Метасистемный подход в управлении: Монография. Миронов С.В - 208 стр.

     2) требования, чтобы несогласованность между соответствующими пе-
ременными заданной системы данных и системы с поведением из YQ была
как можно меньшей;
     3) требования, чтобы степень неопределенности при порождении дан-
ных системой с поведением из множества YQ была как можно меньшей;
     4) требования, чтобы система из подмножества YQ была как можно бо-
лее простой;
     5) предпочтения требования 2 требованиям 3 и 4.
     В этой общей формулировке требование 1 сводится к определению
множества допустимых масок. Если параметрическое множество не упорядо-
чено, то понятие параметрического соседства не определено, и, следователь-
но, существует только одна осмысленная маска. Эта маска, определяемая то-
ждественным правилом сдвига; она называется маской без памяти. Эта зада-
ча сводится к определению для имеющихся данных функции распределения
вероятностей или возможностей, удовлетворяющих требованию 2. Она реша-
ется полным перебором данных с помощью маски без памяти (в данном слу-
чае порядок выбора не важен) и определения для каждого состояния выбо-
рочных переменных с ( в данном случае они совпадают с основными пере-
менными) числа N(c) их появлений в данных. Числа N(c) для всех с∈ С обыч-
но называются частотами состояний с. Они используются для вычисления
по некоторым правилам соответствующих функций вероятностей или
возможностей.
     Вычислять распределение вероятности или возможности по частотам
можно разными способами. Выбор способа зависит от того, какой смысл
придает пользователь этим вероятностям или возможностям. Так, например,
если вероятности рассматриваются как характеристики данных, то обычно
вычисляются относительные частоты, то есть отношения N(с) к общему
числу имеющихся выборок из данных по используемой маске. Отсюда
                                        N (c )
                            f B (c ) =          .                  (В.31)
                                       ∑ N (α )
                                    α∈C
    Если, однако, вероятности рассматриваются как оценки частот по уже
имеющимся результатам наблюдения, то они вычисляются по формуле
                      f B (c ) = ( N (c ) + 1) ( ∑ N (α )+ | C |) . (В.32)
                                          α∈C
     Поскольку распределения возможностей менее ограничены, чем их ве-
роятностные аналоги (например, к ним не надо добавлять 1), существует еще
больше возможных правил для вычисления их по частотам N(c). Естествен-
ный способ вычислений распределения возможностей, который можно счи-
тать аналогом формулы (42) – это считать значение возможности равной от-
ношению частоты N(c) к максимальной зафиксированной частоте, то есть
                            f B (c ) = N (c ) max N (α ) .         (В.33)
                                            α∈C
     По другой формуле распределение возможности вычисляются по соот-
ветствующим вероятностям. Пусть f B (c ) и f B′ (c ) - это соответственно воз-

208