizie Bayes: min L(a j ) = 179.977 . P5.3: Decizia Bayes: Aciunea a1 Aprovizionarea a 1.000 arbori de la furnizorul C. n Figura 4.1 este reprezentat funcia de pierdere pentru decizia Bayes.
250000 225000 200000 175000 150000 125000 100000 0.0 0.2
L2 a2 a1 L3 L1
0.24
0.4 0.6 0.8 1.0
Fig. 4.1 Reprezentarea funciei de pierdere
B. DECIZIE CU EXPERIMENTARE Pasul 6. Definirea experimentului.
P6.1: Definim spaiul de eantionare X i variabila aleatoare x , calculat ca urmare a extragerii unui eantion cu n = 4 valori din fiecare lot aprovizionat i calculrii mediei valorilor de eantionare. Valorile la care ne raportm sunt media
1 = 102 i 1 = 105 , precum i abaterea standard 1 =
n =2
4 = 1.
P6.2: Se definesc urmtoarele proceduri de decizie i aciuni:

a1 , dac x < 103 d1 ( x ) = a3 , dac 103 x 104 , a , dac x > 103 2
a1 , dac x < 103 d2 (x ) = . a2 , dac x 103 P6.3: Costul experimentului l considerm 0, procedura de eantionare fiind prevzut n tehnologia de recepie a loturilor aprovizionate.
Pasul 7. Procedura Bayes cu probabiliti iniiale.

P7.1: Probabilitile condiionate ca urmare a experimentului sunt urmtoarele:
Prob{x < 103} = 0,8413
= 102
d1 ( x )
Prob{103 x 104} = 0,1359 Prob{x > 104} = 0,0228

Prob{x < 103} = 0,0228
= 105
Prob{103 x 104} = 0,1359

Prob{x > 104} = 0,8413
= 102
d2 (x )
Prob{x < 103} = 0,8413 Prob{x 103} = 0,1587

Prob{x < 103} = 0,0228 Prob{x 103} = 0,9772
= 105
P7.2: Calculul riscului mediu:

a1 a3
25.639 31.005
a2
4.861 179.753
C 0 0 C 0 0
R (d1 , j ) + C
159.772 216.051
R(d1 ,1 ) R(d1 , 2 )
129.273 5.292
a1
a2
33.897 208.789
R (d 2 , j ) + C
163.169 214.082
R(d 2 ,1 ) R(d 2 , 2 )
129.273 5.292
103
P7.3: Riscul mediu minimax:

R(d1 , ) R(d 2 , )
1
159.772 163.169
2
216.051 214.082
max 216.051 214.082
min
214.082
P7.4: Decizia minimax: d 2 P7.5 : Riscul mediu Bayes cu probabiliti anterioare:

R(d1 , ) R(d 2 , )
1
106.514 108.780
2
72.017 71.361 min
178.532 180.140 178.532
P7.6: Decizia Bayes: d1

P8.1: Considerm media obinut prin eantionare la recepie ca fiind x = 104,5 . Rezult probabilitile condiionate ca urmare a experimentului:
x
x
104,5
1
0,0175
2
0,3521
P8.2: Calculul probabilitilor condiionate posterioare:

k
X =k ( x ) p (k ) 1
0,0117
X (x)
0,1290
x
104,5
2
0,1174
P8.3: Calculul distribuiei posterioare:

k
f X = x (k )
x
104,5
1
0,0906
2
0,9094

P9.1: Riscul Bayes n funcie de distribuia posterioar ( x = 104,5 ):
1
B f (a1 ) B f (a2 ) B f (a3 )
13.914 19.348 17.084
2
211.565 194.303 207.481 min
B f (ai )
225.479 213.650 224.564 213.650
P9.2: Decizia privind aciunile Bayes:

x
104,5 Aciunea Bayes Pierderea medie 213.500 Distribuia marginal 0,1290
a2
Pasul 10. Evaluarea abordrii Bayes.

Vom defini n cele ce urmeaz aa-numita funcie de regret, care este definit de relaia:
r ( a , ) = L(a , ) min L( a , ) .
aA
(4.8)
valoarea minim corespunztoare este L(a2 , 2 ) = 213.650 , de unde obinem valorile funciei de regret.
Tabelul 4.1 Funcia de regret Starea naturii Aciunea
Principiul regretului exprim, de fapt, diferena dintre pierderea efectiv nregistrat i pierderea nregistrat dac ar fi fost aleas cea mai bun aciune posibil. Funcia de regret pentru problema noastr este calculat n Tabelul 4.1, pe baza tabelului funciei de pierdere. Pentru starea 1 valoarea minim este L(a1 ,1 ) = 153.650 , iar pentru starea 2
1
1.000 C 1.000 A 500 C 500 A 0 60.000 35.000
2
18.981 0 14.491
a1 a2 a3
n concluzie, dac adevrata stare a naturii este 2 , atunci decizia Bayes este optimal, n schimb dac starea naturii este 1 , atunci decizia Bayes de alegere a aciunii a2 este regretabil, pentru c va conduce la cea mai mare pierdere.
105
O procedur alternativ la alegerea funciei de risc ca msur a consecinelor unei aciuni o reprezint utilizarea curbei caracteristicii operative (CO), pe care o vom defini n continuare, n legtur i cu funcia de risc. Din punct de vedere statistic, exist dou tipuri de decizii incorecte care se pot adopta. Astfel, dac adevrata stare a naturii este 1 , adic = 102 , iar decidentul alege aciunea a 2 , atunci el comite o eroare de tipul (spea) I, iar probabilitatea ei de apariie este , numit i nivel de semnificaie. Dac ns adevrata stare a naturii este 2 ,iar decidentul alege aciunea a1 , atunci decidentul comite o eroare de tipul II, cu probabilitatea de apariie . S considerm urmtoarea procedur de decizie, care utilizeaz media x a eantionului cu n = 4 valori extras din loturile aprovizionate, cu regula de decizie:
a1 , dac 100,5 x 103,5 d x (x ) = . a 2 , dac x < 100,5 sau x > 103,5
(4.9)
Limitele de mai sus corespund siturii variabilei aleatoare x ntr-un interval de trei abateri standard fa de media specificat. Curba caracteristicii operative a procedurii de decizie d x ( x ) se obine reprezentnd grafic probabilitatea de a alege aciunea a1 , fa de adevrata stare a naturii (Figura 4.2). Valorile acestei curbe sunt ( ) pentru 102 i respectiv
1 pentru = 102 . Curba caracteristicii operative CO este deci o msur a
consecinei unei anumite proceduri de decizie.

1.20 1.00 0.80 0.60 0.40 0.20 0.00 98 99 100 101 102 103 104 105 106
(103)
Figura 4.2 Curba caracteristicii operative (CO) a procedurii de decizie
S comparm acum curba caracteristicii operative cu funcia de risc. Pentru o procedur de decizie d cu dou stri, s considerm c aciunea a1 este aleas dac variabila X aparine unei regiuni de acceptare A, iar aciunea a2 se alege dac X nu
aparine lui A. Atunci funcia de risc se poate scrie:

R(d , ) = L(a1 , ) Prob{X A} + L(a2 , ) Prob{X A} .
(4.10)
Partiionm spaiul strilor , n dou mulimi disjuncte 1 i 2 , astfel nct aciunea a1 este aciunea preferat dac 1 , respectiv a2 dac 2 . Dac funcia de pierdere este o funcie de regret, adic: L(a1 , ) = 0 dac 1
atunci riscul poate fi exprimat ca: L(a2 , ) Prob{X A}, dac 1 , R ( d , ) = L(a1 , ) Prob{X A}, dac 2 (4.12) , (4.11)
L(a2 , ) = 0 dac 2
Dac n relaia de mai sus considerm valorile funciei de regret ca fiind unitare, atunci avem: Prob{X A}, dac 1 , R ( d , ) = Prob{X A}, dac 2 iar 2 din toate celelalte puncte 102 . Atunci riscul este dat de:
Prob{X A} = , dac = 102 . R ( d , ) = Prob{X A} = ( ), dac 102
(4.13)
n contextul problemei noastre, 1 este mulimea alctuit din punctul = 102 ,
(4.14)
Atunci funcia de risc coincide cu curba caracteristicii operative pentru toate valorile 102 , i este 1 minus valoarea curbei caracteristicii operative (CO) pentru
= 102 .
n concluzie, curba caracteristicii operative (CO) pentru o procedur de decizie este reprezentarea grafic a probabilitii de acceptare a ipotezei statistice, fa de adevrata stare a naturii, reprezentat de obicei prin parametrii distribuiei de probabilitate considerate. Eroarea de tipul I este probabilitatea de respingere a ipotezei atunci cnd ea este adevrat, iar eroarea de tipul II este probabilitatea de acceptare a ipotezei atunci cnd ea este fals. Acceptarea sau respingerea ipotezei este echivalent cu alegerea aciunii a1 , respectiv a aciunii a2 . Decidentul trebuie s aleag o procedur de decizie a crei curb a caracteristicii operative (CO) s reflecte msura consecinelor sau riscul pe care este dispus s l accepte.
4.2 ABORDAREA TAGUCHI
107

4.2.1 Funcia de pierdere Taguchi
Vom analiza n continuare conceptele datorate profesorului japonez Genichi Taguchi, care a fundamentat o serie de metode pentru controlul calitii off-line i pentru proiectarea experimentelor, dintre care vom detalia aici funcia de pierdere introdus de Taguchi. Metodele pentru controlul calitii off-line constau din activiti pentru controlul calitii i al costurilor desfurate n stadiile de proiectare a produsului i a proceselor de realizare a acestuia. Obiectivele generale ale acestor metode sunt mbuntirea calitii i a fiabilitii produselor i reducerea costurilor de dezvoltare i execuie a acestor produse. Termenul off-line semnific, n acest context, faptul c activitile de mbuntire a calitii i de reducere a riscului de pierdere sunt realizate nainte de trecerea la etapa de control a calitii n timp real, respectiv etapa on-line, n care procesele trebuie s se reproduc la parametri optimali. O component cheie n filosofia lui Taguchi este reducerea variabilitii. Specificaiile tehnice impun adesea ca fiecare caracteristic de calitate s aib o anumit valoare nominal sau valoare int. Obiectivul l reprezint reducerea variabilitii fa de aceast valoare int. Taguchi a modelat efectele care pot s apar ca urmare a abaterii de la valoarea de int funcie de pierdere ptratic. Pierderea se refer la costul care poate se apar atunci cnd se utilizeaz un produs ale crui caracteristici de calitate de ndeprteaz de valoarea int. n mod tradiional i empiric se consider c unitile de produs situate n afara limitelor de toleran specificate sunt egal neconforme (la fel de necorespunztoare), n timp ce unitile de produs situate ntre limitele specificate sunt la fel de conforme (corespunztoare sau acceptabile), n funcie de situarea lor fa de limita specificat de toleran inferioar (LSI) sau superioar (LSS). Unitile situate n afara limitelor de toleran specificate constituie pierderea, corespunztoare ariei haurate din Figura 4.3. Obinem astfel aa-numita fraciune defectiv actual. Pierderea total rezult din considerarea costului unitar de remaniere, rebutare sau nlocuire a unitilor de produs defective. O alt abordare utilizeaz conceptul de interval natural de toleran (INT), care este o msur a variabilitii inerente a procesului, determinat de limitele naturale de toleran ale acestuia. Dac x i s sunt respectiv media i abaterea standard ale caracteristicii de calitate analizate calculate pentru eantioanele provenind din proces, atunci limita natural inferioar (LNI) este dat LNI = x 3s , iar limita natural superioar (LNS) este LNS = x + 3s .
Pierdere
LSI
LSS
Figura 4.3 Interpretarea empiric a funciei de pierdere
Proporia de uniti de produs neconforme, situate n afara limitelor de toleran specificate, este estimat cu ajutorul distribuiei normale care modeleaz procesul respectiv N (t , x , s ) , prin considerarea fraciunii defective inferioare ( pinf ), superioare ( psup ) i totale ( ptot ), ca fiind probabilitile:
pinf = Prob{X < LSI } = N (t , x , s )dt , psup = Prob{X > LSS } = 1 Prob{X < LSS } = 1 N (t , x , s )dt ,
LSS LSI
(4.15) (4.16)
ptot = Prob{X < LSI sau X > LSS } = Prob{X < LSI } + Prob{X > LSS } = pinf + psup .
(4.17) Aplicnd n continuare costurile unitare de remaniere, rebutare sau nlocuire, obinem pierderea total estimat, similar calculului costului din exemplului anterior. Fie X variabila aleatoare ce reprezint o caracteristic de calitate a unui proces, cu T valoarea int, modelat de o distribuie normal N ( x , , ) , unde x X i = T . Fie, de asemenea, abaterea de la int a procesului. Taguchi a considerat funcia de pierdere ptratic (ale crei proprieti matematice au fost fundamentate de Gauss n 1809) de forma:
LT ( x ) = k ( x T )2 .
(4.18)
Fie K pierderea pentru abaterea = x T de la inta T a procesului. Atunci avem:

LT ( x ) = k 2 = K ,
(4.19) (4.20)
de unde obinem:
k= K
Funcia de pierdere Taguchi este reprezentat n Figura 4.4.
109
Pierdere
K
LSI
LSS
Figura 4.4 Funcia de pierdere Taguchi
S considerm acum valoarea medie a funciei de pierdere Taguchi. Obinem:

M [LT ( x ,T )] = M k ( x T )2 = k M ( x T )2
2
[ = k [
+ ( T )2
].
4.21)
Am obinut astfel riscul Taguchi, respectiv pierderea medie asociat unui proces ca urmare a deplasrii procesului fa de inta specificat a acestuia. Scriind o formul mai general, dac LT ( x ,T ) este funcia de pierdere utilizat ca model, iar f ( x , ) distribuia de probabilitate a procesului, atunci riscul Taguchi este:
M [LT ( x ,T )] = LT ( x ,T ) f ( x , )dx .
(4.22)
Vom analiza n continuare funcia de pierdere i riscul Taguchi n corelare cu indicii de performan ai unui proces, respectiv indicele de potenial C p , care este o msur a variabilitii procesului i este dat de relaia: LSS LSI Cp = , (4.23) 6 indicele de capabilitate C pk , care este o msur a centrrii procesului, fiind definit ca:
LSI LSS C pk = min ; (4.24) , 3 3 i indicele de precizie C pm , propus iniial chiar de Taguchi, care este o msur a
abaterii procesului fa de int, calculat cu relaia: LSS LSI . C pm = 6 2 + ( T )2
(4.23)
Din ultima relaie i innd cont de relaia (4.21) se poate obine urmtoarea relaie ntre indicele de precizie C pm i riscul Taguchi, respectiv:
ITS 1 , M [LT ( x , T )] = k (4.24) 6 C pm unde ITS = LSS LSI este intervalul de toleran specificat. Relaia obinut este interesant, avnd n vedere c pentru un proces cu un nivel de performan specificat (NPS) de 3 sigma, indicele de potenial C p = 1,00 , trebuie s avem ITS = 6 i atunci relaia de mai sus devine: , (4.25) M [LT ( x ,T )] = k C pm Generaliznd, pentru nivele de performan specificate ale procesului de 3 Sigma, 4 Sigma, 5 Sigma i 6 Sigma, crora le corespund valorile nivelelor de performan NPS {1,00; 1,33; 1,67; 2,00} , atunci riscul Taguchi poate fi exprimat n funcie de performana specificat pentru proces i de indicele de precizie, cu relaia:
NPS , (4.26) M [LT ( x , T )] = k C pm S considerm acum, pentru exemplificare, un proces de fabricaie care genereaz o caracteristic de calitate cu limitele de toleran specificate LSI = 21,5 mm i LSS = 23,5 mm, avnd valoarea nominal (inta) T = 22,5 mm, pentru care costul unei uniti de produs defective (situat n afara limitelor de toleran specificate) este K = 3 (). n Figura 4.5 sunt reprezentate trei situaii relative la acest proces. n prima,
2
procesul are un indice de potenial foarte bun, C p = 2,00 , dar indicii de capabilitate i de precizie sunt necorespunztori, procesul fiind puternic descentrat. n cea de a doua ipostaz a procesului, suntem n situaia unui proces optimal ca variabilitate i tendin central, toi indicii de performan fiind foarte buni. n al treilea caz, procesul este la un nivel de performan de 3 Sigma, toi indicii de performan fiind egali cu 1,00. Vom calcula funcia de pierdere Taguchi pentru cele trei cazuri ale procesului. Pentru primul caz, avem 1 = 22 i 1 = 0,167 i rezult = 21,5 22,5 = 1 , de unde k = 3 1 = 3 . Obinem, aplicnd relaia (4.21), pierderea medie pe unitatea de produs ca fiind M [L1 ] = 3 0,167 2 (22 22,5)2 = 0,83 . Pentru cel de al doilea proces, parametrii sunt 2 = 22,5 i 2 = 0,167 i pierderea medie pe unitatea de produs va fi M [L2 ] = 3 [0,167 2 (22,5 22,5)2 ] = 0,08 . n fine, pentru cel de al treilea proces, avnd 3 = 22,5 i 3 = 0,333 , pierderea medie pe unitatea de produs va fi
M [L3 ] = 3 0,3332 ( 22,5 22,5)2 = 0,33 . Se observ c pierderea medie cea mai
mare, deci riscul Taguchi cel mai ridicat, se obine n cazul primului proces, care este
111
cel mai descentrat, ceea ce confirm principiul lui Taguchi c cu ct ne ndeprtm de inta procesului, calitatea se deterioreaz, iar costurile cresc semnificativ.
Cp =2 Cpk =1 Cpm =0,63 Cp =2 Cpk =2 Cpm =2 Cp =1 Cpk =1 Cpm =1
21
21.5
22
22.5
23
23.5
24
Figura 4.5 Funcia de pierdere pentru 3 procese cu indici de performan diferii
Valorile riscului Taguchi se obin relativ uor cu formula pe care am propus-o anterior, respectiv relaia (4.24). Astfel, ITS = 23,5 21,5 = 2 , iar pentru primul proces C pm = 0,6325 . Atunci valoarea medie a pierderii Taguchi este:
2 ITS 1 = 3 2 1 = 0,83 . (4.27) M [L1 ] = k 6 C 6 0,6325 pm S analizm acum funcia de pierdere i riscul Taguchi atunci cnd nivelul de performan specificat pentru proces este 6 Sigma. S remarcm faptul c, n ultimii ani, acest concept (cunoscut sub numele Six Sigma i dezvoltat de firma american Motorola) ctig din ce n ce mai mult teren i mai muli adepi, n toate domeniile de activitate economic. Parametrii int pentru nivelul 6 Sigma sunt un indice de potenial C p 2 i un indice de capabilitate C pk 1,5 , ceea ce nseamn o fraciune 2
defectiv admis de 3,4 ppm (uniti defective pe milion)! n exemplul nostru, pentru ca procesul s fie de tip 6 Sigma trebuie s aib parametrii C p = 2 , C pk = 1,5 , de unde rezult c media procesului poate s se deplaseze cu 1,5 fa de int, respectiv ntre valorile 22,25 i 22,75. Atunci indicele de precizie corespunztor este: 23,5 21,5 C pm = = 1,11. (4.28) 6 0,167 2 + (22,75 22,5)2 Pentru calculul riscului Taguchi pentru un proces 6 Sigma vom aplica cealalt formul simpl de calcul pe care am propus-o, relaia (4.26), cu NPS = 2 , obinnd: NPS M [L6 ] = k C pm
2 = 3 2 0,167 = 0,27 /bucat. 1,11 2
(4.29)
4.3 EVALUAREA RISCULUI N FIABILITATE

4.3.1 Un model general de evaluare a riscului n fiabilitate
Utilizarea general a termenului calitate a unui produs are mai multe semnificaii, printre care i aceea de nivel inerent de excelen. n industrie, aceast definiie general devine i mai precis, calitatea fiind considerat conformana cu specificaiile, la nceputul utilizrii unui produs. Presupunnd c specificaiile (de natur tehnic, dar i economic) transpun n mod adecvat cerinele clientului, calitatea poate fi comensurat, de exemplu, prin fraciunea de uniti de produs care satisfac specificaiile. Se pune ntrebarea ns cte din unitile de produs conforme n momentul livrrii la client mai satisfac cerinele specificate dup o anumit perioad de utilizare a produsului (dup un an sau la finele perioadei de garanie)? Pentru a rspunde la aceast ntrebare se folosesc modelele statistico-matematice specifice fiabilitii, respectiv aa-numitul model al distribuiei duratei de via a unui produs, pentru care se poate utiliza orice funcie de densitate de probabilitate, f (t ) , definit pentru orice t de la 0 la . Funcia de distribuie cumulativ corespunztoare F (t ) ne va furniza atunci probabilitatea ca o anumit unitate de produs s funcioneze pn la momentul t (respectiv s se defecteze la momentul t), adic: F (t ) = Prob{ < t} , (4.30) unde este variabila aleatoare cu funcia de densitate de probabilitate, f (t ) .
Funcia de fiabilitate, care este o msur a duratei de funcionare, este
atunci:
R(t ) = Prob{ t} = 1 Prob{ < t} = 1 F (t ) .
(4.31)
Rata de defectare, care este o msur a intensitii de defectare, este dat de
relaia:
h(t ) = f (t ) f (t ) . = 1 F (t ) R(t )
(4.32)
Dar sistemele sunt evaluate, n general, printr-o mare varietate de metrici (calitate, cost, durat .a.), printre care i metricile de fiabilitate pe care le-am definit mai sus. Datorit faptului c metricile de performan ale unui sistem sunt de cele mai multe ori intercorelate, evaluarea performanelor sistemului trebuie s in cont de aceste metrici n mod simultan. Pentru sistemele complexe, decidenii sunt confruntai cu o mare cantitate de informaie referitoare la metricile sistemului, dar i cu incertitudinile asociate lor, care conduc la risc. De asemenea, n sistemele complexe, schimbrile suferite de una din componentele sistemului poate s aib impact major asupra tuturor metricilor de performan ale sistemului.
113
Vom defini n continuare un model general de reprezentare a unui sistem, care s permit furnizarea informaiilor critice asupra funcionrii sistemului, asupra incertitudinii i riscului asociat diferitelor scenarii analizate. Schema modelului este redat n Figura 4.6. Componentele fundamentale ale modelului sunt entitile i factorii de risc. Entitile pot fi, de exemplu, activitile unui proiect, iar factorii de risc pot fi de natur material sau de alt natur. n acest model definim dou tipuri de relaii. O relaie este de tip temporal i specific dependena de timp dintre dou entiti (reprezentat printr-o linie continu n Figura 4.6). De exemplu, dac entitile sunt dou activiti succesive ale unui proiect, relaia temporal poate fi condiia ca a doua activitate s poat s nceap numai dup finalizarea primei activiti. Un alt tip de relaie este relaia dintre entiti i factorii de risc, respectiv relaia de utilizare a factorilor (reprezentat printr-o linie punctat n Figura 4.6). Proprietatea de baz a acestei relaii entitate factor de risc este c o entitate poate produce (genera) sau poate consuma (absorbi) unul sau mai muli factori de risc.
Entitatea 1
Entitatea 2
Factor de risc
Funcia de distribuie cumulativ Probabilitatea
inta
M etrica
Figura 4.6 Reprezentarea general a unui model de risc n fiabilitate
Modelul este cuantificat prin variabile care descriu proprietile entitilor, factorilor de risc i a relaiilor de incertitudine. Aceast incertitudine este ncorporat n model prin variabile aleatoare. Cu ajutorul modelelor de simulare Monte Carlo pot fi obinute funciile de distribuie cumulative pentru metricile sistemului, ceea ce permite compararea cu valorile de performan specificate pentru sistem (valorile int) i determinarea probabilitii ca sistemul s nu funcioneze aa cum a fost prevzut. Aceast probabilitate este o component critic a analizei riscurilor sistemului. Modelul general prezentat aici este relativ simplu, utiliznd i instrumente de analiz la fel de simple. Dezavantajul acestei simpliti poate fi uneori o arie de aplicabilitate mai restrns la unele tipuri de probleme de decizie i risc. Cheia aplicabilitii acestui model general o constituie ns generalizarea conceptului de factor de risc. Am menionat anterior c factorii de risc pot fi de natur material (oameni, echipamente, materiale .a.). Dar factorii de risc nu trebuie s fie definii numai de natur material. De exemplu, un factor de risc poate fi determinat de metricile de fiabilitate ca urmare a unei activiti de realizate i testare a unui anumit produs. De asemenea, factorii de risc pot s fie exprimai de hazardul pe care poate s l genereze o anumit entitate. Vom particulariza n seciunea urmtoare acest model general pentru un model de evaluare a riscurilor concurente n fiabilitate.
4.3.2 Modelul de evaluare a riscurilor concurente

Vom analiza n continuare un model general care evalueaz riscul de defectare i care se poate utiliza pentru calculul ratelor de defectare ale unui sistem, ncepnd de la ratele de defectare ale modurilor de defectare ale componentelor sistemului respectiv. Acest model este cunoscut n literatura de specialitate sub denumirea de modelul riscurilor concurente (Competing Risk Model). Modelul se utilizeaz atunci cnd mecanismele de defectare concurente sunt independente i defectarea primului mecanism duce la cderea componentei respective. S presupunem c o component a unui sistem are k posibiliti diferite n care se poate defecta. Acestea se numesc moduri de defectare i considerm c pentru fiecare mod de defectare exist un mecanism de defectare. Modelul riscurilor concurente evalueaz fiabilitatea fiecrui component prin construcia de modele fiabiliste particulare pentru fiecare mod de defectare. Pentru modelul de evaluare a riscurilor concurente sunt necesare urmtoarele ipoteze de lucru: 1. Fiecare mecanism de defectare care produce un anumit tip de defectare (adic un mod de defectare) acioneaz de fiecare dat independent. 2. O component a sistemului se defecteaz atunci cnd primul din mecanismele de
115
3.
defectare intr n starea de defectare (componenta este n stare de cdere). Fiecare din cele k moduri de defectare au un model Fk (t ) cunoscut pentru distribuia duratei de via. Dac RC (t ) , FC (t ) i hC (t ) sunt respectiv funcia de fiabilitate, funcia de
distribuie cumulativ i rata de defectare pentru o anumit component C, iar Ri (t ) ,

Fi (t ) i hi (t ) sunt respectiv funcia de fiabilitate, funcia de distribuie cumulativ i
rata de defectare pentru modul de defectare i, atunci funciile corespunztoare pentru modelul riscurilor concurente sunt: Funcia de fiabilitate a componentei C:
RC (t ) = Ri (t ) ,
i =1 k
(4.33)
Funcia de distribuie cumulativ a componentei C:

FC (t ) = 1 { Fi (t )} , 1
i =1 k
(4.34)
Rata de defectare a componentei C:

hC (t ) = hi (t ) ,
i =1 k
(4.35)
Modelul riscurilor concurente poate fi sintetizat astfel: toate mecanismele de defectare concureaz pentru a atinge primul starea de defectare. Ele acioneaz independent i primul care atinge starea de defectare provoac defectarea componentei n care acioneaz. S aplicm acum modelul general definit anterior pentru evaluarea riscurilor concurente. Entitile pe care le considerm n model sunt entitatea Mod de defectare i entitatea Mecanism de defectare. Exist o relaie temporal ntre aceste entiti (reprezentat printr-o sgeat cu linie continu), prin faptul c, n timp, modul de defectare determin mecanismul de defectare. Presupunem c pentru fiecare mod de defectare am identificat factorul de risc corespunztor i relaiile aferente (Figura 4.7).
Mod de defectare Mecanism de defectare
Factor de risc
Figura 4.7 Schema modelului de risc mod de defectare mecanism de defectare
Considernd acum cazul unei componente a unui sistem cu k moduri de defectare, dac notm cu MDEFi cele k moduri de defectare identificate pentru o componenta respectiv, atunci fie FRi factorul de risc i MECDi mecanismul de defectare corespunztor. Schema modelului general de evaluare a riscurilor concurente este reprezentat n Figura 4.8.
MDEF1
MDEF2
MDEFk-1
MDEFk
FR1
FR2
FRk-1
FRk
MECD1
MECD2
MECDk-1
MECDk Componenta C
Figura 4.8 Schema modelului general de evaluare a riscurilor concurente
O alt abordare a riscului n fiabilitate pe care ns nu o vom detalia aici o reprezint matricea de evaluare a riscului. n general, aceast matrice conine pe linii frecvena de apariie a evenimentelor ntmpltoare (frecvena hazardului), iar pe coloane nivelele de severitate a riscului. n ceea ce privete frecvena, evenimentele incerte se clasific n: frecvente, probabile, ocazionale, ndeprtate, improbabile, incredibile. Nivelele de severitate ale consecinelor evenimentelor supuse hazardului se clasific n: nesemnificativ, marginal, critic, catastrofic. Clasificarea nivelelor de risc poate fi cantitativ (exprimat n valori de frecven) sau calitativ (nivel de risc tolerabil, respectiv intolerabil). Aceast abordare care nu este specific numai evalurii riscului n fiabilitate, ci i n alte domenii, dup cum vom vedea n capitolul urmtor are i o serie de limitri, legate de faptul c nu exist nc principii general acceptate pentru construirea unei asemenea matrice i de fapt nu exist o matrice de evaluare a riscului universal, cu criterii generale de evaluare, ea trebuind s fie construit pentru fiecare nou aplicaie. De asemenea, metoda predispune la o supraestimare a riscurilor, prin supraestimarea severitii consecinelor i nu ofer ci pentru includerea n model a factorilor de reducere a riscurilor.
4.4 MANAGEMENTUL RISCULUI N FMEA
117

4.4.1 Analiza modului de defectare i a efectelor FMEA
Vom analiza n continuarea modelelor de risc aplicate n calitate i fiabilitate, abordarea elementelor de management al riscului referitoare la utilizarea modelelor statistice de analiz a modului de defectare i a efectelor acesteia, i anume modelele FMEA. Termenul FMEA provine de la acronimul din limba englez pentru Failure Mode and Effects Analysis, respectiv Analiza Modului de Defectare i a Efectelor. n limbile romn i francez se utilizeaz i acronimul AMDE. FMEA poate fi descris ca un grup de activiti sistematizate, avnd ca obiective: (1) recunoaterea i evaluarea riscului defectrii poteniale ale unui produs sau proces i a efectelor acestei defectri; (2) identificarea aciunilor ce ar putea elimina sau reduce probabilitatea de apariie a unei defectri poteniale; (3) documentarea procesului i managementul riscului. Tehnicile FMEA au fost dezvoltate iniial de armata SUA. Astfel, procedura militar MILP1629 din 1949 era intitulat "Procedures for Performing a Failure Mode Effects and Criticaly Analysis" (Procedur pentru Analiza Modului de Defectare, a Efectelor i Criticalitii) i a fost utilizat ca o tehnic de evaluare a fiabilitii i a efectelor defectrilor echipamentelor militare. Cu toate acestea, primele aplicaii notabile ale tehnicilor FMEA sunt legate de dezvoltarea impresionant a industriei aerospaiale de la jumtatea anilor '60. ncepnd din 1987, Organizaia Internaional pentru Standardizare (ISO) a lansat seria de standarde ISO 9000. Cerinele acestor standarde au impus ca organizaiile s-i dezvolte sisteme pentru managementul calitii, orientate ctre satisfacerea clienilor. n SUA, cele trei mari firme productoare de autovehicule, Chrysler, Ford i General Motors au dezvoltat la nceputul anilor '90 o serie de standarde echivalente, din seria QS 9000, n scopul standardizrii sistemelor calitii. n conformitate cu prescripiile standardelor QS 9000, organizaiile trebuie s utilizeze metode avansate de planificare a calitii produselor, care includ modelele FMEA pentru produs i proces, i de asemenea s dezvolte planuri de control. Vom analiza n continuare cteva din principalele entiti utilizate n modelele FMEA, dintre care unele sunt generale pentru sistemul calitii, iar o serie sunt specifice FMEA. Elementele FMEA sunt elementele care sunt identificate i analizate n cursul aplicrii tehnicilor FMEA. Acestea sunt constituite din: funcii, moduri de defectare, cauze, efecte, controale i aciuni.
Funciile i modurile de defectare
Dup ce au fost stabilite obiectivele analizei FMEA, urmtorul pas l constituie identificarea funciilor. O funcie este un scop propus pentru produsul sau procesul care este analizat. Dac se analizeaz un sistem, atunci trebuie identificate, de asemenea, funciile subsistemelor individuale. Modurile de defectare se pot clasifica n urmtoarele categorii de defectare:

defectare complet; defectare parial; defectare intermitent; defectare n timp (gradual); supraperformana unei funcii.
Scopul acestei grupri n cinci categorii a modurilor de defectare este de a ajuta echipa FMEA s identifice toate modurile de defectare posibile. Analiza modurilor de defectare n aceast clasificare poate s releve anumite posibiliti de defectare care n anumite condiii nu ar fi fost considerate. De asemenea, se pot pune n eviden funciile care nu au fost definite corespunztor. O defectare parial, intermitent, gradual sau supraperformana unei funcii poate genera o defectare complet a altei funcii neidentificate. De aceea, utilizarea categoriilor de defectare poate fi un ajutor util pentru relevarea unor asemenea situaii.
Efectele
Dup stabilirea funciilor i a modurilor de defectare, urmtorul pas al modelului FMEA este identificarea consecinelor poteniale la apariia modurilor de defectare. Aceasta impune o activitate de analiz a echipei. Dup identificarea consecinelor, acestea trebuie induse n modelul FMEA ca efecte. n modelul FMEA se presupune c efectele unui mod de defectare apar ntotdeauna atunci cnd apare modul de defectare respectiv, fr a i se asocia o anumit probabilitate acestui tip de eveniment. Vom discuta n continuare o procedur pentru identificarea consecinelor poteniale care se poate aplica pentru nregistrarea consecinelor improbabile sau puin probabile. Aceast procedur asociaz n mod explicit efectele cu circumstanele n care acestea apar, prin identificarea de moduri de defectare adiionale.
Procedura pentru identificarea consecinelor poteniale
(1) Se ncepe cu un mod de defectare i se listeaz toate consecinele sale poteniale. Se separ consecinele care pot fi asumate c apar ori de cte ori apare modul de defectare respectiv i se consider ca efecte ale acestui mod de defectare. Se listeaz apoi pentru consecinele rmase modurile de defectare poteniale
119
(2)
(consecine care ar putea s apar cnd apare modul de defectare respectiv, dar depinznd de circumstanele n care acest mod de defectare apare); Aceste noi moduri de defectare identificate implic faptul c, innd cont de circumstanele de apariie, o serie de consecine este puin probabil s apar. Se separ consecinele care pot fi asumate c rezult ori de cte ori apare modul de defectare, de cele care apar numai n circumstane speciale. Aceste consecine se identific ca efecte ale modurilor de defectare adiionale.
Severitatea
Primul pas n analiza riscului este cuantificarea severitii efectelor. Efectele sunt clasificate pe o scar de la 1 la 10, valoarea 10 avnd severitatea cea mai mare. Sistemele de clasificare a severitii pentru proiect (DFMEA) i respectiv pentru proces (PFMEA) sunt prezentate n tabelele urmtoare (Tabelul 4.2 i Tabelul 4.3). Echipa FMEA trebuie s stabileasc criterii de evaluare adecvate pentru a utiliza corespunztor scara de clasificare. Efectele sunt evaluate grupat atunci cnd se cuantific riscul, dei valorile de severitate sunt atribuite n mod individual. Aceasta presupune c vor rezulta toate efectele atunci cnd modul de defectare apare. Totodat, efectul cel mai grav este prioritar atunci cnd se evalueaz potenialul de risc. Se observ c acest model va lua n considerare cauzele care au efecte multiple.
Tabelul 4.2 Tabelul de severitate pentru proiect (DFMEA) Criterii : Severitatea efectului Punctaj pentru DFMEA Hazardat fr Defectarea afecteaz operarea sigur a produsului sau 10 avertizare implic nerespectarea legislaiei - fr avertizare Hazardat cu Defectarea afecteaz operarea sigur a produsului sau 9 avertizare implic nerespectarea legislaiei - cu avertizare Foarte mare Produsul este inoperabil, cu pierderea funciei de baz 8 Produsul este operabil, dar la un nivel redus de Mare 7 performan Produsul este operabil, dar articolele care realizeaz Moderat 6 confortul nu sunt funcionale Produsul este operabil, dar articolele care realizeaz Redus 5 confortul funcioneaz la un nivel redus de performan Articolele de finisare i aspectul nu sunt conforme. Foarte redus 4 Majoritatea clienilor sesizeaz defectarea Articolele de finisare i aspectul nu sunt conforme. Circa Minor 3 jumtate dintre clieni sesizeaz defectarea Articolele de finisare i aspectul nu sunt conforme. O Foarte minor 2 mic parte dintre clieni sesizeaz defectarea Inexistent Nici un efect 1 Efect
S remarcm c scala datelor de severitate nu discrimineaz defectrile care
conduc la rezultate catastrofice, de cele cu consecine minore, sau cele care conduc la nerespectarea prevederilor legislaiei. De asemenea, un defect sesizat de cea mai mare parte a clienilor este cuantificat la mai puin de jumtate din scala de severitate, scal care ncepe de la valoarea 1 pentru situaia Nici un efect (valoarea zero nu se utilizeaz).
Tabelul 4.3 Tabelul de severitate pentru proces (PFMEA) Criterii : Severitatea efectului Punctaj pentru PFMEA Defectarea poate pune n pericol operatorii. Defectarea Hazardat fr afecteaz funcionarea n siguran a produsului sau 10 avertizare implic nerespectarea legislaiei - fr avertizare Defectarea poate pune n pericol operatorii. Defectarea Hazardat cu afecteaz funcionarea n siguran a produsului sau 9 avertizare implic nerespectarea legislaiei cu avertizare ntrerupere major a procesului. Produsele pot fi 100% Foarte mare defective. Produsul este inoperabil, cu pierderea funciei 8 de baz. ntrerupere minor a procesului. Produsele pot fi sortate Mare i o parte sunt defective. Produsul este operabil, dar la 7 un nivel redus de performan ntrerupere minor a procesului. O parte din produse Moderat sunt defective. Produsul este operabil, dar articolele care 6 realizeaz confortul nu sunt funcionale ntrerupere minor a procesului. Produsul este operabil, Redus dar articolele care realizeaz confortul funcioneaz la un 5 nivel redus de performan ntrerupere minor a procesului. Produsele pot fi Foarte redus remaniate. Articolele de finisare i aspectul nu sunt 4 conforme. Majoritatea clienilor sesizeaz defectarea ntrerupere minor a procesului. Articolele de finisare i aspectul nu sunt conforme. Circa jumtate din clieni Minor 3 sesizeaz defectarea ntrerupere minor a procesului. Articolele de finisare i Foarte minor aspectul nu sunt conforme. O mic parte din clieni 2 sesizeaz defectarea Inexistent 1 Nici un efect Efect
Cauzele
Dup stabilirea efectelor i a severitii, urmtorul pas l constituie identificarea cauzelor pentru modurile de defectare, activitate care implic de asemenea echipa FMEA. Identificarea cauzelor ncepe cu modurile de defectare care au cele mai serioase efecte. n cazul unei analize FMEA de proiect, cauzele de defectare pot fi deficienele de proiectare care ar putea conduce la moduri de defectare. De asemenea, pot fi incluse n cauze i deficienele de proiectare care ar putea genera erori de prelucrare sau de
121
asamblare. n principiu, analiza FMEA a unui proiect presupune c specificaiile de prelucrare i de asamblare sunt realizate n proces, concentrndu-se asupra defectrilor ce pot rezulta din proiectarea produsului. n cazul unei analize FMEA de proces, cauzele sunt erori specifice, descrise n termenii unor aciuni care pot fi corectate sau controlate. Analiza FMEA a unui proces presupune, la rndul ei, c produsul a fost proiectat n mod corespunztor i nu se va defecta din cauza unei deficiene de proiectare. Aceasta nu implic ns c toate intrrile n proces sunt conforme cu specificaiile. Variaia datorat, de exemplu, articolelor aprovizionate, poate fi considerat ntr-o analiz FMEA de proces.
Apariia
Cauzele sunt punctate prin intermediul apariiei. Apariia este probabilitatea ca o anumit cauz s apar i s aib ca rezultat un mod de defectare pe perioada prevzut de via i de utilizare a unui produs. Ca i efectele, cauzele nu sunt evaluate grupat atunci cnd este evaluat riscul. Fiecrei cauze a unui mod de defectare i se atribuie o valoare distinct. Tabelele cu ratele de apariie pentru proiect (DFMEA) Tabelul 4.4 i pentru proces (PFMEA) Tabelul 4.5, care sunt prezentate n continuare, conin pe o scal neliniar de la 1 la 10, probabilitile ca o anumit cauz s apar i s aib ca efect un mod de defectare. Pentru cazurile n care ratele de defectare sunt necunoscute se adopt un punctaj maxim de apariie, respectiv valoarea 10. Punctajul de apariie se bazeaz pe informaii de la produse sau procese similare, dac acestea sunt disponibile.
Tabelul 4.4 Tabelul ratei de apariie pentru proiect (DFMEA) Probabilitatea de defectare Foarte mare: Defectarea este aproape inevitabil Mare: Defectri repetate Moderat: Defectri ocazionale Redus: Defectri relativ puine Foarte mic: Defectarea este improbabil Rata posibil de defectare Punctaj 10 9 8 7 6 5 4 3 2 1
1 din 2
1 din 3 1 din 8 1 din 20 1 din 80 1 din 400 1 din 2.000 1 din 15.000 1 din 150.000
1 din 150.000
n tabelul de urmtor al ratei de apariie pentru proces (PFMEA) se observ introducerea unui indicator specific controlului statistic al proceselor (SPC) i anume indicele de capabilitate Cpk, care este utilizat pentru acordarea punctajului de apariie.
Tabelul 4.5 Tabelul ratei de apariie pentru proces (PFMEA) Probabilitatea de defectare Foarte mare: Defectarea este aproape inevitabil Mare: Asociat n general cu procese similare cu defectri repetate Moderat: Asociat n general cu procese similare cu defectri ocazionale Redus: Defectri izolate asociate cu procese similare Foarte redus: Numai defectri izolate asociate cu procese aproape identice Foarte mic: Defectarea este improbabil. Rata posibil de defectare Cpk Punctaj 10 9 8 7 6 5 4 3 2 1
1 din 2
1 din 3 1 din 8 1 din 20 1 din 80 1 din 400 1 din 2.000 1 din 15.000 1 din 150.000
< 0,33 0,33 0,51
0,67 0,83 1,00 1,17 1,33

1,50 1,67
1 din 150.000
Controlul curent
Controalele curente aplicate proiectului sau procesului se clasific n urmtoarele 3 tipuri, avnd ca obiective: (1) Prevenirea apariiei unei cauze sau a unui mod de defectare, respectiv reducerea ratei lor de apariie. (2) Detectarea cauzei unui mod de defectare i orientarea ctre aciunea corectiv ce trebuie aplicat. (3) Detectarea modului de defectare nainte ca produsul s ajung la client. Este important s facem distincie ntre controalele care previn defectarea (tipul 1) i controalele care detecteaz defectarea (tipul 2 i tipul 3). Astfel, primul tip de controale reduce posibilitatea de apariie a unei cauze sau a unui mod de defectare, ceea ce va influena punctajul de apariie. Celelalte dou tipuri de controale detecteaz respectiv cauzele i modurile de defectare i vor influena punctajele de detecie.
Detecia
Detecia este o evaluare a posibilitii controalelor curente ale proiectului sau procesului de a detecta cauzele poteniale (deficienele proiectului sau procesului ) sau modurile de defectare corespunztoare. n scopul de a obine un punctaj mai redus,
123
controlul planificat al proiectului sau procesului (respectiv activitile de prevenire, validare i/sau verificare) trebuie s fie mbuntit. n cazul proceselor, utilizarea tehnicilor de control statistic poate duce la scderea punctajului de detecie. Sistemul de punctaj pentru criteriul de detecie pentru proiect este prezentat n Tabelul 4.6.
Tabelul 4.6 Tabelul de detecie pentru proiect (DFMEA) Detecie Aproape imposibil Foarte puin probabil Puin probabil Foarte redus Redus Moderat Medie Mare Foarte mare Aproape sigur Criterii: Probabilitatea de detecie Punctaj Nu exist control (controale) care s detecteze modul de 10 defectare sau cauza Foarte puin probabil ca controlul curent s detecteze 9 modul de defectare sau cauza Puin probabil ca controlul curent s detecteze modul de 8 defectare sau cauza Probabilitate foarte redus ca controlul curent s 7 detecteze modul de defectare sau cauza Probabilitate redus ca controlul curent s detecteze 6 modul de defectare sau cauza Probabilitate moderat ca controlul curent s detecteze 5 modul de defectare sau cauza Probabilitate medie ca controlul curent s detecteze 4 modul de defectare sau cauza Probabilitate mare ca controlul curent s detecteze 3 modul de defectare sau cauza Probabilitate foarte mare ca controlul curent s detecteze 2 modul de defectare sau cauza Controlul curent al procesului va detecta aproape sigur 1 modul de defectare sau cauza
Sistemul de punctaj pentru criteriul de detecie pentru proces este prezentat n Tabelul 4.7.
Numrul de prioritate-risc
Numrul de prioritate-risc (RPN) este produsul punctajelor de severitate (S) de apariie (O) i de detecie (D): RPN = (S) (O) (D). (4.36) Acest numr este n esen o evaluare a gravitii efectelor (severitatea), probabilitatea ca o cauz s genereze defectarea asociat cu aceste efecte (apariia) i capacitatea de a detecta defectarea nainte ca aceasta s ajung la client (detecia). RPN se utilizeaz pentru a identifica elementele cu cel mai mare risc, care s fundamenteze aciunile corective. Mulimea valorilor RPN are o serie de proprieti interesante, dintre care enumerm cteva:
valorile RPN sunt cuprinse ntre 1 i 1000; media valorilor RPN este aproximativ 166, iar mediana este 105; exist 120 de valori distincte ale RPN.
Tabelul 4.7 Tabelul de detecie pentru proiect (PFMEA) Criterii: Probabilitatea de detecie Punctaj Controlul proiectului nu detecteaz o cauz de defectare Incertitudine potenial sau un mod de defectare; sau nu exist un 10 absolut control al proiectului Foarte puin probabil ca controlul proiectului s Foarte puin detecteze o cauz de defectare potenial sau un mod 9 probabil de defectare Puin probabil ca controlul proiectului s detecteze o Puin probabil 8 cauz de defectare potenial sau un mod de defectare Probabilitate foarte redus ca controlul proiectului s Foarte redus detecteze o cauz de defectare potenial sau un mod 7 de defectare Probabilitate redus ca controlul proiectului s detecteze o cauz de defectare potenial sau un mod Redus 6 de defectare Probabilitate moderat ca controlul proiectului s Moderat detecteze o cauz de defectare potenial sau un 5 mod de defectare Probabilitate medie ca controlul proiectului s detecteze Medie o cauz de defectare potenial sau un mod 4 de defectare Probabilitate mare ca controlul proiectului s detecteze o Mare 3 cauz de defectare potenial sau un mod de defectare Probabilitate foarte mare ca controlul proiectului s Foarte mare detecteze o cauz de defectare potenial sau un mod 2 de defectare Controlul proiectului va detecta aproape sigur o cauz de Aproape sigur 1 defectare potenial sau modul de defectare Detecie
Aciunile corective
Dup ce modurile de defectare au fost ordonate descresctor n funcie de RPN (de exemplu, ca n analiza Pareto), aciunile corective trebuie concentrate asupra problemelor cu cel mai mare RPN. Scopul oricrei aciuni corective recomandate este de a reduce punctajul de severitate aprut i/sau detecie. Principalele aciuni corective ce trebuie considerate sunt cele care urmresc reducerea probabilitii de apariie prin mbuntirea continu a produselor i proceselor, precum i prin prevenirea defectelor. De asemenea, scopul fundamental al analizei FMEA este recomandarea i adoptarea aciunilor care reduc riscul de defectare.
125
4.4.2 Managementul riscului n FMEA

Din cele prezentate pn acum, rezult c monitorizarea indicelui de prioritate risc (RPN) este principala metod de evaluare a riscului n FMEA. Utilizarea RPN este mai nti de toate o aciune de natur preventiv, mai degrab dect o aciune de natur corectiv. Toate aciunile aplicate n FMEA, trebuie s conduc, n final, la reducerea RPN i deci la reducerea riscului. Toate aceste elemente se asambleaz ntr-un proces de management al riscului. Procesul pentru managementul riscului n FMEA are urmtoarele etape: 1.
Identificare caracteristici: n aceast etap sunt identificate i sunt descrise funciile FMEA i caracteristicile de proiectare sau de proces, precum i cerinele pe care aceste funcii trebuie s le realizeze. Identificare moduri de defecare: Pentru fiecare funcie identificat, se descriu modurile de defectare poteniale. Identificare riscuri: Riscurile sunt asociate iniial efectelor pe care modurile de defectare poteniale pot s le genereze. Rezult o prim evaluare cantitativ a riscului, prin stabilirea unui nivel de severitate. Identificare cauze: Cauzele poteniale ale defectrii sunt analizate n relaia cauz mecanism de defectare. Rezultatele evalurii sunt cuantificate prin nivelul de apariie a acestor cauze. Prioritizare risc: n studiile FMEA de produs sau de proces, riscul este prioritizat, n general, prin trei nivele: risc ridicat (R), risc mediu (M) i risc sczut (S), aa cum vom vedera n continuare. n ecuaia riscului este considerat i factorul de control al produsului sau procesului, care determin nivelul de detecie al defectrilor i n final numrul de prioritate risc. Raportare risc i aplicare aciuni corective sau preventive: Aceast ultim etap a unui ciclu, care se reia pe diferite nivele i momente de timp, const n aplicarea aciunilor corective i preventive stabilite pentru responsabilii de produs sau proces i apoi prin evaluarea rezultatelor obinute i a riscului rezident, adic a nivelului de risc rmas n sistem dup aplicarea aciunilor corective i preventive.
2. 3.
4.
5.
6.
Schema de proces pentru managementul riscului n FMEA este prezentat n Figura 4.9.
Managementul riscului
Raportare risc Aciuni corective/ preventive Prioritizare riscuri Identificare caracteristici
Reducerea riscului
Identificare cauze
Identificare moduri de defectare
Identificare riscuri
Figura 4.9 Managementul riscului n FMEA
Vom analiza n continuare relaia dintre clasificarea calitativ a riscului n FMEA i clasificarea cantitativ furnizat de numrul de prioritate risc. Aceast legtur este dat n Tabelul 4.8. Se observ c nivelul de risc minim sau sczut, este asociat cu un numr de prioritate risc inferior valorii 40, riscul moderat este considerat pentru o valoare a NPR mai mic de 100, n timp ce pentru valori ale NPR mai mari ca 100, se consider c riscul are un nivel ridicat. Aceste valori (40 i 100) sunt desigur valori stabilite n practic de majoritatea utilizatorilor i se bazeaz pe experien. De exemplu, valoarea 100 corespunde unor valori medii de 4, 5 i 5 pentru nivelele de severitate, apariie i detecie discutate anterior, ceea ce explic ntr-un fel alegerea valorilor menionate.
Tabelul 4.8 Clasificarea riscului n FMEA Clasificarea calitativ Risc sczut (S) Risc mediu (M) Risc ridicat (R) Clasificare cantitativ NPR 40 41 NPR 100 NPR > 100
Pe baza valorilor de mai sus, considernd toate funciile i caracteristicile unui anumit produs sau toate procesele de realizare ale acestuia, putem s construim o histogram sau un linie de tendin a zonelor de risc, n care pe abscis avem trei zone, corespunztoare clasificrii riscului, iar pe ordonat frecvena nregistrat pentru numrul de prioritate risc al caracteristicilor analizate, considernd clasele 1 40, 41 100, 101 200, 201 300, , 901 1000.
127
n Figura 4.10 sunt reprezentate zonele de risc i frecvena de apariie a NPR pentru un anumit proces, sub forma unui grafic liniar, pentru a evidenia forma distribuiei. Se observ c modelul statistic ce poate fi considerat pentru acest caz este unul de tip exponenial negativ, respectiv cele mai multe caracteristici sunt n zona de risc sczut (codificat S), un numr mai redus n zona de risc mediu sau moderat (codificat M), iar n zona de risc ridicat (codificat R), pe msur ce NPR crete, se afl din ce n ce mai puine caracteristici ale procesului. Dup aplicarea aciunilor corective i studiul formei distribuiei frecvenei valorilor NPR pentru stadiul optimizat al procesului, modelul exponenial negativ poate continua s apar, dar cu creterea valorilor n zonele de risc (S) i (M) i reducerea semnificativ a caracteristicilor situate n zona (S). Obiectivul final ideal al aciunilor de management al riscului n FMEA este situarea tuturor caracteristicilor procesului n zona de risc minim (S).
Zona de risc sczut (S)
Frecvena NPR
Zona de risc mediu (M)
Zona de risc ridicat (R)
50
100
150
200 250 Valori NPR
300
350
1000 400
Figura 4.10 Zonele de risc i valorile NPR
S considerm n continuare exemplul unui studiu FMEA pentru proces i modul de analiz i considerare a riscului. n Figura 4.13 este redat modelul cunoscut al studiului FMEA din standardul internaional QS 9000, pentru un proces de aplicare a unui strat de parafin de protecie pe n interiorul uii unui autovehicul n cadrul procesului de asamblare a caroseriei. Operaia are ca scop protejarea mpotriva coroziunii a suprafeelor interioare ale uii i se realizeaz cu ajutorul unui dispozitiv special (un pistol) de acoperire cu parafin. Pentru aceast funcie a procesului au fost identificate un mod de defectare potenial i efectele potenial ale defectrii, respectiv a realizrii necorespunztoare a operaiei de protecie prin acoperire cu parafin. Punctajul de severitate acordat a fost 7, corespunztor unui efect mare, considerndu-se c nivelul de performan al procesului este necorespunztor (vezi Tabelul 4.3).
n continuare au fost identificate un numr de 4 cauze poteniale de defectare, care au fost cuantificate din punct de vedere al apariiei. Au fost definite sistemele de control pentru fiecare cauz specificat i s-au acordat punctajele de detecie, rezultnd numerele de prioritate risc pentru stadiul iniial de analiz FMEA. Clasificarea riscurilor n stadiul iniial, a pus n eviden 3 cauze cu risc ridicat (R) i o cauz cu risc sczut (S). n stadiul optimizat dup aplicarea i evaluarea aciunilor corective, sau nregistrat dou cauze de defectare cu risc mediu (M) i 2 cauze cu risc sczut (S). Histograma cauzelor de defectare n funcie de NPR, n stadiul iniial i n stadiul optimizat, este redat n Figura 4.11.
450 400 350 300 250 200 150 100 50 0
Timpul de Capul pistolului Capul pistolului Capul pistolului este nfundat este deformat acoperire este nu ajunge la insuficient toate suprafeele Stadiul iniial Stadiul optimizat interioare
Figura 4.11 Histograma cauzelor de defectare n funcie de NPR
Aplicnd pentru exemplul nostru zonele de risc discutate anterior, rezult o imagine a procesului n stadiul optimizat, acum toate caracteristicile avnd un NPR sub 100, procesul situndu-se n zonele de risc mediu i sczut, ceea ce denot o mbuntire a performanelor.
50
100
150
200
250
300
350
400
Stadiul iniial
Stadiul optimizat
Figura 4.12 Zonele de risc ale procesului
ANALIZA MODULUI DE DEFECTARE I A EFECTELOR FMEA PROCES

Funcia de proces
_____________
Cerine
Mod de defectare potenial
Efecte poteniale a le defectrii
Cauze poteniale / Mecanisme de defectare
Controlul curent al procesului
Clasa de NPR risc
Aciuni corective recomandate
Rezultatele aciunilor corective aplicate Aciuni corective aplicate Ghidajul realizat asigur atingerea adncimii n zonele critice S O D NPR Clasa de risc
Capul pistolului nu este introdus suficient pentru a ajunge la toate 8 suprafeele interioare Aplicarea manual a unui strat de parafin de protecie n interiorul uii autovehiculului _______ __ Acoperirea tuturor suprafeelor interioare cu un strat de parafin de grosime minim mpotriva coroziunii Acoperirea insuficient i incorect a suprafeelor specificate Capul pistolului este nfundat deoarece: Vscozitatea este prea mare; 5 Temperatura este prea sczut; Presiunea este 7 prea sczut Capul pistolului este deformat ca urmare a impactului cu pereii interiori
Verificarea la 1 or a grosimii stratului de parafin i a gradului de acoperire Testarea funcionrii pistolului la nceputul schimbului i dup fiecare perioad de ntrerupere
80
Adugarea unui ghidaj de oprire la capul pistolului
70
Deteriorarea perioadei de via a uii, avnd ca efecte n timp: Aspect necorespunztor datorit apariiei zonelor de rugin; Afectarea funcionrii interioare a uii
05
Studiul capabilitii i proiectarea experimentelor pentru vscozitate, temperatur i presiune
Procesul este n control statistic Cpk=1,85
21
Activiti preventive planificate de 2 2 ntreinere i reparaii a capului pistolului Instruciuni tehnologice pentru operator i 7 eantionare 8 pentru verificarea acoperirii n zonele critice
28
Nu e cazul
Nu e cazul
28
Timpul de acoperire este insuficient
392
Dotarea pistolului cu un releu de timp
Procesul este n control statistic Cpk=2,05
49
129
Figura 4.13 Exemplul unui studiu FMEA pentru proces
4.5 APLICAII PROPUSE

A4.1 Se consider problema de decizie asupra aprovizionrii arborilor cotii. S se rezolve aceast problem de decizie n urmtoarele ipoteze: (a) S se determine funcia de pierdere i s se adopte decizia minimax pentru urmtoarele modificri de costuri: - Furnizorul A: 220 / bucat; - Furnizorul B: 150 / bucat; - Furnizorul C: 150 / bucat la lot de 1.000; 175 / bucat la lot de 500; - Remaniere: 250 / bucat. (b) S se aplice procedura Bayes de decizie pentru funcia de pierdere de mai sus i urmtoarele valori ale probabilitilor iniiale: Prob{ = 102} = 0,4 i Prob{ = 105} = 0,6. A4.2 Un productor aprovizioneaz un lot de 5.000 de uniti de produs dintr-un anumit reper pentru asamblare, lotul fiind supus unei proceduri de verificare la recepie. Productorul are de ales ntre urmtoarele aciuni: a1: s accepte lotul, tiind c fraciunile defective ale loturilor livrate anterior au fost p = 0,01, p = 0,05 i p = 0,10; a2: s accepte lotul, dar s verifice 100% unitile de produs din lot. Orice unitate de produs defectiv identificat nainte de promovarea pe fluxul de asamblare implic un cost suplimentar de 0,25/bucat, n timp ce o unitate de produs defectiv identificat dup asamblare, implic un cost suplimentar de 0,75/bucat. (a) S se determine funcia de pierdere; (b) S se aplice procedura de decizie minimax. A4.3 O companie a primit n anul anterior n medie un numr de = 10 reclamaii pe lun de la clieni, iar n luna decembrie un numr de 15 reclamaii. Managementul firmei a considerat c o toleran medie de = 2 reclamaii reprezint un nivel acceptabil. Costul de rezolvare a unei reclamaii este K = 150. (a) S se determine valoarea lui k din funcia de pierdere L(x) a lui Taguchi; (b) S se determine pierderea L(x) din luna decembrie. A4.4 Un proces de fabricaie genereaz o caracteristic de calitate cu limitele de toleran specificate LSI = 13,70 mm, LSS = 13,8 mm, iar valoarea int este T = 13,75 mm. La omologarea lotului de prob, eantionul de uniti de produs msurate a furnizat urmtoarele valori: 13.67 13.71 13.72 13.74 13.75 13.71 13.72 13.73 13.74 13.69 13.70 13.70 13.73 13.75 13.69 13.70 13.72 13.74 13.75 13.72 13.71 13.72 13.69 13.74 13.77 (a) S se determine media i abaterea standard, indicii de capabilitate i fraciunea defectiv a acestui proces, pe baza statisticilor eantionului de prob; (b) tiind costul unei uniti de produs defective K = 5, s se determine pierderea utiliznd metoda empiric a fraciunii defective actuale (proporia de uniti de produs situate n afara limitelor de toleran specificate); (c) S se determine pierderea utiliznd fraciunea defectiv estimat; (d) S se determine valoarea lui k din funcia de pierdere L(x) a lui Taguchi; (e) S se determine valoarea riscului Taguchi.
5
MANAGEMENTUL RISCULUI N PROIECTE
5.1 ELEMENTE DE MANAGEMENTUL PROIECTELOR
Acest capitol este dedicat managementului riscului n proiecte. Pentru acest obiectiv, vom analiza mai nti principalele noiuni de managementul proiectelor, din care managementul riscului face parte integrant. Pe plan internaional, conceptele legate de managementul proiectelor au fost agregate ntr-o baz de cunotine de ctre Project Management Institute (PMI), un institut finanat de guvernul american care, ncepnd cu anul 1987, a publicat, prin comitetul su de standarde, un ghid coninnd un corp de cunotine pentru managementul proiectelor1. Vom sintetiza n cele ce urmeaz principalele concepte utilizate n managementul proiectelor, pentru a vedea cum se integreaz managementul riscului n acest context. Un proiect se poate defini ca fiind un set de activiti menite s realizeze, ntr-o anumit perioad de timp, un produs sau un serviciu unic. Caracterul temporal al proiectului este dat de faptul c fiecare proiect este definit printr-un moment de nceput i un moment de finalizare. Caracterul de unicitate este dat de faptul c obiectul unui proiect n constituie, n general, realizarea unui produs sau a unui serviciu, ntr-o manier similar sau nu cu alte proiecte. Exemple de proiecte sunt: dezvoltarea unui nou produs sau serviciu; dezvoltarea i/sau implementarea unui nou sistem informatic; implementarea unui nou proces sau schimbarea procedurilor ntr-o organizaie .a. Managementul proiectului const din aplicarea cunotinelor, experienei, metodelor i tehnicilor la realizarea activitilor unui proiect, pentru a atinge sau chiar a depi cerinele i ateptrile planificate sau ateptate de la proiectul respectiv de ctre prile interesate n proiect. Aceasta nseamn balansarea i echilibrarea domeniului, duratelor, costurilor i calitii proiectului cu cerinele identificate (planificate) sau cu cele neidentificate (ateptate). Managementul proiectului implic,
1
A Guide to the Project Management Body of Knowledge, PMI, 1996 2000.
131
132 CAPITOLUL 5 MANAGEMENTUL RISCULUI N PROIECTE
de asemenea, structura organizaional i managerial necesar pentru realizarea proiectului: responsabilii proiectului, managerii de proiect, echipa de proiect etc. Procesele de management ale unui proiect, reprezentate structural n schema din Figura 5.1, descriu cunotinele i procedurile necesare pentru conducerea proiectului respectiv. Managementul integrrii proiectului se refer la procesele necesare pentru a asigura c diferitele elemente ale proiectului sunt coordonate n mod corespunztor. Acesta include planificarea proiectului, execuia planului proiectului i controlul modificrilor intervenite n proiect. Managementul domeniului proiectului const din procesele menite s asigure c proiectul include toate activitile necesare i numai pe acestea pentru a realiza proiectul cu succes. n acest scop, domeniul proiectului este definit, planificat, verificat i controlat din punct de vedere al modificrilor ariei de cuprindere a proiectului. Managementul duratelor proiectului este alctuit din procesele care asigur realizarea la timp a activitilor proiectului. Aceasta include definirea activitilor, a secvenelor de ordine, estimarea duratelor activitilor, ct i planificarea i controlul acestora.
MANAGEMENTUL PROIECTULUI
Managementul integrrii proiectului
Managementul domeniului proiectului
Managementul duratelor proiectului
Managementul costurilor proiectului
Managementul calitii proiectului
Managementul resurselor umane ale proiectului
Managementul comunicaiilor proiectului
Managementul riscului proiectului
Managementul resurselor materiale ale proiectului
Figura 5.1 Procesele de management ale unui proiect
5.1 ELEMENTE DE MANAGEMENTUL PROIECTELOR
133
Managementul costurilor proiectului conine procesele necesare pentru a asigura c proiectul este realizat n bugetul aprobat, i se refer la planificarea resurselor, precum i la estimarea i controlul costurilor. Managementul calitii proiectului const din procesele necesare pentru a asigura c proiectul va satisface cerinele definite i planificate, respectiv procesele de planificare a calitii, asigurarea calitii i controlul calitii. Managementul resurselor umane al proiectului conine procesele necesare pentru a asigura utilizarea ct mai eficace a resurselor umane implicate n proiect, respectiv planificarea organizaional, asigurarea personalului de specialitate i constituirea i conducerea echipei de proiect. Managementul comunicaiilor proiectului se refer la procesele care s asigure la timp i n cele mai bune condiii generarea, colectarea, transmiterea i stocarea informaiilor referitoare la proiect. Managementul riscului proiectului include procesele referitoare la identificarea, analiza i rspunsul la riscul proiectului, implicnd identificarea riscului, cuantificarea riscului, ct i dezvoltarea i controlul rspunsului la risc. Managementul resurselor materiale ale proiectului conine procesele de achiziie a bunurilor i serviciilor necesare pentru realizarea activitilor proiectului, prin planificarea i derularea procurrii materialelor pentru proiect. Procesele de management ale unui proiect pot fi organizate n cinci grupuri alctuite fiecare din unul sau mai multe (sub)procese, care descriu fazele unui proiect, precum i dependenele ntre procesele proiectului. Grupurile de procese (fazele) ale unui proiect sunt reprezentate n Figura 5.2.
INIIEREA PROIECTULUI PLANIFICAREA PROIECTULUI
CONTROLUL PROIECTULUI
EXECUIA PROIECTULUI
NCHIDEREA PROIECTULUI Figura 5.2 Grupurile de procese (fazele) unui proiect
Procesele de iniiere a proiectului, se refer n fapt la implicarea n nceperea proiectului i trecerea la faza urmtoare. Procesele de planificare a proiectului, au o importan major pentru un proiect, pentru c ele materializeaz programul de lucru pentru realizarea proiectului. Procesele de baz din acest grup sunt: planificarea domeniului proiectului, a activitilor i duratelor acestora, ct i a costurilor. Procesele auxiliare sunt: planificarea calitii, a comunicaiilor, planificarea riscului i a resurselor proiectului. Procesele de execuie a proiectului, sunt menite n primul rnd s asigure realizarea planului proiectului, prin coordonarea oamenilor i a celorlalte resurse alocate proiectului. Procesele auxiliare ale acestui grup se refer la distribuirea informaiilor referitoare la proiect, dezvoltarea echipei i asigurarea calitii. Procesele de control al proiectului, constau din urmrirea i raportarea performanelor proiectului i din controlul modificrilor intervenite. De asemenea, procesele auxiliare implic controlul modificrilor n ceea ce privete domeniul, programul sau costurile proiectului, precum i controlul calitii, controlul rspunsului la risc i controlul procurrii resurselor. Procesele de nchidere a proiectului sunt alctuite din activitile de rezolvare a problemelor referitoare la contractul care a stat la baza realizrii proiectului, ct i din nchiderea administrativ a acestuia. Grupurile de procese ale unui proiect sunt interconectate ntre ele. Pentru a descrie aceste conexiuni, fiecare proces poate definit prin: Intrri: documente sau articole care pot fi documentate; Mijloace i tehnici: mecanismele aplicate intrrilor pentru a crea ieiri; Ieiri: documente (articole documentabile) care sunt rezultatul procesului. Grupurile de procese sau fazele unui proiect sunt corelate i n timp, aceste faze desfurndu-se simultan, prin faptul c multe dintre acestea au un caracter iterativ. Derularea n timp a fazelor unui proiect i nivelul de intensitate al activitilor componente sunt reprezentate n Figura 5.3.
Execuie Nivel activiti Planificare Iniiere Control nchidere
Start
Timp
Fini
Figura 5.3 Interaciunea ntre grupurile de procese (fazele) unui proiect
5.2 MANAGEMENTUL RISCULUI PROIECTELOR
135

Riscul poate fi definit ca fiind gradul de expunere la un eveniment care poate s se ntmple n detrimentul sau n beneficiul unui proiect sau a unei activiti. El poate fi descris ca o combinaie dintre probabilitatea ca riscul s apar i consecinele n termenii pierderii sau ctigului ca urmare apariiei riscului. Riscul este o component inerent a tuturor activitilor unui proiect, indiferent dac este vorba de o activitate mai simpl sau de o activitate mai complex. De aceea, dimensiunea i/sau complexitatea unei activiti nu este ntotdeauna o msur adecvat a gradului de risc potenial asociat cu activitatea respectiv. Totui, dependena este direct, adic n cele mai multe cazuri, activitile complexe au asociate riscuri mai mari. Managementul riscului este procesul sistematic de identificare, de analiz i de rspuns la riscul potenial al unui proiect. Managementul riscului este deci o abordare structurat i formal, focalizat asupra pailor necesari i aciunilor planificate pentru a determina i a controla riscurile, meninndu-le la un nivel acceptabil. Aplicat pentru un proiect, managementul riscului reprezint utilizarea continu a principiilor de management de risc pe durata de via a proiectului. Scopul este de a maximiza probabilitatea de succes a proiectului, prin creterea anselor de mbuntire a performanelor proiectului i, n acelai timp, diminuarea anselor pentru evoluii neanticipate, cum ar fi ntrzieri de program, depirea costurilor sau compromisuri privind calitatea. Managementul riscului proiectului este un proces continuu de planificare, identificare, cuantificare, rspuns i control al riscurilor, pentru a mri ct mai mult potenialul de succes al proiectului. Managementul riscului n cadrul unui proiect se poate aplica costurilor, programului sau performanelor tehnice (cum ar fi de exemplu riscul asociat aplicrii unei noi abordri constructive) sau performanelor planificate (de exemplu riscul asociat obinerii i utilizrii resurselor care pot afecta proiectul). Succesul unei activiti a proiectului nseamn c acea activitate este fezabil din punct de vedere tehnic i al programrii acesteia i poate fi realizat cu bugetul stabilit i n programul stabilit. n caz contrar, eecul unei activiti poate rezulta din nerealizarea sau nendeplinirea factorilor menionai anterior. Riscul proiectului este un eveniment incert sau o condiie care, dac apare, poate s aib un impact pozitiv sau negativ asupra obiectivului proiectului. Riscul are o cauz i, dac apare, un impact. De exemplu, cauza poate fi obinerea unei aprobri din partea unui organism specializat ( cum ar fi autorizaia de construcie sau de mediu). Evenimentul de risc poate fi poate fi faptul c obinerea aprobrii poate s dureze mai mult dect a fost planificat iniial, ceea ce poate s aib impact asupra programului,
costurilor sau calitii proiectului. Riscul proiectului include att ameninrile asupra obiectivelor proiectului, dar i oportunitile de a mbunti aceste obiective. Acest risc i are originea n incertitudinea care este prezent n toate proiectele, indiferent de amploarea sau complexitatea acestora. Riscurile pot fi variabile cunoscute, adic riscuri care au fost identificate, evaluate, cuantificate i pentru care au fost fcute planuri. Totodat, riscurile pot fi variabile necunoscute, respectiv riscuri care nu au fost nc identificate sau sunt imposibil de prevzut. Principalele categorii n care sunt clasificate riscurile sunt urmtoarele: Riscul tehnic; Riscul de securitate sau de mediu; Riscul de programare; Riscul de costuri. Riscul tehnic este definit ca fiind impactul posibil asociat cu dezvoltarea unui nou design, realizarea unor noi cerine tehnice etc. Riscurile de securitate sau de mediu apar numai n anumite proiecte, de mai mare complexitate, care pot avea impact asupra securitii i siguranei sau asupra mediului. Riscurile de programare i de costuri sunt cele care indic cel mai bine starea proiectului respectiv. Managementul riscului proiectului const din procesele majore reprezentate n Figura 5.4. Aceste procese sunt conectate cu grupurile de procese analizate anterior pentru managementul general al proiectului.
MANAGEMENTUL RISCULUI PROIECTULUI
Planificarea managementului riscului
Identificarea riscului
Analiza calitativ a riscului
Analiza cantitativ a riscului
Planificarea rspunsului la risc
Controlul i monitorizarea riscului
Figura 5.4 Procesele managementului riscului proiectelor
137
5.2.1 Planificarea managementului riscului

Planificarea managementului riscului este procesul prin care se decide modul de abordare i de planificare a activitilor de management al riscului pentru proiectul respectiv. nainte de iniierea oricror aciuni de management de risc, va trebui s evalum mai nti dac exist un potenial pentru riscuri n proiectul analizat, n ceea ce privete domeniul, programul sau costurile proiectului. Aceast evaluare nu este simpl, dac inem cont c va trebui s analizm toate activitile proiectului care ar putea s conin un risc potenial. Obinem prin aceast prim evaluare o list de activiti i o clasificare a riscurilor poteniale n activiti fr risc, activiti cu risc sczut (sau acceptabil) i activiti cu potenial de risc ridicat. Pentru procesul de planificare a managementului riscului, a crui schem este reprezentat n Figura 5.5, vom detalia n continuare intrrile n proces, mijloacele i tehnicile aplicabile acestui proces, precum i ieirile din acest proces. Intrri n planificarea managementului riscului (1) (2) Descrierea proiectului. Acest document include o descriere sintetic a cerinelor de business ale proiectului. Politicile organizaiei n domeniul managementului riscului. n anumite organizaii exist deja proceduri i metode pentru analiza calitativ i cantitativ a riscului. Roluri i responsabiliti definite. Rolurile, responsabilitile i autoritile care sunt deja definite n organizaie pot influena planificarea managementului riscului.
(3)
INTRRI
1. Descrierea proiectului 2. Politica organizaiei 3. Roluri i responsabiliti definite 4. Tolerana la risc 5. Planul managementului riscului model 6. Structura activitilor proiectului
MIJLOACE I TEHNICI
1. Reuniuni de planificare a managementului riscului
IEIRI
1. Planul managementului riscului
Figura 5.5 Procesul de planificare a managementului riscului proiectului
(4)
(5)
(6)
Tolerana la risc a responsabililor proiectului. Diferite organizaii i diferii responsabili pot avea tolerane i atitudini diverse fa de risc. Aceste elemente se regsesc n politicile organizaiei sau n aciunile ntreprinse. Modelul pentru planul de managementul riscului. Este un document predefinit (un ablon) care conine structura planului de management al riscului. Structura activitilor proiectului. Este documentul care conine, n detaliu, activitile proiectului, cu condiionrile de timp i resurse ale acestora.
Mijloace i tehnici pentru planificarea managementului riscului (1) Reuniuni de planificare. Aceste ntlniri au scopul s adapteze i s mbunteasc modelul planului de managementul riscului, innd cont de cerinele i de intrrile proiectului respectiv. La aceste reuniuni de lucru, trebuie s participe managerul de proiect, conductorii echipelor de proiect, responsabilii cheie ai proiectului i ali specialiti din organizaie, dup caz.
Ieiri din planificarea managementului riscului (1) Planul de managementul riscului. Acest document stabilete modul n care identificarea, evaluarea, cuantificarea, rspunsul i controlul riscului sunt structurate i realizate pe parcursul ciclului de via al proiectului. Planul de management al riscului trebuie s includ: Metodologia: Acest capitol al planului definete modalitatea de abordare, mijloacele i sursele de date care pot fi utilizate pentru managementul riscului proiectului respectiv. Roluri i responsabiliti: Acest capitol al planului stabilete membrii echipei i responsabilitile acestora pentru activitile de managementul riscului. Periodicitatea: Conine perioadele la care procesul de managementul riscului va fi realizat, pe parcursul proiectului. Concluziile din analiza riscului vor trebui s fie furnizate la timp, pentru a sta la baza deciziilor adoptate periodic n cadrul proiectului. Cuantificare i interpretare: Trebuie stabilite metodele corespunztoare de cuantificare i interpretare a analizelor calitative i cantitative ale riscului, metode care se vor aplica pe parcursul derulrii proiectului. Nivele: Se stabilesc nivele (praguri) de risc, care declaneaz activiti, care au responsabili i modaliti aciune.
139
Raportare: Acest capitol documenteaz modul n care rezultatele procesului de managementul riscului sunt analizate i transmise echipei de proiect i responsabililor proiectului. nregistrri: Acest capitol stabilete nregistrrile din domeniul managementului riscului care se vor face, cerinele viitoare i leciile nvate, rezultate din realizarea proiectului.
5.2.2 Identificarea riscului

Identificarea riscului este o abordare sistematic ce implic determinarea riscurilor care pot afecta proiectul i, n acelai timp, documentarea caracteristicilor acestor riscuri. La identificarea riscurilor trebuie s participe: echipa de proiect, echipa de managementul riscului, experi n domeniu din organizaie, furnizori i clieni, utilizatori finali, responsabilii proiectului i chiar experi din afara organizaiei. Identificarea riscului este un proces iterativ. Prima iteraie poate fi realizat de echipa de proiect sau de echipa de managementul riscului. A doua iteraie poate fi realizat de ntreaga echip de proiect sau de principalii responsabili ai proiectului. Pentru a obine o analiz imparial, a treia iteraie poate fi fcut de persoane care nu sunt implicate direct n proiect. Pentru procesul de identificare a riscului, a crui schem este reprezentat n Figura 5.6, vom detalia n continuare intrrile n proces, mijloacele i tehnicile aplicabile acestui proces, precum i ieirile din acest proces. Intrri n identificarea riscului (1) Planul managementului riscului. Acest document a rezultat ca ieire din procesul anterior de planificare a managementului riscului.
INTRRI
1. Planul managementului riscului 2. Ieiri din planificrile proiectului 3. Categorii de risc 4. Informaii istorice
MIJLOACE I TEHNICI
1. Analiza documentaiei 2. Tehnici de culegere a informaiilor 3. Analiza ipotezelor 4. Tehnica diagramelor
IEIRI
1. Riscuri identificate 2. Trigger-e 3. Intrri ctre alte procese
Figura 5.6 Procesul de identificare a riscului proiectului
(2)
(3)
Ieiri din planificrile proiectului. Identificarea riscului necesit o nelegere complet a proiectului n ceea ce privete misiunea, domeniul i obiectivele acestuia, precum i a responsabililor proiectului. Ieirile din celelalte grupuri de procese ale proiectului trebuie analizate pentru a identifica riscurile posibile. Aceste ieiri pot fi: Descrierea proiectului; Structura activitilor; Descrierea produsului (sau serviciului); Programul (planning-ul) activitilor proiectului; Estimrile duratelor i a costurilor activitilor; Planul resurselor; Planul de achiziii; Alte cerine i constrngeri documentate. Categoriile de risc. Categoriile de risc ajut la identificarea riscurilor posibile care pot afecta proiectul n bine sau n ru. Aceste categorii de risc trebuie s fie bine definite i s reflecte sursele comune de risc pentru aria de aplicare a proiectului. Categoriile de risc cele mai des utilizate sunt: Riscuri tehnice, de calitate sau de performan: n aceast categorie de risc intr dependena de o tehnologie neomologat; cerina de a obine o performan int nerealist; schimbri n tehnologia utilizat sau n standardele industriale aplicabile. Riscuri ale managementului de proiect: Acestea pot fi alocarea necorespunztoare a timpului sau a resurselor; o calitate inadecvat a planului de proiect; estimri nerealiste sau incomplete; funcii ale managementului de proiect incorect aplicate; probleme cu furnizorii; tehnici de comunicare deficitare; inabilitatea de a adopta decizii privind proiectul. Riscuri interne: n aceast categorie de riscuri interne ale organizaiei sunt cuprinse costuri, durate i obiective care sunt inconsistente; lipsa stabilirii prioritilor ntre proiectele organizaiei; finanri inadecvate sau ntreruperea asigurrii finanrii; conflicte de finanare sau de alocare de resurse cu alte proiecte ale organizaiei. Riscuri externe: Acestea pot fi schimbri n mediul legislativ; schimbri n tendinele de pia; litigii de munc; riscul de ar; riscul de stare a vremii; alte riscuri fizice pentru care se pot ntocmi planuri. Anumite evenimente extreme (cum ar fi cutremurele, inundaiile, schimbrile politice etc.) se ncadreaz n general n scenariile n caz de dezastru, mai degrab dect n categoria de riscuri externe ale proiectului.
141
(4)
Informaii istorice. Informaiile din proiectele anterioare pot fi disponibile din urmtoarele surse: Dosare de proiecte: nregistrrile rezultatelor proiectelor anterioare pot fi utilizate pentru identificarea riscurilor. Acestea pot fi rapoarte finale ale proiectelor, planuri de rspuns la risc, precum i lecii nvate din proiecte anterioare, care descriu problemele aprute i modul lor de rezolvare. Informaii publicate: Baze de date comerciale; studii academice; studii de benchmarking sau alte studii publicate.
Mijloace i tehnici pentru identificarea riscului Analiza documentaiei. Aceasta implic o analiz structurat a planurilor proiectului i a ipotezelor de lucru, etap iniial realizat de echipa de proiect. (2) Tehnici de culegere a informaiilor. Pentru identificarea riscului se utilizeaz brainstorming-ul, tehnica Delphi, interviul i analiza SWOT. Brainstorming-ul: Este tehnica cea mai des utilizat pentru identificarea riscului. Scopul metodei este de a obine o list ct mai complet a riscurilor proiectului, list care va fi folosit ulterior n procesele de analiz calitativ i cantitativ a riscului. Pentru brainstorming se organizeaz o reuniune cu participarea experilor, avnd un caracter multidisciplinar. n timpul edinei, care este condus de un moderator, sunt generate idei despre riscurile proiectului. ntlnirea se desfoar fr ntreruperi i fr a se exprima judeci sau critici ale ideilor interlocutorilor, indiferent de poziia lor ierarhic n cadrul organizaiei. Sursele de risc sunt identificate n sens larg i sunt afiate pentru a fi examinate de ctre toi participanii n timpul ntlnirii. Riscurile identificate sunt apoi clasificate i caracteristicile lor sunt detaliate. Tehnica Delphi: Aceast metod este o modalitate de a obine consensul experilor asupra riscului proiectului. Experii sunt identificai, dar particip la analiz anonim, fr a se ntlni fa n fa. Responsabilul cu identificarea riscului utilizeaz un chestionar prin care solicit idei despre cele mai importante riscuri ale proiectului. Riscurile astfel identificate sunt transmise apoi experilor pentru analiz i comentarii. Consensul asupra principalelor riscuri ale proiectului poate fi obinut prin cteva iteraii ale acestui proces. Interviul: Riscurile pot fi identificare i prin intervievarea managerilor de proiect cu experien sau a experilor n domeniu. Responsabilul cu (1)
(3)
(4)
identificarea riscului alege persoanele cele mai potrivite, pe care le informeaz pe scurt asupra proiectului, le furnizeaz informaiile privind structura activitilor i ipotezele de lucru. Managerii de proiect i experii intervievai identific riscurile pe baza experienei lor, pe baza informaiilor despre proiect i a altor surse de informaii pe care le consider utile. Analiza SWOT: Aceast tehnic examinarea proiectului din perspectiva punctelor tari, punctelor slabe, a oportunitilor i a ameninrilor, pentru a mri aria de analiz a riscurilor considerate. Analiza ipotezelor. Orice proiect este conceput i dezvoltat pe baza unor ipoteze, scenarii i presupuneri. Analiza ipotezelor este o tehnic ce exploateaz acestor ipoteze formulate despre riscurile proiectului. Aceast tehnic identific riscurile proiectului din punct de vedere al inexactitii, inconsistenei sau caracterului incomplet al ipotezelor de lucru. Tehnica diagramelor. Aceast tehnic poate include: Diagrama cauz efect: Este cunoscut sub numele de diagrama Ishikawa sau diagrama os de pete, fiind o tehnic util pentru identificarea cauzelor riscurilor i a efectelor posibile ale acestora. Diagrame flux de sistem sau de procese: Aceast tehnic descrie modul n care elementele unui sistem sau ale unui proces interacioneaz, precum i mecanismul de cauzalitate. Diagrame de influen: Aceast tehnic const dintr-o reprezentare grafic a problemelor, artnd influenele cauzale, ordinea temporal a evenimentelor, precum i alte relaii ntre variabile i rezultate.
Ieiri din identificarea riscului Riscurile identificate. Riscurile sunt evenimente cu apariii cu caracter discret, care pot s afecteze proiectul n bine sau n ru. (2) Trigger-e. Acestea sunt denumite i semnale de avertizare ale riscului, constituind indicaii c un risc a aprut sau urmeaz s apar. De exemplu, nerealizarea la timp a unei activiti de tip milestone poate fi semnalul unei posibile ntrzieri a programului ntregului proiect. (3) Intrri ctre alte procese. Identificarea riscului poate s evidenieze necesitatea unor aciuni n alte arii ale proiectului. De exemplu, structura activitilor proiectului poate s nu fie suficient de detaliat ca s permit o identificare adecvat a riscurilor la nivelul unor subactiviti ale proiectului. Riscurile identificate n acest proces constituie elemente de intrare n procesele de analiz calitativ i cantitativ care urmeaz. (1)
143
5.2.3 Analiza calitativ a riscului

Analiza calitativ a riscului este procesul de realizare a unei evaluri de natur calitativ a riscurilor identificate ale proiectului. Acest proces stabilete o prioritate a riscurilor, n funcie de efectul lor potenial asupra obiectivelor proiectului. Analiza calitativ a riscului este i o modalitate de determinare a importanei riscurilor identificate i un ghid pentru msurile de rspuns la risc. Analiza calitativ a riscului necesit estimarea probabilitii i a impactului riscului, utiliznd metode i tehnici de analiz calitativ. Procesul de analiz calitativ a riscului trebuie reluat pe parcursul ciclului de via al proiectului, pentru a reflecta schimbrile intervenite n proiect i schimbrile riscului proiectului. Rezultatele acestui proces pot conduce la o analiz cantitativ a riscului sau direct la planificarea rspunsului la risc. Pentru procesul de analiz calitativ a riscului, a crui schem este reprezentat n Figura 5.7, vom detalia n continuare intrrile n proces, mijloacele i tehnicile aplicabile acestui proces, precum i ieirile din acest proces. Intrri n analiza calitativ a riscului (1) (2) Planul managementului riscului. Este documentul din procesul de planificare descris anterior. Riscurile identificate. Riscurile descoperite n cadrul procesului de identificare sunt evaluate din punct de vedere al probabilitii de apariie i al impactului produs asupra proiectului. Stadiul proiectului. Incertitudinea asociat unui risc depinde de evoluia i stadiul proiectului. Astfel, la nceputul proiectului, mute riscuri nu apar, ele aprnd pe msur ce procesul evolueaz.
(3)
INTRRI
1. Planul managementului riscului 2. Riscurile identificate 3. Stadiul proiectului 4. Tipul proiectului 5. Precizia datelor 6. Scala de probabilitate i impact
MIJLOACE I TEHNICI
1. Probabilitatea i impactul riscului 2. Matricea scorului riscului 3. Testarea ipotezelor proiectului 4. Clasificarea preciziei datelor
IEIRI
1. Clasificarea general a riscului proiectului 2. Lista riscurilor prioritare 3. Lista riscurilor pentru analize suplimentare i management
Figura 5.7 Procesul de analiz calitativ a riscului proiectului
(4)
(5)
(6)
Tipul proiectului. Proiectele de acelai tip sau cele care se repet tind s aib riscuri mai reduse. Proiectele care utilizeaz tehnologii noi sau cele de mare complexitate tins s aib riscuri mult mai ridicate. Precizia datelor. Precizia descrie gradul n care riscul este cunoscut i neles. Ea msoar gradul de disponibilitate a datelor, ct i fiabilitatea acestora. n acest sens, trebuie evaluat sursa datelor care au fost utilizate pentru identificarea riscului. Scala de probabilitate i de impact. Aceste scale sunt utilizate pentru evaluarea celor dou dimensiuni cheie ale riscului: probabilitatea de apariie i impactul, adic consecinele asupra proiectului generate de apariia riscului respectiv.
Mijloace i tehnici de analiz calitativ a riscului (1) Probabilitatea i impactul riscului. Probabilitatea riscului este definit ca fiind posibilitatea ca acel risc s apar. Impactul riscului este efectul asupra obiectivelor proiectului dac acel risc apare. Probabilitatea riscului i impactul riscului sunt descrise n termeni calitativi ca fiind: foarte ridicate, ridicate, moderate, sczute sau foarte sczute. Aceste dimensiuni ale riscului se aplic riscurilor specifice i nu ntregului proiect. Analiza riscurilor cu ajutorul probabilitii i impactului ne ajut s identificm acele riscuri cu consecine majore asupra proiectului i asupra crora trebuie s acionm n mod agresiv. Matricea scorului riscului. Este o matrice construit prin combinarea scalelor de probabilitate i de impact. Scala de probabilitate a riscului are valori cuprinse ntre 0 (probabilitatea evenimentului imposibil) i 1 (probabilitatea evenimentului sigur). O scal general care se utilizeaz este alctuit din valorile 0,10, 0,30, 0,50, 0,70 i 0,90, n care 0,10 este probabilitatea pentru un risc foarte puin probabil s apar, iar 0,90 este probabilitatea pentru un risc care este foarte probabil s apar. Scala de probabilitate poate avea i valori ordinale, respectiv foarte puin probabil, puin probabil, mediu, probabil i foarte probabil, corespunztoare valorilor de probabilitate de mai sus. Scala de impact a riscului reflect severitatea impactului riscului asupra obiectivelor proiectului. Scala de impact poate fi ordinal (cu valorile de impact foarte sczut, sczut, moderat, ridicat, foarte ridicat) sau poate fi cardinal (cu valorile corespunztoare 0,05, 0,10, 0,20, 0,40 i 0,80).
(2)
145
Scopul ambelor abordri este de a atribui o valoare de impact de risc pentru obiectivele proiectului, dac riscul respectiv apare. Tabelul 5.1 conine un exemplu de evaluare a impactului riscului asupra obiectivelor principale ale unui proiect.
Tabelul 5.1 Impactul riscului asupra obiectivelor proiectului
Obiectivul proiectului Costuri Foarte sczut 0,05 Cretere nesemnificativ a costului Decalare nesemnificativ a programului Reducerea domeniului foarte mic Diminuarea calitii foarte mic Sczut 0,10 Creterea costului cu <5% Decalarea programului cu <5% Zone minore ale domeniului sunt afectate Impactul riscului Moderat Ridicat 0,20 0,40 Creterea Creterea costului cu costului cu 5% - 10% 10% - 20% Decalarea Decalarea programului programului cu 5% - 10% cu 10% - 20% Zone majore Reducerea ale domedomeniului niului sunt inacceptabil afectate pentru client Diminuarea Numai Diminuarea calitii anumite calitii necesit cerine sunt inacceptabil aprobarea afectate pentru client clientului Foarte ridicat 0,80 Creterea costului cu >20% Decalarea programului cu >20% Rezultatul proiectului este fr finalitate Rezultatul proiectului este inutilizabil
Program
Domeniu
Calitate
Matricea de probabilitate i impact poate fi reprezentat ntr-o form ordinal (Tabelul 5.2) sau cardinal (Tabelul 5.3). Forma ordinal se obine considernd nivelele de probabilitate i de impact, n exprimarea lor calitativ, considerate anterior. Valorile sczute de impact se coloreaz de obicei n verde, valorile moderate n galben, iar valorile ridicate de impact la risc n culoarea roie.
Tabelul 5.2 Matricea nivelului de impact
Impactul riscului Probabilitatea Foarte probabil Probabil Medie Puin probabil Foarte puin probabil Foarte sczut Moderat Sczut Sczut Sczut Sczut Sczut Moderat Moderat Moderat Sczut Sczut Moderat Ridicat Moderat Moderat Moderat Sczut Ridicat Ridicat Ridicat Ridicat Moderat Sczut Foarte ridicat Ridicat Ridicat Ridicat Ridicat Moderat
Scorul riscului se determin cu relaia: Scorul riscului = Probabilitatea Impactul. Scorurile corespunztoare ale riscului sunt calculate n matricea din Tabelul 5.3. Se observ c un scor mai mic de 0,05 se consider c are un impact sczut, scorul ntre 0,05 i 0,15 are un impact moderat, iar scorul mai mare de 0,15 are un impact ridicat.
Tabelul 5.3 Matricea scorului riscului
Impactul riscului Probabilitatea 0,90 0,70 0,50 0,30 0,10 0,05 0,05 0,04 0,03 0,02 0,01 0,10 0,09 0,07 0,05 0,03 0,01 0,20 0,18 0,14 0,10 0,06 0,02 0,40 0,36 0,28 0,20 0,12 0,04 0,80 0,72 0,56 0,40 0,24 0,08
(3)
(4)
Testarea ipotezelor proiectului. Ipotezele identificate trebuie testate fa de dou criterii: stabilitatea ipotezei i impactul asupra proiectului dac ipoteza este fals. n aceast situaie, trebuie identificate ipoteze alternative, care s fie adevrate, iar impactul acestora asupra obiectivelor proiectului trebuie testat n procesul de analiz calitativ a riscului. Clasificarea preciziei datelor. Analiza calitativ a riscului necesit date precise, care s vin n ajutorul managementului proiectului. Tehnica de clasificare a preciziei datelor evalueaz gradul n care datele despre risc sunt utile pentru managementul riscului. Aceasta implic evaluarea datelor disponibile despre risc, din punct de vedere al calitii, integritii i fiabilitii acestora. Utilizarea unor date de precizie sczut dac, de exemplu, un anumit risc nu este neles poate conduce la o analiz calitativ a riscului care nu este util managerului de risc. Ieiri din analiza calitativ a riscului
(1)
Clasificarea general a riscului proiectului. Clasificarea riscului poate indica poziia proiectului fa de alte proiecte prin compararea scorurilor riscurilor. Ea poate fi utilizat pentru a aloca personal sau alte resurse unor proiecte cu diferite clasificri ale riscului, pentru a face analize cost
147
(2)
(3)
beneficiu pentru proiect sau chiar pentru a justifica recomandarea pentru anularea unui proiect. Lista riscurilor prioritare. Riscurile pot fi ierarhizate dup scorul de impact de care aparin (ridicat, moderat, sczut), pn la cel mai detaliat nivel din structura activitilor proiectului. Riscurile pot fi grupate, de asemenea, dup modul n care necesit un rspuns imediat sau un rspuns ulterior. Riscurile referitoare la costuri, program, funcionalitate sau calitate pot fi evaluate separat, cu diferite metode de clasificare. Totodat, riscurile semnificative trebuie s fie descrise pe baza probabilitii i a impactului cu care au fost evaluate. Lista riscurilor pentru analize suplimentare i management. Riscurile clasificate ca fiind ridicate i moderate sunt primele candidate pentru analiza cantitativ i pentru aciuni de managementul riscului.
5.2.4 Analiza cantitativ a riscului

Analiza cantitativ a riscului este procesul prin care se urmrete evaluarea numeric a probabilitii i impactului fiecrui risc asupra obiectivelor proiectului, precum i influena asupra riscului general al proiectului. Acest proces utilizeaz tehnici cantitative, cum ar fi simularea Monte Carlo, analiza de senzitivitate i metoda arborilor de decizie, pentru: Determinarea probabilitii de a nu atinge obiective specifice ale proiectului; Cuantificarea expunerii la risc a proiectului i determinarea mrimii rezervelor neprevzute pentru costuri i pentru program care ar putea fi necesare; Identificarea riscurilor care implic o atenie mai mare, prin cuantificarea contribuiei lor relative la riscul general al proiectului; Identificarea realist a costurilor, programului i obiectivelor care pot fi realizate. Procesul de analiz cantitativ a riscului urmeaz n fluxul grupului de procese pentru managementul riscului dup procesele de identificare i de analiz calitativ a riscului. Procesele de analiz calitativ i cantitativ a riscului pot fi realizate separat sau mpreun. Pentru procesul de analiz cantitativ a riscului, a crui schem este reprezentat n Figura 5.8, vom detalia n continuare intrrile n proces, mijloacele i tehnicile aplicabile acestui proces, precum i ieirile din acest proces.
Intrri n analiza cantitativ a riscului (1) (2) (3) (4) (5) (6) Planul managementului riscului. Este documentul rezultat din procesul anterior de planificarea managementului riscului. Riscurile identificate. Sunt ieiri din procesul de identificare a riscului. Lista riscurilor prioritare. Este o rezultant a procesului de analiz calitativ a riscului. Lista riscurilor pentru analize suplimentare i management. De asemenea, este o ieire din proces de analiz calitativ a riscului. Informaii istorice. Sunt informaii provenite de la proiecte anterioare similare, studii referitoare la riscurile proiectelor, baze de date despre risc etc. Evalurile experilor. Datele de intrare n analiza cantitativ a riscului pot s provin de la echipa de proiect sau de la experi n domeniu din cadrul organizaiei sau din afara acesteia. Alte ieiri din planificarea proiectului. Cele mai utile ieiri din celelalte procese de planificare a proiectului sunt estimrile duratelor activitilor, structura activitilor proiectului, costurile estimate pentru aceste activiti, precum i obiectivele tehnice ale proiectului.
(7)
Mijloace i tehnici pentru analiza cantitativ a riscului (1) Interviul. Tehnicile de intervievare sunt utilizate pentru a cuantifica probabilitatea i impactul riscurilor asupra obiectivelor proiectului. Primul pas l constituie realizarea unor interviuri despre riscurile proiectului cu participarea responsabililor proiectului sau a experilor n domeniu. Informaia care este necesar depinde de tipul distribuiilor de probabilitate
INTRRI
1. Planul managementului riscului 2. Riscurile identificate 3-4. Lista riscurilor prioritare i pentru analize suplimentare i management 5. Informaii istorice 6. Evalurile experilor 7. Alte ieiri din planificarea proiectului
MIJLOACE I TEHNICI
1. Interviul 2. Analiza de senzitivitate 3. Analiza arborilor de decizie 4. Simularea
IEIRI
1. Lista riscurilor prioritare cuantificate 2. Analiza probabilist a proiectului 3. Probabilitatea de a atinge obiectivele de cost i de timp ale proiectului
Figura 5.8 Procesul de analiz cantitativ a riscului proiectului
149
care vor fi utilizate pentru modelarea riscului. De exemplu, atunci cnd se utilizeaz distribuia triunghiular sau distribuia beta se furnizeaz informaii asupra scenariilor optimist, pesimist i cel mai probabil. Distribuiile de probabilitate continue cele mai utilizate pentru analiza cantitativ a probabilitii si a impactului sunt: uniform, normal, triunghiular, beta i log-normal. Ca urmare a interviurilor, este necesar documentarea argumentelor care au stat la baza parametrilor atribuii distribuiilor de probabilitate ale modelelor de risc, care vor constitui elemente de intrare pentru strategiile de rspuns la risc. (2) Analiza de senzitivitate. Aceast tehnic ajut la determinarea acelor riscuri care au cel mai mare potenial de impact asupra proiectului. Analiza de senzitivitate examineaz gradul n care incertitudinea fiecrui element de risc al proiectului influeneaz obiectivele proiectului, atunci cnd celelalte elemente variabile i incerte sunt meninute la valorile lor cele mai probabile. (3) Analiza arborilor de decizie. Metoda arborilor de decizie se utilizeaz pentru a reprezenta problema de decizie considernd implicaiile alegerii dintre alternativele disponibile. Metoda utilizeaz probabilitile riscurilor, precum i elemente pe pierdere sau ctig, pentru fiecare secven de decizii care se poate adopta. Rezolvarea arborelui de decizie indic decidentului o evaluare n termeni cantitativi a riscului asociat fiecrei decizii, n condiii de incertitudine. (4) Simularea. Tehnica de simulare utilizeaz un model al proiectului, care translateaz incertitudinile specificate pn la un anumit nivel de detaliere privind impactului potenial asupra obiectivelor proiectului i apoi la nivelul ntregului proiect. Pentru simulare se utilizeaz tehnica Monte Carlo. Tehnicile de simulare i analiz menionate mai sus au fost detaliate n capitolele anterioare i le vom relua n seciunea de aplicaii a acestui capitol. Ieiri din analiza cantitativ a riscului (1) Lista riscurilor prioritare cuantificate. Aceast list include riscurile care constituie cea mai mare ameninare pentru proiect, sau care ofer cea mai mare oportunitate, mpreun cu o msur a impactului lor Analiza probabilist a proiectului. Aceast analiz face o predicie asupra programului i costurilor proiectului, furniznd intervale de ncredere. Probabilitatea de a atinge obiectivele de cost i de timp ale proiectului. n urma analizei cantitative a riscului, poate fi estimat probabilitatea de a atinge obiectivele de cost i de timp ale proiectului, n condiiile riscurilor actuale.
(2) (3)
5.2.5 Planificarea rspunsului la risc

Planificarea rspunsului la risc este procesul de dezvoltare a opiunilor i de determinare a aciunilor care s conduc la intensificarea oportunitilor i reducerea ameninrilor asupra obiectivelor proiectului. Acest proces include identificarea i atribuirea responsabilitilor pentru fiecare rspuns la risc convenit i asigur c riscurile identificate sunt alocate n mod corespunztor pentru rspuns. Eficacitatea planificrii rspunsului la risc determin n mod direct creterea sau descreterea riscului proiectului. Planificarea rspunsului la risc trebui s fie corelat cu nivelul de severitate a riscului, s ating obiectivele de costuri, s fie realizat la timp pentru a avea succes, s fie realist i s in cont de contextul proiectului, s fie acceptat de toate prile implicate n proiect i s fie atribuit unui responsabil din cadrul proiectului. Pentru procesul de planificare a rspunsului la risc, a crui schem este reprezentat n Figura 5.9, vom detalia n continuare intrrile n proces, mijloacele i tehnicile aplicabile acestui proces, precum i ieirile din acest proces. Intrri n planificarea rspunsului la risc (1) (2) (3) (4) Planul managementului riscului. Este documentul rezultat din procesul de managementului riscului. Lista riscurilor prioritare rezultate din analiza calitativ. Este lista ierarhizat a riscurilor, rezultat n procesul de analiz calitativ a riscului. Clasificarea general a riscurilor proiectului. Este clasamentul tuturor riscurilor proiectului, rezultat din procesul de analiz calitativ a riscului. Lista riscurilor prioritare cuantificat. Lista rezultat din procesul de analiz cantitativ a riscului.
INTRRI
1. Planul managementului riscului 2-4 Lista riscurilor prioritare 5-6. Analiza probabilist a proiectului 7. Rspunsuri poteniale 8. Nivele de risc 9. Proprietarii riscului 10. Rspunsurile comune la risc
MIJLOACE I TEHNICI
1. Evitarea 2. Transferul 3. Atenuarea 4. Acceptarea
IEIRI
1. Planul de rspuns la risc 2. Riscurile reziduale 3. Riscurile secundare 4. nelegeri contractuale 5. Resurse de rezerv 6-7. Intrri ctre alte procese
Figura 5.9 Procesul de planificare a rspunsului la riscul proiectului
151
(5)
Analiza probabilist a proiectului. Este o ieire din procesul de analiz cantitativ a riscului. (6) Probabilitatea de depire a obiectivelor de cost i de timp ale proiectului. Rezult din analiza probabilist a proiectului. (7) Lista rspunsurilor poteniale. n procesul de identificare a riscului pot fi identificate aciuni de rspuns pentru riscuri individualizate sau pentru categorii de risc. (8) Nivele de risc. Pragurile de risc acceptabile pentru organizaie vor influena planul de rspuns la risc. (9) Proprietarii riscului. Este o list a responsabililor proiectului care sunt capabili s acioneze ca proprietari ai rspunsului la risc. Aceti proprietari ai riscului trebuie implicai n elaborarea rspunsurilor la risc. (10) Rspunsurile comune la risc. Anumite riscuri pot fi generate de cauze comune. Aceast situaie poate pune n eviden oportunitatea de a aborda dou sau mai multe riscuri ale proiectului cu un acelai rspuns generic comun. Mijloace i tehnici pentru planificarea rspunsului la risc
Exist mai multe strategii de rspuns la risc. Pentru fiecare risc trebuie selectat strategia care are cele mai mari anse s fie eficace. n continuare, pentru implementarea strategiei de rspuns la risc trebuie aplicate aciuni specifice. ntotdeauna vor fi selectate o strategie principal i o strategie de rezerv. (1) Evitarea. Evitarea riscului reprezint schimbarea planului proiectului pentru a elimina riscul sau pentru a proteja obiectivele proiectului fa de impactul riscului. Echipa de proiect nu poate elimina toate riscurile, dar anumite riscuri specifice pot fi evitate. Anumite cauze ale riscului pot s apar nc din fazele iniiale ale proiectului i pot fi rezolvate prin clasificarea cerinelor, obinerea de informaii, mbuntirea comunicrii sau prin expertize calificate. Exemple de evitare a riscului sunt: reducerea domeniului proiectului pentru a evita activitile cu risc ridicat; suplimentarea resurselor i a timpului; adoptarea unei abordri cunoscute n locul uneia inovative sau evitarea unui furnizor necunoscut. Transferul. Transferul riscului este aciunea de a cuta transferarea impactului riscului ctre o a treia parte, mpreun cu responsabilitatea asupra rspunsului la risc. Transferul riscului nu determin eliminarea acestuia, dar atribuie unei tere pri responsabilitatea managementului acestui risc.
(2)
(3)
(4)
Transferul responsabilitii pentru risc este cel mai eficace atunci cnd n proiect apare expunerea la riscul financiar. Transferul riscului financiar nseamn aproape ntotdeauna plata unei prime de risc ctre partea care preia riscul. Aceasta poate include prime de asigurare, garanii .a. De asemenea, prin contracte se pot transfera responsabilitile de risc ctre o alt parte. De exemplu, utilizarea unui contract cu preuri fixe poate transfera riscul ctre un vnztor. Atenuarea. Aceast tehnic urmrete s reduc probabilitatea i/sau impactul riscului sub un prag acceptabil. Atenuarea se bazeaz pe principiul c adoptarea la timp a unei aciuni de prevenire a apariiei riscului este mai eficace dect ncercarea de a repara consecinele dup ce riscul a aprut. Totodat, costurile aciunilor de atenuare a riscului trebuie s fie n concordan cu probabilitatea de impact a riscului. Atenuarea riscului se poate face prin implementarea unei noi modaliti de aciune care s reduc riscul, de exemplu prin adoptarea unor procese mai puin complexe, prin realizarea unor testri suplimentarea sau prin alegerea unui furnizor mai stabil. Procedurile de atenuare a riscului pot s impun schimbarea condiiilor proiectului, astfel nct probabilitatea de apariie a riscului s se reduc, de exemplu prin suplimentarea resurselor de timp ale programului proiectului. Atunci cnd nu este posibil reducerea probabilitii, rspunsul de atenuare a riscului poate fi orientat asupra impactului riscului, prin focalizarea asupra legturilor care determin severitatea impactului. De exemplu, proiectarea unui subsistem redundant poate reduce impactul care ar rezulta din defectarea sistemului principal. Acceptarea. Aceast tehnic indic faptul fie c echipa de proiect a decis s nu schimbe planul proiectului pentru confruntarea cu riscurile acestuia, fie c nu a fost capabil s identifice o alt strategie aplicabil de rspuns la risc. O acceptare activ poate include elaborarea unui plan de rezerv, care s fie realizat atunci cnd apare riscul. Acceptarea pasiv nu necesit nici o aciune, lsnd echipa de proiect s abordeze riscurile pe msur ce ele apar. Planul de rezerv poate fi un instrument util pentru riscurile care pot s apar pe parcursul unui proiect. Elaborarea de la nceput a unui asemenea plan poate reduce semnificativ costul aciunilor care sunt necesare atunci cnd apare riscul. n acest plan semnalele (triggerele) riscului trebuie bine definite. Planul de retragere poate fi elaborat dac riscul are un impact ridicat sau dac strategia urmat nu este integral eficace. Planul poate include alocarea unor resurse de rezerv, dezvoltarea de opiuni alternative sau schimbarea domeniului proiectului.
153
Ieiri din planificarea rspunsului la risc (1) Planul de rspuns la risc. Acest document trebuie s fie redactat la un nivel de detaliere la care s poat s fie luate aciunile necesare. Planul de rspuns la risc include, n general, urmtoarele elemente: Riscurile identificate i descrierea lor, activitile afectate, cauzele riscurilor i modul n care acestea afecteaz obiectivele proiectului; Responsabilitile atribuite pentru riscuri; Rezultatele din procesele de analiz calitativ i cantitativ a riscului; Rspunsurile la risc stabilite, incluznd evitarea, transferarea, atenuarea sau acceptarea pentru fiecare risc; Nivelul riscului rezidual care se ateapt s rmn dup implementarea strategiilor de rspuns la risc; Rspunsuri specifice la risc, care s permit implementarea strategiei stabilite; Bugetul i timpul alocate pentru rspunsurile la risc; Planurile de rezerv i de retragere. Riscurile reziduale. Sunt acele riscuri care rmn dup ce au fost aplicate rspunsurile de evitare, transfer sau atenuare. n aceast categorie intr i riscurile minore care au fost acceptate. Riscurile secundare. Sunt riscurile de nivelul al doilea, care apar ca rezultat al implementrii rspunsurilor la risc i care sunt considerate secundare, ca moment al apariiei lor. Acestor riscuri trebuie s li se aplice, de asemenea, procedurile de rspuns la risc, respectiv s fie identificate i trebuie planificat rspunsul la ele. nelegeri contractuale. Pentru a specifica responsabilitile prilor pentru anumite riscuri specifice, pot fi ncheiate nelegeri contractuale, care stabilesc, de exemplu, modalitile de asigurare, service sau alte activiti pentru evitarea sau atenuarea riscurilor. Cantitatea necesar de resurse de rezerv. Analiza probabilist a proiectului i a pragurilor de risc ajut managerului de risc sau de proiect s determine cantitatea optim de resurse de rezerv necesare pentru reducerea riscului de depire a obiectivelor proiectului, la un nivel acceptabil pentru organizaie. Intrri ctre alte procese. Cele mai multe din rspunsurile la risc implic consumuri suplimentare de timp, de costuri sau alte resurse i necesit modificri le planului proiectului. De aceea, organizaiile urmresc s se
(2)
(3)
(4)
(5)
(6)
(7)
asigure c aceste cheltuieli sunt justificate de nivelul de reducere a riscurilor atins. Aceste strategii alternative trebuie s furnizeze informaii pentru celelalte procese ale proiectului. Intrri n planul revizuit al proiectului. Un nou plan revizuit al proiectului, dac a fost elaborat, necesit continuarea managementului riscului i deci i furnizarea rspunsurilor la risc, ntr-un proces iterativ.
5.2.6 Monitorizarea i controlul riscului

Monitorizarea i controlul riscului este procesul de urmrire a riscurilor identificate, de monitorizare a riscurilor reziduale i de identificare a noilor riscuri, asigurnd execuia planurilor de risc i evaluarea eficacitii lor n reducerea riscului. Monitorizarea i controlul riscului este un proces care se desfoar pe durata ciclului de via al proiectului. Pe msur ce proiectul evolueaz, riscurile se schimb, apar riscuri noi sau riscuri care au fost anticipate pot s dispar. Un proces corespunztor de monitorizare i control al riscului furnizeaz informaia necesar pentru asistarea adoptrii unor decizii eficace, nainte ca riscurile s apar. Comunicarea cu toi responsabilii proiectului este necesar pentru a evalua periodic nivelul de risc al proiectului. Scopul monitorizrii i controlului riscului este de a determina dac: Rspunsurile la risc au fost implementate aa cum a fost planificat; Aciunile de rspuns la risc au eficacitatea ateptat sau dac trebuie elaborate noi rspunsuri la risc; Ipotezele proiectului sunt nc valide; Expunerea la risc s-a schimbat fa de starea anterioar, innd cont de analiza cerinelor; A aprut un semnal (trigger) de risc; Sunt aplicate politici i proceduri adecvate; Riscurile identificate au aprut sau au aprut riscuri care nu fuseser identificate iniial. Controlul riscului poate implica strategii alternative, implementarea unui plan de rezerv, aplicarea de aciuni corective sau replanificarea proiectului. Proprietarul riscului trebuie s raporteze periodic managerului de proiect sau managerului de risc asupra eficacitii planurilor de rspuns la risc, asupra efectelor neanticipate sau asupra oricror altor corecii necesare pentru atenuarea riscului. Pentru procesul de monitorizare i control al riscului, a crui schem este reprezentat n Figura 5.10, vom detalia n continuare intrrile n proces, mijloacele i tehnicile aplicabile acestui proces, precum i ieirile din acest proces.
155
Intrri n monitorizarea i controlul riscului (1) (2) (3) Planul managementului riscului. Este documentul de planificare menionat n procesul specific. Planul de rspuns la risc. Este documentul rezultat din procesul anterior de rspuns la risc. Comunicarea. Rezultatele activitilor i alte nregistrri ale proiectului furnizeaz informaii despre performanele i riscurile proiectului. Rapoartele utilizate pentru monitorizarea i controlul riscului pot include liste de probleme i aciuni, note de avertizare sau atenionare .a. Identificarea i analiza riscului suplimentar. Pe msur ce performanele proiectului sunt cuantificate i raportate, pot s apar riscuri potenial care nu au fost identificate anterior. Schimbarea domeniului. Schimbarea domeniului proiectului necesit adesea o nou analiz a riscului i planuri de rspuns.
(4)
(5)
Mijloace i tehnici de monitorizare i controlul riscului (1) Liste de verificare. Listele de verificare utilizate pentru identificarea riscului pot fi utilizate i n monitorizarea i controlul riscului. O atenie special trebuie ndreptat ctre riscurile care nu apar pe listele standard, n situaia n care aceste riscuri pot s fie relevante pentru anumite proiecte specifice. Auditurile proiectului. Auditorii riscului proiectului examineaz i documenteaz eficacitatea planurilor de rspuns la risc pentru prevenirea, transferul sau atenuarea apariiei riscului, precum i eficacitatea dovedit de proprietarii riscurilor. Aceste audituri ale riscului sunt realizate pe durata ciclului de via al proiectului, n scopul controlului riscului. Revizuiri periodice ale riscului proiectului. Trebuie programate revizuiri
INTRRI
1. Planul managementului riscului 2. Planul de rspuns la risc 3. Comunicarea 4. Identificarea i analiza riscului suplimentar 5. Schimbarea domeniului
(2)
(3)
MIJLOACE I TEHNICI
1. Liste de verificare 2. Auditurile proiectului 3. Revizuiri periodice ale riscului proiectului 4. Analiza rezultatelor 5. Msurarea performanelor tehnice 6. Planificarea suplimentar a rspunsului la risc
IEIRI
1. Planuri de urgen 2. Aciuni corective 3. Cereri de schimbare a proiectului 4. Actualizri ale planului de rspuns la risc 5. Baze de date pentru risc 6.Actualizri ale listelor de verificare riscuri
Figura 5.10 Procesul de monitorizare i control al riscul proiectului
(4)
(5)
(6)
periodice ale riscului proiectului, astfel nct riscurile proiectului s fie pe agenda de lucru a fiecrui responsabil de proiect. Clasamentul i prioritatea riscurilor se pot schimba pe parcursul realizrii proiectului i orice schimbare necesit analize suplimentare calitative i cantitative ale riscului. Analiza rezultatelor. Pentru monitorizarea performanelor generale ale proiectului se utilizeaz analiza rezultatelor obinute fa de planul iniial. Aceste rezultate pot indica abateri poteniale ale proiectului de la obiectivele de costuri sau de program stabilite. Atunci cnd un proiect se abate semnificativ de la planul iniial, trebuie actualizate analizele de identificare, evaluare i cuantificare a riscului. Msurarea performanelor tehnice. Aceasta nseamn compararea realizrilor tehnice n timpul derulrii proiectului cu planul de obiective tehnice ale proiectului. Abaterile, cum ar fi de exemplu nedemonstrarea funcionalitii la anumite termene, pot implica riscul de a nu atinge domeniul proiectului. Planificarea suplimentar a rspunsului la risc. Atunci cnd se manifest un risc care nu a fost anticipat n planul de rspuns la risc sau impactul acestui risc asupra obiectivelor este mai mare dect cel ateptat, este posibil ca rspunsul planificat s nu fi fost adecvat. Pentru controlul riscului va fi necesar planificarea suplimentar a rspunsului la risc.
Ieiri din monitorizarea i controlul riscului (1) Planuri de urgen. Sunt rspunsuri neplanificate anterior la riscurile urgente. Aceste planuri trebuie documentate i ncorporate n planul general al proiectului i n planul de rspuns la risc. Aciuni corective. Constau din aplicarea planurilor de rezerv sau de urgen. Cereri de schimbare a proiectului. Rezult ca urmare a implementrii planurilor de rezerv sau de urgen, conducnd la modificri ale proiectului. Actualizri ale planului de rspuns la risc. Riscurile pot s apar sau nu. Riscurile care apar trebuie documentate i evaluate. Toate acestea trebuie s fie incluse n planurile actualizate de rspuns la risc. Baze de date pentru risc. Sunt depozite de date pentru colectarea, actualizarea i analiza datelor rezultate din managementul riscului proiectelor. Actualizri ale listelor de verificare a riscurilor identificate. Listele de verificare sunt actualizate pe baza informaiilor rezultate din procesul de monitorizare i control al riscului.
(2) (3) (4)
(5) (6)
5.3 APLICAII
157
5.3 APLICAII
5.3.1 Planul managementului riscului
Strategia de dezvoltare i implementare a managementului riscului proiectului este alctuit dintr-un grup de procese pe care le-am descris n seciunea anterioar. Aceste procese sunt strns legate ntre ele, aa cum rezult din schema de proces din Figura 5.11, n care se observ caracterul ciclic al procesului. Primul pas l constituie realizarea planului managementului riscului, pentru care vom analiza un model (ablon) de document. Acest model, prezentat n Figura 5.12 (pagina 1) i Figura 5.13 (pagina 2) conine seciunile: (A) Informaii generale; (B) Strategia managementului riscului; (C) Analiza calitativ i cantitativ a riscului; (E) Planificarea rspunsului la risc. Modelul poate fi dezvoltat, pe baza intrrilor, a mijloacelor i tehnicilor i a ieirilor din procesele de managementul riscului discutate.
Planificarea managementului riscului
Monitorizarea i controlul riscului
Analiza calitativ i cantitativ
Planificarea rspunsului al risc
Figura 5.11 Schema general a procesului de managementul riscului
PLANUL MANAGEMENTULUI RISCULUI

A. Informaii generale
Aceast seciune conine informaii generale referitoare la organizarea proiectului i a Planului Managementului Riscului (PMR).
Denumirea proiectului: Responsabili PMR: Elaborat PMR:
Data PMR: Data modificrii: Aprobat PMR:
B.
Strategia managementului riscului
n aceast seciune sunt definite: metodologia de managementul riscului care va fi utilizat, ipotezele riscului, rolurile i responsabilitile n managementul riscului, termenele, tehnicile de clasificare / scor, pragurile de risc, comunicarea riscului, monitorizarea i controlul riscului. 1. Definirea metodologiei de managementul riscului
2. Definirea ipotezelor riscului
3. Definirea rolurilor i responsabilitilor n managementul riscului
4. Definirea termenelor pentru managementul riscului
5. Definirea tehnicilor de clasificare / scor ale riscului
6. Stabilirea pragurilor de risc
7. Definirea modului de comunicare a riscului
8. Definirea procesului de monitorizare i control al riscului
Figura 5.12 Planul managementul riscului model pagina 1
5.3 APLICAII
159
C.
n aceast seciune sunt definite i descrise categoriile de risc (de personal, de echipament, clieni, de logistic, de organizare, alte categorii). Categoria de risc Descrierea riscului
D.
Analiza calitativ i cantitativ a riscului
n aceast seciuni sunt realizate analiza calitativ i cantitativ a riscului, prin evaluarea impactul evenimentelor de risc asupra obiectivelor proiectului i calculul scorului riscului.
Analiza calitativ
Categoria de risc/ Evenimentul Impactul riscului* Evaluarea impactului riscului
* Impactul riscului: 0,05 = Foarte sczut / 0,10 = Sczut / 0,20 = Moderat / 0,40 = Ridicat / 0,80 = Foarte ridicat
Analiza cantitativ
Categoria de risc/ Evenimentul Probabilitatea de apariie** Consecinele impactului Scorul riscului (Probabilitate Impact)
**Probabilitatea: 0,10=Foarte puin probabil / 0,30=Puin probabil / 0,50=Medie / 0,70=Probabil / 0,90=Foarte probabil
E.
Planificarea rspunsului la risc

Rspunsurile la risc Aciuni adoptate/necesare Responsabili/termene Ieiri din procesul rspuns la risc de
n aceast seciune sunt determinate opiunile i aciunile de rspuns la riscurile proiectului Categoria de risc/ Evenimentul
Figura 5.13 Planul managementul riscului model pagina 2
5.3.2 Lista categoriilor de risc

Unul din elementele de intrare n procesul de identificare a riscului l constituie lista cu categoriile de risc care se aplic proiectului. Aceast list rezult din evaluarea pe care o face echipa de managementul riscului proiectului, mpreun cu responsabilii proiectului i cu ali experi. O list generic a categoriilor de risc aplicabile unui proiect este prezentat n Tabelul 5.4. n mod evident, aceast list este departe de a fi exhaustiv, coninnd numai o parte dintre principalele categorii de riscuri ale unui proiect.
Tabelul 5.4 Lista categoriilor de risc ale unui proiect Proiectare
Cerine sau funcii nedefinite, incomplete, neclare Caracteristici complexe de proiectare Ipoteze de lucru numeroase, neclare, neadevrate Fiabilitatea Mentenabilitatea Clasa de precizie sau de securitate Disponibilitatea Erori sau omisiuni de proiectare
Tehnologie
Tehnologie nou Modificarea tehnologiei existente O nou aplicare a tehnologiei existente Tehnologie necunoscut sau neclar
Aprovizionare
Strategia de aprovizionare Furnizor/vnztor nou Disponibilitatea i suportul vnztorului
Resurse/Condiii
Disponibilitatea materialelor sau echipamentelor Resurse speciale necesare Utiliti existente Disponibilitatea service-ului Resurse temporare (electricitate, ap, gaz .a.) Condiii geologice Resurse care nu sunt disponibile Complexitatea construciilor Calificarea i instruirea personalului Disponibilitatea mijloacelor de msurarea i monitorizare Logistica forei de munc Influena infrastructurii Interfeele proiectului
Testare
Construcia Mentenana Operabilitate Faciliti Sistem
Securitate
Componente critice poteniale Potenialul de incendiu Potenialul de contaminare
Management
Incertitudini de finanare Modificri de strategie Estimri eronate sau omisiuni
5.3 APLICAII
161
5.3.3 Simularea costurilor proiectului

Vom aplica n continuare metoda de simulare prezentat n Capitolul 3 pentru a simula costurile estimate ale unui proiect, n vederea evalurii probabilitii de a realiza un anumit cost al proiectului. Aceast tehnic este de fapt o analiz cantitativ a riscului i ne va permite s determinm probabilitatea de a obine diferite nivele de costuri, avnd astfel o evaluare a riscului de a depi costurile bugetate ale proiectului. Considerm activitile principale ale unui proiect de realizare a unui nou produs, estimate prin trei nivele de costuri: nivelul minim (notat a), nivelul mediu cel mai probabil (notat m) i nivelul maxim (notat b), pentru care utilizm modelul distribuiei triunghiulare ca model de simulare. Datele modelului determinist sunt prezentate n Tabelul 5.5, costurile fiind exprimate n mii (k).
Tabelul 5.5 Costurile estimate ale unui proiect Activiti Proiectare Execuie Testare Cost total Costuri estimate
Minim (a)
4 16 11 31
Mediu (m)
6 20 15 41
Maxim (b)
10 35 23 68
Media aritmetic 6,67 23,67 16,33 46,67
Abaterea standard 1,25 4,09 2,49 7,81
Cu ajutorul formulelor (3.9) i (3.10) am calculat media aritmetic i abaterea standard pentru costurile estimate ale activitilor i ale ntregului proiect. A rezultat o valoare a mediei de 46,67 (k) i o abatere standard de 7,81. Utiliznd distribuia triunghiular ca model pentru costurile activitilor proiectului, aplicm metoda Monte Carlo de simulare a costurilor estimate. Parametrii statistici rezultai n urma simulrii sunt prezentai n Tabelul 5.6. Histograma frecvenei absolute pentru variabila cost total, care este variabila rezultat n urma simulrii, este reprezentat n Figura 5.14.
Tabelul 5.6 Valorile simulate Statistica Media aritmetic Abaterea standard Amplitudinea Valoarea minim Prima cuartil Mediana A treia cuartil Valoarea maxim Valoarea 46,71 4,47 23,78 36,76 43,68 46,35 49,69 60,54
60 50 40 Frecvena 30 20 10 0 36 38 40 42 44 46 48 50 52 54 56 58 60 62 Costul total
Figura 5.14 Histograma frecvenei simulate a costului total al proiectului
Modelul empiric sugerat de histogram este cel al distribuiei normale, fapt natural deoarece costul total este suma a trei variabile aleatoare triunghiulare i, conform teoremei limit central, va tinde spre distribuia normal, ipotez confirmat i de testul de normalitate Henry din Figura 5.15, aplicat pentru valorile simulate.
99.9% 99.7% 99.4% 98.8% 97.7% 96.0% 93.3% 89.4% 84.1% 77.3% 69.1% 59.9% 50.0% 40.1% 30.9% 22.7% 15.9% 10.6% 6.7% 4.0% 2.3% 1.2% 0.6% 0.3% 0.1% 3.00 2.75 2.50 2.25 2.00 1.75 1.50 1.25 1.00 0.75 0.50 0.25 0.00 -0.25 -0.50 -0.75 -1.00 -1.25 -1.50 -1.75 -2.00 -2.25 -2.50 -2.75 -3.00
Figura 5.15 Testul de normalitate Henry pentru valorile simulate
5.3 APLICAII
163
Vom utiliza n continuare modelul distribuiei normale cu parametrii statistici rezultai din simulare pentru inferena asupra costurilor estimate ale proiectului i deci asupra riscului de a depi aceste costuri. n Tabelul 5.7 sunt calculate probabilitile de a obine diferite valori ale costurilor totale ale proiectului.
Tabelul 5.7 Valorile probabilitilor costurilor proiectului Probabilitatea Prob{x < 31} Prob{x < xmin} Prob{x > 41} Prob{x > xmax} Prob{x > 68} Valoarea (%) 0,022% 1,3% 89,9% 0,1% 0,0001%
Observm c probabilitatea ca s depim costurile medii planificate (41k) este foarte mare, respectiv aproape 90%, n timp ce probabilitile de a ne situa sub valorile minime calculate sau simulate, respectiv peste valorile maxime calculate sau simulate, sunt mici sau foarte mici.
5.3.4 Riscul rezidual

Chiar i dup aplicarea strategiilor de rspuns la risc, este posibil s rmn impacturi ale anumitor riscuri ale proiectului, care sunt denumite riscuri reziduale. Impactul asupra costurilor i asupra programului pentru aceste riscuri reziduale trebuie avut n vedere la cuantificarea riscului proiectului. Pentru aceasta se determin distribuiile de probabilitate pentru riscul de cost sau de program i apoi se utilizeaz simularea Monte Carlo pentru evaluarea probabilitii riscului rezidual. n Tabelul 5.8 sunt prezentate riscurile identificate ale unui proiect, cu evaluarea nivelelor calitative de risc i a costurilor n cazurile cele mai nefavorabile, nainte de rspunsul la risc. De asemenea, sunt stabilite strategiile de rspuns la risc, precum i costurile implementrii acestor strategii. n ultimele coloane ale tabelului sunt estimate nivelele riscurilor reziduale rmase dup rspuns, ct i valorile minime, cele mai probabile i maxime ale riscurilor reziduale. Aplicm n continuare paii algoritmului de simulare descris anterior. Utilizm pentru cele patru variabile aleatoare ce descriu riscurile reziduale modelul distribuiei triunghiulare. Vom utiliza pentru analiza probabilitilor de a obine diferite valori ale riscurilor reziduale distribuia cumulativ simulat, reprezentat n Figura 5.16. Observm c valorile costului riscului rezidual se situeaz ntre o valoare minim de circa 350 k i o valoare maxim de circa 1.150 k.
164 CAPITOLUL 5 MANAGEMENTUL RISCULUI N PROIECTE Tabelul 5.8 Evaluarea riscurilor reziduale ale proiectului
nainte de rspuns Riscul identificat Nivel de risc Cost (k) Rspunsul la risc Costul Strategia implemende trii rspuns rspunsului Dup rspuns Riscuri reziduale Nivel de risc Minim Mediu Maxim
1. Reproiectare pentru a rezolva problemele aprute la validarea proiectului 2. Reprelucrarea i actualizarea documentaiei proiectului 3. Proiectarea echipamentului de baz 4. ntrzierea omologrii produsului Total
Moderat
3.500
Atenuare
100
Sczut
150
500
Moderat
2.700
Acceptare
Sczut
100
300
Ridicat
5.000
Atenuare
300
Moderat
250
600
Ridicat
2.000 13.200
Atenuare
250 650
Moderat
0 0
75 575
200 1.600
Probabilitatea ca s nu avem risc rezidual este evident 0, iar probabilitatea ca riscul rezidual s fie mai mare de 1.200 k este de asemenea 0. Cu o probabilitate de 80% putem s estimm c riscul rezidual al acestui proiect va fi de 900 k. Vom efectua n continuare analiza de senzitivitate, i anume vom evalua ponderea varianei celor 4 variabile aleatoare ce descriu riscul rezidual. Dup algoritmul de calcul folosit anterior, obinem n Figura 6.17 o fi tornado pentru variana riscului rezidual.
1.0 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0.0 300 400 500 600 700 800 900 1000 1100 1200 Costul total Probabilitatea
Figura 5.16 Distribuia cumulativ simulat
5.3 APLICAII
165
0%
10%
20%
30%
40%
50%
Proiectare
47%
Reproiectare
34%
Documentaie
12%
ntrziere
6%
Figura 5.17 Fia tornado pentru riscul rezidual
Observm c avem de fapt o fi semi-tornado, deoarece variabilele au numai o influen pozitiv asupra modelului costurilor riscurilor reziduale, deci vom avea o reprezentare numai a valorilor pozitive. Riscurile reziduale sunt ordonate descresctor din punct de vedere al ponderii lor n variabilitatea total a acestui model.

A5.1 O companie realizeaz un proiect care are ca obiectiv implementarea unui sistem modern de managementul calitii conform ISO 9001:2000 i certificarea acestui sistem cu o firm de certificare naional. Proiectul este unul complex, n care sunt angrenate managementul de la cel mai nalt nivel i toate departamentele companiei. Managerul de proiect a estimat duratele (n sptmni) pentru principalele activiti ale proiectului dup cum urmeaz: Activitatea Analiza sistemului actual Elaborarea planului de proiect Elaborarea planului managementului riscului Revizuirea procedurilor operaionale existente i elaborarea unor proceduri noi Elaborarea procedurilor pentru sistemul de management al calitii Elaborarea Manualului Calitii Pre-audit de certificare Certificarea ISO 9001:2000 Total Minim 1 1 1 12 6 4 1 1 27 Medie 2 3 2 16 12 10 2 2 49 Maxim 3 4 3 20 18 14 3 3 68

(a) (b) (c) (d) S se elaboreze Planul Managementului Riscului pentru acest proiect, conform modelului prezentat anterior; S se efectueze o analiz calitativ i cantitativ a riscului acestui proiect; S se simuleze, cu ajutorul distribuiei triunghiulare, duratele proiectului de implementare a sistemului de management al calitii; S se determine, pe baza datelor de simulare, care sunt probabilitile ca proiectul s dureze: mai puin de 6 luni, ntre 10 i 12 luni, mai mult de 18 luni.
A5.2 Se consider riscurile identificate n Tabelul 5.8, n care au fost stabilite nivelele de risc nainte i dup aplicarea rspunsului la risc. Cu aceste ipoteze, s se ntocmeasc matricele de impact i de scor ale riscului, n urmtoarele ipostaze: (a) nainte de aplicarea rspunsului la risc, pentru riscurile iniiale; (b) Dup aplicarea rspunsului la risc, pentru riscurile reziduale. A5.3 Considerm un proiect n care Planul Managementului Riscului a identificat un numr de 6 riscuri (nenominalizate), iar valorile costurilor acestor riscuri nainte i dup rspunsul la risc sunt cele de mai jos:
nainte de rspuns Nivel de risc Sczut Moderat Ridicat Moderat Sczut Foarte ridicat Cost (k) 1.000 1.200 3.500 1.500 400 4.000 Rspunsul la risc Costul Strategia implemende trii rspuns rspunsului Acceptare Atenuare Atenuare Atenuare Acceptare Atenuare 0 100 300 150 0 350 Dup rspuns Riscuri reziduale Nivel de risc Foarte sczut Sczut Moderat Moderat Foarte sczut Ridicat Minim 0 0 0 0 0 0 Mediu 60 80 250 125 40 500 Maxim 100 120 500 250 90 1.000
Riscul identificat
Riscul 1 Riscul 2 Riscul 3 Riscul 4 Riscul 5 Riscul 6
(a) S se simuleze riscurile reziduale pentru acest proiect, conform modelului prezentat anterior; (b) S se efectueze o analiz de senzitivitate pentru riscurile reziduale ale acestui proiect. A5.4 Se consider din aplicaia de mai sus, n care au fost stabilite nivelele de risc nainte i dup aplicarea rspunsului la risc. Cu aceste ipoteze, s se ntocmeasc matricele de impact i de scor ale riscului, n urmtoarele ipostaze: (c) nainte de aplicarea rspunsului la risc, pentru riscurile iniiale; (d) Dup aplicarea rspunsului la risc, pentru riscurile reziduale.
6
MANAGEMENTUL RISCULUI N SOFTWARE
6.1 RISCUL N PROIECTELE DE SOFTWARE
Dezvoltarea fr precedent a sistemelor electronice i a informaticii din ultimele dou decenii, a avut drept consecin creterea complexitii proiectelor de realizare i implementare a sistemelor de aplicaii software. Proiectele de software au devenit o necesitate, dar i riscurile implicate de realizarea lor au crescut aproape exponenial. Literatura de specialitate este plin de exemple de proiecte de software care au euat, au ntrziat sau nu s-au mai realizat niciodat. Riscul poate fi definit, n general, ca fiind posibilitatea de a pierde. El este o funcie dat de probabilitatea unui eveniment advers care poate s apar, ct i de impactul acestuia. Acest impact poate fi o combinaie de pierderi financiare, ntrzieri sau pierderea performanei. Riscul n software este dat de probabilitatea ca, la un anumit moment din ciclul de via al proiectului software, obiectivele planificate s nu fie atinse cu resursele alocate. De obicei, riscul nu poate fi eliminat din proiectele software, dar el poate fi tratat. Managementul riscului este o activitate critic pentru succesul oricrui proiect software, fiind o component strategic de realizare a acestuia. Managementul riscului n software face parte din practicile de inginerie a software-ului i const din procesele, metodele i tehnicile de management a proiectelor software. El furnizeaz o abordare sistematic i o atitudine pro-activ de adoptare a deciziilor care s evalueze lucrurile care nu merg bine, s determine care sunt riscurile care sunt importante i s implementeze aciunile necesare pentru tratarea acestor riscuri. Ca i n alte domenii ale managementului n general i al managementului proiectelor n special i n acest domeniu implicarea managementului de cel mai nalt nivel al organizaiei este esenial pentru succes. Top-managementul trebuie s susin managementul riscului prin alocarea resurselor necesare, prin planificare i analize de management dedicate acestui scop.
167
168 CAPITOLUL 6 MANAGEMENTUL RISCULUI N SOFTWARE
S analizm acum modelul global al procesului de management al riscului n software, care se integreaz modelelor de management al proiectelor n general, fiind de fapt o adaptare i o particularizare pentru ciclul de via i specificitatea proiectelor de software. Modelul identific funciile fundamentale pentru managementul riscului ce trebuie avute n vedere pentru un management eficace al riscului n proiectele de software. Aceste funcii, pe care le vom detalia n seciunea urmtoare, sunt:
Identificare Analiz Planificare Cutarea i localizarea riscurilor nainte ca ele s devin probleme adverse care s afecteze proiectul. Prelucrarea datelor referitoare la riscuri i includerea lor n informaiile pentru procesul de adoptare a deciziilor. Translatarea informaiilor referitoare la riscuri n decizii i aciuni (prezente i viitoare) i implementarea acestor aciuni. Monitorizarea indicatorilor de risc i a aciunilor luate mpotriva manifestrii riscurilor. Corectarea abaterilor de la aciunile planificate pentru riscurile n software. Asigurarea transparenei i a feed-back-ului datelor interne i externe din programul activitilor curente i urgente referitoare la riscuri.
Monitorizare Control Comunicare
Ciclul activitilor continue de realizare a funciilor procesului de monitorizare a riscului n proiectele software este redat n diagrama din Figura 6.1
Identificare
trol
iza Anal
Con
COMUNICARE
Figura 6.1 Modelul procesului de management al riscului n software
ito on M riz e ar
P
re ca ifi an l
6.2 PROCESUL DE MANAGEMENT AL RISCULUI N SOFTWARE
169

Procesul de management al riscului n software, descris n diagrama funcional din Figura 6.2, detaliaz funciile modelului general discutat anterior. Dei paii acestui proces sunt prezentai ntro-o form secvenial, n mod practic pot s aib loc iteraii ale pailor procesului, care se repet dup cum este necesar. Responsabilitile pentru proces sunt alocate unei echipe de evaluare a riscului, coordonat de un manager de risc. Criteriile care sunt utilizate pentru selecia membrilor echipei sunt legate de cunotinele i experiena n domeniul proiectului software, precum i de experiena privind managementul riscului. Echipa este, de obicei, un mix de specialiti din diferite domenii (dezvoltare, testare, asigurarea calitii), acoperind toate ariile funcionale considerate critice pentru proiect. Procesul de management al riscului este constituit din 10 pai pe care i vom detalia n continuare. Realizarea activitilor asociate cu aceti pai reprezint o abordare acceptabil a managementului riscului n software i trebuie inclus n planul general al proiectului de realizare i implementare al software-ului.
6.2.1 Funcia 1: Identificare

nainte ca riscul s fie tratat, el trebuie s fie identificat, pentru a nu deveni o problem care s afecteze desfurarea proiectului. Tehnicile de identificare a riscului se aplic de ctre echipa de proiect care are aceste responsabiliti. Pasul 1: Identificarea riscurilor Managerul de risc conduce o reuniune de analiz a echipei de managementul riscului i transmite membrilor echipei o clasificare a domeniilor de risc potenial ale proiectului. Aceast clasificare rezult din lista riscurilor posibile ale proiectului i constituie baza pentru analiza detaliat a riscurilor specifice proiectului. O list de clasificare general a riscurilor unui proiect software este prezentat n Tabelul 6.1. Fiecare membru al echipei, avnd la baz clasificarea general, documenteaz riscurile pe care le consider poteniale pentru proiectul respectiv. n cadrul reuniunii de lucru a echipei, se definitiveaz, n urma analizei comune, lista riscurilor specifice, care sunt asociate proiectului respectiv. Ieirea din acest pas al procesului o constituie o list a riscurilor identificate ca fiind specifice proiectului, pentru care se vor completa informaiile de analiz i cuantificare n paii urmtori.
6.2.2 Funcia 2: Analiz

Analiza este conversia datelor referitoare la riscuri n informaii pentru adoptarea deciziilor. Ea include analiza, prioritizarea i selectarea riscurilor critice.
Procesul de management al riscului n software
Functiile procesului Activitatile procesului
1. Identificare riscuri
Sarcinile echipei de management a riscului

Analizeaza riscurile potentiale si identifica lista riscurilor specifice proiectului
Iesiri
Identificare
Lista riscuri initiale
Analiza
2. Analiza riscuri
Completeaza lista riscurilor cu impactul asupra costurilor, programului, calitatii
Lista riscuri actualizata
3. Prioritizare riscuri
Completeaza lista riscurilor cu probabilitatile de aparitie si impact
Lista riscuri prioritizate
Planificare
4. Identificare metode de raspuns
Determina raspunsurile la risc: evitare, control, acceptare, transfer
Plan management risc Plan management risc Plan management risc
5. Identificare metode de atenuare riscuri 6. Identificare metode de recuperare riscuri 7. Definire metrici ale riscurilor 8. Implementare actiuni de atenuare 9. Monitorizare riscuri
Analizeaza riscurile reziduale si actiunile de atenuare pentru a reduce probabilitatea si/sau severitatea de impact Pentru riscurile prioritare sunt documentate actiunile de recuperare si semnale de declansare
Identifica si documenteaza metricile pentru a stabili daca riscul a fost ndepartat sau a fost atenuat Managementul trece proactiv la implementarea actiunilor de raspuns si de atenuare identificate Colecteaza, analizeaza si raporteaza valorile metricilor, periodic si n functie de evenimentele aparute Aplica actiunile de control corespunzatoare, pe baza valorilor metricilor riscului
Monitorizare metrici risc
Plan proiect actualizat
COMUNICARE
Monitorizare
Metrici riscuri active
Control
10.Implementare actiuni de control
Plan proiect actualizat
Figura 6.2 Diagrama procesului de management al riscului n software
6.2 PROCESUL DE MANAGEMENT AL RISCULUI N SOFTWARE Tabelul 6.1 Clasificarea general a riscurilor n software A. Realizarea produsului B. Mediul de dezvoltare 1. Cerine 1. Procesul de dezvoltare a. Stabilitate a. Formalizare b. Completitudine b. Adaptabilitate c. Claritate c. Controlul procesului d. Validitate d. Familiaritate e. Fezabilitate e. Controlul produsului f. Preceden 2. Sistemul de dezvoltare e. Dimensiune a. Capacitate b. Utilizare 2. Proiectare a. Funcionalitate c. Fiabilitate b. Dificultate d. Suport c. Interfee e. Livrare d. Performan 3. Procesul de management e. Testabilitate a. Planificare proiect f. Constrngeri hardware b. Organizare proiect c. Experien 3. Testare cod a. Fezabilitate d. Interfee ale proiectului b. Testare 4. Metode de management c. Implementare a. Monitorizare b. Managementul personalului 4. Specializare a. Mentenabilitate c. Asigurarea calitii b. Fiabilitate d. Managementul configuraiei c. Siguran
171
C. Constrngeri de plan 1. Resurse a. Program b. Personal c. Buget d. Faciliti 2. Contract a. Tip contract b. Restricii c. Dependene 3. Interfee de plan a. Clientul b. Subcontractori c. Management d. Vnztori e. Politici
Pasul 2: Analiza riscurilor Echipa analizeaz fiecare din riscurile identificate, n funcie de consecinele riscului asupra factorilor de cost, program, performan i calitatea produsului. Un anumit risc poate s aib impact asupra uneia sau mai multor categorii din factorii menionai. De exemplu, schimbarea frecvent a cerinelor poate avea impact asupra tuturor celor patru categorii de factori de mai sus. Pentru fiecare risc identificat se determin severitatea de impact, iar apoi se estimeaz probabilitatea de apariie a riscului respectiv. La finalul acestui pas, echipa trebuie s ajung la un consens asupra consecinelor, severitii, probabilitii i perioadei de apariie a fiecrui risc identificat. Pasul 3: Prioritizarea riscurilor Echipa determin nivelele de prioritate pentru fiecare din riscurile identificate, considernd matricea de risc, prezentat n Tabelul 6.2. Pe baza nivelelor de prioritate, echipa stabilete aciunile necesare de tratare a riscurilor.
Nivelele scorurilor de impact ale riscurilor sunt urmtoarele: (1) Risc tolerabil T: Riscul este identificat ca avnd un efect mic sau nici o consecin asupra obiectivelor proiectului. Scorul de impact este cuprins ntre 0,01 i 0,03, fiind suficient de mic ca s nu constituie un motiv de preocupare. (2) Risc sczut S: Riscul este identificat ca avnd un efect minor sau o consecin redus asupra obiectivelor proiectului. Scorul de impact este cuprins ntre 0,04 i 0,06, fiind suficient de mic ca s constituie numai o preocupare sczut. ntrzierea programului este mai mic de 10%, iar efectul asupra costurilor este mai mic de 2%. (3) Risc mediu M: Riscul este identificat ca putnd s afecteze obiectivele proiectului. Scorul de impact este cuprins ntre 0,07 i 0,12. ntrzierea programului este de 10-25%, iar efectul asupra costurilor este de 2-5%. (4) Risc ridicat R: Riscul este identificat ca fiind suficient de mare ca s afecteze obiectivele proiectului. Scorul de impact este cuprins ntre 0,14 i 0,24. ntrzierea programului este de 25-50%, iar efectul asupra costurilor este de 5-10%.
Tabelul 6.2 Matricea de risc Probabilitate Frecvent Probabil Severitate 0,90 0,70 Catastrofic IN IN 0,80 0,72 0,56 Critic IN IN 0,36 0,28 0,40 Serios R R 0,20 0,18 0,14 Minor M M 0,10 0,09 0,07 Neglijabil S S 0,05 0,05 0,04 T = Tolerabil S = Sczut Legenda: Probabilitate Descriere Va aprea de mai multe ori / Frecvent Nu este surprinztor 0,90 Apare n mod repetat / Probabil Eveniment ateptat 0,70 Poate s apar Ocazional la un moment dat 0,50 Puin probabil ndeprtat s apar 0,30 Probabilitate foarte mic Improbabil s apar 0,10
Ocazional 0,50 IN 0,40 R 0,20 M 0,10 S 0,05 T 0,03 M = Mediu Severitate Catastrofic 0,80 Critic 0,40 Serios 0,20 Minor 0,10 Neglijabil 0,05
ndeprtat Improbabil 0,30 0,10 R M 0,24 0,08 M S 0,12 0,04 S T 0,06 0,02 T T 0,03 0,01 T T 0,02 0,01 R = Ridicat IN = Intolerabil Consecine ntrziere program > 50% Depire costuri > 10% ntrziere program 25-50% Depire costuri 5-10% ntrziere program 10-25% Depire costuri 2-5% ntrziere program < 10% Depire costuri < 2% Impact neglijabil asupra proiectului
173
(5) Risc intolerabil IN: Riscul este identificat ca fiind foarte mare i va afecta obiectivele proiectului. Scorul de impact este cuprins ntre 0,28 i 0,72. ntrzierea programului este mai mare de 50%, iar efectul asupra costurilor este mai mare de 10%.
6.2.3 Funcia 3: Planificare

Funcia de planificare are rolul de a transforma informaia despre riscuri n decizii i aciuni, att pentru prezent, ct i pentru viitor. Planificarea implic stabilirea aciunilor care se adreseaz fiecrui risc individual, prioritizarea acestor aciuni i crearea planului de management al riscului. Cheia planificrii aciunilor pentru riscurile identificate, o constituie considerarea consecinelor viitoare ale deciziilor adoptate acum. Planul de management al riscului se utilizeaz pentru: Avertizarea asupra riscurilor, prin schimbarea proiectrii i a proceselor sau prin neadoptarea de aciuni i acceptarea implicit a consecinelor n cazul apariiei riscurilor. Atenuarea impactului riscurilor prin aciuni de reducere a nivelului de impact. Dezvoltarea unor strategii de rezerv pentru cazurile n care riscurile apar. Pasul 4: Identificarea metodelor de rspuns la riscuri Avnd acum la dispoziie o list a riscurilor cu ordinea lor de prioritate, echipa de management a riscului efectueaz o analiz pentru a determina ce aciuni de rspuns la risc (evitarea, controlul, acceptarea sau transferul riscului) pot fi aplicate sau ce decizii ar putea fi luate pentru a elimina riscurile identificate. Echipa evalueaz, cuantific i decide asupra posibilelor consecine ale lipsei de aciune pe de o parte respectiv dac beneficiile obinute prin aciunea asupra riscurilor justific cheltuielile de timp i de bani pe de alt parte. Acest pas trebuie s se concentreze asupra mbuntirii continue a proceselor, identificnd acele procese organizaionale care ar putea conduce la eliminarea sau reducerea substanial a riscurilor. Pasul 5: Identificarea metodelor de atenuare a riscurilor Riscurile care sunt analizate la acest pas sunt considerate ca fiind generate de evenimente externe. Echipa de management a riscului trebuie s determine ce aciuni sau decizii pot fi aplicate sau adoptate, care s reduc probabilitatea i/sau severitatea impactului fiecrui risc.
De exemplu, dac contractarea reprezint un risc semnificativ pentru proiect, atunci pentru minimizarea acestui risc trebuie definite practicile de management i procedurile pentru monitorizarea, evaluarea i controlul performanei subcontractanilor. Pasul 6: Identificarea metodelor de recuperare a riscurilor Pentru fiecare din primele riscuri din top-ul listei de riscuri prioritizate, echipa de management a riscului analizeaz i valideaz natura evenimentelor care ar putea genera o aciune de recuperare a riscului. Aceste aciuni de recuperare trebuie documentate n planul de management al riscului, mpreun cu circumstanele msurabile sau observabile care trebuie s apar pentru a semnala necesitatea implementrii aciunilor de recuperare. Un exemplu simplu poate fi considerat urmrirea variaiei costurilor. Dac costurile actuale nregistrate depesc cu mai mult de o abatere standard valorile planificate, atunci trebuie constituit o echip de lucru care s analizeze cauzele de variaie i s fac recomandrile necesare. Exemplele de aciuni de recuperare pentru riscurile care au impact asupra calitii produsului pot s includ fr a fi limitative combinaii ale urmtoarelor aciuni: Reproiectare pentru a corecta deficienele constatate. Realocarea cerinelor pentru a menine performana specificat a ntregului sistem. Definirea unor praguri mai reduse de performan, dar deasupra cerinelor minim acceptabile. Pasul 7: Definirea metricilor riscurilor Pentru fiecare risc, echipa de management a riscului determin i documenteaz ce evenimente msurabile sau observabile pot s fie urmrite pentru a ti dac riscul este ndeprtat, accentuat sau minimizat. De exemplu, dac testarea software-ului a fost identificat ca fiind o funcie cu risc ridicat, atunci pot fi utilizate ca i metrici ale acestui risc: procentul de defective la testare, rata de eliminare a erorilor la proiectare. Metricile privind procesul de management al riscului n software trebuie s fie stabilite i determinate astfel nct s furnizeze elemente de intrare pentru mbuntirea procesului. Metricile pot s includ fr a fi limitative urmtoarele date msurate: eforturile i fondurile cheltuite n activitile de managementul riscului; datele de realizare a evalurilor riscurilor; numrul de riscuri noi aprute; numrul de riscuri noi evitate.
175
Pasul 8: Implementarea aciunilor de atenuare / reducere a riscurilor Pentru fiecare risc, echipa de management a riscului realizeaz activitile necesare pentru a implementa aciunile de atenuare / reducere a riscurilor stabilite la Pasul 5. Aceste activiti sunt documentate n planul de management al riscului pentru fiecare scenariu de reducere a riscului. Exemplele de activiti referitoare la nivelele de risc definite la Pasul 3 sunt: a. Risc tolerabil: Aplicarea metodelor corespunztoare de inginerie a software-ului va contribui la atenuarea oricror riscuri de acest nivel. b. Risc sczut: Pentru acest nivel nu sunt necesare aciuni suplimentare, n afara celor normale de monitorizare i control a realizrii software-ului. c. Risc mediu: Acest nivel de risc poate s necesite adoptarea unor aciuni la analizele de evaluare a riscurilor. d. Risc ridicat: Acest nivel de risc necesit adoptarea unor aciuni la analizele de evaluare a riscurilor. e. Risc intolerabil: Acest nivel implic controlul, monitorizarea i dezvoltarea de aciuni de recuperare. Fiecare risc de acest nivel are definite evenimentele care genereaz aciunile de recuperare. Valorile abaterilor sunt documentate prin metricile stabilite.
6.2.4 Funcia 4: Monitorizare

Monitorizarea are n vedere starea riscurilor i aciunile adoptate pentru atenuarea lor. Monitorizarea se realizeaz prin evaluarea metricilor stabilite i prin funcii de urmrire n cadrul managementului riscului. Pasul 9: Monitorizarea riscurilor Procedurile de raportare a stadiului implementrii proiectului trebuie s sesizeze orice situaie n care o metric sau un parametru al proiectului se situeaz sub pragurile stabilite sau nregistreaz abateri prea mari fa de cele planificate. Managerul de risc primete i analizeaz aceste date i pe baza lor adopt aciunile corective, acolo unde este necesar.
6.2.5 Funcia 5: Control

Funcia de control a riscului are rolul de a corecta abaterile de la aciunile de risc planificate. Controlul riscului este parte a managementului proiectului i se bazeaz pe
procesele care controleaz planurile aciunilor de risc, corecteaz abaterile fa de plan, rspund la evenimentele semnalate i mbuntesc procesele de management al riscului. Activitile de control al riscului sunt documentate n planul de management al riscului. Pasul 10: Implementarea aciunilor de control a riscurilor Pentru fiecare risc, dac datele disponibile colectate indic realizarea criteriilor de intrare n aceast etap, atunci managerul de proiect trebuie s analizeze necesitatea implementrii aciunilor de control i s aloce resursele necesare aplicrii acestor aciuni.
6.2.6 Funcia 6: Comunicare

Comunicarea este unul din elementele centrale ale procesului de management a riscului, care evideniaz importana i relevana acesteia. Comunicarea se desfoar n toate fazele procesului de management a riscului. Ea este, de asemenea, o parte esenial a tuturor celorlalte activiti de management a riscului n software. Riscurile sunt identificate de personalul implicat ce particip la realizarea activitilor proiectului. Managementul de proiect trebuie s asigure un mediu deschis care s permit personalului discuii i exprimarea opiniilor privind riscurile poteniale. O comunicare eficace furnizeaz att transparena, ct i datele de feedback, interne sau externe proiectului, referitoare la riscurile curente i poteniale. Procesul de management al riscului se finalizeaz prin definitivarea planului de managementul riscului, echipa ntrunind consensul asupra riscurilor prioritare. Baza de date referitoare la riscuri este completat cu atributele i elementele de cuantificare ale fiecrui risc identificat i analizat. Sunt stabilite, de asemenea, evenimentele care declaneaz controlul, precum i planurile de aciuni corespunztoare. n cazul n care aciunile de recuperare i control ale riscurilor eueaz, atunci este necesar un management de criz. n situaiile de criz, toate eforturile i resursele proiectului trebuie orientate pentru rezolvarea crizei. n acest scop, principalele aciuni se refer la (re)atribuirea clar a responsabilitilor i a autoritii, actualizarea frecvent a stadiului proiectului, relaxarea constrngerilor asupra resurselor proiectului, program de lucru mai intensiv, stabilirea datelor limit de realizare a proiectului. La sfritul perioadei de criz, echipa de proiect realizeaz o analiz postmortem a crizei, n care detaliaz cauzele sistematice care au determinat situaia de criz, documenteaz leciile nvate i reevalueaz costurile, duratele i noile riscuri poteniale ale proiectului de software.
6.3 APLICAII
177
6.3 APLICAII
6.3.1 Un model de evaluare a riscurilor n sistemele informatice
Vom analiza n cele ce urmeaz un model de evaluare a riscurilor pentru o organizaie care dispune de un sistem informatic complex, sistem care st la baza integrrii tuturor activitilor organizaiei i pentru care riscurile n acest domeniu sunt deosebit de importante. Principalele clase de riscuri care se pot manifesta n sistemele informatice sunt urmtoarele: Integritate; Relevan; Acces; Disponibilitate; Infrastructur. Clasa de riscuri de integritate include toate riscurile asociate cu autorizarea, completitudinea i acurateea tranzaciilor de introducere, prelucrare, centralizare i raportare realizate n aplicaiile (modulele) sistemului informatic. Clasa de riscuri de relevan se refer la modul i timpul de utilizare a informaiei generate de sistemul informatic. Sunt riscurile asociate cu nerealizarea obiectivului: Informaia corect i necesar, transmis persoanei / procesului / sistemului corespunztor, n timp util pentru a permite luarea deciziei corespunztoare. A treia clas o constituie riscurile de acces. Aceast clas de riscuri se focalizeaz asupra riscurilor legate de accesul necorespunztor la sistem, date sau informaii. Ea include riscurile unor repartizri neadecvate a sarcinilor, riscurile asociate integritii datelor i bazelor de date i riscurile asociate cu confidenialitatea asupra informaiilor. Clasa de riscuri de disponibilitate se refer la riscurile asociate cu funcionarea la parametri normali a sistemului informatic, riscurile de ntrerupere a funcionrii sistemului sau cu riscurile legate de posibilele dezastre ce ar putea s apar. Clasa de riscuri de infrastructur include riscurile ca organizaia s nu aib o infrastructur de tehnologia informaiei (hardware, reele, software, personal, procese), care s susin n mod eficace, dar i eficient, procesele de afaceri ale organizaiei respective. Sursele i cauzele de apariie, precum i efectele acestor riscuri pentru principalele clase de riscuri din sistemele informatice sunt definite n Tabelul 6.3.
Tabelul 6.3 Principalele clase de riscuri din sistemele informatice Clasa de risc Surse / Cauze Efecte - Coruperea datelor, erori, omisiuni Integritatea poate fi pierdut ca urmare a: - Coruperea datelor - erorilor de programare; Integritate - erorilor de prelucrare; - erorilor de mentenan; - erorilor de management. - Nefurnizarea - Lipsa unei comunicri eficace informaiei necesare la Relevan locul i la timpul potrivit - Violarea - Securitatea accesului nu este confidenialitii corespunztoare - Pierderea sau - Acces necorespunztor la mediul de Acces coruperea datelor prelucrare sau la reele; - Infectarea cu virui - Dispozitive fizice neprotejate la deteriorare, furt sau la acces nepermis. - Atacul hackerilor - Dezastre naturale (incendii, inundaii - ntreruperea sistemului pe termen scurt sau Disponibilitate etc.) ce determin cderea hardware-ului sau software-ului; termen lung. - Decizii nefuncionale n domeniul tehnologiei informaiei; - O planificare deficitar sau lipsa - Lipsa politicilor i Infrastructur planificrii sistemului informatic n procedurilor n sistemul organizaie. informatic sau inconsistena lor la nivelul organizaiei.
Vom analiza n continuare n detaliu riscurile componente pentru fiecare clas de risc. Pentru aceste riscuri ce intr n structura claselor putem asocia probabiliti de apariie i de severitate a impactului, pentru care putem s calculm matricea de risc. Riscurile componente pentru clasa de riscuri de integritate sunt urmtoarele: Interfaa utilizator: Restricii asupra utilizatorilor individuali care sunt autorizai s realizeze anumite funcii ale sistemului, pe baza cerinelor postului, ceea ce implic o repartizare a responsabilitilor. Alte riscuri din aceast categorie se refer la gradul de adecvare al aciunilor de control preventive i/sau detective care s asigure c n sistem sunt introduse numai date valide i complete. Aciunile de control preventive sau detective care s asigure c datele prelucrate au fost complete i transmise la timp. Acestea includ i riscurile asociate cu acurateea i integritatea rapoartelor utilizate pentru centralizarea rezultatelor i/sau pentru luarea deciziilor de afaceri.
Prelucrare:
6.3 APLICAII
179
Tratarea erorilor:
Interfee:
Managementul schimbrii:
Date:
Aceste riscuri se refer la procesele i metodele care s asigure c orice excepii sau erori ale datelor de intrare sau ale datelor prelucrate ce sunt depistate sunt corectate n mod corespunztor i reprelucrate complet i n timp util. Aciunile de control preventive sau detective care s asigure c datele prelucrate au fost complete i la timp i au fost transmise ctre alte aplicaii (module) ale sistemului care le utilizeaz. Aceste riscuri sunt asociate cu procese inadecvate de managementul schimbrii, respectiv implicarea utilizatorilor i instruirea lor, precum i procesele prin care schimbrile n sistemul informatic sunt comunicate i implementate. Aceste riscuri sunt asociate cu aciuni inadecvate de control al managementului datelor, incluznd att securitatea / integritatea datelor prelucrate, ct i un management eficace al bazelor i structurilor de date. Integritatea poate fi pierdut din cauza erorilor de programare, a erorilor de prelucrare sau a erorilor de management sau de proces.
Pentru clasa de riscuri de relevan, componentele se refer n primul rnd la modul i timpul de utilizare a informaiei generate de sistemul informatic. Sunt riscurile asociate cu netransmiterea informaiei corecte i necesare, ctre persoana, procesul sau sistemul corespunztor, n timp util, n vederea adoptrii deciziilor corespunztoare. Pentru clasa de riscuri de acces, avem urmtoarele componente: Sunt riscurile generate de deciziile organizatorice care trebuie s separe sarcinile incompatibile i s asigure nivelul corespunztor de responsabilitate i autoritate pentru realizarea funciilor sistemului informatic. Aplicaii (module): Sunt determinate de mecanismele interne ale aplicaiilor (modulelor), care permit utilizatorilor autorizai s execute funciile alocate n sistemul informatic. Managementul Aceste riscuri sunt asociate cu mecanismul de a asigura utilizatorilor accesul la anumite date sau baze de date din datelor: mediul de prelucrare. Mediul de n aceast categorie sunt nregistrate riscurile de acces necorespunztor la mediul de prelucrare, respectiv la prelucrare: aplicaiile (modulele), programele sau datele stocate n acest mediu. Procesul de afaceri:
Reelele: Accesul fizic:
Riscurile de acces n aceast zon sunt generate de accesul necorespunztor la reelele sistemului. Sunt riscurile legate de protecia dispozitivelor fizice fa de deteriorare, sustragere sau accesare nepermis.
Riscurile componente pentru clasa de riscuri de disponibilitate sunt urmtoarele: Monitorizarea performanei: ntreruperi ale sistemului: Dezastre: Sunt riscurile care pot fi evitate prin monitorizarea performanei sistemului i printr-o abordare pro-activ a problemelor, nainte ca acestea s apar. Sunt riscurile asociate cu ntreruperile pe termen scurt ale sistemului, n acre tehnicile de restaurare / recuperare pot fi utilizate pentru a minimiza efectele i duratele ntreruperilor. Riscurile asociate dezastrelor determin ntreruperi pe termen lung a funcionrii sistemului informatic, iar aciunile de control se refer la procedurile de salvare a bazelor de date (backup) i la planurile de recuperare.
Pentru clasa de riscuri de infrastructur, avem urmtoarele componente: Planificare: Sunt riscurile generate de organizarea activitilor pentru tehnologia informaiei (IT). Este important s existe o structur organizatoric i funcional (persoane i procese) care s garanteze c eforturile n domeniul IT sunt ncununate de succes. Riscurile din aceast zon se refer la asigurarea c sistemul informatic realizeaz cerinele de afaceri ale organizaiei i cerinele utilizatorilor. Aici este inclus i procesul de decizie asupra achiziionrii unei aplicaii (sistem) existente sau a dezvolta o aplicaie specific. De asemenea, asigurarea c modificrile n aplicaii sunt comunicate, testate i implementate. Procesele din aceast arie de activiti asigur c organizaia trateaz n mod corespunztor riscurile de acces, prin stabilirea, meninerea i monitorizarea unui sistem de securitate intern, care s garanteze integritatea i confidenialitatea datelor i informaiilor organizaiei, reducnd riscurile de fraud informaional la nivele acceptabile. Aceast zon asigur c sistemul informatic este utilizat ntr-o manier sigur i protejat, de ctre personal de specialitate, care monitorizeaz funcionarea i performanele calculatoarelor , echipamentelor i reelelor sistemului.
Definirea i utilizarea aplicaiilor sistemului:
Administrarea sistemului:
Administrarea calculatoarelor i reelelor:
6.3 APLICAII
181
6.3.2 Procedura de evaluare a riscurilor n sistemele informatice

Cu ajutorul riscurilor clasificate anterior, putem s realizm acum o evaluare a riscurilor sistemului informatic, utiliznd clasele de riscuri i componentele acestora, pentru care stabilim, n urma analizei i evalurii, probabilitile de apariie i nivelele de severitate, conform metodelor prezentate n seciunea precedent de cuantificare a riscurilor. Procedura de evaluare este exemplificat n Tabelul 6.3.
Tabelul 6.3 Procedura de evaluare a riscurilor sistemului informatic Clasa de risc Componentele de risc Apariie Severitate 0,50 0,20 1.1 Interfaa utilizator 1. Integritate 0,70 0,40 1.2 Prelucrare 0,90 0,40 1.3 Tratarea erorilor 0,30 0,20 1.4 Interfee 1.5 Managementul 0,30 0,20 schimbrii 0,50 0,20 1.6 Date 2.1 Utilizarea informaiei 2. Relevana generate de sistemul 0,50 0,40 informatic 2.2 Timpul de utilizare a 0,50 0,20 informaiei transmise de sistemul informatic 0,30 0,10 3.1 Procesul de afaceri 3. Accesul 0,50 0,40 3.2 Aplicaii (module) 0,50 0,40 3.3 Managementul datelor 0,30 0,20 3.4 Mediul de prelucrare 0,30 0,80 3.5 Reelele 0,10 0,80 3.6 Accesul fizic 4. Disponibilitatea 4.1 Monitorizarea 0,30 0,40 performanei 0,30 0,40 4.2 ntreruperi ale sistemului 0,10 0,80 4.3 Dezastre 0,30 0,10 5.1 Planificare 5. Infrastructura 5.2 Definirea i utilizarea 0,50 0,20 aplicaiilor sistemului 0,70 0,40 5.3 Administrarea sistemului 5.4 Administrarea 0,70 0,40 calculatoarelor i reelelor Scor 0,10 0,28 0,36 0,06 0,06 0,10 0,20
0,10 0,03 0,20 0,20 0,06 0,24 0,08 0,12 0,12 0,08 0,03 0,10 0,28 0,28
Pe baza datelor de evaluare i a probabilitilor de apariie i a nivelelor de severitate acordate pentru diferitele componente de risc, se poate realiza o list a riscurilor prioritizate, n funcie de scorul de impact rezultat. Aceast list, care conine primele cinci riscuri identificate i cuantificate, este prezentat n Tabelul 6.4. Din evaluare a rezultat c riscul cel mai important, asupra cruia trebuie s se aplice
metodele de rspuns la risc, este cel legat de tratarea erorilor. Scoruri mari au nregistrat i riscurile de administrare a sistemului i a reelelor.
Tabelul 6.4 Lista riscurilor prioritizate Componenta de risc 1.3 Tratarea erorilor 1.2 Prelucrare 5.3 Administrarea sistemului 5.4 Administrarea calculatoarelor i reelelor 3.5 Reelele Scorul 0,36 0,28 0,28 0,28 0,24
Continund evaluarea i considernd media scorurilor pe clasele de risc, obinem nivelele de riscuri prezentate n matricea de risc din Tabelul 6.5.
Tabelul 6.5 Nivelele claselor de risc Clasa de risc Scorul 0,16 1. Integritate 0,15 2. Relevana 0,14 3. Accesul 0,11 4. Disponibilitatea 0,17 5. Infrastructura Nivelul Ridicat Ridicat Ridicat Mediu Ridicat
Din datele obinute pentru clasele de riscuri, rezult c riscurile de infrastructur au potenialul cel mai ridicat, n timp ce riscurile de disponibilitate au un nivel mediu. Efectund i o analiz Pareto (Figura 6.3) a ponderii riscurilor la nivelul ntregului sistem informatic, observm c n urma evalurii, riscurile de infrastructur, de integritate i de relevan prezint ponderi mai mari, n timp ce riscurile de acces i de disponibilitate a sistemului au o pondere mai redus.
100% 80% 60% 40% 20% 0% Infrastructura Integritate Relevana Accesul 24% 46% 22% 21% 19% 67% 85% 100%
15%
Figura 6.3 Diagrama Pareto a ponderii claselor de risc
Disponibilitatea
7
MANAGEMENTUL RISCULUI FINANCIAR
7.1 RISCUL N OPERAIUNILE FINANCIARE
Operaiunile financiare, prin natura diversitii lor, implic aproape ntotdeauna un anumit grad de risc, generat de pierderea de natur material (sau de alt natur) pe care o pot nregistra una sau mai multe persoane juridice sau fizice implicate n operaiunea financiar respectiv. n activitile bancare, de exemplu, riscul poate s apar n operaiunile de creditare, fiind reprezentat de posibilitatea ca banca s nu i poat recupera creditele acordate la termenele sau n condiiile stipulate n contractele de creditare. De asemenea, pentru un deponent al bncii, riscul poate fi asociat cu posibilitatea de a nu beneficia cnd i cum dorete de resursele bneti depuse la respectiva banc. n acest caz, riscul poate fi o alt rat a dobnzii fa de cea prevzut iniial, o evoluie defavorabil a valutei n care este contul de depozit sau chiar dificulti financiare ale bncii. Situaii asemntoare de risc de natur financiar pot s apar i n operaiunile de asigurri, de leasing, de burs .a. Cteva din principalele categorii de risc financiar referitoare la mediul macroeconomic sunt urmtoarele: Riscul de ar; Organizarea, funcionarea i controlul sistemului financiar-bancar; Stabilitatea i flexibilitatea legislaiei i a sistemului juridic; Organizarea i funcionarea sistemului de asigurri; Evoluia economic general i evoluia inflaiei; Dinamica dobnzilor pe piaa intern sau extern. La nivel micro-economic, riscurile financiare pot fi legate de: Managementul activitilor economice ale partenerilor de afaceri; Imobilizri de fonduri sau lipsa de lichiditi; Pregtirea profesional i abilitatea n afaceri a partenerilor; Moralitatea i comportamentul n afaceri al partenerilor.
183
184 CAPITOLUL 7 MANAGEMENTUL RISCULUI FINANCIAR
Desigur, enumerarea de mai sus a categoriilor de riscuri financiare este departe de a fi complet, riscurile fiind determinate direct de complexitatea fiecrei operaiuni financiare n parte, precum i de mediul economic n care aceast operaiune se desfoar. Unul dintre cele mai cunoscute i mediatizate riscuri din categoria riscurilor financiare este aa-numitul risc de ar, mai ales ntr-o economie n tranziie, aa cum este economia romneasc. Riscul de ar este un mix care reflect performanele economice i stabilitatea politic ntr-o anumit ar, fiind luat n considerate de potenialii investitori strini n ara respectiv. Riscul de ar este influenat de o combinaie de factori economici i politici, de bncile i instituiile financiare, de organizaiile economice ale rii respective. Exist mai multe metode de determinare a riscului de ar, care se bazeaz pe sisteme de rating sau pe sisteme de indicatori statistici. Exist, de asemenea, mai multe metodologii de evaluare, promovate de Banca Mondial sau alte organizaii financiare internaionale, dar i de firme specializate de renume mondial (cum sunt Lloyds, Moodys, Standars&Poors, Daiwa Securities, Merill Lynch i alii). Riscul de ar este determinat n primul rnd de stabilitatea politic a rii respective, care se reflect n stabilitatea politicii economice, rezultnd starea general a economiei. Aceste ultime dou elemente de politic economic se reflect n riscul de obinere a profiturilor ateptate, dar i n riscul privind dificultile de repatriere a profiturilor i n riscul asupra proprietii. Aceste riscuri majore sunt avute n vedere atunci cnd sunt planificate investiiile n ara respectiv. S mai menionm i alte tipuri de risc financiar care apar n tranzaciile de afaceri. De exemplu, riscurile care apar n schimbul de mrfuri sunt riscurile de fluctuaie a cursului valutar sau riscurile bursiere. n tranzaciile de afaceri ale companiilor de asigurri, riscurile pot fi generate de: fluctuaii de pre, depreciere valutar, insolvabilitate, transport, depozitare, accidente .a. Pe piaa fizic bancar poate s se manifeste riscul de variaie a dobnzii, iar n comerul cu aciuni, dar i n alte operaiuni financiare similare, poate s apar riscul de variaie a cursului acestor hrtii de valoare. n ceea ce privete managementul riscului financiar sunt cunoscute o multitudine de metode de acoperire a acestui risc. Poate cea mai notabil pentru epoca modern, o reprezint apariia, la sfritul secolului al XVIII-lea, a sistemului de asigurri navale introdus de Lloyds. De asemenea, este bine cunoscut metoda hedging-ului pentru acoperirea riscului tranzaciilor bursiere. Problema care vrem s o analizm aici o reprezint determinare modelelor matematice i statistice pentru fenomenele de risc financiar, care s ofere managementului informaia necesar pentru adoptarea deciziilor de evitare, atenuare sau eliminare a riscurilor financiare.
7.1 RISCUL N OPERAIUNI FINANCIARE
185
S analizm acum modelul general al unei probleme de decizie n condiii de incertitudine i risc, n care riscul este de natur financiar. Schema general a componentelor modelului este reprezentat n Figura 7.1. Modelul de decizie n condiii de risc financiar are urmtoarele componente: (1) Identificarea obiectivelor: Un obiectiv (sau o int) pe care decidentul sper s o ating, cum ar fi maximizarea profitului sau a valorii actuale a cash-flowului. Cuantificarea unui obiectiv nseamn, n unele situaii, determinarea unei funcii obiectiv, care ca fi utilizat pentru evaluarea aciunilor posibile i ca baz pentru alegerea celei mai bune alternative. Determinarea aciunilor posibile: Cutarea aciunilor alternative posibile, care s asigure realizarea obiectivului. Identificarea strilor naturii: Deoarece problemele de decizie financiar sunt definite ntr-un mediu de incertitudine, este necesar s se ia n considerare toi factorii necontrolabili care nu pot fi inui sub control de ctre decident i care ar putea s apar pentru fiecare aciune posibil identificat. Aceti factori necontrolabili constituie evenimente sau stri ale naturii. Stabilirea rezultatelor posibile: Ca urmare a diferitelor combinaii posibile dintre aciuni i strile naturii, rezult un set de rezultate posibile. Fiecare rezultat este condiionat de o anumit aciune i o anumit stare a naturii. Msurarea valorii riscului: Este o msur a pierderii (sau utilitii) pentru fiecare rezultat posibil, n funcie de obiectivele decidentului. Pierderea n modelele de decizie financiar este de natur monetar, cum ar fi profitul sau cash-flow-ul. Alegerea aciunii optime: Este aciunea care conduce la atingerea obiectivului decidentului, n condiii de pierdere minim.
(2) (3)
(4)
(5)
(6)
Identificarea obiectivelor
Determinarea aciunilor posibile
Identificarea strilor naturii
Alegerea aciunii optime
Msurarea valorii riscului
Stabilirea rezultatelor posibile
Figura 7.1 Modelul general al unei probleme de decizie financiar
Pentru a ilustra caracteristicile eseniale ale unui model de decizie financiar, s considerm urmtorul exemplu. O companie i revizuiete politica de marketing pentru urmtoarea perioad de buget financiar. Ea a dezvoltat dou noi produse, A i B, dar nu are resurse suficiente dect pentru lansarea n perioada urmtoare numai a unuia dintre cele dou produse. innd cont de activitile i reaciile competitorilor, strile naturii posibile sunt urmtoarele: Competitorii nu ntreprind nimic; Competitorii introduc pe pia un produs comparabil; Competitorii introduc pe pia un produs superior. Dac competitorii nu ntreprind nici o aciune, atunci se ateapt ca profiturile companiei s rmn staionare n condiiile lansrii produsului A i s aib o tendin de cretere relativ redus n condiiile lansrii produsului B, pentru a crui dezvoltare s-au cheltuit resurse suplimentare. Corespunztoare acestor cheltuieli de dezvoltare sunt i diminurile de profit n cazul n care competitorii lanseaz produse pe pia. Din punct de vedere statistico-matematic, analiza riscului unei activiti financiare presupune evaluarea probabilitii de a obine anumite rezultate favorabile (ctig) sau nefavorabile (pierdere), innd cont de evenimente viitoare incerte i probabile. Printre dificultile ntmpinate atunci cnd este evaluat riscul financiar se pot meniona lipsa informaiilor sau gradul lor de disponibilitate pentru a determina distribuia de probabilitate a fenomenului economic analizat. De asemenea, identificarea i cuantificarea riscului financiar nu nseamn i eliminarea acestuia, dar furnizeaz elementele necesare managementului riscului financiar. Revenind la abordarea modelului riscului financiar care ne intereseaz aici, s menionm faptul c, uneori, ntre risc i incertitudine se face o anumit distincie, legat de cantitatea de informaie disponibil pentru fundamentarea deciziilor financiare. Riscul este utilizat n situaiile n care sunt posibile mai multe rezultate i despre care exist o experien anterioar relevant pentru a defini un model statistic, care s permit o predicie asupra rezultatelor posibile. Incertitudinea exist n situaiile n care sunt posibile mai multe rezultate, dar nu se dispune de informaie suficient pentru modelul statistic de decizie. Pn la urm, aceast distincie ntre risc i incertitudine nu este att de relevant, mai important fiind faptul c, fa de un model determinist, utilizm un model probabilist, n care riscul i incertitudinea sunt modelate prin variabile aleatoare. Am vzut anterior c problemele de teoria deciziei se reduc n final la evaluarea unei funcii de pierdere, riscul avnd, n cele mai multe situaii, o exprimare de natur financiar. Vom detalia n continuare dou probleme de analiz i decizie asupra riscului financiar, respectiv o problem de analiz cost-profit-volum i o problem de investiie de capital n condiii de incertitudine i risc.
7.2 ANALIZA COST-VOLUM-PROFIT N CONDIII DE RISC
187

Vom analiza n continuare, prin intermediul unei aplicaii, o problem de costvolum-profit n care vom include elemente de risc i incertitudine. O firm realizeaz o analiz cost-volum-profit pentru anul financiar urmtor, n care preul de vnzare al unui anumit produs este 100, iar costurile variabile de 60 pe unitatea de produs. Costurile fixe bugetate sunt de 36.000 . Vnzrile estimate pentru perioada analizat sunt de 1.000 uniti i s-a presupus pentru nivelul de vnzri modelul distribuiei normale cu media = 1.000 uniti i abaterea standard = 90 uniti. n acest model, preul de vnzare, costurile variabile i costurile fixe sunt presupuse ca fiind certe (determinate), adic variabile controlabile de ctre managementul firmei. Singura variabil aleatoare a modelului este volumul de vnzri, pentru care vom asocia deci distribuia normal. Cu ajutorul acestui model probabilist, vom ncerca s rspundem la urmtoarele ntrebri: (a) Care este probabilitatea ca profitul s fie mai mare ca 0, adic probabilitatea ca firma s nu nregistreze pierdere ca urmare a realizrii i vnzrii produsului respectiv? (b) Care este probabilitatea ca profitul s fie mai mare de 7.600? (c) Care este probabilitatea ca s se nregistreze o pierdere mai mare de -1.400? (d) Care este probabilitatea ca profitul s fie mai mare de 4.000? Considernd funcia de venit: (7.1) V ( x ) = 100 x ,
funcia de cost: obinem funcia de profit:
C ( x ) = 60 x + 36.000 , P ( x ) = 40 x 36.000 ,
(7.2) (7.3)
i diagrama pragului de profitabilitate, reprezentat n Figura 7.2. nlocuind n relaia (7.3) valorile de profit pentru care ne intereseaz s calculm probabilitile, obinem nivelele de vnzri: 900 pentru (a), 1.090 pentru (b), 840 pentru (c) i 1.000 pentru (d). Vom estima atunci probabilitile de profit sau de pierdere prin intermediul variabilei aleatoare X, care reprezint nivelul estimat al vnzrilor de produse. Astfel, pentru probabilitatea de a nu avea profit, putem s scriem: (7.4) Prob{Profit < 0} = Prob{X < 900} . Vom estima aceast probabilitate cu ajutorul distribuiei normale standardizate, fcnd schimbarea de variabil:
120000
Profit
100000 80000 60000 40000 20000 0 0 200 400 600 800 1000 1200
Profit
Pierdere
Cheltuieli variabile
Cheltuieli fixe
Figura 7.2 Pragul de profitabilitate
900 1.000 = 1,11 . 90 Atunci, rezult probabilitatea de a nregistra pierdere: Prob{X < 900} = Prob{z0 < 1,11} = 0,1333 . z0 = = i, corespunztor, probabilitatea de a avea profit: Prob{X > 900} = 1 Prob{z0 < 1,11} = 1 0,1333 = 0,8667 .
(7.5) (7.6) (7.7)
Concluzia care rezult din analiza pragului de profitabilitate i a probabilitilor de mai sus este c probabilitatea de a nregistra pierdere este de circa 13,3% (aria haurat din Figura 7.3), n timp ce probabilitatea de a nregistra profit este de 86,7%. Atunci, cu o probabilitate relativ mare (>80%), putem decide c realizarea i vnzarea produsului respectiv va fi o aciune profitabil.
0.0050 0.0045 0.0040 0.0035 0.0030 0.0025 0.0020 0.0015 0.0010 0.0005 0.0000 640 712 784 856 928 1000 1072 1144 1216 1288 1360 X P(X <= 900)
Figura 7.3 Probabilitatea de a nregistra pierdere / profit
189
Pentru (b), probabilitatea ca profitul s fie mai mare de 7.600, determinm: X 1.090 1.000 (7.8) z1 = = = 1,00 . 90 i rezult probabilitatea de a avea profitul respectiv: Prob{X > 1.090} = Prob{z1 > 1,00} = 1 Prob{z1 < 1,00} = . (7.9) = 1 0,8413 = 0,1587 n acest caz, este mai mare ( 84%) probabilitatea de a nu atinge profitul de 7.600 (aria haurat din Figura 7.4).
0.0050 0.0045 0.0040 0.0035 0.0030 0.0025 0.0020 0.0015 0.0010 0.0005 0.0000 640 712 784 856 928 1000 1072 1144 1216 1288 1360
X P(X <= 1090)
Figura 7.4 Probabilitatea de a nregistra profit < 7.600
Pentru (c), probabilitatea ca pierderea s fie mai mic de -1.400, determinm: X 865 1.000 z2 = = = 1,50 . (7.10) 90 i rezult probabilitatea de a avea pierderea respectiv: Prob{X < 865} = Prob{z 2 < 1,50} = 0,0668 , (7.11) adic o probabilitate relativ mic ( 7%)de a avea un asemenea nivel de pierdere. n fine, pentru (d) probabilitatea ca profitul s fie mai mare de 4.000 este evident 0,5000, i atunci pentru a vedea unde se va situa de fapt profitul, vom estima un interval de ncredere pentru media vnzrilor. Considernd un nivel de semnificaie = 0,05 , rezult nivelul de ncredere 100(1 )% = 0,95% , iar intervalul de ncredere se calculeaz ca fiind:
1,96
Atunci, pentru un eantion cu n = 12 , obinem intervalul de ncredere [950, 1.050], adic profitul se va situa ntre 2.000 i 6.000 cu probabilitatea de 95%
. n
(7.12)
7.3 INVESTIII DE CAPITAL N CONDIII DE RISC

7.3.1 Modelul de decizie pentru investiiile de capital
Deciziile de investiii de capital sunt deciziile de management financiar care implic plasarea sau investirea unui anumit capital, la un moment dat, i obinerea unui flux de beneficii n viitor. Investiiile de capital pot fi pe termen scurt (sub un an) sau pe termen lung, cele pe mai muli ani. Un aspect important al deciziilor asupra investiiilor de capital l constituie nivelul de risc. Exist investiii de capital fr risc sau cu risc sczut, dar care conduc la un beneficiu mai redus, ns exist i investiii de capital cu risc ridicat, de la care se ateapt beneficii mult mai mari. Pentru a nelege mai bine deciziile de investiii de capital n condiii de risc, s analizm modul n care acestea pot fi integrate unei probleme generale de teoria deciziilor. n Figura 7.3, modelul de decizie prezentat n seciunea anterioar a fost adaptat pentru a ncorpora deciziile de investiii de capital. Vom examina n continuare mai detaliat fiecare din etapele acestui model de decizie. Etapa 1 indic faptul c de la nceput trebuie stabilite obiectivele, adic intele pe care investitorul dorete s le ating. Cuantificarea obiectivelor va duce la stabilirea unei funcii obiectiv, care de cele mai multe ori const din maximizarea profitului ca urmare a investiiei de capital. Etapa 2 const din cutarea oportunitilor de investiii. Aceasta este o activitate creativ pentru gsirea proiectelor de investiii poteniale, iar acestei etape trebuie s i se acorde atenia necesar. Etapa 3 a procesului de decizie se refer la culegerea datelor privind posibilele stri ale naturii care pot s afecteze rezultatele proiectelor de investiii. Etapa 4 ncepe dup ce au fost identificate strile naturii n etapa anterioar i const din analizarea i listarea tuturor rezultatelor posibile, pentru fiecare stare a naturii. Etapa 5 se refer la evaluarea efortului i a pierderii (sau a ctigului) pentru fiecare rezultat posibil. Etapa 6 a procesului este destinat selectrii proiectelor de investiii, prin care s se asigure profitul maxim. Etapa 7 const din planificarea implementrii proiectelor de investiii selectate n etapa anterioar. Etapa 8, care este ultima etap a acestui proces, const din analiza i revizuirea proiectelor de investiii.
191
Iteraiile principale ale modelului sunt reprezentate prin sgeile direcionale din Figura 7.3, care reprezint i cele mai importante bucle de feed-back. Pot avea loc ns i alte iteraii secundare ntre etapele acestui model de decizie. Astfel, etapa de analiz i revizuire a proiectelor de investiii are loc n mod constant, la intervale bine stabilite, pentru a evalua rezultatele curente fa de cele planificate.
1. Identificarea obiectivelor de investiii
2. Cutarea oportunitilor de investiii
3. Identificarea strilor naturii
4. Lista rezultatelor posibile
5. Evaluarea efortului financiar
6. Selectarea proiectelor de investiii
7. Implementarea proiectelor de investiii
8. Analiza deciziilor de investiii de capital
Figura 7.3 Modelul de decizie pentru investiiile de capital
7.3.2 Modelul determinist pentru investiiile de capital

Obiectivul principal al unui proiect de investiie de capital este compararea dintre veniturile obinute ca urmare a acestei investiii i alternativele avnd acelai risc de a investi n aciuni sau alte modaliti similare de tranzacii pe pieele financiare. Aceast comparaie se poate face printr-un model de analiz de cash-flow cu discount. S presupunem c sunt investii 100.000 ntr-o operaiune financiar cu o durat de patru ani, fr riscuri, care returneaz un procent de beneficiu, respectiv o rat a beneficiului de 10%, care se pltete la sfritul fiecrui an. Dac dobnda este reinvestit, la sfritul celui de-al patrulea an suma acumulat va fi de 146.410, calculele fiind prezentate n Tabelul 7.1.
Tabelul 7.1 Calculul sumei acumulate Sfritul anului 0 1 2 3 4 Dobnda obinut Investiia total 100.000 10.000 110.000 11.000 121.000 12.100 133.100 13.310 146.410
0,10 100.000
0,10 110.000
0,10 121.000 0,10 133.100
n tabelul de mai sus, sfritul anului 0 nseamn momentul de nceput al investiiei, sfritul anului 1 nseamn situaia financiar dup 1 an, i aa mai departe. Valorile din tabelul de mai sus pot fi obinute i cu formula:
VFn = V0 (1 + k )n ,
(7.1)
unde VFn reprezint valoarea final (sau valoare viitoare) a investiiei dup n ani. V0 este valoarea investiiei la nceputul acesteia (anul 0), k reprezint rata de beneficiu a investiiei, iar n este numrul de ani n care banii sunt investii. Astfel, pentru V0 = 100 .000 i k = 0,10 (adic 10%), valoarea final dup 2 ani va fi:
VF2 = 100.000 (1 + 0,10 )2 = 121.000 . Relaia (7.1) ne permite s calculm i valoarea actual (valoarea prezent), atunci cnd cunoatem valoarea final a investiiei. Avem: VFn , (7.2) V0 = (1 + k )n
193
Astfel, dac valoarea final a unei investiii cu un procent de beneficiu de 10% este de 121.000, atunci valoarea iniial a acestei investiii a fost: 121.000 V0 = = 100.000 . (1 + 0.10 )2 Metoda cea mai direct pentru a determina dac un proiect de investiii de capital returneaz un beneficiu mai mare dect o investiie alternativ de portofoliu n aciuni sau alte forme similare toate fiind considerate ca avnd acelai risc este metoda de calcul a valorii nete actuale (VNA). Dac rata de beneficiu a unui proiect de investiii de capital este mai mare dect rata de beneficiu a unei investiii echivalente (cu acelai nivel de risc) pe piaa financiar, atunci vom avea VNA > 0. n caz contrar, pentru o rat a beneficiului mai mic n cazul investiiei echivalente de portofoliu, vom avea VNA < 0. O valoare actual net pozitiv indic faptul c investiia poate fi acceptat, n timp ce o valoare negativ indic investitorului adoptarea deciziei de respingere a investiiei. Valoarea 0 calculat pentru VNA indic o situaie de indiferen asupra acceptrii sau respingerii investiiei respective. Valoarea actual net poate fi calculat cu relaia: n VFi VNA = I0 , (7.3) i i =1 (1 + k ) unde I 0 reprezint cheltuielile iniiale aferente proiectului de investiii. S considerm un exemplu n care un investitor are posibilitatea de a investi 1.000 ntr-un proiect de investiii cu o durat de 3 ani, cu rata anual a beneficiului de 10%. Fluxurile de numerar de intrare (cash-inflows) estimate sunt urmtoarele: Anul 1 300, Anul 2 1.000, Anul 3 400, iar cheltuielile iniiale estimate pentru acest proiect sunt de 1.000. Atunci, calculnd valoarea net actual obinem: 300 1.000 400 VNA = + + 1.000 = 399,70 . 2 1 + 0,10 (1 + 0.10 ) (1 + 0,10 )3 O metod practic de calcul a valorii pentru VNA utilizeaz factorii de discount, care sunt tabelai i sunt calculai cu relaia: 1 , (7.4) FDn = (1 + k )n unde FDn este factorul de discount n anul n. Pentru exemplul anterior, aplicnd metoda factorilor de discount obinem rezultatele din Tabelul 7.2.

Tabelul 7.2 Calculul valorii actuale nete Anul 1 2 3 Flux de intrare 300 1.000 400 Factor de discount 0,909 0,826 0,751 Total Cheltuieli iniiale Valoarea actual net Valoarea actual 272,73 826,45 300,53 1399,70 1000 399,70
Pentru deciziile asupra proiectelor de investiii, se poate utiliza i metoda de calcul a ratei interne de beneficiu (RIB), care reprezint valoarea maxim a costului capitalului investiional care poate fi utilizat n proiectul financiar, fr a produce pierderi investitorului. Rata intern de beneficiu rezult prin determinarea valorii lui k din ecuaia: n VFi I0 = , (7.5) i i =1 (1 + k ) Rezolvarea ecuaiei anterioare se poate face i printr-o metod de calcul relativ mai simpl, care const din atribuirea de valori pentru factorul de discount, iar apoi prin aplicarea metodei celor mai mici ptrate i determinarea unei funcii liniare sau ptratice, pe care o putem utiliza pentru determinarea valorii RIB. Pentru aplicarea metodei menionate, s considerm exemplul anterior, n care rata minim a beneficiului acceptabil este de 10%. Vom determina valorile VNA pentru valorile ale lui k de 10%, 15%, 20%,..., 40%. Datele calculate sunt prezentate n Tabelul 7.3.
Tabelul 7.3 Calculul VNA pentru diferii factori de discount Anul 1 2 3 Flux de intrare Valoarea actual 10% 272,73 826,45 300,53 1399,70 1000,00 399,70 15% 260,87 756,14 263,01 1280,02 1000,00 280,02 20% 25% 30% 35% 40% 250,00 240,00 230,77 222,22 214,29 694,44 640,00 591,72 548,70 510,20 231,48 204,80 182,07 162,58 145,77 1175,93 1084,80 1004,55 933,50 870,26 1000,00 1000,00 1000,00 1000,00 1000,00 175,93 84,80 4,55 -66,50 -129,74
300 1.000 400 Total Cheltuieli iniiale Valoarea actual net
n Figura 7.4 sunt reprezentate valorile VNA pentru diferitele valori atribuite factorilor de discount, conform datelor din Tabelul 7.3. Ajustnd o linie de tendin polinomial de gradul al doilea, obinem ecuaia:
y = 2.234,2 x 2 2.869 x + 662,25 .
(7.6)
Rezolvnd aceast ecuaie, obinem soluia pentru factorul de discount n intervalul dat: x = 30,17% .
195
500 400 300 VNA 200 100 0 -100 -200 Rata de discount 5% 10% 15% 20% 25% 30% 35% 40% -66.50 -129.74 45% 399.70 280.02 175.93 84.80 4.55
Figura 7.4 Interpretarea grafic a ratei interne de beneficiu (RIB)
Regula de decizie este urmtoarea: dac rata intern de beneficiu este mai mare dect costul capitalului de oportunitate, atunci investiia este profitabil i se va obine o valoare net actual VNA > 0. O situaie aparte o reprezint proiectele de investiii care sunt reciproc exclusive, respectiv situaia n care acceptarea unui proiect implic excluderea celuilalt proiect, cum ar fi de exemplu, decizia de alegere a unei locaii pentru amplasarea unui nou obiectiv economic. S presupunem c un investitor trebuie s decid ntre dou proiecte exclusive de investiii, notate A i B. Fluxurile de intrare pentru cele dou proiecte, la o rat a beneficiului de 10%, sunt date n Tabelul 7.5.
Tabelul 7.5 Anul 1 2 3 Flux de intrare Proiectul A 3.430 3.430 3.430 Factor de discount Proiectul B 10% 5.520 0,909 5.520 0,826 5.520 0,751 Total Cheltuieli initiale Valoarea actual net Valoarea actual Proiectul A 3.118,18 2.834,71 2.577,01 8.529,90 7.000,00 1.529,90 Proiectul B 5.018,18 4.561,98 4.147,26 13.727,42 12.000,00 1.727,42
Relund analiza anterioar pentru rata de discount cuprins ntre 4% i 24%, rezult pentru cele dou proiecte ratele interne de beneficiu de 22% pentru proiectul A i de 18% pentru proiectul B. n Figura 7.5 sunt prezentate valorile VNA pentru cele dou proiecte. Se observ c VNA depinde de rata de discount utilizat. Pentru o valoare mai mare de 12%, proiectul A are valori VNA i RIB superioare. Pentru o rat de discount mai mic de 12% proiectul B are o valoare VNA mai mare, iar proiectul A o valoare RIB mai mare. n aceast situaie se alege, n general, proiectul cu valoarea net actual mai mare.
5000 4000 3000 VNA 2000 1000 0 -1000 -2000 Rata de discount Proiectul A Proiectul B 0 2 4 6 8 10 12 14 16 18 20 22 24 26
Figura 7.5 Valoarea net actual pentru dou proiecte de investiii
n consideraiile de pn acum, am avut n vedere situaia n care beneficiul se obine fr riscuri, cum sunt investiiile cu o rat a beneficiului garantat, dar mai redus. n practica financiar sunt mai frecvente ns situaiile n care numai o parte a ratei beneficiului este fr riscuri. n general, se consider o parte a investiiei care are rata beneficiului fr riscuri i o parte care este supus riscului. Diferena dintre cele dou valori reprezint aa-numita prim de risc. n prima categorie, a investiiilor fr riscuri, intr investiiile garantate de stat sau de anumite bnci. n a doua categorie intr investiiile n aciuni, care sunt tranzacionate pe pieele financiare. Acestea sunt considerate investiii de portofoliu de pia. S notm cu R f rata beneficiului fr risc i cu Rm rata beneficiului pentru o investiie de portofoliu de pia, care include i prima de risc. De exemplu, pentru Rm = 17% i R f = 9% , avem o prim de risc de 8%. S presupunem, de asemenea, c abaterea standard pentru variabila Rm este de 16%, iar pentru variabila R f este n mod natural 0. Relaia dintre aceste variabile este reprezentat n Figura 7.6. Ecuaia dreptei care reprezint capitalul de pia este dat de punctele de coordonate ( f , R f ) i ( m , Rm ) , unde f este abaterea standard pentru variabila R f , iar m este abaterea standard pentru variabila Rm . Ecuaia dreptei de capital de pia este aadar:
y=
Rm R f
m f
(x )+ R
f
(7.7)
Pentru f = 0 , R f = 9% i m = 16% , Rm = 17% , rezult ecuaia de capital de pia:
197
y=
17 9 ( x 0 ) + 9 = 0,5 x + 9 . 16 0
(7.7)
30 Rata medie a beneficiului (% 25 20 15 10 5 0 0 8 16 Riscul (abaterea standard) 24 32 9 Rf 13 Rm Portofoliul A 17 Portofoliul B 25 Portofoliul de pia
Figura 7.6 Ecuaia dreptei de capital de pia
Atunci un investitor poate investi n orice punct care se afl ntre R f i Rm . De exemplu, dac se investete n portofoliul A o sum constnd din 500 n portofoliul de pia i 500 n portofoliul fr risc, atunci abaterea standard va fi: 1 1 0% + 16% = 8% , 2 2 iar rata beneficiului mediu va fi y = 0,5 8 + 9 = 8% . Aadar, rata beneficiului mediu va fi o variabil aleatoare cu media 13% i cu abaterea standard de 8%. Cu ajutorul ecuaie dreptei de capital s rezolvm urmtoarea problem de investiie de portofoliu B, care se situeaz deasupra punctului de portofoliu de pia Rm . S presupunem c investim 1.000 din fondurile proprii, mprumutm 1.000 fr riscuri, cu o rat a dobnzii de 9% i plasm cele 2.000 de care dispunem acum ntr-o investiie de portofoliu la o rat a beneficiului Rm = 17% . Atunci rata medie a beneficiului este 2.000 17% = 340 , din care scznd dobnda pe suma mprumutat de 1.000 9% = 90 , rezult un beneficiu de 250. n concluzie, investind din surse proprii 1.000 am obinut un beneficiu de 250, adic o rat a beneficiului de 25%. nlocuind aceast valoare n ecuaia dreptei de capital, rezult o abatere standard a riscului investiiei de 25 = 0,5 x + 9 x = 32 , adic o abatere standard a riscului foarte mare, dubl fa cea a portofoliului de pia.
7.3.3 Modele probabiliste pentru investiiile de capital

Modelele prezentate pn acum au fost totui modele deterministe, n care variabilele sunt legate ntre ele prin expresii funcionale determinate. n continuare vom discuta modele probabiliste, n care vom considera riscurile proiectelor de investiii ca fiind variabile aleatoare. Cele mai utilizate modele probabiliste i metode pentru cuantificarea riscurilor proiectelor de investiii sunt: Aplicarea distribuiilor de probabilitate; Simularea; Analiza de senzitivitate. Pentru exemplificarea primei metode s considerm un proiect de investiii care implic o cheltuial imediat de 20.000. Proiectul are o durat de via estimat de 3 ani, iar prognoza pentru cash-flow-ul net i probabilitile asociate sunt date n Tabelul 7.6.
Tabelul 7.6 Cash-flow-ul i probabilitile unui proiect de investiii Probabilitatea 0,10 0,25 0,30 0,25 0,10 Valoarea medie Anul 1 Cash-flow net 10.000 15.000 20.000 25.000 30.000 20.000 Anul 2 Cash-flow net -5.000 0 5.000 10.000 15.000 5.000 Anul 3 Cash-flow net -10.000 -5.000 0 5.000 10.000 0
Cu ajutorul valorilor medii ale cash-flow-ului net, putem acum s estimm valoarea medie a VNA, pentru o rat a beneficiului de 10%. Obinem: 20.000 5.000 0 M [VNA] = + + = 2.314 . (7.8) 2 1,10 1,10 1,103 S determinm acum abaterea standard a VNA. Pentru aceasta vom determina mai nti o relaie de calcul pentru dispersia sau variana VNA: n Vt V [VNA] = , (7.9) 2t t =0 (1 + k ) unde V [VNA] este variana valorii nete actuale a proiectului, Vt este variana pentru cash-flow-ul net n anul t, iar k este rata beneficiului. Pentru a aplica relaia (7.9) s calculm mai nti V1 n Tabelul 7.7. S remarcm faptul c variana cash-flow-ului va fi aceeai n cei trei ani ai proiectului, deoarece considerm c distribuia de probabilitate a variabilei VNA are aceeai valoare medie i aceeai dispersie.
7.3 INVESTIII DE CAPITAL N CONDIII DE RISC Tabelul 7.7 Variana cash-flow-ului proiectului de investiii n anul 1 Probabilitatea 0,10 0,25 0,30 0,25 0,10 Valoarea medie Cash-flow net 10.000 15.000 20.000 25.000 30.000 20.000 Abaterea de la valoarea medie -10.000 -5.000 0 5.000 10.000 Ptratul abaterii 100.000 25.000 0 25.000 100.000 Variana Valoarea ponderat 10.000.000 6.250.000 0 6.250.000 10.000.000 32.500000
199
Atunci, conform relaiei (7.9) obinem variana valorii nete actuale:
1 1 1 V [VNA] = 32.500.000 + + = 67.402.844 . (7.10) 2 4 6 1,10 1,10 1,10 Din calculele de mai sus, am obinut pentru variabila VNA parametrii pentru medie VNA = 2.314 i VNA = 8.210 . Considernd pentru aceast variabil aleatoare
modelul distribuiei normale vom putea s facem o inferen statistic privind proiectul nostru de investiii de capital. Astfel, considernd 95% din valorile distribuiei, obinem pentru intervalul VNA 2 VNA valorile [ 14.106 ;18.734 ] , ceea ce nseamn c cu probabilitatea de 95%, valoarea net actual a proiectului de investiii se va situa ntre limitele intervalului de mai sus. Probabilitatea ca proiectul de investiii de capital s aib o valoare net actual negativ (aria haurat din Figura 7.7) este dat de: (7.11) Prob{VNA < 0} = N (0; 2.314 ;8.210 ) = 0,389 , n timp ce probabilitatea de a avea o valoare net actual mai mare de 10.000 este de: (7.12) Prob{VNA > 10.000} = 1 N (10.000 ; 2.314 ; 8.210 ) = 0,175 ,
0.00006 0.00005 0.00004 0.00003 0.00002 0.00001
X
P(X <= 0)
0 -25000 -20000 -15000 -10000 -5000
5000 10000 15000 20000 25000
Figura 7.7 Probabilitatea de a nregistra VNA < 0
S aplicm acum un model de simulare pentru problema noastr de investiii de capital. Primul pas al procesului de simulare l reprezint constituirea unei distribuii de probabilitate pentru fiecare factor care influeneaz deciziile de investiii de capital, cum ar fi, de exemplu, variabilele aleatoare pentru cota de pia, preul de vnzare, costurile operaionale sau durata de via a diferitelor echipamente. S considerm exemplul anterior, n care, n pasul urmtor, vom genera variabile aleatoare uniforme, ntre 0 i 1 pentru variabila de cash-flow net, dup cum urmeaz (datele sunt prezentate n Tabelul 7.8):
Tabelul 7.8 Valorile uniforme pentru variabile cash-flow net Valori aleatoare 0,00 0,10 0,11 0,35 0,36 0,65 0,66 0,90 0,91 1,00 Anul 1 Cash-flow net 10.000 15.000 20.000 25.000 30.000 Anul 2 Cash-flow net -5.000 0 5.000 10.000 15.000 Anul 3 Cash-flow net -10.000 -5.000 0 5.000 10.000
Observm c probabilitile de a genera valorile variabilelor aleatoare din prima coloan a Tabelului 7.8 sunt aceleai cu probabilitile din Tabelul 7.6. Primele 10 valori simulate, utiliznd aceast metod de simulare foarte simpl (deoarece utilizm generatorul de numere uniforme, pe care l are orice program de calculator) sunt prezentate n Tabelul 7.9.
Tabelul 7.9 Valorile simulate pentru variabile cash-flow net Anul 1 Anul 2 Anul 3 Valori Cashflow Valori Cashflow Valori Cashflow simulate net simulate net simulate net 0,30 15.000 0,93 15.000 0,36 0 0,86 25.000 0,31 0 0,52 0 0,44 20.000 0,39 5.000 0,58 0 0,51 20.000 0,39 5.000 0,52 0 0,63 20.000 0,32 0 0,02 -10.000 0,62 20.000 0,28 0 0,12 -5.000 0,34 15.000 0,77 10.000 0,47 0 0,40 20.000 0,28 0 0,42 0 0,39 20.000 0,34 0 1,00 10.000 0,62 20.000 0,59 5.000 0,36 0
VNA 6.033 2.727 2.314 2.314 -9.331 -5.575 1.901 -1.818 5.695 2.314
n tabelul de mai sus, pe prima linie, pentru valoarea simulat 0,30 considerm un cash-flow net de 30.000 n anul 1, pentru 0,93 un cash-flow net de 15.000 n anul 2, iar pentru 0,36 un cash-flow net de 0 n anul 3. Cu aceste valori rezultate din simulare,
201
a fost calculat valoarea VNA din ultima coloan a tabelului. Procedeul a fost repetat de un numr suficient de mare de ori. Statisticile rezultate din simulare au fost, notnd cu x valorile variabilei VNA, au fost: xmin = 18.798 , xmax = 18.881 ,
x = 2.594 , s = 7.739 , iar modelul distribuiei simulate, reprezentat prin histograma frecvenei relative a valorilor simulate, este redat n Figura 7.8.
0.25 Probabilitatea 0.20 0.15 0.10 0.05 13,229 16,997 -20,682 -16,914 -13,146 20,764 1,925 5,693 -9,378 -5,610 -1,843 9,461 0.00
VNA
Figura 7.8 Modelul distribuiei simulate a VNA
Analiznd comparativ rezultatele anterioare n care am folosit modelul distribuiei normale, cu cele rezultate din simulare, observm c fr a fi foarte apropiate, ele sunt totui n aceeai plaj de valori, respectiv pentru modelul simulat, media este de aproximativ 2.600 (fa de circa 2.300 n modelul normal), iar abaterea standard de 7.700 (fa de 8.200 n modelul normal). Din pcate, modelul empiric furnizat de histograma frecvenei relative este puternic asimetric (dup cum se observ din forma histogramei din Figura 7.8), ceea ce ne determin s facem inferena asupra modelului de simulare cu ajutorul distribuiei triunghiulare asimetrice. Reamintim c n capitolul 2 am prezentat distribuia triunghiular simetric. Distribuia triunghiular este recomandat pentru a fi utilizat atunci cnd nu dispunem de date istorice privind evoluia unui anumit fenomen care ne intereseaz sau atunci cnd nu este posibil sau nu este timp pentru un experiment statistic. Pentru a genera o variabil triunghiular, este suficient s considerm o valoare minim (notat a), o valoare maxim (notat b) i o valoare pe care o considerm ca fiind cea mai probabil (notat m).
Distribuia triunghiular asimetric are funcia de densitate de probabilitate definit de: xa 0, 2( x a ) ,a< xm (b a ) (m a ) f ( x) = , (7.13) 2(b x ) ,m< x<b (b a ) (b m ) 0, xb
i funcia de distribuie cumulativ dat de: xa 0, 2 (x a ) , a<xm (b a ) (m a ) F (x ) = (7.14) (b x )2 , m < x < b , 1 (b a ) (b m ) 1, xb Parametrii distribuiei triunghiulare asimetrice sunt: a+m+b = , 3 . (7.15) (b a )2 + (m a ) (m b ) 2 = 18 Avantajul utilizrii distribuiei triunghiulare este acela c pentru a estima probabilitile nu avem nevoie de tabele de valori ale distribuiei, calculul de probabilitate reducndu-se la calculul unor arii de triunghiuri. Reprezentnd grafic distribuia triunghiular asimetric (Figura 7.9), aceasta 2 trece prin punctele de coordonate A(a ,0 ) , B (b ,0 ) i M m , . ba
2 ba
b Figura 7.9 Distribuia triunghiular asimetric
203
Un alt avantaj important al distribuiei triunghiulare asimetrice l reprezint metoda de generare a unei variabile aleatoare triunghiulare asimetrice, care se poate obine considernd media a 3 variabile aleatoare uniforme. Astfel, pentru a genera un ir de variabile aleatoare triunghiulare asimetrice, utilizm relaia:
xi =
( ( ( u1 i ) + u 2 i ) + u3 i ) , 3
(7.16)
( unde u k i ) , k = 1,2,3 sunt variabile aleatoare uniforme pe (0, 1) .
n Figura 7.10 este reprezentat simularea distribuiei triunghiulare asimetrice, utiliznd metoda de generare din relaia (7.16).
0.25 0.20 0.15 0.10 0.05 0.00 1 2 3 4 5 6 7 8 9 10 11 12 13
Figura 7.10 Distribuia triunghiular asimetric simulat
Pentru valorile eantionului de date simulate, se obine: a = xmin = 18.798 ,
b = xmax = 18.881,
i nlocuind aceste valori i media simulat n relaia (7.15) obinem: m = 3 x (a + b ) = 7.701 . Atunci, pentru probabilitatea de a avea o valoare VNA < 0, obinem, considernd asemnarea i ariile triunghiurilor dreptunghice corespunztoare: Prob{VNA < 0} 35% , probabilitatea ca VNA s fie egal cu media calculat cu metoda anterioar: Prob{VNA < 2.314} 45% , iar probabilitatea ca VNA > 10.000 este: Prob{VNA > 10.000} 24% . n concluzie, valorile obinute prin utilizarea distribuiei triunghiulare sunt suficient de apropiate de cele obinute prin utilizarea distribuiei normale i recomandm aceast distribuie mai ales n aplicaiile de simulare ale modelelor economice i ale riscului, datorit simplitii i eficacitii acesteia.
A treia metod probabilist care se poate aplica pentru problemele de investiii de capital o reprezint analiza de senzitivitate. n Figura 7.11 sunt prezentate variabilele modelului care influeneaz VNA, respectiv senzitivitatea VNA la schimbrile variabilelor componente: Preul de vnzare estimat; Volumul de vnzri estimat; Costuri operaionale estimate; Costuri iniiale estimate; Costul estimat al capitalului.
Preul de vnzare estimat
Volumul de vnzri estimat VNA
Costul estimat al capitalului
Costuri operaiona le estimate
Costuri iniiale estimate
Figura 7.11 Senzitivitatea VNA la variabilele modelului
Aplicarea analizei de senzitivitate, conform procedurilor detaliate n Capitolul 3, poate indica variabilele la care VNA este cea mai sensibil, precum i nivelul pn la care se pot modifica aceste variabile nainte ca rezultatele investiiilor de capital s conduc la pierderi.
8
BIBLIOGRAFIE
1. 2. 3. 4. 5. 6. 7. 8. Ackoff, R. L., Sasieni, M. W. Alexis, J. Amstadter, B. L. Arley, N., Buch, K. R. Barlow, R. E., Proschan, F. Berenson, M.L., Levine, D.M. Brsan-Pipu, N. Brsan-Pipu, N. Bazele cercetrii operaionale. Editura tehnic, 1975. Metoda Taguchi n practica industrial. Editura tehnic, 1999. Reliability Mathematics. McGraw-Hill Publishing Company, 1971. Introduction to the Theory of Probability and Statistics. John Wiley & Sons Inc., 1976. Mathematical Theory of Reliability. John Wiley & Sons Inc, 1967. Basic Business Statistics. Concepts and Applications. Prentice Hall, 1992. Modele FMEA: Analiza modului de defectare i a efectelor. Q-Media, Nr. 3, pp. 48-53, 1999 Tehnici de simulare aplicate n economie. Buletinul tiinific al Universitii Cretine Dimitrie Cantemir, Braov, 2003, pag. 237 241. Managementul riscului. Concepte i abordri. Buletinul tiinific al Universitii Cretine Dimitrie Cantemir, Braov, 2003, pag. 237 241. Modele statistice ale defectrii. Calitate i Fiabilitate, Nr. 2, pp. 23-26, 1998 Defectarea. Modele statistice cu aplicaii. Editura Economic, 1999 Quality Control. Prentice-Hall Inc, 1979 Engineering Statistics. Prentice-Hall Inc, 1972 Reliability Fundamentals. Elsevier Science Publishing Inc, 1989
9.
Brsan-Pipu, N.
10. 11.
Brsan-Pipu, N., Vod, R. C. Brsan-Pipu, N., Isaic-Maniu, Al., Vod, V. Gh. Besterfield, D. H. Bowker, A. H., Lieberman, G. I. Ctuneanu, V. M., Mihalache, A. N.
12. 13. 14.
205
206 BIBLIOGRAFIE 15. 16. 17. 18. 19. 20. 21. 22. 23. 24. 25. 26. 27. 28. 29. 30. 31. 32. 33. 34. Chan, L. K., Cheng, S. A New Measure of Process Capability: Cpm. Journal of W., Spiring, F. A. Quality Technology, Vol. 20, No. 3, pp. 162-175, 1988. Coa, M., Nastovici, L. Drury, C. Duncan, A. I. Duncan, W.R. Gibra, I.. N. Gnedenko, B. Hahn, G. I., Shapiro, S. S. Modele de evaluare a riscului de ar. Editura Orientul Latin, 2000. Management and Cost Accounting. Chapmann & Hall, 1985. Quality Control and Industrial Statistics. Richard D Irwin, Inc, 1974. A Guide to the Project Management Body of Knowledge. Project management Institute, 1996 2000. Probability and Statistical Inference for Scientist and Engineers. Prentice-Hall, Inc, 1973. The Theory of Probability. Mir Publishers, 1976. Statistical Models in Engineering. John Wiley & Sons, Inc., 1967.
Hall, O. P., Adelman, Business Statistics. Richard Irwin Inc., 1991. H. E. Hammer Slei, J., Handscomb, D. C. Harshbarger, R.J., Reynolds, J.J. Hillier, F. S., Lieberman G. I. Monte Carlo Methods. John Wiley & Sons Inc, 1964. Mathematical Applications for the Management, Life, and Social Sciences. D.C Heath, 1992, Introduction to Operations Research. McGraw Hill Publishing Co., 1986.
Iosifescu, M., Mihai, Teoria probabilitilor i statistica matematic. Editura Gh., Theodorescu, R. tehnic, 1966. Ireson, W. G. Reliability Handbook. McGraw-Hill Company, 1966. Juran, J. M., Gryna, F. Quality Control Handbook. McGraw-Hill Co, 1974. M. Bingham, R. S. Kane, V. E. Keller, G., Warrack, G. Lloyd, E. Malia, M., Zidroiu C. Process Capability Indices. Journal of Quality Technology, Vol. 18, No. 1, pp. 41-52, 1986. Statistics for Management and Economics. Duxbury Press, 1997 Handbook of Aplicable Mathematics. Volume VI: Statistics. John Wiley & Sons, 1984. Incertitudine i decizie. Editura tiinific i enciclopedic, 1980.
Mann, N. R., Schafer, Methods for Statistical Analisys of Reliability & Life Data. R. E., Simpurwalla, N. John Wiley & Sons, 1974.
BIBLIOGRAFIE
207
35. 36.
Martinescu, I., Popescu, I. McNulty, M.S.
Analiza fiabilitii i securitii sistemelor. Editura Universitii Transilvania din Braov, 2002. Applied Risk Analysis of Complex Systems. The Third Conference on Mathematical Methods in Reliability, 2002, pp. 437 439. Statistics the Engineering and Computer Sciences. Dellen Publishing Company, 1984. Introduction to Statistical Quality Control (Third Edition). John Wiley and Sons, 1996. Experimental statistics. National Bureau of Standards Handbook 91, 1963. Msur i procese aleatoare . Editura Universitii transilvania, Braov, 2000.
37. 38. 39. 40. 41. 42. 43. 44. 45. 46.
Mendenhall W., Sincich, T. Montgomery D.C. Natrella, M.G. Orman, G.
Petrescu, E., Vod, V. Fie de control de proces. Teorie i studii de caz. Editura Gh. Economic, 2002. Popescu, I. Popescu, I. Popescu, I., Martinescu, I. Purcaru, I., Purcaru, O.G. Rotariu, I. Bearings life and reliability. The University of Arizona, Tucson, Arizona, 1977. Bazele cercetrii experimentale n tehnologia construciilor de maini. Universitatea din Braov, 1986. Fiabilitate. Bazele teoretice. Universitatea din Braov, 1992. Matematici financiare. Teorie i aplicaii. Editura Economic, 2000. Managementul tehnologiilor nucleare pentru producerea energiei electrice. Tez de doctorat. Universitatea Transilvania din Braov, 2002. Metode i studii de caz privind managementul riscului n tranzaciile de afaceri. Editura Oscar Print, 1999,
47. 48. 49. 50. 51. 52.
Stoian, I.
Stoichioiu, D., Vod, Istoria calitii. Un eseu concentrat. Editura Mediarex 21, V. Gh. 2002. Tovissi, L., Vod, V. Metode statistice. Aplicaii n producie. Editura tiinific i Gh. enciclopedic, 1982. Tuma, I. I. Turban, E., Meredith, J.R. Vduva, I Engineering Mathematics Handbook. McGraw-Hill Inc., 1979. Fundamentals of Management Science. Irwin, 1977. Modele de simulare cu calculatorul. Editura tehnic, 1977.
208 BIBLIOGRAFIE 53. 54. 55. 56. 57. 58. Yule, C. V., Kendall, Introducere n teoria statisticii. Editura tiinific, 1969. M. G. Zikmund, W.G. *** *** *** *** Business Research Methods. The Dryden Press, 1994, Dicionarul Explicatic al Limbii Romne. Editura Univers Enciclopedic, Bucureti, 1998. Handbook of Engineering Statistics. NIST, 2000 Mic Dicionar Enciclopedic. Editura tiinific i enciclopedic, Bucureti, 1978. Potential Faiture Mode and Effects Analysis (FMEA). Chrysler Corporation, Ford Motor Company, and General Motors Corporation, 1995. Program Project and Management. U.S. Department of Energy, 2000 Project Risk Management. Risk Management SIG Committee, 2001. Risc Consult, nr. 2 3 / 2002. Marsh SRL Software Risk Management. A Practical Guide. U.S. Department of Energy, 2000 Websters Unabridged Dictionary of the English Language. John Wiley & Sons, 2002.
59. 60. 61. 62. 63.
*** *** *** *** ***

Managementul Riscului

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Managementul Riscului

Diunggah oleh

Hak Cipta:

Format Tersedia

NICOLAE BRSAN-PIPU

Editura Universitii Transilvania din Braov 2003

TOATE DREPTURILE REZERVATE

Braov, martie 2003 Autorii

2 NOIUNI DE TEORIA DECIZIEI........................................................................ 11

4 MANAGEMENTUL RISCULUI N CALITATE I FIABILITATE ................ 97

5 MANAGEMENTUL RISCULUI N PROIECTE............................................... 131

6 MANAGEMENTUL RISCULUI N SOFTWARE............................................. 167

7 MANAGEMENTUL RISCULUI FINANCIAR .................................................. 183

1.1 CE ESTE RISCUL?

1.2 RISCUL N TEORIA DECIZIEI

1.2 RISCUL N TEORIA DECIZIEI

1.3 SIMULAREA RISCULUI

1.4 RISCUL N CALITATE I FIABILITATE

1.4 RISCUL N CALITATE I FIABILITATE

1.5 RISCUL N PROIECTE

1.6 RISCUL N SOFTWARE

1.6 RISCUL N SOFTWARE

1.7 RISCUL FINANCIAR

CAPITOLUL 2 NOIUNI DE TEORIA DECIZIEI

2.1 DEFINIREA PROBLEMEI DE DECIZIE

CAPITOLUL 2 NOIUNI DE TEORIA DECIZIEI

2.1.2 Scurt istoric al teoriei deciziei

2.1 DEFINIREA PROBLEMEI DE DECIZIE

CAPITOLUL 2 NOIUNI DE TEORIA DECIZIEI

2.2 MODELUL MATEMATIC AL PROBLEMEI DE DECIZIE

2.2 MODELUL MATEMATIC AL PROBLEMEI DE DECIZIE

2.2.2 Regulile de decizie minimax i Bayes

CAPITOLUL 2 NOIUNI DE TEORIA DECIZIEI

Putem utiliza de asemenea i operatorul pentru varian V X , definit ca

(2.7) (2.8) (2.9)

2.2 MODELUL MATEMATIC AL PROBLEMEI DE DECIZIE

(n acest caz X are o distribuie normal N ( ,1

innd cont c mediana are o distribuie normal N ( , 2n ) obinem

Funciile de risc pentru d1 , d 2 i d 3 sunt reprezentate n Figura 2.1

Figura 2.1 Funciile de risc pentru deciziile d1, d2 i d3

Vom estima parametrul

utiliznd aceeai funcie de pierdere ptratic

CAPITOLUL 2 NOIUNI DE TEORIA DECIZIEI

Calculnd funciile de risc, obinem

dar deoarece M X ( d 2 ( X ))2 = , obinem

Figura 2.2 Funciile de risc pentru deciziile d1, i d2

2.2 MODELUL MATEMATIC AL PROBLEMEI DE DECIZIE

Figura 2.3 Dou funciile de risc ipotetice

CAPITOLUL 2 NOIUNI DE TEORIA DECIZIEI

Figura 2.4 Forme posibile ale distribuiei convingerii

2.2 MODELUL MATEMATIC AL PROBLEMEI DE DECIZIE

(2.27) (2.28) (2.29)

CAPITOLUL 2 NOIUNI DE TEORIA DECIZIEI

2.2.3 Decizii admisibile

Figura 2.5 Funciile de risc pentru diferite funcii de decizie

2.2.4 Interpretarea geometric

2.2 MODELUL MATEMATIC AL PROBLEMEI DE DECIZIE

= (1 , 2 ) i cu funcia de pierdere definit n Tabelul 2.1:

5 < 3 , n ambele cazuri aciunea aleatoare este preferabil lui a3 . 2

Mai general, dac = ( 1 , 2 , K , m ) , cu 1 + 2 + K + m = 1, i 0 , putem

CAPITOLUL 2 NOIUNI DE TEORIA DECIZIEI

S Punctul de risc pentru d 2 Punctele de risc pentru combinaia aleatoare a deciziilor d 1 i d 2

Punctul de risc pentru d 1

Figura 2.6 Forma general convex a mulimii de risc S

2.2 MODELUL MATEMATIC AL PROBLEMEI DE DECIZIE

Punctul de risc pentru decizia minimax

Figura 2.7 Interpretarea geometric a abordrii minimax