MODELS OF MONITORING AND MANAGEMENT OF RISK IN GAUSSIAN STOCHASTIC SYSTEMS

Cover Page

Cite item

Full Text

Abstract

The risk model of multidimensional stochastic systems is described. It is based on the hypothesis that the risk is characterized by probabilistic properties of components of multidimensional stochastic system which are used as risk factors. The case of the Gaussian stochastic systems is investigated. The model of risk monitoring allows to estimate the current risk of system and the contribution of all its components. Models of risk management are optimizing tasks. As the target functions the conditional minimum of risk and achievement of the given level by it can be used at minimum changes of probabilistic characteristics of the system.

Full Text

Исследование безопасности сложных систем опирается на теорию риска. В широком смысле под риском понимают возможную опасность какого-либо неблагоприятного исхода. Реальные системы, как правило, являются многомерными, их функционирование во многом носит стохастический характер, у них часто можно выделить десятки различных факторов риска [1].
×

About the authors

Alexander Nikolaevich Tyrsin

Ural Federal University named after first President of Russia B.N. Yeltsin

Email: at2001@yandex.ru
Doctor of Science in technology, Head of Department of Applied Mathematics 19 Mira St., Yekaterinburg 620002, Russian Federation

Alfiya Adgamovna Surina

South Ural State University (national research university)

Email: dallila87@mail.ru
Post-Graduate Student, Department of Applied Mathematics and Programming 76 Lenin Prospekt, Chelyabinsk 454080, Russian Federation

References

  1. Воробьев Ю.Л., Малинецкий Г.Г., Махутов Н.А. Управление риском и устойчивое развитие: Человеческое измерение // Известия высших учебных заведений. Прикладная нелинейная динамика. 2000. Т. 8. № 6. С. 12-26.
  2. Вишняков Я.Д., Радаев Н.Н. Общая теория рисков. М.: Академия, 2008. 368 с.
  3. Тырсин А.Н., Сурина А.А. Моделирование риска в многомерных стохастических системах // Вестник Томского государственного университета. Управление, вычислительная техника и информатика. 2017. № 2 (39). С. 65-72.
  4. Гнеденко Б.В. Курс теории вероятностей. М.: Эдиториал УРСС, 2005. 448 с.
  5. Пантелеев А.В., Летова Т.А. Методы оптимизации в примерах и задачах. М.: Высшая школа, 2008. 544 с.

Supplementary files

Supplementary Files
Action
1. JATS XML


Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).