Helgus ~ µастер ~ Kласс: Это незавершённая статья по ивентологии и её применениям |
Для того чтобы наиболее точно описать рынок и всевозможные связанные с ним события, необходимо включить в описание рыночных агентов (продавцов и потребителей), как один из главных источников неопределенности. Именно эвентология дает нам такую возможность. Рассмотрим рынок в эвентологическом пространстве .
Гиббсовское Э-распределение событий-спросов[]
В теореме о замораживании и разогревании спроса предлагается заданным Гиббсовское Э-распределение событий-спросов:
, (1)
где — множество товаров на рынке,
— подмножество товаров, ,
— вероятность покупки рыночным агентом подмножества товаров ,
— неотрицательная величина, имеющая смысл обратной покупательной способности рыночного агента,
— неубывающая функция ценности подмножества товаров ,
) — распределение вероятностей собственных вкусов и предпочтений рыночного агента.
— нормирующий множитель.
При стремлении к нулю или бесконечности распределение ) меняется и стремится к некоторому предельному Э-распределению ).
Распределение вероятностей определяет структуру зависимостей событий из множества . Предлагается рассмотреть распределение для трех "основных" структур зависимостей (вложенной, независимой и не пересекающейся) и посмотреть к какому распределению стремится распределение при стремлении к нулю или к бесконечности.
При распределение стремится к распределению при любой структуре зависимостей событий, определяемой распределением .
При играет роль подмножество , такие подмножества , на которых функция ценности ) принимает минимальные значения.
Можно рассмотреть 2 случая :
1. Больцмановское распределение.
2. Гиббсовское распределение.
Больцмановское Э-распределение[]
, (2)
где — фактор Больцмана. Распределение (2) получается из распределения (1), когда — равномерное. Все вероятности , т.к. поэтому можно рассматривать любые структуры зависимостей, кроме тех, у которых некоторые вероятности равны нулю, т.е. либо независимые, либо произвольно зависимые.
Рассмотрим Больцмановское независимое распределение:
1) При в пределе получим равномерное распределение с вероятностями , где -- мощность , т.е. независимое, причем вероятность каждого события будет .
2а) Если , то в пределе в частном случае, если и
ценность , и вероятность на всех
подмножествах принимают различные значения, получается вырожденное
распределение, и вероятность этого значения равна единице, т.к. в
этом случае ценность принимает единственное минимальное значение
.
2б) в общем же случае независимого распределения ценность
определяется только ценностями исходных событий из
Невозможно разобрать выражение (синтаксическая ошибка): {\displaystyle P(x)=\exp \Big\{ -\beta \mathcal{V}(X)\Big\},\\\ P(x^{c})=1-\exp \Big\{ -\beta \mathcal{V}(X)\Big\}}
При этом могут возникнуть ситуации, когда ) одно и то же для разных .(Например, если для всех , то получаем равномерное распределение, т.е. все ценности равны между собой ). Таким образом, совпадение значений зависит от того, каковы значения исходных вероятностей . Допустим, что функция ценности принимает минимальное значение на , тогда распределение становится равномерным на этих подмножествах с вероятностями , а на остальных подмножествах вероятности принимают нулевые значения.
Итак, при в частном случае получаем вырожденное распределение, а в общем случае — распределение является равномерным на .
Гиббсовское Э-распределение[]
Рассмотрим три случая:
определяет структуры событий:
1) вложенную,
2) независимую,
3) не пересекающуюся
Вид предельного распределения зависит от того, на каких событиях-террасках ценность достигает минимального значения, потому что на остальных событиях-террасках вероятность в пределе равна нулю. Таким образом, при вложенная и не пересекающаяся структуры событий сохраняются, а независимая структура событий иногда сохраняется, а иногда становится произвольно зависимой.
Попробуем связать 2 способа изображения распределения спроса .
Сначала сделаем следующее предположение о виде распределения : монотонно зависит от ценности и должна быть обратно пропорциональна ей.
— соответствует обратной покупательной способности, т.е. рыночному состоянию агента, можно сказать, что определяет рыночный статус агента.
А) Если ценность принимает минимальное значение лишь на одном подмножестве , то кривые и — строго монотонно убывающие.
Б) если же ценность имеет одинаковые минимальные значения на некоторых подмножествах , то графики кривых и ) имеют ступеньки.
В случае, когда распределение стремится к распределению .
В случае, когда
А) если принимает минимальное значение лишь на одном подмножестве , то предельное распределение в обеих плоскостях ( и , имеет вырожденный вид — одна точка, вероятность которой равна 1.
Б) если же ценность имеет одинаковые минимальные
значения ) на , некоторых
подмножествах , то предельное распределение в
плоскости становится равномерным на этих
подмножествах с вероятностями , а на
других принимает значения, равные нулю. В плоскости
график превращается в точку, в которой склеиваются событий-террасок с
. Вероятность каждой из которых
и в сумме они дают 1.
Антигиббсовское Э-распределение событий-предложений[]
Выше были рассмотрены графики предельных Э-распределений событий-спросов на множество товаров . Предполагается, что распределение событий-предложений определяется противоположным гиббсовским Э-распределением, имеющим "симметричный" Гиббсовскому распределению вид:
где
— множество товаров на рынке,
— подмножество товаров,
— вероятность предложения рыночным агентом подмножества товаров ,
— неотрицательная величина, имеющая смысл обратной производительной способности рыночного агента,
— неубывающая функция ценности подмножества товаров,
— распределение вероятностей собственных вкусов и предпочтений рыночного агента,
— нормирующий множитель.
Аналогичным образом можно рассмотреть предельные распределения событий-предложений при стремлении к нулю или к бесконечности. Заметим, что в силу симметричности распределений при стремлении к бесконечности вместо , подмножеств , на которых функция ценности имеет минимальное значение, играют роль , подмножества , на которых функция ценности имеет максимальное значение .
Совместив на одной плоскости графики Э-распределений событий-спросов и событий-предложений, получим так называемый Э-крест, который определяет совместное Э-распределение событий-спросов и событий-предложений:
Невозможно разобрать выражение (неизвестная функция «\cr»): {\displaystyle p^{\downarrow\uparrow}(X,Y)= \begin{cases} p^\downarrow(X)p^\uparrow(Y)-\mathrm{Kov}^{\downarrow\uparrow}(X,Y), & X=Y,\cr p^\downarrow(X)p^\uparrow(Y), & X \not= Y. \end{cases}}
Здесь
— вероятность пересечения террасок событий-спросов и событий-предложений
— множество событий-спросов,
— множество событий-предложений
Это совместное Э-распределение зависит от функции ценности . Скорее всего, функцию ценности можно определить следующим образом:
Невозможно разобрать выражение (неизвестная функция «\cr»): {\displaystyle \mathcal{V}(X,Y)= \begin{cases} \mathcal{V}(X), & X=Y,\cr 0, & X \not= Y. \end{cases}}
Если под ценностью понимать ценность сделки , то она представляет собой , когда событие-спрос и событие-предложение совпадают и равна нулю, если эти события не совпадают, т.к. в последнем случае сделка не осуществляется.
Заметим, что пара графиков Э-распределений событий-спросов и событий-предложений позволяет найти точку рыночного равновесия, как в экономикс. Если же рассмотреть вместе с этими кривыми еще пару кривых: кривую совпадения событий спроса и предложения и кривую различия событий спроса и предложения , то можно получить интервал равновесия, который определяется максимумом и минимумом этих кривых соответственно. Все четыре графика вместе и образуют Э-крест.
Предельные случаи Э-креста[]
С формальной точки зрения, чтобы рассмотреть предельный Э-крест, следует рассмотреть 4 случая:
1., ,
2., ,
3., ,
4., .
Однако, скорее всего, имеет смысл рассмотреть только два из этих случаев, когда параметры обоих распределений ведут себя одинаково:
1. Когда оба параметра стремятся к нулю, это означает, что и покупательная способность и производительная стремятся к бесконечности, такой рынок можно назвать процветающим, в этом случае предельный Э-крест совпадает с крестом
2. Когда оба параметра стремятся к бесконечности, это означает, что и покупательная способность и производительная стремятся к нулю, такой рынок можно назвать стагнирующим, в этом случае вид предельного Э-креста зависит от вида функции ценности
А) Если ценность принимает минимальное значение на одном подмножестве и максимальное значение тоже только на одном подмножестве , то Э-крест вырожденный.
Б) Если же ценность ) имеет несколько одинаковых
минимальных значений на , некоторых подмножествах
, и несколько одинаковых максимальных
значений на , некоторых других подмножествах
, то Э-крест при имеет ступенчатый вид.
Первоначальной целью было: рассмотреть предельные состояния Э-модели рынка, но два способа изображения Э-креста (на плоскостях и ) подсказали новую идею. Классический подход позволяет находить на плоскости лишь одну точку равновесной цены для вложенной структуры событий-спросов и событий-предложений, эвентологический подход позволил находить интервал равновесных цен для любой структуры этих событий.
Новый способ изображения Э-креста на плоскости позволил получить равновесное подмножество товаров , а также интервал равновесных подмножеств товаров, который определяется максимумом совпадения и минимумом различия вероятностей событий-спросов и событий-предложений, чего до сих пор не было в экономикс.
Равновесное подмножество товаров[]
Что представляет собой одно равновесное подмножество товаров ? Вероятно, это подмножество товаров, одинаково привлекательное как для покупателя, так и для продавца в случае вложенной структуры событий-спросов и событий-предложений. Тогда интервал равновесных подмножеств товаров представляет собой подмножества товаров, привлекательные как для покупателя, так и для продавца в случае всевозможных структур зависимостей событий-спросов и событий-предложений. Интервал равновесных подмножеств товаров определяется ковариацией между подмножествами событий.
Ковариационная матрица имеет специфический вид.
— вероятность покупки вообще — характеристика рынка. Это число характеризует активность на рынке, позволяет сравнивать различные рынки между собой.
— вероятность не покупки вообще — характеристика рынка.
Максимизируя вероятность пересечения событий спроса и предложения, тем самым максимизируем вероятность покупки на рынке.
Минимизируя вероятность симметрической разности событий спроса и предложения, тем самым минимизируем вероятность не покупки на рынке.
— вероятность отсутствия рынка, тогда вероятность не покупки:
Характеристики рынка в целом:
1. покупка на рынке,
2. не покупка на рынке,
3. отсутствие рынка.
В сумме все 3 характеристики дают единицу.
Глобальные характеристики спроса и предложения:
— вероятность спроса,
— вероятность предложения.
Тогда глобальные характеристики рынка в целом:
Глобальные характеристики рынка в целом[]
1. вероятность спроса,
2. вероятность предложения,
3. вероятность покупки,
4. вероятность не покупки,
5. вероятность отсутствия рынка.
Для каждого получаем эту же четверку вероятностей:
— вероятность спроса,
— вероятность предложения,
— вероятность покупки подмножества товаров,
— вероятность не покупки.
Эвентологические теоремы о спросе и предложении[]
Сформулированы и доказаны теоремы о закаливании и плавлении как для гиббсовского, так и для антигиббсовского распределений. С точки зрения эвентологии любое событие можно рассматривать как дуальное событие, состоящее из двух событий: восприятие и деятельность. Рассматриваются гиббсовские и антигиббсовские распределения. Первое предлагается использовать для моделирования ценности восприятия, второе для моделирования ценности деятельности.В качестве примера спрос предложено рассматривать как событий-восприятия, предложение как событий-деятельность. Такой подход позволил получить гибсовскую эвентологическую модель рынка.
Теорема (закаливание и плавление гиббсовского множества случайных событий)[]
Формулировка[]
Пусть множество случайных событий с неотрицательной функцией на и гиббсовским эвентологическим распределением .
Тогда
Здесь
— совокупность подмножеств, на которых функция гиббсовского множества случайных событий принимает минимальное значение,
а
— собственная вероятность минимума .
Доказательство первого утверждения[]
Пусть — минимальное значение функции . Тогда
Если — минимум, т.е. , то соответствующий показатель экспоненты пропадает для любого возможного , а экспонента оказывается равной 1. Другие показатели экспонент строго отрицательны и их экспоненты, убывая, стремятся к нулю, когда стремится к бесконечности. Следовательно, всё выражение возрастает монотонно к ), если , и стремится к 0 иначе.
Допустим, что — не минимум, т.е. , и положим ). Перепишем вероятность ) в виде
где — константа, не зависящая от .
Достаточно показать, что знаменатель в конце концов возрастает. Дифференцирование по дает
).
Вторая сумма стремится к нулю, а первая — к бесконечности, когда .
Следовательно, производная в конце концов становится положительной, и это показывает, что , как функция , в конце концов убывает. Первое утверждение доказано.
Доказательство второго утверждения[]
Если , гиббсовское случайное множество под сходится к распределению на всем . Действительно, в сумме
каждая экспонента сходится к единице, следовательно,
Второе утверждение а с ним и вся теорема доказаны.
Согласно теореме при закаливании () предельное
распределение гиббсовского множества случайных событий
сосредоточивается только на , на котором оно
становится пропорциональным своим собственным вероятностям, а при
плавлении () — совпадает с распределением его собственных вероятностей на
всех подмножествах .
Теорема (закаливание и плавление антигиббсовского множества случайных событий)[]
Формулировка[]
Сформулируем аналогичную теорему для антигиббсовского множества случайных событий.
Пусть — антигиббсовское множество случайных событий с неотрицательной функцией на и антигиббсовским эвентологическим распределением .
Тогда
Здесь
— совокупность подмножеств, на которых функция антигиббсовского случайного множества принимает максимальное значение,
а
— собственная вероятность максимума .
Доказательство первого утверждения[]
Пусть ) — максимальное значение функции . Тогда
Если — максимум, т.е. , то соответствующий показатель экспоненты пропадает для любого возможного , а экспонента оказывается равной 1. Другие показатели экспонент строго положительны и их экспоненты стремятся к бесконечности, когда стремится к бесконечности. Следовательно, всё выражение убывает монотонно к нулю.
Допустим, что — не максимум, т.е., и
положим . Перепишем
вероятность в виде
где — константа, не зависящая от .
Достаточно показать, что знаменатель в конце концов возрастает. Дифференцирование по дает
.
Первая сумма стремится к нулю, а вторая — к бесконечности, когда .
Следовательно, производная в конце концов становится положительной, и это показывает, что , как функция , в конце концов убывает. Первое утверждение доказано.
Доказательство второго утверждения[]
Если антигиббсовское случайное множество под сходится к распределению на всем . Действительно, в сумме
каждая экспонента сходится к единице, следовательно,
Второе утверждение а с ним и вся теорема доказаны.
Согласно теореме при закаливании () предельное распределение антигиббсовского множества случайных событий сосредоточивается только на , на котором оно становится пропорциональным своим собственным вероятностям, а при плавлении () — совпадает с распределением его собственных вероятностей на всех подмножествах .
Теоремы о закаливании и плавлении гиббсобского и антигиббсовского
множеств случайных событий: событий-восприятий и событий
деятельности позволяют моделировать поведение разумного субъекта при
изменении ценности восприятия и ценности деятельности.
Статистическая модель поведения разумного субъекта, стремящегося к
равновесному Э-выбору "восприятие-деятельность" вполне может
быть использована также для моделирования поведения субъектов рынка.
Так, гиббсовское Э-распределение события-восприятия можно
использовать для моделирования событий-спроса, а
антигиббсовское Э-распределение события-деятельности
— для моделирования событий-предложений.
Поскольку в гиббсовском Э-распределении событий-спросов роль
ценности восприятия играет обратный средний доход потребителей, а в
антигиббсовском Э-распределении событий-предложеий роль ценности
деятельности играет обратная средняя производительность, то
доказанные теоремы о закаливании и плавлении этих распределений
открывают новые возможности эвентологической модели рынка (Э-креста
Маршалла).
См. также[]
- Спрос и предложение (в эвентологии)
- Соотношения вероятность~ценность
- Крест Маршалла (в экономикс)
- Эвентология
Список литературы[]
[1] Голденок Е.Е. (2002) Струкутрный анализ зависимостей событий в статистических системах. Автореферат дисс. ... канд. физ.-мат. наук. - Красноярск: КГТИ, 20 с.
[2] Голденок Е.Е., Голденок К.В. (2006) Эвентологическое обоснование классической модели рынка. Вестник Красноярского государственного университета. Серия физ.-мат. наук. - Красноярск: КрасГУ. - № 9. - с. 135-139.
[3] Воробьёв О.Ю. (2007) Эвентология. - Красноярск: СФУ, КГТИ, ИВМ СО РАН. - 435 с.