Распределение параметров сложных систем

Содержание

Слайд 2

Принцип 80/20 20% ассортимента продукции - 80% от общего объема продаж

Принцип 80/20

20% ассортимента продукции - 80% от общего объема продаж
20%

покупателей и клиентов - 80% от общего объема продаж
20% ассортимента продукции или 20% покупателей - 80% прибыли
20% преступников - 80% преступлений
20% водителей - 80% дорожно-транспортных происшествий
20% вступивших в брак - 80% разводов

20% детей - 80% возможностей, предоставляемых системой образования в данной стране
20% площади ковров - 80% воздействий, ведущих к их износу
80% всего времени - 20% имеющейся у вас одежды
80% всех ложных тревог при срабатывании противоугонной сигнализации - 20% возможных причин

Слайд 3

Кривая Лоренца

Кривая Лоренца

Слайд 4

Меры однородности G и Г

Меры однородности G и Г

Слайд 5

Три меры неоднородности Меры Г и G "работают" только для неотрицательных

Три меры неоднородности

Меры Г и G "работают" только для неотрицательных "r"

- мера Ф работает всегда
Свойства меры Ф проще анализировать

- коэффициент Джини

Слайд 6

Свойства меры однородности G

Свойства меры однородности G

Слайд 7

Однородность G разных распределений вероятности

Однородность G разных распределений вероятности

Слайд 8

Неоднородность чисто степенного распределения

Неоднородность чисто степенного распределения

Слайд 9

Модель эффекта случайных смещений результата Можно условно считать, что: добавление нового

Модель эффекта случайных смещений результата

Можно условно считать, что:
добавление нового параметра "у"

увеличивает дисперсию и
среднее значение результата не меняется
1-й случай: r=x+y, где r≥0
1) если у "у" корреляция с "х" не отрицательная, то рост всегда будет:

2) возможен случай p(r) → δ(r), G →1,
иначе G≥2/3

Слайд 10

2-й случай: r=x+y, где -∞≤r≤+∞ – неоднородность Ф растет, но пропорционально

2-й случай: r=x+y, где -∞≤r≤+∞ – неоднородность Ф растет, но
пропорционально

числу параметров: σ~N
3-й случай: r=x*y –
σ~N, но дисперсия растет гораздо быстрее.
Для логнормального распределения:
Слайд 11

Эффект естественного отбора "Побеждают сильнейшие": G = результат усреднения однородности Gi

Эффект естественного отбора

"Побеждают сильнейшие":
G = результат усреднения однородности Gi "гармоник"

с весовым коэффициентом ki~()1/2
Если среди суммируемых "гармоник", т.е. распределений с фиксированным значением параметров , существуют распределения со степенными "хвостами", то итоговое распределение тоже будет иметь степенной хвост, потому что он убывает медленнее.
Слайд 12

ЭЕО: Большая неоднородность Скалярное произведение порождает сепарабельное гильбертово пространство:

ЭЕО: Большая неоднородность

Скалярное произведение порождает сепарабельное гильбертово пространство:

Слайд 13

Поведение меры однородности G при суммировании гармоник Сумма гармоник: - "длина вектора" То есть побеждают наибольшие

Поведение меры однородности G при суммировании гармоник

Сумма гармоник:

- "длина

вектора"

То есть побеждают наибольшие

Слайд 14

ЭЕО: Появление "степенных хвостов" распределений Эффективный показатель степени: "Степенное усреднение": В дискретном случае:

ЭЕО: Появление "степенных хвостов" распределений

Эффективный показатель степени:


"Степенное усреднение":

В дискретном

случае:
Слайд 15

Дрейф показателя суммы гармоник вниз вплоть до наименьшего из показателей "Степенная дисперсия":

Дрейф показателя суммы гармоник вниз вплоть до наименьшего из показателей


"Степенная

дисперсия":
Слайд 16

Отклонение эфф-го показателя степени от минимального

Отклонение эфф-го показателя степени от минимального

Слайд 17

Эффективный показатель степени для конечных результатов

Эффективный показатель степени для конечных результатов

Слайд 18

"Чистые" законы распределения не объясняются эффектом естественного отбора объясняются эффектом случайных

"Чистые" законы распределения

не объясняются эффектом естественного отбора
объясняются эффектом случайных смещений параметра

только для некоторых распределений (логнормальное, логнормальное)
Слайд 19

Условие сокрытия параметров для марковских процессов - произвольная функция

Условие сокрытия параметров для марковских процессов

- произвольная функция

Слайд 20

Чисто степенные распределения для марковских процессов Разумно предположить, что если в

Чисто степенные распределения для марковских процессов

Разумно предположить, что если в

результате эволюции получается чисто степенное распределение, то оператор эволюции почти всегда можно представить в виде "ВА", где "А" – масштабно-инвариантный оператор (глобально или только локально), а оператор "В" нулевую функцию переводит в нулевую. Исключения представляют собой вырожденные случаи и, видимо, не должны часто встречаться.
Оператор "А" является масштабно-инвариантным:
глобальная масштабная инвариантность может существовать только если объекты не взаимодействуют или эволюционирует один объект
локальная масштабная инвариантность может возникнуть, только если на объекты влияют параметры всей совокупности других объектов как целое: "температура", число, "давление"
Оператор "В" в общем случае не является масштабно-инвариантным и, соответственно, не будет масштабно-инвариантным и итоговый оператор "ВА".