Одной из важнейших проблем для каждого человека является неопределенность. Незнание будущего, неуверенность в правильности выбора, готовность идти на риск — все это наиболее трудноразрешимые вопросы для всего общества в целом. Однако, возможность применения универсального алгоритма, позволяющего справится с поставленной задачей, в значительной мере упростило бы выбор правильного поведения в затруднительной ситуации.

«Стохастика Бернулли» - совершенно новая отрасль математики, которая помогает разрешить и предугадать изменчивость будущих событий. Она представляет собой специально-вычисленную количественную модель, позволяющую просчитать неопределенность и оценить возможные риски, основанную на обработке уже известных данных с последующим созданием достоверных прогнозов для ещё не наступившего события. «Стохастика Бернулли» отличается от просто стохастики (раздела математики, изучающего теорию вероятностей, математическую статистику, теорию случайных процессов) тем, что с её помощью можно дать только количественную оценку случайности. Таким образом, «стохастика Бернулли» как отдельная область математики значительно уже науки стохастики.

Разработанная по положениям теории «стохастики Бернулли» количественная модель содержит в себе два вида социальных неопределенностей для будущего события:

1. незнание прошлого или первоначального (исходного) положения;
2. случайности, влияющие на предстоящие события.

Первый вид является внутренним источником социальной неопределенности, а второй соответственно — внешним. Незнание свойственно человеку, а случайность — проявление вселенского масштаба.

Выделяют два типа методов, применяемых в «стохастике Бернулли», первый даёт возможность «увидеть» ещё не наступившие события, а второй -  уже произошедшие. Поэтому первый метод называется «стохастической операцией прогнозирования», второй — «стохастической операцией изменения».

Данные методы, присущие количественной модели «стохастики Бернулли», объективно отражают существующую реальность. Главная их задача -  сформировать такие представления, умения верной оценки, которые бы способствовали решению имеющихся задач, обладающих неопределенным характером действий.

Стохастическая модель неопределенности отмечает, что мы знаем о прошлом, т. е. задается значение детерминированной переменной P, и что может свершится в будущем по отношению к случайной величине X. Получается, модель с помощью количественных вычислений показывает связь между прошлым и будущим под влиянием неосведомленности и случайности. Такая модель называется пространством Бернулли и обозначается как BX,P.

Метод стохастического прогнозирования позволяет уменьшить неопределенность ещё не наступившего события по отношению к случайной величине X. Пространство Бернулли способствует созданию точного и достоверного прогноза относительно не наступившего события, т. е. Выяснение неопределенного исхода случайной величины X. Стохастическое прогнозирование — это функция, задающая всем уровням знания определенный прогноз, она обозначается AX. Качество прогноза обуславливает надежность и точность его работы. Надежность прогноза вычисляется с помощью вероятности его происхождения, а точность — его величины. Стохастическое прогнозирование AX должно удовлетворять следующим требованиям: надежности (событие свершится с вероятностью не меньшей уровня надежности операции прогнозирования); точности (величина прогноза, которую получили по средством операции стохастического прогнозирования, будет минимальной).

В результате первое условие отвечает за высокую надежность прогноза, а второе — что точность полученного прогноза будет оптимальной.

Таким образом, применение стохастической модели прогнозирования позволит с помощью логических операций получить конкретный результат, отображающий достоверное положение события в будущем и возможные его варианты развития; с определенной точностью оценить риски, присущие ещё не наступившему события, а также высчитать его вероятностные особенности.

Литература:

1. Bernoulli J. The Art of Conjecturing, Johns Hopkins University Press, Baltimore, 2006.
2. Elart von Collani. The forgotton science of prediction, (eds.), History and Heritage of Mathematical Sciences, Sukrtindra Oriental Research Institute, Kerala, 2009.