You are on page 1of 214

NICOLAE BÂRSAN-PIPU

MANAGEMENTUL

ION POPESCU

RISCULUI

CONCEPTE y METODE y APLICAŢII

Editura Universităţii „Transilvania” din Braşov
2003

© 2003 EDITURA UNIVERISTĂŢII TRANSILVANIA BRAŞOV
Adresa:

2200 Braşov
B-dul Eroilor, Nr. 9
Tel/fax: 0268 – 47 53 48
E-mail: repa@unitbv.ro

Tipărit la:
Tipografia Universităţii „Transilvania” din Braşov
B-dul Eroilor, Nr. 9
Tel/fax: 0268 – 47 53 48

TOATE DREPTURILE REZERVATE

Recenzenţi ştiinţifici: Prof. univ. dr. Gabriel V. ORMAN
Prof. univ. dr. Ionel MARTINESCU
Tehnoredactare:
Coperta:

Autorii
Claudiu BÂRSAN-PIPU

Descrierea CIP a Bibliotecii Naţionale a României
BÂRSAN-PIPU, NICOLAE.
Managementul riscului. Concepte – Metode – Aplicaţii / Nicolae Bârsan-Pipu, Ion
Popescu – Braşov: Editura Universităţii „Transilvania”, 2003
214p.; 24 cm
ISBN 973 – 635 – 180 – 7
I. Popescu, Ion

PREFAŢĂ
Dezvoltarea ştiinţei managementului din ultimul deceniu a focalizat preocupările
pentru eficacitatea şi optimizarea activităţilor de conducere în domeniul analizei şi
evaluării riscului, risc ce este inerent fiecărei activităţi economice, sociale sau politice.
Acest demers implică însă o concepţie şi o abordare multidisciplinară, în care
sunt utilizate cunoştinţe din cele mai diferite domenii de activitate. Astfel, economiştii
şi inginerii definesc modelele deterministe ale fenomenelor economice sau industriale,
matematicienii şi statisticienii construiesc modelele probabiliste ale acestor fenomene,
iar informaticienii dezvoltă programele de simulare şi de prelucrare a datelor ale
acestor modele. Managementul riscului devine astfel, din ce în ce mai mult, un
domeniu distinct şi bine conturat al managementului modern, o componentă esenţială
şi indispensabilă a fiecărui proiect tehnic, economic sau de altă natură.
Desigur, complexitatea problemelor legate de tratarea riscurilor este deosebit de
ridicată, prin faptul că este necesară o bună cunoaştere a fenomenelor analizate şi a
activităţilor desfăşurate, dar şi o bază de cunoştinţe din domeniul managementului în
general, al metodelor şi tehnicilor matematice şi statistice, în special.
Nu ne-am propus în cadrul limitat al acestei lucrări să epuizăm toate aspectele
legate de problematica riscului, deoarece fiecare din domeniile abordate poate
constitui în sine subiectul unei lucrări. Ne referim aici, de exemplu, la managementul
riscului financiar, care îmbracă foarte multe aspecte, de la riscul investiţional, la riscul
în asigurări şi până la aspecte mai complexe, cum ar fi riscul de ţară, un binecunoscut
indicator economic internaţional. Nu am abordat, aspectele politice sau militare ale
riscului, pentru că acestea, la rândul lor, prezintă elemente de specificitate, pe care nu
le-am tratat. Am încercat totuşi să sintetizăm principalele concepte, metode şi aplicaţii,
care să permită specialiştilor sau studenţilor să introducă în proiectele şi activităţile pe
care le conduc sau le realizează elemente de managementul riscului, menite să le
îmbunătăţească performanţele
iii

Lucrarea de faţă are un caracter monografic şi încearcă o abordare integrată a
conceptelor privind riscul şi al tehnicilor de management pentru controlarea acestuia.
Încercăm aici să conexăm noţiuni de modelare matematică şi de inferenţă statistică, cu
concepte de management, toate orientate spre rezolvarea aspectelor practice ale
riscului. Fără a avea nici cea mai mică îndoială asupra faptului că demersul nostru este
departe de a fi exhaustiv, considerăm însă că încercarea noastră poate trezi interesul
specialiştilor din cele mai diferite domenii de activitate, în care riscul se manifestă
continuu. De asemenea, această lucrare se adaugă unei literaturi româneşti de
specialitate în domeniul analizei şi managementului riscului destul de săracă sau mai
bine zis aflată într-o fază incipientă.
Lucrarea prezintă, în prima parte, modelele de decizie care asigură o definire
matematică riguroasă a riscului, precum şi modelele de simulare aplicate pentru
cuantificarea riscului. În continuare, sunt dezvoltate o serie de modele, tehnici şi
metode utilizate pentru managementul riscului în domeniul calităţii şi fiabilităţii,
managementului general al proiectelor, managementului proiectelor de software şi
managementului riscului financiar. Pentru o mai bună fixare a noţiunilor prezentate,
lucrarea conţine numeroase exemple şi aplicaţii rezolvate şi propune o serie de
aplicaţii interesante.
Lucrarea se adresează specialiştilor în management, dar şi studenţilor din anii
terminali şi celor de la studiile postuniversitare şi de masterat, atât din specializările
economice, cât şi celor de inginerie, care vor găsi aici concepte, tehnici, metode şi
aplicaţii utile, care să le permită înţelegerea şi aplicarea noţiunilor şi problematicii
managementului riscului.

Braşov, martie 2003
Autorii

............................................4 Aplicaţii propuse....................................2 Regulile de decizie minimax şi Bayes ...............................2...................76 3......16 2.................................................................................................2 Generarea variabilelor aleatoare discrete....................................................................................................71 3 TEHNICI DE SIMULARE..66 2..........................61 2..........11 2..............3..............3 Decizii admisibile ...73 3...2 Scurt istoric al teoriei deciziei.................................................1.............14 2.4 ATITUDINI FAŢĂ DE RISC ŞI TEORIA UTILITĂŢII............................1 Concepte de bază .....................................................................2..............6...........1 Problema forajului .35 2...................................CUPRINS 1 INTRODUCERE .....................................................................................................................................3 Evaluarea funcţiilor de utilitate....................5 1..6.................................1 CONSTRUCŢIA UNUI MODEL DE SIMULARE..........................................36 2......................................44 2...........2 GENERAREA VARIABILELOR ALEATOARE ...........................................................................2....... 1 1.....................2 Generarea variabilelor aleatoare continue .......Pearson............................................2.....40 2.......3 Lema Neyman ......................2................................2 Verificarea ipotezelor statistice.....7 1.........................5 Câteva teoreme de bază ...83 .........................................................75 3........................11 2......................................................................................1 CE ESTE RISCUL? ..............................................3 SIMULAREA RISCULUI.....................................................................................................6.......................33 2................................1 Aversiunea la risc...............................................................29 2.........................4 RISCUL ÎN CALITATE ŞI FIABILITATE..............................1 Elementele generale ale modelului ..............................................10 2 NOŢIUNI DE TEORIA DECIZIEI..........................................2....................8 1.........................................................5..........................9 1......................................5 RISCUL ÎN PROIECTE ..........................................................34 2..............................4 Interpretarea geometrică ................................................................6 1...............1 Contextul problemei de decizie .... 11 2.....................................................................................................................................................3 TEORIA DECIZIEI ŞI STATISTICA.................................................6 RISCUL ÎN SOFTWARE..1..................6.....................................................................................24 2...............5.......................36 2...................6 APLICAŢII ..3 Problema festivalului .........................2 Arbori de decizie..................2................7 RISCUL FINANCIAR................4............................44 2..............................................2 Algoritm de rezolvare a unei probleme de decizie .............2 RISCUL ÎN TEORIA DECIZIEI............................................................................................50 2............................................................................................................................ 73 3.........3................................2..........1 1.............1 Estimarea ...........4..75 3..............................24 2......50 2..................................................5 DECIZII SECVENŢIALE ............................................................................................2 Proprietăţile funcţiilor de utilitate.....................................................45 2..................................................................................................................................................................................................................................................42 2..................2 MODELUL MATEMATIC AL PROBLEMEI DE DECIZIE ....................................................................33 2.....16 2.4..............17 2.................3...1 DEFINIREA PROBLEMEI DE DECIZIE ......1 Metoda inversă....

...................................................87 3............154 5.........2 Procedura de evaluare a riscurilor în sistemele informatice .............................167 6.............2..........................................................3.........2.......................................................................................2 PROCESUL DE MANAGEMENT AL RISCULUI ÎN SOFTWARE.......5 Planificarea răspunsului la risc ..........5 Funcţia 5: Control ..........107 4........................................................................................................................................3..................114 4.........................1 RISCUL ÎN PROIECTELE DE SOFTWARE ....183 7............................3..4 Analiza cantitativă a riscului.........173 6.............3.........2 ABORDAREA TAGUCHI......................3......4...............112 4....................................3..............2....................................2........................................................................................169 6...........3........................................2.................................................................3................5 Aplicaţii propuse...........3......................................................................................... 205 .............139 5..................3 Analiza calitativă a riscului........................2............87 3....2 Identificarea riscului .......................................................................1 Funcţia de pierdere Taguchi ......181 7 MANAGEMENTUL RISCULUI FINANCIAR ..........................................................................................147 5.3 APLICAŢII ............................177 6.......170 6..............2.......2 Managementul riscului în FMEA ................................1 Planul managementului riscului................. 167 6.................3........4 MANAGEMENTUL RISCULUI ÎN FMEA..............190 7.................. 131 5....161 5......................2.................143 5..........................5 APLICAŢII PROPUSE ........................2.........1 ELEMENTE DE MANAGEMENTUL PROIECTELOR .1 Analiza modului de defectare şi a efectelor – FMEA............2..........................................................2 Modelul determinist pentru investiţiile de capital.....3..................192 7.............................................................. 183 7.2 MANAGEMENTUL RISCULUI PROIECTELOR ..............2 Aplicaţii propuse.............................................................................................125 4.......................117 4.............................3 EVALUAREA RISCULUI ÎN FIABILITATE .3 Funcţia 3: Planificare .........................................................137 5....................................................................................................................1 O PROBLEMĂ DE DECIZIE ÎN CALITATE ....................................................................................................169 6.2 Modelul de evaluare a riscurilor concurente..............................1 Modelul de decizie pentru investiţiile de capital ...........3 Simularea costurilor proiectului........................... 97 4........................................................................................135 5............................3 APLICAŢII ..........................................................................175 6.........................4 Funcţia 4: Monitorizare ....................6 Monitorizarea şi controlul riscului.............................163 5..............................160 5.................150 5...........................................1 Simularea unei probleme de risc economic .............157 5....1 RISCUL ÎN OPERAŢIUNILE FINANCIARE ..........................................................130 5 MANAGEMENTUL RISCULUI ÎN PROIECTE......2.......1 Un model de evaluare a riscurilor în sistemele informatice..............157 5..............................2 Funcţia 2: Analiză..........................187 7.....................................................................................................3....................................................3 Modele probabiliste pentru investiţiile de capital ......................................................1 Funcţia 1: Identificare.........................176 6..........2........................................198 8 BIBLIOGRAFIE.................112 4...................6 Funcţia 6: Comunicare...................2 ANALIZA COST-VOLUM-PROFIT ÎN CONDIŢII DE RISC ..........................................117 4.........................175 6.......................190 7............................131 5................97 4..............................1 Un model general de evaluare a riscului în fiabilitate ...................1 Planificarea managementului riscului.........3..........................................................................3 APLICAŢII ...............107 4...4 Riscul rezidual .177 6....2 Lista categoriilor de risc ......................................................................................3.....................................4................95 4 MANAGEMENTUL RISCULUI ÎN CALITATE ŞI FIABILITATE .165 6 MANAGEMENTUL RISCULUI ÎN SOFTWARE.................2.....................................................................3............................3 INVESTIŢII DE CAPITAL ÎN CONDIŢII DE RISC.....................................

nesigur”. ce presupune abordări multidisciplinare din diferite ramuri ale ştiinţei. pericol posibil”. respectiv: • a(şi) pune în primejdie viaţa. Rezultatele evaluării riscului influenţează decisiv deciziile şi succesul strategiilor adoptate la nivel macro şi microeconomic. onoarea. a acţiona la noroc. dar poate în ultimele decenii am devenit mai conştienţi şi am început să privim dintr-o perspectivă ştiinţifică aspectele riscurilor. această definiţie pune accentul pe situaţia „posibilă” de primejdie sau pericol pe care o poate genera apariţia riscului. Evaluarea şi modelarea riscului este o activitate complexă. În sens general. istoria omenirii este o istorie a riscului. Problematica asociată riscului în societatea contemporană este o rezultantă a faptului că trăim de fapt într-o civilizaţie a riscului.1 INTRODUCERE 1. • a cuteza. a îndrăzni. sociologic sau politic. Termenul „a risca” are şi el mai multe sensuri. conform Dicţionarului Explicativ al Limbii Române (DEX). Să vedem însă cum este definit riscul în dicţionarele româneşti şi străine. După cum se observă. de a acea de înfruntat un necaz sau de suportat o pagubă. a se încumeta. sociale sau politice. având consecinţe ce nu pot fi întotdeauna prevăzute sau anticipate din punct de vedere al consecinţelor. • a (se) expune unui pericol posibil. termenul „riscant”. expus la primejdii. 1 . respectiv cunoştinţe din domeniile economic. Până la urmă. riscul reprezintă „posibilitatea de a ajunge într-o primejdie. se pune problema riscului ce poate să apară.1 CE ESTE RISCUL? În orice domeniu al activităţii economice. cu referire la situaţii sau acţiuni. • a participa la o acţiune nesigură. legată de o posibilă pagubă care poate fi suferită. dar şi pe o latură să-i zicem „economică”. tehnologic. are sensul de „plin de riscuri. De asemenea.

dar sunt menţionate şi definiţiile pentru „riscul contractual”.”. În zilele noastre. dar posibil. măsuri de siguranţă ş. Riscul este un eveniment incert. Iată cum definiţia anglo-saxonă a riscului introduce de fapt noţiunea de probabilitate care – după cum vom vedea în cursul acestei lucrări – joacă un rol extrem de important în abordarea ştiinţifică a problematicii riscului. îndeosebi după anul 1990. gradul de probabilitate al unei astfel de pierderi”. Am evidenţiat aceste definiţii deoarece în ultimii ani.2 CAPITOLUL 1 – INTRODUCERE O definiţie mai amplă găsim în Micul Dicţionar Enciclopedic (MDE). politice şi. Într-o lucrare monumentală cum este Webster’s Unabridged Dictionary of English Language (2002) există două sensuri pentru noţiunea de risc: (1) „Expunerea la şansa de rănire sau de pierdere. Cu toate aceste diferenţieri. . Spre deosebire de incertitudine. chiar în interiorul acestui domeniu. „riscul lucrului” şi „riscul asigurat”. Deosebit de interesant este şi faptul că imediat după noţiunea de risc. nu există nici un domeniu de management în care riscului să nu i se acorde importanţa specifică. dicţionarul menţionat defineşte şi noţiunile de managementul riscului şi pe cea de manager de risc. uneori. Managementul riscului este definit ca fiind „tehnica de evaluare.a. problemele de managementul riscului au cunoscut o largă dezvoltare. Riscul şi incertitudinea se întâlnesc combinate în diferite proporţii. riscul se caracterizează prin posibilitatea de a fi cuantificat prin legi de probabilitate. pierdere provocată de evoluţia unor factori – denumiţi factori de risc – în sens contrar aşteptărilor. majoritatea definiţiilor conţin două elemente comune şi anume incertitudinea şi pierderea. în contextul general al ştiinţei managementului. respectiv. El apare în activităţile economice. în realitate incertitudinea fiind inerentă tuturor fenomenelor. ea neputând fi eliminată. b. (2) În asigurări: a. în raporturile dintre oameni sau în raporturile dintre om şi natură. apare şi nuanţa de „inconvenient posibil”. un hazard sau o şansă periculoasă. sociale. hazardul sau şansa de a pierde. minimizare şi prevenire a pierderilor accidentale într-o afacere. Riscul implică ideea de pierdere potenţială (de orice tip). originea lui aflându-se în incertitudine. în care în afara sensului de „pericol”. Definiţiile asociate noţiunii de risc au nuanţe diferite de la o disciplină ştiinţifică la alta şi. prin asigurări.

De aici şi misiunea managementului riscului de a prevedea şi analiza riscurile. pentru a pregăti din punct de vedere teoretic şi practic. atunci el va apărea”. atunci se va întâmpla” poate fi parafrazată prin „dacă un risc poate apărea. Capitolul al doilea la lucrării este focalizat asupra tehnicilor şi metodelor de simulare. Astfel. Teoria matematică a deciziei. este încă puţin aplicată în practica curentă. Relaţia directă pierdere – risc este deci unul dintre principalele elemente ale managementului riscului. de a identifica mijloacele de tratare a acestui risc. Motivul principal pentru care acest domeniu este prezentat în detaliu este acela că în cadrul acestei modelări a fenomenelor de decizie este dată o definiţie matematică riguroasă a riscului. înţelegând prin termenul de organizaţie sensul larg definit de standardele internaţionale în domeniul calităţii. În contextul general al ştiinţei managementului. legea „dacă ceva rău se poate întâmpla. managementul riscului reprezintă procesul de abordare sistematică a riscului în cadrul unei organizaţii. poate şi datorită complexităţii modelelor matematice şi statistice pe care se fundamentează.1 CE ESTE RISCUL? 3 Acesta este unul din motivele pentru care lucrarea de faţă abordează managementul riscului atât din punct de vedere al modelării matematice. Esenţa managementului riscului trebuie – în ultimă instanţă – să contracareze efectul legilor lui Murphy. Riscul în teoria deciziei este până la urmă o valoare medie sau o valoare aşteptată – în termenii teoriei probabilităţilor – a unei funcţii de pierdere. cu toate că are mai mult de o jumătate de secol de la primele lucrări de specialitate. . cerinţele de simulare a riscurilor ce sunt definite ulterior. Aproape că nu mai este nici un domeniu al ştiinţei moderne care să nu apeleze la tehnicile de simulare în fundamentarea deciziilor de management. Un management performant – în orice domeniu. toate lucrurile merg din ce în ce mai rău” poate fi transpusă în termenii riscului prin „riscurile lăsate în voia lor. dar şi din punct de vedere al tehnicilor de management pentru diferite domenii în care riscul este analizat şi evaluat. Şi cea de a doua lege a lui Murphy. respectiv „lăsate în voia lor. Considerând însă managementul ca o „artă”. Primul capitol al acestei monografii asupra managementului riscului este dedicat noţiunilor şi problemelor de teoria deciziei. se vor manifesta din ce în ce mai puternic”. nu numai al riscului – trebuie însă să ţină cont de conceptele acestei teorii.1. atunci managementul riscului poate fi definit ca fiind „arta de a ţine incertitudinea sub control”.

dar şi creşterea aproape exponenţială a complexităţii sistemelor informatice. nu au fost discutate decât două modele de analiză a riscului. riscul este abordat ca proces. unul pentru analiza cost-volum-profit şi unul pentru riscul investiţiilor de capital. respectiv riscul în tehnicile FMEA. Mai întâi. Capitolul se încheie cu abordarea riscului în tehnicile de analiză a modului de defectare şi a efectelor. În cadrul riguros al tehnicilor de management al proiectelor. Riscul în teoria fiabilităţii este analizat prin prisma unui model general al riscurilor concurente. . implementarea şi exploatarea sistemelor informatice integrate şi complexe care există în prezent impun o abordare nouă. Riscurile în realizarea. Ştiinţa managementului proiectelor este de o importanţă crucială în managementul modern. Capitolul cinci al acestei lucrări se ocupă de managementul riscului în proiecte. În acest context sunt aplicate metodele de teoria deciziei şi de simulare care au fost discutate anterior. Apoi este discutată abordarea Taguchi privind funcţia de pierdere şi riscul asociat în domeniul calităţii. au impus dezvoltarea unor tehnici specifice pentru managementul proiectelor de software. integrate însă conceptelor generale de management al proiectelor. Aici am insistat mai mult pe necesitatea modelării probabiliste a fenomenelor economice şi financiare. precum şi ieşirile din acest proces. tehnicile şi metodele de tratare a riscului. Din acest motiv. cel de al patrulea capitol al lucrării tratează managementul riscului în calitate şi fiabilitate. În fine. conceptele de teoria deciziei şi algoritmul de rezolvare a problemei de decizie propus este aplicat pentru rezolvarea unei probleme de decizie în calitate. Numeroasele eşecuri înregistrate în acest domeniu. deoarece domeniul este extrem de vast şi poate constitui el însuşi subiectul unei lucrări în sine. pătrunderea ei în cele mai diferite domenii de activitate. fiind detaliate întrările în procesul de management al riscului. ultimul capitol al lucrării este alocat managementului riscului financiar. Cuantificarea riscului şi simularea riscurilor iniţiale şi reziduale constituie instrumente de management fără de care nu poate fi condus nici un proiect. Vom explica în cele ce urmează principalele conexiuni între risc şi noţiunile abordate în cadrul fiecărui capitol al acestei lucrări. Capitolul şase al lucrării este dedicat managementului riscului în proiectele de realizare şi implementare a software-ului. pentru a asigura eficacitatea acestora. pentru o orienta mai bine pe cititorul interesat. Motivul principal în constituie dezvoltarea fără precedent din ultimele două decenii a informaticii.4 CAPITOLUL 1 – INTRODUCERE După ce principalele fundamente teoretice aplicate în managementul riscului au fost definite.

militare. Aceasta înseamnă decizia de a rămâne într-o stare neschimbată (status-quo) sau decizia de a intra într-o situaţie de incertitudine.1. urmărindu-se maximizarea utilităţii printr-o decizie optimală. incorecte sau neadecvate. Problemelor şi noţiunilor de teoria deciziei le sunt alocate un capitol distinct tocmai datorită faptului că trebuie să avem continuu în vedere şi formalizarea şi definirea matematică a riscului.2 RISCUL ÎN TEORIA DECIZIEI 5 1. iar atunci când funcţia de utilitate este crescătoare. Importanţa deciziilor ce trebuie adoptate. respectiv teoria utilităţii. pentru fiecare stare a naturii. se bazează pe conceptele din teoria probabilităţilor şi din statistica matematică. . care poate duce la câştig sau la pierdere. Dacă funcţia de utilitate marginală este descrescătoare. Teoria deciziei reprezintă în esenţă atitudinea ştiinţifică faţă de procesul de adoptare a deciziilor. economice. Pentru fiecare problemă de decizie se defineşte o funcţie de pierdere. se poate determina funcţia de risc. În activitatea de management din cele mai diverse domenii de activitate (cum ar fi cele politice. ale cărei principale noţiuni le vom prezenta în cadrul acestui capitol. Ignorarea sau încălcarea acestor legităţi rezultate din analiza aspectelor concrete al problemelor de decizie poate genera adoptarea unor decizii empirice. completate de o disciplină mai nouă. Pe baza funcţiei de pierdere. O abordare a acestei probleme este dată de funcţia de utilitate. tehnologice sau administrative) unul din elementele de bază îl reprezintă rezolvarea problemelor de luare a deciziilor. ca fiind valoarea medie sau valoarea aşteptată a pierderii. dar şi complexitatea şi dificultatea alegerii acestora. Un alt element important într-o problemă de decizie o constituie problema „asumării riscului”. care poate fi văzută ca o „pierdere negativă”. atunci decidentul are aversiune la risc. suntem în cazul unui decident care îşi asumă riscul. dar pot fi şi alte modalităţi de măsurare a pierderii. definiţie ce implică utilizarea probabilităţilor. Pierderea este cel mai adesea exprimată în termeni monetari. care cuantifică pierderea asociată fiecărei consecinţe a acţiunilor adoptate. Componentele de bază ale acestui proces pot fi analizate în mod sistematic pentru a evidenţia legităţile acestui proces.2 RISCUL ÎN TEORIA DECIZIEI Abordarea problematicii riscului într-o manieră riguroasă implică şi rezolvarea unor probleme de decizie care să conducă la minimizarea riscului şi a pierderilor de orice natură asociate diferitelor decizii adoptate şi acţiunilor aplicate. respectiv a atitudinii faţă de risc a decidentului. Teoria matematică a deciziei. impun o abordare coerentă a problemelor de decizie.

atunci este preferabil să se genereze valori aleatoare din distribuţia de probabilitate care modelează elementul respectiv. Rezultatul este o simulare a modului de funcţionare în timp a sistemului. După construcţia modelului. În particular. folosind distribuţiile de probabilitate corespunzătoare. sistemul este descompus în elementele sale componente a căror comportare poate fi descrisă în termenii unei distribuţii de probabilitate. În model sunt integrate şi relaţiile între elementele sistemului. vom începe simularea prin generarea variabilelor aleatoare care modelează evenimentele sistemului. Sistemul este descompus într-o serie de componente care sunt reprezentate în diagrama de flux şi pentru care sunt stabilite regulile de operare. Din punct de vedere statistic. aplicarea simulării Monte Carlo se utilizează pentru evaluarea riscului asociat evenimentelor sistemului analizat.6 CAPITOLUL 1 – INTRODUCERE 1. . trebuie efectuate cu ajutorul unui calculator. Procesul se repetă de mai multe ori pentru diferite alternative şi configuraţii (scenarii) ale componentelor sistemului. simularea este o tehnică de realizare a experimentelor de eşantionare privind modelul sistemului. În multe cazuri. Experimentele de simulare. pentru fiecare din stările posibile ale sistemului şi pentru intrările în sistem. de obicei. în condiţii de incertitudine. în loc să se utilizeze valori medii. Dacă comportarea unui anumit element nu poate să fie prognozată. Primul pas în realizarea unui studiu de simulare este dezvoltarea unui model care să reprezinte sistemul analizat. Experimentele se realizează asupra unui model. datorită volumului foarte mare de date care rezultă. Acest pas implică reprezentarea sistemului printr-o diagramă (schemă) logică de flux. Trebuie remarcat faptul că modelul de simulare nu va putea să fie o reprezentare completă a sistemului real. Un model de simulare descrie funcţionarea unui sistem în termenii evenimentelor individuale ale componentelor sistemului analizat.3 SIMULAREA RISCULUI În contextul problemei de management al riscului. pe care o înregistrăm. tehnicile de simulare implică construirea unui model de natură statistico – matematică. mult prea costisitoare sau consumatoare de timp. deoarece efectuarea experimentelor asupra unui model real este. În general. O problemă care se pune atunci când alegem distribuţia de probabilitate pentru model este legată de utilizarea distribuţiilor de frecvenţă ale datelor istorice sau de determinarea distribuţiilor care concordă cel mai bine din punct de vedere statistic cu aceste date. combinarea performanţelor medii ale componentelor sistemului poate să conducă la rezultate care să se îndepărteze evident de comportarea sistemului în general. Aceste reguli de operare furnizează evenimentele care vor fi generate cu ajutorul unor variabile aleatoare.

Obiectivul îl reprezintă reducerea variabilităţii faţă de această valoare ţintă. în acest context. Obiectivele generale ale acestor metode sunt îmbunătăţirea calităţii şi a fiabilităţii produselor şi reducerea costurilor de dezvoltare şi execuţie a acestor produse. dar şi deteriorarea calităţii. dintre care vom detalia funcţia de pierdere introdusă de Taguchi.1. Metodele pentru controlul calităţii off-line constau din activităţi pentru controlul calităţii şi al costurilor desfăşurate în stadiile de proiectare a produsului şi a proceselor de realizare a acestuia. Termenul off-line semnifică. FMEA poate fi descrisă ca un grup de activităţi sistematizate. pe de o parte. În domeniul riscului în calitate sunt de notorietate conceptele datorate profesorului japonez Genichi Taguchi. identificarea acţiunilor ce ar putea elimina sau reduce probabilitatea de apariţie a unei defectări potenţiale. având ca obiective: recunoaşterea şi evaluarea riscului defectării potenţiale ale unui produs sau proces şi a efectelor acestei defectări. documentarea procesului şi managementul riscului. . poate genera costuri foarte mari. Riscul în calitate este întotdeauna inclus în ecuaţia calitate – cost. Taguchi a modelat efectele care pot să apară ca urmare a abaterii de la valoarea de ţintă funcţie de pierdere pătratică. în care procesele trebuie să se reproducă la parametri optimali. Pierderea se referă la costul care poate se apară atunci când se utilizează un produs ale cărui caracteristici de calitate de îndepărtează de valoarea ţintă. respectiv Analiza Modului de Defectare şi a Efectelor. Termenul FMEA provine de la acronimul din limba engleză pentru Failure Mode and Effects Analysis. O componentă cheie în filosofia lui Taguchi este reducerea variabilităţii. deoarece atât atingerea şi menţinerea unui nivel de calitate corespunzător. pe de altă parte.4 RISCUL ÎN CALITATE ŞI FIABILITATE Unul din domeniile în care riscul poate avea influenţe deosebit de importante şi mai ales consecinţe foarte grave este reprezentat de sistemul de management al calităţii. faptul că activităţile de îmbunătăţire a calităţii şi de reducere a riscului de pierdere sunt realizate înainte de trecerea la etapa de control a calităţii în timp real. şi anume modelele FMEA.4 RISCUL ÎN CALITATE ŞI FIABILITATE 7 1. În continuarea modelelor de risc aplicate în calitate şi fiabilitate. Specificaţiile tehnice impun adesea ca fiecare caracteristică de calitate să aibă o anumită valoare nominală sau valoare ţintă. Vom defini riscul Taguchi. respectiv etapa on-line. În limbile română şi franceză se utilizează şi acronimul AMDE. sunt abordate elementele de management al riscului referitoare la utilizarea modelelor statistice de analiză a modului de defectare şi a efectelor acesteia. care a fundamentat o serie de metode pentru controlul calităţii off-line şi pentru proiectarea experimentelor. respectiv pierderea medie asociată unui proces ca urmare a deplasării procesului faţă de ţinta specificată a acestuia.

în acelaşi timp. poate s aibă un impact pozitiv sau negativ asupra obiectivului proiectului. dimensiunea şi/sau complexitatea unei activităţi nu este întotdeauna o măsură adecvată a gradului de risc potenţial asociat cu activitatea respectivă. menţinându-le la un nivel acceptabil. focalizată asupra paşilor necesari şi acţiunilor planificate pentru a determina şi a controla riscurile. Managementul riscului este procesul sistematic de identificare. adică în cele mai multe cazuri. Managementul riscului în cadrul unui proiect se poate aplica costurilor. Scopul este de a maximiza probabilitatea de succes a proiectului. Managementul riscului proiectului este un proces continuu de planificare. activităţile complexe au asociate riscuri mai mari. Acest risc îşi are originea în incertitudinea care este prezentă în toate proiectele. dacă apare. costurilor sau calităţii proiectului. dar şi oportunităţile de a îmbunătăţi aceste obiective. Riscul proiectului este un eveniment incert sau o condiţie care. răspuns şi control al riscurilor. indiferent dacă este vorba de o activitate mai simplă sau de o activitate mai complexă. pentru a mări cât mai mult potenţialul de succes al proiectului. Riscul proiectului include atât ameninţările asupra obiectivelor proiectului. De exemplu. cauza poate fi obţinerea unei aprobări din partea unui organism specializat ( cum ar fi autorizaţia de construcţie sau de mediu). ceea ce poate să aibă impact asupra programului. dependenţa este directă. de analiză şi de răspuns la riscul potenţial al unui proiect. Totuşi. Managementul riscului este deci o abordare structurată şi formală. diminuarea şanselor pentru evoluţii neanticipate. El poate fi descris ca o combinaţie dintre probabilitatea ca riscul să apară şi consecinţele în termenii pierderii sau câştigului ca urmare apariţiei riscului. cum ar fi întârzieri de program. depăşirea costurilor sau compromisuri privind calitatea. De aceea. Evenimentul de risc poate fi poate fi faptul că obţinerea aprobării poate să dureze mai mult decât a fost planificat iniţial. programului sau performanţelor tehnice (cum ar fi de exemplu riscul asociat aplicării unei noi abordări constructive) sau performanţelor planificate (de exemplu riscul asociat obţinerii şi utilizării resurselor care pot afecta proiectul). Riscul este o componentă inerentă a tuturor activităţilor unui proiect.5 RISCUL ÎN PROIECTE Riscul poate fi definit ca fiind gradul de expunere la un eveniment care poate să se întâmple în detrimentul sau în beneficiul unui proiect sau a unei activităţi. cuantificare. . un impact. identificare. managementul riscului reprezintă utilizarea continuă a principiilor de management de risc pe durata de viaţă a proiectului. Riscul are o cauză şi. Aplicat pentru un proiect.8 CAPITOLUL 1 – INTRODUCERE 1. dacă apare. indiferent de amploarea sau complexitatea acestora. prin creşterea şanselor de îmbunătăţire a performanţelor proiectului şi.

El este o funcţie dată de probabilitatea unui eveniment advers care poate să apară.6 RISCUL ÎN SOFTWARE Riscul poate fi definit. Ca şi în alte domenii ale managementului – în general – şi al managementului proiectelor – în special – şi în acest domeniu implicarea managementului de cel mai înalt nivel al organizaţiei este esenţială pentru succes. riscul nu poate fi eliminat din proiectele software. întârzieri sau pierderea performanţei. Managementul riscului este o activitate critică pentru succesul oricărui proiect software. Dezvoltarea fără precedent a sistemelor electronice şi a informaticii din ultimele două decenii. El furnizează o abordare sistematică şi o atitudine pro-activă de adoptare a deciziilor care să evalueze lucrurile care nu merg bine.1.6 RISCUL ÎN SOFTWARE 9 1. Proiectele de software au devenit o necesitate. să determine care sunt riscurile care sunt importante şi să implementeze acţiunile necesare pentru tratarea acestor riscuri. au întârziat sau nu s-au mai realizat niciodată. la un anumit moment din ciclul de viaţă al proiectului software. fiind o componentă strategică de realizare a acestuia. se integrează modelelor de management al proiectelor în general. . dar şi riscurile implicate de realizarea lor au crescut aproape exponenţial. metodele şi tehnicile de management a proiectelor software. Modelul global al procesului de management al riscului în software. prin planificare şi analize de management dedicate acestui scop. De obicei. ca fiind posibilitatea de a pierde. cât şi de impactul acestuia. în general. Literatura de specialitate este plină de exemple de proiecte de software care au eşuat. Riscul în software este dat de probabilitatea ca. Managementul riscului în software face parte din practicile de inginerie a software-ului şi constă din procesele. dar el poate fi tratat. a avut drept consecinţă creşterea complexităţii proiectelor de realizare şi implementare a sistemelor de aplicaţii software. Top-managementul trebuie să susţină managementul riscului prin alocarea resurselor necesare. fiind de fapt o adaptare şi o particularizare pentru ciclul de viaţă şi specificitatea proiectelor de software. Modelul identifică funcţiile fundamentale pentru managementul riscului ce trebuie avute în vedere pentru un management eficace al riscului în proiectele de software. Acest impact poate fi o combinaţie de pierderi financiare. obiectivele planificate să nu fie atinse cu resursele alocate.

Din punct de vedere statistico-matematic. ţinând cont de evenimente viitoare incerte şi probabile. în care riscul şi incertitudinea sunt modelate prin variabile aleatoare. fiind reprezentat de posibilitatea ca banca să nu îşi poată recupera creditele acordate la termenele sau în condiţiile stipulate în contractele de creditare. De asemenea. legată de cantitatea de informaţie disponibilă pentru fundamentarea deciziilor financiare. faţă de un model determinist. o exprimare de natură financiară. generat de pierderea de natură materială (sau de altă natură) pe care o pot înregistra una sau mai multe persoane juridice sau fizice implicate în operaţiunea financiară respectivă. În acest caz. riscul poate fi o altă rată a dobânzii faţă de cea prevăzută iniţial.7 RISCUL FINANCIAR Operaţiunile financiare. analiza riscului unei activităţi financiare presupune evaluarea probabilităţii de a obţine anumite rezultate favorabile (câştig) sau nefavorabile (pierdere). pentru un deponent al băncii. implică aproape întotdeauna un anumit grad de risc. Situaţii asemănătoare de risc de natură financiară pot să apară şi în operaţiunile de asigurări. de exemplu. Revenind la abordarea modelului riscului financiar. Incertitudinea există în situaţiile în care sunt posibile mai multe rezultate. utilizăm un model probabilist. Printre dificultăţile întâmpinate atunci când este evaluat riscul financiar se pot menţiona lipsa informaţiilor sau gradul lor de disponibilitate pentru a determina distribuţia de probabilitate a fenomenului economic analizat. dar furnizează elementele necesare managementului riscului financiar. Până la urmă. care să permită o predicţie asupra rezultatelor posibile. În activităţile bancare. riscul poate fi asociat cu posibilitatea de a nu beneficia – când şi cum doreşte – de resursele băneşti depuse la respectiva bancă. riscul având. în cele mai multe situaţii. uneori. . această distincţie între risc şi incertitudine nu este atât de relevantă. de bursă ş. de leasing. o evoluţie defavorabilă a valutei în care este contul de depozit sau chiar dificultăţi financiare ale băncii. riscul poate să apară în operaţiunile de creditare. De asemenea. să menţionăm faptul că. dar nu se dispune de informaţie suficientă pentru modelul statistic de decizie.a. mai important fiind faptul că. identificarea şi cuantificarea riscului financiar nu înseamnă şi eliminarea acestuia. Riscul este utilizat în situaţiile în care sunt posibile mai multe rezultate şi despre care există o experienţă anterioară relevantă pentru a defini un model statistic. între risc şi incertitudine se face o anumită distincţie. prin natura diversităţii lor. problemele de teoria deciziei se reduc în final la evaluarea unei funcţii de pierdere.10 CAPITOLUL 1 – INTRODUCERE 1.

economice. dar există şi probleme de decizie cu spaţiul de acţiune infinit.1 DEFINIREA PROBLEMEI DE DECIZIE 2.2 NOŢIUNI DE TEORIA DECIZIEI 2. în funcţie de anumite criterii sau reguli de decizie. Un alt element care defineşte o problemă de decizie îl constituie spaţiul de parametri. tehnologice sau administrative) unul din elementele de bază îl reprezintă rezolvarea problemelor de luare a deciziilor. impun o abordare coerentă a problemelor de decizie. Abordarea problematicii riscului într-o manieră riguroasă implică şi rezolvarea unor probleme de decizie care să conducă la minimizarea riscului şi a pierderilor de orice natură asociate diferitelor decizii adoptate şi acţiunilor aplicate. Teoria deciziei reprezintă în esenţă atitudinea ştiinţifică faţă de procesul de adoptare a deciziilor. În general. Într-o problemă de decizie. ale cărei principale noţiuni le vom prezenta în cadrul acestui capitol. dar şi complexitatea şi dificultatea alegerii acestora. care conţine toate acţiunile posibile pe care decidentul le are la dispoziţie. un decident individual (de obicei un manager) sau colectiv (un comitet sau un board de conducere) trebuie să aleagă din mai multe alternative. Alternativele pe care le are decidentul sunt constituite dintr-un spaţiu de acţiune.1. se bazează pe conceptele din teoria probabilităţilor şi din statistica matematică. completate de o disciplină mai nouă. în majoritatea problemelor de decizie. Importanţa deciziilor ce trebuie adoptate.1 Contextul problemei de decizie În activitatea de management din cele mai diverse domenii de activitate (cum ar fi cele politice. militare. sau spaţiul stărilor naturii. Componentele de bază ale acestui proces pot fi analizate în mod sistematic pentru a evidenţia legităţile acestui proces. Ignorarea sau încălcarea acestor legităţi rezultate din analiza aspectelor concrete al problemelor de decizie poate genera adoptarea unor decizii empirice. incorecte sau neadecvate. astfel încât decizia aleasă să fie – din anumite puncte de vedere – „cea mai bună”. spaţiul de acţiune este o mulţime finită. Teoria matematică a deciziei. care reprezintă starea 11 . respectiv teoria utilităţii.

care cuantifică pierderea asociată fiecărei consecinţe a acţiunilor adoptate. decidentul poate evalua gradul de risc în termenii unei distribuţii de probabilitate. sau nu. spunem că avem o problemă de decizie cu experimentare. Aceste informaţii suplimentare rezultă de obicei pe baza efectuării unor experimente. Pe baza funcţiei de pierdere. Consecinţele fiecărei acţiuni depind de evenimente incerte. reprezentate de starea naturii. se poate determina funcţia de risc.12 CAPITOLUL 2 – NOŢIUNI DE TEORIA DECIZIEI adevărată a lumii reale. Probabilităţile subiective măsoară gradul de convingere în verosimilitatea apariţiei viitoare a unui anumit rezultat şi se utilizează atunci când probabilităţile obiective nu sunt accesibile sau nu pot fi utilizate. ca fiind valoarea medie sau valoarea aşteptată a pierderii. Probabilităţile obiective pot fi determinate pe baza datelor istorice sau ca urmare a experimentelor şi trebuie să fie actuale. Criteriile sau regulile de decizie se împart în două categorii. În asemenea situaţii. care ne asigură protecţia asupra unor variaţii crescute ale riscului. care sunt însă incerte. în care se evaluează pierderile maxime datorate acţiunilor adoptate şi apoi se alege decizia care are o pierdere minimă. Astfel. Probabilităţile care evaluează stările naturii sunt obiective şi subiective. Este vorba despre criteriul minimax şi despre criteriul Bayes. Dacă decidentul nu foloseşte informaţii din experimente pentru adoptarea deciziei. probabilităţile în adoptarea deciziei pot fi văzute ca un mijloc de a exprima convingerea decidentului asupra evenimentelor viitoare. Deciziile în care probabilitatea de apariţie a fiecărei stări a naturii este cunoscută (sau poate fi estimată) sunt definite ca fiind decizii luate în condiţii de incertitudine sau de risc. . pesimist. Acest criteriu de decizie este unul conservator. la dispoziţie informaţii privind incertitudinile ce caracterizează problema de decizie. Informaţia este de cele mai multe ori de natură statistică. pentru fiecare stare a naturii. înţelegând prin aceasta sensul cel mai larg de definire a experimentelor de natură statistică. Pierderea este cel mai adesea exprimată în termeni monetari. Dacă însă în procesul de adoptare a deciziei sunt utilizate informaţiile provenite din experimente. Într-o problemă de decizie. activităţile de culegere şi prelucrare a informaţiei referitoare la un anumit fapt. Pentru fiecare problemă de decizie se defineşte o funcţie de pierdere. numărabile sau observabile. Criteriul de decizie Bayes ia în considerare şi alte informaţii de care dispune decidentul în legătură cu stările naturii care este posibil să apară. spunem că avem o problemă de decizie fără experimentare. Criteriul minimax se aplică mai ales deciziilor fără experimentare. decidentul poate să aibă. furnizând modelul probabilistic ataşat problemei de decizie. În aceste situaţii. respectiv minimizează riscul maxim. Informaţiile din experimente se referă la variabilele aleatoare care definesc spaţiul de eşantionare al problemei de decizie. dar pot fi şi alte modalităţi de măsurare a pierderii. definiţie ce implică utilizarea probabilităţilor. respectiv.

Procedura de decizie Bayes indică decidentului alegerea acţiunii care minimizează pierderea medie. la rezultate diferite privind alegerea deciziei optimale.1 DEFINIREA PROBLEMEI DE DECIZIE 13 decidentul ţine seama de convingerile sale privind starea naturii. Funcţia de risc. Dacă însă decidentul poate dispune de aceste informaţii suplimentare.2. Abordările minimax şi Bayes conduc. Un alt element important într-o problemă de decizie o constituie problema „asumării riscului”. respectiv aşa-numita distribuţie a convingerii. este necesar însă să evaluăm valoarea potenţială pe care o aduc aceste experimente. condiţionată de adevărata stare a naturii. care înseamnă de fapt încorporarea în modelul de decizie a tuturor informaţiilor disponibile despre starea naturii. cu toate că anumite alegeri ale distribuţiei convingerii poate conduce la soluţii similare ale problemei de decizie. care de cele mai multe ori au costuri semnificative. care să-i indice acţiunile pe care trebuie să le aplice pentru fiecare valoare a variabilei aleatoare. În fine. în general. respectiv a atitudinii faţă de risc a decidentului. care poate duce la câştig sau la pierdere. urmărindu-se maximizarea utilităţii printr-o decizie optimală. metodă care are avantajul de a furniza o reprezentare . atunci ele trebuie aplicate pentru adoptarea deciziei. În cadrul experimentării. Funcţia de risc de tip Bayes exprimă pierderea medie pentru decizia considerată. iar atunci când funcţia de utilitate este crescătoare. El va stabili o procedură de decizie sau o strategie. Dacă funcţia de utilitate marginală este descrescătoare. atunci decidentul are aversiune la risc. această funcţie optimală nu există şi atunci va trebui să găsim o modalitate de găsire a deciziei optimale cu ajutorul probabilităţilor posterioare. care poate fi văzută ca o „pierdere negativă”. suntem în cazul unui decident care îşi asumă riscul. Această alegere se poate face fără utilizarea unor informaţii suplimentare rezultate ca urmare a experimentării. Pentru acesta vom evalua mai întâi valoarea „informaţiei perfecte” a experimentului. decidentul analizează variabilele aleatoare care conţin valorile spaţiului de eşantionare. pierdere evaluată în funcţie de valorile distribuţiei de probabilitate iniţiale considerate pentru toate stările posibile ale naturii. o problemă de decizie secvenţială cu stadii multiple poate fi analizată şi cu ajutorul arborilor de decizie. calculată în funcţie de densitatea de probabilitate a convingerii. respectiv minimizarea riscului pentru fiecare stare a naturii. calculată cu ajutorul probabilităţilor iniţiale oferă un mijloc de a defini optimalitatea. Aceasta înseamnă decizia de a rămâne într-o stare neschimbată (status-quo) sau decizia de a intra într-o situaţie de incertitudine. Dar în majoritatea cazurilor. reprezentate sub forma unei distribuţii de probabilitate. respectiv valoarea pe care decidentul este dispus să o plătească pentru această informaţie perfectă. O abordare a acestei probleme este dată de funcţia de utilitate. Înainte de a proceda la utilizarea experimentelor statistice. urmărind alegerea funcţiei de decizie optimale.

2 Scurt istoric al teoriei deciziei Încercând o scurtă schiţă istorică a evoluţiei conceptelor din teoria deciziei. în funcţie de condiţionările pentru fiecare ramură a arborelui de decizie. se pot consemna numele lui Chebyshev şi Markov în domeniul probabilităţilor şi ale lui Galton şi Pearson în statistica matematică. Cele două metode de rezolvare a problemei de decizie. În secolul al XVIII-lea. a publicat în anul 1657 prima carte de teoria probabilităţilor.a. Omul de ştiinţă olandez Christian Huygens. cea analitică şi cea grafică au fiecare avantaje şi cel mai bine se utilizează împreună pentru determinarea soluţiei optimale a problemei de decizie. Ca şi în alte domenii ale matematicii.1. cum sunt teoria erorilor (la care contribuţii importante a adus şi Gauss). să remarcăm faptul că teoria probabilităţilor. teoria utilităţii şi teoria jocurilor sunt principalele domenii ale matematicii care se utilizează pentru rezolvarea problemelor de decizie. Ramurilor de incertitudine li se ataşează probabilităţi. statistica. Bernoulli este primul care demonstrează prima teoremă limită a probabilităţilor.14 CAPITOLUL 2 – NOŢIUNI DE TEORIA DECIZIEI grafică clară a alternativelor şi a cronologiei evenimentelor problemei de decizie. pe baza conceptelor lui Pascal şi Fermat. Secolul al XIX-lea constituie începutul abordării moderne în teoria probabilităţilor şi în statistica matematică. Tot de jocurile de noroc şi de numele lui Pascal şi Fermat se leagă principiile de bază ale teoriei probabilităţilor. contribuţii importante având Jacob Bernoulli („Ars Conjectandi” – 1713) şi Abraham de Moivre („Doctrine of Chances” – 1713). matematicile actuariale. În anul 1812. Pierre de Laplace în lucrarea „Théorie Analytique des Probabilités” dezvoltă noi idei şi noi domenii de aplicare a probabilităţilor în afara jocurilor de noroc. dezvoltarea teoriei probabilităţilor a fost stimulată de diversitatea aplicaţiilor sale. ca rezolvare a unei probleme din jocul de zaruri. Primele idei de teoria probabilităţilor se consideră că au fost introduse de Cardano. intitulată „De Ratiociniis in Ludo Aleae” (Asupra raţionamentelor în jocurile de noroc). respectiv noduri de decizie (reprezentate printr-un pătrat) şi noduri de incertitudine (reprezentate printr-un cerc). 2. mecanica statistică ş. în anul 1550. Carl Friederich Gauss arată. că repartiţia normală (celebrul „clopot” al lui Gauss) reprezintă un model matematic adecvat pentru distribuţia erorilor de măsurare. care are de fapt o istorie recentă de circa 50 de ani. Un arbore de decizie este alcătuit din noduri şi din ramuri. Există două tipuri de noduri. în lucrarea „Liber de Ludo Aleae” (Carte asupra jocurilor de noroc). respectiv legea numerelor mari. În a doua jumătate a secolului XIX. Statistica matematică este unul din cele . conţinute într-un schimb de scrisori între cei doi în anul 1654. în anul 1809. teoria probabilităţilor devine din ce în ce mai populară.

statistica şi-a dovedit în ultimele două secole aplicaţiile sale în toate domeniile ştiinţifice şi sociale. Conceptele de teoria utilităţii au fost introduse iniţial de von Neumann şi Morgerstern în lucrarea Theory of Games and Economic Behaviour (1947). datorate îndeosebi academicienilor Octav Onicescu. Evident că lista celor care şi-au adus aportul la dezvoltarea teoriei probabilităţilor este departe de a fi completă şi conţine numai o parte din marile nume în domeniu. Generalizând problemele de estimaţie şi de verificare a ipotezelor statistice. Pearson. K. D. Gheorghe Mihoc şi Marius Iosifescu. Luce. Maliţa şi C.1 DEFINIREA PROBLEMEI DE DECIZIE 15 importante domenii aplicare a probabilităţilor. cum ar fi cele aduse de Fisher. Savage. Neymann etc. de asemenea. direcţiile de cercetare în domeniul teoriei deciziei s-au concentrat asupra abordării probabiliste şi statistice datorată profesorilor M. pe care numai calculatoarele electronice – care au cunoscut şi ele o dezvoltare explozivă în această perioadă – o pot prelucra pe baza algoritmilor şi a modelelor dezvoltate în teoria deciziei. J. Contribuţia principală la construirea unei adevărate teorii a deciziei este adusă de Abraham Wald prin lucrarea fundamentală Statistical Decision Functions (1950). De la primele sale obiective. Eforturile s-au concentrat pe rezolvarea unor probleme de decizie complexe ale societăţii contemporane. Şi în statistica matematică pot fi menţionate. Ultimul secol a consemnat dezvoltările teoretice importante ale lui von Mises.2. . cu o mare cantitate de informaţie. Arrow şi alţii. Statistica era la începuturile sale o ştiinţă politică cu originile în Germania şi este destul de dificil de apreciat când termenul a fost utilizat în sens matematic pur. dar şi aspecte de decizie din teoria jocurilor (abordare pe care nu o vom discuta aici). Şi şcoala românească de teoria probabilităţilor şi statistică matematică are în ultima jumătate de secol rezultate teoretice şi practice importante. de a sistematiza informaţiile despre stare societăţii (deci o „matematică a statului”). Zidăroiu (abordare de tipul celei prezentate în cadrul acestui capitol). H. teoria probabilităţilor a fost integrată într-o disciplină mai generală şi anume în teoria măsurii. Raifa. Teoria probabilităţilor şi statistica matematică se studiază sistematic în toate facultăţile de matematică din ţară. Nu vom discuta. nici procesele de decizie stocastice care implică utilizarea lanţurilor Markov şi care necesită un aparat probabilistic mai avansat. de Finetti. Wald abordează problemele fundamentale ale statisticii matematice ca fiind probleme de decizie. În anii ’60 – ‘70. în cadrul acestui capitol. ultimul având o contribuţie remarcabilă în axiomatizarea modernă a teoriei probabilităţilor. În literatura de specialitate din ţara noastră. Wald a formulat modelul general al problemei de decizie. Borel şi Kolmogorov. Keynes. În ultimele decenii. contribuţii semnificative la dezvoltarea teoriei deciziei au adus L.

decidentul poate extrage “informaţie” despre parametrul θ . O singură stare a naturii şi numai una va apărea. θ ∈Θ )} . dar starea “adevărată” nu este cunoscută de decident în momentul în care el alege o acţiune. putem să lucrăm cu o funcţie de “câştig” sau o funcţie de “utilitate”. a ∈ Α .2.16 CAPITOLUL 2 – NOŢIUNI DE TEORIA DECIZIEI 2. deoarece starea θ ∈Θ este necunoscută).2 MODELUL MATEMATIC AL PROBLEMEI DE DECIZIE 2.1 Elementele generale ale modelului Elementele de bază ale modelului general al unei probleme de decizie pot fi formalizate matematic astfel: • Definim o mulţime A. denumit spaţiu de eşantionare. care să îl ajute în alegerea unei “strategii” generale. Sintetizând modelul general al problemei de decizie. alegerea acţiunii a. el nu cunoaşte “adevărata” stare a naturii şi deci nu cunoaşte consecinţa actuală a acţiunii sale (dacă el alege a ∈ A . denumită funcţie de pierdere. denumită spaţiu de acţiune. atunci • • • când starea adevărată a naturii este θ ). alcătuită din toate “stările naturii” posibile θ ∈Θ . Definim mulţimea D. a ). decidentul alege o acţiune . denumită spaţiu de parametri. pentru fiecare X = x . denumită spaţiu de decizie. decidentul culege informaţie sub forma observării unei variabile aleatoare X. denumite consecinţe (ale alegerii acţiunii a. Pentru a reduce incertitudinea asupra stării θ . Ca alternativă la funcţia de pierdere. Ştiind că X = x şi ştiind forma lui f ( x θ ) . atunci consecinţa actuală (θ . “pierderea” poate fi şi “câştig”. Considerăm variabila aleatoare X. care are valorile posibile x ∈ X . În momentul în care decidentul îşi alege acţiunea. Interpretarea modelului de mai sus este următoarea. a ) . Variabila aleatoare X are funcţia de densitate de probabilitate în familia { f ( x θ . care defineşte. alcătuită din toate acţiunile posibile a ∈ Α de care dispune decidentul. a ) este necunoscută. θ ∈Θ . corespunzătoare cu alegerea acţiunii a ∈ A şi starea naturii θ ∈Θ . L este constituită din perechile ordonate (θ . Definim o funcţie L. caz în care valoarea lui L(θ . cu domeniul Θ × Α şi cu valori în mulţimea R (mulţimea numerelor reale). alcătuită din toate aplicaţiile d din X în A. a cărui distribuţie de probabilitate depinde de parametrul θ . a ) va fi negativă. • Definim o mulţime Θ . Desigur. Decidentul ştie totuşi “pierderea” care ar rezulta pentru fiecare din consecinţele posibile (θ .

dacă însă θ = θ1 . priveşte modul de determinare a unei decizii optime. Posibilitatea observării unei variabile aleatoare X. O problemă de decizie poate fi văzută şi ca fiind un “joc împotriva naturii”.2 Regulile de decizie minimax şi Bayes La prima impresie. Aceasta implică două tipuri diferite de probleme. la rândul lui. s-ar putea crede că alegerea funcţiei de decizie optime este relativ simplă. Dar deoarece nu ştim valoarea lui θ . este echivalentă cu alegerea funcţiei de decizie d ∈ D . cu densitatea de probabilitate f ( x θ ) .2. a doua. vom avea o pierdere (θ − d ( x ))2 . în fapt. Pentru a ilustra acest lucru. 2. funcţia de decizie d specifică acţiunile care trebuie să fie aplicate pentru toate valorile posibile X =x. Să presupunem că am observat variabila aleatoare X = x şi că a = d ( x ) este estimarea lui θ specificată de d. un element a ∈ A .2. de asemenea. cu o funcţie de pierdere pătratică de forma L(θ . va trebui să luăm d ( x ) = θ 0 pentru a minimiza pierderea. că două din domeniile majore ale statisticii inferenţiale – respectiv estimarea şi testarea ipotezelor – sunt ambele cazuri speciale ale modelului general de decizie prezentat mai sus. Alegerea unei “strategii” generale. care defineşte pentru fiecare X = x . de natură “tehnică”. a ) . fără a cunoaşte starea θ aleasă de natură. furnizează decidentului o informaţie limitată despre alegerea naturii. θ = θ 0 . de natură “filosofică”. pe baza criteriului ales. Dacă. pe baza observaţiilor asupra valorilor variabilei aleatoare x ∈ X . a ) = (θ − a ) 2 . Totuşi. Alegerea funcţiei de decizie poate fi văzută însă ca o “strategie de joc”. Dacă valoarea adevărată a parametrului este θ . Din . caz în care nu suntem de fapt în faţa unei probleme de decizie. alege. Aceasta însemnă că “natura” alege un element θ ∈Θ şi apoi decidentul. După ce a fost aleasă. nu vom putea selecta d ( x ) pentru minimizarea pierderii. alegerea lui a. Teoria deciziei poate fi văzută ca fiind studiul selectării deciziei d din mulţimea D. este problema criteriului utilizat pentru compararea elementelor din D. Rezultatul acestor două alegeri este pierderea de către decident a cantităţii L(θ . pierdere care poate fi măsurată într-o unitate de măsură adecvată (nu neapărat în bani).2 MODELUL MATEMATIC AL PROBLEMEI DE DECIZIE 17 a ∈ A . va trebui să luăm d ( x ) = θ1 . Prima. indiferent de starea naturii care apare. să presupunem că dorim estimarea unui parametru necunoscut θ real. Să notăm. Vom detalia aceste cazuri în cursul acestui capitol. deoarece vom alege o funcţie d ∈ D astfel încât pierderea să fie minimizată. acest lucru nu este posibil dacă nu ştim adevărata stare a naturii.

X n ) . X n ) = mediana( X 1 .1) .9) Conform relaţiilor de mai sus. d 2 este mediana eşantionului. Fie funcţia R. d ) = ∫ L(θ .7) (2. n d 2 ( X 1 .4) X Putem utiliza de asemenea şi operatorul pentru varianţă V X θ . d ) măsoară deci valoarea medie a pierderii (sau valoarea aşteptată a pierderii). definită pe Θ × D cu valori reale. X 2 . utilizând funcţia de decizie d. N (0. X 2 . definită prin R(θ .1) R(θ .5) Exemplul 2. definit ca { } V X θ [g ( x . X 2 . dacă starea adevărată a naturii este θ şi în raport cu distribuţia specificată f (x θ ) .K . astfel încât M X θ [g ( x . (2.18 CAPITOLUL 2 – NOŢIUNI DE TEORIA DECIZIEI punct de vedere matematic. X 2 . d1 ( X 1 . θ ) f ( x θ )dx . Calculând funcţiile de risc pentru aceste decizii obţinem . (2. K . (2.8) (2. problema nu este bine definită. Riscul R(θ . iar d 3 este o regulă de decizie care statuează că “se ignoră orice valoare a eşantionului şi întotdeauna se estimează θ ca fiind 0”. d ( x )) f ( x θ )dx (X continuă) (2. Notând operatorul pentru valoarea medie cu M X θ . este găsirea unei măsuri care să evalueze “în medie ” strategia de decizie aleasă. K . (2.2) X şi (X discretă). (2. θ )] = ∫ g ( x .θ ) a cărei valoare medie în raport cu X există.θ )] 2 . O metodă posibilă pentru alegerea unei funcţii de decizie d “cât mai bune”. d ( x )) f ( x θ ) (2. X n ) = d 3 ( X 1 .1 Să analizăm problema estimării parametrului θ . K .6) şi un eşantion aleator X = ( X 1 .θ )]2 − M X θ [g ( x . d ( x ))] . utilizând funcţia de pierdere pătratică L(θ . X 2 . d ) = M X θ [L(θ .3) Operatorul M X θ poate fi aplicat pentru orice funcţie g ( x . Considerăm următoarele reguli de decizie: 1 (X1 + X 2 + K + X n ) = X . X n ) ≡ 0 . în termenii unei cantităţi care să poată fi calculată. putem scrie R(θ . evaluată pentru θ .K .θ )] = M X θ [g ( x . d ) = ∑ L(θ . x∈X Funcţia R se numeşte funcţia de risc a lui d. a ) = (θ − a ) 2 . d1 este media eşantionului. X n ) dintr-o distribuţie normală cu media 0 şi abaterea standard 1.

d1 ) = M X θ ( X − θ ) = V X θ (X ) = 2 (în acest caz X are o distribuţie normală N (θ . cu θ > 0 .K . Din acest exemplu observăm că funcţiile de risc în sine nu ne furnizează un criteriu de alegere între d1 şi d 3 .12) Funcţiile de risc pentru d1 . π 2n ) obţinem R(θ .1 R(θ . K . X n ) − θ )2 = π 1. pentru orice θ . se observă că mediana nu este un estimator acceptabil. d ) d3 1. media nu este în mod necesar un estimator mai bun decât d 3 . n (2. d2 şi d3 În condiţiile problemei noastre (distribuţie normală şi funcţie de pierdere pătratică). ţinând cont că în vecinătatea lui 0. X n ) = 1 (X1 + X 2 + K + X n ) = X . X 2 .57 n d2 1 n d1 0 θ Figura 2. Exemplul 2. a ) = (θ − a ) 2 . d 2 şi d 3 sunt reprezentate în Figura 2.1 n ).10) Ţinând cont că mediana are o distribuţie normală N (θ . Exemplul următor ilustrează tocmai dificultatea alegerii regulilor de decizie.57 . K .2 Fie X = ( X 1 . d 3 ) = M X θ (0 − θ ) 2 = M X θ (θ 2 ) = θ 2 . (2. X n ) un eşantion aleator din distribuţia normală N (θ . Vom estima parametrul θ utilizând aceeaşi funcţie de pierdere pătratică L(θ . 1 . adică o distribuţie normală având media şi dispersia egale cu θ . Considerăm funcţiile de decizie d1 ( X 1 . funcţia de risc a lui d 3 are valorile de risc cele mai mici.1 – Funcţiile de risc pentru deciziile d1. θ ) . n 19 (2. având în vedere că funcţia de risc a mediei are toate valorile mai mici decât ale medianei. n 2n ≈ (2.11) Pentru d 3 obţinem R(θ .2.2 MODELUL MATEMATIC AL PROBLEMEI DE DECIZIE R(θ . X 2 . În acelaşi timp.13) . d 2 ) = M X θ (mediana( X 1 .

2.K . va trebui să căutăm criterii generale.17) R(θ .14) Calculând funcţiile de risc.20 CAPITOLUL 2 – NOŢIUNI DE TEORIA DECIZIEI şi d 2 ( X 1 . şi d2 Analizând figura de mai sus. Prin termenul “optimal” vom înţelege în continuare cea mai bună soluţie pe care o alegem într-un context dat. (2. Problema este că nu ştim valoarea lui θ şi astfel trebuie să găsim şi alte criterii care să ne ajute să alegem. d 2 ) dacă Rezultă că R(θ . o problemă de decizie conduce la un mare număr de funcţii de decizie posibile (mulţimea D are un număr foarte mare de elemente) şi modelele grafice prezentate anterior nu mai pot fi aplicate. obţinem 2θ 2 . R(θ .15) şi R(θ . d 2 ) = n −1 n −1 şi R(θ . d1 ) > R(θ . În general. X 2 . Graficele funcţiilor de risc θ< 2n 2n corespunzătoare deciziilor d1 şi d 2 pentru n = 2 sunt reprezentate în Figura 2.16) dar deoarece M X θ (θ − d 2 ( X ))2 = θ . d 2 ) dacă θ > 2n n −1 n −1 . d 2 ) = M X θ (θ − d 2 ( X ))2 = V X θ (d 2 ( X )) . d ) d2 d1 1/8 1/4 θ Figura 2. d1 ) = M X θ (θ − X ) = V X θ ( X ) = 2 θ n . De aceea. observăm că dacă ştim că θ < 1 4 . dar dacă ştim că θ > 1 4 atunci decizia este d1 optimă.2 – Funcţiile de risc pentru deciziile d1. . (2. care să ne permită selecţia regulilor “optimale” din spaţiul de decizie D. obţinem R(θ . (2. ∑ n − 1 i =1 (2. egalitatea având loc dacă θ = . d1 ) < R(θ . X n ) = 1 n (X i − X )2 . atunci decizia d 2 este optimă.

Dacă. R(θ . În ambele cazuri. atunci vom alege d 2 . pe de altă parte.3. d ) . să considerăm două funcţii de risc ipotetice corespunzătoare regulilor de decizie d1 şi d 2 pentru o problemă de decizie cu spaţiul de parametri Θ . Pentru b). Pentru a detalia aceste concepte. dintre toate valorile posibile de riscuri maxime corespunzătoare deciziilor d din D. presupunem că convingerile noastre referitoare la θ pot fi reprezentate sub forma unei funcţii de densitate de probabilitate p(θ ) cu domeniul Θ .2. respectiv minimizează riscul maxim. d 2 are un risc mai mic decât d1 .2 MODELUL MATEMATIC AL PROBLEMEI DE DECIZIE 21 Vom analiza în cele ce urmează două astfel de criterii. avem convingerea că este puţin probabil ca valorile lui θ să fie în intervalul de risc maxim. d * ) = inf sup R(θ . care ne protejează asupra unor variaţii crescute ale riscului. vom alege funcţia de decizie al cărui risc maxim este cel mai mic. reprezentate în Figura 2. atunci vom alege d1 . vom alege decizia d * astfel încât sup R(θ . Dacă suntem convinşi că valorile lui θ vor fi în intervalul în care d 2 are riscul maxim. De exemplu. în Figura 2. d ) d1 d2 θ Figura 2. în analiză am introdus convingerile noastre privind valorile lui θ . Aceste exemple intuitive ne conduc la următoarea formalizare. dar există valori ale lui θ pentru care d 2 are un risc considerabil mai mare. (2. d * se numeşte funcţie de decizie minimax. Considerarea şi a altor informaţii de care dispunem şi analizarea valorilor lui θ care este probabil să apară. Pentru a).4 sunt reprezentate două distribuţii posibile p1 şi p 2 pentru distribuţia convingerii (în engleză belief distribution) p(θ ) .3 – Două funcţiile de risc ipotetice Pentru majoritatea valorilor lui θ . Ce se poate face în asemenea situaţii? Sunt posibile două abordări ale acestei probleme: a) b) Alegerea lui d1 .18) d ∈D θ ∈Θ Cu alte cuvinte. cunoscute sub denumirea de criteriul (regula) minimax şi criteriul Bayes.

Definim riscul Bayes B(d ) pentru o funcţie de decizie d ca fiind B(d ) = ∫ R(θ . d ( x ))] .21) d * este. d ) exprimă pierderea medie pentru decizia d.3 Pentru problema de decizie din Exemplul 2. prin definiţie. o funcţie de decizie Bayes dacă B(d * ) = inf B(d ) . Exemplul următor ilustrează abordările minimax şi Bayes. ( θ discretă) (2. putem să calculăm valoarea sa medie în raport cu distribuţia convingerii p(θ ) .23) . d ) p(θ )dθ . d * nu este unică deoarece ea depinde de alegerea lui p(θ ) . d1 ) = . dată fiind o problemă de decizie. Am văzut că funcţia de risc R(θ . ( θ continuă) (2. d ) p1 p2 θ Figura 2. condiţionată de faptul că θ este adevărata stare a naturii.22) d∈D Să remarcăm că. Considerând R(θ .1 avem 1 sup R(θ .4 – Forme posibile ale distribuţiei convingerii Este natural să căutăm acum o funcţie de decizie care minimizează pierderea totală.20) Θ sau θ ∈Θ R(θ . Exemplul 2. adică B(d ) = M θ M X θ [L(θ . (2.19) B(d ) = ∑ R(θ .22 CAPITOLUL 2 – NOŢIUNI DE TEORIA DECIZIEI pe care le asumăm pentru θ . n θ (2. pentru d fixat. d ) p(θ ) . d ) o funcţie de θ . Spunem că d * este o funcţie de decizie Bayes în raport cu p(θ ) . (2.

57 . la răspunsuri diferite privind alegerea funcţiei de decizie optimale (deşi pentru anumite alegeri a priori ale distribuţiilor de probabilitate ale convingerii privind starea naturii. cele trei valori ale riscului Bayes ar fi fost 1 1.30) Am analizat până acum două abordări posibile pentru alegerea regulilor de decizie. cele două abordări pot conduce la acelaşi rezultat).2 MODELUL MATEMATIC AL PROBLEMEI DE DECIZIE 1. Convenim deci să reprezentăm această convingere printr-o distribuţie 1 1 uniformă pe intervalul ⎛⎜ − .26) 1 ⎛ 1⎞ − ⎜− ⎟ 10 ⎝ 10 ⎠ Atunci funcţiile de risc Bayes sunt ⎛ 1 ⎞ ⋅ 5dθ = 1 . funcţia de decizie Bayes este d1 .27) ⎛ 1. B(d 3 ) = . de exemplu o distribuţie uniformă pe intervalul (− 1. 300 (2. dacă n = 300 atunci d1 şi d 3 au acelaşi risc Bayes. sup R(θ . ⎞⎟ şi avem ⎝ 10 10 ⎠ 1 p(θ ) = =5. d 3 ) = ∞ . B(d 2 ) = n n 3 şi deci pentru n > 3 .29) Rezultă că dacă n > 300 . Din exemplele anterioare. urmând aceeaşi procedură ca mai sus. în general. ⎜ ⎟ n −1 10 ⎝ n ⎠ (2.25) 1 1 Să presupunem acum că suntem siguri că θ variază în intervalul ⎛⎜ − . a rezultat că aceste abordări conduc.24) (2. ⎜ ⎟ n −1 10 ⎝ n ⎠ (2. Totuşi. respectiv abordarea minimax şi abordarea Bayes. (2.2.57 ⎞ ⋅ 5dθ = 1. B(d1 ) = .28) B(d1 ) = B(d 2 ) = 1 10 ∫ 1 10 ∫ B(d 3 ) = 1 10 ∫θ −1 10 2 ⋅ 5dθ = 1 .57 . iar dacă n < 300 atunci d 3 este decizia cu riscul Bayes cel mai mic. dacă convingerea noastră stabilită a priori ar fi fost diferită. 1) . d1 este decizia preferată din punct de vedere Bayes. ⎞⎟ şi în ⎝ 10 10 ⎠ acest interval avem convingerea că nu există valori ale lui θ care să fie mai plauzibile decât altele.57 1 . . n θ sup R(θ . d 2 ) = θ 23 (2. (2.

Este clar că funcţiile d1 şi d 2 vor fi eliminate de la început din analiză. d ′) pentru anumite valori θ 0 ∈Θ . a 2 . Utilitatea conceptului de admisibilitate este naturală. vom considera cazul k = 2 pentru spaţiul de parametri k-dimensional Θ = (θ1 . dacă există o altă funcţie d ′′ ∈ D care satisface proprietăţile R (θ . deoarece ne permite eliminarea deciziilor inadmisibile şi concentrarea eforturilor pentru alegerea deciziilor celor mai bune dintre cele admisibile. O funcţie de decizie care este dominată de o altă funcţie de decizie se numeşte inadmisibilă.3 Decizii admisibile Să considerăm funcţiile de risc din Figura 2.24 CAPITOLUL 2 – NOŢIUNI DE TEORIA DECIZIEI 2. decizia se numeşte admisibilă. rezultă că d1 şi d 2 sunt dominate de d 3 şi d 4 şi deci sunt inadmisibile.2. d ′′) < R(θ 0 .32) atunci decizia d ′ este dominată de decizia d ′′ sau d ′′ domină d ′ . d 2 .31) şi R(θ 0 . d ′′) ≤ R (θ .4 Interpretarea geometrică Pentru reprezentarea şi interpretarea geometrică a problemei de decizie. iar d 3 şi d 4 sunt admisibile deoarece nici una nu o domină pe cealaltă. d ′) pentru orice valori θ ∈Θ . θ 2 .5 – Funcţiile de risc pentru diferite funcţii de decizie Fiind dată o funcţie de decizie d ′ ∈ D . R(θ . (2. Funcţiile d 3 şi d 4 au un risc relativ similar şi rămâne să alegem între ele. 2. În caz contrar.5 considerând spaţiul de decizie D = {d1 . a3 } . Fie o problemă de decizie cu spaţiul de acţiune A = {a1 . d ) d1 d2 d3 d4 θ Figura 2. În Figura 2.2. d 4 }. K . d 3 . cu spaţiul parametrilor . θ k ) . (2.5.

36) Mai general. astfel încât y j = R (θ j . (2. (2. k pentru δ ∈ D * }.θ 2 . dacă α = (α 1 . (2. d 2 ) .33) (2. riscul va fi R(θ . K .2 MODELUL MATEMATIC AL PROBLEMEI DE DECIZIE 25 Θ = (θ1 . a 2 ) = ⋅ 4 + ⋅ 1 = . a 2 ) = ⋅ 1 + ⋅ 4 = .37) (2. δ α ) = α 1 R(θ . pierderea medie este dată de 1 1 1 1 5 L(θ1 . d1 ) + α 2 R(θ . 0 ≤ α ≤ 1 . δ α ) = αR(θ . ca fiind o combinaţie aleatoare a elementelor lui D. K . d m ) . în ambele cazuri acţiunea aleatoare este preferabilă lui a3 . α 2 . iar dacă θ 2 este adevărată. pentru această acţiune aleatoare. putem defini decizia aleatoare δ α = α 1 d1 + α 2 d 2 + K + α m d m .θ k ) ca fiind S = {( y1 .34) 5 < 3 . Să considerăm acum o acţiune aleatoare corespunzătoare aruncării unei monede. δ ). j = 1.K . deoarece dacă θ1 este adevărată.2. atunci a3 este preferabilă lui a2 .38) Considerând combinaţiile aleatoare ale tuturor elementelor lui D.θ 2 ) şi cu funcţia de pierdere definită în Tabelul 2. Definim mulţimea de risc S pentru cazul Θ = (θ1 . 2 Exemplul de mai sus sugerează faptul că procedeul aleator se poate aplica şi regulilor de decizie d ∈ D şi vom scrie δ α = αd1 + (1 − α )d 2 . d 2 ) + K + α m R(θ . a1 ) + L(θ 2 . (2. 2 2 2 2 2 şi dacă θ 2 este adevărată.1: Tabelul 2. Atunci. Corespunzător. de 5 1 1 1 1 L(θ 2 . atunci a3 este preferabilă lui a1 .35) pentru a indica o decizie aleatoare care alege d1 cu probabilitatea α şi d 2 cu probabilitatea 1 − α .1 – Funcţia de pierdere tabelară a1 a2 a3 θ1 4 1 3 θ2 1 4 3 La prima vedere acţiunea a3 este preferabilă. Avem evident D ⊆ D * şi notăm cu δ un element general al lui D * . obţinem mulţimea tuturor regulilor de decizie aleatoare D * . d1 ) + (1 − α )R(θ . a1 ) + L(θ1 . respectiv alegerea lui a1 dacă apare “capul” şi a lui a2 dacă apare “pajura”. dacă θ1 este adevărată. cu α 1 + α 2 + K + α m = 1.39) . Vom defini riscul pentru decizia aleatoare ca fiind R(θ . K . α i ≥ 0 . y k )∈ R k . α m ) . 2 2 2 2 2 Deoarece (2.

chiar max {y j }. din punct de vedere geometric. θ 2 .6 – Forma generală convexă a mulţimii de risc S Vom folosi această proprietate pentru a da o interpretare geometrică abordărilor minimax şi Bayes. astfel încât toate regulile de decizie care conduc spre aceeaşi valoare sunt egale din punct de vedere al criteriului minimax. cantitatea sup R(θ . adică orice dreaptă care uneşte două puncte din S nu iese în afara lui S . . Deoarece abordarea minimax urmăreşte minimizarea valorii max {y j }. corespunzătoare deciziei aleatoare δ . Toate punctele de pe dreapta care uneşte punctele de risc pentru d1 şi d 2 . R (θ 2 . y 2 ) cu proprietatea max ( y1 . Pentru δ ∈ D * . notată S-E) a lui S . ea depinzând de forma lui S . În două dimensiuni. Această proprietate este ilustrată şi în Figura 2. K . y 2 ) = const. (o anumită valoare specificată) are forma unui “echer”. δ ) Figura 2. Toate punctele cu această proprietate aparţin lui S şi S este convexă.7. punctul (sau punctele) în care echerul de 90° atinge marginea inferioară (limita inferioară de sud-vest. δ ) S Punctul de risc pentru d 2 Punctele de risc pentru combinaţia aleatoare a deciziilor d 1 şi d 2 Punctul de risc pentru d 1 R (θ 1 . K .26 CAPITOLUL 2 – NOŢIUNI DE TEORIA DECIZIEI Spaţiul k-dimensional R k reprezintă mulţimea k-uplurilor ordonate ( y1 . unde y = ( y1 . S este o submulţime a lui R k alcătuită din punctele ale căror coordonate sunt componentele θ j ale riscului R (θ j . δ ). y k ) de numere reale. θ k ) . corespund punctului de risc pentru combinaţia aleatoare a lui d1 şi d 2 . pentru θ ∈Θ mulţimea stărilor Θ = (θ1 . y k ) este punctul de risc corespunzător lui δ . care la rândul ei depinde de problema de decizie. Abordarea minimax compară regulile de decizie în termenii max {y j }. regula de decizie minimax este. locul geometric al punctelor ( y1 . Să remarcăm faptul că S este o mulţime convexă. pentru k = 2 . Abordarea minimax. Această proprietate este ilustrată în Figura 2.6.K . δ ) devine. Să notăm şi faptul că regula minimax poate să nu fie unică.

δ ) = ∑ p j y j . K . dacă k = 2 .7 – Interpretarea geometrică a abordării minimax Abordarea Bayes. k şi p1 + p 2 + K + p k = 1 . δ ) =y 2 S Punctul de risc pentru decizia Bayes p1 y1 + p 2 y 2 = inf B (δ ) R (θ 1 .40) Acesta defineşte un hiperplan în spaţiul k-dimensional. aparţin unei drepte de forma p1 y1 + p 2 y 2 = const.41) Deoarece 0 ≤ p1 . toate punctele y = ( y1 . θ k ) să considerăm distribuţia iniţială (a priori) a convingerii dată de p = ( p1 . θ 2 . rezultă că regula de decizie Bayes are punctul de risc în punctul în care dreapta p1 y1 + p 2 y 2 = inf B(δ ) este tangentă la marginea inferioară a lui S . R (θ 2 . Riscul Bayes pentru regula de decizie aleatoare δ este dat de B(δ ) = ∑ p j R (θ j . p 2 . p k ) . Pentru Θ = (θ1 . Pentru simplificare.27 2. Dar abordarea Bayes urmăreşte minimizarea p1 y1 + p 2 y 2 . (2. k k j =1 j =1 (2. y 2 ) care dau aceeaşi valoare de risc Bayes. p 2 ≤ 1 şi p1 + p 2 = 1 . i = 1. K . δ ) Figura 2.8. δ ) S Punctul de risc pentru decizia minimax R (θ 1 . K .8 – Interpretarea geometrică a abordării Bayes . această dreaptă va avea o orientare NV – SE. aşa cum se poate observa în Figura 2. astfel încât pi ≥ 0.2 MODELUL MATEMATIC AL PROBLEMEI DE DECIZIE R (θ 2 . δ ) =y 1 Figura 2.

În cazul nostru.4 Regulile de decizie admisibile corespund punctelor din S care nu au puncte situate la S – E de ele. mulţimea regulilor admisibile corespunde punctelor situate între d1 şi d 4 . d 5 }. R (θ 2 . obţinem deciziile Bayes din Tabelul 2.4 . cât şi d 4 şi d 3 .2. d 4 .θ 2 } şi spaţiul de decizie D = {d1 . d 3 . S este alcătuită din toate punctele de risc care pot fi obţinute din combinarea aleatoare a celor 5 puncte de risc iniţiale.9. ea este alcătuită din combinarea aleatoare a d1 şi d 4 sau a d 4 şi d 3 . deoarece echerul de 90° intersectează S în mod unic în punctul d 4 .4 Presupunem că pentru o problemă de decizie cu spaţiul stărilor Θ = {θ1 . d 2 . Analizând rezultatele din tabelul menţionat. observăm că avem situaţii în care regulile de decizie nu sunt unice. după cum urmează: Tabelul 2. funcţia de risc R (θ i .9 – Mulţimea S corespunzătoare funcţiei de risc din Tabelul 2.28 CAPITOLUL 2 – NOŢIUNI DE TEORIA DECIZIEI Exemplul 2. δ ) =y 1 Figura 2.3 – Regulile de decizie Bayes pentru Exemplul 2. Regula Bayes depinde de alegerea perechii ( p1 . Plecând de la verticală ( p1 = 1 ) şi variind valorile lui p1 până la orizontală ( p1 = 0 ).2 – Funcţia de risc pentru Exemplul 2. p 2 ) . Cu alte cuvinte.4 d1 d2 d3 d4 d5 θ1 0 4 2 1 5 θ2 4 5 0 1 4 Cele 5 puncte de risc corespunzătoare elementelor lui D şi mulţimea S sunt reprezentate în Figura 2. aceasta înseamnă că nu putem să găsim un δ care să reducă o componentă de risc fără a o creşte pe cealaltă. Rezultă că regula minimax este d 4 . Tabelul 2. d j ) este definită de valorile din Tabelul 2. δ ) =y 2 d2 d1 d5 S d4 d3 R (θ 1 .3.

44) Θ Dar relaţia ≤ nu poate fi < deoarece ar contrazice faptul că δ * este Bayes.2. δ ) p(θ )dθ ≤ ∫ R(θ .K .2 Dacă Θ = (θ1 . Presupunem că δ * este inadmisibilă. Să presupunem mai întâi că δ * nu este admisibilă. A. Teorema 2. (2. δ ) ≤ R(θ . δ 2 ) . (2. L arbitrare şi X spaţiul de eşantionare al variabilei aleatoare continue X. p2 . În acest caz spunem că δ 1 şi δ 2 sunt egale până la echivalenţă.43) Pentru cazul continuu şi densitatea de probabilitate p(θ ) rezultă B(δ ) = ∫ R(θ . k . δ 1 ) = R(θ . pentru valoarea θ 0 ∈Θ . dar R(θ .1 Pentru o problemă de decizie cu Θ . iar relaţia ≤ nu poate fi = deoarece ar contrazice faptul că δ * este unică până la echivalenţă. Demonstraţie. δ ) < R(θ 0 .42) şi R(θ 0 . pentru toate valorile θ ∈Θ . atunci δ * este admisibilă . atunci δ * este admisibilă. Avem o contradicţie şi deci δ * este admisibilă ■ Cazul Θ discretă se demonstrează similar. Θ (2. δ * ) p(θ )dθ = B(δ * ) . j = 1. K . Demonstraţie.5 Câteva teoreme de bază Rezultatele care urmează stabilesc relaţiile între conceptele de admisibilitate şi regulile de decizie minimax şi Bayes. δ 2 ∈ D * astfel încât δ 1 ≠ δ 2 . Să remarcăm mai întâi că este posibil să avem două funcţii de decizie δ 1 . K . δ * ) . θ 2 . θ k ) şi δ * ∈ D * este decizia Bayes pentru ( p1 . unde p j > 0. Atunci există δ ∈ D * astfel încât R(θ . pk ) .2 MODELUL MATEMATIC AL PROBLEMEI DE DECIZIE p1 29 Decizia Bayes p1 > 3 4 d1 (unică) p1 = 3 4 Orice combinaţie aleatoare a lui d1 şi d 4 3 4 < p1 < 1 2 d 4 (unică) p1 = 1 2 Orice combinaţie aleatoare a lui d 4 şi d 3 p1 < 1 2 d 3 (unică) 2. Teorema 2. dacă o funcţie de decizie Bayes δ * cu o distribuţie iniţială p(θ ) este unică până la echivalenţă. δ * ) .2. Atunci există δ ∈ D * astfel încât: . Următoarea teoremă se referă la proprietatea că pentru o decizie Bayes cu Θ finită şi probabilităţile iniţiale pi ≠ 0 rezultă că decizia este admisibilă.

Dar B(δ * ) = inf B(δ ) . unde p j ≥ 0. δ ) =y 1 Figura 2. δ ) ≤ R (θ j . (2. δ * ) .47) inegalitatea strictă fiind datorată faptului că p j > 0 . K . ∀j şi ( p1 + p 2 + K + p k = 1) . O proprietate cunoscută (cea a hiperplanurilor de separaţie) arată că există dreapta p1 y1 + p 2 y 2 = const. atunci există p = ( p1 . δ * ) . Atunci S şi Q x′ sunt mulţimi disjuncte. k . pentru valoarea i. p k ) . nu există puncte ale lui S la S – V de x.30 CAPITOLUL 2 – NOŢIUNI DE TEORIA DECIZIEI R (θ j . Fie Q x′ = Q x − {x} . K . Rezultă B(δ ) = ∑ R (θ j . δ ) < R(θ i .10 Reprezentarea grafică a proprietăţii că o regulă admisibilă este Bayes . Această dreaptă este tangentă la S şi δ * este o decizie Bayes în raport cu ( p1 . p 2 ≥ 0 şi p1 + p 2 = 1 .3 Dacă Θ = (θ1 . K .45) R(θ i . δ ) p j = B(δ * ) . R (θ 1 . p 2 . R (θ 2 . δ ) =y 2 S Qx p1 y1 + p 2 y 2 = const . astfel încât δ * este o decizie Bayes în raport cu p. p 2 ) ■ Proprietatea din teorema de mai sus este ilustrată în Figura 2. Demonstraţie (cazul k = 2 ). δ ) p j < ∑ R(θ j . Teorema 2.48) δ deci avem o contradicţie şi rezultă că δ * este admisibilă ■ Pentru problemele cu Θ finită. θ k ) este finită şi δ * ∈ D * este admisibilă. cu p1 . (2. clasa deciziilor admisibile este o submulţime a clasei deciziilor Bayes. pentru toate valorile lui j. θ 2 . proprietate ilustrată de teorema următoare.46) şi (adică există δ care domină δ * ). (2. Fie x punctul de risc corespunzător lui δ * şi fie Q x mulţimea punctelor din planul situat la S – V de x.10. k k j =1 j =1 (2. ele fiind şi convexe. pentru toate valorile j = 1. Deoarece δ * este admisibilă.

(2. o regulă de decizie trebuie să fie Bayes. Teorema 2. pentru orice θ ∈Θ . Atunci există δ ∈ D * astfel încât (2.2 MODELUL MATEMATIC AL PROBLEMEI DE DECIZIE 31 Teoremele anterioare ne-au prezentat o imagine a tipului de legătură care există între deciziile admisibile şi deciziile Bayes. Cea mai importantă teoremă de clasificare din teoria deciziei arată că. pentru toate valorile θ ∈Θ . δ * ) .2. Presupunem contrariul.51) Inegalitatea strictă ar contrazice faptul că δ * este minimax. Atunci există că δ ∈ D * astfel încât sup R(θ . atunci δ * este minimax. .53) δ ∈D pentru orice X = x .49) R(θ . θ ∈Θ θ ∈Θ (2. δ * ) .50) În continuare avem sup R(θ . Aceasta motivează căutarea unei metode mai simple de calcul a regulilor de decizie Bayes. δ ) ≤ R(θ . δ * ) . δ * ) . δ ) ≤ sup R(θ . δ * ) = const. Demonstraţie. în loc de a căuta direct minimizarea pierderii medii posterioare inf M θ M X θ [L(θ . θ ∈Θ θ ∈Θ (2. δ * ) = const. (2. δ * ) . d ( x ))] . Aceasta contrazice faptul că δ * este admisibilă şi teorema este demonstrată ■ Teorema anterioară ne sugerează o strategie pentru determinarea funcţiilor de decizie minimax: mai întâi se identifică o regulă admisibilă şi apoi se verifică dacă ea are riscul constant. pentru toate valorile θ ∈Θ .5 Dacă pentru o problemă de decizie dată δ * este admisibilă şi R(θ . atunci δ * este admisibilă . δ ) < R(θ 0 . şi R(θ 0 . δ ) ≤ R(θ . pentru valoarea θ 0 ∈Θ . Rezultă că ipoteza iniţială a inadmisibilităţii este falsă şi teorema este demonstrată ■ Teorema 2. . în general. egalitatea ar contrazice faptul că δ * este unică. Demonstraţie. Următoarele teoreme ne vor arăta conexiunile dintre deciziile admisibile şi deciziile minimax. atunci R(θ . pentru a fi admisibilă. Să presupunem că δ * nu este admisibilă.52) Dar dacă R(θ .4 Dacă pentru o problemă de decizie dată δ * este unica decizie minimax. δ ) < sup R(θ .

evidenţiază legătura directă între teoria deciziei şi statistică. a ) p(θ x )dθ . δ ( x )) f ( x θ )dx ⎬ p(θ )dθ Θ ⎩X ⎭ de unde.57) (2.6 Funcţia Bayes de decizie δ * corespunzătoare convingerii iniţiale p(θ ) este determinată de δ * ( x ) = a * . X ⎩Θ ⎭ ştiind că din definiţia funcţiei de densitate de probabilitate condiţionate avem f ( x θ ) p(θ ) = p (θ x ) f ( x ) . Procedurile Bayes sunt exemple de decizie cu experimentare Aceste două stadii de decizie fără sau cu informaţie rezultată din experimente statistice legate de problema de decizie. elemente pe care le vom detalia în secţiunile următoare. .56) (2. se minimizează pierderea medie posterioară. respectiv decizia în care decidentul utilizează probabilităţi condiţionate posterioare pentru modelul de decizie. obţinem .32 CAPITOLUL 2 – NOŢIUNI DE TEORIA DECIZIEI Teorema 2. Abordarea minimax sau abordarea Bayes numai cu probabilităţi iniţiale pentru distribuţia convingerii sunt exemple de decizie fără experimentare.54) Θ şi p(θ x ) = f ( x θ ) p(θ ) ∫ f ( x θ ) p(θ )dθ . Al doilea stadiu îl reprezintă decizia cu experimentare. ⎧ ⎫ B(δ ) = ∫ ⎨ ∫ L(θ . δ ( x )) p (θ x )dθ ⎬ f ( x )dx . Determinarea unei valori δ * (2.58) care să minimizeze B(δ ) este echivalentă cu minimizarea integralei din enunţul teoremei ■ Din teorema a cărei demonstraţie am schiţat-o mai sus. schimbând ordinea de integrare. respectiv decizia în care decidentul nu utilizează nici un fel de informaţii rezultate din efectuarea unor experimente statistice asupra condiţiilor problemei sale. se determină probabilitatea condiţionată p (θ x ) utilizând teorema lui Bayes. (2. unde a * minimizează ∫ L(θ . Primul stadiu este decizia fără experimentare. Modelul statistico-matematic al problemei de decizie analizat în această secţiune a pus în evidenţă două stadii în utilizarea informaţiei statistice pentru decizie. rezultă că determinarea deciziilor Bayes se poate realiza în două etape: în prima.55) Demonstraţie. δ ) p(θ )dθ Θ ⎧ ⎫ = ∫ ⎨ ∫ L(θ . Scriind expresia riscului Bayes rezultă B(δ ) = ∫ R(θ . în a doua etapă. (2.

estimarea Bayes este dată de mediana distribuţiei posterioare. a acţiunii a = δ ( x ) care minimizează pierderea medie posterioară ∫ L(θ . a ) = (θ − a )2 denumită funcţia de pierdere pătratică.62) Θ Teorema 2. (2.8 Dacă L(θ .60) Θ Diferenţiind în raport cu a şi egalând cu 0. Trebuie să alegem a = δ ( x ) pentru a minimiza 2 ∫ (θ − a ) p(θ x )dθ . De altfel.3 TEORIA DECIZIEI ŞI STATISTICA 2.59) Θ Următoarea teoremă stabileşte forma generală a estimării Bayes pentru diferite forme ale funcţiei de pierdere L(θ .δ ( x )) p(θ x )dθ . Trebuie să alegem a pentru a minimiza pierderea medie posterioară ∞ a ∞ −∞ −∞ a ∫ θ − a p(θ x )dθ = ∫ (a − θ ) p(θ x )dθ + ∫ (θ − a ) p(θ x )dθ .7 Dacă L(θ . estimarea Bayes este dată de media distribuţiei posterioare. Teorema 2. δ .61) Θ Θ deoarece ∫ p(θ x )dθ = 1 ■ (2. adică acţiunea necesară este alegerea unui element din spaţiul de parametri.3. a ) . a ) = θ − a denumită funcţia de pierdere absolută. (2. (2. este definită prin alegerea. da −∫∞ da ∫a (2.2.6 din secţiunea anterioară stabileşte că o astfel de funcţie de decizie. dacă este vorba de funcţii de decizie Bayes. obţinem a= ∫ θp(θ x )dθ Θ ∫ p(θ x )dθ = ∫ θp(θ x )dθ .64) .1 Estimarea Aşa cum am arătat anterior. Demonstraţie.3 TEORIA DECIZIEI ŞI STATISTICA 33 2. Considerăm cazul Θ = R . pentru fiecare X = x . (2. problema estimării unui parametru necunoscut poate fi văzută ca un caz special al unei probleme generale de decizie în care Θ = A . Teorema 2. Demonstraţie.63) Diferenţiind în raport cu a şi egalând cu 0 şi ţinând cont că d a d ∞ g ( x ) dx = − g ( a ) şi g ( x )dx = g ( a ) .

3 TEORIA DECIZIEI ŞI STATISTICA 34 obţinem ∞ 1 ( ) p θ x d θ = ∫ ∫ p(θ x )dθ = 2 . . p (θ1 ) = π 1 .65) (deoarece suma celor două integrale este 1).69) Relaţia de mai sus are următoarea semnificaţie: respingem H 0 dacă raportul de verosimilitate al lui θ 0 şi θ1 este mai mic decât o anumită valoare.θ1 }. iar a1 reprezintă respingerea ipotezei H 0 . a1 } .67) În relaţiile de mai sus am folosit teorema lui Bayes pentru funcţiile a scrie p (θ 0 x ) şi p(θ1 x ) . fiind date probabilităţile iniţiale cu condiţiile p (θ 0 ) = π 0 .66) (2.2 Verificarea ipotezelor statistice Să analizăm problema de decizie reprezentată de verificarea ipotezelor statistice. cu următoarea semnificaţie: a0 reprezintă respingerea ipotezei H 1 . Rezultă deci că a este mediana distribuţiei posterioare ■ 2. Dacă H 0 : θ = θ 0 este ipoteza nulă şi H 1 : θ = θ1 este ipoteza alternativă. Tabelul pierdere 2. Atunci δ ( x ) = a va fi decizia care ar trebui să fie aleasă dacă adică dacă L10π 0 f (x θ 0 ) < L01π 1 f (x θ1 ). f (x θ1 ) L01π 0 (2. π 0 + π 1 = 1 . pentru valorile X = x . π 0 f (x θ 0 ) + π 1 f ( x θ 1 ) L10π 0 f (x θ 0 ) π 0 f (x θ 0 ) + π 1 f ( x θ 1 ) .68) f (x θ 0 ) L10π 1 < . Conform Teoremei 2.3.6. atunci spaţiul parametrilor va avea două elemente Θ = {θ 0 .4 şi valorile variabilei aleatoare X. (2.2. (2. Considerăm funcţia de pierdere definită de Tabelul 2. Pierderea medie posterioară dacă adoptăm δ ( x ) = a0 este 0 ⋅ p(θ 0 x ) + L01 ⋅ p(θ1 x ) = iar dacă adoptăm δ ( x ) = a1 avem L10 ⋅ p (θ 0 x ) + 0 ⋅ p (θ1 x ) = L01π 1 f (x θ1 ) . cu densitatea f ( x θ ) . decizia Bayes poate fi determinată alegând acţiunea care minimizează pierderea medie posterioară.4 θ1 Funcţia de θ2 a0 0 L01 a1 L10 0 Vom analiza mai întâi forma deciziei Bayes. iar spaţiul de acţiune va avea. de asemenea. două elemente A = {a0 . −∞ a a (2.

Pearson Considerând L01 = L10 = 1 . δ ) . pentru k ∈ R ⎬ . δ ) = ∫ L(θ1 . δ ( x ) = a1 dacă f (x θ1 ) ⎩ ⎭ β 1 S 1 α Figura 2. X 1 } şi δ ( x ) = ai pentru x ∈ X i . Având în vedere simetria şi convexitatea lui S. Cu o funcţie de pierdere 0–1. calculăm mai întâi riscul R(θ . R(θ1 . Se ştie că α este probabilitatea erorii de tipul I. reprezentarea geometrică a lui pentru această problemă de testare a ipotezelor statistice este redată în Figura 2. ~ f (x θ 0 )dx = Prob X ∈ X 1 θ 0 { } (2.3.3 TEORIA DECIZIEI ŞI STATISTICA 35 2. Atunci (2.2 . δ ) = ∫ L(θ 0 .11. De asemenea. δ ( x )) f (x θ 0 )dx X = ∫ .3 Lema Neyman . i = 1. testele admisibile pentru ipoteza H 0 : θ = θ 0 faţă de H 1 : θ = θ1 sunt definite de ⎧ ⎫ f (x θ 0 ) < k . adică probabilitatea de a respinge H 0 când de fapt H 0 este adevărată. Se ştie că β este probabilitatea erorii de tipul II. 0) ale mulţimii S sunt atinse de testele care întotdeauna acceptă sau resping H 0 .70) R(θ 0 . unde δ este definită pentru X = {X 0 . ~ f (x θ1 )dx = Prob X ∈ X 0 θ1 { } (2. ⎨δ ∈ D*.72) X0 care este β .73) .71) X1 care este α . δ ( x )) f (x θ1 )dx X = ∫ . Testele admisibile sunt date de punctele de risc situate pe marginea inferioară (SV) a lui S. adică probabilitatea de a accepta H 0 când de fapt H 0 este falsă. aceste puncte aparţin lui S. 1) şi (1. Dar aceste puncte sunt caracterizate de abordarea Neyman – Pearson: Lema Neyman – Pearson.11 – Mulţimea de risc pentru H0 faţă de H1 (2. Punctele de risc de coordonate (0.2. independent de x .

dar nu vom considera acest caz în problema noastră.1 Aversiunea la risc Vom analiza în continuare din punct de vedere matematic problema „asumării riscului”. a 2 : jucătorul joacă. ruletă ş. fiind date a1 sau a2 şi apoi determinarea valorii consecinţelor. În Figura 2. bolile sau alte dezastre naturale pot duce la pierdere) sau de la jocurile de noroc (o sumă iniţială este plătită de jucător şi rezultatul jocului poate fi câştig sau pierdere. θ 3 : pierdere. Să remarcăm faptul că. care sintetizează elementele unei probleme de asumare a riscului. spaţiul de acţiune A = {a1 . iar cealaltă conduce la o situaţie de incertitudine prin faptul că jucătorul participă la joc cu o sumă iniţială.36 CAPITOLUL 2 – NOŢIUNI DE TEORIA DECIZIEI 2. în anumite situaţii. a1 ) : suma jucătorului rămâne neschimbată. Aceasta înseamnă problema deciziei de a rămâne într-o stare neschimbată (status quo) sau de a intra într-o situaţie de incertitudine. Vom detalia această problemă din perspectiva abordării Bayes a luării deciziilor. joc de zaruri.4 ATITUDINI FAŢĂ DE RISC ŞI TEORIA UTILITĂŢII 2. θ 2 : câştig.θ 2 . . dar plata despăgubirilor pentru accidente sau dezastre poate conduce la pierdere).θ 3 } . joc de cărţi. acesta poate fi mai mic decât suma jucată. care poate să ducă la „câştig” sau la „pierdere”. din agricultură (plata pentru recoltă poate duce la câştig.). a2 } este alcătuit din acţiunile: a1 : jucătorul nu joacă. spaţiul parametrilor Θ = {θ1 . dar seceta.θ 3 } este constituit din stările: θ1 : status quo. în care fără incertitudine implică menţinerea stării de status quo (jucătorul nu joacă). în funcţie de tipul de joc şi de regulile acestuia: curse. Principalele exemple practice de asemenea probleme sunt cele din asigurări (primele de asigurare conduc la câştig. (θ 2 . suma jucătorului descreşte cu suma jucată. a2 ) : (θ 3 . a2 ) : suma jucătorului creşte cu valoarea premiului. Pentru aceasta va trebui să specificăm mai întâi probabilităţile pentru {θ1 .4. Cu notaţiile anterioare. Este vorba de problema unui joc de noroc.θ 2 . chiar dacă se obţine câştig.a.12 este prezentată în mod schematic o problemă de decizie simplă. iar consecinţele sunt: (θ1 .

a2 ) Pierderea sumei jucate (θ 3 . a j ) este pierderea pentru acţiunea aleasă a j . iar dată fiind 1 a2 . p (θ1 ) = 1 (ceea ce înseamnă că dacă jucătorul nu joacă. Într-o serie de probleme de decizie o asemenea abordare este naturală.2. a 2 ) Figura 2. (2. atribuind valori consecinţelor. unde X conţine toate consecinţele care pot apărea din problema de joc. de asemenea că. să notăm cu C suma curentă de care dispune jucătorul. dată fiind a1 . Pentru problema de joc considerată anterior. în care am utilizat valorile probabilităţilor de câştig sau de pierdere definite anterior pentru acţiunile a1 (jucătorul nu joacă) şi respectiv a2 (jucătorul joacă): . prin definirea unei funcţii de utilitate U : X → R . consecinţele sunt (θ1 . probabilităţile de câştig 2 sau de pierdere le putem considera la fel de probabile). Atunci utilităţile medii ale celor două acţiuni sunt date de relaţiile de mai jos.74) şi rezultă că utilităţile sunt determinate pentru orice valori C. (θ 3 . cu S suma jucată şi cu P suma netă câştigată sau premiul câştigat. având în vedere că urmărim maximizarea utilităţii printr-o decizie optimală.6 APLICAŢII Acţiuni Rezultate posibile Nici o schimbare (θ1 . a2 ) = C + P . a j ) este „valoarea pozitivă” sau „utilitatea” obţinută pentru o consecinţă alcătuită din acţiunea a j şi rezultatul θ i . a1 ) Nu joacă Joacă Consecinţe Status quo θ1 Câştig 37 θ2 Pierdere θ3 Recuperarea sumei jucate plus suma câştigată (θ 2 . în mod sigur nu va pierde şi va rămâne în status quo). Putem considera „utilitatea” ca o „pierdere negativă”. dacă rezultatul ar fi θ i . a2 ) = C − S . P şi S. (θ 2 . astfel încât L(θ i . în care U (θ i . Să presupunem. a1 ) = C . atunci p(θ 2 ) = p(θ 3 ) = (respectiv dacă jucătorul joacă. În termeni monetari.12 – Schema unei probleme simple de asumare a riscului Am definit anterior funcţia de pierdere L : Θ × A → R . Introducem acum funcţia de utilitate U : Θ × A → R .

acţiunea optimală este definită de următoarea schemă: Joacă ( a2 ) dacă Indiferent ⎧< ⎫ 1 ⎪ ⎪1 U (C )⎨= ⎬ U (C + P ) + U (C − S ) 2 ⎪> ⎪ 2 ⎩ ⎭ Nu joacă ( a1 ) Această schemă este ilustrată în Figura 2. (2. 2 2 Ne punem problema să vedem în ce circumstanţe decidentul va alege – sau nu – acţiunea a2 (să joace). Avem 1 1 (2. Să considerăm acum cazul special P = S .38 CAPITOLUL 2 – NOŢIUNI DE TEORIA DECIZIEI Acţiunea a1 a2 Utilitatea medie U (C ) 1 1 U (C + P ) + U (C − S ) 2 2 Pentru a maximiza utilitatea medie. în care am considerat S > 0.14 (a).75) C = (C + S ) + (C − S ) .76) U (C + S ) − U (C ) < U (C ) − U (C − S ) . astfel încât pentru orice valori ale lui C şi S. decidentul alege fie a1 .77) iar a1 va fi aleasă dacă egalitatea însemnând indiferenţa de a juca sau nu. (2. Observăm că a2 va fi aleasă dacă U (C + S ) − U (C ) > U (C ) − U (C − S ) . aşa cum este reprezentată în Figura 2. (b) şi (c). fie a2 .13. P > S . respectiv în termeni monetari. fie este indiferent. . un joc echilibrat. U (x ) U (C+P ) U (C ) pentru a 1 U (C ) U (C ) pentru a 2 U (C-S ) C-S C C+P x Figura 2.13 – Utilitatea medie pentru acţiunile a1 şi a2 Să considerăm acum forma continuă a funcţiei de utilitate.

14(c). respectiv curbele vor fi suficient de bine aproximate printr-o dreaptă. Să remarcăm faptul că pentru valori ale lui S suficient de mici în raport cu C. Un decident care are o asemenea funcţie de utilitate se spune că are aversiune la risc.14(a) reprezintă utilitatea marginală descrescătoare. ceea ce înseamnă că la creşterea cu o cantitate fixă (a lui S. U (C + S ) − U (C ) (2. Forma funcţiei de utilitate din Figura 2.14(a) şi (b) vor avea aproximativ forma din Figura 2.14(b) se observă că membrul drept al inegalităţii este mai mic decât 1.2.79) Inegalitatea de mai sus reflectă faptul că decidentul cu aversiune la risc va prefera un raport superior în favoarea sa şi depăşirea creşterii raportului de utilitate. Dacă notăm această probabilitate cu π . . dacă se adaugă la o sumă iniţială din ce în ce mai mare (de exemplu de la C − S la C vom avea o utilitate adiţională mai mare decât de la C la C + S ). Un astfel de decident se spune că îşi asumă riscul.14(b) reprezintă utilitatea marginală crescătoare.80) ceea ce implică numai π 1− π > U (C ) − U (C − S ) . (2. dacă se adaugă la o sumă iniţială din ce în ce mai mare (de exemplu de la C la C + S produce o utilitate adiţională mai mare decât de la C − S la C). (2. decidentul va prefera să joace dacă U (C ) < πU (C + S ) + (1 − π )U (C − S ) .78) sau cu alte cuvinte dacă π 1− π > U (C ) − U (C − S ) > 1. Pentru ca un joc cu C + S sau C − S să fie preferat lui C de un decident cu aversiune la risc. ceea ce înseamnă că la creşterea cu o cantitate fixă (a lui C.6 APLICAŢII 39 Forma funcţiei de utilitate din Figura 2. Se observă că decidentul care îşi asumă riscul va juca dacă U (C ) < πU (C + S ) + (1 − π )U (C − S ) . Aceasta implică existenţa valorilor π < 1 2 pentru care decidentul preferă să joace decât să rămână în status quo. de exemplu) produce o utilitate adiţională din ce în ce mai mare. în loc să rămână în C pentru siguranţă. O asemenea formă a funcţiei de utilitate determină decidentul să aleagă întotdeauna să joace.14(c) implică indiferenţa de a juca sau nu. al cărei rezultat aşteptat este egal cu situaţia de status quo. de exemplu) produce o utilitate adiţională din ce în ce mai mică. U (C + S ) − U (C ) (2.81) şi din Figura 2. probabilitatea rezultatului pentru C + S trebuie să fie mărită. Aceasta explică de ce un decident cu aversiune la risc preferă să nu joace dacă suma jucată (şi câştigul) sunt suficient de mici. O asemenea formă a funcţiei de utilitate determină decidentul să aleagă întotdeauna C în loc de C + S sau C − S . adică starea de status quo este preferată unei situaţii de incertitudine. curbele din Figura 2. Situaţia descrisă în Figura 2.

82) U (C ) > U (C + S ) + U (C − S ) .4. pentru exemplificare. (b) joacă. cazul utilităţii marginale descrescătoare.40 CAPITOLUL 2 – NOŢIUNI DE TEORIA DECIZIEI U (x ) U (C+S ) − U (C ) (a ) U(C) − U (C-S ) C-S C C+S x U (x ) U (C+S ) − U (C ) (b ) U(C) − U (C-S ) C-S C C+S x U (x ) U (C+S ) − U (C ) (c ) U(C) − U (C-S ) C-S C C+S x Figura – 2.0 < π C < S . 2 2 rezultă că există cantitatea π C .14 Forme ale funcţiei de utilitate: (a) nu joacă. Presupunând continuitatea funcţiei de utilitate şi ţinând cont de relaţia 1 1 (2. considerând.2 Proprietăţile funcţiilor de utilitate Vom detalia în continuare proprietăţile funcţiilor de utilitate prezentate anterior. astfel încât . (c) indiferent 2.

care el însuşi furnizează o măsură a aversiunii la risc. 41 (2.84) obţinem: U (C − π C ) ≈ U (C ) − π CU ′(C ) .85) am ignorat termenii în π C2 şi următorii.6 APLICAŢII 1 1 U (C − π C ) = U (C + S ) + U (C − S ) . (2.2. Egalând cele două expresii.84) unde valoarea medie M (⋅) este considerată în raport cu distribuţia de probabilitate a lui X. (2. Dacă dezvoltăm în serie Taylor ambii termeni ai egalităţii (2.86) termenii care conţin M [X 3 ] şi următorii. Prima de asigurare este definită de ecuaţia U (C − π C ) = M [U (C + X )] . astfel încât tranzacţiile au loc într-o vecinătate a lui C (implicând de asemenea că la rândul său π C este suficient de mic).85) 1 1 M [U (C + X )] ≈ M ⎡⎢U (C ) + XU ′(C ) + X 2U ′′(C )⎤⎥ ≈ U (C ) + σ 2U ′′(C ) .83) U (x ) U (C+S ) U (C ) U (C −π c ) U (C − S ) C−S C −π c C C+S x Figura 2. iar în relaţia (2. ⎥ 2 ⎣ U ′(C ) ⎦ 2 ⎣ dC ⎦ (2. să presupunem că dispersia lui X. obţinem: 1 ⎡ U ′′(C ) ⎤ 1 d π C = σ 2 ⎢− = σ 2 ⎡⎢ (− log U ′(C ))⎤⎥ .87) . Pentru a înţelege natura lui π C . (2. pe care o notăm σ 2 . 2 2 proprietate ilustrată în Figura 2. este suficient de mică.15 Definiţia lui πC Numărul π C poate fi interpretat ca o „primă de asigurare” pe care decidentul trebuie să o plătească în scopul de evita schimbarea stării de status quo C pentru un joc echilibrat între C − S şi C + S .86) 2 2 ⎣ ⎦ unde în relaţia (2. unde X este o variabilă aleatoare cu media 0 (în cazurile anterioare am avut X = ± S cu probabilităţile egale cu 1 2 ).15. Să considerăm funcţia de utilitate marginală descrescătoare pentru orice joc care implică deplasarea de la C la C + X .

88) − = k (const. aversiunea la risc nu depinde de C.3 Evaluarea funcţiilor de utilitate Forma funcţiei de utilitate poate să fie diferită în funcţie de problema de decizie şi de abordarea decidentului şi este nevoie de o metodă operaţională pentru a evalua forma funcţiei de utilitate.16. Forma lui π C ne poate ajuta să determinăm expresia matematică pentru U. funcţia de utilitate are o pantă din ce în ce mai mare. π C descreşte dacă C creşte. Cu cât U ′(C ) această cantitate este mai mare. atunci există o funcţie de utilitate definită.) . U (x ) k3 k2 k1 x Figura 2. cu atât prima π C pe care decidentul o are de plătit creşte (indicând nivelul înalt de aversiune la risc). (2.16 Funcţia de utilitate pentru k1 < k2 < k3 Forma de mai sus a funcţiei de utilitate ne arată că decidentul apare ca având o aversiune la risc descrescătoare.42 CAPITOLUL 2 – NOŢIUNI DE TEORIA DECIZIEI Cantitatea − U ′′(C ) defineşte deci o măsură (locală) a aversiunii la risc.4. 0 < x < ∞ . obţinem soluţia U ( x ) = 1 − e − kx . De exemplu. aşa cum se poate observa din Figura 2. U ′(C ) Rezolvând ecuaţia diferenţială de mai sus şi considerând punctele U (0 ) = 0 şi U (∞ ) = ∞ . pentru care trebuie specificată doar o constantă. într-adevăr. Pe măsură ce această constantă creşte. €) şi urmăreşte să evalueze forma funcţiei de utilitate în intervalul . 2. ceea ce implică U ′′(C ) (2. Să presupunem că decidentul dispune de suma curentă C (de exemplu în euro.89) Rezultă că dacă decidentul consideră o utilitate marginală descrescătoare şi are o aversiune constantă la risc. să presupunem că pentru un anumit rezultat X. plecând din origine.

90) 1 1 = ⋅100 + ⋅ 0 = 50 2 2 Rezultă că S 2 este suma pentru care C + S 2 are utilitatea 50 pe scala de utilitate. rezultă o curbă care trece prin aceste puncte şi care ne sugerează o funcţie de utilitate marginală descrescătoare. Stabilim o scală pentru funcţia de utilitate. (2.17 valorile calculate pentru funcţia de utilitate. respectiv S 3 dacă loteria ar fi cu un câştig de 1000 şi respectiv S 2 .92) 1 1 = ⋅100 + ⋅ 50 = 75 2 2 Reprezentând grafic în Figura 2. I se cere decidentului să stabilească o sumă S 2 cu care ar vinde biletul. 1 1 = ⋅ 50 + ⋅ 0 = 25 2 2 (2. U (x ) 100 75 50 25 0 C C+S 1 C+S 2 C+S 3 C+ 1000 Figura 2. având următoarea problemă de decizie: Decidentul are un bilet de loterie cu valoarea C.17 Evaluarea funcţiei de utilitate x . i se cere să stabilească o sumă S1 dacă loteria ar fi constat din câştigul S 2 şi 0. Pentru o abordare bayesiană şi funcţia de utilitate U (⋅) . De asemenea. În mod similar.2. care îi permite să joace un joc care îi aduce un câştig de 1000€ sau 0 (dacă pierde). obţinem 1 1 U (C + S 2 ) = U (C + 1000 ) + U (C ) 2 2 .91) şi 1 1 U (C + S 3 ) = U (C + 1000 ) + U (C + S 2 ) 2 2 . 1 1 U (C + S1 ) = U (C + S 2 ) + U (C ) 2 2 . (2.6 APLICAŢII 43 C până la C + 1000 . respectiv U (C ) = 0 şi U (C + 1000) = 100 .

a ( 2 ) . a (1) . θ ( 2 ) . iar printr-un cerc am reprezentat un punct de incertitudine (în care apare o stare a naturii incertă. Ne punem întrebarea ce vom face în al doilea nod de decizie dacă iniţial am ales acţiunea a (1) şi rezultatul a fost θ (1) . necontrolabilă). care are forma din figura următoare. ( a (1) .44 CAPITOLUL 2 – NOŢIUNI DE TEORIA DECIZIEI 2.θ ( 2 ) . a ( 2 ) ). a ( 2 ) ) a (2) Figura 2.18 – Reprezentarea unei probleme de decizie cu două stadii Într-o problemă de decizie secvenţială nu putem decide ce să facem în stadiul iniţial până nu am analizat toate consecinţele posibile (θ (1) . Arborele corespunzător este reprezentat în Figura 2. iar acţiunea optimală şi funcţia de utilitate medie sunt definite de: . a ( ) . a ( 2 ) ) .19. în care printr-un pătrat am reprezentat un punct sau nod de decizie (în care decidentul alege o acţiune). starea (incertă) fiind θ ( 2 ) şi rezultând consecinţa finală (θ ( ) . θ ( 2 ) .θ ( ) . a ( 2 ) ) Figura 2. distribuţia de probabilitate pentru un anumit ( ) rezultat incert θ ( 2 ) va avea forma p θ ( 2 ) a (1) . a (1) . Reprezentând grafic această problemă se obţine un „arbore”. O acţiune iniţială a (1) este aplicată şi după aceea starea naturii (incertă) este θ (1) . Presupunem că utilitatea ataşată consecinţei finale este U (θ (1) .19 – Reprezentarea unei probleme de decizie ştiind că rezultatul a fost θ (1) Pentru o anumită alegere a lui a ( 2 ) .5 DECIZII SECVENŢIALE 2.1 Concepte de bază Să considerăm următoarea problemă de decizie cu două stadii.θ ( 2 ) . θ (1) ) a (2) U (θ (1) .18 este reprezentată problema de decizie cu două stadii de mai sus. 1 2 1 2 În Figura 2. a (1) . a (1) θ (1) θ (2 ) U (θ (1) . a ( ) ).5.θ (1) . a (1) . în continuare este aplicată acţiunea a ( 2 ) .

20 – Decizia în primul stadiu (presupunând o acţiune optimală în al doilea stadiu) Dacă problema de decizie secvenţială este cu n stadii. dată fiind θ (1) şi a (1) . Începând din partea dreaptă a arborelui şi trecând succesiv prin nodurile de decizie. Presupunem că o companie producătoare doreşte să investească într-o linie de fabricaţie a unui produs. vom repeta procesul de a considera utilitatea medie şi de a o maximiza. În cazul mulţimilor finite de acţiuni şi de rezultate. Soluţia completă a problemei este definită de ( ) max ∫ p θ (1) a (1) ⋅U * (θ (1) .20. a ( 2 ) )dθ ( 2 ) . Structura arborelui de decizie pentru această problemă de investiţie este reprezentată în Figura 2. . al doilea. dar ea va produce pierderi dacă cererea pieţei va scădea. Situaţia pe care o are de rezolvat decidentul în primul stadiu este reprezentată în Figura 2. a( 2 ) 45 (2. Să presupunem că studiul de piaţă va furniza o predicţie de tipul cererea în creştere sau cererea în scădere.6 APLICAŢII ( ) U * (θ (1) .21. a (1) ) Figura 2.5.θ (1) . procedura implică considerarea tuturor combinaţiilor de acţiuni care se pot aplica şi a tuturor rezultatelor posibile. greu de calculat. problemele de decizie pot fi formulate şi rezolvate utilizând metoda arborilor de decizie. iar rezultatul final (starea naturii) va fi cererea actuală în creştere sau cererea actuală în descreştere. a (1 ) a (1) θ (1) (2. în general. a (1) ) = max ∫ p θ ( 2 ) a (1) . să achiziţioneze un studiu de cercetare de piaţă. distribuţiile de probabilitate ale rezultatelor sunt probabilităţi condiţionate şi sunt. a (1) )dθ (1) . care să-i furnizeze informaţii suplimentare despre evoluţia cererii pentru produsul respectiv.94) U * (θ (1) . 2. a (1) .93) Aceasta este utilitatea maximizată. a ( 2 ) ⋅U (θ (1) . Procedura prezentată aici este dificil de implementat din două motive: primul.2. să nu investească.θ ( 2 ) .2 Arbori de decizie Vom exemplifica metoda arborilor de decizie printr-o problemă de decizie specifică. Investiţia va fi profitabilă dacă cererea pieţei pentru produsul respectiv va creşte. Alternativele pe care le are compania sunt: să investească. se observă că structura soluţiei rămâne aceeaşi.

4 . x1 : Predicţie cererea creşte. p (x 2 θ1 ) = 0 .7 . a3 : Nu investeşte. θ 2 : Cererea descreşte.3 .97) .21 Arborele de decizie pentru problema de investiţie Să presupunem de asemenea că.8 . 2 . A = {a1 . x2 } . (2. p (x1 θ 2 ) = 0. (2. a3 }.46 CAPITOLUL 2 – NOŢIUNI DE TEORIA DECIZIEI Formalizarea problemei de decizie este următoarea: a1 : Studiu de piaţă. x2 : Predicţie cererea descreşte. compania producătoare a făcut propriile evaluări ale evoluţiei cererii. că firma care realizează studiul de piaţă a înregistrat 80% succese atunci când a prognozat creşterea cererii şi 70% succese atunci când a prognozat scăderea cererii.θ 2 }.96) Investeşte creşte cererea descreşte Nu investeşte creşte cererea descreşte Investeşte creşte cererea descreşte Nu investeşte Investeşte Nu investeşte creşte cererea descreşte creşte cererea descreşte creşte cererea descreşte Figura 2. p(θ 2 ) = 0. Θ = {θ1 . stabilind că sunt 60% şanse ca cererea să crească şi deci avem probabilităţile p(θ1 ) = 0. Predicţie cererea creşte Studiu de piaţă Predicţie cererea descreşte (2.6 . unde θ1 : Cererea creşte. a2 . de asemenea. unde a2 : Investeşte. unde p (x2 θ 2 ) = 0. Se ştie. Rezultă următoarele probabilităţi condiţionate p (x1 θ1 ) = 0. fără a ţine cont de concluziile studiului de piaţă.95) X = {x1 .

6 APLICAŢII 47 Evaluarea directă a rezultatului incert în situaţia în care compania achiziţionează studiul de piaţă este dată de probabilităţile p( x1 ) = p(x1 θ1 )⋅ p(θ1 ) + p(x1 θ 2 )⋅ p(θ 2 ) .2 .8 ⋅ 0.6 θ1 1000 0.4 = 0.103) În Figura 2.22 – Arborele de decizie pentru problema de investiţie .6 = 0. (2.6 0.6 + 0.3 θ1 1200 − C 0.2 θ 2 1000 − C 0.98) = 0.3 = 0.102) p (θ 2 x2 ) = 1 − p(θ1 x2 ) = 1 − 0. p (θ1 x2 ) = p (x2 θ1 )⋅ p(θ1 ) p( x2 ) = (0.6 (2.8 p (θ 2 x1 ) = 1 − p(θ1 x1 ) = 1 − 0.3 θ1 1000 − C 0. completat cu valorile probabilităţilor şi ale utilităţilor.4 a3 x1 a2 x2 a1 a3 a2 a3 Figura 2.7 θ 2 1000 − C 0.7 . (2.2 θ 2 800 − C 0.3 ⋅ 0.99) p( x2 ) = 1 − p( x1 ) = 1 − 0.4 . (2.4 = 0.3 (2.22 este reprezentat arborele de decizie al problemei.6) 0.7 θ 2 800 − C 0. folosim teorema lui Bayes şi obţinem p (θ1 x1 ) = p(x1 θ1 )⋅ p(θ1 ) p( x1 ) .6 = 0.4 θ 2 800 0.4 θ 2 1000 a2 0.2.8 θ1 1000 − C 0.6) 0.8 θ1 1200 − C 0.2 ⋅ 0.100) = (0.6 θ 1 1200 0. 0.8 ⋅ 0.8 = 0. În continuare. pentru evaluarea convingerii despre θ1 şi θ 2 pe baza informaţiilor din studiul de piaţă (decizie cu experimentare).101) . (2.

U ( x2 .3 + (1000 − C ) ⋅ 0.4 x2 1000 − C Figura 2.8 + (1000 − C ) ⋅ 0.24.104) (2. U ( x2 . 1120 − C a1 0.4 x2 a2 θ 1 920 − C a3 θ 2 1000 − C Figura 2.24 A doua maximizare pentru ramura a1 Aplicăm acum încă o dată calculul utilităţilor medii pentru a1 . calculăm utilităţile medii. iar dacă cererea descreşte. se observă că dat fiind x1 . în condiţii de investiţie.2 = 1120 − C . să presupunem că funcţia de utilitate este aproximativ liniară. a3 ) = (1000 − C ) ⋅ 0. începând din partea dreaptă a arborelui de decizie. profitul net va fi de 800 UM. în timp ce dacă este dat x2 . a3 ) = (1000 − C ) ⋅ 0.6 x1 a3 θ 2 1000 − C 0. a1 a2 θ 1 1120 − C 0. În continuare. că unitatea monetară este UM = 1000€ şi dacă cererea creşte compania aşteaptă să facă un profit net de 1200 UM.107) Rezultatele de mai sus sunt reprezentate în Figura 2. compania aşteaptă un profit net de 1000 UM. iar costul studiului de piaţă este C.6 x1 0. a2 ) = (1200 − C ) ⋅ 0. conform procedurii menţionate anterior. aşa cum rezultă din Figura 2. a2 şi a3 de pe ultimul nivel al arborelui de decizie.23. de asemenea.2 = 1000 − C .3 + (800 − C ) ⋅ 0. U ( x1 . (2. Pentru ramura de decizie a1 rezultă: U ( x1 .48 CAPITOLUL 2 – NOŢIUNI DE TEORIA DECIZIEI Pentru evaluarea utilităţii diferitelor rezultate. acţiunea optimală este a2 . a2 ) = (1200 − C ) ⋅ 0.23 Utilităţile medii iniţiale pentru ramura a1 Aplicând acum principiul maximizării utilităţii medie.7 = 1000 − C .7 = 920 − C . Să presupunem.105) (2.106) (2. acţiunea optimală este a3 .8 + (800 − C ) ⋅ 0. Dacă nu investeşte. Obţinem: .

deoarece ne furnizează. ţinând cont de condiţionările corespunzătoare pentru fiecare ramură. informaţii privind problema de decizie.6 + 1000 ⋅ 0. determinându-se acţiunile optimale şi utilităţile lor medii.6 + 800 ⋅ 0.4 = 1040 . Se ataşează probabilităţile ramurilor de incertitudine. arborii de decizie. pot fi utilizate cel mai bine împreună. Cele două metode.2. aşa cum vom vedea în aplicaţiile următoare. . iar decizia a1 va fi adoptată numai dacă costul studiului de piaţă este C ≤ 32 .6 APLICAŢII U (a1 ) = (1120 − C ) ⋅ 0.109) (2.4 = 1072 − C . 1072 − C a1 a2 1040 a3 1000 Figura 2. Se continuă procedura până la nodul de decizie iniţial. U (a2 ) = 1200 ⋅ 0. grafică şi analitică. În acelaşi timp.108) (2. fiecare.25. precum şi toate ramurile care apar în fiecare nod. atât în nodurile de decizie. se calculează valorile medii ale utilităţilor în nodurile de incertitudine şi se maximizează în nodurile de decizie. Procedura pentru aplicarea metodei arborilor de decizie poate fi sintetizată astfel: (1) (2) (3) (4) (5) Se descrie logica arborelui în ordine cronologică. prin reprezentarea grafică a problemei de decizie constituie un instrument util şi accesibil pentru considerarea tuturor alternativelor.110) cu reprezentarea din Figura 2. cât şi în cele de incertitudine. Metoda arborilor de decizie reprezintă o alternativă viabilă la metodele analitice de decizie prezentate la începutul acestui capitol.6 + (1000 − C ) ⋅ 0. determinându-se acţiunea optimală iniţială şi apoi secvenţa de acţiuni optimale care rezolvă problema de decizie. U (a3 ) = 1000 ⋅ 0. respectiv se descriu nodurile de decizie şi nodurile de incertitudine.25 Utilităţile pe ultimul nivel al arborelui de decizie Decizia iniţială pentru această problemă a devenit acum clară: decidentul nu trebuie să aleagă niciodată a3 . Plecând de la dreapta la stânga arborelui de decizie.4 = 1000 . 49 (2. Se ataşează valorile utilităţilor ramurilor finale.

000 litri/sursă 500.6 APLICAŢII Vom detalia şi aplica în continuare conceptele prezentate în secţiunile anterioare prin două probleme de decizie.000. Cu elementele definite până acum. 500. 100. Alternativele asupra cărora trebuie să decidă compania sunt următoarele: (1) forajul pentru găsirea de apă minerală. Costul închirierii necondiţionate este de 8.000€.000 30.5): Tabelul 2. De asemenea. (2) închirierea necondiţionată a terenului către o altă companie de foraj.10€/litru (după deducerea costurilor de producţie).000 0 8. Compania a clasificat terenul în patru categorii.000 40.000 litri/sursă 0 litri/sursă 90. 2.000 litri sau 0 litri (sursa nu conţine apă minerală).03€ pentru fiecare litru extras în cazul închirierii necondiţionate. . a2 : Închirierea necondiţionată a terenului.000€.1 Problema forajului O companie de îmbuteliere deţine un teren care se presupune că va conţine surse subterane de apă minerală. după debitul de apă minerală care se aşteaptă să fie obţinut din sursa forată.000 litri. Costul forajului pentru o sursă care va produce apă minerală este de 10. în timp ce costul forajului fără găsirea de apă minerală este de 6. dacă sursa forată pe terenul închiriat va produce mai mult de 250.000 8.000€.50 CAPITOLUL 2 – NOŢIUNI DE TEORIA DECIZIEI 2. Profitul pentru o sursă de apă minerală este de 0. a3 : Închirierea condiţionată a terenului.5 – Profiturile companiei de îmbuteliere (1) Foraj (2) Închiriere necondiţionată (3) Închiriere condiţionată A.000 8. respectiv 1. care ne vor ajuta să fixăm noţiunile de teoria deciziei. compania de îmbuteliere ar obţine următoarele profituri posibile (Tabelul 2.000 litri. în timp ce compania ar primi 0. (3) închirierea condiţionată a terenului.000 8.000.000 0 DECIZIA FĂRĂ EXPERIMENTARE Problema de decizie constă din următoarele acţiuni: a1 : Forajul pentru găsirea de apă minerală.000 15. vom sistematiza printr-un algoritm paşii de rezolvare a unei probleme de decizie.000 litri.000 0 −6. în funcţie de cantitatea de apă minerală găsită.6. 1.000 litri/sursă 100.

adică forajul.000 a3 : Închiriere condiţionată −30.000 −40.000 a 2 : Închiriere necondiţionată −8.000. Din păcate. Tabelul 2. a j ) pentru această problemă de decizie o obţinem direct din Tabelul 2. compania va aproxima valoarea medie a rezultatelor prin cele patru valori estimate iniţial. cea mai bună acţiune este a1 . Stările naturii pentru această problemă sunt: θ1 : 1. 100. în timp ce dacă θ = θ 4 .2.000 litri/sursă θ3 : 100.5. respectiv acţiunea cu cea mai mică pierdere.000 litri apă minerală / sursă.000 −8. cu menţiunea că valorile negative ale pierderii reprezintă. În lipsa datelor de experimentare. adevărata stare a naturii nu este în general cunoscută. θ 4 : 0 litri apă minerală / sursă. profit (în Tabelul 2.000 şi 0. cea mai bună acţiune este a2 .000 litri/sursă. stările naturii sunt deci valorile posibile ale mediei variabilei aleatoare reprezentate de cantitatea de apă minerală rezultată în urma forajului. dacă θ = θ1 .000 −15.θ 3 . θ 3 : 100.000 −8.000 0 −8.000.000 litri apă minerală / sursă. atunci. Astfel. Funcţia de pierdere L(θ1 . În contextul problemei noastre de foraj. În exemplul nostru. pe baza datelor de pierdere din Tabelul 2. închirierea necondiţionată a terenului.000 litri/sursă θ4 : 0 litri/sursă a1 : Foraj −90.000.000 litri apă minerală / sursă. adică 1.000.000. cu valoarea medie necunoscută. Rezultă spaţiul stărilor Θ = {θ1 .000.000 litri/sursă θ2 : 500.θ 4 } . θ 2 : 5000. a3 }.6 – Funcţia de pierdere pentru problema forajului θ1 : 1. respectiv 1. Am văzut anterior că stările naturii sunt caracterizate printr-un parametru al unei familii de distribuţii de probabilitate. ar fi simplu să alegem acţiunea corectă. modelul statistic pentru problema de foraj este constituit dintr-o variabilă aleatoare reprezentată de cantitatea de apă minerală găsită în urma forajului.000 0 Regula de decizie minimax Dacă adevărata stare a naturii θ ar fi cunoscută. a2 . rezultatul potenţial al forajului poate fi văzut ca fiind valoarea medie a unei variabile aleatoare. În problema noastră de foraj. de fapt. iar alegerea acţiunii corecte nu este simplă. 500.000 0 6.5 de profituri estimate. .6 APLICAŢII 51 şi deci spaţiul de acţiune este A = {a1 .6).θ 2 .

6) şi obţinem valorile max (L(a1 .000.52 CAPITOLUL 2 – NOŢIUNI DE TEORIA DECIZIEI Aplicarea regulii minimax cere decidentului să găsească pierderea maximă pentru fiecare din acţiunile sale şi să aleagă acţiunea cu cea mai mică pierdere maximă.50 .000 ⋅ 0. decidentul trebuie să aleagă acţiunea a2 − închiriere necondiţionată. (2. avem min (6. 15% au avut ca rezultat 500.000 litri/sursă.000 . decidentul poate să aibă anumite informaţii despre starea naturii. (2. Luând în continuare minimul acestor valori. Prob{θ = θ 4 } = pθ (θ 4 ) = 0. (2.15 + 0 ⋅ 0.10 − 40.000 .θ )] = ∑ L(a . denumită distribuţie iniţială (sau a priori) este adesea subiectivă şi depinde de experienţa sau de intuiţia decidentului. 25% au dus la 100.25 − 8. (2.000 .000 ⋅ 0.25 + 0 ⋅ 0. cu o pierdere negativă (profit) de −8. (2.117) L(a3 ) = M [L(a3 .15 .θ )) = 6.113) (2. funcţia de pierdere este dată de L(a ) = M [L(a .15 + 0 ⋅ 0.θ )] = −30.50 = −12.θ )] = −90.112) (2.000 litri/sursă şi circa 50% din foraje nu au găsit apă minerală. (2. Această distribuţie de probabilitate a convingerii.000 litri/sursă. 0 ) = −8. În cazul distribuţiilor discrete (aşa cum este şi cazul problemei noastre).111) Prob{θ = θ 2 } = pθ (θ 2 ) = 0.000 ⋅ 0. considerăm mai întâi maximul funcţiei de pierdere pentru fiecare acţiune (maximul pe fiecare linie din Tabelul 2.10 .000 . Aceste date pot fi transformate într-o distribuţie de probabilitate după cum urmează: Prob{θ = θ1} = pθ (θ1 ) = 0.10 − 15.000 ⋅ 0.15 − 8.115) k Pierderea medie pentru fiecare acţiune ai este dată de L(a1 ) = M [L(a1 .000 ⋅ 0.25 + 6. Utilizând deci regula minimax.250 . circa 10% au fost foraje de 1.000 ⋅ 0.000 ⋅ 0.118) . max (L(a2 . pe care să le transforme într-o distribuţie de probabilitate a convingerii sale privind starea naturii. Să presupunem că compania dispune de experienţă şi informaţii anterioare din care a concluzionat că la foraje similare.000 şi max (L(a3 . k ) pθ (k ) .114) Procedura de decizie Bayes indică decidentului să aleagă acea acţiune care minimizează pierderea medie evaluată în funcţie de distribuţia iniţială pentru toate stările posibile ale naturii.000.000.θ )) = −8. − 8.116) L(a2 ) = M [L(a2 .000 ⋅ 0. Regula de decizie Bayes În anumite situaţii.25 .θ )) = 0 .000 ⋅ 0.000€. Prob{θ = θ 3 } = pθ (θ 3 ) = 0. Rezultă că aplicând regula minimax.50 = −5.10 − 8.50 = −8.θ )] = −8.

2.000€. al cărui cost este de 2. să presupunem că compania poate să achiziţioneze un studiu geologic. cu o pierdere medie (profit) de −12.000 litri/sursă θ4 : 0 litri/sursă (1) 8 12 10 16 10 24 10 48 (2) 3 12 3 16 7 24 12 48 (3) 1 12 2 16 3 24 17 48 (4) 0 12 1 16 4 24 9 48 Valorile din tabelul anterior pot fi interpretate astfel: dacă forajul este de 500. pe baza . Informaţiile conţinute în studiul geologic permit clasificarea terenului în patru categorii. B. atunci aceste informaţii trebuie aplicate în procesul de adoptare a deciziei. DECIZIA CU EXPERIMENTARE Consideraţiile făcute până acum au presupus că decidentul a adoptat deciziile sale fără a utiliza informaţii rezultate din efectuarea unor experimente statistice privind problema de decizie. utilizând regula de decizie Bayes şi convingerea sa asupra distribuţiei de probabilitate a stării naturii.7 de mai jos. compania a obţinut datele din Tabelul 2.7 – Frecvenţele clasificării geologice Clasificarea geologică θ1 : 1.000 litri/sursă θ3 : 100.500€. atunci 3 16 este probabilitatea condiţionată ca să avem categoria (2) de clasificare geologică. Totuşi. decidentul va alege acţiunea a1 de foraj pentru găsirea de apă minerală.6 APLICAŢII 53 Rezultă că. X este o variabilă aleatoare şi poate fi văzută ca o funcţie a eşantionului de date. Revenind la problema forajului.000. Categoria (3) este o structură puţin favorabilă prezenţei apei minerale. Categoria (2) reprezintă o structură care este probabil să conţină apă minerală. Pe baza examinării şi a altor zone geologice similare (100 de astfel de examinări). Categoria (1) se referă la o structură geologică extrem de favorabilă prezenţei apei minerale. în timp ce categoria (4) denotă o structură geologică cu o probabilitate extrem de mică de a conţine apă minerală. dacă decidentul dispune de informaţii suplimentare rezultate din experimente.000 litri/sursă (starea naturii θ 2 ). care. atunci 17 48 este probabilitatea condiţionată ca nivelul de clasificare geologică să fie (3).000 litri/sursă θ2 : 500. Decidentul trebuie să aleagă o procedură de decizie sau o strategie. dacă forajul nu găseşte apă minerală (starea naturii θ 4 ). Notăm cu X informaţia obţinută prin experimentare dintr-un eşantion aleator. Tabelul 2.

24 24 ⎝ 24 24 ⎠ (2. să-i indice ce acţiune să aplice pentru fiecare valoare X = x .000 ⋅ apei minerale. dacă rezultatul este (2) sau (3). Notăm această funcţie cu d ( x ) .688 .500 .122) 10 9 12 17 − 8. d1 ) = −90. (2. este dată de valoarea medie a pierderii. d ) = M [L(d ( X )).167 . furnizată de procedurile Bayes. respectiv forajul pentru găsirea R(θ 4 . pentru x = 2 sau x = 3 . trebuie să-i explorăm consecinţele.000 ⋅ − 0 ⋅ ⎛⎜ + ⎞⎟ + 2. Să presupunem că evaluăm regula de decizie d1 . iar dacă rezultatul este (4) aplicăm a2 .000 ⋅ ⎛⎜ + ⎞⎟ + 2.000 ⋅ − 8. Deoarece acţiunea aplicată a este o funcţie care depinde de rezultatul variabilei aleatoare X.119) Să aplicăm abordarea de mai sus exemplului nostru. Dar.54 CAPITOLUL 2 – NOŢIUNI DE TEORIA DECIZIEI informaţiilor furnizate de experiment. pentru x = 1 d1 ( x ) = a2 . Pentru a evalua funcţia de decizie. pentru x = 4 d1 ( x ) = a3 . Observăm că funcţia de risc furnizează un mijloc de a defini optimalitatea. d ) . (2. d1 ) = 6.000 ⋅ − 30. Ştim că o măsură a consecinţelor aplicării acţiunii a = d ( X ) .000 ⋅ 0 − 30. cuantificată prin funcţia de risc R(θ .123) 48 48 ⎝ 48 48 ⎠ În relaţiile de mai sus. 12 ⎝ 12 12 ⎠ R(θ 2 . O funcţie de decizie optimală este aceea care minimizează riscul pentru fiecare valoare a lui θ .120) 10 1 3 2 − 8. Rezultă că acţiunea care minimizează riscul este d1 ( x ) = a1 . (2. . aplicăm acţiunea a3 .121) 16 16 ⎝ 16 16 ⎠ 10 4 7 3 − 8.250 . atunci a = d ( x ) va fi acţiunea aleasă.000 ⋅ + 0 ⋅ ⎛⎜ + ⎞⎟ + 2.000 ⋅ R(θ 3 .000 ⋅ ⎛⎜ + ⎞⎟ + 2.500 = 1. Atunci funcţiile de risc corespunzătoare sunt 8 3 1 R(θ1 . valoarea de 2. atunci când adevărata stare a naturii este θ .500 = 2. dar această acţiune nu este optimală. în majoritatea cazurilor.500 = −67. care în cazul discret are expresia R(θ . funcţia de decizie optimală nu există şi va trebui să considerăm o altă modalitate de găsire a deciziei optimale. Decidentul este interesat bineînţeles să aleagă funcţia de decizie optimală. conform căreia dacă rezultatul studiului geologic este (1) aplicăm acţiunea a1 . d1 ) = −40. atunci d ( X ) este şi ea o variabilă aleatoare şi pierderea asociată acestei acţiuni depinde de asemenea de rezultatele lui X.θ ] . Aceasta înseamnă d1 ( x ) = a1 .500 = −27. astfel încât dacă variabila aleatoare X ia valoarea x. d1 ) = 0 ⋅ (2.500 a fost costul studiului geologic.

atunci riscul Bayes este ∞ B(d ) = ∫−∞ R(d . pθ (k ) . denumită procedură de decizie Bayes.2. X ) o variabilă aleatoare bidimensională discretă.125) Principiul Bayes impune decidentului să aleagă funcţia d. Fie pθ (k ) distribuţia de probabilitate iniţială a lui θ . după analiza datelor experimentale. atunci funcţiei de risc i se poate aplica principiul Bayes. acestea vor fi încorporate în modelul de decizie. date fiind valorile X = x .000. arată că riscul Bayes corespunzător unei funcţii de decizie d şi unei distribuţii de probabilitate iniţiale a lui θ .6 APLICAŢII 55 Procedurile Bayes Dacă decidentul dispune de o informaţie anterioară despre starea naturii. (2. Totuşi. (1.124) k iar dacă mulţimea stărilor este continuă şi funcţia de densitate iniţială este pθ ( x ) . (2. k ) pθ (k ) . pentru o distribuţie discretă. Calculul distribuţiei posterioare Fie (θ . Această informaţie actualizată ne furnizează distribuţia posterioară a lui θ . respectiv π X ( j ) = ∑ pθX (k . dacă datele geologice clasifică terenul în categoria (4). pe baza distribuţiei iniţiale şi a datelor de experimentare.000 litri sau de 500. (2.127) poate fi utilizată pentru evaluarea distribuţiei de probabilitate a lui X. De exemplu. cu distribuţia de probabilitate pθX (k . Dar dacă sunt disponibile date despre starea naturii. vom actualiza distribuţia iniţială pe baza datelor despre starea naturii. (2. Atunci când nu sunt disponibile date suplimentare. procedura Bayes ne conduce la selectarea acţiunii care minimizează pierderea medie. Definim probabilitatea condiţionată π X θ =k ( j ) = Prob{X = j θ = k } . j ) = ∑ π X θ =k ( j ) ⋅ pθ (k ) . X ) expresia pθX (k . probabilitatea de a găsi surse de 1. care minimizează B(d ) . evaluată în funcţie de distribuţia iniţială a lui θ . informaţie ce poate fi descrisă în termenii unei distribuţii de probabilitate iniţiale.000 litri este extrem de redusă. care. j ) . Distribuţia posterioară a lui θ este reprezentată deci de probabilităţile condiţionate ale lui θ . j ) = π X θ =k ( j ) ⋅ pθ (k ) . x ) pθ ( x )dx .126) Pentru distribuţia bidimensională a lui (θ .128) k k . este dat de B(d ) = ∑ R(d .

114).129) şi considerând j = x (rezultatul experimentului). (2. π X θ =4 (3) = .10 + ⋅ 0.129) Egalând cele două forme ale expresiei pentru pθX . Să presupunem acum că studiul geologic a clasificat terenul ca fiind din categoria (3). Va trebui să evaluăm expresiile fθ X =3 (k ).25 + ⋅ 0. (2.2. π X θ =2 (3) = .136) 12 16 24 48 Valorile complete ale probabilităţilor condiţionate π X θ =k ( x ) ⋅ pθ (k ) şi ale = distribuţiei marginale π X ( x ) sunt calculate în Tabelul 2.4 .4 . obţinem distribuţia posterioară π X θ =k ⋅ pθ (k ) f θ X = x (k ) = . (2.127) şi (2. (2.2354 .7 ca fiind 1 2 3 17 . date fiind stările θ k şi aceste valori se obţin din Tabelul 2. valorile distribuţiei iniţiale de clasificare geologică a terenului pθ (k ) au fost date în relaţiile (1. π X θ =3 (3) = . unde fθ Avem X =3 (k ) = π X θ =k (3) pθ (k ) π X (3) .56 CAPITOLUL 2 – NOŢIUNI DE TEORIA DECIZIEI Să evaluăm acum distribuţia de probabilitate posterioară a lui θ . (2.3. j ) = fθ X=j (k ) ⋅ π X ( j ) .135) 12 16 24 48 Atunci distribuţia variabilei X evaluată pentru X = 3 rezultă π X (3) = π X θ =1 (3) ⋅ pθ (1) + π X θ =2 (3) ⋅ pθ (2) + π X θ =3 (3) ⋅ pθ (3) + π X θ =4 (3) ⋅ pθ (4) = π X θ =1 (3) = 1 2 3 17 ⋅ 0.3. din expresia pθX (k . (2. notată fθ X=j .131) f X ( x ) = ∑ f X θ =k (k ) . dat fiind X = j . k = 1.133) (2.132) k iar pentru f X ( x ) avem k Revenind la problema noastră. obţinută din π X ( x ) = ∑ π X θ =k ( x ) ⋅ pθ (k ) . π X θ =k (3) = Prob{X = 3θ = k }.15 + ⋅ 0.50 = 0.111) ÷ (1. Funcţia π X ( x ) este distribuţia variabilei X.134) probabilitatea ca terenul să fie clasificat din punct de vedere geologic în categoria (3).2. pentru calculul distribuţiei posterioare considerăm pθ (k ) distribuţia iniţială şi π X θ = x ( x ) distribuţia de probabilitate a variabilei aleatoare X evaluată pentru X = x. (2.8.130) π X (x) În sinteză. k = 1. respectiv relaţiile (2. .

date fiind valorile X = x .0250 0.0938 0.181 0. y ) fθ X = x ( y )dy .282 0. Tabelul 2.1771 0. pentru a determina procedura de decizie Bayes.2354 3 24 ⋅ 0.752 0.0000 0. 0.290 0.141) . unde ⎧∑ L(a .0281 0.137) 0. (2.3688 0.25 (2.138) 0.1042 0.133) şi obţinem: 1 12 ⋅ 0.2510 0.2354 Valorile complete ale distribuţiei posterioare a lui θ pentru problema noastră de decizie sunt calculate în Tabelul 2. (2.6 APLICAŢII 57 Tabelul 2.9 – Distribuţia posterioară a lui θ Clasificarea geologică (1) (2) (3) (4) fθ X =x (k ) θ1 θ2 θ3 θ4 0. aplicând relaţia (2.133 0.100 0.2354 17 48 ⋅ 0.1042 0.0667 0.0417 0.2. ⎪∑ L(a .112 0.0094 0.0188 0.035 .288 0.50 f θ X =3 ( 4 ) = = 0. k ) fθ X = x (k ).0083 0.647 În continuare. dacă θ continuă ⎪⎩ −∞ (2.000 0.1448 Putem să calculăm acum distribuţia posterioară pentru X = 3 .065 0.0938 0.139) fθ X =3 (3) = = 0.θ )] = ⎨ ∞ .254 0.140) 0. care este de fapt riscul Bayes estimat în funcţie de distribuţia posterioară f a lui θ . decidentul – având calculată distribuţia posterioară – va alege acţiunea care minimizează pierderea medie B f (a ) (inclusiv costul experimentării).080 0.133 .2354 0.282 0.2354 2 15 ⋅ 0.035 0.498 0.752 .080 .1250 0.9.8 – Probabilităţile π X θ = k ( x ) ⋅ pθ (k ) şi distribuţia marginală π X ( x ) π X θ =k ( x ) ⋅ pθ (k ) Clasificarea geologică (1) (2) (3) (4) π X (x) θ1 θ2 θ3 θ4 0. dacă θ discretă ⎪⎪ k B f (a ) = M [L(a .0313 0.15 f θ X =3 ( 2 ) = = 0. (2.10 fθ X =3 (1) = = 0.0729 0.

000 ⋅ 0.529 B f (a 3 ) Sintetizând valorile calculate pentru procedura Bayes se obţin datele din Tabelul 2.000 ⋅ 0.000 ⋅ 0. (2.500 Distribuţia marginală 0. procedura Bayes pentru X = 3 conduce la B f (a1 ) = M [L(a1 . pentru clasificarea geologică (3).11 Tabelul 2.251 0.035 − 15.752 + 2.10 – Valorile riscului Bayes pentru distribuţia posterioară x =1 x=2 x=3 x=4 B f (a1 ) -22.956 −5.500 -5.737 -2.500 = 642 B f (a2 ) = M [L(a2 . Să presupunem că experimentul ne poate furniza o „informaţie perfectă” despre starea naturii.035 − 40.10).142) . Aplicând procedura şi relaţiile de mai sus pentru toate valorile X = 1.θ )] = −30.000 ⋅ 0. iar pentru categoriile de teren (3) şi (4) acţiunea optimă este a2 – închirierea necondiţionată a terenului.000 ⋅ 0.500 −5.956 642 3.145 Rezultă că pentru categoriile de teren (1) şi (2) acţiunea optimă este a1 – forajul.752 + 2.080 + 0 ⋅ 0.500 B f (a3 ) = M [L(a3 .080 − 8. Tabelul 2.369 0. va trebui să determinăm valoarea potenţială pe care o pot aduce aceste experimente.000 ⋅ 0.3.58 CAPITOLUL 2 – NOŢIUNI DE TEORIA DECIZIEI Acum.133 . obţinem valorile riscului Bayes pentru distribuţia posterioară (Tabelul 2.168 243 1.795 B f (a 2 ) -5. Dar care este valoarea acestei „informaţii .500 -5.2.500 = −5.752 + 2. (2.080 + 0 ⋅ 0.000 ⋅ 0.11 – Procedura Bayes pentru problema forajului x 1 2 3 4 Acţiunea Bayes a1 a1 a2 a2 Riscul Bayes −22.4 . + 6.θ )] = −8.133 − 8.000 ⋅ 0.143) . pentru care pierderea medie este minimă.500 -5.133 (2.035 − 8.500 -6.000 ⋅ 0.θ )] = −90.246 -7. Valoarea experimentării Înainte de a apela la experimente privind starea naturii (care în majoritatea cazurilor au costuri semnificative).144) + 0 ⋅ 0.500 = 243 Rezultă că procedura Bayes pentru cazul X = 3 determină alegerea acţiunii a2 – închiriere necondiţionată.235 0.246 −7.

(2. studiul geologic furnizează o informaţie „imperfectă” care costă 2.149) adică o economie (pierdere negativă) de 2.292 − (− 9. Ţinând cont de probabilităţile iniţiale.000 .6 APLICAŢII 59 perfecte”? În aplicaţia noastră a problemei de foraj.10 − 40.000.145 − 5. Arborele de decizie Arborele de decizie pentru problema forajului est reprezentat în Figura 2.10 şi Tabelul 2.486 .145 = −12. Utilităţile afişate în nodurile de decizie şi de incertitudine ale arborelui corespund valorilor calculate anterior.500) este dată de diferenţa între suma ponderată definită în relaţia (2. suma ponderată a pierderilor Bayes. pentru a evalua diferenţa dintre adoptarea decizie după proceduri Bayes optimale şi neoptimale.145) Regula de decizie Bayes (fără experimentare) a condus la o pierdere medie de −12.2.688 ⋅ 0.167 ⋅ 0. (2.496 ) = −2. obţinem o valoare de 9. În nodurile de decizie au fost aplicate procedurile Bayes . care este de fapt costul informaţiei perfecte.000 ⋅ 0.956 ⋅ 0. obţinând ~ B = −67.50 = −21.805 . utilizând valorile date de relaţiile (2.000 ⋅ 0.292 − (− 12.500 ⋅ 0.251 − 5. calculăm riscul mediu ponderat pentru procedura neoptimală. este dată de M ( IP ) = −90.369 − 7. (2.15 + 1.147) care reprezintă economia (pierdere negativă) rezultată în urma adoptării unei proceduri de decizie optimale cu experimentare. adică ~ Lexp = B f − min (L(ai )) = −12.500 ⋅ 0.146) Atunci valoarea experimentării (fără costul de 2.25 + 2.000 ) = −292 . denumită pierderea medie necondiţionată cu experimentare este dată de ~ B f = −22.10 − 27. În fine. (2. respectiv cu date geologice. Ramura iniţială superioară reprezintă decizia fără experimentare. pe care o notăm cu M ( IP ) .148) obţinem ~ ~ Lopt = B f − B = −12. respectiv o pierdere mult mai mare decât în cazul pierderii medii cu informaţie perfectă. ca urmare a utilizării procedurii Bayes optimale în locul procedurii neoptimale.146) şi pierderea Bayes fără experimentare.246 ⋅ 0. Ramura iniţială inferioară reprezintă decizia cu experimentare.000 şi la acţiunea a1 . respectiv decizia fără utilizarea studiului geologic.500€.148) Scăzând valorile date de relaţiile (2.123) şi valorile probabilităţilor iniţiale.120) ÷ (2.146) şi 2.000 ⋅ 0. pierderea medie cu informaţie perfectă. (2.500 ⋅ 0.250 ⋅ 0. Făcând diferenţa între cele două valori de mai sus.25 − 8.000 ⋅ 0.292 .15 − 8.805€. Considerând datele din Tabelul 2.26.50 = −9.11.

257 a1 1.000 6.500 Cu date geologice x=2 −10.000 a2 a3 DECIZIE CU EXPERIMENTARE Figura 2.000 a2 Închiriere condiţionată −8.250 −27.668 a1 −8.295 x=4 −8.746 −27.000 a3 −6.456 a1 a2 −8.000 (0 1 −12.792 −4.000 a3 −14.60 CAPITOLUL 2 – NOŢIUNI DE TEORIA DECIZIEI (optimale şi neoptimale) de minimizare a riscului Bayes.000 a3 −5. DECIZIE FĂRĂ EXPERIMENTARE −90.737 −12.26 Arborele de decizie pentru problema forajului −8.000 Fără date geologice 0 (0 Închiriere necondiţionată −40.456 2. Acţiunile respinse au fost barate cu semnul .000 −1.746 a1 a2 −8.000 −971 .292 x=1 −10.858 a2 x=3 −8.000 a3 −2. Decizia adoptată este achiziţionarea studiului geologic.000 θ1 θ2 θ3 a1 θ4 Foraj −12.

. . . a j ). . θk L(θ 2 . Algoritmul are o organizare matriceală pentru a facilita utilizarea programelor de calcul tabelar. al Starea naturii θ1 L(θ1 ... a l ) L(θ 2 ... j = 1. a1 ) ..4: Se asociază costurile corespunzătoare consecinţelor şi alte costuri ale problemei de decizie.1: Se defineşte spaţiul de acţiune A = {a1 . L(θ k . DECIZIE FĂRĂ EXPERIMENTARE Pasul 1..6 APLICAŢII 61 2. max L θ . L(θ k . k . i = 1. P1.K . L(θ1 ..3: Se definesc consecinţele (θ i . . al ) θk L(θ k . a 2 .K ..K. respectiv se calculează minimul valorilor din ultima coloană a tabelului de mai sus: (2..150) min max L(θ . Θ şi X finite şi discrete. a1 ) L(θ 2 . a l ) L(θ 2 . P3. P1.K .. Regula de decizie minimax. al Starea naturii θ1 L(θ1 .. .. P2. a 2 ) .. a1 ) L(θ 1 . Pasul 3.. P1. a 2 ) .. L(θ1 . .. a j ( ) ( ) max L(θ .. P1.. a l ) . l i .2: Se defineşte spaţiul stărilor Θ = {θ1 . în algoritmul care urmează. a l ) .. a1 ) L(θ k . a l ) P3.. a1 ) max L θ . a 2 ) . Pasul 2. Definirea problemei de decizie. a 2 ) . a1 ) L(θ k .. respectiv cu funcţia de pierdere tabelară şi cu A .2 Algoritm de rezolvare a unei probleme de decizie Vom sintetiza modul de rezolvare a problemelor de decizie de tipul prezentat anterior.K ....2: Se aplică regula de decizie minimax. a 2 ) θ2 . l .. a1 ) L(θ1 .2. majoritatea problemelor de decizie pot fi formalizate cu ajutorul modelului prezentat în cadrul algoritmului. a 2 ) .. al }.1: Se bordează tabelul funcţiei de pierdere cu o coloană care conţine maximul valorilor funcţiei de pierdere din fiecare linie: Acţiunea a1 a2 ... j = 1. l . a l ) θ2 L(θ 2 ..θ k } . max L(θ ..1: Funcţia de pierdere se defineşte într-un tabel de forma: Acţiunea a1 a2 . În general. L(θ 2 .6. A... L(θ k .... Definirea funcţiei de pierdere.. . a j )..

. al ) pθ (2) .62 CAPITOLUL 2 – NOŢIUNI DE TEORIA DECIZIEI P3.1: Se calculează pierderea medie pentru fiecare acţiune a j [ ] L(a j ) = M L(θ . a1 ) pθ (k ) L(θ k .. Definirea probabilităţilor iniţiale. L(θ k . a j )⋅ pθ (i ) . respectiv min L(a j ).. a 2 ) pθ (2) . P5. a j ) = ∑ L(θ i .. a 2 ) pθ (k ) .. k ⎪k .. În caz contrar. al L(θ1 ... . Pasul 4. θk pθ (1) pθ (2) . . k (2. L(al ) P5. l .3: Se alege acţiunea corespunzătoare liniei pentru care s-a obţinut minimul.. .1: Se definesc probabilităţile iniţiale Prob{θ = θ i } = pθ (i ).2: Se aplică regula de decizie Bayes.. i = 1.K . a 2 ) pθ (1) L(θ 2 . pθ (k ) P4. i = 1... a1 ) pθ (1) θ2 L(θ 2 . Dacă pentru problema de decizie nu se utilizează informaţii rezultate din experimentare. . a1 ) pθ (2) a2 L(θ1 . al ) pθ (k ) L (a ) L(a1 ) L(a 2 ) . algoritmul continuă cu Pasul 4. j = 1.K .. se continuă cu Pasul 6. respectiv valori pozitive subunitare şi suma egală cu 1. Dacă sunt cunoscute valorile probabilităţilor iniţiale pentru distribuţia convingerii.. P5.3: Se alege acţiunea Bayes.. Regula de decizie Bayes..152) ⎨ = p i 1 ( ) ∑ θ ⎪ ⎩ i =1 Pasul 5..151) într-un tabel de forma: Starea naturii Probabilităţi iniţiale θ1 θ2 . corespunzătoare liniei pentru care s-a obţinut minimul.. (2. . θk L(θ k .. calculând minimul valorilor din ultima coloană a tabelului de mai sus. algoritmul se opreşte la acest pas. a l ) pθ (1) L(θ 2 . Dacă nu sunt disponibile informaţii despre distribuţia de probabilitate iniţială.153) i =1 într-un tabel de forma: Acţiunea a1 Starea naturii θ1 L(θ 1 . P4...K. k .. condiţii reflectate şi de relaţiile următoare: ⎧0 ≤ pθ (i ) ≤ 1.2: Probabilităţile iniţiale trebuie să verifice condiţiile de definire a probabilităţilor. . (2. . algoritmul se opreşte la acest pas...

K . . k ) 1 X =k . θ1 ) + C C R(d n . a2 ....K .. k X =k P6. θ 2 ) + C . i = 1. πθ 1 πθ X =k 2 X =1 2 X =2 .154) j =1 Datele se organizează într-un tabel de forma: x ( ) L(θ R(d n .... a j ⋅π θ 1 1 . .aj k ) )⋅π θ1 X = k . i ( ) k C R d n .2: Se specifică probabilităţile condiţionate π θi X =i . Definirea experimentului..3: Se determină riscul mediu minim: min R(d n . . ) L θ k .2. i = 1. cu relaţiile: R (d n .... Procedura Bayes cu probabilităţi iniţiale.. 2 θk . L θ k . R(d n . k . a jk ⋅ π θ1 X = k C R(d n ...K ... P6..θ )] + C = ∑ L(θ i . la care se adaugă costul experimentului C. l . într-un tabel de forma: θ1 x 1 2 . algoritmul se opreşte la acest pas. a j )⋅ π θi X = j + C . k πθ θ2 1 X =1 πθ 1 X =2 πθ πθ . . a j ⋅π θ X =1 2 1 X =2 P7. cu valorile 1.1: Se defineşte spaţiul de eşantionare X şi variabila aleatoare X.4: Decizia Bayes (neoptimală) constă din alegerea acţiunii pentru care s-a obţinut riscul mediu minim. θ k ) + C .. ..3: Se stabileşte costul experimentului C... ( L(θ L θ 1 . se continuă cu Pasul 8. X =k πθ πθ πθ k X =1 k X =2 . a j1 ⋅ π θ1 X =1 2 2 ( 2 . L θ 1 ... Pasul 7.63 2. θ k ) 1 ) )⋅π ( .θ i ). P7.. într-un tabel de forma: X 1 2 dn a j1 a j2 . θ 2 .θ j ) + C = M [L(d n ( x ). a j2 ⋅ π θ1 X = 2 .. ) L θ k . k . C R(d n . a j ⋅π θ ( 2 ..aj 1 θ1 X =1 .. .... θ1 ) R(d n . ( L(θ ...155) P7... k a jk P7.aj 2 ) )⋅π θ1 X = 2 ... În caz contrar. k .θ j + C L θ 1 .θ j ) . k (2... (2.. DECIZIE CU EXPERIMENTARE Pasul 6.. P6.1: Se stabilesc regulile de decizie d n ( x ) şi acţiunile a ji care se adoptă pentru fiecare valoare x = 1.. Dacă pentru problema de decizie nu se utilizează probabilităţi posterioare. . unde a ji ∈ A = {a1 ....2.K . i = 1.2: Se determină funcţia de risc mediu R (d n . al }. k .6 APLICAŢII B.

. k f θ (k ) + C ...1.. P8.1) f ∑ L(a .2) f ∑ L(a . cu relaţia de mai jos.1) f x=2 j1 θ (1) + C j2 θ (1) + C … ∑ L(a ..156) aplicând relaţia de mai sus pentru elementele din tabelele de la P6. π X θ = k ( x ) ⋅ pθ (k ) k θ1 x θ2 1 2 … πθ 1 X =1 pθ (1) πθ πθ 1 X =2 pθ (1) πθ k πθ πθ k X =1 pθ (k ) k X =2 pθ (k ) X =1 pθ (2) .. Procedura Bayes cu probabilităţi posterioare... k)f .1) f jk ∑ L(a .θ )] + C = ∑ L(ai .. πθ k X =k pθ (k ) π X (1) π X (2 ) … π X (k ) P8. iar datele se organizează într-un tabel de forma de mai jos: B f (ai ) + C = M [L(ai . πθ pθ (2 ) . în care se ţine cont şi de costul experimentului... Calculul probabilităţilor posterioare. i = 1. (2 ) X =1 … fθ X =k (k ) Pasul 9. k f θ (k ) + C θ (k ) + C … jk ) . … . (2. 1 π X (x) 2 X =k . (k ) f θ X = 2 (k ) … … fθ 2 … fθ k X =1 X =k (1) fθ fθ X =1 X =k fθ .... . iar în ultima coloană suma probabilităţilor condiţionate pe fiecare linie.2 şi P4. pθ (1) X =k θk … 2 .2..64 CAPITOLUL 2 – NOŢIUNI DE TEORIA DECIZIEI Pasul 8.2: Se calculează distribuţia posterioară f θ X = x (k ) = π X θ =k ⋅ pθ (k ) π X (x) ..1: Se determină riscul Bayes în funcţie de distribuţia posterioară. l . obţinându-se tabelul de forma de mai jos: k fθ X =x (k ) x θ1 θ2 … θk 1 (1) f θ X = 2 (1) (2 ) f θ X = 2 (2 ) .. date fiind valorile X = x . k ) fθ X =x (k ) + C .2) f jk … θ (2 ) + C … ∑ L(a ∑ L(a ∑ L(a x=k j1 j2 ) .1: Se calculează probabilităţile condiţionate posterioare π X θ =k ( x ) ⋅ pθ (k ) şi distribuţia marginală π X ( x ) .2. (2. . Datele sunt organizate ca în tabelul de mai jos. P9. P4...2) f j1 θ (2 ) + C … j2 θ (2 ) + C … … θ (1) + C ∑ L(a ..1 şi P8.157) k x =1 ( ) (a )+ C Bf aj +C 1 Bf j2 … ( ) Bf aj +C k ∑ L(a . care conţine produsul elementelor din tabelele de la P6. πθ 2 X =2 pθ (2 ) .

158) k P10. faţă de regula Bayes neoptimală: ~ ~ Lopt = B f − B . (2. Pasul 12.1: Se determină pierderea medie cu informaţie perfectă disponibilă: M ( IP ) = ∑ L(ak .2: Se alocă în nodurile de incertitudine. Concluzii.163) Pasul 11. (2.159) P10.2: Se stabileşte decizia privind acţiunile Bayes. (2.6: Se calculează economia ca urmare a aplicării procedurii Bayes optimale cu probabilităţi posterioare. considerând minimul valorilor pe coloană din tabelul de mai sus.1: Se trage concluzia asupra deciziei optimale iniţiale care trebuie adoptată. Arborele de decizie.160) P10.1: Se construieşte arborele de decizie. (2. P11.161) P10.4: Se determină valoarea experimentului (fără costul acestuia): ~ Lexp = B f − min L(a j ) .6 APLICAŢII 65 P9. P10. precum şi asupra secvenţei de acţiuni care trebuie adoptate pentru rezolvarea problemei de decizie.θ k ) + C ]⋅ pθ (k )} .2: Se calculează costul informaţiei perfecte: C ( IP ) = min L(a j ) − M ( IP ) .θ k ) ⋅ pθ (k ) .3: Se calculează pierderea medie necondiţionată cu experimentare: ~ B f = ∑ B f a jk ⋅ π X ( k ) . (2. .162) ( ) k k P10.2. (2. conform procedurii prezentate anterior. P12. Se obţine un tabel de forma: x Acţiunea Bayes Riscul Bayes 1 a j1 2 a j2 { ( ) } min {B (a )+ C } aj min B f a j + C min B f a j + C k … k 1 k j2 f … k k { ( ) } k Distribuţia marginală π X (1) π X (2 ) … π X (k ) Pasul 10. P11. Valoarea experimentului.5: Se calculează riscul mediu ponderat (cu regula neoptimală): ~ B = ∑ {[R(d n . valorile de risc calculate.

organizatorii festivalului vor înregistra o pierdere de 30. Astfel. a2 } .2: Spaţiul stărilor: Θ = {θ1 . θ 3 : Soare. La momentul respectiv.3: Consecinţe: Consecinţe (a1 . θ 2 : Nori.66 CAPITOLUL 2 – NOŢIUNI DE TEORIA DECIZIEI 2. iar dacă timpul va fi frumos şi însorit.000€. Un festival în aer liber este planificat să fie organizat într-un oraş la o anumită dată. . Profiturile care se estimează că se vor obţine în urma desfăşurării festivalului depind în cea mai mare măsură de starea vremii. organizatorii vor putea beneficia de un buletin meteo pentru prognoza vremii în perioada festivalului.θ1 ) (a2 .000€.3 Problema festivalului Vom aplica paşii algoritmului descris anterior pentru aşa-numita problemă a festivalului.6. Costul instalării echipamentului tehnic necesar desfăşurării festivalului este de 2. unde: a1 : Instalare echipament şi organizare festival. care este exemplificată şi rezolvată în continuare.θ1 ) (a1 . unde: θ1 : Ploaie.θ 2 . dacă pe durata festivalului cerul va fi înnorat. P1. dacă vor lua în considerare prognoza din buletinul meteo.000€. dacă vremea este ploioasă. pierderile vor fi de 10. de la o filială a unui institut meteorologic.θ 3 }. datorită numărului foarte redus de participanţi. festivalul va aduce un profit de 20.θ 3 ) (a2 .000€. iar festivalul ar fi anulat. P1. A. a 2 : Neinstalare echipament şi anulare festival. Să remarcăm faptul că suntem în faţa unei probleme de decizie fără experimentare (cazul A) dacă organizatorii festivalului (decidentul) nu utilizează prognoza meteo sau o problemă de decizie cu experimentare (cazul B). care a sintetizat datele de predicţie a vremii. pierdere care s-ar înregistra dacă echipamentul ar fi instalat. P1. DECIZIE FĂRĂ EXPERIMENTARE Pasul 1.θ 3 ) Acţiuni Organizare festival – instalare echipament Organizare festival – instalare echipament Organizare festival – instalare echipament Stări Ploaie Nori Soare Anulare festival – neinstalare echipament Anulare festival – neinstalare echipament Anulare festival – neinstalare echipament Ploaie Nori Soare . Definirea problemei de decizie.θ 2 ) (a2 .1: Spaţiul de acţiune: A = {a1 .θ 2 ) (a1 .

3: Decizia minimax: Acţiunea a2 – Neinstalare echipament şi anulare festival. Regula de decizie Bayes.θ1 ) (a2 .000 20.000 2. P4.000 Pasul 2.θ 2 ) (a2 . Regula de decizie minimax.000 –10.1: S-a bordat tabelul funcţiei de pierdere cu o coloană care conţine maximul valorilor funcţiei de pierdere din fiecare linie.6 APLICAŢII 67 P1.000 2. P3. Pasul 4. P5.000 30.000 2. Pasul 5.θ 3 ) (a2 .200 –6.40 P4.000 2.30 0.2: Regula de decizie minimax: min max L(θ . P3.000 2.10 0. P2.1: Pierderile medii pentru fiecare acţiune a j : Starea naturii Acţiunea θ1 θ2 θ3 L(a j ) a1 a2 3.2. Definirea probabilităţilor iniţiale. iar suma lor este egală cu 1). Definirea funcţiei de pierdere.1: Probabilităţile iniţiale sunt: Starea naturii θ1 θ2 θ3 Probabilităţi iniţiale 0.000 2.1: Funcţia de pierdere: Starea naturii Acţiunea θ1 θ2 θ3 max L(θ .θ 3 ) Profit –30.000 –20.θ1 ) (a1 .2: Probabilităţile iniţiale verifică condiţiile de definire a probabilităţilor (valorile sunt cuprinse între 0 şi 1.000 200 3. P3. a j ) a1 a2 30.000 10.4: Costuri (UM = €): Consecinţe Costuri (a1 .000 2.000 2.000 .000 1.θ 2 ) (a1 . a j ) = 2.000 600 –12.000 Pasul 3.000 .

P5.000 .000 1. P7.300 400 1.68 CAPITOLUL 2 – NOŢIUNI DE TEORIA DECIZIEI P5. respectiv anularea festivalului.200 2.2: Probabilităţile condiţionate ca urmare a experimentului sunt date în tabelul următor.900 P7.θ j ) + C 1.3: Costul experimentului C = 1. adică ţinerea festivalului.500 6.1: Regula de decizie d n ( x ) şi acţiunile: X 1 2 3 dn a2 a2 a1 Aceasta înseamnă că se va adopta acţiunea a 2 . P6. P7.900 . P6.400 400 3. x = 3 – Prognoză soare. P6.2: Calculul riscului mediu: x R(d n . . θ 3 ) 1 2 3 C R (d n . B.θ1 ) R(d n . x = 2 – Prognoză nori.3: Decizia Bayes: Acţiunea a1 – Instalare echipament şi organizare festival.000 1.θ i ) = −11.500 –11. DECIZIE CU EXPERIMENTARE Pasul 6.500 5.3: Riscul mediu minim: min R(d n . Procedura Bayes cu probabilităţi iniţiale.4: Decizia Bayes (neoptimală): Acţiunea a1 – organizarea festivalului. dacă prognoza meteo indică ploaie sau nori şi acţiunea a1 . cu valorile: x = 1 – Prognoză ploaie. Definirea experimentului.000 1.2: Regula de decizie Bayes: min L(a j ) = −6. i P7. dacă prognoza meteo indică timp însorit. θ 2 ) R(d n .500€ (costul studiului de prognoză meteo). variabila aleatoare X.1: Spaţiul de eşantionare X .100 200 400 –14. πθ i X =i x θ1 θ2 θ3 1 2 3 7/10 2/10 1/10 2/10 6/10 2/10 1/10 2/10 7/10 Pasul 7.

806 3.020 0.2. Procedura Bayes cu probabilităţi posterioare.1: Pierderea medie cu informaţie perfectă disponibilă: M ( IP ) = ∑ L(ak .19 0.500 –13.500 –13.06 0. P8.1: Riscul Bayes în funcţie de distribuţia posterioară: x B f (a1 ) + C B f (a2 ) + C x=1 x=2 x=3 9.122 0. k P10. P9.857 Pasul 9.563 0.316 0.19 0.500 3.200 .49 69 .316 0.500 1.32 Pasul 10.θ k )⋅ pθ (k ) = −11.395 1.375 0.200 .12 0.2: Decizia privind acţiunile Bayes: x Acţiunea Bayes Riscul Bayes Distribuţia marginală 1 2 3 a2 a1 a1 3.000 P9.01 0. Valoarea experimentului. P10.06 0.1: Probabilităţile condiţionate posterioare şi distribuţia marginală: π X θ =k ( x ) ⋅ pθ (k ) k π X ( x) x θ1 θ2 θ3 1 2 3 0.32 0. Calculul probabilităţilor posterioare.02 0.063 0.368 0.18 0. 0.42 0.49 P8.2: Costul informaţiei perfecte: C ( IP ) = min L(a j ) − M ( IP ) = 5.806 0.06 0.500 4.2: Distribuţia posterioară: fθ k X =x (k ) x θ1 θ2 θ3 1 2 3 0.07 0.6 APLICAŢII Pasul 8.

respectiv fără date meteo. În a doua parte a arborelui de decizie. Analizând însă informaţiile furnizate de valoarea experimentului.620 . Vom vedea în Capitolul 4 că acest algoritm.5: Riscul mediu ponderat (cu regula neoptimală): ~ B = ∑ {[R(d n . Arborele de decizie. Algoritmul prezentat aici pentru acest tip de probleme de decizie (respectiv pentru acele probleme de decizie în care avem distribuţii de probabilitate discrete) are avantajul organizării tabelare.27. şi utilizarea procedurii Bayes cu probabilităţi posterioare duce la aceeaşi decizie optimală.70 CAPITOLUL 2 – NOŢIUNI DE TEORIA DECIZIEI P10.4: Valoarea experimentului (fără costul acestuia): ~ Lexp = B f − min L(a j ) = 6. este aplicabil şi pentru situaţiile unor probleme de decizie bazate pe distribuţii de probabilitate continue. În prima parte a acestui arbore de decizie este reprezentată decizia fără experimentare. cu unele completări. Pasul 12. ceea ce permite utilizarea rapidă a unor programe de calcul tabelar.θ k ) + C ]⋅ pθ (k )} = −4.3: Pierderea medie necondiţionată cu experimentare: ~ B f = ∑ B f a jk ⋅ π X (k ) = −5. P10. decizia optimală o constituie alegerea unei proceduri de decizie fără experimentare şi a acţiunii de organizare a festivalului. ( ) k P10. Pasul 11. Se observă că această decizie nu este acceptabilă (ramura este barată).980 .000 .6: Economia ca urmare a aplicării procedurii Bayes optimale cu probabilităţi posterioare. k P10. În condiţiile unei proceduri de decizie cu experimentare. este reprezentată decizia cu experimentare.2: Valorile de risc calculate în cadrul algoritmului sunt reprezentate în nodurile de incertitudine. P11. P11. regula de decizie Bayes neoptimală a condus la aceeaşi acţiune de instalare echipament şi organizare a festivalului.1: Valorile funcţiilor de risc calculate conduc la concluzia că pentru problema noastră. De asemenea. P12. .1: Arborele de decizie pentru problema festivalului este reprezentat în Figura 2. respectiv decizia care are la bază informaţiile furnizate de studiul meteo. rezultă că costul studiului de prognoză meteo nu justifică opţiunea pentru o decizie cu experimentare. faţă de regula Bayes neoptimală: ~ ~ Lopt = B f − B = −640 . Concluzii.

30) θ 3 (0.500 x = 1 (0.24 0. .000 a2 Fără date meteo θ 3 (0.000 -20.120 2.000€.500 1.806 a2 4.806 -13.000 DECIZIE CU EXPERIMENTARE Figura 2.000 a1 -6.190) Cu date meteo a1 -7.2. 5.500 30.20€ / litru.4 Aplicaţii propuse A2.000 θ 2 (0.500 x = 3 (0.000€ în caz de timp noros şi profitul de 20.000 θ 2 (0.320) 3.000 θ 1 (0.000 Neinstalare 1.000€ în caz de timp însorit.000 9.2 (a) (b) k k=1 k=2 k=3 k=4 pθ (k ) 0.500 2.10) -6.27 Arborele de decizie pentru problema festivalului 2.48 Să se rezolve problema forajului. iar studiul de prognoză costă 1.000€ în caz de ploaie.16 0.500 a2 x = 2 (0.10) 2. Ce decizie se va adopta în problema festivalului dacă studiul de prognoză meteo va avea un cost de 500€? Să se rezolve problema festivalului dacă pierderea va fi de 15.000 2.1 (a) Să se rezolve problema forajului utilizând pentru probabilităţile iniţiale valorile din tabelul următor: (b) A2.6 APLICAŢII 71 DECIZIE FĂRĂ EXPERIMENTARE θ 1 (0.6.12 0.490) a1 -13. dacă profitul creşte la 0.60) 3.395 a2 3.000 1.30) Instalare a1 -6.60) 10.

deci în condiţiile unei decizii fără experimentare? Care este costul „informaţiei perfecte” ? Care este riscul Bayes. Să se stabilească acţiunea optimală cu ajutorul arborelui de decizie evaluat.000€ pentru risc scăzut. 35% sunt cu risc scăzut. Banca poate utiliza servicii de consultanţă de la o firmă specializată pentru evaluarea riscului creditului. pentru 80.500€ pentru risc ridicat. o firmă de producţie. Din studiile anterioare. 5. Accesul la firmele specializate în vânzarea de software îi garantează vinderea a 250 de pachete de programe. a rezultat că.000€. Costurile fixe pentru fabricaţie sunt de 60. costul studiului fiind de 1. risc mediu şi risc ridicat.4 O firmă a dezvoltat o nouă tehnologie de programare. care îi va permite să intre pe piaţa de software.000€. dacă se utilizează studiul de piaţă? Care este decizia optimală pentru procedura Bayes cu probabilităţi posterioare? Să se construiască şi să se evalueze arborele de decizie al problemei. dacă produsul va avea succes. Să se construiască şi să se evalueze arborele de decizie al problemei. Dacă alege să aplice noua tehnologie şi să producă software.000€. 45% cu risc mediu şi 20% cu risc ridicat. A2.200€. iar experienţa anterioară a arătat că prognoza de piaţă este corectă în două din trei cazuri. Să se stabilească acţiunea optimală cu ajutorul arborelui de decizie evaluat .3 O bancă trebuie să decidă acordarea unui credit de 50. alte alternative nefiind luate în considerare. respectiv fără a utiliza evaluarea firmei de consultanţă? Ce acţiune rezultă ca urmare a aplicării regulii de decizie Bayes fără experimentare? Care este valoare care se poate plăti pentru o „informaţie perfectă”? Să se determine decizia optimală pentru o procedură de decizie cu experimentare şi cu probabilităţi posterioare. vor fi vândute până la 1. profitabilitatea acţiunii va depinde de abilitatea de a vinde pachetul de programe în primul an de producţie. atunci clientul se va adresa altei bănci.72 CAPITOLUL 2 – NOŢIUNI DE TEORIA DECIZIEI A2. firma de consultanţă a furnizat următoarele nivele de evaluare a riscului creditului: Evaluarea firmei de consultanţă Scăzut Mediu Ridicat (a) (b) (c) (d) (e) (f) Rata reală a riscului creditului (%) Scăzut Mediu Ridicat 15 55 30 10 50 40 40 40 20 Ce decizie minimax rezultă în condiţiile unei decizii fără experimentare. Diferenţa între preţul de vânzare şi costurile variabile ale unui pachet de programe este de 60€. Din informaţiile de care dispune banca şi din experienţa anterioară. pentru firmele producătoare din categoria din care face parte şi noul client. Studiul de piaţă necesar pentru a stabili care dintre cele două nivele de vânzări sunt mai realiste costă 4. Dacă nu se acordă creditul. firma poate să îşi vândă drepturile sale de proprietate intelectuală asupra noii tehnologii. (a) (b) (c) (d) (e) (f) Ce acţiune va rezulta ca urmare a aplicării procedurii Bayes. fără utilizarea studiului de piaţă.000€ pentru risc mediu şi –7. Banca îşi clasifică clienţii după nivelul de risc referitor la rambursarea creditului în următoarele categorii: risc scăzut. Din analizele de marketing a rezultat că ambele alternative (producerea de software sau vinderea drepturilor de licenţă) au aceleaşi şanse se aplicare.000 de pachete de programe. Pe de altă parte. Ca alternativă la producţia de programe.000€ unui nou client. Dacă se acordă creditul. atunci profitul aşteptat este de 10.

vom începe simularea prin generarea variabilelor aleatoare care modelează evenimentele sistemului. sistemul este descompus în elementele sale componente a căror comportare poate fi descrisă în termenii unei distribuţii de probabilitate. simularea are mai multe sensuri. În model sunt integrate şi relaţiile între elementele sistemului. Rezultatul este o simulare a modului de funcţionare în timp a sistemului. Primii care au utilizat acest termen au fost J. în condiţii de incertitudine. termenul simulare a fost folosit pentru prima dată la începutul anilor ’40. tehnicile de simulare implică construirea unui model de natură statistico – matematică. Un model de simulare descrie funcţionarea unui sistem în termenii evenimentelor individuale ale componentelor sistemului analizat. utilizând eşantioane aleatoare generate cu ajutorul calculatorului electronic. În contextul problemei de management al riscului. reprezenta sau imita ceva. von Neumann şi S. Termenul simulare provine din cuvântul latin „simulatio”. pe care o înregistrăm. folosind distribuţiile de probabilitate corespunzătoare. După construcţia modelului. pentru fiecare din stările posibile ale sistemului şi pentru intrările în sistem. Totuşi. aplicarea simulării Monte Carlo se utilizează pentru evaluarea riscului asociat evenimentelor sistemului analizat. asociată tehnicilor se simulare numerică. În general. În particular. Ulam.3 TEHNICI DE SIMULARE 3. Din punct de vedere statistic. Experimentele se realizează 73 . în limbajul uzual. în cadrul proiectului Manhattan de construire a primei bombe atomice americane. În matematică. diversitate regăsită şi în semnificaţia termenului de simulare în diferite ramuri ale ştiinţei. care înseamnă capacitatea de a reproduce. simularea este o tehnică de realizare a experimentelor de eşantionare privind modelul sistemului. Procesul se repetă de mai multe ori pentru diferite alternative şi configuraţii (scenarii) ale componentelor sistemului. În aceeaşi perioadă.1 CONSTRUCŢIA UNUI MODEL DE SIMULARE Simularea este o metodă prin care se realizează reprezentarea modelului unui sistem pentru a analiza comportarea sau performanţele acestuia. echipa de matematicieni şi fizicieni de la Los Alamos a introdus pentru prima dată şi metoda „Monte Carlo”.

În general. (8) Planificarea experimentului de simulare. (6) Construirea algoritmului simulării. În consideraţiile care urmează ne vom concentra numai asupra anumitor etape ale experimentelor de simulare. în loc să se utilizeze valori medii. Sistemul este descompus într-o serie de componente care sunt reprezentate în diagrama de flux şi pentru care sunt stabilite regulile de operare. mult prea costisitoare sau consumatoare de timp. Este recomandat să se aplice ultima alternativă. Trebuie remarcat faptul că modelul de simulare nu va putea să fie o reprezentare completă a sistemului real. combinarea performanţelor medii ale componentelor sistemului poate să conducă la rezultate care să se îndepărteze evident de comportarea sistemului în general. de obicei. realizarea unui experiment de simulare este un proces complex. care se desfăşoară în următoarele etape principale: (1) Formularea problemei. respectiv la cele legate de generarea celor mai importante variabile aleatoare. deoarece efectuarea experimentelor asupra unui model real este. Aceste reguli de operare furnizează evenimentele care vor fi generate cu ajutorul unor variabile aleatoare. pentru a elimina anumite comportamente particulare posibil să apară în datele istorice. (5) Evaluarea performanţelor sistemului şi testarea parametrilor.74 CAPITOLUL 3 – TEHNICI DE SIMULARE asupra unui model. . Primul pas în realizarea unui studiu de simulare este dezvoltarea unui model care să reprezinte sistemul analizat. Dacă comportarea unui anumit element nu poate să fie prognozată. (7) Validarea algoritmului de simulare. atunci este preferabil să se genereze valori aleatoare din distribuţia de probabilitate care modelează elementul respectiv. cele care se utilizează cel mai frecvent în tehnicile de simulare asociate riscului. În multe cazuri. (3) Elaborarea modelului de simulare. trebuie efectuate cu ajutorul unui calculator. Experimentele de simulare. O problemă care se pune atunci când alegem distribuţia de probabilitate pentru model este legată de utilizarea distribuţiilor de frecvenţă ale datelor istorice sau de determinarea distribuţiilor care concordă cel mai bine din punct de vedere statistic cu aceste date. datorită volumului foarte mare de date care rezultă. (2) Colectarea şi prelucrarea primară a datelor. (9) Analiza datelor simulate. Acest pas implică reprezentarea sistemului printr-o diagramă (schemă) logică de flux. (10) Concluzia şi decizia asupra sistemului analizat. (4) Estimarea parametrilor sistemului analizat.

independente pe (0. care va justifica utilizarea acesteia în cele mai multe proceduri de generare a variabilelor aleatoare. problema generării unui şir de variabile aleatoare cu funcţia de distribuţie . 1] . b] ⎪ f ( x ) = ⎨b − a ⎪⎩0. u 2 .1) Parametrii statistici ai distribuţiei uniforme sunt media (valoarea medie sau valoarea aşteptată): a+b µ= . xn .2 GENERAREA VARIABILELOR ALEATOARE 3. u n este un şir de variabile aleatoare uniforme. Demonstraţie: Prin definiţie rezultă Prob{x < a} = Prob{F ( x ) < F (a )} = Prob{u < F ( a )} = F (a ) ■ (3.2) 2 şi dispersia (sau varianţa): σ2 = (b − a )2 . pentru x ∈ [0.2 Dacă u1 . respectiv aşa-numita „metodă inversă”.K . respectiv a = 0 şi b = 1 . avem valoarea medie: 1 2 µ= . atunci x1 . este un şir de variabile aleatoare independente a căror distribuţie este F şi Φ = F −1 . dacă x ∈ [a . (3. 1) .1 Fie x o variabilă aleatoare oarecare a cărei funcţie de distribuţie cumulativă este F(x) şi fie u o variabilă aleatoare uniformă pe (0. unde xi = Φ (ui ) . (3.5) 12 Vom demonstra în continuare o proprietate extrem de importantă a distribuţiei uniforme. dacă inversa F are o expresie analitică uşor de calculat.2.2 GENERAREA VARIABILELOR ALEATOARE 3.1 Metoda inversă Majoritatea metodelor de generare a numerelor aleatoare se bazează pe distribuţia uniformă. (3. Conform lemei anterioare.75 3. σ2 = Lema 3. care are funcţia de densitate de probabilitate: ⎧ 1 . în caz contrar (3.6) Consecinţa 3. (3. x2 .K . Dacă Φ este inversa funcţiei F. 1) . atunci variabila aleatoare X = Φ (u ) are funcţia de distribuţie F.4) şi dispersia: 1 .3) 12 În particular.

iar metodele aproximative de calcul nu conduc în toate situaţiile la algoritmi satisfăcători.1 – Distribuţia uniformă Distribuţia triunghiulară Distribuţia triunghiulară se utilizează ca model pentru estimările duratelor sau costurilor activităţilor în modelele de simulare a riscului în proiecte. xn . u n uniforme pe (0. (3.000 3. Răspândirea acestei distribuţii este datorată şi faptului că parametrii distribuţiei sunt determinaţi de o valoare minimă a. xmax = 4.60 .010 0.20 Figura 3. deoarece nu întotdeauna putem să calculăm direct inversa F −1 . o valoare de bază m (cea mai probabilă sau plauzibilă) şi o valoare maximă b.K.005 0.8) În Figura 3. generăm un şir de variabile aleatoare uniforme ui ∈ (0. cum ar fi utilizarea teoremei limită centrale. unde xi = F −1 (ui ) .7) Metoda inversă nu este o metodă generală. u 2 .60 3. vom analiza şi alte procedee de generare a variabilelor aleatoare.76 CAPITOLUL 3 – TEHNICI DE SIMULARE F(x) se reduce la generarea unui şir de variabile aleatoare u1 .015 0.00 4. 3.2 Generarea variabilelor aleatoare continue Distribuţia uniformă Pentru a genera un şir de valori xi ∈ [a . De aceea. (3.40 şi probabilitatea p = 0. b] uniforme. 0.2.80 4. 1) şi apoi la calculul valorilor x1 . Atunci media distribuţiei triunghiulare este: .020 0. 1) şi apoi xi = a + (b − a ) ⋅ ui .01 .K .1 este reprezentată distribuţia uniformă pentru un eşantion simulat cu un efectiv de 100 de valori şi cu xmin = 3. x2 .

avem: 1 − e − λx = u . b] dintr-o distribuţie triunghiulară.00 şi cu valoarea maximă b = 2. 3 µ= 77 (3.2 GENERAREA VARIABILELOR ALEATOARE a+m+b .9) iar dispersia σ2 = (b − a )2 + (m − a ) ⋅ (m − b ) .13) şi distribuţia cumulativă Pentru a exemplifica metoda inversă de generare a unei variabile aleatoare exponenţiale. (3.10) 18 Pentru a genera un şir de valori xi ∈ [a .80 .000 1. Atunci pentru a obţine şirul de variabile aleatoare triunghiulare.015 0.12 Figura 3.14) e − λx = 1 − u .2 – Distribuţia triunghiulară Distribuţia exponenţială negativă Distribuţia exponenţială are densitatea de probabilitate f ( x ) = λ e − λx . generăm perechi de variabile aleatoare uniforme ui1 .2 este reprezentată distribuţia triunghiulară pentru un eşantion simulat cu un efectiv de 100 de valori. xi = a + (b − a ) ⋅ 0. cu valoarea minimă a = 1. t ≥ 0 .15) de unde . (3.20 .3.025 0. (3. valoarea cea mai probabilă m = 2. 1) şi apoi ui1 + ui2 .010 0.005 0.020 0.88 1. ui2 ∈ (0. (3. utilizăm proprietatea că media a două variabile aleatoare uniforme are o distribuţie triunghiulară.96 2. (3.11) 2 În Figura 3.12) F ( x ) = 1 − e − λx . (3. t ≥ 0 .80 1.04 2.

21) Distribuţia Weibull cu parametrii α = 2 şi β = 1 este reprezentată în Figura 3.7 5.20) Procedând ca în exemplul anterior.1 0.1 0.1 10.3 27 Figura 3.19) cu funcţia de distribuţie cumulativă: f ( x ) = 1 − e −( x β ) .1 0.5 16. .2 0. obţinem pentru parametrul de formă α şi parametrul de scală β .9 21.0 0 2.17) 1 x = − ln(1 − u ) .2 18.78 CAPITOLUL 3 – TEHNICI DE SIMULARE Prin logaritmare naturală obţinem succesiv ln (e − λx ) = ln(1 − u ) .0 0. cea mai des utilizată distribuţie şi în modelele de simulare. α = 3. α (3.8 13. are funcţia de densitate: α⎛x⎞ f ( x ) = ⎜⎜ ⎟⎟ β ⎝β ⎠ α −1 e −( x β ) . care este: x = β ⋅ α − ln(1 − u ) . β > 0 .6 şi β = 1 ). (3.4 8. (3. (3. 0.4.3. (3.1 0.0 0. β > 0 . α (3. x ≥ 0 . distribuţia Weibull se apropie suficient de mult de forma distribuţiei normale. α > 0 . relaţia pentru generarea unei variabile aleatoare Weibull prin metoda inversă.1 0.18) şi de unde λ Distribuţia exponenţială negativă pentru λ = 2 este reprezentată în Figura 3. α > 0 . x ≥ 0 .6 24. care se utilizează pe scară largă în modelele de fiabilitate. Pentru anumite valori ale parametrilor de formă (de exemplu.3 – Distribuţia exponenţială negativă Distribuţia Weibull Distribuţia Weibull.16) − λx = ln(1 − u ) .

valorile pentru distribuţia gamma se obţin din: ln (1 − ui ) .8 3.020 0.99 6. cu media 1 kα are o distribuţie gamma cu parametrul de formă k (natural) şi cu media 1 α .1 1 1.005 0.2 9.01 5.3 Figura 3. β > 0 .9 2.20 0.97 Figura 3.5.7 4.2 GENERAREA VARIABILELOR ALEATOARE 79 0.00 0. generând un şir de numere aleatoare uniforme u1 . x ≥ 0 .23) Utilizăm proprietatea că suma a k variabile aleatoare exponenţiale independente.3.40 0. (3. (3. 0. Atunci.4 – Distribuţia Weibull Distribuţia gamma Distribuţia gamma are funcţia de densitate de probabilitate: xα −1e − x β f (x) = α .10 0.30 0. α > 0.1 10 .4 7. kα ⎩ i =1 ⎭ (3.K .25) k x=∑ relaţie care se reduce la x=− Distribuţia gamma cu parametrii α = 2.000 5.50 5.010 0.015 0. u k . − kα i =1 (3.5 6.6 5.22) β Γ (α ) ∞ Γ (α ) = ∫0 xα −1e − x dx .24) 1 ⎧ k ⎫ ln ⎨∏ (1 − ui )⎬ . u 2 .025 0.5 – Distribuţia gamma 8.5 şi β = 1 este redată în Figura 3.48 6.

Γ (α + β ) (3. α > 0. β ) (3.3 0. Distribuţia normală are densitatea de probabilitate: ( x − µ )2 − 1 2 f ( x) = e 2σ .0 0. x Γ ( k . β > 0 . printre altele.8 1.1 0. cu media µ şi dispersia σ 2 . β ) = ∫ x α −1 (1 − x )β −1 dx = 0 (3.4 0.6 – Distribuţia beta Distribuţia normală Vom aplica mai întâi o metodă relativ simplă de generare a variabilelor aleatoare provenind dintr-o populaţie normală. x2 .0 1.26) Γ (α )Γ (β ) .4 0.2 1.6 1. β ) unde 1 B(α .28) Distribuţia beta cu parametrii α = 3 şi β = 2 este reprezentată în Figura 3.0 Figura 3.6. Fie un eşantion x1 . pentru modelarea duratei de realizare a activităţilor în metoda drumului critic – are densitatea de probabilitate: f (x) = xα −1 (1 − x )β −1 . iar variabila aleatoare beta va fi: xΒ (α . deci metoda inversă nu este aplicabilă.2 0.9 1.7 0. metodă bazată pe teorema limită centrală.29) σ 2π dar nu avem o formă a distribuţiei cumulative.8 0. β ) = xΓ (k .α ) şi xΓ (k . 0 ≤ x ≤ 1.0 0. β ) .6 0.8 0. conform relaţiei anterioare. α ) + xΓ ( k .K .5 0. media valorilor eşantionului tinde . B(α .0 0. 2. xn de valori dintr-o populaţie oarecare.80 CAPITOLUL 3 – TEHNICI DE SIMULARE Distribuţia beta Distribuţia beta – care se utilizează.27) Atunci. (3. α ) .2 0.6 0. Conform teoremei limită centrală.4 1. vom genera mai întâi două variabile aleatoare gamma xΓ (k . pentru generarea unei variabile aleatoare beta.

De aici.33) σ explicităm pe x şi obţinem relaţia pentru o variabilă aleatoare cu media µ şi abaterea standard σ . uniforme şi independente pe (0.1) .36) sunt variabile aleatoare normale independente N (0. s = v12 + v22 . 1) . 1) . care se bazează pe următoarea teoremă (Box şi Müller): Teorema 3.K . cu media µ = 1 şi 2 1 .32) dispersia σ 2 = care este o metodă rapidă aproximativă pentru generarea unei variabile aleatoare standardizate. Atunci.3. (3. adică x + x + K + x n − nµ z= 1 2 ⎯n⎯ ⎯→ N (0. obţinem: z = u1 + u 2 + K + u12 − 6 . →∞ σ n 81 (3.2 GENERAREA VARIABILELOR ALEATOARE către distribuţia normală standardizată. . o distribuţie aproximativ normală cu media µ = şi dispersia σ 2 = 2 12 şi putem scrie n u1 + u 2 + K + u n − 2 ⎯⎯ z= ⎯→ N (0. v2 = 2u 2 − 1 .34) O altă metodă relativ simplă de generare a variabilelor aleatoare normale este metoda polară.30) Dacă u1 .1) .31) n →∞ n 12 Înlocuind n = 12 în relaţia de mai sus. u n sunt variabile uniforme pe intervalul (0. conform teoremei 12 n n limită centrală. (3. atunci variabilele aleatoare z1 = v1 − 2lns − 2lns . u 2 . (3. z 2 = v2 s s (3. (3. Se calculează v1 = 2u1 − 1 şi v2 = 2u 2 − 1 .3 Dacă u1 şi u 2 sunt două variabile aleatoare uniforme independente pe intervalul (0. respectiv x = µ + zσ . s < 1 . (3. pe baza teoremei de mai sus. din relaţia de standardizare: x−µ z= . 1) . . 1) . atunci suma celor n variabile uniforme va avea.35) unde v1 = 2u1 − 1 . algoritmul de generare a variabilelor aleatoare normale cu metoda polară constă din următorii paşi: Pasul 1: Se generează două variabile aleatoare u1 şi u 2 .

94 1. În general. Pasul 3: Pasul 4: Dacă s ≥ 1 se revine la Pasul 1.7 – Distribuţia normală Distribuţia lognormală Atunci când modelul pe care îl analizăm este asimetric.7.38) unde ⎡σ 2 ⎤ σ y2 = ln ⎢ x2 + 1⎥ . z 2 = − 2lnu1 ⋅ sin (2πu 2 ) . generarea unei valori aleatoare a lui x se poate face cu .40) şi Rezultă de aici că atunci când media µ x şi dispersia σ x2 ale unei variabile lognormale x sunt cunoscute. 0. distribuţia lognormală poate fi un model statistic mai bun.88 0. ⎣ µx ⎦ (3.015 0.70 0.020 0.06 1.18 1.12 1. 2 ⎣ µx ⎦ (3.82 CAPITOLUL 3 – TEHNICI DE SIMULARE Pasul 2: Se calculează s = v12 + v22 .39) 1 ⎡σ x2 ⎤ µ y = lnµ x − ln ⎢ 2 + 1⎥ . variabila aleatoare x este o variabilă lognormală dacă y = lnx este o variabilă aleatoare normală.00 şi σ = 0. având densitatea de probabilitate: f ( y) = 1 σ y 2π e 1 ⎛ y−µ y − ⎜ 2 ⎜⎝ σ y ⎞ ⎟ ⎟ ⎠ 2 . Se calculează z1 = − 2lnu1 ⋅ cos(2πu 2 ) . O reprezentare a distribuţiei normale cu parametrii µ = 1. (3.025 0.10 este redată în Figura 3.37) care sunt variabile aleatoare normale standardizate şi independente.005 0.000 0.76 0.010 0.82 0. (3.00 1.030 0.24 Figura 3.

000 2. Pasul 2: Dacă u ≤ p . O reprezentare a distribuţiei lognormale cu parametrii media µ y = 3.95 3. Distribuţia Bernoulli Într-un experiment Bernoulli. Pasul 4: Se calculează x = e y . . Poisson. care va lua valoarea 1 în cazul unui succes (S) sau valoarea 0 în cazul unui eşec (F).025 0. binomială şi binomială negativă.49 3.010 0. atunci x = 1 .2 Generarea variabilelor aleatoare discrete Vom analiza în continuare metodele de generare a variabilelor aleatoare pentru principalele distribuţii discrete utilizate în simulare şi anume distribuţiile Bernoulli.58 2.2 GENERAREA VARIABILELOR ALEATOARE 83 următorul algoritm: Pasul 1: Se calculează σ y2 şi µ y conform relaţiilor (3. Se calculează y = µ y + zσ y .13 3. cu 0 ≤ p ≤ 1 .8 – Distribuţia lognormală 3. 0.39) şi (3.67 3. este o constantă. sunt posibile numai două de rezultate: succese (notate S) sau eşecuri (notate F). 1) .85 Figura 3. Presupunem că experimentele sunt independente.030 0.2. iar în caz contrar x = 0 . iar p. atunci q = 1 − p este probabilitatea înregistrării unui eşec.40).8. Pasul 2: Pasul 3: Se generează o variabilă aleatoare normală standardizată z.2 este redată în Figura 3.40 2. Atunci pentru generarea unei variabile aleatoare x de tip Bernoulli.77 2. putem aplica următorul algoritm: Pasul 1: Se generează o variabilă aleatoare u uniformă pe (0.015 0.22 2.020 0. Dacă p este probabilitatea de succes.3. geometrică.005 0.5 şi abaterea standard σ y = 1.31 3.

Dacă b < a . de exemplu.44) x! Se ştie că distribuţia Poisson este un model adecvat pentru repartiţia evenimentelor rare. Din relaţia de mai sus. şi vom folosi această proprietate pentru generarea variabilei Poisson x de parametru λ . 1. atunci x = i .43) ⎣ lnq ⎦ ± unde prin [a ]± am notat numărul întreg nenegativ cel mai apropiat de numărul real a. x = 0. se incrementează i := i + 1 şi se trece la Pasul 2.1. 2. . cum ar fi. Distribuţia Poisson O variabilă aleatoare discretă x Poisson de parametru λ are distribuţia de probabilitate p( x ) = λx e − λ . (3. Se generează o variabilă aleatoare u uniformă pe (0. 2. x ≥ 0 . (3. K . x=⎢ (3. K . Dacă b ≥ a . Reprezentarea distribuţiei Poisson pentru λ = 2.84 CAPITOLUL 3 – TEHNICI DE SIMULARE Distribuţia geometrică Dacă într-un şir de experimente Bernoulli notăm cu x variabila aleatoare care reprezintă numărul de eşecuri înregistrate până la apariţia primului succes.41) iar distribuţia cumulativă x F ( x ) = Prob{X ≤ x} = ∑ p ⋅ q i = 1 − q x +1 . şi aplicând metoda inversă. (3. obţinem succesiv: ⎡ lnu ⎤ − 1⎥ . 1) şi se calculează Pasul 3: Pasul 4: b := b ⋅ u . cu următorul algoritm: Pasul 1: Pasul 2: Se calculează a = e − λ şi se iniţializează b := 1 şi i := 0 .10 este redată în Figura 3. de unde provine şi numele distribuţiei.9.42) i =0 adică suma unei progresii geometrice. x = 0. Să notăm că variabila geometrică se poate obţine direct şi dintr-o variabilă Bernoulli. 1. atunci x este o variabilă aleatoare geometrică.5 şi x = 0. Dar acest interval de timp dintre două sosiri are o distribuţie exponenţială negativă. numărul de sosiri într-un sistem de aşteptare.2. Distribuţia de probabilitate a variabilei geometrice este f ( x ) = Prob{X = x} = pq x . care apar într-o unitate de timp.K .

20 0. n este numărul de încercări. are loc limita z= x − np ⎯⎯ ⎯→ N (0. Algoritmul de generare a variabilei binomiale x este următorul: Pasul 1: Se stabilesc valorile de intrare n şi p. (3.2 GENERAREA VARIABILELOR ALEATOARE 85 0. folosind valoarea lui Pasul 2: p în algoritmul descris mai sus.15 0. conform teoremei limită centrală. Pentru generarea directă a variabilei aleatoare binomiale x.9 – Distribuţia Poisson Distribuţia binomială Variabila aleatoare binomială reprezintă numărul de succese x în n experimente Bernoulli. având numeroase aplicaţii practice. Variabila aleatoare binomială se obţine din suma: n x = ∑ bi . q = 1 − p . npq n→∞ (3.00 0 1 2 3 4 5 6 7 8 9 10 Figura 3. mai ales în controlul statistic al calităţii. cu parametrii p şi n. se aplică următorul algoritm: Pasul 1: Se generează n variabile aleatoare bi de tip Bernoulli. Se calculează q =1 − p .25 0.K . x = 0. . Distribuţia binomială are forma: p( x ) = C nx p x q n− x .1.3. De asemenea.47) proprietate care poate fi folosită pentru generarea variabilei aleatoare binomiale.30 0. atunci când n este suficient de mare.45) unde p este probabilitatea de succes într-o singură încercare.46) i =1 Ţinând cont de parametrii distribuţiei binomiale x.1) . respectiv media µ = np şi dispersia σ 2 = npq . distribuţia binomială este frecvent utilizată datorită proprietăţilor de aproximare prin distribuţia normală.05 0.10 0. n . (3. iar x este numărul de succese în n încercări.

de parametri k şi p.50) x = ⎢ ⎝ i =1 ⎠ ⎥ . ⎢ lnq ⎥ ⎢ ⎥ ⎣ ⎦± unde prin [a ]± am notat numărul întreg nenegativ cel mai apropiat de numărul real a. şi atunci putem obţine un procedeu pentru generarea variabilei binomiale negative. Distribuţia binomială cu p = 0.86 CAPITOLUL 3 – TEHNICI DE SIMULARE Pasul 2: Pasul 3: Se generează o variabilă aleatoare normală standardizată z (cu una din metodele prezentate la distribuţia normală) Se calculează variabila aleatoare binomială [ ] x = np + z ⋅ npq ± .K .10 Distribuţia binomială Distribuţia binomială negativă Dacă pentru un şir de experimente Bernoulli. asemănătoare distribuţiei normale.00 0 2 4 6 8 10 12 14 16 18 20 Figura 3. utilizând relaţia: ⎡ ⎛ k ⎞⎤ ⎢ ln⎜ ∏ ui ⎟ ⎥ (3.12 0. Din definiţie rezultă că variabila aleatoare Pascal este o sumă de k variabile aleatoare geometrice. (3.20 0.48) unde prin [a ]± am notat numărul întreg nenegativ cel mai apropiat de numărul real a. notăm cu x variabila care reprezintă numărul de eşecuri înregistrate până la apariţia a k succese ( k > 0 ).1. x = 0.5 şi n = 20 este reprezentată în Figura 3. Se poate observa forma distribuţiei binomiale.16 0. de asemenea. faptul că distribuţia geometrică menţionată anterior este un caz particular al distribuţiei binomiale negative.49) Să remarcăm. (3. atunci x se numeşte variabilă binomială negativă (sau variabilă Pascal) şi are distribuţia de probabilitate: p( x ) = C xx + k −1 p k q x .08 0. . pentru k = 1 .10. 0.04 0.

3. riscul va avea o componentă economică. pe distanţe medii. respectiv preţul curselor charter pe oră şi preţul biletelor pe oră) şi în variabile aleatoare. În tabelul de mai jos sunt date valorile de bază pentru variabilele de intrare pentru un microbuz.3. Firma doreşte realizarea unei simulări a performanţelor sale economice (exprimate prin profitul anual) pentru anul următor.3 APLICAŢII 3. valori cu care au fost realizate calculele de eficienţă economică. Costul total a fost determinat calculându-se costurile variabile operaţionale pentru totalul orelor de transport. capacitatea ocupată a curselor planificate şi preţul biletelor pe ora de transport. deoarece ele se obţin pe baza valorilor simulate ale variabilelor aleatoare ale modelului. În final. transporturi de persoane pentru manifestări culturale şi sportive sau în alte scopuri. cu care efectuează transport interurban de persoane. costuri fixe). în ultimă instanţă. Modelul O firmă de transport are în dotare 5 microbuze luate în leasing. asociată pierderii sau profitului ca urmare a adoptării unei decizii cu caracter economic şi a acţiunii corespunzătoare aplicate. fie ele au o variabilitate inerentă.3 APLICAŢII 87 3.1.1 Simularea unei probleme de risc economic Vom exemplifica în continuare aplicarea metodei Monte Carlo de simulare a unei probleme în care riscul are o componentă economică. În majoritatea cazurilor. costuri operaţionale/oră. capacitatea curselor planificate. proporţia curselor charter. . cu orare şi trasee fixate şi curse charter. datorată mediului economic în care firma acţionează (respectiv variabilele: ore transport/an. pentru turism. Valorile variabilelor de indicatori economici (venitul total şi costul total) precum şi variabila de performanţă a modelului (profitul anual) au fost considerate variabile simulate. Venitul total a fost calculat avându-se în vedere: numărul total de ore de transport pe an. la care au fost adăugate costurile fixe. asupra cărora firma fie nu are un control direct. Modelul problemei de simulare este prezentat în Tabelul 3. la care s-a adăugat proporţia orelor curselor charter cu preţul pe oră al acestor curse. neplanificate. Cursele sunt de două tipuri: curse planificate. valorile obţinute au fost multiplicate cu numărul de microbuze. Variabilele de intrare în model au fost clasificate în variabile controlabile (cele asupra cărora firma are un anumit control şi le poate influenţa sau modifica.

500€. Capacitatea ocupată a curselor planificate a fost modelată printr-o distribuţie triunghiulară cu valoarea minimă 30%. Costurile operaţionale pe ora de transport au fost modelate printr-o distribuţie normală cu media 250 şi abaterea standard de 10.000 şi 10. pentru fiecare distribuţie în parte şi apoi la agregarea valorilor simulate în model.30 de a înregistra costuri fixe de 12. având un minim de 0.6. salarii) Indicatori economici Performanţa Profit anual Simularea Pentru variabilele aleatoare ale modelului.5 şi o valoare maximă de 0. se trece la simularea valorilor acestor variabile.25 de a realiza costuri fixe de 7. Tot printr-o distribuţie triunghiulară a fost modelată şi proporţia curselor charter în totalul orelor de transport anuale. pentru numărul de ore de transport anual a fost aleasă o distribuţie normală cu media de 800 de ore şi abaterea standard de 60 de ore.000 de valori simulate) şi se poate repeta de mai multe ori. au fost stabilite distribuţiile de probabilitate şi parametrii acestor distribuţii. pentru costurile fixe. probabilitatea 0. din datele istorice de care dispune firma şi din analizele de marketing.45 ca firma să aibă costuri fixe de 10. Simularea se realizează pentru un şir semnificativ de valori (în general între 1. .000€ şi probabilitatea de 0. În exemplul problemei noastre.000€ Simulată 20.500€.000€ Simulată Ore transport/an Costuri fixe (leasing.4. cu valorile simulate se calculează indicatorii economici şi apoi rezultă valorile pentru variabila aleatoare de profit anual.1 – Modelul problemei de simulare Variabile de intrare Valori Tip variabilă Preţ cursă charter/oră 250€ Controlabilă Preţ bilete/oră 130€ Controlabilă 800 ore Aleatoare Capacitatea curselor planificate 50% Aleatoare Proporţia curselor charter 0. o valoare probabilă de 0. valoarea probabilă 50% şi valoarea maximă 70%. asigurări.000€ Simulată Cost total 210. Cu parametrii stabiliţi pentru fiecare variabilă aleatoare a modelului. În fine. s-a optat pentru o distribuţie discretă cu probabilitatea 0.5 Aleatoare Costuri operaţionale/oră 250€ Aleatoare 10. Astfel.000€ Aleatoare Venit total 230.88 CAPITOLUL 3 – TEHNICI DE SIMULARE Tabelul 3.

3.3.000 30.971 -20.2 – Parametrii simulării Parametri Valori Media Abaterea standard Valoarea minimă Prima cuartilă (Q1) Mediana A treia cuartilă (Q3) Valoarea maximă 18.007 33. este prezentată în Figura 3.000 10.479 16.6 0. Tabelul 3.12 – Distribuţia cumulativă simulată 60. rezultatele simulării sunt prezentate în Tabelul 3.000 -10.827 20.1 0. 25 Frecvenţa 20 15 10 5 0 -30.2 GENERAREA VARIABILELOR ALEATOARE 89 Pentru exemplul firmei de transport.000 50.428 66.000 Profit anual Figura 3.0 -40.11 Histograma frecvenţei distribuţiei simulate Distribuţia cumulativă a variabilei simulate (profitul anual).977 Histograma frecvenţei distribuţiei simulate este redată în Figura 3.000 70.000 .0 Probabilitatea cumulativ 0.12.992 4.5 0. 1.8 0.000 80.2 0.4 0.2.000 0 20.11.3 0. obţinută din cumularea datelor de simulare.000 Profit anual Fig.9 0.000 40.000 -20.7 0.

56 = 0. de bază şi maxime ale variabilelor de intrare ale modelului. . P100% (care se mai numesc şi decile) sunt prezentate în Tabelul 3. rezultă pentru prima cuartilă ( Q1 = Q25% ) o valoare de 4.K . Se observă că media profitului se apropie destul de mult de valoare rezultată ca urmare a calculului profitului în modelului determinist (modelul fără variabile aleatoare din Tabelul 3.977€.000€ este aproximativ: Prob{X ≥ 20.358 66.3. probabilitatea ca firma să nu înregistreze pierderi – notând cu X variabila aleatoare reprezentată de profitul anual – este aproximativ probabilitatea: Prob{X ≥ 0} = 1 − Prob{X < 0} ≈ 1 − 0.194 7. iar a treia cuartilă ( Q3 = Q75% ) este egală cu 33.428€. Analizând cuartilele.12.25 de a avea un profit anual de 33. Centilele P0% .51) iar probabilitatea ca profitul anual să fie mai mare sau egal cu 20.026 29.Centilele distribuţiei simulate Centile P0% P10% P20% P30% P40% P50% Valori –20.500€.678 47.83 . cu valoarea minimă simulată este de –20. putem să evaluăm probabilităţile de a avea diferite valori ale profitului.992€ şi valoarea maximă 66. ceea ce înseamnă că cu probabilitatea 0.17 = 0.3 . P10% .000} ≈ 1 − 0.007 Centile P60% P70% P80% P90% P100% Valori 22.75 profitul anual va fi de circa 4.007 16.479€.000€. Tabelul 3.500€. (3.50 profitul anual va fi de 16.977 Gradul de certitudine în rezultatele obţinute prin simulare poate fi evaluat şi prin intermediul distribuţiei cumulative simulate din Figura 3.992 –6. adică cu probabilitatea 0.827€. Valoarea medie simulată a profitului anual este de 18.303 11. Amplitudinea valorilor simulate este de 87. cu o abaterea standard de 20.90 CAPITOLUL 3 – TEHNICI DE SIMULARE Să analizăm acum rezultatele simulării. Astfel.971€.000} = 1 − Prob{X < 20.44 .969€.1). adică probabilitatea 0. P90% . (3. mediana (sau cuartila Q2 = Q50% ) de 16.937 3.046 39. dar şi al reprezentării distribuţiei cumulative simulate. Etapele pentru realizarea analizei de senzitivitate sunt următoarele: (1) Se stabilesc valorile minime.007€.52) Analiza de senzitivitate Analiza de senzitivitate este o tehnică prin care sunt simulate reacţiile modelului la diferitele variaţii ale variabilelor de intrare. Cu ajutorul lor.

de obicei între 50% şi 150%. În acest scop se determină valorile minime. de bază şi cele maxime ale variabilelor de intrare ale modelului.500 250 130 800 50% 0.200 25% 40% 50% 60% 75% 0.000 70% 0. cu valorile variabilelor de intrare din tabelul de mai sus.6.5. valorile din Tabelul 3. cât şi pentru variabilele aleatoare. de bază şi maxime ale variabilelor de intrare Variabile de intrare Min Baza Max Preţ cursa charter/oră Preţ bilete/oră Ore transport/an Capacitatea curselor planificate Proporţia curselor charter Costuri operaţionale/oră Costuri fixe (leasing. respectiv venitul total şi costul total. sunt calculate restul variabilelor de ieşire ale modelului. 120% şi 150% ale valorilor variabilelor de intrare din modelul aplicaţiei noastră sunt date în Tabelul 3.5 ca . atât pentru variabilele controlabile (deterministe).000 8. Pentru analiza de senzitivitate.4 220 7. aceste valori sunt date în Tabelul 3. Tabelul 3.4.40 200 0. prin analiza amplitudinii şi a varianţei variabilelor de intrare. 80%.6 280 12.5 – Valorile 50% – 150% ale variabilelor de intrare Variabile de intrare 50% 80% 100% 120% 150% Preţ cursa charter/oră Preţ bilete/oră Ore transport/an Capacitatea curselor planificate Proporţia curselor charter Costuri operaţionale/oră Costuri fixe (leasing.500 Analiza multidimensională se realizează considerând o plajă de variaţie a fiecărei variabile de intrare în model.000 15. pentru fiecare element al tabelului.3.000 10. din care rezultă profitul anual. Analiza multidimensională a variaţiei valorice a profitului anual este prezentată în Tabelul 3. Valorile calculate pentru valorile 50%.50 250 0. cu un pas de variaţie din 10% în 10%. 100%. salarii) 225 110 600 30% 0.000 12. (3) Se efectuează analiza variabilităţii modelului. asigurări.25 125 0.000 În continuare.60 300 0. Valorile din acest tabel sunt obţinute considerând succesiv. Pentru aplicaţia anterioară.75 375 5.000 275 150 1. Tabelul 3. salarii) 125 65 400 200 104 640 250 130 800 300 156 960 375 195 1. un prim pas îl constituie stabilirea limitelor de variaţie ale variabilelor modelului.2 GENERAREA VARIABILELOR ALEATOARE 91 (2) Se efectuează analiza influenţei tuturor variabilelor asupra modelului (analiza multidimensională).4 – Valorile minime.5 250 10. asigurări.

000 Ore transport/an 40.000 15.000 20.000 120% 40.13.000 80% 0 –6. 120.000 26. salarii) Profit anual (valoric) 50% –30.000 20.6 .000 20.000 5. iar celelalte elemente din coloana 100%.000 20. De exemplu.000 46.000 22. prezentată în Tabelul 3.000 20.000€ ca urmare a unui preţ pe oră al cursei charter corespunzător variaţiei de 50% a acestui preţ se obţine considerând în modelul de calcul preţul de 125€ (din coloana 50% a tabelului de mai sus). asigurări.000 Profit anual 60.000 120.000 150% Proporţia curselor charter Costuri operaţionale/oră -60.000 –45.6 – Analiza multidimensională a variaţiei valorice a profitului anual Variabila de ieşire Variabile de intrare Preţ cursa charter/oră Preţ bilete/oră Ore transport/an Capacitatea curselor planificate Proporţia curselor charter Costuri operaţionale/oră Costuri fixe (leasing.000 85.000 –80. Tabelul 3.000 Preţ bilete/oră 80.000 –45.000 20.000 100% 20.000 5. s-a întocmit o fişă de analiză multidimensională a efectului variaţiei variabilelor de intrare asupra variabilei de ieşire.000 26.13 – Analiza multidimensională a variaţiei valorice a profitului anual O altă modalitate de analiză o constituie considerarea variaţiei procentuale a profitului ca urmare a variaţiei procentuale a variabilelor de intrare.6.000 –20.000 Capacitatea curselor planificate 0 50% -20.000 35.000 85. asigurări.000 Pe baza datelor din Tabelul 3.000 25.92 CAPITOLUL 3 – TEHNICI DE SIMULARE urmare a variaţiei.000 14.000 18.000 20.000 Pret cursa charter/oră 100. iar restul valorilor de calcul fiind cele corespunzătoare bazei (100%) din acelaşi tabel.000 35. salarii) Figura 3.000 14.000 70% 90% 110% 130% -40. respectiv o fişă cu mai multe variabile reprezentată în Figura 3.000 % modificare variabile intrare Costuri fixe (leasing.000 -80.000 46.000 –6. valoarea profitului de –30.000 150% 70.000 60.

salarii) 50% 80% 100% 120% 150% –150% –225% 25% –225% 175% 600% 0% –30% 70% –30% 130% 300% 100% 100% 100% 100% 100% 100% 200% 230% 130% 230% 70% –100% 350% 425% 175% 425% 25% –400% 125% 110% 100% 90% 75% Fişa de analiză multidimensională corespunzătoare datelor din Tabelul 3. iar altele un impact pozitiv. pentru variabilele costurile operaţionale. Cea mai importantă variaţie o prezintă variabila de costuri operaţionale pe oră.3. creşterea lor determină o scădere a profitului anual. proporţia curselor chartere şi costurile fixe.14 Analiza multidimensională a variaţiei procentuale a profitului anual Analiza de senzitivitate multidimensională pune în evidenţă faptul că o serie de variabile au un impact negativ asupra modelului. . aşa cum rezultă şi din reprezentările grafice ale fişelor multidimensionale. creşterea lor contribuind la creşterea profitului anual. precum şi preţul curselor charter.14. iar creşterea la 120% a costurilor operaţionale va duce la o scădere cu 100% a profitului. Impactul pozitiv cel mai important asupra modelului este dat de variabilele capacitatea şi preţul biletelor pentru cursele planificate. Astfel. Reducerea la 80% a costurilor ar duce la o creştere a profitului cu 300%.2 GENERAREA VARIABILELOR ALEATOARE 93 Tabelul 3.6 este reprezentată în Figura 3. asigurări. salarii) -400% -500% % modificare variabile intrare Figura 3. 700% Pret cursa charter/oră % modificare profit annual 600% 500% Preţ bilete/oră 400% Ore transport/an 300% 200% Capacitatea curselor planificate 100% 0% -100% 50% 70% 90% 110% 130% 150% Proporţia curselor charter Costuri operaţionale/oră -200% -300% Costuri fixe (leasing.6 – Analiza multidimensională a variaţiei procentuale a profitului anual Profit anual (procentual) Variabila de ieşire Variabile de intrare Preţ cursa charter/oră Preţ bilete/oră Ore transport/an Capacitatea curselor planificate Proporţia curselor charter Costuri operaţionale/oră Costuri fixe (leasing. asigurări. în timp ce celelalte variabile au un impact pozitiv.

000 12. asigurări. de bază şi maxime din Tabelul 3.000 20.000 22. Datele obţinute sunt prezentate în Tabelul 3. Datele sunt prezentate în Tabelul 3.500 Pe baza acestor date.000 20. Pentru aceasta.7% 84. cât şi ponderea variabilităţii fiecărei variabile în modelul simulat.5% 0.9% 99.000 Max 72. Variabilele sunt apoi sortate în ordine descrescătoare a valorii amplitudinii. asigurări.000 0. în raport cu datele de bază. în care sunt reprezentate valorile minime şi maxime ale fiecărei variabile. Tabelul 3. ordonate descrescător. vom studia amplitudinea fiecărei variabile.9% 10.7.000 40.500 20. vom calcula ponderea ei procentuală din totalul pătratului amplitudinilor. variind succesiv datele minime.000 20.15.0% Pentru analiză se construieşte aşa-numita „fişă tornado”.7 – Analiza limitelor variaţiei valorice a profitului anual Variabila de ieşire Variabile de intrare Capacitatea curselor planificate Costuri operaţionale/oră Preţ bilete/oră Preţ cursa charter/oră Ore transport/an Proporţia curselor charter Costuri fixe (leasing. similar ca la analiza multidimensională. Pentru ponderea varianţei variabilelor putem construi o diagramă Pareto.000 12.3% 2.7% 14.000 Baza 20. salarii) Profit anual (valoric) Min –32. considerând ponderea cumulată a fiecărei variabile aleatoare în totalul varianţei.000 48. Pentru calculul ponderii varianţei. pentru fiecare variabilă vom calcula amplitudinea ca fiind diferenţa – în valoare absolută – dintre valoarea maximă şi valoarea minimă corespunzătoare. salarii) Amplitudinea Varianţa (%) Cumulat (%) 104. aşa ca în Figura 3.500 26.000 0 10.500 14.6% 1.8.000 15.4. Tabelul 3.8 Analiza amplitudinii şi a ponderii varianţei Variabile de intrare Capacitatea curselor planificate Costuri operaţionale/oră Preţ bilete/oră Preţ cursa charter/oră Ore transport/an Proporţia curselor charter Costuri fixe (leasing.000 30. calculăm mai întâi valorile profitului anual.000 20.5% 98.000 69.6% 94.000 40.8% 5.9% 69.000 27.000 17.000 –4.000 20.9% 97. .94 CAPITOLUL 3 – TEHNICI DE SIMULARE Continuând analiza de senzitivitate.2% 100.000 44.000 20. vom calcula varianţa ca fiind pătratul amplitudinii şi apoi pentru fiecare variabilă.

000 Ab.25 P{12.8% 100.50 P{50.7% 40% 14. asigurări.3% Costuri fixe (leasing.7% 80% Ore transport/an 100% 69. salarii) Pret cursa charter/oră Preţ bilete/oră Costuri operaţionale/oră Capacitatea curselor planificate 0% Figura 3.000 -20.15 – Fişa tornado pentru amplitudine Diagrama Pareto pentru ponderea varianţei fiecărei variabile este redată în Figura 3.9% 97.6% 60% 94.000 Controlabilă Normală 25 30 35 700 1. salarii) Figura 3. Modelul economic avut în vedere este următorul: Indicatori Valori Distribuţia Parametri Min Baza Max Preţ unitar Unităţi vândute Costuri variabile unitare Costuri fixe 30€ 1. asigurări.2 Aplicaţii propuse A3.2 GENERAREA VARIABILELOR ALEATOARE -40.000 Capacitatea curselor planificate Costuri operaţionale/oră Preţ bilete/oră Pret cursa charter/oră Ore transport/an Proporţia curselor charter Costuri fixe (leasing.16.9% 20% 10.000€ Discretă - 10.2% Proporţia curselor charter 69.000 0 20.000}= 0.9% 99.300 12€ Triunghiulară Media = 1.000 60.9% 0.000 1.95 3. 120% 84.1 O firmă urmăreşte simularea fluxului de numerar net pentru vânzările unui anumit produs în anul următor.000 15.000 80.000 40.25 - 10 12 15 Cash flow net 12.15 – Diagrama Pareto pentru varianţă 3.0% 2.000€ 6.000}= 0.5% 98. std = 100 Min = 10 Baza = 12 Max = 15 P{10.000 - - .000}= 0.3.6% 1.5% 0.000 - 12.

96

CAPITOLUL 3 – TEHNICI DE SIMULARE
Valoarea de cash flow net a fost determinată de diferenţa dintre venitul total (1.000 x 30 =
30.000€) şi cheltuielile totale (1.000 x 12 + 12.000 = 24.000€). Preţul de vânzare fiind o
variabilă controlabilă, pentru celelalte variabile aleatoare ale modelului au fost stabilite, pe baza
datelor istorice de marketing, distribuţiile de probabilitate din tabelul de mai sus. De asemenea,
în tabel sunt date valorile minime, de bază şi maxime pentru variabilele modelului.
(a)
(b)
(c)
(d)

Să se construiască un model de simulare, histograma frecvenţei şi distribuţia cumulativă
simulată.
Care este probabilitatea ca firma să obţină profit din vânzarea produsului respectiv?
Care este probabilitatea c aprofitul să fie cel din modelul determinist, adică 6.000?
Să se realizeze analiza de senzitivitate pentru acest model.

A3.2 O firmă urmăreşte trebuie să decidă alegerea companiei de telefonie celulară, între două
firme, Alfatel şi Betafon. Pentru fiecare telefon al firmei, Alfatel oferă în cadrul abonamentului
de 29,99€ un număr de 400 de minute de convorbiri pe lună, iar ce depăşeşte acest număr de
minute se taxează cu 0,40€ pe minut. Betafon în cadrul abonamentului de 25,00€ oferă un
număr nelimitat de minute, dar convorbirile internaţionale sunt taxate cu 0,08 pe minut.
Modelul economic, din care rezultă alegerea firmei Alfatel, este dat în tabelul de mai jos:
Indicatori

Alfatel

Betafon

Cost abonament
Minute incluse
Minute adiţionale
Internaţionale
Convorbiri lunare
% convorbiri internaţionale
Număr minute convorbiri
internaţionale
Cost total
Cost economisit prin alegerea
Alfatel

29,99€
400
0,40€
0
400
30%

25,00€
Nelimitat
0
0,08€

120
29,99€

34,60€

4,61€

Datele istorice au relevat o distribuţie normală cu media 400 de minute şi abaterea standard de
20 minute pentru numărul de minute de convorbiri lunare, respectiv o distribuţie triunghiulară
cu minimul de 10%, valoarea probabilă de 30% şi maximul de 40% pentru procentul de
convorbiri internaţionale.
(a)
(b)
(c)
(d)

Să se construiască modelul de simulare, histograma frecvenţei şi distribuţia cumulativă
simulată.
Să se determine gradul de certitudine privind obţinerea de profit în urma alegerii Alfatel.
Care este probabilitatea ca firma să obţină profitul de 4,61€?
Să se realizeze analiza de senzitivitate pentru acest model, utilizând ca valori minime şi
maxime valorile rezultate din simulare pentru numărul de minute lunare şi procentul de
convorbiri internaţionale, iar ca valori de bază cele din tabelul de mai sus, respectiv 400
minute şi 30%.

4
MANAGEMENTUL RISCULUI ÎN
CALITATE ŞI FIABILITATE
4.1 O PROBLEMĂ DE DECIZIE ÎN CALITATE
Unul din domeniile în care riscul poate avea influenţe deosebit de importante şi
mai ales consecinţe foarte grave este reprezentat de sistemul de management al
calităţii. Riscul în calitate este întotdeauna inclus în ecuaţia calitate – cost, deoarece
atât atingerea şi menţinerea unui nivel de calitate corespunzător, pe de o parte, dar şi
deteriorarea calităţii, pe de altă parte, poate genera costuri foarte mari.
Vom analiza în continuare o problemă de decizie în care decidentul îşi stabileşte
deciziile şi acţiunile şi îşi evaluează riscul în funcţie de o serie de caracteristici de
calitate, dar în strânsă legătură şi cu criterii de cost.
Considerăm o companie care realizează motoare de automobile, în care sunt
asamblate componente de mare complexitate tehnică şi cu costuri ridicate, care trebuie
realizate la standarde de calitate foarte înalte. Unul din aceste componente este
arborele cotit, care este fabricat din oţel cu o compoziţie specială. Semifabricatele
pentru arbori se aprovizionează, după care compania realizează operaţii complexe de
prelucrări mecanice şi tratamente termice, operaţii realizate însă cu costuri
semnificative. O caracteristică de calitate deosebit de importantă este duritatea (notată
HB), care se măsoară pentru fiecare unitate de produs aprovizionată. Studiile de
capabilitate asupra loturilor livrate au condus la concluzia că duritatea are o distribuţie
normală, cu media µ = 102 (unităţi Brinell) şi cu abaterea standard σ = 2 . Intervalul de
toleranţă specificat pentru această caracteristică este intervalul [98; 106] , arborii care
nu se încadrează între aceste limite specificate fiind supuşi unor operaţii suplimentare
de tratament termic, operaţii care generează un cost suplimentar de 300€ pentru a
readuce arborii prelucraţi în limitele de duritate specificate. Acest cost este relativ
ridicat faţă de preţul iniţial al semifabricatului, dar este considerabil mai mic comparat
cu costul operaţiilor suplimentare necesare a fi realizate pentru semifabricatele iniţiale.
Departamentul de aprovizionare al companiei a primit o comandă pentru
achiziţionarea a 1.000 de semifabricate de arbori cotiţi. Lotul minim de aprovizionare
97

98

CAPITOLUL 4 – MANAGEMENTUL RISCULUI ÎN CALITATE ŞI FIABILITATE

este de 500 de bucăţi. Lista de furnizori acceptaţi pentru arbori conţine trei furnizori,
clasificaţi A, B şi C, în funcţie de criterii de calitate şi de preţ, astfel:

Furnizorul A, care oferă arborii la un preţ unitar de 200€ şi are cel mai bun nivel
calitativ, realizând o duritate cu parametrii µ A = 102 şi σ A = 2 ;

Furnizorul B, care oferă arborii la un preţ unitar de 140€, dar studiile de
capabilitate ale produselor livrate anterior au indicat loturi livrate cu parametrii
µ B = 105 şi σ B = 2 ;

Furnizorul C, care oferă arborii la un preţ unitar de 140€ pentru lot de 1.000
bucăţi şi 150€ pentru lot de 500 bucăţi, dar despre calitatea cărora nu există
informaţii anterioare.
Vom aplica pentru această problemă algoritmul de rezolvare a problemei de
decizie prezentat în capitolul 2 şi vom analiza mai întâi problema de decizie fără
experimentare, iar apoi vom rezolva problema pentru decizia cu experimentare.
A.

DECIZIA FĂRĂ EXPERIMENTARE

Pasul 1. Definirea problemei de decizie.
P1.1: Problema de decizie constă din următoarele acţiuni:
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 şi 500 arbori de la
furnizorul A;
a4 : Aprovizionarea a 500 arbori de la furnizorul C şi 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 şi 500 arbori de la
furnizorul B,

şi deci spaţiul de acţiune este A = {a1 , a2 , a3 , a4 , a5 , a6 } .
P1.2: Stările naturii pentru această problemă sunt:
θ1 : Parametrii de duritate ai loturilor livrate sunt: µ = 102 , σ = 2 ;
θ 2 : Parametrii de duritate ai loturilor livrate sunt: µ = 105 , σ = 2 .

Rezultă spaţiul stărilor Θ = {θ1 ,θ 2 }.
P1.3: Consecinţele acţiunilor sunt determinate de considerarea parametrilor de
duritate pentru stările θ1 şi θ 2 , şi pentru fiecare din cele şase acţiuni stabilite,
consecinţe pe care nu le vom mai lista aici.

4.1 O PROBLEMĂ DE DECIZIE ÎN CALITATE

99

P1.4: Costurile (UM=€) sunt mai dificil de determinat. Avem mai întâi, preţurile
unitare de aprovizionare (preţul pe bucată), care sunt:
Furnizorul A:
Furnizorul B:
Furnizorul C:
Remaniere:

200 / bucată;
140 / bucată;
140 / bucată la lot de 1.000;
150 / bucată la lot de 500;
300 / bucată.

Vom determina în continuare, costul unitar Cu , cu următoarea relaţie:
C u = Pu + 300 ⋅ C r ,

(4.1)

unde Pu este preţul unitar de aprovizionare de mai sus, iar C r este costul unitar de
remaniere şi este o variabilă aleatoare (Bernoulli) cu valorile:
⎧0, dacă 98 ≤ HB ≤ 106
.
Cr = ⎨
1
dacă
HB
98
sau
HB
106
<
>
,

Atunci distribuţia de probabilitate a acestei variabile aleatoare este dată de:
Prob{C r = 1} = Prob{HB < 98} + Prob{HB > 106} = p .
Prob{Cr = 0} = Prob{98 ≤ HB < 106} = 1 − p .

(4.2)

(4.3)
(4.4)

Ţinând cont că HB are o distribuţie normală, cu media µ = 102 şi cu abaterea standard

σ = 2 , respectiv cu media µ = 105 şi cu abaterea standard σ = 2 ,obţinem:
⎧0,02275 + 0,02275 = 0,0455, dacă µ = 102
p=⎨
.
⎩0,000233 + 0,3085 = 0,3088, dacă µ = 105

(4.5)

Valoarea medie (valoarea aşteptată) a variabilei aleatoare Cr este dată de relaţia:
M [Cr ] = 1⋅ p + 0 ⋅ (1 − p ) = p ,

(4.6)

iar atunci formula costului mediu unitar C mu devine:
Cmu = Pu + 300 ⋅ p ,

(4.7)

unde p poate fi interpretat ca fiind fracţiunea de unităţi defective care se remaniază,
provenind din loturile aprovizionate.
Rezultă următoarele valori pentru costul mediu unitar:
Preţul unitar – Pu

Costul mediu unitar – C mu
153,650,

dacă µ = 102

232,631,

dacă µ = 105

150 / bucată

163,650,
242,631,

dacă µ = 102
dacă µ = 105

200 / bucată

213,650,

dacă µ = 102

140 / bucată

33 . P4. a j ) 1.631 232.650 232.000 B 232.631 213. Pasul 4.650 500 C 188.000 C 1.141 Acţiunea a1 a2 a3 500 A a4 500 C 500 B 198. P3.650 232.67 0.141 223.141 228.2: Regula de decizie minimax: min max L(θ .631 213.000 C 1.631 213. de unde rezultă funcţia de pierdere numai cu acţiunile dominante: Starea naturii θ1 θ2 max L(θ .650 228.631 237. Definirea probabilităţilor iniţiale. P3.000 arbori de la furnizorul A.1: Funcţia de pierdere: Starea naturii θ1 θ2 max L(θ .650 .000 A 153. a5 << a2 .141 223.650 232. P2.631 500 A 223.631 a5 a6 1.141 237.650 500 C 188. a6 << a2 .650 228.1: Probabilităţile iniţiale considerate sunt: Starea naturii θ1 θ2 Probabilităţi iniţiale 0.141 228.2: Eliminarea acţiunilor dominate: Avem relaţiile de dominare: a4 << a3 . a j ) 1.631 213. a j ) = 213.650 213.650 232.141 Acţiunea a1 a2 a3 500 A Pasul 3.100 CAPITOLUL 4 – MANAGEMENTUL RISCULUI ÎN CALITATE ŞI FIABILITATE Pasul 2.650 213.000 A 153. Regula de decizie minimax.141 500 B P2.1: Se bordează tabelul funcţiei de pierdere cu o coloană care conţine maximul valorilor funcţiei de pierdere din fiecare linie.631 232. Definirea funcţiei de pierdere.3: Decizia minimax: Acţiunea a2 – Aprovizionarea a 1. P3.

iar suma lor este egală cu 1).977 P5.650 201.1: Definim spaţiul de eşantionare X şi variabila aleatoare x .047 179. Definirea experimentului. Regula de decizie Bayes.1: Pierderile medii L(a j ) pentru fiecare acţiune a j sunt: Starea naturii Acţiunea θ1 θ2 L(a j ) a1 a2 a3 102. P5. 4.6 0.814 min 179.977 213.4 0.2: Probabilităţile iniţiale verifică condiţiile de definire a probabilităţilor (valorile sunt cuprinse între 0 şi 1.433 142.1 – Reprezentarea funcţiei de pierdere B.8 1. P6.1 O PROBLEMĂ DE DECIZIE ÎN CALITATE 101 P4. DECIZIE CU EXPERIMENTARE Pasul 6.4.433 125.24 100000 0. Valorile la care ne raportăm sunt media µ1 = 102 şi µ1 = 105 . În Figura 4.3: Decizia Bayes: Acţiunea a1 – Aprovizionarea a 1. P5.977 . 250000 225000 L2 a2 200000 L3 175000 L1 a1 150000 125000 0.767 77. calculată ca urmare a extragerii unui eşantion cu n = 4 valori din fiecare lot aprovizionat şi calculării mediei valorilor de eşantionare.0 Fig.217 76.000 arbori de la furnizorul C.0 0.2 0.2: Regula de decizie Bayes: min L(a j ) = 179.544 71. .1 este reprezentată funcţia de pierdere pentru decizia Bayes. precum şi abaterea standard σ 1 = σ n =2 4 = 1. Pasul 5.

dacă x < 103 ⎪ d1 ( x ) = ⎨a3 .082 . dacă x > 103 ⎩ 2 ⎧a1 .169 214.1359 Prob{x > 104} = 0.8413 µ = 102 d2 (x ) µ = 105 Prob{x < 103} = 0.1587 Prob{x < 103} = 0.897 208.0228 µ = 105 Prob{103 ≤ x ≤ 104} = 0.0228 Prob{x ≥ 103} = 0.2: Se definesc următoarele proceduri de decizie şi acţiuni: ⎧a1 . ⎪a .θ j ) + C 129.005 4.1359 Prob{x > 104} = 0.102 CAPITOLUL 4 – MANAGEMENTUL RISCULUI ÎN CALITATE ŞI FIABILITATE P6.0228 d1 ( x ) Prob{x < 103} = 0. procedura de eşantionare fiind prevăzută în tehnologia de recepţie a loturilor aprovizionate.273 5. dacă 103 ≤ x ≤ 104 . dacă x < 103 d2 (x ) = ⎨ .θ1 ) R(d1 .8413 Prob{x ≥ 103} = 0. dacă x ≥ 103 P6. ⎩a2 .9772 P7.θ1 ) R(d 2 .753 0 0 159.273 5.8413 µ = 102 Prob{103 ≤ x ≤ 104} = 0.2: Calculul riscului mediu: R(d1 .θ 2 ) a1 a3 a2 C R (d1 . P7.292 25.789 0 0 163.051 a1 a2 C R (d 2 .639 31. Pasul 7.θ j ) + C 129.861 179.3: Costul experimentului îl considerăm 0. Procedura Bayes cu probabilităţi iniţiale.772 216.θ 2 ) R(d 2 .1: Probabilităţile condiţionate ca urmare a experimentului sunt următoarele: Prob{x < 103} = 0.292 33.

082 216.5 ): .532 180.5 0.140 178.780 72.θ ) R(d 2 .3: Calculul distribuţiei posterioare: f θ X = x (k ) k x θ1 θ2 104.1: Considerăm media obţinută prin eşantionare la recepţie ca fiind x = 104.017 71.051 214.9094 Pasul 9.514 108.772 163.5 0.3521 P8.3: Riscul mediu minimax: R(d1 .5 0.θ ) θ1 θ2 max 159.1 O PROBLEMĂ DE DECIZIE ÎN CALITATE 103 P7.051 214.0906 0. Procedura Bayes cu probabilităţi posterioare.θ ) ∑ θ1 θ2 106.4: Decizia minimax: d 2 P7.0117 0.5 : Riscul mediu Bayes cu probabilităţi anterioare: R(d1 .1174 π X (x) 0. P9.532 P7.2: Calculul probabilităţilor condiţionate posterioare: k π X θ =k ( x ) ⋅ pθ (k ) x θ1 θ2 104.082 P7.0175 0.169 216.1: Riscul Bayes în funcţie de distribuţia posterioară ( x = 104.1290 P8.5 .4.361 min 178.θ ) R(d 2 .6: Decizia Bayes: d1 Pasul 8.082 min 214. Rezultă probabilităţile condiţionate ca urmare a experimentului: πθ x x θ1 θ2 104. Calculul probabilităţilor posterioare. P8.

303 213.650 17.1290 Pasul 10.914 211.564 min 213. Vom defini în cele ce urmează aşa-numita funcţie de regret. Evaluarea abordării Bayes.000 14.650 . Tabelul 4.000 18.491 Acţiunea a1 a2 a3 500 A În concluzie.650 B f (a3 ) P9.2: Decizia privind acţiunile Bayes: x Acţiunea Bayes Pierderea medie Distribuţia marginală 104.981 0 500 C 35. pe baza tabelului funcţiei de pierdere. Pentru starea θ1 valoarea minimă este L(a1 . Funcţia de regret pentru problema noastră este calculată în Tabelul 4.8) a∈A Principiul regretului exprimă. atunci decizia Bayes de alegere a acţiunii a2 este „regretabilă”. (4.500 0. diferenţa dintre pierderea efectivă înregistrată şi pierderea înregistrată dacă ar fi fost aleasă cea mai bună acţiune posibilă. pentru că va conduce la cea mai mare pierdere. iar pentru starea θ 2 valoarea minimă corespunzătoare este L(a2 . de unde obţinem valorile funcţiei de regret.650 .565 225.481 224.000 A 0 60. dacă adevărata stare a naturii este θ 2 .479 B f (a2 ) 19. în schimb dacă starea naturii este θ1 .θ ) = L(a .θ 2 ) = 213.1.104 CAPITOLUL 4 – MANAGEMENTUL RISCULUI ÎN CALITATE ŞI FIABILITATE θ1 θ2 B f (ai ) B f (a1 ) 13. care este definită de relaţia: r ( a . atunci decizia Bayes este optimală.5 a2 213.θ1 ) = 153. de fapt.θ ) .348 194.084 207.1 – Funcţia de regret Starea naturii θ1 θ2 1. .000 C 1.θ ) − min L( a .

9) Limitele de mai sus corespund situării variabilei aleatoare x într-un interval de trei abateri standard faţă de media specificată. Dacă însă adevărata stare a naturii este θ 2 .1 O PROBLEMĂ DE DECIZIE ÎN CALITATE 105 O procedură alternativă la alegerea funcţiei de risc ca măsură a consecinţelor unei acţiuni o reprezintă utilizarea curbei caracteristicii operative (CO). Curba caracteristicii operative CO este deci o măsură a consecinţei unei anumite proceduri de decizie. atunci decidentul comite o eroare de tipul II. în legătură şi cu funcţia de risc.00 α β (103) 0. faţă de adevărata stare a naturii (Figura 4. adică µ = 102 . iar probabilitatea ei de apariţie este α . cu regula de decizie: ⎧a1 . cu probabilitatea de apariţie β .80 0.40 0.20 1. Valorile acestei curbe sunt β ( µ ) pentru µ ≠ 102 şi respectiv 1 − α pentru µ = 102 . care utilizează media x a eşantionului cu n = 4 valori extras din loturile aprovizionate.2).5 d x (x ) = ⎨ . există două tipuri de decizii incorecte care se pot adopta. atunci el comite o eroare de tipul (speţa) I. 1. iar acţiunea a2 se alege dacă X nu .iar decidentul alege acţiunea a1 .4. numită şi nivel de semnificaţie.2 Curba caracteristicii operative (CO) a procedurii de decizie Să comparăm acum curba caracteristicii operative cu funcţia de risc.60 0.5 (4. pe care o vom defini în continuare. Să considerăm următoarea procedură de decizie.00 98 99 100 101 102 103 104 105 106 Figura 4. iar decidentul alege acţiunea a 2 .5 ≤ x ≤ 103. Astfel. dacă x < 100.5 sau x > 103. Pentru o procedură de decizie d cu două stări. dacă 100. Curba caracteristicii operative a procedurii de decizie d x ( x ) se obţine reprezentând grafic probabilitatea de a alege acţiunea a1 .20 0. Din punct de vedere statistic. ⎩a 2 . dacă adevărata stare a naturii este θ1 . să considerăm că acţiunea a1 este aleasă dacă variabila X aparţine unei regiuni de acceptare A.

θ ) = 0 dacă θ ∈Θ 2 . dacă θ ∈Θ 2 (4.11) atunci riscul poate fi exprimat ca: ⎧ L(a2 . R ( d . dacă µ = 102 . .θ ) = 0 dacă θ ∈Θ1 L(a2 . reprezentată de obicei prin parametrii distribuţiei de probabilitate considerate. respectiv a acţiunii a2 .θ ) = ⎨ ⎩ L(a1 .θ ) ⋅ Prob{X ∈ A} + L(a2 . şi este 1 minus valoarea curbei caracteristicii operative (CO) pentru µ = 102 . dacă θ ∈Θ1 . astfel încât acţiunea a1 este acţiunea preferată dacă θ ∈Θ1 . dacă µ ≠ 102 (4. Atunci funcţia de risc se poate scrie: R(d .14) Atunci funcţia de risc coincide cu curba caracteristicii operative pentru toate valorile µ ≠ 102 . Decidentul trebuie să aleagă o procedură de decizie a cărei curbă a caracteristicii operative (CO) să reflecte măsura consecinţelor sau riscul pe care este dispus să îl accepte.θ ) = ⎨ ⎩Prob{X ∉ A}.θ )⋅ Prob{X ∉ A} . (4. respectiv a2 dacă θ ∈Θ 2 . dacă θ ∈Θ 2 (4. R ( d .10) Partiţionăm spaţiul stărilor Θ . adică: L(a1 . Acceptarea sau respingerea ipotezei este echivalentă cu alegerea acţiunii a1 . Θ1 este mulţimea alcătuită din punctul µ = 102 .12) Dacă în relaţia de mai sus considerăm valorile funcţiei de regret ca fiind unitare. faţă de adevărata stare a naturii. iar eroarea de tipul II este probabilitatea de acceptare a ipotezei atunci când ea este falsă. atunci avem: ⎧Prob{X ∈ A}.θ ) ⋅ Prob{X ∉ A}.θ ) = ⎨ ⎩Prob{X ∉ A} = β ( µ ). dacă θ ∈Θ1 . curba caracteristicii operative (CO) pentru o procedură de decizie este reprezentarea grafică a probabilităţii de acceptare a ipotezei statistice. Dacă funcţia de pierdere este o funcţie de regret. În concluzie.106 CAPITOLUL 4 – MANAGEMENTUL RISCULUI ÎN CALITATE ŞI FIABILITATE aparţine lui A. iar Θ 2 din toate celelalte puncte µ ≠ 102 .13) În contextul problemei noastre.θ ) = L(a1 . (4.θ ) ⋅ Prob{X ∈ A}. Eroarea de tipul I este probabilitatea de respingere a ipotezei atunci când ea este adevărată. Atunci riscul este dat de: ⎧Prob{X ∈ A} = α . R ( d . în două mulţimi disjuncte Θ1 şi Θ 2 .

Dacă x şi s sunt respectiv media şi abaterea standard ale caracteristicii de calitate analizate calculate pentru eşantioanele provenind din proces. în acest context. în timp ce unităţile de produs situate între limitele specificate sunt la fel de conforme (corespunzătoare sau acceptabile). În mod tradiţional – şi empiric – se consideră că unităţile de produs situate în afara limitelor de toleranţă specificate sunt „egal” neconforme (la fel de necorespunzătoare).2 ABORDAREA TAGUCHI 107 4. Obţinem astfel aşa-numita fracţiune defectivă actuală. Pierderea se referă la costul care poate se apară atunci când se utilizează un produs ale cărui caracteristici de calitate de îndepărtează de valoarea ţintă. respectiv etapa on-line. Unităţile situate în afara limitelor de toleranţă specificate constituie pierderea. Specificaţiile tehnice impun adesea ca fiecare caracteristică de calitate să aibă o anumită valoare nominală sau valoare ţintă. corespunzătoare ariei haşurate din Figura 4. Termenul off-line semnifică. Taguchi a modelat efectele care pot să apară ca urmare a abaterii de la valoarea de ţintă funcţie de pierdere pătratică. determinată de limitele naturale de toleranţă ale acestuia. Metodele pentru controlul calităţii off-line constau din activităţi pentru controlul calităţii şi al costurilor desfăşurate în stadiile de proiectare a produsului şi a proceselor de realizare a acestuia. O altă abordare utilizează conceptul de interval natural de toleranţă (INT). care a fundamentat o serie de metode pentru controlul calităţii off-line şi pentru proiectarea experimentelor. Obiectivele generale ale acestor metode sunt îmbunătăţirea calităţii şi a fiabilităţii produselor şi reducerea costurilor de dezvoltare şi execuţie a acestor produse.2. O componentă cheie în filosofia lui Taguchi este reducerea variabilităţii. în care procesele trebuie să se reproducă la parametri optimali.2 ABORDAREA TAGUCHI 4. care este o măsură a variabilităţii inerente a procesului. dintre care vom detalia aici funcţia de pierdere introdusă de Taguchi. faptul că activităţile de îmbunătăţire a calităţii şi de reducere a riscului de pierdere sunt realizate înainte de trecerea la etapa de control a calităţii în timp real. atunci limita naturală inferioară (LNI) este dată LNI = x − 3s . în funcţie de situarea lor faţă de limita specificată de toleranţă inferioară (LSI) sau superioară (LSS).3. Pierderea totală rezultă din considerarea costului unitar de remaniere. rebutare sau înlocuire a unităţilor de produs defective.1 Funcţia de pierdere Taguchi Vom analiza în continuare conceptele datorate profesorului japonez Genichi Taguchi. .4. iar limita naturală superioară (LNS) este LNS = x + 3s . Obiectivul îl reprezintă reducerea variabilităţii faţă de această valoare ţintă.

µ .15) (4. obţinem pierderea totală estimată. rebutare sau înlocuire.17) Aplicând în continuare costurile unitare de remaniere. (4.18) Fie K δ pierderea pentru abaterea δ = x − T de la ţinta T a procesului.16) ptot = Prob{X < LSI sau X > LSS } = Prob{X < LSI } + Prob{X > LSS } = pinf + psup . Fie X variabila aleatoare ce reprezintă o caracteristică de calitate a unui proces. (4. (4. x . (4. x . superioare ( psup ) şi totale ( ptot ). unde x ∈ X şi µ = T . Atunci avem: LT ( x ) = k ⋅ δ 2 = K δ . cu T valoarea ţintă. modelat de o distribuţie normală N ( x . x . de asemenea.Pierdere 108 CAPITOLUL 4 – MANAGEMENTUL RISCULUI ÎN CALITATE ŞI FIABILITATE LSI T LSS Figura 4. (4. Funcţia de pierdere Taguchi este reprezentată în Figura 4.3 – Interpretarea empirică a funcţiei de pierdere Proporţia de unităţi de produs neconforme. LSS psup = Prob{X > LSS } = 1 − Prob{X < LSS } = 1 − ∫−∞ N (t . prin considerarea fracţiunii defective inferioare ( pinf ). δ abaterea de la ţintă a procesului. s )dt . s ) .19) de unde obţinem: k= Kδ δ2 .σ ) . Taguchi a considerat funcţia de pierdere pătratică (ale cărei proprietăţi matematice au fost fundamentate de Gauss în 1809) de forma: LT ( x ) = k ⋅ ( x − T )2 .20) . situate în afara limitelor de toleranţă specificate. este estimată cu ajutorul distribuţiei normale care modelează procesul respectiv N (t . Fie. similar calculului costului din exemplului anterior.4. ca fiind probabilităţile: LSI pinf = Prob{X < LSI } = ∫−∞ N (t . s )dt .

care este o măsură a centrării procesului. Obţinem: [ = k ⋅ [σ ] [ M [LT ( x . C pm = 6 σ 2 + ( µ − T )2 (4.23) 6σ indicele de capabilitate C pk . care este o măsură a abaterii procesului faţă de ţintă.4 Funcţia de pierdere Taguchi Să considerăm acum valoarea medie a funcţiei de pierdere Taguchi. 3σ ⎭ ⎩ 3σ şi indicele de precizie C pm .21) Am obţinut astfel riscul Taguchi. fiind definit ca: ⎧ LSI − µ LSS − µ ⎫ C pk = min ⎨ . respectiv: .T )] = M k ⋅ ( x − T )2 = k ⋅ M ( x − T )2 2 + ( µ − T )2 ] ]. (4. Scriind o formulă mai generală.T )] = ∫−∞ LT ( x . respectiv pierderea medie asociată unui proces ca urmare a deplasării procesului faţă de ţinta specificată a acestuia.24) ⎬. calculat cu relaţia: LSS − LSI .109 Pierdere 4. propus iniţial chiar de Taguchi.2 ABORDAREA TAGUCHI Kδ δ LSI T LSS Figura 4.23) Din ultima relaţie şi ţinând cont de relaţia (4. ∞ (4. 4.21) se poate obţine următoarea relaţie între indicele de precizie C pm şi riscul Taguchi. atunci riscul Taguchi este: M [LT ( x . iar f ( x . care este o măsură a variabilităţii procesului şi este dat de relaţia: LSS − LSI Cp = . dacă LT ( x .T ) este funcţia de pierdere utilizată ca model.T ) ⋅ f ( x . (4.θ ) distribuţia de probabilitate a procesului. respectiv indicele de potenţial C p .θ )dx .22) Vom analiza în continuare funcţia de pierdere şi riscul Taguchi în corelare cu indicii de performanţă ai unui proces.

pierderea medie pe unitatea de produs va fi [ ] M [L3 ] = 3 ⋅ 0. 1.00.00 . procesul este la un nivel de performanţă de 3 Sigma. T )] = k ⋅ ⎜ (4. 2. atunci riscul Taguchi poate fi exprimat în funcţie de performanţa specificată pentru proces şi de indicele de precizie.00 . 1. aplicând relaţia (4. T )] = k ⋅ ⎜ ⎜ C ⎟ pm ⎝ ⎠ Să considerăm acum. În prima.5)2 = 0.5 − 22.3332 − ( 22. cărora le corespund valorile nivelelor de performanţă NPS ∈ {1. care este . 5 Sigma şi 6 Sigma.00} .5 = 1 . de unde k = 3 1 = 3 .5 mm.33.5 sunt reprezentate trei situaţii relative la acest proces.5)2 ] = 0. procesul are un indice de potenţial foarte bun.167 2 − (22. pierderea medie pe unitatea de [ ] produs ca fiind M [L1 ] = 3 ⋅ 0. În cea de a doua ipostază a procesului.26) M [LT ( x . Vom calcula funcţia de pierdere Taguchi pentru cele trei cazuri ale procesului. Pentru cel de al doilea proces.21).33 €. M [LT ( x . 4 Sigma. deci riscul Taguchi cel mai ridicat.5 şi σ 3 = 0.5)2 = 0.24) ⋅ ⎜ 6 C ⎟ pm ⎠ ⎝ unde ITS = LSS − LSI este intervalul de toleranţă specificat.333 . Pentru primul caz. având valoarea nominală (ţinta) T = 22.08 €. procesul fiind puternic descentrat.5 mm şi LSS = 23.110 CAPITOLUL 4 – MANAGEMENTUL RISCULUI ÎN CALITATE ŞI FIABILITATE 2 ⎛ ITS 1 ⎞ ⎟ . toţi indicii de performanţă fiind foarte buni. În fine. având în vedere că pentru un proces cu un nivel de performanţă specificat (NPS) de 3 sigma. pentru nivele de performanţă specificate ale procesului de 3 Sigma. Relaţia obţinută este interesantă. În Figura 4. În al treilea caz. având µ 3 = 22. pentru exemplificare.167 şi pierderea medie pe unitatea de produs va fi M [L2 ] = 3 ⋅ [0. se obţine în cazul primului proces. pentru care costul unei unităţi de produs defective (situată în afara limitelor de toleranţă specificate) este K δ = 3 (€). trebuie să avem ITS = 6σ şi atunci relaţia de mai sus devine: 2 ⎛ σ ⎞ ⎟ . pentru cel de al treilea proces.5 mm. suntem în situaţia unui proces optimal ca variabilitate şi tendinţă centrală. indicele de potenţial C p = 1.167 2 − (22 − 22.00. parametrii sunt µ 2 = 22. (4.5 − 22. Obţinem.83 €.167 şi rezultă δ = 21. un proces de fabricaţie care generează o caracteristică de calitate cu limitele de toleranţă specificate LSI = 21. dar indicii de capabilitate şi de precizie sunt necorespunzători. C p = 2. Se observă că pierderea medie cea mai mare.67. toţi indicii de performanţă fiind egali cu 1. avem µ1 = 22 şi σ 1 = 0. (4.T )] = k ⋅ ⎜ ⎜C ⎟ pm ⎠ ⎝ Generalizând.5 − 22.25) M [LT ( x . cu relaţia: 2 ⎛ NPS ⋅ σ ⎞ ⎟ .5 şi σ 2 = 0.

ceea ce confirmă principiul lui Taguchi că cu cât ne îndepărtăm de ţinta procesului. ITS = 23.27) ⋅ = 3⋅⎜ ⋅ M [L1 ] = k ⋅ ⎟ = 0.5σ faţă de ţintă.26). iar pentru primul proces C pm = 0. Cp =2 Cpk =1 Cpm =0. ⎟ ⎝ 1.6325 .4. relaţia (4.83 .5 23 23. ⎜ 6 C ⎟ ⎝ 6 0.5 22 22. acest concept (cunoscut sub numele Six Sigma şi dezvoltat de firma americană Motorola) câştigă din ce în ce mai mult teren şi mai mulţi adepţi. calitatea se deteriorează.28) 6 ⋅ 0.5 C pm = = 1.5)2 Pentru calculul riscului Taguchi pentru un proces 6 Sigma vom aplica cealaltă formulă simplă de calcul pe care am propus-o.11. în ultimii ani. Parametrii ţintă pentru nivelul 6 Sigma sunt un indice de potenţial C p ≥ 2 şi un indice de capabilitate C pk ≥ 1.167 ⎞⎟ = 0.75 − 22. C pk = 1. iar costurile cresc semnificativ. Atunci valoarea medie a pierderii Taguchi este: 2 2 ⎛ ITS 1 ⎞ 1 ⎞ ⎛2 ⎜ ⎟ (4.2 ABORDAREA TAGUCHI 111 cel mai descentrat. ceea ce înseamnă o fracţiune defectivă admisă de 3.25 şi 22.75. Atunci indicele de precizie corespunzător este: 23. în toate domeniile de activitate economică.6325 ⎠ pm ⎠ ⎝ Să analizăm acum funcţia de pierdere şi riscul Taguchi atunci când nivelul de performanţă specificat pentru proces este 6 Sigma.5 . (4. respectiv între valorile 22.29) . pentru ca procesul să fie de tip 6 Sigma trebuie să aibă parametrii C p = 2 . Astfel. de unde rezultă că media procesului poate să se deplaseze cu 1.167 2 + (22.24).5 − 21. Să remarcăm faptul că. obţinând: ⎛ NPS ⋅ σ M [L6σ ] = k ⋅ ⎜ ⎜ C pm ⎝ 2 2 ⎞ ⎟ = 3 ⋅ ⎛⎜ 2 ⋅ 0.5 .4 ppm (unităţi defective pe milion)! În exemplul nostru.27 €/bucată.5 = 2 .5 24 Figura 4.11 ⎠ ⎠ (4. cu NPS = 2 . respectiv relaţia (4.63 Cp =2 Cpk =2 Cpm =2 Cp =1 Cpk =1 Cpm =1 21 21.5 − 21.5 Funcţia de pierdere pentru 3 procese cu indici de performanţă diferiţi Valorile riscului Taguchi se obţin relativ uşor cu formula pe care am propus-o anterior.

32) Dar sistemele sunt evaluate. evaluarea performanţelor sistemului trebuie să ţină cont de aceste metrici în mod simultan. printr-o mare varietate de metrici (calitate. Datorită faptului că metricile de performanţă ale unui sistem sunt de cele mai multe ori intercorelate.1 Un model general de evaluare a riscului în fiabilitate Utilizarea generală a termenului „calitate a unui produs” are mai multe semnificaţii. în general. dar şi economică) transpun în mod adecvat cerinţele clientului. Funcţia de distribuţie cumulativă corespunzătoare F (t ) ne va furniza atunci probabilitatea ca o anumită unitate de produs să funcţioneze până la momentul t (respectiv să se defecteze la momentul t).112 CAPITOLUL 4 – MANAGEMENTUL RISCULUI ÎN CALITATE ŞI FIABILITATE 4. adică: F (t ) = Prob{θ < t} . = 1 − F (t ) R(t ) (4. printre care şi aceea de „nivel inerent de excelenţă”. dar şi cu incertitudinile asociate lor. Se pune întrebarea însă câte din unităţile de produs – conforme în momentul livrării la client – mai satisfac cerinţele specificate după o anumită perioadă de utilizare a produsului (după un an sau la finele perioadei de garanţie)? Pentru a răspunde la această întrebare se folosesc modelele statistico-matematice specifice fiabilităţii. calitatea poate fi comensurată. această definiţie generală devine şi mai precisă. care conduc la risc. Presupunând că specificaţiile (de natură tehnică. la începutul utilizării unui produs. definită pentru orice t de la 0 la ∞ . care este o măsură a intensităţii de defectare. (4. schimbările suferite de una din componentele sistemului poate să aibă impact major asupra tuturor metricilor de performanţă ale sistemului. prin fracţiunea de unităţi de produs care satisfac specificaţiile. de exemplu.a. care este o măsură a duratei de funcţionare. cost. este atunci: R(t ) = Prob{θ ≥ t} = 1 − Prob{θ < t} = 1 − F (t ) .3. f (t ) .30) unde θ este variabila aleatoare cu funcţia de densitate de probabilitate. printre care şi metricile de fiabilitate pe care le-am definit mai sus. Funcţia de fiabilitate. calitatea fiind considerată „conformanţa cu specificaţiile”. f (t ) .). respectiv aşa-numitul model al distribuţiei duratei de viaţă a unui produs. durată ş. pentru care se poate utiliza orice funcţie de densitate de probabilitate. De asemenea. (4. . este dată de relaţia: h(t ) = f (t ) f (t ) . În industrie. decidenţii sunt confruntaţi cu o mare cantitate de informaţie referitoare la metricile sistemului.3 EVALUAREA RISCULUI ÎN FIABILITATE 4. Pentru sistemele complexe.31) Rata de defectare. în sistemele complexe.

care să permită furnizarea informaţiilor critice asupra funcţionării sistemului. dacă entităţile sunt două activităţi succesive ale unui proiect.6 – Reprezentarea generală a unui model de risc în fiabilitate .6). O relaţie este de tip temporal şi specifică dependenţa de timp dintre două entităţi (reprezentată printr-o linie continuă în Figura 4. asupra incertitudinii şi riscului asociat diferitelor scenarii analizate. Entitatea 1 Entitatea 2 Factor de risc Probabilitatea Funcţia de distribuţie cumulativă Ţinta M etrica Figura 4. Un alt tip de relaţie este relaţia dintre entităţi şi factorii de risc. de exemplu. respectiv relaţia de utilizare a factorilor (reprezentată printr-o linie punctată în Figura 4. Componentele fundamentale ale modelului sunt entităţile şi factorii de risc. Proprietatea de bază a acestei relaţii entitate – factor de risc este că o entitate poate produce (genera) sau poate consuma (absorbi) unul sau mai mulţi factori de risc.2 ABORDAREA TAGUCHI 113 Vom defini în continuare un model general de reprezentare a unui sistem. În acest model definim două tipuri de relaţii.6. Schema modelului este redată în Figura 4.4.6). De exemplu. Entităţile pot fi. activităţile unui proiect. relaţia temporală poate fi condiţia ca a doua activitate să poată să înceapă numai după finalizarea primei activităţi. iar factorii de risc pot fi de natură materială sau de altă natură.

Cheia aplicabilităţii acestui model general o constituie însă generalizarea conceptului de factor de risc. factorilor de risc şi a relaţiilor de incertitudine. Cu ajutorul modelelor de simulare Monte – Carlo pot fi obţinute funcţiile de distribuţie cumulative pentru metricile sistemului. Vom particulariza în secţiunea următoare acest model general pentru un model de evaluare a riscurilor concurente în fiabilitate. Această incertitudine este încorporată în model prin variabile aleatoare. Acest model este cunoscut în literatura de specialitate sub denumirea de modelul riscurilor concurente (Competing Risk Model). materiale ş. începând de la ratele de defectare ale modurilor de defectare ale componentelor sistemului respectiv.a.2 Modelul de evaluare a riscurilor concurente Vom analiza în continuare un model general care evaluează riscul de defectare şi care se poate utiliza pentru calculul ratelor de defectare ale unui sistem. De exemplu. Această probabilitate este o componentă critică a analizei riscurilor sistemului. Fiecare mecanism de defectare care produce un anumit tip de defectare (adică un mod de defectare) acţionează de fiecare dată independent. ceea ce permite compararea cu valorile de performanţă specificate pentru sistem (valorile ţintă) şi determinarea probabilităţii ca sistemul să nu funcţioneze aşa cum a fost prevăzut. Pentru modelul de evaluare a riscurilor concurente sunt necesare următoarele ipoteze de lucru: 1. Modelul general prezentat aici este relativ simplu. Dar factorii de risc nu trebuie să fie definiţi numai de natură materială. Dezavantajul acestei simplităţi poate fi uneori o arie de aplicabilitate mai restrânsă la unele tipuri de probleme de decizie şi risc.114 CAPITOLUL 4 – MANAGEMENTUL RISCULUI ÎN CALITATE ŞI FIABILITATE Modelul este cuantificat prin variabile care descriu proprietăţile entităţilor. un factor de risc poate fi determinat de metricile de fiabilitate ca urmare a unei activităţi de realizate şi testare a unui anumit produs. Am menţionat anterior că factorii de risc pot fi de natură materială (oameni. echipamente. Modelul se utilizează atunci când mecanismele de defectare concurente sunt independente şi defectarea primului mecanism duce la căderea componentei respective. factorii de risc pot să fie exprimaţi de hazardul pe care poate să îl genereze o anumită entitate. De asemenea. Acestea se numesc moduri de defectare şi considerăm că pentru fiecare mod de defectare există un mecanism de defectare. Să presupunem că o componentă a unui sistem are k posibilităţi diferite în care se poate defecta. Modelul riscurilor concurente evaluează fiabilitatea fiecărui component prin construcţia de modele fiabiliste particulare pentru fiecare mod de defectare. utilizând şi instrumente de analiză la fel de simple. 4. 2.3. O componentă a sistemului se defectează atunci când primul din mecanismele de .).

2 ABORDAREA TAGUCHI 3. FC (t ) şi hC (t ) sunt respectiv funcţia de fiabilitate. (4. prin faptul că.7 Schema modelului de risc mod de defectare – mecanism de defectare .7). atunci funcţiile corespunzătoare pentru modelul riscurilor concurente sunt: Funcţia de fiabilitate a componentei C: k RC (t ) = ∏ Ri (t ) . Să aplicăm acum modelul general definit anterior pentru evaluarea riscurilor concurente. Entităţile pe care le considerăm în model sunt entitatea „Mod de defectare” şi entitatea „Mecanism de defectare”.33) i =1 Funcţia de distribuţie cumulativă a componentei C: k FC (t ) = 1 − ∏ {1 − Fi (t )} . funcţia de distribuţie cumulativă şi rata de defectare pentru modul de defectare i. modul de defectare determină mecanismul de defectare. funcţia de distribuţie cumulativă şi rata de defectare pentru o anumită componentă C. (4.4. 115 defectare intră în starea de defectare (componenta este în stare de cădere). (4. Ele acţionează independent şi primul care atinge starea de defectare provoacă defectarea componentei în care acţionează. iar Ri (t ) . Presupunem că pentru fiecare mod de defectare am identificat factorul de risc corespunzător şi relaţiile aferente (Figura 4.35) i =1 Modelul riscurilor concurente poate fi sintetizat astfel: toate mecanismele de defectare „concurează” pentru a atinge primul starea de defectare.34) i =1 Rata de defectare a componentei C: k hC (t ) = ∏ hi (t ) . Fiecare din cele k moduri de defectare au un model Fk (t ) cunoscut pentru distribuţia duratei de viaţă. Fi (t ) şi hi (t ) sunt respectiv funcţia de fiabilitate. Mecanism de defectare Mod de defectare Factor de risc Figura 4. în timp. Există o relaţie temporală între aceste entităţi (reprezentată printr-o săgeată cu linie continuă). Dacă RC (t ) .

116 CAPITOLUL 4 – MANAGEMENTUL RISCULUI ÎN CALITATE ŞI FIABILITATE

Considerând acum cazul unei componente a unui sistem cu k moduri de
defectare, dacă notăm cu MDEFi cele k moduri de defectare identificate pentru o
componenta respectivă, atunci fie FRi factorul de risc şi MECDi mecanismul de
defectare corespunzător. Schema modelului general de evaluare a riscurilor concurente
este reprezentată în Figura 4.8.

MDEF1

MDEF2

FR1

FR2

MECD1

MECD2

MDEFk-1

MDEFk

FRk-1

FRk

MECDk-1

MECDk
Componenta C

Figura 4.8 Schema modelului general de evaluare a riscurilor concurente

O altă abordare a riscului în fiabilitate – pe care însă nu o vom detalia aici – o
reprezintă matricea de evaluare a riscului. În general, această matrice conţine pe linii
frecvenţa de apariţie a evenimentelor întâmplătoare (frecvenţa hazardului), iar pe
coloane nivelele de severitate a riscului. În ceea ce priveşte frecvenţa, evenimentele
incerte se clasifică în: frecvente, probabile, ocazionale, îndepărtate, improbabile,
incredibile. Nivelele de severitate ale consecinţelor evenimentelor supuse hazardului
se clasifică în: nesemnificativ, marginal, critic, catastrofic. Clasificarea nivelelor de
risc poate fi cantitativă (exprimată în valori de frecvenţă) sau calitativă (nivel de risc
tolerabil, respectiv intolerabil).
Această abordare – care nu este specifică numai evaluării riscului în fiabilitate, ci
şi în alte domenii, după cum vom vedea în capitolul următor – are şi o serie de limitări,
legate de faptul că nu există încă principii general acceptate pentru construirea unei
asemenea matrice şi de fapt nu există o matrice de evaluare a riscului universală, cu
criterii generale de evaluare, ea trebuind să fie construită pentru fiecare nouă aplicaţie.
De asemenea, metoda predispune la o supraestimare a riscurilor, prin supraestimarea
severităţii consecinţelor şi nu oferă căi pentru includerea în model a factorilor de
reducere a riscurilor.

4.4 MANAGEMENTUL RISCULUI ÎN FMEA

117

4.4 MANAGEMENTUL RISCULUI ÎN FMEA
4.4.1 Analiza modului de defectare şi a efectelor – FMEA
Vom analiza în continuarea modelelor de risc aplicate în calitate şi
fiabilitate, abordarea elementelor de management al riscului referitoare la utilizarea
modelelor statistice de analiză a modului de defectare şi a efectelor acesteia, şi anume
modelele FMEA. Termenul FMEA provine de la acronimul din limba engleză pentru
Failure Mode and Effects Analysis, respectiv Analiza Modului de Defectare şi a
Efectelor. În limbile română şi franceză se utilizează şi acronimul AMDE.
FMEA poate fi descrisă ca un grup de activităţi sistematizate, având ca
obiective:
(1) recunoaşterea şi evaluarea riscului defectării potenţiale ale unui produs sau
proces şi a efectelor acestei defectări;
(2) identificarea acţiunilor ce ar putea elimina sau reduce probabilitatea de
apariţie a unei defectări potenţiale;
(3) documentarea procesului şi managementul riscului.
Tehnicile FMEA au fost dezvoltate iniţial de armata SUA. Astfel,
procedura militară MIL–P–1629 din 1949 era intitulată "Procedures for Performing a
Failure Mode Effects and Criticaly Analysis" (Procedură pentru Analiza Modului de
Defectare, a Efectelor şi Criticalităţii) şi a fost utilizată ca o tehnică de evaluare a
fiabilităţii şi a efectelor defectărilor echipamentelor militare. Cu toate acestea, primele
aplicaţii notabile ale tehnicilor FMEA sunt legate de dezvoltarea impresionantă a
industriei aerospaţiale de la jumătatea anilor '60.
Începând din 1987, Organizaţia Internaţională pentru Standardizare (ISO) a
lansat seria de standarde ISO 9000. Cerinţele acestor standarde au impus ca
organizaţiile să-şi dezvolte sisteme pentru managementul calităţii, orientate către
satisfacerea clienţilor. În SUA, cele trei mari firme producătoare de autovehicule,
Chrysler, Ford şi General Motors au dezvoltat la începutul anilor '90 o serie de
standarde echivalente, din seria QS 9000, în scopul standardizării sistemelor calităţii.
În conformitate cu prescripţiile standardelor QS 9000, organizaţiile trebuie să utilizeze
metode avansate de planificare a calităţii produselor, care includ modelele FMEA
pentru produs şi proces, şi de asemenea să dezvolte planuri de control.
Vom analiza în continuare câteva din principalele entităţi utilizate în modelele
FMEA, dintre care unele sunt generale pentru sistemul calităţii, iar o serie sunt
specifice FMEA. Elementele FMEA sunt elementele care sunt identificate şi analizate
în cursul aplicării tehnicilor FMEA. Acestea sunt constituite din: funcţii, moduri de
defectare, cauze, efecte, controale şi acţiuni.

118 CAPITOLUL 4 – MANAGEMENTUL RISCULUI ÎN CALITATE ŞI FIABILITATE

Funcţiile şi modurile de defectare

După ce au fost stabilite obiectivele analizei FMEA, următorul pas îl
constituie identificarea funcţiilor. O funcţie este un scop propus pentru produsul sau
procesul care este analizat. Dacă se analizează un sistem, atunci trebuie identificate, de
asemenea, funcţiile subsistemelor individuale.
Modurile de defectare se pot clasifica în următoarele categorii de defectare:




defectare completă;
defectare parţială;
defectare intermitentă;
defectare în timp (graduală);
supraperformanţa unei funcţii.

Scopul acestei grupări în cinci categorii a modurilor de defectare este de a ajuta
echipa FMEA să identifice toate modurile de defectare posibile. Analiza modurilor de
defectare în această clasificare poate să releve anumite posibilităţi de defectare care în
anumite condiţii nu ar fi fost considerate. De asemenea, se pot pune în evidenţă
funcţiile care nu au fost definite corespunzător. O defectare parţială, intermitentă,
graduală sau supraperformanţa unei funcţii poate genera o defectare completă a altei
funcţii neidentificate. De aceea, utilizarea categoriilor de defectare poate fi un ajutor
util pentru relevarea unor asemenea situaţii.
Efectele

După stabilirea funcţiilor şi a modurilor de defectare, următorul pas al modelului
FMEA este identificarea consecinţelor potenţiale la apariţia modurilor de defectare.
Aceasta impune o activitate de analiză a echipei. După identificarea consecinţelor,
acestea trebuie induse în modelul FMEA ca efecte. În modelul FMEA se presupune că
efectele unui mod de defectare apar întotdeauna atunci când apare modul de defectare
respectiv, fără a i se asocia o anumită probabilitate acestui tip de eveniment.
Vom discuta în continuare o procedură pentru identificarea consecinţelor
potenţiale care se poate aplica pentru înregistrarea consecinţelor improbabile sau puţin
probabile. Această procedură asociază în mod explicit efectele cu circumstanţele în
care acestea apar, prin identificarea de moduri de defectare adiţionale.
Procedura pentru identificarea consecinţelor potenţiale

(1) Se începe cu un mod de defectare şi se listează toate consecinţele sale potenţiale.
Se separă consecinţele care pot fi asumate că apar ori de câte ori apare modul de
defectare respectiv şi se consideră ca efecte ale acestui mod de defectare. Se
listează apoi pentru consecinţele rămase modurile de defectare potenţiale

4.4 MANAGEMENTUL RISCULUI ÎN FMEA

(2)

119

(consecinţe care ar putea să apară când apare modul de defectare respectiv, dar
depinzând de circumstanţele în care acest mod de defectare apare);
Aceste noi moduri de defectare identificate implică faptul că, ţinând cont de
circumstanţele de apariţie, o serie de consecinţe este puţin probabil să apară. Se
separă consecinţele care pot fi asumate că rezultă ori de câte ori apare modul de
defectare, de cele care apar numai în circumstanţe speciale. Aceste consecinţe se
identifică ca efecte ale modurilor de defectare adiţionale.
Severitatea

Primul pas în analiza riscului este cuantificarea severităţii efectelor. Efectele sunt
clasificate pe o scară de la 1 la 10, valoarea 10 având severitatea cea mai mare.
Sistemele de clasificare a severităţii pentru proiect (DFMEA) şi respectiv pentru
proces (PFMEA) sunt prezentate în tabelele următoare (Tabelul 4.2 şi Tabelul 4.3).
Echipa FMEA trebuie să stabilească criterii de evaluare adecvate pentru a utiliza
corespunzător scara de clasificare.
Efectele sunt evaluate grupat atunci când se cuantifică riscul, deşi valorile de
severitate sunt atribuite în mod individual. Aceasta presupune că vor rezulta toate
efectele atunci când modul de defectare apare. Totodată, efectul cel mai grav este
prioritar atunci când se evaluează potenţialul de risc. Se observă că acest model va lua
în considerare cauzele care au efecte multiple.
Tabelul 4.2 – Tabelul de severitate pentru proiect (DFMEA)
Criterii : Severitatea efectului
Punctaj
pentru DFMEA
Hazardat – fără
Defectarea afectează operarea sigură a produsului sau
10
avertizare
implică nerespectarea legislaţiei - fără avertizare
Hazardat – cu
Defectarea afectează operarea sigură a produsului sau
9
avertizare
implică nerespectarea legislaţiei - cu avertizare
Foarte mare
Produsul este inoperabil, cu pierderea funcţiei de bază
8
Produsul este operabil, dar la un nivel redus de
Mare
7
performanţă
Produsul este operabil, dar articolele care realizează
Moderat
6
confortul nu sunt funcţionale
Produsul este operabil, dar articolele care realizează
Redus
5
confortul funcţionează la un nivel redus de performanţă
Articolele de finisare şi aspectul nu sunt conforme.
Foarte redus
4
Majoritatea clienţilor sesizează defectarea
Articolele de finisare şi aspectul nu sunt conforme. Circa
Minor
3
jumătate dintre clienţi sesizează defectarea
Articolele de finisare şi aspectul nu sunt conforme. O
Foarte minor
2
mică parte dintre clienţi sesizează defectarea
Inexistent
Nici un efect
1
Efect

Să remarcăm că scala datelor de severitate nu discriminează defectările care

120 CAPITOLUL 4 – MANAGEMENTUL RISCULUI ÎN CALITATE ŞI FIABILITATE

conduc la rezultate catastrofice, de cele cu consecinţe minore, sau cele care conduc la
nerespectarea prevederilor legislaţiei. De asemenea, un defect sesizat de cea mai mare
parte a clienţilor este cuantificat la mai puţin de jumătate din scala de severitate, scală
care începe de la valoarea 1 pentru situaţia “Nici un efect” (valoarea zero nu se
utilizează).
Tabelul 4.3 –Tabelul de severitate pentru proces (PFMEA)
Criterii : Severitatea efectului
Punctaj
pentru PFMEA
Defectarea poate pune în pericol operatorii. Defectarea
Hazardat – fără
afectează funcţionarea în siguranţă a produsului sau
10
avertizare
implică nerespectarea legislaţiei - fără avertizare
Defectarea poate pune în pericol operatorii. Defectarea
Hazardat – cu
afectează funcţionarea în siguranţă a produsului sau
9
avertizare
implică nerespectarea legislaţiei – cu avertizare
Întrerupere majoră a procesului. Produsele pot fi 100%
Foarte mare
defective. Produsul este inoperabil, cu pierderea funcţiei
8
de bază.
Întrerupere minoră a procesului. Produsele pot fi sortate
Mare
şi o parte sunt defective. Produsul este operabil, dar la
7
un nivel redus de performanţă
Întrerupere minoră a procesului. O parte din produse
Moderat
sunt defective. Produsul este operabil, dar articolele care
6
realizează confortul nu sunt funcţionale
Întrerupere minoră a procesului. Produsul este operabil,
Redus
dar articolele care realizează confortul funcţionează la un
5
nivel redus de performanţă
Întrerupere minoră a procesului. Produsele pot fi
Foarte redus
remaniate. Articolele de finisare şi aspectul nu sunt
4
conforme. Majoritatea clienţilor sesizează defectarea
Întrerupere minoră a procesului. Articolele de finisare şi
aspectul nu sunt conforme. Circa jumătate din clienţi
Minor
3
sesizează defectarea
Întrerupere minoră a procesului. Articolele de finisare şi
Foarte minor
aspectul nu sunt conforme. O mică parte din clienţi
2
sesizează defectarea
Inexistent
1
Nici un efect
Efect

Cauzele

După stabilirea efectelor şi a severităţii, următorul pas îl constituie identificarea
cauzelor pentru modurile de defectare, activitate care implică de asemenea echipa
FMEA. Identificarea cauzelor începe cu modurile de defectare care au cele mai
serioase efecte.
În cazul unei analize FMEA de proiect, cauzele de defectare pot fi deficienţele de
proiectare care ar putea conduce la moduri de defectare. De asemenea, pot fi incluse în
cauze şi deficienţele de proiectare care ar putea genera erori de prelucrare sau de

poate fi considerată într-o analiză FMEA de proces. Apariţia Cauzele sunt punctate prin intermediul apariţiei. Analiza FMEA a unui proces presupune. că produsul a fost proiectat în mod corespunzător şi nu se va defecta din cauza unei deficienţe de proiectare. probabilităţile ca o anumită cauză să apară şi să aibă ca efect un mod de defectare.4 – şi pentru proces (PFMEA) – Tabelul 4. cauzele sunt erori specifice.000 3 1 din 150.4. concentrându-se asupra defectărilor ce pot rezulta din proiectarea produsului.000 4 1 din 15. În principiu.5. Aceasta nu implică însă că toate intrările în proces sunt conforme cu specificaţiile. cauzele nu sunt evaluate grupat atunci când este evaluat riscul. descrise în termenii unor acţiuni care pot fi corectate sau controlate. la rândul ei. conţin pe o scală neliniară de la 1 la 10. dacă acestea sunt disponibile. de exemplu.000 2 ≤ 1 din 150. articolelor aprovizionate.4 MANAGEMENTUL RISCULUI ÎN FMEA 121 asamblare. respectiv valoarea 10. Tabelele cu ratele de apariţie pentru proiect (DFMEA) – Tabelul 4. Tabelul 4. Pentru cazurile în care ratele de defectare sunt necunoscute se adoptă un punctaj maxim de apariţie. Variaţia datorată.4 – Tabelul ratei de apariţie pentru proiect (DFMEA) Probabilitatea de defectare Foarte mare: Defectarea este aproape inevitabilă Mare: Defectări repetate Moderată: Defectări ocazionale Redusă: Defectări relativ puţine Foarte mică: Defectarea este improbabilă Rata posibilă de defectare Punctaj ≥ 1 din 2 10 1 din 3 9 1 din 8 8 1 din 20 7 1 din 80 6 1 din 400 5 1 din 2. În cazul unei analize FMEA de proces. analiza FMEA a unui proiect presupune că specificaţiile de prelucrare şi de asamblare sunt realizate în proces. Fiecărei cauze a unui mod de defectare i se atribuie o valoare distinctă. Punctajul de apariţie se bazează pe informaţii de la produse sau procese similare. care sunt prezentate în continuare.000 1 . Ca şi efectele. Apariţia este probabilitatea ca o anumită cauză să apară şi să aibă ca rezultat un mod de defectare pe perioada prevăzută de viaţă şi de utilizare a unui produs.

000 ≥ 1.33 ≥ 0. Detecţia Detecţia este o evaluare a posibilităţii controalelor curente ale proiectului sau procesului de a detecta cauzele potenţiale (deficienţele proiectului sau procesului ) sau modurile de defectare corespunzătoare.33 ≥ 0.33 3 Foarte redusă: Numai defectări izolate asociate cu procese aproape identice 1 din 150.51 1 din 20 ≥ 0.122 CAPITOLUL 4 – MANAGEMENTUL RISCULUI ÎN CALITATE ŞI FIABILITATE În tabelul de următor al ratei de apariţie pentru proces (PFMEA) se observă introducerea unui indicator specific controlului statistic al proceselor (SPC) şi anume indicele de capabilitate Cpk. (3) Detectarea modului de defectare înainte ca produsul să ajungă la client. Celelalte două tipuri de controale detectează respectiv cauzele şi modurile de defectare şi vor influenţa punctajele de detecţie. 1 din 3 1 din 400 9 8 5 4 Controlul curent Controalele curente aplicate proiectului sau procesului se clasifică în următoarele 3 tipuri.000 ≥ 1.67 1 Foarte mare: Defectarea este aproape inevitabilă ≥ 1 din 2 Mare: Asociată în general cu procese similare cu defectări repetate Moderată: Asociată în general cu procese similare cu defectări ocazionale Foarte mică: Defectarea este improbabilă. Tabelul 4. primul tip de controale reduce posibilitatea de apariţie a unei cauze sau a unui mod de defectare. În scopul de a obţine un punctaj mai redus. ceea ce va influenţa punctajul de apariţie.67 7 1 din 80 6 1 din 2.5 – Tabelul ratei de apariţie pentru proces (PFMEA) Probabilitatea de defectare Rata posibilă de defectare Cpk Punctaj 10 1 din 8 < 0.000 ≥ 1.00 ≥ 1.50 2 ≤ 1 din 150. (2) Detectarea cauzei unui mod de defectare şi orientarea către acţiunea corectivă ce trebuie aplicată. .83 ≥ 1. Astfel.17 Redusă: Defectări izolate asociate cu procese similare 1 din 15. respectiv reducerea ratei lor de apariţie. care este utilizat pentru acordarea punctajului de apariţie. având ca obiective: (1) Prevenirea apariţiei unei cauze sau a unui mod de defectare.000 ≥ 0. Este important să facem distincţie între controalele care previn defectarea (tipul 1) şi controalele care detectează defectarea (tipul 2 şi tipul 3).

4. RPN se utilizează pentru a identifica elementele cu cel mai mare risc.7.4 MANAGEMENTUL RISCULUI ÎN FMEA 123 controlul planificat al proiectului sau procesului (respectiv activităţile de prevenire. În cazul proceselor. Mulţimea valorilor RPN are o serie de proprietăţi interesante. (4. Sistemul de punctaj pentru criteriul de detecţie pentru proiect este prezentat în Tabelul 4. care să fundamenteze acţiunile corective. dintre care enumerăm câteva: .6.6 – Tabelul de detecţie pentru proiect (DFMEA) Detecţie Aproape imposibilă Foarte puţin probabilă Puţin probabilă Foarte redusă Redusă Moderată Medie Mare Foarte mare Aproape sigură Criterii: Probabilitatea de detecţie Punctaj Nu există control (controale) care să detecteze modul de 10 defectare sau cauza Foarte puţin probabil ca controlul curent să detecteze 9 modul de defectare sau cauza Puţin probabil ca controlul curent să detecteze modul de 8 defectare sau cauza Probabilitate foarte redusă ca controlul curent să 7 detecteze modul de defectare sau cauza Probabilitate redusă ca controlul curent să detecteze 6 modul de defectare sau cauza Probabilitate moderată ca controlul curent să detecteze 5 modul de defectare sau cauza Probabilitate medie ca controlul curent să detecteze 4 modul de defectare sau cauza Probabilitate mare ca controlul curent să detecteze 3 modul de defectare sau cauza Probabilitate foarte mare ca controlul curent să 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 detecţie pentru proces este prezentat în Tabelul 4. probabilitatea ca o cauză să genereze defectarea asociată cu aceste efecte (apariţia) şi capacitatea de a detecta defectarea înainte ca aceasta să ajungă la client (detecţia). Numărul de prioritate-risc Numărul de prioritate-risc (RPN) este produsul punctajelor de severitate (S) de apariţie (O) şi de detecţie (D): RPN = (S) × (O) × (D). Tabelul 4.36) Acest număr este în esenţă o evaluare a gravităţii efectelor (severitatea). validare şi/sau verificare) trebuie să fie îmbunătăţit. utilizarea tehnicilor de control statistic poate duce la scăderea punctajului de detecţie.

sau nu există un 10 absolută control al proiectului Foarte puţin probabil ca controlul proiectului să Foarte puţin detecteze o cauză de defectare potenţială sau un mod 9 probabil de defectare Puţin probabil ca controlul proiectului să detecteze o Puţin probabil 8 cauză de defectare potenţială sau un mod de defectare Probabilitate foarte redusă ca controlul proiectului să Foarte redusă detecteze o cauză de defectare potenţială sau un mod 7 de defectare Probabilitate redusă ca controlul proiectului să detecteze o cauză de defectare potenţială sau un mod Redusă 6 de defectare Probabilitate moderată ca controlul proiectului să Moderată detecteze o cauză de defectare potenţială sau un 5 mod de defectare Probabilitate medie ca controlul proiectului să detecteze Medie o cauză de defectare potenţială sau un mod 4 de defectare Probabilitate mare ca controlul proiectului să detecteze o Mare 3 cauză de defectare potenţială sau un mod de defectare Probabilitate foarte mare ca controlul proiectului să Foarte mare detecteze o cauză de defectare potenţială sau un mod 2 de defectare Controlul proiectului va detecta aproape sigur o cauză de Aproape sigură 1 defectare potenţială sau modul de defectare Acţiunile corective După ce modurile de defectare au fost ordonate descrescător în funcţie de RPN (de exemplu.7 – Tabelul de detecţie pentru proiect (PFMEA) Detecţie Criterii: Probabilitatea de detecţie Punctaj Controlul proiectului nu detectează o cauză de defectare Incertitudine potenţială sau un mod de defectare. precum şi prin prevenirea defectelor. .124 CAPITOLUL 4 – MANAGEMENTUL RISCULUI ÎN CALITATE ŞI FIABILITATE • • • valorile RPN sunt cuprinse între 1 şi 1000. Tabelul 4. media valorilor RPN este aproximativ 166. Principalele acţiuni corective ce trebuie considerate sunt cele care urmăresc reducerea probabilităţii de apariţie prin îmbunătăţirea continuă a produselor şi proceselor. există 120 de valori distincte ale RPN. De asemenea. ca în analiza Pareto). Scopul oricărei acţiuni corective recomandate este de a reduce punctajul de severitate apărută şi/sau detecţie. iar mediana este 105. acţiunile corective trebuie concentrate asupra problemelor cu cel mai mare RPN. scopul fundamental al analizei FMEA este recomandarea şi adoptarea acţiunilor care reduc riscul de defectare.

care se reia pe diferite nivele şi momente de timp. Identificare caracteristici: În această etapă sunt identificate şi sunt descrise funcţiile FMEA şi caracteristicile de proiectare sau de proces. Raportare risc şi aplicare acţiuni corective sau preventive: Această ultimă etapă a unui ciclu. constă în aplicarea acţiunilor corective şi preventive stabilite pentru responsabilii de produs sau proces şi apoi prin evaluarea rezultatelor obţinute şi a riscului rezident. Identificare moduri de defecare: Pentru fiecare funcţie identificată. în final. rezultă că monitorizarea indicelui de prioritate– risc (RPN) este principala metodă de evaluare a riscului în FMEA. prin trei nivele: risc ridicat (R).9. În ecuaţia riscului este considerat şi factorul de control al produsului sau procesului. în general. 2. 3. se descriu modurile de defectare potenţiale. Utilizarea RPN este mai întâi de toate o acţiune de natură preventivă. Rezultatele evaluării sunt cuantificate prin nivelul de apariţie a acestor cauze.2 Managementul riscului în FMEA Din cele prezentate până acum. 5. . precum şi cerinţele pe care aceste funcţii trebuie să le realizeze. mai degrabă decât o acţiune de natură corectivă. care determină nivelul de detecţie al defectărilor şi în final numărul de prioritate – risc. 6. Toate aceste elemente se asamblează într-un proces de management al riscului. la reducerea RPN şi deci la reducerea riscului.4 MANAGEMENTUL RISCULUI ÎN FMEA 125 4. prin stabilirea unui nivel de severitate. risc mediu (M) şi risc scăzut (S). trebuie să conducă. Rezultă o primă evaluare cantitativă a riscului. adică a nivelului de risc rămas în sistem după aplicarea acţiunilor corective şi preventive.4. Toate acţiunile aplicate în FMEA. Identificare cauze: Cauzele potenţiale ale defectării sunt analizate în relaţia cauză – mecanism de defectare. aşa cum vom vedera în continuare. riscul este prioritizat. 4. Procesul pentru managementul riscului în FMEA are următoarele etape: 1. Prioritizare risc: În studiile FMEA de produs sau de proces. Identificare riscuri: Riscurile sunt asociate iniţial efectelor pe care modurile de defectare potenţiale pot să le genereze.4. Schema de proces pentru managementul riscului în FMEA este prezentată în Figura 4.

201 – 300. valoarea 100 corespunde unor valori medii de 4.126 CAPITOLUL 4 – MANAGEMENTUL RISCULUI ÎN CALITATE ŞI FIABILITATE Managementul riscului Raportare risc Acţiuni corective/ preventive Prioritizare riscuri Identificare caracteristici Reducerea riscului Identificare cauze Identificare moduri de defectare Identificare riscuri Figura 4. ceea ce explică într-un fel alegerea valorilor menţionate. considerând clasele 1 – 40. se consideră că riscul are un nivel ridicat. iar pe ordonată frecvenţa înregistrată pentru numărul de prioritate risc al caracteristicilor analizate. Tabelul 4. în care pe abscisă avem trei zone. …. 101 – 200. Această legătură este dată în Tabelul 4.8 – Clasificarea riscului în FMEA Clasificarea calitativă Clasificare cantitativă Risc scăzut (S) NPR ≤ 40 Risc mediu (M) 41 ≤ NPR ≤ 100 Risc ridicat (R) NPR > 100 Pe baza valorilor de mai sus. considerând toate funcţiile şi caracteristicile unui anumit produs sau toate procesele de realizare ale acestuia. 901 – 1000. corespunzătoare clasificării riscului. Se observă că nivelul de risc minim sau scăzut. apariţie şi detecţie discutate anterior. putem să construim o histogramă sau un linie de tendinţă a zonelor de risc. Aceste valori (40 şi 100) sunt desigur valori stabilite în practică de majoritatea utilizatorilor şi se bazează pe experienţă.9 – Managementul riscului în FMEA Vom analiza în continuare relaţia dintre clasificarea calitativă a riscului în FMEA şi clasificarea cantitativă furnizată de numărul de prioritate – risc. 5 şi 5 pentru nivelele de severitate.8. . este asociat cu un număr de prioritate – risc inferior valorii 40. riscul moderat este considerat pentru o valoare a NPR mai mică de 100. în timp ce pentru valori ale NPR mai mari ca 100. De exemplu. 41 – 100.

Punctajul de severitate acordat a fost 7. În Figura 4. respectiv cele mai multe caracteristici sunt în zona de risc scăzut (codificată S).10 sunt reprezentate zonele de risc şi frecvenţa de apariţie a NPR pentru un anumit proces.4. Pentru această funcţie a procesului au fost identificate un mod de defectare potenţial şi efectele potenţial ale defectării. pentru un proces de aplicare a unui strat de parafină de protecţie pe în interiorul uşii unui autovehicul în cadrul procesului de asamblare a caroseriei. respectiv a realizării necorespunzătoare a operaţiei de protecţie prin acoperire cu parafină. un număr mai redus în zona de risc mediu sau moderat (codificată M). . După aplicarea acţiunilor corective şi studiul formei distribuţiei frecvenţei valorilor NPR pentru stadiul optimizat al procesului. se află din ce în ce mai puţine caracteristici ale procesului.3). pentru a evidenţia forma distribuţiei.4 MANAGEMENTUL RISCULUI ÎN FMEA 127 0 Zona de risc mediu (M) Frecvenţa NPR Zona de risc scăzut (S) În Figura 4. iar în zona de risc ridicat (codificată R).10 – Zonele de risc şi valorile NPR Să considerăm în continuare exemplul unui studiu FMEA pentru proces şi modul de analiză şi considerare a riscului. dar cu creşterea valorilor în zonele de risc (S) şi (M) şi reducerea semnificativă a caracteristicilor situate în zona (S). considerându-se că nivelul de performanţă al procesului este necorespunzător (vezi Tabelul 4. modelul exponenţial negativ poate continua să apară. corespunzător unui efect mare. Se observă că modelul statistic ce poate fi considerat pentru acest caz este unul de tip exponenţial negativ.13 este redat modelul cunoscut al studiului FMEA din standardul internaţional QS 9000. Obiectivul final ideal al acţiunilor de management al riscului în FMEA este situarea tuturor caracteristicilor procesului în zona de risc minim (S). sub forma unui grafic liniar. 50 Zona de risc ridicat (R) 100 150 200 250 Valori NPR 300 350 1000 400 Figura 4. pe măsură ce NPR creşte. Operaţia are ca scop protejarea împotriva coroziunii a suprafeţelor interioare ale uşii şi se realizează cu ajutorul unui dispozitiv special (un pistol) de acoperire cu parafină.

este redată în Figura 4. În stadiul optimizat după aplicarea şi evaluarea acţiunilor corective. ceea ce denotă o îmbunătăţire a performanţelor. Histograma cauzelor de defectare în funcţie de NPR. în stadiul iniţial şi în stadiul optimizat. procesul situându-se în zonele de risc mediu şi scăzut. 450 400 350 300 250 200 150 100 50 0 Timpul de Capul pistolului Capul pistolului Capul pistolului este înfundat este deformat acoperire este nu ajunge la insuficient toate suprafeţele Stadiul iniţial Stadiul optimizat interioare Figura 4. rezultând numerele de prioritate – risc pentru stadiul iniţial de analiză FMEA.11.12 Zonele de risc ale procesului 350 400 . a pus în evidenţă 3 cauze cu risc ridicat (R) şi o cauză cu risc scăzut (S). sau înregistrat două cauze de defectare cu risc mediu (M) şi 2 cauze cu risc scăzut (S). acum toate caracteristicile având un NPR sub 100. Clasificarea riscurilor în stadiul iniţial. rezultă o imagine a procesului în stadiul optimizat. care au fost cuantificate din punct de vedere al apariţiei.11 – Histograma cauzelor de defectare în funcţie de NPR Aplicând pentru exemplul nostru zonele de risc discutate anterior. S 0 M 50 R 100 150 Stadiul iniţial 200 250 300 Stadiul optimizat Figura 4.128 CAPITOLUL 4 – MANAGEMENTUL RISCULUI ÎN CALITATE ŞI FIABILITATE În continuare au fost identificate un număr de 4 cauze potenţiale de defectare. Au fost definite sistemele de control pentru fiecare cauză specificată şi s-au acordat punctajele de detecţie.

ANALIZA MODULUI DE DEFECTARE ŞI A EFECTELOR – FMEA PROCES Funcţia de proces _____________ Cerinţe Mod de defectare potenţial Efecte potenţiale a le defectării S Cauze potenţiale / Mecanisme de defectare O Capul pistolului nu este introdus suficient pentru a ajunge la toate 8 suprafeţele interioare _______ __ Acoperirea tuturor suprafeţelor interioare cu un strat de parafină de grosime minimă împotriva coroziunii Acoperirea insuficientă şi incorectă a suprafeţelor specificate Deteriorarea perioadei de viaţă a uşii.05 7 1 7 49 M 129 Figura 4. temperatură şi presiune Procesul este în control statistic Cpk=1. având ca efecte în timp: • Aspect necorespunzător datorită apariţiei zonelor de rugină. • Afectarea funcţionării interioare a uşii Capul pistolului este înfundat deoarece: • Vâscozitatea este prea mare.85 7 1 3 21 S Activităţi preventive planificate de 2 2 întreţinere şi reparaţii a capului pistolului 28 S Nu e cazul Nu e cazul 7 2 2 28 S Instrucţiuni tehnologice pentru operator şi 7 eşantionare 8 pentru verificarea acoperirii în zonele critice 392 R Dotarea pistolului cu un releu de timp Procesul este în control statistic Cpk=2.13 Exemplul unui studiu FMEA pentru proces 4.4 MANAGEMENTUL RISCULUI ÎN FMEA Aplicarea manuală a unui strat de parafină de protecţie în interiorul uşii autovehiculului Controlul curent al procesului . • Presiunea este 7 prea scăzută Capul pistolului este deformat ca urmare a impactului cu pereţii interiori Timpul de acoperire este insuficient D Verificarea la 1 oră a grosimii stratului de parafină şi a gradului de acoperire 5 Testarea funcţionării pistolului la începutul schimbului şi după fiecare perioadă de întrerupere 3 Clasa de NPR risc 80 05 Acţiuni corective recomandate Rezultatele acţiunilor corective aplicate Acţiuni corective aplicate S O D NPR Clasa de risc R Adăugarea unui ghidaj de oprire la capul pistolului Ghidajul realizat asigură atingerea adâncimii în zonele critice 7 2 5 70 M R Studiul capabilităţii şi proiectarea experimentelor pentru vâscozitate. 5 • Temperatura este prea scăzută.

71 13.69 13. Costul de rezolvare a unei reclamaţii este Kδ = 150€.25€/bucată.75 13.2 Un producător aprovizionează un lot de 5.72 13.Furnizorul A: 220 / bucată.70 13.000 de unităţi de produs dintr-un anumit reper pentru asamblare. Să se rezolve această problemă de decizie în următoarele ipoteze: (a) Să se determine funcţia de pierdere şi să se adopte decizia minimax pentru următoarele modificări de costuri: .5 APLICAŢII PROPUSE A4. Orice unitate de produs defectivă identificată înainte de promovarea pe fluxul de asamblare implică un cost suplimentar de 0.8 mm. (a) Să se determine valoarea lui k din funcţia de pierdere L(x) a lui Taguchi.4 Un proces de fabricaţie generează o caracteristică de calitate cu limitele de toleranţă specificate LSI = 13. A4. lotul fiind supus unei proceduri de verificare la recepţie.75 mm. (d) Să se determine valoarea lui k din funcţia de pierdere L(x) a lui Taguchi.6. LSS = 13. Producătorul are de ales între următoarele acţiuni: a1: să accepte lotul.72 13.05 şi p = 0. La omologarea lotului de probă.72 13.72 13. ştiind că fracţiunile defective ale loturilor livrate anterior au fost p = 0. .Remaniere: 250 / bucată.71 13. dar să verifice 100% unităţile de produs din lot. implică un cost suplimentar de 0.75€/bucată.72 13.69 13.73 13.67 13.3 O companie a primit în anul anterior în medie un număr de µ = 10 reclamaţii pe lună de la clienţi.70 13.74 13. (b) Să se aplice procedura Bayes de decizie pentru funcţia de pierdere de mai sus şi următoarele valori ale probabilităţilor iniţiale: Prob{µ = 102} = 0.10.75 13.77 (a) Să se determine media şi abaterea standard. (b) Ştiind costul unei unităţi de produs defective Kδ = 5€. iar valoarea ţintă este T = 13. să se determine pierderea utilizând metoda empirică a fracţiunii defective actuale (proporţia de unităţi de produs situate în afara limitelor de toleranţă specificate). 175 / bucată la lot de 500.74 13.73 13.70 13. Managementul firmei a considerat că o toleranţă medie de δ = 2 reclamaţii reprezintă un nivel acceptabil.69 13. (e) Să se determine valoarea riscului Taguchi.74 13. (b) Să se aplice procedura de decizie minimax. . p = 0. (a) Să se determine funcţia de pierdere.74 13.130 CAPITOLUL 4 – MANAGEMENTUL RISCULUI ÎN CALITATE ŞI FIABILITATE 4. indicii de capabilitate şi fracţiunea defectivă a acestui proces.75 13.Furnizorul B: 150 / bucată.71 13.01.4 şi Prob{µ = 105} = 0. (c) Să se determine pierderea utilizând fracţiunea defectivă estimată.Furnizorul C: 150 / bucată la lot de 1. (b) Să se determine pierderea L(x) din luna decembrie. în timp ce o unitate de produs defectivă identificată după asamblare. A4.70 mm.1 Se consideră problema de decizie asupra aprovizionării arborilor cotiţi. pe baza statisticilor eşantionului de probă.000. a2: să accepte lotul. . A4. iar în luna decembrie un număr de 15 reclamaţii. eşantionul de unităţi de produs măsurate a furnizat următoarele valori: 13. .

1996 – 2000. pentru a vedea cum se integrează managementul riscului în acest context. Caracterul temporal al proiectului este dat de faptul că fiecare proiect este definit printr-un moment de început şi un moment de finalizare. Caracterul de unicitate este dat de faptul că obiectul unui proiect în constituie. metodelor şi tehnicilor la realizarea activităţilor unui proiect. PMI. costurilor şi calităţii proiectului cu cerinţele identificate (planificate) sau cu cele neidentificate (aşteptate). începând cu anul 1987. realizarea unui produs sau a unui serviciu. 131 .a. experienţei. Aceasta înseamnă balansarea şi echilibrarea domeniului. Pe plan internaţional. în general. conceptele legate de managementul proiectelor au fost agregate într-o bază de cunoştinţe de către Project Management Institute (PMI). Un proiect se poate defini ca fiind un set de activităţi menite să realizeze. un ghid conţinând un corp de cunoştinţe pentru managementul proiectelor1.1 ELEMENTE DE MANAGEMENTUL PROIECTELOR Acest capitol este dedicat managementului riscului în proiecte. Exemple de proiecte sunt: dezvoltarea unui nou produs sau serviciu. Vom sintetiza în cele ce urmează principalele concepte utilizate în managementul proiectelor. Managementul proiectului implică. dezvoltarea şi/sau implementarea unui nou sistem informatic. un institut finanţat de guvernul american care. Pentru acest obiectiv. din care managementul riscului face parte integrantă. pentru a atinge sau chiar a depăşi cerinţele şi aşteptările planificate sau aşteptate de la proiectul respectiv de către părţile interesate în proiect. Managementul proiectului constă din aplicarea cunoştinţelor. implementarea unui nou proces sau schimbarea procedurilor într-o organizaţie ş. a publicat. într-o manieră similară sau nu cu alte proiecte. duratelor. 1 A Guide to the Project Management Body of Knowledge. vom analiza mai întâi principalele noţiuni de managementul proiectelor. prin comitetul său de standarde. într-o anumită perioadă de timp.5 MANAGEMENTUL RISCULUI ÎN PROIECTE 5. un produs sau un serviciu unic.

reprezentate structural în schema din Figura 5. cât şi planificarea şi controlul acestora.1. verificat şi controlat din punct de vedere al modificărilor ariei de cuprindere a proiectului. execuţia planului proiectului şi controlul modificărilor intervenite în proiect. managerii de proiect. Acesta include planificarea proiectului. estimarea duratelor activităţilor. echipa de proiect etc. domeniul proiectului este definit. Managementul duratelor proiectului este alcătuit din procesele care asigură realizarea la timp a activităţilor proiectului. structura organizaţională şi managerială necesară pentru realizarea proiectului: responsabilii proiectului.132 CAPITOLUL 5 – MANAGEMENTUL RISCULUI ÎN PROIECTE de asemenea. descriu cunoştinţele şi procedurile necesare pentru conducerea proiectului respectiv. MANAGEMENTUL PROIECTULUI Managementul integrării proiectului Managementul domeniului proiectului Managementul duratelor proiectului Managementul costurilor proiectului Managementul calităţii proiectului Managementul resurselor umane ale proiectului Managementul comunicaţiilor proiectului Managementul riscului proiectului Managementul resurselor materiale ale proiectului Figura 5. În acest scop. Procesele de management ale unui proiect. planificat. Managementul integrării proiectului se referă la procesele necesare pentru a asigura că diferitele elemente ale proiectului sunt coordonate în mod corespunzător. a secvenţelor de ordine. Managementul domeniului proiectului constă din procesele menite să asigure că proiectul include toate activităţile necesare – şi numai pe acestea – pentru a realiza proiectul cu succes. Aceasta include definirea activităţilor.1 – Procesele de management ale unui proiect .

1 ELEMENTE DE MANAGEMENTUL PROIECTELOR 133 Managementul costurilor proiectului conţine procesele necesare pentru a asigura că proiectul este realizat în bugetul aprobat. respectiv planificarea organizaţională. Managementul calităţii proiectului constă din procesele necesare pentru a asigura că proiectul va satisface cerinţele definite şi planificate. analiza şi răspunsul la riscul proiectului. prin planificarea şi derularea procurării materialelor pentru proiect. Managementul resurselor umane al proiectului conţine procesele necesare pentru a asigura utilizarea cât mai eficace a resurselor umane implicate în proiect. Grupurile de procese (fazele) ale unui proiect sunt reprezentate în Figura 5. asigurarea calităţii şi controlul calităţii. Managementul resurselor materiale ale proiectului conţine procesele de achiziţie a bunurilor şi serviciilor necesare pentru realizarea activităţilor proiectului. care descriu fazele unui proiect. transmiterea şi stocarea informaţiilor referitoare la proiect.5. Managementul riscului proiectului include procesele referitoare la identificarea. INIŢIEREA PROIECTULUI PLANIFICAREA PROIECTULUI CONTROLUL PROIECTULUI EXECUŢIA PROIECTULUI ÎNCHIDEREA PROIECTULUI Figura 5. precum şi la estimarea şi controlul costurilor. cuantificarea riscului. precum şi dependenţele între procesele proiectului. Managementul comunicaţiilor proiectului se referă la procesele care să asigure – la timp şi în cele mai bune condiţii – generarea. şi se referă la planificarea resurselor. colectarea. asigurarea personalului de specialitate şi constituirea şi conducerea echipei de proiect. implicând identificarea riscului. respectiv procesele de planificare a calităţii. Procesele de management ale unui proiect pot fi organizate în cinci grupuri alcătuite fiecare din unul sau mai multe (sub)procese.2.2 – Grupurile de procese (fazele) unui proiect . cât şi dezvoltarea şi controlul răspunsului la risc.

pentru că ele materializează programul de lucru pentru realizarea proiectului. De asemenea.3 – Interacţiunea între grupurile de procese (fazele) unui proiect . Procesele auxiliare ale acestui grup se referă la distribuirea informaţiilor referitoare la proiect. au o importanţă majoră pentru un proiect. Procesele de închidere a proiectului sunt alcătuite din activităţile de rezolvare a problemelor referitoare la contractul care a stat la baza realizării proiectului.3. procesele auxiliare implică controlul modificărilor în ceea ce priveşte domeniul. Procesele de execuţie a proiectului. Procesele de bază din acest grup sunt: planificarea domeniului proiectului. planificarea riscului şi a resurselor proiectului. programul sau costurile proiectului. constau din urmărirea şi raportarea performanţelor proiectului şi din controlul modificărilor intervenite. Pentru a descrie aceste conexiuni. sunt menite în primul rând să asigure realizarea planului proiectului. prin faptul că multe dintre acestea au un caracter iterativ. cât şi a costurilor. precum şi controlul calităţii. se referă în fapt la implicarea în începerea proiectului şi trecerea la faza următoare. Procesele auxiliare sunt: planificarea calităţii. • Mijloace şi tehnici: mecanismele aplicate intrărilor pentru a crea ieşiri. • Ieşiri: documente (articole documentabile) care sunt rezultatul procesului. Procesele de planificare a proiectului. dezvoltarea echipei şi asigurarea calităţii. controlul răspunsului la risc şi controlul procurării resurselor. Grupurile de procese ale unui proiect sunt interconectate între ele. a comunicaţiilor. cât şi din închiderea administrativă a acestuia.134 CAPITOLUL 5 – MANAGEMENTUL RISCULUI ÎN PROIECTE Procesele de iniţiere a proiectului. Derularea în timp a fazelor unui proiect şi nivelul de intensitate al activităţilor componente sunt reprezentate în Figura 5. aceste faze desfăşurându-se simultan. fiecare proces poate definit prin: • Intrări: documente sau articole care pot fi documentate. Procesele de control al proiectului. a activităţilor şi duratelor acestora. prin coordonarea oamenilor şi a celorlalte resurse alocate proiectului. Execuţie Nivel activităţi Planificare Control Iniţiere Start Timp Închidere Finiş Figura 5. Grupurile de procese sau fazele unui proiect sunt corelate şi în timp.

dimensiunea şi/sau complexitatea unei activităţi nu este întotdeauna o măsură adecvată a gradului de risc potenţial asociat cu activitatea respectivă. cum ar fi întârzieri de program. poate s aibă un impact pozitiv sau negativ asupra obiectivului proiectului. Aplicat pentru un proiect. identificare. . cauza poate fi obţinerea unei aprobări din partea unui organism specializat ( cum ar fi autorizaţia de construcţie sau de mediu). răspuns şi control al riscurilor. un impact.5. În caz contrar. dacă apare. Riscul este o componentă inerentă a tuturor activităţilor unui proiect. De aceea. eşecul unei activităţi poate rezulta din nerealizarea sau neîndeplinirea factorilor menţionaţi anterior. prin creşterea şanselor de îmbunătăţire a performanţelor proiectului şi. indiferent dacă este vorba de o activitate mai simplă sau de o activitate mai complexă. programului sau performanţelor tehnice (cum ar fi de exemplu riscul asociat aplicării unei noi abordări constructive) sau performanţelor planificate (de exemplu riscul asociat obţinerii şi utilizării resurselor care pot afecta proiectul). De exemplu. Managementul riscului este procesul sistematic de identificare. dacă apare. activităţile complexe au asociate riscuri mai mari. menţinându-le la un nivel acceptabil. Riscul proiectului este un eveniment incert sau o condiţie care. adică în cele mai multe cazuri. cuantificare. Managementul riscului proiectului este un proces continuu de planificare. Managementul riscului este deci o abordare structurată şi formală. Scopul este de a maximiza probabilitatea de succes a proiectului. El poate fi descris ca o combinaţie dintre probabilitatea ca riscul să apară şi consecinţele în termenii pierderii sau câştigului ca urmare apariţiei riscului. managementul riscului reprezintă utilizarea continuă a principiilor de management de risc pe durata de viaţă a proiectului. pentru a mări cât mai mult potenţialul de succes al proiectului. Managementul riscului în cadrul unui proiect se poate aplica costurilor. dependenţa este directă. Succesul unei activităţi a proiectului înseamnă că acea activitate este fezabilă din punct de vedere tehnic şi al programării acesteia şi poate fi realizată cu bugetul stabilit şi în programul stabilit. focalizată asupra paşilor necesari şi acţiunilor planificate pentru a determina şi a controla riscurile. de analiză şi de răspuns la riscul potenţial al unui proiect. diminuarea şanselor pentru evoluţii neanticipate. Riscul are o cauză şi. depăşirea costurilor sau compromisuri privind calitatea.2 MANAGEMENTUL RISCULUI PROIECTELOR Riscul poate fi definit ca fiind gradul de expunere la un eveniment care poate să se întâmple în detrimentul sau în beneficiul unui proiect sau a unei activităţi. ceea ce poate să aibă impact asupra programului. Totuşi.2 MANAGEMENTUL RISCULUI PROIECTELOR 135 5. în acelaşi timp. Evenimentul de risc poate fi poate fi faptul că obţinerea aprobării poate să dureze mai mult decât a fost planificat iniţial.

Riscurile pot fi variabile cunoscute. Aceste procese sunt conectate cu grupurile de procese analizate anterior pentru managementul general al proiectului. respectiv riscuri care nu au fost încă identificate sau sunt imposibil de prevăzut. cuantificate şi pentru care au fost făcute planuri. indiferent de amploarea sau complexitatea acestora. care pot avea impact asupra securităţii şi siguranţei sau asupra mediului. Riscul tehnic este definit ca fiind impactul posibil asociat cu dezvoltarea unui nou design. Riscul proiectului include atât ameninţările asupra obiectivelor proiectului. Principalele categorii în care sunt clasificate riscurile sunt următoarele: • Riscul tehnic. Managementul riscului proiectului constă din procesele majore reprezentate în Figura 5. Riscurile de securitate sau de mediu apar numai în anumite proiecte. riscurile pot fi variabile necunoscute. de mai mare complexitate. Riscurile de programare şi de costuri sunt cele care indică cel mai bine starea proiectului respectiv.4. realizarea unor noi cerinţe tehnice etc. evaluate.4 – Procesele managementului riscului proiectelor . adică riscuri care au fost identificate. Totodată. • Riscul de costuri. dar şi oportunităţile de a îmbunătăţi aceste obiective. • Riscul de programare. Acest risc îşi are originea în incertitudinea care este prezentă în toate proiectele. MANAGEMENTUL RISCULUI PROIECTULUI Planificarea managementului riscului Identificarea riscului Analiza calitativă a riscului Analiza cantitativă a riscului Planificarea răspunsului la risc Controlul şi monitorizarea riscului Figura 5. • Riscul de securitate sau de mediu.136 CAPITOLUL 5 – MANAGEMENTUL RISCULUI ÎN PROIECTE costurilor sau calităţii proiectului.

În anumite organizaţii există deja proceduri şi metode pentru analiza calitativă şi cantitativă a riscului.2.5 – Procesul de planificare a managementului riscului proiectului . Roluri şi responsabilităţi definite. Descrierea proiectului 2. precum şi ieşirile din acest proces. Pentru procesul de planificare a managementului riscului.5. programul sau costurile proiectului. va trebui să evaluăm mai întâi dacă există un potenţial pentru riscuri în proiectul analizat. Acest document include o descriere sintetică a cerinţelor de business ale proiectului. Structura activităţilor proiectului MIJLOACE ŞI TEHNICI 1.2 MANAGEMENTUL RISCULUI PROIECTELOR 137 5. Această evaluare nu este simplă. Politica organizaţiei 3. dacă ţinem cont că va trebui să analizăm toate activităţile proiectului care ar putea să conţină un risc potenţial. Toleranţa la risc 5. Reuniuni de planificare a managementului riscului IEŞIRI 1. mijloacele şi tehnicile aplicabile acestui proces.5. Intrări în planificarea managementului riscului (1) (2) (3) Descrierea proiectului. Planul managementului riscului Figura 5. INTRĂRI 1. Obţinem prin această primă evaluare o listă de activităţi şi o clasificare a riscurilor potenţiale în activităţi fără risc. a cărui schemă este reprezentată în Figura 5. Înainte de iniţierea oricăror acţiuni de management de risc. Rolurile.1 Planificarea managementului riscului Planificarea managementului riscului este procesul prin care se decide modul de abordare şi de planificare a activităţilor de management al riscului pentru proiectul respectiv. activităţi cu risc scăzut (sau acceptabil) şi activităţi cu potenţial de risc ridicat. Roluri şi responsabilităţi definite 4. Politicile organizaţiei în domeniul managementului riscului. Planul managementului riscului – model 6. vom detalia în continuare intrările în proces. responsabilităţile şi autorităţile care sunt deja definite în organizaţie pot influenţa planificarea managementului riscului. în ceea ce priveşte domeniul.

Aceste elemente se regăsesc în politicile organizaţiei sau în acţiunile întreprinse. Acest document stabileşte modul în care identificarea. răspunsul şi controlul riscului sunt structurate şi realizate pe parcursul ciclului de viaţă al proiectului. Este documentul care conţine. Nivele: Se stabilesc nivele (praguri) de risc. Concluziile din analiza riscului vor trebui să fie furnizate la timp. care au responsabili şi modalităţi acţiune. Diferite organizaţii şi diferiţi responsabili pot avea toleranţe şi atitudini diverse faţă de risc. Este un document predefinit (un şablon) care conţine structura planului de management al riscului. care declanşează activităţi. pe parcursul proiectului. dup caz. Cuantificare şi interpretare: Trebuie stabilite metodele corespunzătoare de cuantificare şi interpretare a analizelor calitative şi cantitative ale riscului. Planul de management al riscului trebuie să includă: Metodologia: Acest capitol al planului defineşte modalitatea de abordare. Roluri şi responsabilităţi: Acest capitol al planului stabileşte membrii echipei şi responsabilităţile acestora pentru activităţile de managementul riscului. activităţile proiectului. cu condiţionările de timp şi resurse ale acestora.138 CAPITOLUL 5 – MANAGEMENTUL RISCULUI ÎN PROIECTE (4) (5) (6) Toleranţa la risc a responsabililor proiectului. conducătorii echipelor de proiect. Aceste întâlniri au scopul să adapteze şi să îmbunătăţească modelul planului de managementul riscului. pentru a sta la baza deciziilor adoptate periodic în cadrul proiectului. La aceste reuniuni de lucru. cuantificarea. ţinând cont de cerinţele şi de intrările proiectului respectiv. metode care se vor aplica pe parcursul derulării proiectului. Mijloace şi tehnici pentru planificarea managementului riscului (1) Reuniuni de planificare. trebuie să participe managerul de proiect. Periodicitatea: Conţine perioadele la care procesul de managementul riscului va fi realizat. Ieşiri din planificarea managementului riscului (1) • • • • • Planul de managementul riscului. responsabilii cheie ai proiectului şi alţi specialişti din organizaţie. în detaliu. Structura activităţilor proiectului. Modelul pentru planul de managementul riscului. evaluarea. mijloacele şi sursele de date care pot fi utilizate pentru managementul riscului proiectului respectiv. .

Intrări către alte procese Figura 5. în acelaşi timp. 5. furnizori şi clienţi. experţi în domeniu din organizaţie. Acest document a rezultat ca ieşire din procesul anterior de planificare a managementului riscului.6 – Procesul de identificare a riscului proiectului . Riscuri identificate 2. Pentru procesul de identificare a riscului. Analiza ipotezelor 4. INTRĂRI MIJLOACE ŞI TEHNICI 1. cerinţele viitoare şi lecţiile învăţate. Prima iteraţie poate fi realizată de echipa de proiect sau de echipa de managementul riscului. Înregistrări: Acest capitol stabileşte înregistrările din domeniul managementului riscului care se vor face. Tehnica diagramelor IEŞIRI 1. A doua iteraţie poate fi realizată de întreaga echipă de proiect sau de principalii responsabili ai proiectului. Informaţii istorice 1. Identificarea riscului este un proces iterativ. documentarea caracteristicilor acestor riscuri. rezultate din realizarea proiectului.5. Ieşiri din planificările proiectului 3. Trigger-e 3. Planul managementului riscului 2. vom detalia în continuare intrările în proces. Pentru a obţine o analiză imparţială. echipa de managementul riscului.2. a treia iteraţie poate fi făcută de persoane care nu sunt implicate direct în proiect.6. La identificarea riscurilor trebuie să participe: echipa de proiect. Analiza documentaţiei 2. a cărui schemă este reprezentată în Figura 5. Tehnici de culegere a informaţiilor 3.2 Identificarea riscului Identificarea riscului este o abordare sistematică ce implică determinarea riscurilor care pot afecta proiectul şi. utilizatori finali. responsabilii proiectului şi chiar experţi din afara organizaţiei.2 MANAGEMENTUL RISCULUI PROIECTELOR • • 139 Raportare: Acest capitol documentează modul în care rezultatele procesului de managementul riscului sunt analizate şi transmise echipei de proiect şi responsabililor proiectului. Intrări în identificarea riscului (1) Planul managementului riscului. precum şi ieşirile din acest proces. mijloacele şi tehnicile aplicabile acestui proces. Categorii de risc 4.

Anumite evenimente extreme (cum ar fi cutremurele. litigii de muncă. Planul resurselor. Descrierea produsului (sau serviciului). inundaţiile. cerinţa de a obţine o performanţă ţintă nerealistă. alte riscuri fizice pentru care se pot întocmi planuri. Estimările duratelor şi a costurilor activităţilor. estimări nerealiste sau incomplete. lipsa stabilirii priorităţilor între proiectele organizaţiei. Riscuri interne: În această categorie de riscuri interne ale organizaţiei sunt cuprinse costuri. Categoriile de risc. conflicte de finanţare sau de alocare de resurse cu alte proiecte ale organizaţiei. Riscuri ale managementului de proiect: Acestea pot fi alocarea necorespunzătoare a timpului sau a resurselor. schimbări în tendinţele de piaţă. Aceste ieşiri pot fi: Descrierea proiectului. funcţii ale managementului de proiect incorect aplicate. probleme cu furnizorii. durate şi obiective care sunt inconsistente. riscul de ţară.140 CAPITOLUL 5 – MANAGEMENTUL RISCULUI ÎN PROIECTE (2) • • • • • • • • (3) • • • • Ieşiri din planificările proiectului. Categoriile de risc cele mai des utilizate sunt: Riscuri tehnice. finanţări inadecvate sau întreruperea asigurării finanţării. tehnici de comunicare deficitare. . Programul (planning-ul) activităţilor proiectului. Aceste categorii de risc trebuie să fie bine definite şi să reflecte sursele comune de risc pentru aria de aplicare a proiectului. Ieşirile din celelalte grupuri de procese ale proiectului trebuie analizate pentru a identifica riscurile posibile. precum şi a responsabililor proiectului. Categoriile de risc ajută la identificarea riscurilor posibile care pot afecta proiectul în bine sau în rău. o calitate inadecvată a planului de proiect. Riscuri externe: Acestea pot fi schimbări în mediul legislativ. Alte cerinţe şi constrângeri documentate. de calitate sau de performanţă: În această categorie de risc intră dependenţa de o tehnologie neomologată. mai degrabă decât în categoria de riscuri externe ale proiectului. Planul de achiziţii.) se încadrează în general în scenariile în caz de dezastru. schimbările politice etc. inabilitatea de a adopta decizii privind proiectul. riscul de stare a vremii. Structura activităţilor. domeniul şi obiectivele acestuia. Identificarea riscului necesită o înţelegere completă a proiectului în ceea ce priveşte misiunea. schimbări în tehnologia utilizată sau în standardele industriale aplicabile.

dar participă la analiză anonim.2 MANAGEMENTUL RISCULUI PROIECTELOR 141 (4) Informaţii istorice. Mijloace şi tehnici pentru identificarea riscului (1) Analiza documentaţiei. listă care va fi folosită ulterior în procesele de analiză calitativă şi cantitativă a riscului. Acestea pot fi rapoarte finale ale proiectelor. etapă iniţială realizată de echipa de proiect. Pentru identificarea riscului se utilizează brainstorming-ul. fără a se întâlni faţă în faţă. În timpul şedinţei. tehnica Delphi. Responsabilul cu . • Tehnica Delphi: Această metodă este o modalitate de a obţine consensul experţilor asupra riscului proiectului. care este condusă de un moderator. • Interviul: Riscurile pot fi identificare şi prin intervievarea managerilor de proiect cu experienţă sau a experţilor în domeniu. Experţii sunt identificaţi. Scopul metodei este de a obţine o listă cât mai completă a riscurilor proiectului. • Informaţii publicate: Baze de date comerciale. Responsabilul cu identificarea riscului utilizează un chestionar prin care solicită idei despre cele mai importante riscuri ale proiectului. studii academice. Pentru brainstorming se organizează o reuniune cu participarea experţilor. care descriu problemele apărute şi modul lor de rezolvare. Întâlnirea se desfăşoară fără întreruperi şi fără a se exprima judecăţi sau critici ale ideilor interlocutorilor.5. Riscurile astfel identificate sunt transmise apoi experţilor pentru analiză şi comentarii. • Brainstorming-ul: Este tehnica cea mai des utilizată pentru identificarea riscului. Aceasta implică o analiză structurată a planurilor proiectului şi a ipotezelor de lucru. studii de benchmarking sau alte studii publicate. Consensul asupra principalelor riscuri ale proiectului poate fi obţinut prin câteva iteraţii ale acestui proces. indiferent de poziţia lor ierarhică în cadrul organizaţiei. Sursele de risc sunt identificate în sens larg şi sunt afişate pentru a fi examinate de către toţi participanţii în timpul întâlnirii. Informaţiile din proiectele anterioare pot fi disponibile din următoarele surse: • Dosare de proiecte: Înregistrările rezultatelor proiectelor anterioare pot fi utilizate pentru identificarea riscurilor. planuri de răspuns la risc. având un caracter multidisciplinar. precum şi lecţii învăţate din proiecte anterioare. interviul şi analiza SWOT. Riscurile identificate sunt apoi clasificate şi caracteristicile lor sunt detaliate. sunt generate idei despre riscurile proiectului. (2) Tehnici de culegere a informaţiilor.

Identificarea riscului poate să evidenţieze necesitatea unor acţiuni în alte arii ale proiectului. pe care le informează pe scurt asupra proiectului. punctelor slabe. Orice proiect este conceput şi dezvoltat pe baza unor ipoteze. Analiza ipotezelor. Diagrame flux de sistem sau de procese: Această tehnică descrie modul în care elementele unui sistem sau ale unui proces interacţionează. Managerii de proiect şi experţii intervievaţi identifică riscurile pe baza experienţei lor. (2) Trigger-e. Analiza SWOT: Această tehnică examinarea proiectului din perspectiva punctelor tari. . precum şi alte relaţii între variabile şi rezultate. inconsistenţei sau caracterului incomplet al ipotezelor de lucru. De exemplu. Ieşiri din identificarea riscului (1) Riscurile identificate. Riscurile identificate în acest proces constituie elemente de intrare în procesele de analiză calitativă şi cantitativă care urmează. precum şi mecanismul de cauzalitate. Acestea sunt denumite şi semnale de avertizare ale riscului. pe baza informaţiilor despre proiect şi a altor surse de informaţii pe care le consideră utile. nerealizarea la timp a unei activităţi de tip „milestone” poate fi semnalul unei posibile întârzieri a programului întregului proiect. Această tehnică identifică riscurile proiectului din punct de vedere al inexactităţii. De exemplu. (3) Intrări către alte procese. Tehnica diagramelor. care pot să afecteze proiectul în bine sau în rău. Riscurile sunt evenimente cu apariţii cu caracter discret. structura activităţilor proiectului poate să nu fie suficient de detaliată ca să permită o identificare adecvată a riscurilor la nivelul unor subactivităţi ale proiectului. pentru a mări aria de analiză a riscurilor considerate. arătând influenţele cauzale. a oportunităţilor şi a ameninţărilor. fiind o tehnică utilă pentru identificarea cauzelor riscurilor şi a efectelor posibile ale acestora. constituind indicaţii că un risc a apărut sau urmează să apară.142 CAPITOLUL 5 – MANAGEMENTUL RISCULUI ÎN PROIECTE • (3) (4) • • • identificarea riscului alege persoanele cele mai potrivite. scenarii şi presupuneri. le furnizează informaţiile privind structura activităţilor şi ipotezele de lucru. ordinea temporală a evenimentelor. Analiza ipotezelor este o tehnică ce exploatează acestor ipoteze formulate despre riscurile proiectului. Această tehnică poate include: Diagrama cauză – efect: Este cunoscută sub numele de diagrama Ishikawa sau diagrama „os de peşte”. Diagrame de influenţă: Această tehnică constă dintr-o reprezentare grafică a problemelor.

5. vom detalia în continuare intrările în proces. Riscurile identificate 3. a cărui schemă este reprezentată în Figura 5. Acest proces stabileşte o prioritate a riscurilor. Riscurile descoperite în cadrul procesului de identificare sunt evaluate din punct de vedere al probabilităţii de apariţie şi al impactului produs asupra proiectului. Clasificarea preciziei datelor IEŞIRI 1. Testarea ipotezelor proiectului 4. Procesul de analiză calitativă a riscului trebuie reluat pe parcursul ciclului de viaţă al proiectului. Clasificarea generală a riscului proiectului 2. Incertitudinea asociată unui risc depinde de evoluţia şi stadiul proiectului. Probabilitatea şi impactul riscului 2. în funcţie de efectul lor potenţial asupra obiectivelor proiectului. ele apărând pe măsură ce procesul evoluează. Intrări în analiza calitativă a riscului (1) (2) (3) Planul managementului riscului. precum şi ieşirile din acest proces. Precizia datelor 6.7 – Procesul de analiză calitativă a riscului proiectului . mijloacele şi tehnicile aplicabile acestui proces. INTRĂRI 1. mute riscuri nu apar.3 Analiza calitativă a riscului Analiza calitativă a riscului este procesul de realizare a unei evaluări de natură calitativă a riscurilor identificate ale proiectului. Astfel. Lista riscurilor prioritare 3. Planul managementului riscului 2.7. Matricea scorului riscului 3. utilizând metode şi tehnici de analiză calitativă.2 MANAGEMENTUL RISCULUI PROIECTELOR 143 5. Pentru procesul de analiză calitativă a riscului. Tipul proiectului 5. Stadiul proiectului 4. Riscurile identificate. la începutul proiectului. Rezultatele acestui proces pot conduce la o analiză cantitativă a riscului sau direct la planificarea răspunsului la risc. pentru a reflecta schimbările intervenite în proiect şi schimbările riscului proiectului. Analiza calitativă a riscului este şi o modalitate de determinare a importanţei riscurilor identificate şi un ghid pentru măsurile de răspuns la risc.2. Analiza calitativă a riscului necesită estimarea probabilităţii şi a impactului riscului. Este documentul din procesul de planificare descris anterior. Scala de probabilitate şi impact MIJLOACE ŞI TEHNICI 1. Stadiul proiectului. Lista riscurilor pentru analize suplimentare şi management Figura 5.

În acest sens.40 şi 0. Ea măsoară gradul de disponibilitate a datelor. Analiza riscurilor cu ajutorul probabilităţii şi impactului ne ajută să identificăm acele riscuri cu consecinţe majore asupra proiectului şi asupra cărora trebuie să acţionăm în mod agresiv. moderat. 0.144 CAPITOLUL 5 – MANAGEMENTUL RISCULUI ÎN PROIECTE (4) (5) (6) Tipul proiectului. corespunzătoare valorilor de probabilitate de mai sus.05. Aceste scale sunt utilizate pentru evaluarea celor două dimensiuni cheie ale riscului: probabilitatea de apariţie şi impactul.90. Probabilitatea riscului este definită ca fiind posibilitatea ca acel risc să apară. probabil şi foarte probabil. trebuie evaluată sursa datelor care au fost utilizate pentru identificarea riscului. adică consecinţele asupra proiectului generate de apariţia riscului respectiv. ridicate. iar 0. 0.70 şi 0. scăzut. Scala de probabilitate a riscului are valori cuprinse între 0 (probabilitatea evenimentului imposibil) şi 1 (probabilitatea evenimentului sigur). Este o matrice construită prin combinarea scalelor de probabilitate şi de impact. Impactul riscului este efectul asupra obiectivelor proiectului dacă acel risc apare. ridicat. Scala de impact a riscului reflectă severitatea impactului riscului asupra obiectivelor proiectului. Matricea scorului riscului. Aceste dimensiuni ale riscului se aplică riscurilor specifice şi nu întregului proiect. mediu.80).20. Probabilitatea riscului şi impactul riscului sunt descrise în termeni calitativi ca fiind: foarte ridicate. 0. Mijloace şi tehnici de analiză calitativă a riscului (1) (2) Probabilitatea şi impactul riscului.10 este probabilitatea pentru un risc foarte puţin probabil să apară.50. Precizia datelor. Scala de probabilitate poate avea şi valori ordinale. Proiectele care utilizează tehnologii noi sau cele de mare complexitate tins să aibă riscuri mult mai ridicate. Scala de probabilitate şi de impact. 0. foarte ridicat) sau poate fi cardinală (cu valorile corespunzătoare 0. cât şi fiabilitatea acestora.10.30. Precizia descrie gradul în care riscul este cunoscut şi înţeles. scăzute sau foarte scăzute. . 0.90 este probabilitatea pentru un risc care este foarte probabil să apară.10. în care 0. respectiv foarte puţin probabil. Proiectele de acelaşi tip sau cele care se repetă tind să aibă riscuri mai reduse. moderate. Scala de impact poate fi ordinală (cu valorile de impact foarte scăzut. O scală generală care se utilizează este alcătuită din valorile 0. puţin probabil. 0.

iar valorile ridicate de impact la risc în culoarea roşie.40 Creşterea Creşterea costului cu costului cu 5% .2 – Matricea nivelului de impact Impactul riscului Probabilitatea Foarte scăzut Scăzut Moderat Ridicat Foarte ridicat Foarte probabilă Moderat Moderat Ridicat Ridicat Ridicat Probabilă Scăzut Moderat Moderat Ridicat Ridicat Medie Scăzut Moderat Moderat Ridicat Ridicat Scăzut Scăzut Moderat Moderat Ridicat Scăzut Scăzut Scăzut Scăzut Moderat Puţin probabilă Foarte puţin probabilă . Tabelul 5.2) sau cardinală (Tabelul 5.5.3).20% Zone majore Reducerea ale domedomeniului niului sunt inacceptabilă afectate pentru client Diminuarea Numai Diminuarea calităţii anumite calităţii necesită cerinţe sunt inacceptabilă aprobarea afectate pentru client clientului Scăzut 0.10 Creşterea costului cu <5% Decalarea programului cu <5% Zone minore ale domeniului sunt afectate Foarte ridicat 0. Tabelul 5.20 0. Forma ordinală se obţine considerând nivelele de probabilitate şi de impact.10% cu 10% .20% Decalarea Decalarea programului programului cu 5% .80 Creşterea costului cu >20% Decalarea programului cu >20% Rezultatul proiectului este fără finalitate Rezultatul proiectului este inutilizabil Matricea de probabilitate şi impact poate fi reprezentată într-o formă ordinală (Tabelul 5.1 conţine un exemplu de evaluare a impactului riscului asupra obiectivelor principale ale unui proiect.10% 10% . în exprimarea lor calitativă.05 Creştere nesemnificativă a costului Decalare nesemnificativă a programului Domeniu Reducerea domeniului foarte mică Calitate Diminuarea calităţii foarte mică Impactul riscului Moderat Ridicat 0. considerate anterior. dacă riscul respectiv apare. Tabelul 5.2 MANAGEMENTUL RISCULUI PROIECTELOR 145 Scopul ambelor abordări este de a atribui o valoare de impact de risc pentru obiectivele proiectului.1 – Impactul riscului asupra obiectivelor proiectului Obiectivul proiectului Costuri Program Foarte scăzut 0. valorile moderate în galben. Valorile scăzute de impact se colorează de obicei în verde.

03 0.36 0.05 0.3 – Matricea scorului riscului Impactul riscului Probabilitatea (3) (4) 0. iar impactul acestora asupra obiectivelor proiectului trebuie testat în procesul de analiză calitativă a riscului.80 0. Se observă că un scor mai mic de 0. scorul între 0. un anumit risc nu este înţeles – poate conduce la o analiză calitativă a riscului care nu este utilă managerului de risc. din punct de vedere al calităţii.90 0. integrităţii şi fiabilităţii acestora. care să vină în ajutorul managementului proiectului.20 0.01 0. trebuie identificate ipoteze alternative. Tabelul 5.05 şi 0.08 Testarea ipotezelor proiectului.28 0.10 0. de exemplu.40 0.04 0.15 are un impact ridicat.05 0. Clasificarea riscului poate indica poziţia proiectului faţă de alte proiecte prin compararea scorurilor riscurilor. Utilizarea unor date de precizie scăzută – dacă.56 0.03 0.04 0. Scorurile corespunzătoare ale riscului sunt calculate în matricea din Tabelul 5.50 0. Tehnica de clasificare a preciziei datelor evaluează gradul în care datele despre risc sunt utile pentru managementul riscului.24 0.15 are un impact moderat.10 0.05 0.20 0.30 0. Ea poate fi utilizată pentru a aloca personal sau alte resurse unor proiecte cu diferite clasificări ale riscului. Ieşiri din analiza calitativă a riscului (1) Clasificarea generală a riscului proiectului.3.09 0. În această situaţie. iar scorul mai mare de 0.40 0. Clasificarea preciziei datelor.02 0.10 0. Aceasta implică evaluarea datelor disponibile despre risc. care să fie adevărate. Ipotezele identificate trebuie testate faţă de două criterii: stabilitatea ipotezei şi impactul asupra proiectului dacă ipoteza este falsă.01 0.70 0.12 0.02 0. pentru a face analize cost – .18 0.06 0.07 0.146 CAPITOLUL 5 – MANAGEMENTUL RISCULUI ÎN PROIECTE Scorul riscului se determină cu relaţia: Scorul riscului = Probabilitatea × Impactul.05 se consideră că are un impact scăzut. Analiza calitativă a riscului necesită date precise.14 0.72 0.

2 MANAGEMENTUL RISCULUI PROIECTELOR (2) (3) 147 beneficiu pentru proiect sau chiar pentru a justifica recomandarea pentru anularea unui proiect. cu diferite metode de clasificare. Lista riscurilor pentru analize suplimentare şi management. prin cuantificarea contribuţiei lor relative la riscul general al proiectului.4 Analiza cantitativă a riscului Analiza cantitativă a riscului este procesul prin care se urmăreşte evaluarea numerică a probabilităţii şi impactului fiecărui risc asupra obiectivelor proiectului. • Identificarea riscurilor care implică o atenţie mai mare. • Identificarea realistă a costurilor. Riscurile clasificate ca fiind ridicate şi moderate sunt primele candidate pentru analiza cantitativă şi pentru acţiuni de managementul riscului. cum ar fi simularea Monte Carlo. mijloacele şi tehnicile aplicabile acestui proces. Totodată. program. riscurile semnificative trebuie să fie descrise pe baza probabilităţii şi a impactului cu care au fost evaluate. funcţionalitate sau calitate pot fi evaluate separat. după modul în care necesită un răspuns imediat sau un răspuns ulterior. programului şi obiectivelor care pot fi realizate. • Cuantificarea expunerii la risc a proiectului şi determinarea mărimii rezervelor neprevăzute pentru costuri şi pentru program care ar putea fi necesare. Procesele de analiză calitativă şi cantitativă a riscului pot fi realizate separat sau împreună. moderat. analiza de senzitivitate şi metoda arborilor de decizie. Acest proces utilizează tehnici cantitative. Pentru procesul de analiză cantitativă a riscului. de asemenea. Riscurile pot fi grupate. precum şi ieşirile din acest proces.8. Riscurile referitoare la costuri.5. Riscurile pot fi ierarhizate după scorul de impact de care aparţin (ridicat. până la cel mai detaliat nivel din structura activităţilor proiectului.2. precum şi influenţa asupra riscului general al proiectului. scăzut). a cărui schemă este reprezentată în Figura 5. pentru: • Determinarea probabilităţii de a nu atinge obiective specifice ale proiectului. Lista riscurilor prioritare. 5. Procesul de analiză cantitativă a riscului urmează – în fluxul grupului de procese pentru managementul riscului – după procesele de identificare şi de analiză calitativă a riscului. vom detalia în continuare intrările în proces. .

precum şi obiectivele tehnice ale proiectului. Lista riscurilor prioritare şi pentru analize suplimentare şi management 5. Este documentul rezultat din procesul anterior de planificarea managementului riscului. structura activităţilor proiectului. studii referitoare la riscurile proiectelor. Informaţii istorice. Probabilitatea de a atinge obiectivele de cost şi de timp ale proiectului Figura 5. Interviul 2. Informaţia care este necesară depinde de tipul distribuţiilor de probabilitate INTRĂRI 1. Cele mai utile ieşiri din celelalte procese de planificare a proiectului sunt estimările duratelor activităţilor. baze de date despre risc etc. De asemenea. este o ieşire din proces de analiză calitativă a riscului. Tehnicile de intervievare sunt utilizate pentru a cuantifica probabilitatea şi impactul riscurilor asupra obiectivelor proiectului. Riscurile identificate. costurile estimate pentru aceste activităţi. Analiza probabilistă a proiectului 3. Lista riscurilor prioritare. Lista riscurilor prioritare cuantificate 2. Alte ieşiri din planificarea proiectului MIJLOACE ŞI TEHNICI 1. Sunt informaţii provenite de la proiecte anterioare similare. Evaluările experţilor. Riscurile identificate 3-4. Informaţii istorice 6. Datele de intrare în analiza cantitativă a riscului pot să provină de la echipa de proiect sau de la experţi în domeniu din cadrul organizaţiei sau din afara acesteia. Lista riscurilor pentru analize suplimentare şi management. Planul managementului riscului 2. Este o rezultantă a procesului de analiză calitativă a riscului. Mijloace şi tehnici pentru analiza cantitativă a riscului (1) Interviul. Analiza de senzitivitate 3. Alte ieşiri din planificarea proiectului. Simularea IEŞIRI 1. Evaluările experţilor 7. Primul pas îl constituie realizarea unor interviuri despre riscurile proiectului cu participarea responsabililor proiectului sau a experţilor în domeniu. Sunt ieşiri din procesul de identificare a riscului.8 – Procesul de analiză cantitativă a riscului proiectului . Analiza arborilor de decizie 4.148 CAPITOLUL 5 – MANAGEMENTUL RISCULUI ÎN PROIECTE Intrări în analiza cantitativă a riscului (1) (2) (3) (4) (5) (6) (7) Planul managementului riscului.

este necesară documentarea argumentelor care au stat la baza parametrilor atribuiţi distribuţiilor de probabilitate ale modelelor de risc. poate fi estimată probabilitatea de a atinge obiectivele de cost şi de timp ale proiectului. . Această listă include riscurile care constituie cea mai mare ameninţare pentru proiect.5. precum şi elemente pe pierdere sau câştig. normală. beta şi log-normală. care vor constitui elemente de intrare pentru strategiile de răspuns la risc. Ca urmare a interviurilor. Distribuţiile de probabilitate continue cele mai utilizate pentru analiza cantitativă a probabilităţii si a impactului sunt: uniformă. atunci când celelalte elemente variabile şi incerte sunt menţinute la valorile lor cele mai probabile. Rezolvarea arborelui de decizie indică decidentului o evaluare în termeni cantitativi a riscului asociat fiecărei decizii. sau care oferă cea mai mare oportunitate. Analiza de senzitivitate examinează gradul în care incertitudinea fiecărui element de risc al proiectului influenţează obiectivele proiectului. pesimist şi cel mai probabil. De exemplu. Tehnica de simulare utilizează un model al proiectului. care translatează incertitudinile specificate până la un anumit nivel de detaliere privind impactului potenţial asupra obiectivelor proiectului şi apoi la nivelul întregului proiect. în condiţii de incertitudine. Metoda arborilor de decizie se utilizează pentru a reprezenta problema de decizie considerând implicaţiile alegerii dintre alternativele disponibile. Ieşiri din analiza cantitativă a riscului (1) (2) (3) Lista riscurilor prioritare cuantificate. Această analiză face o predicţie asupra programului şi costurilor proiectului. Această tehnică ajută la determinarea acelor riscuri care au cel mai mare potenţial de impact asupra proiectului. (3) Analiza arborilor de decizie. Tehnicile de simulare şi analiză menţionate mai sus au fost detaliate în capitolele anterioare şi le vom relua în secţiunea de aplicaţii a acestui capitol.2 MANAGEMENTUL RISCULUI PROIECTELOR 149 care vor fi utilizate pentru modelarea riscului. Probabilitatea de a atinge obiectivele de cost şi de timp ale proiectului. În urma analizei cantitative a riscului. (2) Analiza de senzitivitate. atunci când se utilizează distribuţia triunghiulară sau distribuţia beta se furnizează informaţii asupra scenariilor optimist. Metoda utilizează probabilităţile riscurilor. (4) Simularea. triunghiulară. Pentru simulare se utilizează tehnica Monte Carlo. furnizând intervale de încredere. împreună cu o măsură a impactului lor Analiza probabilistă a proiectului. pentru fiecare secvenţă de decizii care se poate adopta. în condiţiile riscurilor actuale.

Acceptarea IEŞIRI 1. Analiza probabilistă a proiectului 7.2. Atenuarea 4. Răspunsuri potenţiale 8.9 – Procesul de planificare a răspunsului la riscul proiectului . precum şi ieşirile din acest proces. să fie acceptată de toate părţile implicate în proiect şi să fie atribuită unui responsabil din cadrul proiectului.5 Planificarea răspunsului la risc Planificarea răspunsului la risc este procesul de dezvoltare a opţiunilor şi de determinare a acţiunilor care să conducă la intensificarea oportunităţilor şi reducerea ameninţărilor asupra obiectivelor proiectului. să fie realistă şi să ţină cont de contextul proiectului. Pentru procesul de planificare a răspunsului la risc. Proprietarii riscului 10. Resurse de rezervă 6-7. rezultat din procesul de analiză calitativă a riscului. Planul de răspuns la risc 2. să atingă obiectivele de costuri. Nivele de risc 9. Este documentul rezultat din procesul de managementului riscului. Clasificarea generală a riscurilor proiectului. INTRĂRI 1. Evitarea 2. Lista riscurilor prioritare cuantificată. Intrări către alte procese Figura 5. vom detalia în continuare intrările în proces. Înţelegeri contractuale 5.9. Lista riscurilor prioritare rezultate din analiza calitativă. Riscurile reziduale 3. Transferul 3. Planificarea răspunsului la risc trebui să fie corelată cu nivelul de severitate a riscului. Planul managementului riscului 2-4 Lista riscurilor prioritare 5-6. Intrări în planificarea răspunsului la risc (1) (2) (3) (4) Planul managementului riscului. Eficacitatea planificării răspunsului la risc determină în mod direct creşterea sau descreşterea riscului proiectului. mijloacele şi tehnicile aplicabile acestui proces. Este lista ierarhizată a riscurilor. Răspunsurile comune la risc MIJLOACE ŞI TEHNICI 1. rezultată în procesul de analiză calitativă a riscului.150 CAPITOLUL 5 – MANAGEMENTUL RISCULUI ÎN PROIECTE 5. Acest proces include identificarea şi atribuirea responsabilităţilor pentru fiecare răspuns la risc convenit şi asigură că riscurile identificate sunt alocate în mod corespunzător pentru răspuns. Este clasamentul tuturor riscurilor proiectului. a cărui schemă este reprezentată în Figura 5. Lista rezultată din procesul de analiză cantitativă a riscului. să fie realizată la timp pentru a avea succes. Riscurile secundare 4.

Aceşti „proprietari ai riscului” trebuie implicaţi în elaborarea răspunsurilor la risc. În procesul de identificare a riscului pot fi identificate acţiuni de răspuns pentru riscuri individualizate sau pentru categorii de risc. (8) Nivele de risc. Întotdeauna vor fi selectate o strategie principală şi o strategie de rezervă. Anumite riscuri pot fi generate de cauze comune. (10) Răspunsurile comune la risc. Rezultă din analiza probabilistă a proiectului. Această situaţie poate pune în evidenţă oportunitatea de a aborda două sau mai multe riscuri ale proiectului cu un acelaşi răspuns generic comun. dar anumite riscuri specifice pot fi evitate. Este o ieşire din procesul de analiză cantitativă a riscului. Exemple de evitare a riscului sunt: reducerea domeniului proiectului pentru a evita activităţile cu risc ridicat. (6) Probabilitatea de depăşire a obiectivelor de cost şi de timp ale proiectului. (1) (2) Evitarea. (9) Proprietarii riscului. Pragurile de risc acceptabile pentru organizaţie vor influenţa planul de răspuns la risc. adoptarea unei abordări cunoscute în locul uneia inovative sau evitarea unui furnizor necunoscut. În continuare. îmbunătăţirea comunicării sau prin expertize calificate. dar atribuie unei terţe părţi responsabilitatea managementului acestui risc. Transferul.2 MANAGEMENTUL RISCULUI PROIECTELOR 151 (5) Analiza probabilistă a proiectului. Este o listă a responsabililor proiectului care sunt capabili să acţioneze ca „proprietari” ai răspunsului la risc. (7) Lista răspunsurilor potenţiale. Anumite cauze ale riscului pot să apară încă din fazele iniţiale ale proiectului şi pot fi rezolvate prin clasificarea cerinţelor. suplimentarea resurselor şi a timpului.5. Mijloace şi tehnici pentru planificarea răspunsului la risc Există mai multe strategii de răspuns la risc. obţinerea de informaţii. Echipa de proiect nu poate elimina toate riscurile. pentru implementarea strategiei de răspuns la risc trebuie aplicate acţiuni specifice. Transferul riscului nu determină eliminarea acestuia. Pentru fiecare risc trebuie selectată strategia care are cele mai mari şanse să fie eficace. Evitarea riscului reprezintă schimbarea planului proiectului pentru a elimina riscul sau pentru a proteja obiectivele proiectului faţă de impactul riscului. Transferul riscului este acţiunea de a căuta transferarea impactului riscului către o a treia parte. . împreună cu responsabilitatea asupra răspunsului la risc.

Atenuarea se bazează pe principiul că adoptarea la timp a unei acţiuni de prevenire a apariţiei riscului este mai eficace decât încercarea de a repara consecinţele după ce riscul a apărut. În acest plan semnalele (triggerele) riscului trebuie bine definite. prin realizarea unor testări suplimentarea sau prin alegerea unui furnizor mai stabil. de exemplu prin adoptarea unor procese mai puţin complexe. răspunsul de atenuare a riscului poate fi orientat asupra impactului riscului. De asemenea. care să fie realizat atunci când apare riscul. Acceptarea pasivă nu necesită nici o acţiune. dezvoltarea de opţiuni alternative sau schimbarea domeniului proiectului. . Atenuarea. de exemplu prin suplimentarea resurselor de timp ale programului proiectului. Planul de rezervă poate fi un instrument util pentru riscurile care pot să apară pe parcursul unui proiect.a. O acceptare activă poate include elaborarea unui plan de rezervă. utilizarea unui contract cu preţuri fixe poate transfera riscul către un vânzător. garanţii ş. Acceptarea. Aceasta poate include prime de asigurare. fie că nu a fost capabilă să identifice o altă strategie aplicabilă de răspuns la risc. Transferul riscului financiar înseamnă aproape întotdeauna plata unei „prime de risc” către partea care preia riscul. prin focalizarea asupra legăturilor care determină severitatea impactului. Planul poate include alocarea unor resurse de rezervă.152 CAPITOLUL 5 – MANAGEMENTUL RISCULUI ÎN PROIECTE (3) (4) Transferul responsabilităţii pentru risc este cel mai eficace atunci când în proiect apare expunerea la riscul financiar. Elaborarea de la început a unui asemenea plan poate reduce semnificativ costul acţiunilor care sunt necesare atunci când apare riscul. costurile acţiunilor de atenuare a riscului trebuie să fie în concordanţă cu probabilitatea de impact a riscului. Această tehnică indică faptul fie că echipa de proiect a decis să nu schimbe planul proiectului pentru confruntarea cu riscurile acestuia. De exemplu. De exemplu. Atunci când nu este posibilă reducerea probabilităţii. astfel încât probabilitatea de apariţie a riscului să se reducă. Planul de retragere poate fi elaborat dacă riscul are un impact ridicat sau dacă strategia urmată nu este integral eficace. Atenuarea riscului se poate face prin implementarea unei noi modalităţi de acţiune care să reducă riscul. Procedurile de atenuare a riscului pot să impună schimbarea condiţiilor proiectului. Totodată. prin contracte se pot transfera responsabilităţile de risc către o altă parte. proiectarea unui subsistem redundant poate reduce impactul care ar rezulta din defectarea sistemului principal. lăsând echipa de proiect să abordeze riscurile pe măsură ce ele apar. Această tehnică urmăreşte să reducă probabilitatea şi/sau impactul riscului sub un prag acceptabil.

transfer sau atenuare. modalităţile de asigurare. Riscurile secundare. Riscurile reziduale. Cele mai multe din răspunsurile la risc implică consumuri suplimentare de timp. atenuarea sau acceptarea pentru fiecare risc. Acestor riscuri trebuie să li se aplice. de exemplu. în general. care apar ca rezultat al implementării răspunsurilor la risc şi care sunt considerate secundare. Nivelul riscului rezidual care se aşteaptă să rămână după implementarea strategiilor de răspuns la risc. Intrări către alte procese. Acest document trebuie să fie redactat la un nivel de detaliere la care să poată să fie luate acţiunile necesare. transferarea. Pentru a specifica responsabilităţile părţilor pentru anumite riscuri specifice. În această categorie intră şi riscurile minore care au fost acceptate. cauzele riscurilor şi modul în care acestea afectează obiectivele proiectului. procedurile de răspuns la risc. Planurile de rezervă şi de retragere. Sunt riscurile de nivelul al doilea. de asemenea. Rezultatele din procesele de analiză calitativă şi cantitativă a riscului. Răspunsurile la risc stabilite. Cantitatea necesară de resurse de rezervă. activităţile afectate. service sau alte activităţi pentru evitarea sau atenuarea riscurilor. la un nivel acceptabil pentru organizaţie. Răspunsuri specifice la risc. incluzând evitarea. Planul de răspuns la risc include. respectiv să fie identificate şi trebuie planificat răspunsul la ele. ca moment al apariţiei lor. Înţelegeri contractuale. următoarele elemente: Riscurile identificate şi descrierea lor.5. pot fi încheiate înţelegeri contractuale. Analiza probabilistă a proiectului şi a pragurilor de risc ajută managerului de risc sau de proiect să determine cantitatea optimă de resurse de rezervă necesare pentru reducerea riscului de depăşire a obiectivelor proiectului. De aceea. de costuri sau alte resurse şi necesită modificări le planului proiectului.2 MANAGEMENTUL RISCULUI PROIECTELOR 153 Ieşiri din planificarea răspunsului la risc (1) • • • • • • • • (2) (3) (4) (5) (6) Planul de răspuns la risc. organizaţiile urmăresc să se . Bugetul şi timpul alocate pentru răspunsurile la risc. care stabilesc. Responsabilităţile atribuite pentru riscuri. care să permită implementarea strategiei stabilite. Sunt acele riscuri care rămân după ce au fost aplicate răspunsurile de evitare.

aplicarea de acţiuni corective sau replanificarea proiectului. • Ipotezele proiectului sunt încă valide. Comunicarea cu toţi responsabilii proiectului este necesară pentru a evalua periodic nivelul de risc al proiectului.154 CAPITOLUL 5 – MANAGEMENTUL RISCULUI ÎN PROIECTE (7) asigure că aceste cheltuieli sunt justificate de nivelul de reducere a riscurilor atins. dacă a fost elaborat. precum şi ieşirile din acest proces. Expunerea la risc s-a schimbat faţă de starea anterioară. Scopul monitorizării şi controlului riscului este de a determina dacă: • Răspunsurile la risc au fost implementate aşa cum a fost planificat. Un proces corespunzător de monitorizare şi control al riscului furnizează informaţia necesară pentru asistarea adoptării unor decizii eficace. • Sunt aplicate politici şi proceduri adecvate. Intrări în planul revizuit al proiectului. asigurând execuţia planurilor de risc şi evaluarea eficacităţii lor în reducerea riscului. 5. implementarea unui plan de rezervă. . • Riscurile identificate au apărut sau au apărut riscuri care nu fuseseră identificate iniţial. necesită continuarea managementului riscului şi deci şi furnizarea răspunsurilor la risc. a cărui schemă este reprezentată în Figura 5. asupra efectelor neanticipate sau asupra oricăror altor corecţii necesare pentru atenuarea riscului. Monitorizarea şi controlul riscului este un proces care se desfăşoară pe durata ciclului de viaţă al proiectului. Pe măsură ce proiectul evoluează. ţinând cont de • analiza cerinţelor. vom detalia în continuare intrările în proces. mijloacele şi tehnicile aplicabile acestui proces. • Acţiunile de răspuns la risc au eficacitatea aşteptată sau dacă trebuie elaborate noi răspunsuri la risc. într-un proces iterativ. Proprietarul riscului trebuie să raporteze periodic managerului de proiect sau managerului de risc asupra eficacităţii planurilor de răspuns la risc. de monitorizare a riscurilor reziduale şi de identificare a noilor riscuri. Un nou plan revizuit al proiectului. apar riscuri noi sau riscuri care au fost anticipate pot să dispară. Aceste strategii alternative trebuie să furnizeze informaţii pentru celelalte procese ale proiectului. riscurile se schimbă. înainte ca riscurile să apară. • A apărut un semnal (trigger) de risc.10.2. Controlul riscului poate implica strategii alternative. Pentru procesul de monitorizare şi control al riscului.6 Monitorizarea şi controlul riscului Monitorizarea şi controlul riscului este procesul de urmărire a riscurilor identificate.

2 MANAGEMENTUL RISCULUI PROIECTELOR 155 Intrări în monitorizarea şi controlul riscului (1) (2) (3) (4) (5) Planul managementului riscului. Planificarea suplimentară a răspunsului la risc IEŞIRI 1. Revizuiri periodice ale riscului proiectului 4. Rezultatele activităţilor şi alte înregistrări ale proiectului furnizează informaţii despre performanţele şi riscurile proiectului. Planul de răspuns la risc 3. Identificarea şi analiza riscului suplimentar 5. Revizuiri periodice ale riscului proiectului. Cereri de schimbare a proiectului 4. note de avertizare sau atenţionare ş. Acţiuni corective 3. în situaţia în care aceste riscuri pot să fie relevante pentru anumite proiecte specifice. precum şi eficacitatea dovedită de proprietarii riscurilor. Aceste audituri ale riscului sunt realizate pe durata ciclului de viaţă al proiectului.a. Mijloace şi tehnici de monitorizare şi controlul riscului (1) (2) (3) Liste de verificare. pot să apară riscuri potenţial care nu au fost identificate anterior. O atenţie specială trebuie îndreptată către riscurile care nu apar pe listele standard. Comunicarea. Actualizări ale planului de răspuns la risc 5. Listele de verificare utilizate pentru identificarea riscului pot fi utilizate şi în monitorizarea şi controlul riscului. Schimbarea domeniului.Actualizări ale listelor de verificare riscuri Figura 5. Rapoartele utilizate pentru monitorizarea şi controlul riscului pot include liste de probleme şi acţiuni. Trebuie programate revizuiri INTRĂRI 1. Planuri de urgenţă 2. în scopul controlului riscului. Pe măsură ce performanţele proiectului sunt cuantificate şi raportate. transferul sau atenuarea apariţiei riscului. Baze de date pentru risc 6. Este documentul de planificare menţionat în procesul specific. Planul de răspuns la risc. Este documentul rezultat din procesul anterior de răspuns la risc. Comunicarea 4. Liste de verificare 2. Analiza rezultatelor 5.5. Auditorii riscului proiectului examinează şi documentează eficacitatea planurilor de răspuns la risc pentru prevenirea. Schimbarea domeniului proiectului necesită adesea o nouă analiză a riscului şi planuri de răspuns.10 – Procesul de monitorizare şi control al riscul proiectului . Planul managementului riscului 2. Schimbarea domeniului MIJLOACE ŞI TEHNICI 1. Auditurile proiectului. Identificarea şi analiza riscului suplimentar. Auditurile proiectului 3. Măsurarea performanţelor tehnice 6.

Toate acestea trebuie să fie incluse în planurile actualizate de răspuns la risc. astfel încât riscurile proiectului să fie pe agenda de lucru a fiecărui responsabil de proiect. Acţiuni corective. Rezultă ca urmare a implementării planurilor de rezervă sau de urgenţă. Abaterile. . trebuie actualizate analizele de identificare. evaluare şi cuantificare a riscului. Cereri de schimbare a proiectului. Aceste planuri trebuie documentate şi încorporate în planul general al proiectului şi în planul de răspuns la risc. Aceasta înseamnă compararea realizărilor tehnice în timpul derulării proiectului cu planul de obiective tehnice ale proiectului. Clasamentul şi prioritatea riscurilor se pot schimba pe parcursul realizării proiectului şi orice schimbare necesită analize suplimentare calitative şi cantitative ale riscului. este posibil ca răspunsul planificat să nu fi fost adecvat. Pentru monitorizarea performanţelor generale ale proiectului se utilizează analiza rezultatelor obţinute faţă de planul iniţial. Sunt depozite de date pentru colectarea. Aceste rezultate pot indica abateri potenţiale ale proiectului de la obiectivele de costuri sau de program stabilite. cum ar fi de exemplu nedemonstrarea funcţionalităţii la anumite termene. Constau din aplicarea planurilor de rezervă sau de urgenţă. Analiza rezultatelor. Riscurile care apar trebuie documentate şi evaluate. Ieşiri din monitorizarea şi controlul riscului (1) (2) (3) (4) (5) (6) Planuri de urgenţă. Baze de date pentru risc. Măsurarea performanţelor tehnice. actualizarea şi analiza datelor rezultate din managementul riscului proiectelor. Actualizări ale planului de răspuns la risc. Planificarea suplimentară a răspunsului la risc. conducând la modificări ale proiectului. Riscurile pot să apară sau nu. Pentru controlul riscului va fi necesară planificarea suplimentară a răspunsului la risc. pot implica riscul de a nu atinge domeniul proiectului. Atunci când se manifestă un risc care nu a fost anticipat în planul de răspuns la risc sau impactul acestui risc asupra obiectivelor este mai mare decât cel aşteptat.156 CAPITOLUL 5 – MANAGEMENTUL RISCULUI ÎN PROIECTE (4) (5) (6) periodice ale riscului proiectului. Listele de verificare sunt actualizate pe baza informaţiilor rezultate din procesul de monitorizare şi control al riscului. Sunt răspunsuri neplanificate anterior la riscurile urgente. Actualizări ale listelor de verificare a riscurilor identificate. Atunci când un proiect se abate semnificativ de la planul iniţial.

Planificarea managementului riscului Identificarea riscului Monitorizarea şi controlul riscului Analiza calitativă şi cantitativă Planificarea răspunsului al risc Figura 5. (C) – Analiza calitativă şi cantitativă a riscului. pe baza intrărilor.11 – Schema generală a procesului de managementul riscului . aşa cum rezultă din schema de proces din Figura 5.11. Acest model.13 (pagina 2) conţine secţiunile: (A) – Informaţii generale.5. pentru care vom analiza un model (şablon) de document. Modelul poate fi dezvoltat. prezentat în Figura 5.3 APLICAŢII 157 5.1 Planul managementului riscului Strategia de dezvoltare şi implementare a managementului riscului proiectului este alcătuită dintr-un grup de procese pe care le-am descris în secţiunea anterioară. Aceste procese sunt strâns legate între ele. în care se observă caracterul ciclic al procesului. (B) – Strategia managementului riscului.3. (E) – Planificarea răspunsului la risc. Primul pas îl constituie realizarea planului managementului riscului. a mijloacelor şi tehnicilor şi a ieşirilor din procesele de managementul riscului discutate.12 (pagina 1) şi Figura 5.3 APLICAŢII 5.

158 CAPITOLUL 5 – MANAGEMENTUL RISCULUI ÎN PROIECTE PLANUL MANAGEMENTULUI RISCULUI A. Definirea rolurilor şi responsabilităţilor în managementul riscului 4. Denumirea proiectului: Responsabili PMR: Elaborat PMR: B. monitorizarea şi controlul riscului. Definirea termenelor pentru managementul riscului 5. Definirea tehnicilor de clasificare / scor ale riscului 6. Definirea metodologiei de managementul riscului 2. 1. Definirea ipotezelor riscului 3. pragurile de risc. Data PMR: Data modificării: Aprobat PMR: Strategia managementului riscului În această secţiune sunt definite: metodologia de managementul riscului care va fi utilizată. rolurile şi responsabilităţile în managementul riscului. Definirea procesului de monitorizare şi control al riscului Figura 5. Stabilirea pragurilor de risc 7. tehnicile de clasificare / scor. Informaţii generale Această secţiune conţine informaţii generale referitoare la organizarea proiectului şi a Planului Managementului Riscului (PMR).12 – Planul managementul riscului – model pagina 1 . Definirea modului de comunicare a riscului 8. termenele. comunicarea riscului. ipotezele riscului.

5.10 = Scăzut / 0.10=Foarte puţin probabilă / 0.50=Medie / 0.20 = Moderat / 0.70=Probabilă / 0.90=Foarte probabilă E.30=Puţin probabilă / 0.05 = Foarte scăzut / 0. de echipament. Categoria de risc D. 159 Identificarea riscului În această secţiune sunt definite şi descrise categoriile de risc (de personal. prin evaluarea impactul evenimentelor de risc asupra obiectivelor proiectului şi calculul scorului riscului. Descrierea riscului Analiza calitativă şi cantitativă a riscului În această secţiuni sunt realizate analiza calitativă şi cantitativă a riscului. Planificarea răspunsului la risc În această secţiune sunt determinate opţiunile şi acţiunile de răspuns la riscurile proiectului Categoria de risc/ Evenimentul Răspunsurile la risc Acţiuni adoptate/necesare Responsabili/termene Ieşiri din procesul răspuns la risc Figura 5. de organizare.13 – Planul managementul riscului – model pagina 2 de . de logistică. clienţi. alte categorii).40 = Ridicat / 0.80 = Foarte ridicat Analiza cantitativă Categoria de risc/ Evenimentul Probabilitatea de apariţie** Consecinţele impactului Scorul riscului (Probabilitate × Impact) **Probabilitatea: 0. Analiza calitativă Categoria de risc/ Evenimentul Impactul riscului* Evaluarea impactului riscului * Impactul riscului: 0.3 APLICAŢII C.

apă. împreună cu responsabilii proiectului şi cu alţi experţi. Tabelul 5.4 – Lista categoriilor de risc ale unui proiect Proiectare Tehnologie • Cerinţe sau funcţii nedefinite. neclare • Tehnologie nouă • Caracteristici complexe de proiectare Ipoteze de lucru numeroase. O listă generică a categoriilor de risc aplicabile unui proiect este prezentată în Tabelul 5. neadevărate • Modificarea tehnologiei existente O nouă aplicare a tehnologiei existente Tehnologie necunoscută sau neclară • • Fiabilitatea • • • Mentenabilitatea Clasa de precizie sau de securitate Disponibilitatea • Erori sau omisiuni de proiectare • • Aprovizionare • Strategia de aprovizionare • • Furnizor/vânzător nou Disponibilitatea şi suportul vânzătorului Resurse/Condiţii • • • • • • • • • • • • • Disponibilitatea materialelor sau echipamentelor Resurse speciale necesare Utilităţi existente Disponibilitatea service-ului Resurse temporare (electricitate.4. În mod evident. gaz ş.3. această listă este departe de a fi exhaustivă.a.160 CAPITOLUL 5 – MANAGEMENTUL RISCULUI ÎN PROIECTE 5. incomplete.2 Lista categoriilor de risc Unul din elementele de intrare în procesul de identificare a riscului îl constituie lista cu categoriile de risc care se aplică proiectului.) Condiţii geologice Resurse care nu sunt disponibile Complexitatea construcţiilor Calificarea şi instruirea personalului Disponibilitatea mijloacelor de măsurarea şi monitorizare Logistica forţei de muncă Influenţa infrastructurii Interfeţele proiectului Testare • Construcţia • • • Mentenanţa Operabilitate Facilităţi • Sistem • • Componente critice potenţiale Potenţialul de incendiu • Potenţialul de contaminare Securitate Management • • • Incertitudini de finanţare Modificări de strategie Estimări eronate sau omisiuni . Această listă rezultă din evaluarea pe care o face echipa de managementul riscului proiectului. neclare. conţinând numai o parte dintre principalele categorii de riscuri ale unui proiect.

Utilizând distribuţia triunghiulară ca model pentru costurile activităţilor proiectului.35 49.47 23.67 (k€) şi o abatere standard de 7.67 23.6. este reprezentată în Figura 5. A rezultat o valoare a mediei de 46.76 43.25 4.67 1. Datele modelului determinist sunt prezentate în Tabelul 5. Histograma frecvenţei absolute pentru variabila „cost total”.09 2. nivelul mediu cel mai probabil (notat m) şi nivelul maxim (notat b). în vederea evaluării probabilităţii de a realiza un anumit cost al proiectului. costurile fiind exprimate în mii € (k€).5 – Costurile estimate ale unui proiect Activităţi Proiectare Execuţie Testare Cost total Costuri estimate Minim (a) Mediu (m) Maxim (b) 4 16 11 31 6 20 15 41 10 35 23 68 Media aritmetică Abaterea standard 6.6 – Valorile simulate Statistica Media aritmetică Abaterea standard Amplitudinea Valoarea minimă Prima cuartilă Mediana A treia cuartilă Valoarea maximă Valoarea 46.54 .78 36.9) şi (3.3. Parametrii statistici rezultaţi în urma simulării sunt prezentaţi în Tabelul 5.81 Cu ajutorul formulelor (3.68 46. estimate prin trei nivele de costuri: nivelul minim (notat a).49 7. pentru care utilizăm modelul distribuţiei triunghiulare ca model de simulare.67 16. aplicăm metoda Monte Carlo de simulare a costurilor estimate. Considerăm activităţile principale ale unui proiect de realizare a unui nou produs.69 60.3 APLICAŢII 161 5. Tabelul 5. Această tehnică este de fapt o analiză cantitativă a riscului şi ne va permite să determinăm probabilitatea de a obţine diferite nivele de costuri.71 4.14.33 46.5.5. care este variabila rezultată în urma simulării.10) am calculat media aritmetică şi abaterea standard pentru costurile estimate ale activităţilor şi ale întregului proiect.3 Simularea costurilor proiectului Vom aplica în continuare metoda de simulare prezentată în Capitolul 3 pentru a simula costurile estimate ale unui proiect. având astfel o evaluare a riscului de a depăşi costurile bugetate ale proiectului.81. Tabelul 5.

9% 10.75 0. va tinde spre distribuţia normală.15 – Testul de normalitate Henry pentru valorile simulate .3% 89.00 2.50 -2.15.1% 59.9% 22.3% 69.2% 0.25 -1.50 -1.9% 50.3% 0.0% 40.7% 4.25 2.25 -2.50 -0. conform teoremei limită centrală.00 0.4% 84.75 -2.8% 97.75 2.4% 98.0% 2.75 1.25 -0.1% 30.6% 6.0% 93.7% 96.00 1.75 -3.50 1.00 -1.25 1. aplicat pentru valorile simulate.1% 77.7% 99.162 CAPITOLUL 5 – MANAGEMENTUL RISCULUI ÎN PROIECTE 60 50 Frecvenţa 40 30 20 10 0 36 38 40 42 44 46 48 50 52 54 56 58 60 62 Costul total Figura 5. ipoteză confirmată şi de testul de normalitate Henry din Figura 5.6% 0. fapt natural deoarece costul total este suma a trei variabile aleatoare triunghiulare şi.14 – Histograma frecvenţei simulate a costului total al proiectului Modelul empiric sugerat de histogramă este cel al distribuţiei normale.1% 3.00 -2.25 0.00 -0.9% 99. 99.3% 1.50 0.00 Figura 5.7% 15.75 -1.50 2.

8 sunt prezentate riscurile identificate ale unui proiect. Observăm că valorile costului riscului rezidual se situează între o valoare minimă de circa 350 k€ şi o valoare maximă de circa 1. sunt stabilite strategiile de răspuns la risc.3 APLICAŢII 163 Vom utiliza în continuare modelul distribuţiei normale cu parametrii statistici rezultaţi din simulare pentru inferenţa asupra costurilor estimate ale proiectului şi deci asupra riscului de a depăşi aceste costuri. În ultimele coloane ale tabelului sunt estimate nivelele riscurilor reziduale rămase după răspuns.4 Riscul rezidual Chiar şi după aplicarea strategiilor de răspuns la risc. înainte de răspunsul la risc. De asemenea. reprezentată în Figura 5. Vom utiliza pentru analiza probabilităţilor de a obţine diferite valori ale riscurilor reziduale distribuţia cumulativă simulată. Aplicăm în continuare paşii algoritmului de simulare descris anterior. Utilizăm pentru cele patru variabile aleatoare ce descriu riscurile reziduale modelul distribuţiei triunghiulare.16.0001% Observăm că probabilitatea ca să depăşim costurile medii planificate (41k€) este foarte mare. sunt mici sau foarte mici.022% Prob{x < xmin} 1. precum şi costurile implementării acestor strategii. Pentru aceasta se determină distribuţiile de probabilitate pentru riscul de cost sau de program şi apoi se utilizează simularea Monte Carlo pentru evaluarea probabilităţii riscului rezidual. Impactul asupra costurilor şi asupra programului pentru aceste riscuri reziduale trebuie avut în vedere la cuantificarea riscului proiectului.7 sunt calculate probabilităţile de a obţine diferite valori ale costurilor totale ale proiectului. în timp ce probabilităţile de a ne situa sub valorile minime calculate sau simulate. 5. . În Tabelul 5. cele mai probabile şi maxime ale riscurilor reziduale. este posibil să rămână impacturi ale anumitor riscuri ale proiectului. care sunt denumite riscuri reziduale. În Tabelul 5. cu evaluarea nivelelor calitative de risc şi a costurilor în cazurile cele mai nefavorabile. respectiv peste valorile maxime calculate sau simulate. respectiv aproape 90%.7 – Valorile probabilităţilor costurilor proiectului Probabilitatea Valoarea (%) Prob{x < 31} 0. Tabelul 5.3% Prob{x > 41} 89.1% Prob{x > 68} 0.5. cât şi valorile minime.9% Prob{x > xmax} 0.3.150 k€.

obţinem în Figura 6.16 – Distribuţia cumulativă simulată 1100 1200 .200 k€ este de asemenea 0.5 0.4 0.3 0.500 Atenuare Moderat 2.200 650 Probabilitatea ca să nu avem risc rezidual este evident 0.7 0.8 0. Probabilitatea 1.17 o fişă „tornado” pentru varianţa riscului rezidual.1 0.0 300 400 500 600 700 800 900 1000 Costul total Figura 5.0 0.600 Nivel de risc Cost (k€) Moderat 3. Reprelucrarea şi actualizarea documentaţiei proiectului 3.6 0.9 0.000 Atenuare 250 Moderat 0 75 200 0 575 1. şi anume vom evalua ponderea varianţei celor 4 variabile aleatoare ce descriu riscul rezidual. Reproiectare pentru a rezolva problemele apărute la validarea proiectului 2. iar probabilitatea ca riscul rezidual să fie mai mare de 1.2 0.164 CAPITOLUL 5 – MANAGEMENTUL RISCULUI ÎN PROIECTE Tabelul 5.700 Ridicat Ridicat Total După răspuns Riscuri reziduale 13. Vom efectua în continuare analiza de senzitivitate. Cu o probabilitate de 80% putem să estimăm că riscul rezidual al acestui proiect va fi de 900 k€.8 – Evaluarea riscurilor reziduale ale proiectului Înainte de răspuns Riscul identificat 1. Întârzierea omologării produsului Răspunsul la risc Costul Strategia implemende tării răspuns răspunsului Nivel de risc Minim Mediu Maxim 100 Scăzut 0 150 500 Acceptare 0 Scăzut 0 100 300 5.000 Atenuare 300 Moderat 0 250 600 2. După algoritmul de calcul folosit anterior. Proiectarea echipamentului de bază 4.

5 Aplicaţii propuse A5. în care sunt angrenate managementul de la cel mai înalt nivel şi toate departamentele companiei. Proiectul este unul complex. Riscurile reziduale sunt ordonate descrescător din punct de vedere al ponderii lor în variabilitatea totală a acestui model.1 O companie realizează un proiect care are ca obiectiv implementarea unui sistem modern de managementul calităţii conform ISO 9001:2000 şi certificarea acestui sistem cu o firmă de certificare naţională.5.3 APLICAŢII 0% 10% 20% 30% 40% 50% 47% Proiectare 34% Reproiectare 12% Documentaţie Întârziere 165 6% Figura 5. 5.3. deci vom avea o reprezentare numai a valorilor pozitive. Managerul de proiect a estimat duratele (în săptămâni) pentru principalele activităţi ale proiectului după cum urmează: Activitatea Analiza sistemului actual Elaborarea planului de proiect Elaborarea planului managementului riscului Revizuirea procedurilor operaţionale existente şi elaborarea unor proceduri noi Elaborarea procedurilor pentru sistemul de management al calităţii Elaborarea Manualului Calităţii Pre-audit de certificare Certificarea ISO 9001:2000 Total Minimă Medie Maximă 1 1 2 3 3 4 1 2 3 12 16 20 6 12 18 4 1 1 27 10 2 2 49 14 3 3 68 .17 – Fişa tornado pentru riscul rezidual Observăm că avem de fapt o fişă „semi-tornado”. deoarece variabilele au numai o influenţă pozitivă asupra modelului costurilor riscurilor reziduale.

4 Se consideră din aplicaţia de mai sus. (b) Să se efectueze o analiză de senzitivitate pentru riscurile reziduale ale acestui proiect.2 Se consideră riscurile identificate în Tabelul 5. pentru riscurile iniţiale.8. pentru riscurile reziduale. Să se simuleze. pentru riscurile reziduale. cu ajutorul distribuţiei triunghiulare.166 CAPITOLUL 5 – MANAGEMENTUL RISCULUI ÎN PROIECTE (a) (b) (c) (d) Să se elaboreze Planul Managementului Riscului pentru acest proiect. pentru riscurile iniţiale. în următoarele ipostaze: (c) Înainte de aplicarea răspunsului la risc. A5. pe baza datelor de simulare. conform modelului prezentat anterior. între 10 şi 12 luni.000 Acceptare 0 Riscul 2 Riscul 3 Riscul 4 Moderat Ridicat Moderat 1. conform modelului prezentat anterior.000 (a) Să se simuleze riscurile reziduale pentru acest proiect. Să se efectueze o analiză calitativă şi cantitativă a riscului acestui proiect. (d) După aplicarea răspunsului la risc. . iar valorile costurilor acestor riscuri înainte şi după răspunsul la risc sunt cele de mai jos: Riscul identificat Înainte de răspuns Nivel de risc Cost (k€) Răspunsul la risc Costul Strategia implemende tării răspuns răspunsului Riscul 1 Scăzut 1. care sunt probabilităţile ca proiectul să dureze: mai puţin de 6 luni.500 1. A5. să se întocmească matricele de impact şi de scor ale riscului. în următoarele ipostaze: (a) Înainte de aplicarea răspunsului la risc.3 Considerăm un proiect în care Planul Managementului Riscului a identificat un număr de 6 riscuri (nenominalizate). Cu aceste ipoteze. în care au fost stabilite nivelele de risc înainte şi după aplicarea răspunsului la risc.200 3. mai mult de 18 luni. să se întocmească matricele de impact şi de scor ale riscului. Să se determine. (b) După aplicarea răspunsului la risc. A5.000 Atenuare 350 După răspuns Riscuri reziduale Nivel de risc Foarte scăzut Scăzut Moderat Moderat Foarte scăzut Ridicat Minim Mediu Maxim 0 60 100 0 0 0 80 250 125 120 500 250 0 40 90 0 500 1. Cu aceste ipoteze.500 Atenuare Atenuare Atenuare 100 300 150 Riscul 5 Scăzut 400 Acceptare 0 Riscul 6 Foarte ridicat 4. duratele proiectului de implementare a sistemului de management al calităţii. în care au fost stabilite nivelele de risc înainte şi după aplicarea răspunsului la risc.

a avut drept consecinţă creşterea complexităţii proiectelor de realizare şi implementare a sistemelor de aplicaţii software. obiectivele planificate să nu fie atinse cu resursele alocate. El furnizează o abordare sistematică şi o atitudine pro-activă de adoptare a deciziilor care să evalueze lucrurile care nu merg bine. El este o funcţie dată de probabilitatea unui eveniment advers care poate să apară. au întârziat sau nu s-au mai realizat niciodată. 167 . Acest impact poate fi o combinaţie de pierderi financiare. metodele şi tehnicile de management a proiectelor software. Riscul în software este dat de probabilitatea ca. De obicei. Literatura de specialitate este plină de exemple de proiecte de software care au eşuat. Riscul poate fi definit. Proiectele de software au devenit o necesitate. Managementul riscului în software face parte din practicile de inginerie a software-ului şi constă din procesele. riscul nu poate fi eliminat din proiectele software. în general. Top-managementul trebuie să susţină managementul riscului prin alocarea resurselor necesare. prin planificare şi analize de management dedicate acestui scop. dar şi riscurile implicate de realizarea lor au crescut aproape exponenţial. întârzieri sau pierderea performanţei. ca fiind posibilitatea de a pierde. Ca şi în alte domenii ale managementului – în general – şi al managementului proiectelor – în special – şi în acest domeniu implicarea managementului de cel mai înalt nivel al organizaţiei este esenţială pentru succes. la un anumit moment din ciclul de viaţă al proiectului software. dar el poate fi tratat. Managementul riscului este o activitate critică pentru succesul oricărui proiect software.6 MANAGEMENTUL RISCULUI ÎN SOFTWARE 6. fiind o componentă strategică de realizare a acestuia. cât şi de impactul acestuia.1 RISCUL ÎN PROIECTELE DE SOFTWARE Dezvoltarea fără precedent a sistemelor electronice şi a informaticii din ultimele două decenii. să determine care sunt riscurile care sunt importante şi să implementeze acţiunile necesare pentru tratarea acestor riscuri.

fiind de fapt o adaptare şi o particularizare pentru ciclul de viaţă şi specificitatea proiectelor de software. care se integrează modelelor de management al proiectelor în general. Ciclul activităţilor continue de realizare a funcţiilor procesului de monitorizare a riscului în proiectele software este redat în diagrama din Figura 6. • Analiză Prelucrarea datelor referitoare la riscuri şi includerea lor în informaţiile pentru procesul de adoptare a deciziilor.168 CAPITOLUL 6 – MANAGEMENTUL RISCULUI ÎN SOFTWARE Să analizăm acum modelul global al procesului de management al riscului în software. • Control Corectarea abaterilor de la acţiunile planificate pentru riscurile în software. sunt: • Identificare Căutarea şi localizarea riscurilor înainte ca ele să devină probleme adverse care să afecteze proiectul. • Planificare Translatarea informaţiilor referitoare la riscuri în decizii şi acţiuni (prezente şi viitoare) şi implementarea acestor acţiuni. Modelul identifică funcţiile fundamentale pentru managementul riscului ce trebuie avute în vedere pentru un management eficace al riscului în proiectele de software.1 Con COMUNICARE ito on M riz e ar P iza Anal trol Identificare re a c ifi n a l Figura 6. Aceste funcţii. • Comunicare Asigurarea transparenţei şi a feed-back-ului datelor interne şi externe din programul activităţilor curente şi urgente referitoare la riscuri. pe care le vom detalia în secţiunea următoare.1 – Modelul procesului de management al riscului în software . • Monitorizare Monitorizarea indicatorilor de risc şi a acţiunilor luate împotriva manifestării riscurilor.

în urma analizei comune. În cadrul reuniunii de lucru a echipei. 6. lista riscurilor specifice. pentru care se vor completa informaţiile de analiză şi cuantificare în paşii următori. detaliază funcţiile modelului general discutat anterior.2 PROCESUL DE MANAGEMENT AL RISCULUI ÎN SOFTWARE 169 6. asigurarea calităţii).2 PROCESUL DE MANAGEMENT AL RISCULUI ÎN SOFTWARE Procesul de management al riscului în software. Echipa este. care se repetă după cum este necesar. Realizarea activităţilor asociate cu aceşti paşi reprezintă o abordare acceptabilă a managementului riscului în software şi trebuie inclusă în planul general al proiectului de realizare şi implementare al software-ului. precum şi de experienţa privind managementul riscului. Această clasificare rezultă din lista riscurilor posibile ale proiectului şi constituie baza pentru analiza detaliată a riscurilor specifice proiectului. Deşi paşii acestui proces sunt prezentaţi întro-o formă secvenţială.2. în mod practic pot să aibă loc iteraţii ale paşilor procesului. Tehnicile de identificare a riscului se aplică de către echipa de proiect care are aceste responsabilităţi. documentează riscurile pe care le consideră potenţiale pentru proiectul respectiv. O listă de clasificare generală a riscurilor unui proiect software este prezentată în Tabelul 6. descris în diagrama funcţională din Figura 6. care sunt asociate proiectului respectiv.6.1. el trebuie să fie identificat. testare. pentru a nu deveni o problemă care să afecteze desfăşurarea proiectului.2. de obicei. se definitivează. având la bază clasificarea generală. un mix de specialişti din diferite domenii (dezvoltare. acoperind toate ariile funcţionale considerate critice pentru proiect. Ieşirea din acest pas al procesului o constituie o listă a riscurilor identificate ca fiind specifice proiectului. Procesul de management al riscului este constituit din 10 paşi pe care îi vom detalia în continuare.1 Funcţia 1: Identificare Înainte ca riscul să fie tratat. coordonată de un manager de risc. . Pasul 1: Identificarea riscurilor Managerul de risc conduce o reuniune de analiză a echipei de managementul riscului şi transmite membrilor echipei o clasificare a domeniilor de risc potenţial ale proiectului. Criteriile care sunt utilizate pentru selecţia membrilor echipei sunt legate de cunoştinţele şi experienţa în domeniul proiectului software. Fiecare membru al echipei. Responsabilităţile pentru proces sunt alocate unei echipe de evaluare a riscului.

pe baza valorilor metricilor riscului Plan proiect actualizat 3. control. Procesul de management al riscului în software Functiile procesului Activitatile procesului Sarcinile echipei de management a riscului Iesiri Identificare 1. Identificare metode de recuperare riscuri Pentru riscurile prioritare sunt documentate actiunile de recuperare si semnale de declansare Plan management risc 7. analizeaza si raporteaza valorile metricilor.2 – Diagrama procesului de management al riscului în software . Definire metrici ale riscurilor Identifica si documenteaza metricile pentru a stabili daca riscul a fost îndepartat sau a fost atenuat Monitorizare metrici risc 8. acceptare.2. Ea include analiza.170 CAPITOLUL 7 – MANAGEMENTUL RISCULUI ÎN SOFTWARE 6. Implementare actiuni de atenuare Managementul trece proactiv la implementarea actiunilor de raspuns si de atenuare identificate Plan proiect actualizat Monitorizare 9. transfer Plan management risc 5. Prioritizare riscuri COMUNICARE Planificare Figura 6. Monitorizare riscuri Colecteaza. prioritizarea şi selectarea riscurilor critice.2 Funcţia 2: Analiză Analiza este conversia datelor referitoare la riscuri în informaţii pentru adoptarea deciziilor. calitatii Lista riscuri actualizata Completeaza lista riscurilor cu probabilitatile de aparitie si impact Lista riscuri prioritizate 4. Identificare metode de atenuare riscuri Analizeaza riscurile reziduale si actiunile de atenuare pentru a reduce probabilitatea si/sau severitatea de impact Plan management risc 6.Implementare actiuni de control Aplica actiunile de control corespunzatoare. programului. Analiza riscuri Completeaza lista riscurilor cu impactul asupra costurilor. Identificare metode de raspuns Determina raspunsurile la risc: evitare. periodic si în functie de evenimentele aparute Metrici riscuri active Control 10. Identificare riscuri Analizeaza riscurile potentiale si identifica lista riscurilor specifice proiectului Lista riscuri initiale Analiza 2.

Pasul 3: Prioritizarea riscurilor Echipa determină nivelele de prioritate pentru fiecare din riscurile identificate. De exemplu. Pentru fiecare risc identificat se determină severitatea de impact. Fezabilitate d. Pe baza nivelelor de prioritate. Stabilitate a. Facilităţi 2. Politici Pasul 2: Analiza riscurilor Echipa analizează fiecare din riscurile identificate. Completitudine b. Implementare a. Constrângeri de plan 1. în funcţie de consecinţele riscului asupra factorilor de cost. Controlul produsului f. Restricţii c. Interfeţe ale proiectului b. Familiaritate e. Dificultate d. Tip contract b. prezentată în Tabelul 6. Asigurarea calităţii b. Resurse a.6. Metode de management c. Fezabilitate e. Clientul b. Livrare d. Performanţă 3. probabilităţii şi perioadei de apariţie a fiecărui risc identificat. Testare cod a.2. Monitorizare b. Testabilitate a. Realizarea produsului B.1 – Clasificarea generală a riscurilor în software A. Precedenţă 2. Cerinţe 1. iar apoi se estimează probabilitatea de apariţie a riscului respectiv. Mentenabilitate c. Specializare a. schimbarea frecventă a cerinţelor poate avea impact asupra tuturor celor patru categorii de factori de mai sus. Dimensiune a. severităţii. Claritate c. Capacitate b. Personal c. Sistemul de dezvoltare e. Interfeţe de plan a. Proiectare a. echipa trebuie să ajungă la un consens asupra consecinţelor. Planificare proiect f. Fiabilitate d. Procesul de dezvoltare a. Subcontractori c. Vânzători e. Fiabilitate b. Program b. Managementul personalului 4.2 PROCESUL DE MANAGEMENT AL RISCULUI ÎN SOFTWARE Tabelul 6. Managementul configuraţiei c. La finalul acestui pas. Adaptabilitate c. Un anumit risc poate să aibă impact asupra uneia sau mai multor categorii din factorii menţionaţi. Dependenţe 3. Interfeţe e. Funcţionalitate c. Validitate d. Organizare proiect c. Management d. Testare 4. performanţă şi calitatea produsului. Constrângeri hardware b. . echipa stabileşte acţiunile necesare de tratare a riscurilor. Contract a. Mediul de dezvoltare 1. program. Suport c. Experienţă 3. Buget d. Procesul de management e. Formalizare b. Utilizare 2. Controlul procesului d. Siguranţă 171 C. considerând matricea de risc.

04 T = Tolerabil S = Scăzut Legenda: Probabilitate Descriere Va apărea de mai multe ori / Frecvent Nu este surprinzător 0. iar efectul asupra costurilor este de 2-5%.10 Neglijabil 0. iar efectul asupra costurilor este de 5-10%.05 Îndepărtat Improbabil 0.172 CAPITOLUL 7 – MANAGEMENTUL RISCULUI ÎN SOFTWARE Nivelele scorurilor de impact ale riscurilor sunt următoarele: (1) Risc tolerabil – T: Riscul este identificat ca având un efect mic sau nici o consecinţă asupra obiectivelor proiectului.04 şi 0.14 Minor M M 0.20 Minor 0.07 şi 0.12 0.20 M 0.01 T T 0.18 0.10 S 0.56 Critic IN IN 0.20 0.72 0. Întârzierea programului este de 10-25%.40 Serios 0. fiind suficient de mic ca să constituie numai o preocupare scăzută.02 T T 0. Întârzierea programului este de 25-50%.70 Poate să apară Ocazional la un moment dat 0. (4) Risc ridicat – R: Riscul este identificat ca fiind suficient de mare ca să afecteze obiectivele proiectului.08 M S 0.30 0. (2) Risc scăzut – S: Riscul este identificat ca având un efect minor sau o consecinţă redusă asupra obiectivelor proiectului.90 0.02 0.06 0.10 Ocazional 0.36 0. iar efectul asupra costurilor este mai mic de 2%. fiind suficient de mic ca să nu constituie un motiv de preocupare.80 0.05 0.24.03 0.50 IN 0.06.28 0.80 Critic 0.10 0.40 R 0. (3) Risc mediu – M: Riscul este identificat ca putând să afecteze obiectivele proiectului.14 şi 0. Tabelul 6.03.50 Puţin probabil Îndepărtat să apară 0.2 – Matricea de risc Probabilitate Frecvent Probabil Severitate 0.05 T 0.04 S T 0. Scorul de impact este cuprins între 0.05 0.12.03 M = Mediu Severitate Catastrofic 0.90 Apare în mod repetat / Probabil Eveniment aşteptat 0.24 0. Întârzierea programului este mai mică de 10%.01 şi 0.70 Catastrofic IN IN 0.01 R = Ridicat IN = Intolerabil Consecinţe Întârziere program > 50% Depăşire costuri > 10% Întârziere program 25-50% Depăşire costuri 5-10% Întârziere program 10-25% Depăşire costuri 2-5% Întârziere program < 10% Depăşire costuri < 2% Impact neglijabil asupra proiectului . Scorul de impact este cuprins între 0. Scorul de impact este cuprins între 0.09 0. Scorul de impact este cuprins între 0.30 Probabilitate foarte mică Improbabil să apară 0.07 Neglijabil S S 0.10 R M 0.40 Serios R R 0.

acceptarea sau transferul riscului) pot fi aplicate sau ce decizii ar putea fi luate pentru a elimina riscurile identificate. Întârzierea programului este mai mare de 50%. • Dezvoltarea unor strategii de rezervă pentru cazurile în care riscurile apar.3 Funcţia 3: Planificare Funcţia de planificare are rolul de a transforma informaţia despre riscuri în decizii şi acţiuni. Cheia planificării acţiunilor pentru riscurile identificate. Planificarea implică stabilirea acţiunilor care se adresează fiecărui risc individual.2. o constituie considerarea consecinţelor viitoare ale deciziilor adoptate acum. Pasul 5: Identificarea metodelor de atenuare a riscurilor Riscurile care sunt analizate la acest pas sunt considerate ca fiind generate de evenimente externe.72. atât pentru prezent. • Atenuarea impactului riscurilor prin acţiuni de reducere a nivelului de impact. . Echipa evaluează. cât şi pentru viitor. Pasul 4: Identificarea metodelor de răspuns la riscuri Având acum la dispoziţie o listă a riscurilor cu ordinea lor de prioritate. iar efectul asupra costurilor este mai mare de 10%. Echipa de management a riscului trebuie să determine ce acţiuni sau decizii pot fi aplicate sau adoptate. controlul. prioritizarea acestor acţiuni şi crearea planului de management al riscului. 6.6.28 şi 0.2 PROCESUL DE MANAGEMENT AL RISCULUI ÎN SOFTWARE 173 (5) Risc intolerabil – IN: Riscul este identificat ca fiind foarte mare şi va afecta obiectivele proiectului. identificând acele procese organizaţionale care ar putea conduce la eliminarea sau reducerea substanţială a riscurilor. Planul de management al riscului se utilizează pentru: • Avertizarea asupra riscurilor. Scorul de impact este cuprins între 0. prin schimbarea proiectării şi a proceselor sau prin neadoptarea de acţiuni şi acceptarea implicită a consecinţelor în cazul apariţiei riscurilor. care să reducă probabilitatea şi/sau severitatea impactului fiecărui risc. echipa de management a riscului efectuează o analiză pentru a determina ce acţiuni de răspuns la risc (evitarea. Acest pas trebuie să se concentreze asupra îmbunătăţirii continue a proceselor. cuantifică şi decide asupra posibilelor consecinţe ale lipsei de acţiune – pe de o parte – respectiv dacă beneficiile obţinute prin acţiunea asupra riscurilor justifică cheltuielile de timp şi de bani – pe de altă parte.

Aceste acţiuni de recuperare trebuie documentate în planul de management al riscului. atunci trebuie constituită o echipă de lucru care să analizeze cauzele de variaţie şi să facă recomandările necesare. dacă contractarea reprezintă un risc semnificativ pentru proiect. atunci pentru minimizarea acestui risc trebuie definite practicile de management şi procedurile pentru monitorizarea. rata de eliminare a erorilor la proiectare. . datele de realizare a evaluărilor riscurilor. numărul de riscuri noi evitate. Pasul 6: Identificarea metodelor de recuperare a riscurilor Pentru fiecare din primele riscuri din top-ul listei de riscuri prioritizate. • Realocarea cerinţelor pentru a menţine performanţa specificată a întregului sistem. dar deasupra cerinţelor • minim acceptabile. evaluarea şi controlul performanţei subcontractanţilor. Metricile pot să includă – fără a fi limitative – următoarele date măsurate: eforturile şi fondurile cheltuite în activităţile de managementul riscului. Exemplele de acţiuni de recuperare pentru riscurile care au impact asupra calităţii produsului pot să includă – fără a fi limitative – combinaţii ale următoarelor acţiuni: • Reproiectare pentru a corecta deficienţele constatate. numărul de riscuri noi apărute. Un exemplu simplu poate fi considerat urmărirea variaţiei costurilor. împreună cu circumstanţele măsurabile sau observabile care trebuie să apară pentru a semnala necesitatea implementării acţiunilor de recuperare.174 CAPITOLUL 7 – MANAGEMENTUL RISCULUI ÎN SOFTWARE De exemplu. atunci pot fi utilizate ca şi metrici ale acestui risc: procentul de defective la testare. Dacă costurile actuale înregistrate depăşesc cu mai mult de o abatere standard valorile planificate. dacă testarea software-ului a fost identificată ca fiind o funcţie cu risc ridicat. Definirea unor praguri mai reduse de performanţă. De exemplu. echipa de management a riscului determină şi documentează ce evenimente măsurabile sau observabile pot să fie urmărite pentru a şti dacă riscul este îndepărtat. accentuat sau minimizat. echipa de management a riscului analizează şi validează natura evenimentelor care ar putea genera o acţiune de recuperare a riscului. Metricile privind procesul de management al riscului în software trebuie să fie stabilite şi determinate astfel încât să furnizeze elemente de intrare pentru îmbunătăţirea procesului. Pasul 7: Definirea metricilor riscurilor Pentru fiecare risc.

2. acolo unde este necesar. echipa de management a riscului realizează activităţile necesare pentru a implementa acţiunile de atenuare / reducere a riscurilor stabilite la Pasul 5. Monitorizarea se realizează prin evaluarea metricilor stabilite şi prin funcţii de urmărire în cadrul managementului riscului. Aceste activităţi sunt documentate în planul de management al riscului pentru fiecare scenariu de reducere a riscului. Managerul de risc primeşte şi analizează aceste date şi pe baza lor adoptă acţiunile corective.2 PROCESUL DE MANAGEMENT AL RISCULUI ÎN SOFTWARE 175 Pasul 8: Implementarea acţiunilor de atenuare / reducere a riscurilor Pentru fiecare risc.5 Funcţia 5: Control Funcţia de control a riscului are rolul de a corecta abaterile de la acţiunile de risc planificate.4 Funcţia 4: Monitorizare Monitorizarea are în vedere starea riscurilor şi acţiunile adoptate pentru atenuarea lor. Risc mediu: Acest nivel de risc poate să necesite adoptarea unor acţiuni la analizele de evaluare a riscurilor. Risc tolerabil: Aplicarea metodelor corespunzătoare de inginerie a software-ului va contribui la atenuarea oricăror riscuri de acest nivel. e. Pasul 9: Monitorizarea riscurilor Procedurile de raportare a stadiului implementării proiectului trebuie să sesizeze orice situaţie în care o metrică sau un parametru al proiectului se situează sub pragurile stabilite sau înregistrează abateri prea mari faţă de cele planificate. Valorile abaterilor sunt documentate prin metricile stabilite. în afara celor normale de monitorizare şi control a realizării software-ului.6. Fiecare risc de acest nivel are definite evenimentele care generează acţiunile de recuperare. Controlul riscului este parte a managementului proiectului şi se bazează pe . Exemplele de activităţi referitoare la nivelele de risc definite la Pasul 3 sunt: a. b. 6. c. Risc intolerabil: Acest nivel implică controlul. Risc ridicat: Acest nivel de risc necesită adoptarea unor acţiuni la analizele de evaluare a riscurilor. d. monitorizarea şi dezvoltarea de acţiuni de recuperare. Risc scăzut: Pentru acest nivel nu sunt necesare acţiuni suplimentare.2. 6.

O comunicare eficace furnizează atât transparenţa. principalele acţiuni se referă la (re)atribuirea clară a responsabilităţilor şi a autorităţii. 6. duratele şi noile riscuri potenţiale ale proiectului de software. La sfârşitul perioadei de criză.176 CAPITOLUL 7 – MANAGEMENTUL RISCULUI ÎN SOFTWARE procesele care controlează planurile acţiunilor de risc. În situaţiile de criză. toate eforturile şi resursele proiectului trebuie orientate pentru rezolvarea crizei. În acest scop. Baza de date referitoare la riscuri este completată cu atributele şi elementele de cuantificare ale fiecărui risc identificat şi analizat. precum şi planurile de acţiuni corespunzătoare. de asemenea. echipa întrunind consensul asupra riscurilor prioritare. corectează abaterile faţă de plan. de asemenea.2. actualizarea frecventă a stadiului proiectului. cât şi datele de feedback. Comunicarea se desfăşoară în toate fazele procesului de management a riscului. interne sau externe proiectului. stabilirea datelor limită de realizare a proiectului. Pasul 10: Implementarea acţiunilor de control a riscurilor Pentru fiecare risc. Ea este. .6 Funcţia 6: Comunicare Comunicarea este unul din elementele centrale ale procesului de management a riscului. documentează lecţiile învăţate şi reevaluează costurile. atunci este necesar un management de criză. răspund la evenimentele semnalate şi îmbunătăţesc procesele de management al riscului. Sunt stabilite. Riscurile sunt identificate de personalul implicat ce participă la realizarea activităţilor proiectului. relaxarea constrângerilor asupra resurselor proiectului. Activităţile de control al riscului sunt documentate în planul de management al riscului. În cazul în care acţiunile de recuperare şi control ale riscurilor eşuează. program de lucru mai intensiv. echipa de proiect realizează o analiză postmortem a crizei. referitoare la riscurile curente şi potenţiale. Managementul de proiect trebuie să asigure un mediu deschis care să permită personalului discuţii şi exprimarea opiniilor privind riscurile potenţiale. atunci managerul de proiect trebuie să analizeze necesitatea implementării acţiunilor de control şi să aloce resursele necesare aplicării acestor acţiuni. Procesul de management al riscului se finalizează prin definitivarea planului de managementul riscului. în care detaliază cauzele sistematice care au determinat situaţia de criză. evenimentele care declanşează controlul. o parte esenţială a tuturor celorlalte activităţi de management a riscului în software. dacă datele disponibile colectate indică realizarea criteriilor de intrare în această etapă. care evidenţiază importanţa şi relevanţa acesteia.

• Relevanţă. software.1 Un model de evaluare a riscurilor în sistemele informatice Vom analiza în cele ce urmează un model de evaluare a riscurilor pentru o organizaţie care dispune de un sistem informatic complex. A treia clasă o constituie riscurile de acces.3. Clasa de riscuri de infrastructură include riscurile ca organizaţia să nu aibă o infrastructură de tehnologia informaţiei (hardware. • Infrastructură. precum şi efectele acestor riscuri pentru principalele clase de riscuri din sistemele informatice sunt definite în Tabelul 6. • Disponibilitate. reţele.3 APLICAŢII 6. care să susţină în mod eficace. procese). completitudinea şi acurateţea tranzacţiilor de introducere. centralizare şi raportare realizate în aplicaţiile (modulele) sistemului informatic. dar şi eficient. procesele de afaceri ale organizaţiei respective. Principalele clase de riscuri care se pot manifesta în sistemele informatice sunt următoarele: • Integritate. în timp util pentru a permite luarea deciziei corespunzătoare”.3 APLICAŢII 177 6. riscurile de întrerupere a funcţionării sistemului sau cu riscurile legate de posibilele dezastre ce ar putea să apară. Clasa de riscuri de disponibilitate se referă la riscurile asociate cu funcţionarea la parametri normali a sistemului informatic. date sau informaţii. • Acces.6. Sunt riscurile asociate cu nerealizarea obiectivului: „Informaţia corectă şi necesară. Ea include riscurile unor repartizări neadecvate a sarcinilor. sistem care stă la baza integrării tuturor activităţilor organizaţiei şi pentru care riscurile în acest domeniu sunt deosebit de importante. personal. Clasa de riscuri de integritate include toate riscurile asociate cu autorizarea. prelucrare. . Clasa de riscuri de relevanţă se referă la modul şi timpul de utilizare a informaţiei generate de sistemul informatic. Această clasă de riscuri se focalizează asupra riscurilor legate de accesul necorespunzător la sistem. transmisă persoanei / procesului / sistemului corespunzător. Sursele şi cauzele de apariţie. riscurile asociate integrităţii datelor şi bazelor de date şi riscurile asociate cu confidenţialitatea asupra informaţiilor.3.

Coruperea datelor .erorilor de programare.3 – Principalele clase de riscuri din sistemele informatice Clasa de risc Surse / Cauze Efecte . Alte riscuri din această categorie se referă la gradul de adecvare al acţiunilor de control preventive şi/sau detective care să asigure că în sistem sunt introduse numai date valide şi complete. .erorilor de management. pe baza cerinţelor postului. .Dispozitive fizice neprotejate la deteriorare. informatic sau inconsistenţa lor la nivelul organizaţiei.Acces necorespunzător la mediul de Acces coruperea datelor prelucrare sau la reţele. Acestea includ şi riscurile asociate cu acurateţea şi integritatea rapoartelor utilizate pentru centralizarea rezultatelor şi/sau pentru luarea deciziilor de afaceri. . Pentru aceste riscuri ce intră în structura claselor putem asocia probabilităţi de apariţie şi de severitate a impactului.Infectarea cu viruşi .erorilor de prelucrare.Nefurnizarea . .) ce determină căderea hardware-ului sau software-ului. Acţiunile de control preventive sau detective care să asigure că datele prelucrate au fost complete şi transmise la timp. . pentru care putem să calculăm matricea de risc.Dezastre naturale (incendii.Pierderea sau .Lipsa politicilor şi Infrastructură planificării sistemului informatic în procedurilor în sistemul organizaţie. termen lung. erori. Vom analiza în continuare în detaliu riscurile componente pentru fiecare clasă de risc.Decizii nefuncţionale în domeniul tehnologiei informaţiei. omisiuni Integritatea poate fi pierdută ca urmare a: . .O planificare deficitară sau lipsa .Violarea .Atacul hackerilor . Riscurile componente pentru clasa de riscuri de integritate sunt următoarele: • Interfaţa utilizator: • Prelucrare: Restricţii asupra utilizatorilor individuali care sunt autorizaţi să realizeze anumite funcţii ale sistemului.Securitatea accesului nu este confidenţialităţii corespunzătoare .178 CAPITOLUL 7 – MANAGEMENTUL RISCULUI ÎN SOFTWARE Tabelul 6.Lipsa unei comunicări eficace informaţiei necesare la Relevanţă locul şi la timpul potrivit . .erorilor de mentenanţă. . ceea ce implică o repartizare a responsabilităţilor. inundaţii . furt sau la acces nepermis.Coruperea datelor.Întreruperea sistemului pe termen scurt sau Disponibilitate etc. Integritate .

avem următoarele componente: • • • • Procesul de afaceri: Sunt riscurile generate de deciziile organizatorice care trebuie să separe sarcinile incompatibile şi să asigure nivelul corespunzător de responsabilitate şi autoritate pentru realizarea funcţiilor sistemului informatic. componentele se referă în primul rând la modul şi timpul de utilizare a informaţiei generate de sistemul informatic. incluzând atât securitatea / integritatea datelor prelucrate. precum şi procesele prin care schimbările în sistemul informatic sunt comunicate şi implementate. Sunt riscurile asociate cu netransmiterea informaţiei corecte şi necesare. în vederea adoptării deciziilor corespunzătoare. respectiv la prelucrare: aplicaţiile (modulele). Aceste riscuri sunt asociate cu procese inadecvate de managementul schimbării. Mediul de În această categorie sunt înregistrate riscurile de acces necorespunzător la mediul de prelucrare. cât şi un management eficace al bazelor şi structurilor de date. care permit utilizatorilor autorizaţi să execute funcţiile alocate în sistemul informatic. către persoana. procesul sau sistemul corespunzător. Pentru clasa de riscuri de acces. Pentru clasa de riscuri de relevanţă. Managementul Aceste riscuri sunt asociate cu mecanismul de a asigura utilizatorilor accesul la anumite date sau baze de date din datelor: mediul de prelucrare.3 APLICAŢII • Tratarea erorilor: • Interfeţe: • Managementul schimbării: • Date: 179 Aceste riscuri se referă la procesele şi metodele care să asigure că orice excepţii sau erori ale datelor de intrare sau ale datelor prelucrate ce sunt depistate sunt corectate în mod corespunzător şi reprelucrate complet şi în timp util. în timp util. . Aplicaţii (module): Sunt determinate de mecanismele interne ale aplicaţiilor (modulelor). respectiv implicarea utilizatorilor şi instruirea lor. Aceste riscuri sunt asociate cu acţiuni inadecvate de control al managementului datelor. Integritatea poate fi pierdută din cauza erorilor de programare.6. a erorilor de prelucrare sau a erorilor de management sau de proces. programele sau datele stocate în acest mediu. Acţiunile de control preventive sau detective care să asigure că datele prelucrate au fost complete şi la timp şi au fost transmise către alte aplicaţii (module) ale sistemului care le utilizează.

Riscurile componente pentru clasa de riscuri de disponibilitate sunt următoarele: • Monitorizarea performanţei: • Întreruperi ale sistemului: • Dezastre: Sunt riscurile care pot fi evitate prin monitorizarea performanţei sistemului şi printr-o abordare pro-activă a problemelor. iar acţiunile de control se referă la procedurile de salvare a bazelor de date (backup) şi la planurile de recuperare. prin stabilirea. înainte ca acestea să apară. Riscurile asociate dezastrelor determină întreruperi pe termen lung a funcţionării sistemului informatic. Această zonă asigură că sistemul informatic este utilizat într-o manieră sigură şi protejată. Aici este inclus şi procesul de decizie asupra achiziţionării unei aplicaţii (sistem) existente sau a dezvolta o aplicaţie specifică. care să garanteze integritatea şi confidenţialitatea datelor şi informaţiilor organizaţiei.180 CAPITOLUL 7 – MANAGEMENTUL RISCULUI ÎN SOFTWARE • Reţelele: • Accesul fizic: Riscurile de acces în această zonă sunt generate de accesul necorespunzător la reţelele sistemului. de către personal de specialitate. De asemenea. . Sunt riscurile asociate cu întreruperile pe termen scurt ale sistemului. asigurarea că modificările în aplicaţii sunt comunicate. reducând riscurile de fraudă informaţională la nivele acceptabile. avem următoarele componente: • Planificare: • Definirea şi utilizarea aplicaţiilor sistemului: • Administrarea sistemului: • Administrarea calculatoarelor şi reţelelor: Sunt riscurile generate de organizarea activităţilor pentru tehnologia informaţiei (IT). Riscurile din această zonă se referă la asigurarea că sistemul informatic realizează cerinţele de afaceri ale organizaţiei şi cerinţele utilizatorilor. Pentru clasa de riscuri de infrastructură. menţinerea şi monitorizarea unui sistem de securitate internă. în acre tehnicile de restaurare / recuperare pot fi utilizate pentru a minimiza efectele şi duratele întreruperilor. Este important să existe o structură organizatorică şi funcţională (persoane şi procese) care să garanteze că eforturile în domeniul IT sunt încununate de succes. Procesele din această arie de activităţi asigură că organizaţia tratează în mod corespunzător riscurile de acces. Sunt riscurile legate de protecţia dispozitivelor fizice faţă de deteriorare. sustragere sau accesare nepermisă. care monitorizează funcţionarea şi performanţele calculatoarelor . testate şi implementate. echipamentelor şi reţelelor sistemului.

putem să realizăm acum o evaluare a riscurilor sistemului informatic.2 Întreruperi ale sistemului 0.10 0.3 Administrarea sistemului 5. Accesul 0. care conţine primele cinci riscuri identificate şi cuantificate. este prezentată în Tabelul 6.40 5.3.2 Timpul de utilizare a 0.2 Definirea şi utilizarea 0.30 0.40 1.50 0. Infrastructura 5.40 performanţei 0.40 4.6 Date 2.10 0.08 0.3 Tratarea erorilor 0. se poate realiza o listă a riscurilor prioritizate. Disponibilitatea 4.20 1.4 Interfeţe 1.2 Aplicaţii (module) 0.30 0.03 0.20 informaţiei transmise de sistemul informatic 0.10 0.30 0. probabilităţile de apariţie şi nivelele de severitate.2 Prelucrare 0.4.3 Dezastre 0. Integritate 0.5 Reţelele 0.20 schimbării 0.40 informatic 2.12 0.70 0.3 Managementul datelor 0.50 0.03 0.80 3.40 3.1 Planificare 5.3.4 Mediul de prelucrare 0.80 3.30 0.2 Procedura de evaluare a riscurilor în sistemele informatice Cu ajutorul riscurilor clasificate anterior.4 Administrarea 0.3 APLICAŢII 181 6.20 0.06 0.1 Monitorizarea 0.10 0.6 Accesul fizic 4.28 0.1 Interfaţa utilizator 1. Relevanţa generate de sistemul 0.06 0. pentru care stabilim.40 3.50 0.10 5.5 Managementul 0.06 0.50 0.50 0.20 0.80 4.12 0.24 0.20 3. asupra căruia trebuie să se aplice .50 0. Tabelul 6. utilizând clasele de riscuri şi componentele acestora. conform metodelor prezentate în secţiunea precedentă de cuantificare a riscurilor.90 0. Procedura de evaluare este exemplificată în Tabelul 6.30 0.28 0.40 calculatoarelor şi reţelelor Scor 0.40 1.28 Pe baza datelor de evaluare şi a probabilităţilor de apariţie şi a nivelelor de severitate acordate pentru diferitele componente de risc.36 0. Această listă.20 aplicaţiilor sistemului 0.10 3. în funcţie de scorul de impact rezultat.08 0.20 1.10 0.70 0.1 Utilizarea informaţiei 2.6.3 – Procedura de evaluare a riscurilor sistemului informatic Clasa de risc Componentele de risc Apariţie Severitate 0. Din evaluare a rezultat că riscul cel mai important.1 Procesul de afaceri 3.30 0.30 0.20 1.30 0.50 0.20 0. în urma analizei şi evaluării.10 0.70 0.

5 – Nivelele claselor de risc Clasa de risc Scorul 0.17 5. este cel legat de tratarea erorilor.3 Administrarea sistemului 5. Integritate 0. Tabelul 6.28 0.24 Continuând evaluarea şi considerând media scorurilor pe clasele de risc. obţinem nivelele de riscuri prezentate în matricea de risc din Tabelul 6.16 1.5. Relevanţa 0. Infrastructura Nivelul Ridicat Ridicat Ridicat Mediu Ridicat Din datele obţinute pentru clasele de riscuri. de integritate şi de relevanţă prezintă ponderi mai mari.28 0.3 Tratarea erorilor 1. în timp ce riscurile de disponibilitate au un nivel mediu. rezultă că riscurile de infrastructură au potenţialul cel mai ridicat.4 Administrarea calculatoarelor şi reţelelor 3.14 3. Scoruri mari au înregistrat şi riscurile de administrare a sistemului şi a reţelelor.2 Prelucrare 5.28 0. riscurile de infrastructură. Efectuând şi o analiză Pareto (Figura 6.182 CAPITOLUL 7 – MANAGEMENTUL RISCULUI ÎN SOFTWARE metodele de răspuns la risc.3 – Diagrama Pareto a ponderii claselor de risc .36 0.11 4. Disponibilitatea 0.4 – Lista riscurilor prioritizate Componenta de risc 1. Tabelul 6.3) a ponderii riscurilor la nivelul întregului sistem informatic. în timp ce riscurile de acces şi de disponibilitate a sistemului au o pondere mai redusă. Accesul 0.5 Reţelele Scorul 0.15 2. observăm că în urma evaluării. 100% 85% 67% 80% 60% 24% 22% 21% 19% 15% Integritate Relevanţa Accesul Disponibilitatea 46% Infrastructura 40% 100% 20% 0% Figura 6.

riscul poate să apară în operaţiunile de creditare. o evoluţie defavorabilă a valutei în care este contul de depozit sau chiar dificultăţi financiare ale băncii. riscul poate fi asociat cu posibilitatea de a nu beneficia – când şi cum doreşte – de resursele băneşti depuse la respectiva bancă. • Imobilizări de fonduri sau lipsa de lichidităţi. riscul poate fi o altă rată a dobânzii faţă de cea prevăzută iniţial. implică aproape întotdeauna un anumit grad de risc. generat de pierderea de natură materială (sau de altă natură) pe care o pot înregistra una sau mai multe persoane juridice sau fizice implicate în operaţiunea financiară respectivă. • Dinamica dobânzilor pe piaţa internă sau externă. • Stabilitatea şi flexibilitatea legislaţiei şi a sistemului juridic.7 MANAGEMENTUL RISCULUI FINANCIAR 7. • Organizarea şi funcţionarea sistemului de asigurări. Situaţii asemănătoare de risc de natură financiară pot să apară şi în operaţiunile de asigurări. • Pregătirea profesională şi abilitatea în afaceri a partenerilor. riscurile financiare pot fi legate de: • Managementul activităţilor economice ale partenerilor de afaceri. fiind reprezentat de posibilitatea ca banca să nu îşi poată recupera creditele acordate la termenele sau în condiţiile stipulate în contractele de creditare. prin natura diversităţii lor. În activităţile bancare. • Moralitatea şi comportamentul în afaceri al partenerilor. • Evoluţia economică generală şi evoluţia inflaţiei. funcţionarea şi controlul sistemului financiar-bancar.a. Câteva din principalele categorii de risc financiar referitoare la mediul macroeconomic sunt următoarele: • Riscul de ţară. de leasing. • Organizarea. În acest caz. de exemplu. de bursă ş. 183 . De asemenea. La nivel micro-economic. pentru un deponent al băncii.1 RISCUL ÎN OPERAŢIUNILE FINANCIARE Operaţiunile financiare.

mai multe metodologii de evaluare. aşa cum este economia românească. a sistemului de asigurări navale introdus de Lloyd’s. transport. iar în comerţul cu acţiuni. depreciere valutară. De exemplu. dar şi în alte operaţiuni financiare similare. dar şi în riscul privind dificultăţile de repatriere a profiturilor şi în riscul asupra proprietăţii. rezultând starea generală a economiei. promovate de Banca Mondială sau alte organizaţii financiare internaţionale. de băncile şi instituţiile financiare. este bine cunoscută metoda hedging-ului pentru acoperirea riscului tranzacţiilor bursiere. Problema care vrem să o analizăm aici o reprezintă determinare modelelor matematice şi statistice pentru fenomenele de risc financiar. Există mai multe metode de determinare a riscului de ţară. Aceste riscuri majore sunt avute în vedere atunci când sunt planificate investiţiile în ţara respectivă. atenuare sau eliminare a riscurilor financiare. fiind luat în considerate de potenţialii investitori străini în ţara respectivă. Riscul de ţară este determinat în primul rând de stabilitatea politică a ţării respective. o reprezintă apariţia. Moody’s. Standars&Poors. riscurile fiind determinate direct de complexitatea fiecărei operaţiuni financiare în parte. În tranzacţiile de afaceri ale companiilor de asigurări. Unul dintre cele mai cunoscute şi mediatizate riscuri din categoria riscurilor financiare este aşa-numitul „risc de ţară”. dar şi de firme specializate de renume mondial (cum sunt Lloyd’s.184 CAPITOLUL 7 – MANAGEMENTUL RISCULUI FINANCIAR Desigur. Daiwa Securities. Riscul de ţară este influenţat de o combinaţie de factori economici şi politici. precum şi de mediul economic în care această operaţiune se desfăşoară. În ceea ce priveşte managementul riscului financiar sunt cunoscute o multitudine de metode de acoperire a acestui risc. enumerarea de mai sus a categoriilor de riscuri financiare este departe de a fi completă. Există. De asemenea. la sfârşitul secolului al XVIII-lea. de organizaţiile economice ale ţării respective. riscurile pot fi generate de: fluctuaţii de preţ. accidente ş. depozitare. care se bazează pe sisteme de rating sau pe sisteme de indicatori statistici. mai ales într-o economie în tranziţie. poate să apară riscul de variaţie a cursului acestor hârtii de valoare. care se reflectă în stabilitatea politicii economice.a. de asemenea. . Merill Lynch şi alţii). Riscul de ţară este un mix care reflectă performanţele economice şi stabilitatea politică într-o anumită ţară. insolvabilitate. Pe piaţa fizică bancară poate să se manifeste riscul de variaţie a dobânzii. Poate cea mai notabilă pentru epoca modernă. riscurile care apar în schimbul de mărfuri sunt riscurile de fluctuaţie a cursului valutar sau riscurile bursiere. Aceste ultime două elemente de politică economică se reflectă în riscul de obţinere a profiturilor aşteptate. Să mai menţionăm şi alte tipuri de risc financiar care apar în tranzacţiile de afaceri. care să ofere managementului informaţia necesară pentru adoptarea deciziilor de evitare.

în unele situaţii. cum ar fi profitul sau cash-flow-ul. Determinarea acţiunilor posibile: Căutarea acţiunilor alternative posibile. care să asigure realizarea obiectivului. Aceşti factori necontrolabili constituie evenimente sau stări ale naturii. Stabilirea rezultatelor posibile: Ca urmare a diferitelor combinaţii posibile dintre acţiuni şi stările naturii. Schema generală a componentelor modelului este reprezentată în Figura 7.7.1 RISCUL ÎN OPERAŢIUNI FINANCIARE 185 Să analizăm acum modelul general al unei probleme de decizie în condiţii de incertitudine şi risc. cum ar fi maximizarea profitului sau a valorii actuale a cash-flowului. în condiţii de pierdere minimă. Fiecare rezultat este condiţionat de o anumită acţiune şi o anumită stare a naturii. Modelul de decizie în condiţii de risc financiar are următoarele componente: (1) (2) (3) (4) (5) (6) Identificarea obiectivelor: Un obiectiv (sau o ţintă) pe care decidentul speră să o atingă. în funcţie de obiectivele decidentului. Măsurarea valorii riscului: Este o măsură a pierderii (sau utilităţii) pentru fiecare rezultat posibil. determinarea unei funcţii obiectiv.1 – Modelul general al unei probleme de decizie financiară . în care riscul este de natură financiară. Cuantificarea unui obiectiv înseamnă. Alegerea acţiunii optime: Este acţiunea care conduce la atingerea obiectivului decidentului. rezultă un set de rezultate posibile. este necesar să se ia în considerare toţi factorii necontrolabili care nu pot fi ţinuţi sub control de către decident şi care ar putea să apară pentru fiecare acţiune posibilă identificată.1. Pierderea în modelele de decizie financiară este de natură monetară. Identificarea stărilor naturii: Deoarece problemele de decizie financiară sunt definite într-un mediu de incertitudine. Identificarea obiectivelor Determinarea acţiunilor posibile Identificarea stărilor naturii Alegerea acţiunii optime Măsurarea valorii riscului Stabilirea rezultatelor posibile Figura 7. care ca fi utilizată pentru evaluarea acţiunilor posibile şi ca bază pentru alegerea celei mai bune alternative.

Printre dificultăţile întâmpinate atunci când este evaluat riscul financiar se pot menţiona lipsa informaţiilor sau gradul lor de disponibilitate pentru a determina distribuţia de probabilitate a fenomenului economic analizat. riscul având. De asemenea. Riscul este utilizat în situaţiile în care sunt posibile mai multe rezultate şi despre care există o experienţă anterioară relevantă pentru a defini un model statistic. Corespunzătoare acestor cheltuieli de dezvoltare sunt şi diminuările de profit în cazul în care competitorii lansează produse pe piaţă. această distincţie între risc şi incertitudine nu este atât de relevantă. utilizăm un model probabilist. Dacă competitorii nu întreprind nici o acţiune. O companie îşi revizuieşte politica de marketing pentru următoarea perioadă de buget financiar. respectiv o problemă de analiză cost-profit-volum şi o problemă de investiţie de capital în condiţii de incertitudine şi risc. care să permită o predicţie asupra rezultatelor posibile. Am văzut anterior că problemele de teoria deciziei se reduc în final la evaluarea unei funcţii de pierdere. să considerăm următorul exemplu. ţinând cont de evenimente viitoare incerte şi probabile. • Competitorii introduc pe piaţă un produs superior. în cele mai multe situaţii. o exprimare de natură financiară. Din punct de vedere statistico-matematic. Ea a dezvoltat două noi produse. analiza riscului unei activităţi financiare presupune evaluarea probabilităţii de a obţine anumite rezultate favorabile (câştig) sau nefavorabile (pierdere). să menţionăm faptul că. mai important fiind faptul că. dar furnizează elementele necesare managementului riscului financiar. identificarea şi cuantificarea riscului financiar nu înseamnă şi eliminarea acestuia. Ţinând cont de activităţile şi reacţiile competitorilor.186 CAPITOLUL 7 – MANAGEMENTUL RISCULUI FINANCIAR Pentru a ilustra caracteristicile esenţiale ale unui model de decizie financiară. Incertitudinea există în situaţiile în care sunt posibile mai multe rezultate. pentru a cărui dezvoltare s-au cheltuit resurse suplimentare. faţă de un model determinist. Până la urmă. uneori. dar nu se dispune de informaţie suficientă pentru modelul statistic de decizie. dar nu are resurse suficiente decât pentru lansarea în perioada următoare numai a unuia dintre cele două produse. Vom detalia în continuare două probleme de analiză şi decizie asupra riscului financiar. între risc şi incertitudine se face o anumită distincţie. Revenind la abordarea modelului riscului financiar care ne interesează aici. legată de cantitatea de informaţie disponibilă pentru fundamentarea deciziilor financiare. în care riscul şi incertitudinea sunt modelate prin variabile aleatoare. . A şi B. stările naturii posibile sunt următoarele: • Competitorii nu întreprind nimic. • Competitorii introduc pe piaţă un produs comparabil. atunci se aşteaptă ca profiturile companiei să rămână staţionare în condiţiile lansării produsului A şi să aibă o tendinţă de creştere relativ redusă în condiţiile lansării produsului B.

Înlocuind în relaţia (7. costurile variabile şi costurile fixe sunt presupuse ca fiind certe (determinate). Vom estima atunci probabilităţile de profit sau de pierdere prin intermediul variabilei aleatoare X. (7. în care preţul de vânzare al unui anumit produs este 100€. adică probabilitatea ca firma să nu înregistreze pierdere ca urmare a realizării şi vânzării produsului respectiv? (b) Care este probabilitatea ca profitul să fie mai mare de 7. făcând schimbarea de variabilă: .1) V ( x ) = 100 x . O firmă realizează o analiză cost-volum-profit pentru anul financiar următor. funcţia de cost: obţinem funcţia de profit: C ( x ) = 60 x + 36. 840 pentru (c) şi 1.000 . putem să scriem: (7.2 ANALIZA COST-VOLUM-PROFIT ÎN CONDIŢII DE RISC 187 7. Astfel. reprezentată în Figura 7. (7.000 unităţi şi abaterea standard σ = 90 unităţi. În acest model.000€? Considerând funcţia de venit: (7.000 .000 pentru (d).2) P ( x ) = 40 x − 36. obţinem nivelele de vânzări: 900 pentru (a). Singura variabilă aleatoare a modelului este volumul de vânzări.000 unităţi şi s-a presupus pentru nivelul de vânzări modelul distribuţiei normale cu media µ = 1.000 €.3) şi diagrama pragului de profitabilitate. Vom estima această probabilitate cu ajutorul distribuţiei normale standardizate.2. 1. preţul de vânzare. Cu ajutorul acestui model probabilist. care reprezintă nivelul estimat al vânzărilor de produse. prin intermediul unei aplicaţii.7.3) valorile de profit pentru care ne interesează să calculăm probabilităţile. vom încerca să răspundem la următoarele întrebări: (a) Care este probabilitatea ca profitul să fie mai mare ca 0.400€? (d) Care este probabilitatea ca profitul să fie mai mare de 4.090 pentru (b).2 ANALIZA COST-VOLUM-PROFIT ÎN CONDIŢII DE RISC Vom analiza în continuare. iar costurile variabile de 60€ pe unitatea de produs.4) Prob{Profit < 0} = Prob{X < 900} . pentru probabilitatea de a nu avea profit. o problemă de costvolum-profit în care vom include elemente de risc şi incertitudine.600€? (c) Care este probabilitatea ca să se înregistreze o pierdere mai mare de -1. adică variabile controlabile de către managementul firmei. Vânzările estimate pentru perioada analizată sunt de 1. pentru care vom asocia deci distribuţia normală. Costurile fixe bugetate sunt de 36.

z0 = = (7.0000 640 712 784 856 928 1000 1072 1144 1216 1288 Figura 7.0050 0. cu o probabilitate relativ mare (>80%).0005 X 0. corespunzător.7%.000 = −1. 0.0010 0. rezultă probabilitatea de a înregistra pierdere: Prob{X < 900} = Prob{z0 < −1.3 – Probabilitatea de a înregistra pierdere / profit 1360 .3% (aria haşurată din Figura 7.188 CAPITOLUL 7 – MANAGEMENTUL RISCULUI FINANCIAR 120000 Profit Profit 100000 Pierdere 80000 Cheltuieli variabile 60000 40000 20000 Cheltuieli fixe 0 0 200 400 600 800 1000 1200 Figura 7.1333 = 0.0015 0. probabilitatea de a avea profit: Prob{X > 900} = 1 − Prob{z0 < −1. în timp ce probabilitatea de a înregistra profit este de 86.0020 P(X <= 900) 0.11} = 0. putem decide că realizarea şi vânzarea produsului respectiv va fi o acţiune profitabilă. σ 90 Atunci.0025 0.11} = 1 − 0.3).0035 0.8667 . Atunci.5) (7.0040 0.0030 0.6) şi.7) Concluzia care rezultă din analiza pragului de profitabilitate şi a probabilităţilor de mai sus este că probabilitatea de a înregistra pierdere este de circa 13. (7.11 .2 – Pragul de profitabilitate X −µ 900 − 1.0045 0.1333 .

0000 640 712 784 856 928 1000 1072 1144 1216 1288 1360 Figura 7.11) adică o probabilitate relativ mică ( ≈ 7%)de a avea un asemenea nivel de pierdere.12) Atunci. obţinem intervalul de încredere [950. σ 90 şi rezultă probabilitatea de a avea profitul respectiv: Prob{X > 1.0025 P(X <= 1090) 0.4 – Probabilitatea de a înregistra profit < 7.10) 90 σ şi rezultă probabilitatea de a avea pierderea respectivă: Prob{X < 865} = Prob{z 2 < −1.0050 0.050]. 1.50} = 0.0010 0.8413 = 0.0015 0.00} = 1 − Prob{z1 < 1.090 − 1.5000. probabilitatea ca pierderea să fie mai mică de -1. 0.0040 0.090} = Prob{z1 > 1.05 . În fine. şi atunci pentru a vedea unde se va situa de fapt profitul.0020 0. probabilitatea ca profitul să fie mai mare de 7.2 ANALIZA COST-VOLUM-PROFIT ÎN CONDIŢII DE RISC Pentru (b).400€.000 z2 = = = −1.000€ cu probabilitatea de 95% .600€ (aria haşurată din Figura 7. determinăm: X − µ 865 − 1. vom estima un interval de încredere pentru media vânzărilor.4).0045 0.1587 În acest caz. Considerând un nivel de semnificaţie α = 0.600€.000€ este evident 0.000€ şi 6.0030 0. (7.600€ Pentru (c). determinăm: X − µ 1. iar intervalul de încredere se calculează ca fiind: ⎛ σ ⎞ ⎟.000 (7.00} = .50 .96⎜ (7.0668 . rezultă nivelul de încredere 100(1 − α )% = 0. pentru un eşantion cu n = 12 .95% . este mai mare ( ≈ 84%) probabilitatea de a nu atinge profitul de 7. ⎝ n⎠ µ ± 1.0035 0.0005 X 0. (7.00 .8) z1 = = = 1. (7. adică profitul se va situa între 2.9) = 1 − 0. pentru (d) probabilitatea ca profitul să fie mai mare de 4.189 7.

Cuantificarea obiectivelor va duce la stabilirea unei funcţii obiectiv. Etapa 7 constă din planificarea implementării proiectelor de investiţii selectate în etapa anterioară. pentru fiecare stare a naturii. prin care să se asigure profitul maxim. Etapa 1 indică faptul că de la început trebuie stabilite obiectivele. constă din analiza şi revizuirea proiectelor de investiţii. la un moment dat. Există investiţii de capital fără risc sau cu risc scăzut. Etapa 5 se referă la evaluarea efortului şi a pierderii (sau a câştigului) pentru fiecare rezultat posibil. să analizăm modul în care acestea pot fi integrate unei probleme generale de teoria deciziilor. Un aspect important al deciziilor asupra investiţiilor de capital îl constituie nivelul de risc.1 Modelul de decizie pentru investiţiile de capital Deciziile de investiţii de capital sunt deciziile de management financiar care implică plasarea sau investirea unui anumit capital. În Figura 7. Etapa 4 începe după ce au fost identificate stările naturii în etapa anterioară şi constă din analizarea şi listarea tuturor rezultatelor posibile. Vom examina în continuare mai detaliat fiecare din etapele acestui model de decizie. şi obţinerea unui flux de beneficii în viitor. Aceasta este o activitate creativă pentru găsirea proiectelor de investiţii potenţiale. . care este ultima etapă a acestui proces.3. Etapa 6 a procesului este destinată selectării proiectelor de investiţii. de la care se aşteaptă beneficii mult mai mari. Etapa 8. adică ţintele pe care investitorul doreşte să le atingă. modelul de decizie prezentat în secţiunea anterioară a fost adaptat pentru a încorpora deciziile de investiţii de capital. dar care conduc la un beneficiu mai redus.190 CAPITOLUL 7 – MANAGEMENTUL RISCULUI FINANCIAR 7.3 INVESTIŢII DE CAPITAL ÎN CONDIŢII DE RISC 7. care de cele mai multe ori constă din maximizarea profitului ca urmare a investiţiei de capital. Investiţiile de capital pot fi pe termen scurt (sub un an) sau pe termen lung. cele pe mai mulţi ani.3. iar acestei etape trebuie să i se acorde atenţia necesară. Pentru a înţelege mai bine deciziile de investiţii de capital în condiţii de risc. Etapa 2 constă din căutarea oportunităţilor de investiţii. Etapa 3 a procesului de decizie se referă la culegerea datelor privind posibilele stări ale naturii care pot să afecteze rezultatele proiectelor de investiţii. însă există şi investiţii de capital cu risc ridicat.

3.3 – Modelul de decizie pentru investiţiile de capital . Implementarea proiectelor de investiţii 8. etapa de analiză şi revizuire a proiectelor de investiţii are loc în mod constant.3 INVESTIŢII DE CAPITAL ÎN CONDIŢII DE RISC 191 Iteraţiile principale ale modelului sunt reprezentate prin săgeţile direcţionale din Figura 7. pentru a evalua rezultatele curente faţă de cele planificate. Identificarea stărilor naturii 4. Evaluarea efortului financiar 6. la intervale bine stabilite. Analiza deciziilor de investiţii de capital Figura 7. Pot avea loc însă şi alte iteraţii secundare între etapele acestui model de decizie. Selectarea proiectelor de investiţii 7. Astfel. care reprezintă şi cele mai importante bucle de feed-back. 1. Lista rezultatelor posibile 5.7. Căutarea oportunităţilor de investiţii 3. Identificarea obiectivelor de investiţii 2.

192 CAPITOLUL 7 – MANAGEMENTUL RISCULUI FINANCIAR

7.3.2 Modelul determinist pentru investiţiile de capital
Obiectivul principal al unui proiect de investiţie de capital este compararea dintre
veniturile obţinute ca urmare a acestei investiţii şi alternativele – având acelaşi risc –
de a investi în acţiuni sau alte modalităţi similare de tranzacţii pe pieţele financiare.
Această comparaţie se poate face printr-un model de analiză de cash-flow cu
discount. Să presupunem că sunt investiţi 100.000€ într-o operaţiune financiară cu o
durată de patru ani, fără riscuri, care returnează un procent de beneficiu, respectiv o
rată a beneficiului de 10%, care se plăteşte la sfârşitul fiecărui an. Dacă dobânda este
reinvestită, la sfârşitul celui de-al patrulea an suma acumulată va fi de 146.410€,
calculele fiind prezentate în Tabelul 7.1.
Tabelul 7.1 – Calculul sumei acumulate
Sfârşitul anului
0
1
2
3

Dobânda obţinută

0,10 ⋅ 100.000

0,10 ⋅110.000
0,10 ⋅ 121.000
0,10 ⋅ 133.100

4

Investiţia totală
100.000
10.000
110.000
11.000
121.000
12.100
133.100
13.310
146.410€

În tabelul de mai sus, sfârşitul anului 0 înseamnă momentul de început al
investiţiei, sfârşitul anului 1 înseamnă situaţia financiară după 1 an, şi aşa mai departe.
Valorile din tabelul de mai sus pot fi obţinute şi cu formula:
VFn = V0 ⋅ (1 + k )n ,

(7.1)

unde VFn reprezintă valoarea finală (sau valoare viitoare) a investiţiei după n ani. V0
este valoarea investiţiei la începutul acesteia (anul 0), k reprezintă rata de beneficiu a
investiţiei, iar n este numărul de ani în care banii sunt investiţi. Astfel, pentru
V0 = 100 .000 şi k = 0,10 (adică 10%),
valoarea finală după 2 ani va fi:
VF2 = 100.000 ⋅ (1 + 0,10 )2 = 121.000€ .
Relaţia (7.1) ne permite să calculăm şi valoarea actuală (valoarea prezentă),
atunci când cunoaştem valoarea finală a investiţiei.
Avem:
VFn
,
(7.2)
V0 =
(1 + k )n

7.3 INVESTIŢII DE CAPITAL ÎN CONDIŢII DE RISC

193

Astfel, dacă valoarea finală a unei investiţii cu un procent de beneficiu de 10%
este de 121.000€, atunci valoarea iniţială a acestei investiţii a fost:
121.000
V0 =
= 100.000€ .
(1 + 0.10 )2
Metoda cea mai directă pentru a determina dacă un proiect de investiţii de capital
returnează un beneficiu mai mare decât o investiţie alternativă de portofoliu în acţiuni
sau alte forme similare – toate fiind considerate ca având acelaşi risc – este metoda de
calcul a valorii nete actuale (VNA).
Dacă rata de beneficiu a unui proiect de investiţii de capital este mai mare decât
rata de beneficiu a unei investiţii echivalente (cu acelaşi nivel de risc) pe piaţa
financiară, atunci vom avea VNA > 0. În caz contrar, pentru o rată a beneficiului mai
mică în cazul investiţiei echivalente de portofoliu, vom avea VNA < 0.
O valoare actuală netă pozitivă indică faptul că investiţia poate fi acceptată, în
timp ce o valoare negativă indică investitorului adoptarea deciziei de respingere a
investiţiei. Valoarea 0 calculată pentru VNA indică o situaţie de indiferenţă asupra
acceptării sau respingerii investiţiei respective.
Valoarea actuală netă poate fi calculată cu relaţia:
n
VFi
VNA = ∑
− I0 ,
(7.3)
i
i =1 (1 + k )
unde I 0 reprezintă cheltuielile iniţiale aferente proiectului de investiţii.
Să considerăm un exemplu în care un investitor are posibilitatea de a investi
1.000€ într-un proiect de investiţii cu o durată de 3 ani, cu rata anuală a beneficiului de
10%. Fluxurile de numerar de intrare (cash-inflows) estimate sunt următoarele:
Anul 1
300€,


Anul 2
1.000€,

Anul 3
400€,
iar cheltuielile iniţiale estimate pentru acest proiect sunt de 1.000€.
Atunci, calculând valoarea netă actuală obţinem:
300
1.000
400
VNA =
+
+
− 1.000 = 399,70€ .
2
1 + 0,10 (1 + 0.10 ) (1 + 0,10 )3
O metodă practică de calcul a valorii pentru VNA utilizează factorii de discount,
care sunt tabelaţi şi sunt calculaţi cu relaţia:
1
,
(7.4)
FDn =
(1 + k )n
unde FDn este factorul de discount în anul n.
Pentru exemplul anterior, aplicând metoda factorilor de discount obţinem
rezultatele din Tabelul 7.2.

194 CAPITOLUL 7 – MANAGEMENTUL RISCULUI FINANCIAR
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 iniţiale
Valoarea actuală netă

Valoarea actuală
272,73
826,45
300,53
1399,70
1000
399,70

Pentru deciziile asupra proiectelor de investiţii, se poate utiliza şi metoda de
calcul a ratei interne de beneficiu (RIB), care reprezintă valoarea maximă a costului
capitalului investiţional care poate fi utilizată în proiectul financiar, fără a produce
pierderi investitorului.
Rata internă de beneficiu rezultă prin determinarea valorii lui k din ecuaţia:
n
VFi
I0 = ∑
,
(7.5)
i
i =1 (1 + k )
Rezolvarea ecuaţiei anterioare se poate face şi printr-o metodă de calcul relativ
mai simplă, care constă din atribuirea de valori pentru factorul de discount, iar apoi
prin aplicarea metodei celor mai mici pătrate şi determinarea unei funcţii liniare sau
pătratice, pe care o putem utiliza pentru determinarea valorii RIB.
Pentru aplicarea metodei menţionate, să considerăm exemplul anterior, în care
rata minimă a beneficiului acceptabilă este de 10%. Vom determina valorile VNA
pentru valorile ale lui k de 10%, 15%, 20%,..., 40%. Datele calculate sunt prezentate în
Tabelul 7.3.
Tabelul 7.3 – Calculul VNA pentru diferiţi factori de discount
Anul
1
2
3

Flux de
intrare

300
1.000
400
Total
Cheltuieli iniţiale
Valoarea actuală netă

Valoarea actuală
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

În Figura 7.4 sunt reprezentate valorile VNA pentru diferitele valori atribuite
factorilor de discount, conform datelor din Tabelul 7.3. Ajustând o linie de tendinţă
polinomială de gradul al doilea, obţinem ecuaţia:

y = 2.234,2 x 2 − 2.869 x + 662,25 .

(7.6)

Rezolvând această ecuaţie, obţinem soluţia pentru factorul de discount în
intervalul dat: x = 30,17% .

7.3 INVESTIŢII DE CAPITAL ÎN CONDIŢII DE RISC

195

500
399.70

400

280.02

VNA

300

175.93

200

84.80

100

4.55

0
-100

5%

10%

15%

20%

25%

30%

-200

35%
40%
-66.50
-129.74

45%

Rata de discount

Figura 7.4 – Interpretarea grafică a ratei interne de beneficiu (RIB)

Regula de decizie este următoarea: dacă rata internă de beneficiu este mai mare
decât costul capitalului de oportunitate, atunci investiţia este profitabilă şi se va obţine
o valoare netă actuală VNA > 0.
O situaţie aparte o reprezintă proiectele de investiţii care sunt reciproc exclusive,
respectiv situaţia în care acceptarea unui proiect implică excluderea celuilalt proiect,
cum ar fi de exemplu, decizia de alegere a unei locaţii pentru amplasarea unui nou
obiectiv economic. Să presupunem că un investitor trebuie să decidă între două
proiecte exclusive de investiţii, notate A şi B. Fluxurile de intrare pentru cele două
proiecte, la o rată a beneficiului de 10%, sunt date în Tabelul 7.5.
Tabelul 7.5
Anul

Proiectul A
1
2
3

Factor de
discount
Proiectul B
10%
5.520
0,909
5.520
0,826
5.520
0,751
Total
Cheltuieli initiale
Valoarea actuală netă

Flux de intrare
3.430
3.430
3.430

Valoarea actuală
Proiectul A

Proiectul B

3.118,18
2.834,71
2.577,01
8.529,90
7.000,00
1.529,90

5.018,18
4.561,98
4.147,26
13.727,42
12.000,00
1.727,42

Reluând analiza anterioară pentru rata de discount cuprinsă între 4% şi 24%,
rezultă pentru cele două proiecte ratele interne de beneficiu de 22% pentru proiectul A
şi de 18% pentru proiectul B. În Figura 7.5 sunt prezentate valorile VNA pentru cele
două proiecte. Se observă că VNA depinde de rata de discount utilizată. Pentru o
valoare mai mare de 12%, proiectul A are valori VNA şi RIB superioare. Pentru o rată
de discount mai mică de 12% proiectul B are o valoare VNA mai mare, iar proiectul A
o valoare RIB mai mare. În această situaţie se alege, în general, proiectul cu valoarea
netă actuală mai mare.

a investiţiilor fără riscuri. În prima categorie.5 – Valoarea netă actuală pentru două proiecte de investiţii În consideraţiile de până acum. Rm ) . Să presupunem. iar pentru variabila R f este – în mod natural – 0. Diferenţa dintre cele două valori reprezintă aşa-numita primă de risc. În general. R f ) şi (σ m . pentru Rm = 17% şi R f = 9% . se consideră o parte a investiţiei care are rata beneficiului fără riscuri şi o parte care este supusă riscului. iar σ m este abaterea standard pentru variabila Rm . cum sunt investiţiile cu o rată a beneficiului garantată.6. avem o primă de risc de 8%. intră investiţiile garantate de stat sau de anumite bănci. Acestea sunt considerate investiţii de portofoliu de piaţă. am avut în vedere situaţia în care beneficiul se obţine fără riscuri. Ecuaţia dreptei care reprezintă capitalul de piaţă este dată de punctele de coordonate (σ f . În a doua categorie intră investiţiile în acţiuni. Să notăm cu R f rata beneficiului fără risc şi cu Rm rata beneficiului pentru o investiţie de portofoliu de piaţă. Relaţia dintre aceste variabile este reprezentată în Figura 7. (7. De exemplu. dar mai redusă.7) Pentru σ f = 0 . Ecuaţia dreptei de capital de piaţă este aşadar: y= Rm − R f σ m −σ f (x − σ )+ R f f . R f = 9% şi σ m = 16% . Rm = 17% . care sunt tranzacţionate pe pieţele financiare. de asemenea. care include şi prima de risc. rezultă ecuaţia de capital de piaţă: . unde σ f este abaterea standard pentru variabila R f . că abaterea standard pentru variabila Rm este de 16%.196 CAPITOLUL 7 – MANAGEMENTUL RISCULUI FINANCIAR 5000 4000 VNA 3000 2000 1000 0 -1000 0 2 4 6 8 10 12 14 16 18 20 22 24 26 -2000 Rata de discount Proiectul A Proiectul B Figura 7. În practica financiară sunt mai frecvente însă situaţiile în care numai o parte a ratei beneficiului este fără riscuri.

Să presupunem că investim 1. adică o rată a beneficiului de 25%. În concluzie.7. Atunci rata medie a beneficiului este 2. adică o abatere standard a riscului foarte mare.000€ fără riscuri.5 x + 9 ⇒ x = 32 .3 INVESTIŢII DE CAPITAL ÎN CONDIŢII DE RISC y= 17 − 9 ⋅ ( x − 0 ) + 9 = 0. . Înlocuind această valoare în ecuaţia dreptei de capital. rezultă un beneficiu de 250€. Aşadar.000€ am obţinut un beneficiu de 250€. împrumutăm 1. rata beneficiului mediu va fi o variabilă aleatoare cu media 13% şi cu abaterea standard de 8%.5 ⋅ 8 + 9 = 8% . 2 2 iar rata beneficiului mediu va fi y = 0. care se situează deasupra punctului de portofoliu de piaţă Rm . dacă se investeşte în portofoliul A o sumă constând din 500€ în portofoliul de piaţă şi 500€ în portofoliul fără risc.6 – Ecuaţia dreptei de capital de piaţă Atunci un investitor poate investi în orice punct care se află între R f şi Rm .000 ⋅ 9% = 90€ .000€ din fondurile proprii.000 ⋅17% = 340€ . din care scăzând dobânda pe suma împrumutată de 1. 16 − 0 197 (7. investind din surse proprii 1. De exemplu.000€ de care dispunem acum într-o investiţie de portofoliu la o rată a beneficiului Rm = 17% . atunci abaterea standard va fi: 1 1 ⋅ 0% + ⋅16% = 8% .7) Rata medie a beneficiului (% 30 Portofoliul B 25 25 20 Rm 15 13 Portofoliul de piaţă Portofoliul A 9 10 17 Rf 5 0 0 8 16 Riscul (abaterea standard) 24 32 Figura 7.5 x + 9 . Cu ajutorul ecuaţie dreptei de capital să rezolvăm următoarea problemă de investiţie de portofoliu B. rezultă o abatere standard a riscului investiţiei de 25 = 0. dublă faţă cea a portofoliului de piaţă. cu o rată a dobânzii de 9% şi plasăm cele 2.

(7.000 5.3.000 0. iar k este rata beneficiului. Tabelul 7.25 15. Vt este varianţa pentru cash-flow-ul net în anul t.000 Valoarea medie 20.8) 2 1. .000 0.000 0.198 CAPITOLUL 7 – MANAGEMENTUL RISCULUI FINANCIAR 7.000 -10. deoarece considerăm că distribuţia de probabilitate a variabilei VNA are aceeaşi valoare medie şi aceeaşi dispersie.000€.314€ .3 Modele probabiliste pentru investiţiile de capital Modelele prezentate până acum au fost totuşi modele deterministe.000 10.7. Proiectul are o durată de viaţă estimată de 3 ani. Obţinem: 20. Să remarcăm faptul că varianţa cash-flow-ului va fi aceeaşi în cei trei ani ai proiectului.10 30.10 1. Pentru a aplica relaţia (7. • Simularea. • Analiza de senzitivitate.10 1.30 20. în care vom considera riscurile proiectelor de investiţii ca fiind variabile aleatoare. Pentru aceasta vom determina mai întâi o relaţie de calcul pentru dispersia sau varianţa VNA: n Vt V [VNA] = ∑ .6 – Cash-flow-ul şi probabilităţile unui proiect de investiţii Anul 1 Anul 2 Anul 3 Cash-flow net Cash-flow net Cash-flow net 0.10 10.000 0 -5.000 0 0.000 5.000 0 Probabilitatea Cu ajutorul valorilor medii ale cash-flow-ului net. în care variabilele sunt legate între ele prin expresii funcţionale determinate. Pentru exemplificarea primei metode să considerăm un proiect de investiţii care implică o cheltuială imediată de 20.000 0 M [VNA] = + + = 2.9) să calculăm mai întâi V1 în Tabelul 7.000 5. În continuare vom discuta modele probabiliste. iar prognoza pentru cash-flow-ul net şi probabilităţile asociate sunt date în Tabelul 7. pentru o rată a beneficiului de 10%.9) 2t t =0 (1 + k ) unde V [VNA] este varianţa valorii nete actuale a proiectului.103 Să determinăm acum abaterea standard a VNA.000 -5. Cele mai utilizate modele probabiliste şi metode pentru cuantificarea riscurilor proiectelor de investiţii sunt: • Aplicarea distribuţiilor de probabilitate. putem acum să estimăm valoarea medie a VNA.000 5. (7.6.000 10.25 25.000 15.

8.3 INVESTIŢII DE CAPITAL ÎN CONDIŢII DE RISC 199 Tabelul 7.8.000} = 1 − N (10.10 30. considerând 95% din valorile distribuţiei.000 -10.00002 0.10 1.25 15. Astfel.000 6.00004 0.000 10.00006 0.389 .734 ] .000 0 0 0 0.10 10.844€ . ceea ce înseamnă că cu probabilitatea de 95%.00001 X 0 -25000 -20000 -15000 -10000 -5000 0 5000 10000 15000 20000 25000 Figura 7.9) obţinem varianţa valorii nete actuale: 1 1 ⎞ ⎛ 1 V [VNA] = 32. obţinem pentru intervalul µVNA ± 2 ⋅ σ VNA valorile [− 14.000 ⋅ ⎜ + + = 67.00003 P(X <= 0) 0. valoarea netă actuală a proiectului de investiţii se va situa între limitele intervalului de mai sus.11) Prob{VNA < 0} = N (0.000€ este de: (7.7 – Probabilitatea de a înregistra VNA < 0 . am obţinut pentru variabila VNA parametrii pentru medie µVNA = 2.250.000 10.314 .10 1.10) 2 4 6 ⎟ ⎝ 1.500000 Atunci.30 20.000 5.314 € şi σ VNA = 8. 2.25 25.7) este dată de: (7.106 .000 10.250.175 .10 ⎠ Din calculele de mai sus.500. 2.000 100.314 . în timp ce probabilitatea de a avea o valoare netă actuală mai mare de 10.000. Considerând pentru această variabilă aleatoare modelul distribuţiei normale vom putea să facem o inferenţă statistică privind proiectul nostru de investiţii de capital.7.000 -5. conform relaţiei (7.000 0.000 .000 Varianţa 32. Probabilitatea ca proiectul de investiţii de capital să aibă o valoare netă actuală negativă (aria haşurată din Figura 7.000 0.210 ) = 0.000 25.000 0.000 6.18.210 ) = 0.402. (7.210 €.00005 0.7 – Varianţa cash-flow-ului proiectului de investiţii în anul 1 Probabilitatea Cash-flow net Abaterea de la valoarea medie Pătratul abaterii Valoarea ponderată 0.12) Prob{VNA > 10.000. 0.000 Valoarea medie 20.000 25.000 100.

.58 0 0. Primele 10 valori simulate.39 20.9 – 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 0.314 2.000 -10.000 0.818 5. în care. cum ar fi.36 0 0. variabilele aleatoare pentru cota de piaţă.30 considerăm un cash-flow net de 30.000 în anul 2.66 – 0. după cum urmează (datele sunt prezentate în Tabelul 7.8): Tabelul 7.000 0.000 0 -5.59 5. pe care îl are orice program de calculator) sunt prezentate în Tabelul 7. Cu aceste valori rezultate din simulare.11 – 0.000 0.30 15.000 0.02 -10.200 CAPITOLUL 7 – MANAGEMENTUL RISCULUI FINANCIAR Să aplicăm acum un model de simulare pentru problema noastră de investiţii de capital.000 0.000 0.000 0.000 15.10 10.000 0. costurile operaţionale sau durata de viaţă a diferitelor echipamente.000 10. iar pentru 0.31 0 0.52 0 0.901 -1.000 5.44 20.9. Să considerăm exemplul anterior.000 0.36 0 VNA 6.000 10.314 -9. de exemplu.62 20.000 0.6.000 -5.000 Valori aleatoare Observăm că probabilităţile de a genera valorile variabilelor aleatoare din prima coloană a Tabelului 7.51 20.39 5.000 0.000 0. în pasul următor.695 2.000 0.727 2. pentru 0. pe prima linie.90 25. între 0 şi 1 pentru variabila de cash-flow net.00 10.00 – 0.314 În tabelul de mai sus.12 -5.000 0 0.91 – 1.47 0 0. utilizând această metodă de simulare foarte simplă (deoarece utilizăm generatorul de numere uniforme.000 0.42 0 0.28 0 0.65 20.77 10.8 sunt aceleaşi cu probabilităţile din Tabelul 7.63 20.000 5.000 0. Tabelul 7.34 15. pentru valoarea simulată 0.000 0.32 0 0.000 0.93 15.033 2.62 20.000 0.86 25.34 0 1.39 5.000 în anul 1. Primul pas al procesului de simulare îl reprezintă constituirea unei distribuţii de probabilitate pentru fiecare factor care influenţează deciziile de investiţii de capital.8 – Valorile uniforme pentru variabile cash-flow net Anul 1 Anul 2 Anul 3 Cash-flow net Cash-flow net Cash-flow net 0.00 30.36 un cash-flow net de 0 în anul 3.36 – 0.331 -5. vom genera variabile aleatoare uniforme. preţul de vânzare.575 1.93 un cash-flow net de 15.000 0.000 0.35 15.40 20.28 0 0.000 0.52 0 0.

observăm că fără a fi foarte apropiate.00 -16. notând cu x valorile variabilei VNA.300 în modelul normal). 0.146 0.798 . iar abaterea standard de 7. media este de aproximativ 2. xmax = 18.997 13.8. este redat în Figura 7.10 20. o valoare maximă (notată b) şi o valoare pe care o considerăm ca fiind cea mai probabilă (notată m).693 1. s = 7. reprezentat prin histograma frecvenţei relative a valorilor simulate.8 – Modelul distribuţiei simulate a VNA Analizând comparativ rezultatele anterioare în care am folosit modelul distribuţiei normale.700 (faţă de 8. respectiv pentru modelul simulat.925 -1. x = 2. modelul empiric furnizat de histograma frecvenţei relative este puternic asimetric (după cum se observă din forma histogramei din Figura 7.914 0. .682 Probabilitatea 0. ele sunt totuşi în aceeaşi plajă de valori.843 -5.600 (faţă de circa 2.881 .229 9.8).378 -13.200 în modelul normal). este suficient să considerăm o valoare minimă (notată a).25 VNA Figura 7. Din păcate.3 INVESTIŢII DE CAPITAL ÎN CONDIŢII DE RISC 201 a fost calculată valoarea VNA din ultima coloană a tabelului. Procedeul a fost repetat de un număr suficient de mare de ori.7.461 5. cu cele rezultate din simulare. Pentru a genera o variabilă triunghiulară.739 . ceea ce ne determină să facem inferenţa asupra modelului de simulare cu ajutorul distribuţiei triunghiulare asimetrice.764 16.594 .15 0.610 -9.20 0. Reamintim că în capitolul 2 am prezentat distribuţia triunghiulară simetrică.05 -20. Distribuţia triunghiulară este recomandată pentru a fi utilizată atunci când nu dispunem de date istorice privind evoluţia unui anumit fenomen care ne interesează sau atunci când nu este posibil sau nu este timp pentru un experiment statistic. au fost: xmin = −18. Statisticile rezultate din simulare au fost. iar modelul distribuţiei simulate.

(7. ⎝ b−a⎠ 2 b−a a m b Figura 7. aceasta 2 ⎞ trece prin punctele de coordonate A(a .9 – Distribuţia triunghiulară asimetrică .9).202 CAPITOLUL 7 – MANAGEMENTUL RISCULUI FINANCIAR Distribuţia triunghiulară asimetrică are funcţia de densitate de probabilitate definită de: x≤a ⎧0.0 ) şi M ⎛⎜ m . B (b . ⎪ 2 ⎪ (x − a ) .a< x≤m ⎪ (b − a ) ⋅ (m − a ) f ( x) = ⎨ . x≥b Parametrii distribuţiei triunghiulare asimetrice sunt: a+m+b µ= . x≥b ⎩ şi funcţia de distribuţie cumulativă dată de: x≤a ⎧0. Reprezentând grafic distribuţia triunghiulară asimetrică (Figura 7.15) (b − a )2 + (m − a ) ⋅ (m − b ) 2 σ = 18 Avantajul utilizării distribuţiei triunghiulare este acela că pentru a estima probabilităţile nu avem nevoie de tabele de valori ale distribuţiei. ⎪ 2( x − a ) ⎪ .0 ) . ⎟. calculul de probabilitate reducându-se la calculul unor arii de triunghiuri. 3 . m < x < b . a<x≤m ⎪⎪ (b − a ) ⋅ (m − a ) F (x ) = ⎨ (7.13) ( ) − b x 2 ⎪ .m< x<b ⎪ (b − a ) ⋅ (b − m ) ⎪0. ⎪1 − ⎪ (b − a ) ⋅ (b − m ) ⎪ ⎪⎩1. (7.14) (b − x )2 .

k = 1. care se poate obţine considerând media a 3 variabile aleatoare uniforme.701 .2.10 – Distribuţia triunghiulară asimetrică simulată Pentru valorile eşantionului de date simulate. 0.10 este reprezentată simularea distribuţiei triunghiulare asimetrice. b = xmax = 18.20 0. iar probabilitatea ca VNA > 10. 1) . utilizând metoda de generare din relaţia (7. pentru probabilitatea de a avea o valoare VNA < 0. obţinem.000 este: Prob{VNA > 10.00 1 2 3 4 5 6 7 8 9 10 11 12 13 Figura 7. În concluzie. În Figura 7. pentru a genera un şir de variabile aleatoare triunghiulare asimetrice.16) unde u k( i ) . şi înlocuind aceste valori şi media simulată în relaţia (7.25 0. se obţine: a = xmin = −18.3 INVESTIŢII DE CAPITAL ÎN CONDIŢII DE RISC 203 Un alt avantaj important al distribuţiei triunghiulare asimetrice îl reprezintă metoda de generare a unei variabile aleatoare triunghiulare asimetrice. datorită simplităţii şi eficacităţii acesteia.881. Atunci.15) obţinem: m = 3 x − (a + b ) = 7.798 .10 0.314} ≅ 45% . 3 (7. Astfel.15 0. utilizăm relaţia: xi = u1( i ) + u 2( i ) + u3( i ) .000} ≅ 24% .16). .3 sunt variabile aleatoare uniforme pe (0. valorile obţinute prin utilizarea distribuţiei triunghiulare sunt suficient de apropiate de cele obţinute prin utilizarea distribuţiei normale şi recomandăm această distribuţie mai ales în aplicaţiile de simulare ale modelelor economice şi ale riscului. probabilitatea ca VNA să fie egală cu media calculată cu metoda anterioară: Prob{VNA < 2. considerând asemănarea şi ariile triunghiurilor dreptunghice corespunzătoare: Prob{VNA < 0} ≅ 35% .05 0.7.

204 CAPITOLUL 7 – MANAGEMENTUL RISCULUI FINANCIAR A treia metodă probabilistă care se poate aplica pentru problemele de investiţii de capital o reprezintă analiza de senzitivitate. respectiv senzitivitatea VNA la schimbările variabilelor componente: • Preţul de vânzare estimat. Preţul de vânzare estimat Volumul de vânzări estimat Costul estimat al capitalului VNA Costuri operaţiona le estimate Costuri iniţiale estimate Figura 7. precum şi nivelul până la care se pot modifica aceste variabile înainte ca rezultatele investiţiilor de capital să conducă la pierderi. • Costuri operaţionale estimate. . • Costul estimat al capitalului. • Costuri iniţiale estimate.11 – Senzitivitatea VNA la variabilele modelului Aplicarea analizei de senzitivitate. În Figura 7.11 sunt prezentate variabilele modelului care influenţează VNA. • Volumul de vânzări estimat. conform procedurilor detaliate în Capitolul 3. poate indica variabilele la care VNA este cea mai sensibilă.

1967.8 BIBLIOGRAFIE 1. 6. F. 2. pag.M. Engineering Statistics. 1992. Ackoff. 1979 13. Prentice-Hall Inc. M. Mihalache. Alexis. Q-Media. 1971. D. N. Sasieni. V. Isaic-Maniu. Vodă. Lieberman. Editura tehnică. 3. L. Gh. Vodă. Reliability Mathematics.. 1999 12. Buletinul Ştiinţific al Universităţii Creştine „Dimitrie Cantemir”. E. Basic Business Statistics. Bârsan-Pipu. pp. Bârsan-Pipu.. Barlow. R. Berenson. Metoda Taguchi în practica industrială. G. Nr. M.. pp. 237 – 241. A. Quality Control. Introduction to the Theory of Probability and Statistics. 3. Editura tehnică. Cătuneanu. Bowker. A. John Wiley & Sons Inc. 7. 1998 11. 1989 205 . Reliability Fundamentals. Braşov. 10. H. Bârsan-Pipu. Proschan. Prentice-Hall Inc. Modele FMEA: Analiza modului de defectare şi a efectelor. John Wiley & Sons Inc. Bârsan-Pipu. Al. Editura Economică. C. N. Prentice Hall.L. R. 48-53. 1999. McGraw-Hill Publishing Company. Managementul riscului. Buch. R. 4. 2003.. Tehnici de simulare aplicate în economie... 9. N. Buletinul Ştiinţific al Universităţii Creştine „Dimitrie Cantemir”. Amstadter. Calitate şi Fiabilitate. Elsevier Science Publishing Inc. N. Besterfield. Braşov. Mathematical Theory of Reliability. D. Bazele cercetării operaţionale.. Modele statistice cu aplicaţii. L. N.. Levine. H. Modele statistice ale defectării. pag. Defectarea. B. 5. I. 1975. N. 2. V. 1999 8. Concepts and Applications. M. Arley. 237 – 241.. 1976.. 1972 14. Nr. J. Concepte şi abordări. 2003. N. R. K. 23-26. W. Bârsan-Pipu.

McGraw-Hill Company. E. Modele de evaluare a riscului de ţară. Editura Gh. 1992. Reliability Handbook. 3. Editura Orientul Latin. Theodorescu. Reynolds. Vol. 1966. Inc. 33.. Duncan. pp. pp. W. 1984.206 BIBLIOGRAFIE 15. G..J. Project management Institute. 19.J. Duncan. and Social Sciences. Quality Control Handbook. J. Hall. 23. 41-52. Quality Technology.... 1996 – 2000. M. R. M. Process Capability Indices. 28. M. Richard D Irwin. B. Richard Irwin Inc. John Wiley & Sons Inc. H.. G. Methods for Statistical Analisys of Reliability & Life Data. Lloyd. Hammer Slei. Vol. Hillier. 24.. L.. Statistics for Management and Economics. Iosifescu. R. J. Drury. I. A. K. O. Warrack. Simpurwalla. Gnedenko. No. Mann. 2000. 26. 1985. 1974. Bingham. P.. 34.. Juran. C.. Spiring. Kane. R. 30. 1976. Mihai. Life. Inc. 1974. 1980. Statistical Models in Engineering. 20. Journal of Quality Technology. 22. 1967. 1986. A New Measure of Process Capability: Cpm. McGraw Hill Publishing Co.C Heath. R. Shapiro. Chapmann & Hall. A. V. Schafer. 20. Zidăroiu C. Incertitudine şi decizie. 31. I. S. tehnică. 18. Business Statistics. Prentice-Hall. 18. 25.. L. Nastovici. Handscomb.. Lieberman G. Handbook of Aplicable Mathematics.. D. John Wiley & Sons. Editura ştiinţifică şi enciclopedică. S. 1986. 17. C. S. J. Probability and Statistical Inference for Scientist and Engineers. Hahn. The Theory of Probability. Chan. N. Harshbarger. Gibra. Duxbury Press. F. John Wiley & Sons. 1966. I. Cheng. No. W. A Guide to the Project Management Body of Knowledge. 21. E. Mir Publishers. I. 1. 29.. E. N.. 1964. M. John Wiley & Sons. Quality Control and Industrial Statistics. . 1988. S. 1991.R. Inc. Introduction to Operations Research. Volume VI: Statistics. Teoria probabilităţilor şi statistica matematică.. Keller. 1973. Gryna.. D. 162-175. F. 16. 1974. McGraw-Hill Co. M. Monte Carlo Methods. Ireson. E. Journal of W. Maliţa. F. G. N. 27. R. Mathematical Applications for the Management.. Coşa. G. S. 1997 32. Management and Cost Accounting. Adelman.

G. Fişe de control de proces. Economică. Editura tehnică. 1996. Turban. Purcaru. Introduction to Statistical Quality Control (Third Edition). 2002.. McGraw-Hill Inc. McNulty. enciclopedică. 36. D. Montgomery D. Experimental statistics. 45. Bearings life and reliability. 37. M. I. I. Istoria calităţii. I. M. 2000.. Braşov. Stoian. I. Universitatea „Transilvania” din Braşov. L. Engineering Mathematics Handbook. 1999. 1992. Popescu. 1977. 38. Mendenhall W. 51. Un eseu concentrat.. . J. Popescu. Analiza fiabilităţii şi securităţii sistemelor. 1963. Editura Mediarex 21. Vodă. V. Editura Universităţii „transilvania”. 2002. 42. Bazele cercetării experimentale în tehnologia construcţiilor de maşini. Stoichiţoiu. Tuma. E. 50. 48. 2002. Popescu. The Third Conference on Mathematical Methods in Reliability. 2000.. I.. Universitatea din Braşov. I Modele de simulare cu calculatorul..G. 41. Teorie şi studii de caz. V. 40. I. Teorie şi aplicaţii. Statistics the Engineering and Computer Sciences. Fundamentals of Management Science. 46. 1984. Măsură şi procese aleatoare . Metode statistice. 1977. The University of Arizona. Meredith. 1982. Tucson. Tovissi.S.R. 2002. Editura Universităţii „Transilvania” din Braşov. Gh. Vodă. Applied Risk Analysis of Complex Systems. Editura Oscar Print. Orman.. E. Aplicaţii în producţie. Sincich. Matematici financiare. Martinescu. Editura Gh. Natrella. Irwin. T. G. Rotariu. I. 2002.BIBLIOGRAFIE 207 35. Arizona.C. Managementul tehnologiilor nucleare pentru producerea energiei electrice. 49. Popescu. 47. Teză de doctorat. I. Editura Economică. 44. V.. 39. 1986. I.. Vodă. Metode şi studii de caz privind managementul riscului ăn tranzacţiile de afaceri. 52. Purcaru. I. 437 – 439. 1979. Fiabilitate. Bazele teoretice. John Wiley and Sons. National Bureau of Standards Handbook 91. I. pp. Dellen Publishing Company. Editura ştiinţifică şi Gh. Universitatea din Braşov. Văduva. 43. O. Petrescu. Martinescu. 1977.

1969. 1995. *** Potential Faiture Mode and Effects Analysis (FMEA). *** Mic Dicţionar Enciclopedic. Yule. 54. 1994. Kendall. V. M. Ford Motor Company. *** Dicţionarul Explicatic al Limbii Române. John Wiley & Sons. and General Motors Corporation. Chrysler Corporation. 2001. 61. Department of Energy.S. *** Webster’s Unabridged Dictionary of the English Language.208 BIBLIOGRAFIE 53.G. Risk Management SIG Committee. Editura ştiinţifică şi enciclopedică. 58. 56. Business Research Methods. C. Zikmund.. Department of Energy. *** Software Risk Management. 59. Editura ştiinţifică. The Dryden Press. Bucureşti. nr. *** Handbook of Engineering Statistics. 55. 2000 57. U. Bucureşti. G. NIST. *** Risc Consult. Introducere în teoria statisticii. 1998. 2 – 3 / 2002.S. *** Project Risk Management. 2000 63. *** Program Project and Management. U. Marsh SRL 62. A Practical Guide. 2000 60. 1978. W. . 2002. Editura Univers Enciclopedic.