Sunteți pe pagina 1din 214

NICOLAE BRSAN-PIPU ION POPESCU

MANAGEMENTUL RISCULUI

C O N C E P T E M E T O D E A P L I C A I I























Editura Universitii Transilvania din Braov
2003





2003 EDITURA UNIVERISTII TRANSILVANIA BRAOV

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



Tiprit la:
Tipografia Universitii Transilvania din Braov
B-dul Eroilor, Nr. 9
Tel/fax: 0268 47 53 48



TOATE DREPTURILE REZERVATE



Recenzeni tiinifici: Prof. univ. dr. Gabriel V. ORMAN
Prof. univ. dr. Ionel MARTINESCU


Tehnoredactare: Autorii
Coperta: Claudiu BRSAN-PIPU




Descrierea CIP a Bibliotecii Naionale a Romniei
BRSAN-PIPU, NICOLAE.
Managementul riscului. Concepte Metode Aplicaii / Nicolae Brsan-Pipu, Ion
Popescu Braov: Editura Universitii Transilvania, 2003

214p.; 24 cm

ISBN 973 635 180 7

I. Popescu, Ion










PREFA


Dezvoltarea tiinei managementului din ultimul deceniu a focalizat preocuprile
pentru eficacitatea i optimizarea activitilor de conducere n domeniul analizei i
evalurii riscului, risc ce este inerent fiecrei activiti economice, sociale sau politice.
Acest demers implic ns o concepie i o abordare multidisciplinar, n care
sunt utilizate cunotine din cele mai diferite domenii de activitate. Astfel, economitii
i inginerii definesc modelele deterministe ale fenomenelor economice sau industriale,
matematicienii i statisticienii construiesc modelele probabiliste ale acestor fenomene,
iar informaticienii dezvolt programele de simulare i de prelucrare a datelor ale
acestor modele. Managementul riscului devine astfel, din ce n ce mai mult, un
domeniu distinct i bine conturat al managementului modern, o component esenial
i indispensabil a fiecrui proiect tehnic, economic sau de alt natur.
Desigur, complexitatea problemelor legate de tratarea riscurilor este deosebit de
ridicat, prin faptul c este necesar o bun cunoatere a fenomenelor analizate i a
activitilor desfurate, dar i o baz de cunotine din domeniul managementului n
general, al metodelor i tehnicilor matematice i statistice, n special.
Nu ne-am propus n cadrul limitat al acestei lucrri s epuizm toate aspectele
legate de problematica riscului, deoarece fiecare din domeniile abordate poate
constitui n sine subiectul unei lucrri. Ne referim aici, de exemplu, la managementul
riscului financiar, care mbrac foarte multe aspecte, de la riscul investiional, la riscul
n asigurri i pn la aspecte mai complexe, cum ar fi riscul de ar, un binecunoscut
indicator economic internaional. Nu am abordat, aspectele politice sau militare ale
riscului, pentru c acestea, la rndul lor, prezint elemente de specificitate, pe care nu
le-am tratat. Am ncercat totui s sintetizm principalele concepte, metode i aplicaii,
care s permit specialitilor sau studenilor s introduc n proiectele i activitile pe
care le conduc sau le realizeaz elemente de managementul riscului, menite s le
mbunteasc performanele

iii



Lucrarea de fa are un caracter monografic i ncearc o abordare integrat a
conceptelor privind riscul i al tehnicilor de management pentru controlarea acestuia.
ncercm aici s conexm noiuni de modelare matematic i de inferen statistic, cu
concepte de management, toate orientate spre rezolvarea aspectelor practice ale
riscului. Fr a avea nici cea mai mic ndoial asupra faptului c demersul nostru este
departe de a fi exhaustiv, considerm ns c ncercarea noastr poate trezi interesul
specialitilor din cele mai diferite domenii de activitate, n care riscul se manifest
continuu. De asemenea, aceast lucrare se adaug unei literaturi romneti de
specialitate n domeniul analizei i managementului riscului destul de srac sau mai
bine zis aflat ntr-o faz incipient.
Lucrarea prezint, n prima parte, modelele de decizie care asigur o definire
matematic riguroas a riscului, precum i modelele de simulare aplicate pentru
cuantificarea riscului. n continuare, sunt dezvoltate o serie de modele, tehnici i
metode utilizate pentru managementul riscului n domeniul calitii i fiabilitii,
managementului general al proiectelor, managementului proiectelor de software i
managementului riscului financiar. Pentru o mai bun fixare a noiunilor prezentate,
lucrarea conine numeroase exemple i aplicaii rezolvate i propune o serie de
aplicaii interesante.
Lucrarea se adreseaz specialitilor n management, dar i studenilor din anii
terminali i celor de la studiile postuniversitare i de masterat, att din specializrile
economice, ct i celor de inginerie, care vor gsi aici concepte, tehnici, metode i
aplicaii utile, care s le permit nelegerea i aplicarea noiunilor i problematicii
managementului riscului.


Braov, martie 2003

Autorii









CUPRINS

1 INTRODUCERE........................................................................................................ 1
1.1 CE ESTE RISCUL?............................................................................................................1
1.2 RISCUL N TEORIA DECIZIEI........................................................................................5
1.3 SIMULAREA RISCULUI..................................................................................................6
1.4 RISCUL N CALITATE I FIABILITATE.......................................................................7
1.5 RISCUL N PROIECTE ....................................................................................................8
1.6 RISCUL N SOFTWARE....................................................................................................9
1.7 RISCUL FINANCIAR.......................................................................................................10
2 NOIUNI DE TEORIA DECIZIEI........................................................................ 11
2.1 DEFINIREA PROBLEMEI DE DECIZIE.......................................................................11
2.1.1 Contextul problemei de decizie ...............................................................................11
2.1.2 Scurt istoric al teoriei deciziei..................................................................................14
2.2 MODELUL MATEMATIC AL PROBLEMEI DE DECIZIE.........................................16
2.2.1 Elementele generale ale modelului ..........................................................................16
2.2.2 Regulile de decizie minimax i Bayes .....................................................................17
2.2.3 Decizii admisibile ....................................................................................................24
2.2.4 Interpretarea geometric ..........................................................................................24
2.2.5 Cteva teoreme de baz ...........................................................................................29
2.3 TEORIA DECIZIEI I STATISTICA.............................................................................33
2.3.1 Estimarea .................................................................................................................33
2.3.2 Verificarea ipotezelor statistice................................................................................34
2.3.3 Lema Neyman - Pearson..........................................................................................35
2.4 ATITUDINI FA DE RISC I TEORIA UTILITII.................................................36
2.4.1 Aversiunea la risc.....................................................................................................36
2.4.2 Proprietile funciilor de utilitate............................................................................40
2.4.3 Evaluarea funciilor de utilitate................................................................................42
2.5 DECIZII SECVENIALE................................................................................................44
2.5.1 Concepte de baz .....................................................................................................44
2.5.2 Arbori de decizie......................................................................................................45
2.6 APLICAII .......................................................................................................................50
2.6.1 Problema forajului ....................................................................................................50
2.6.2 Algoritm de rezolvare a unei probleme de decizie ...................................................61
2.6.3 Problema festivalului ................................................................................................66
2.6.4 Aplicaii propuse.......................................................................................................71
3 TEHNICI DE SIMULARE...................................................................................... 73
3.1 CONSTRUCIA UNUI MODEL DE SIMULARE.........................................................73
3.2 GENERAREA VARIABILELOR ALEATOARE...........................................................75
3.2.1 Metoda invers.........................................................................................................75
3.2.2 Generarea variabilelor aleatoare continue ...............................................................76
3.2.2 Generarea variabilelor aleatoare discrete.................................................................83




3.3 APLICAII .......................................................................................................................87
3.3.1 Simularea unei probleme de risc economic .............................................................87
3.3.2 Aplicaii propuse......................................................................................................95
4 MANAGEMENTUL RISCULUI N CALITATE I FIABILITATE ................ 97
4.1 O PROBLEM DE DECIZIE N CALITATE ................................................................97
4.2 ABORDAREA TAGUCHI.............................................................................................107
4.2.1 Funcia de pierdere Taguchi ..................................................................................107
4.3 EVALUAREA RISCULUI N FIABILITATE..............................................................112
4.3.1 Un model general de evaluare a riscului n fiabilitate ...........................................112
4.3.2 Modelul de evaluare a riscurilor concurente..........................................................114
4.4 MANAGEMENTUL RISCULUI N FMEA..................................................................117
4.4.1 Analiza modului de defectare i a efectelor FMEA............................................117
4.4.2 Managementul riscului n FMEA..........................................................................125
4.5 APLICAII PROPUSE ..................................................................................................130
5 MANAGEMENTUL RISCULUI N PROIECTE............................................... 131
5.1 ELEMENTE DE MANAGEMENTUL PROIECTELOR..............................................131
5.2 MANAGEMENTUL RISCULUI PROIECTELOR.......................................................135
5.2.1 Planificarea managementului riscului....................................................................137
5.2.2 Identificarea riscului ..............................................................................................139
5.2.3 Analiza calitativ a riscului....................................................................................143
5.2.4 Analiza cantitativ a riscului..................................................................................147
5.2.5 Planificarea rspunsului la risc ..............................................................................150
5.2.6 Monitorizarea i controlul riscului.........................................................................154
5.3 APLICAII .....................................................................................................................157
5.3.1 Planul managementului riscului.............................................................................157
5.3.2 Lista categoriilor de risc ........................................................................................160
5.3.3 Simularea costurilor proiectului.............................................................................161
5.3.4 Riscul rezidual .......................................................................................................163
5.3.5 Aplicaii propuse....................................................................................................165
6 MANAGEMENTUL RISCULUI N SOFTWARE............................................. 167
6.1 RISCUL N PROIECTELE DE SOFTWARE ...............................................................167
6.2 PROCESUL DE MANAGEMENT AL RISCULUI N SOFTWARE...........................169
6.2.1 Funcia 1: Identificare............................................................................................169
6.2.2 Funcia 2: Analiz..................................................................................................170
6.2.3 Funcia 3: Planificare.............................................................................................173
6.2.4 Funcia 4: Monitorizare .........................................................................................175
6.2.5 Funcia 5: Control ..................................................................................................175
6.2.6 Funcia 6: Comunicare...........................................................................................176
6.3 APLICAII .....................................................................................................................177
6.3.1 Un model de evaluare a riscurilor n sistemele informatice...................................177
6.3.2 Procedura de evaluare a riscurilor n sistemele informatice ..................................181
7 MANAGEMENTUL RISCULUI FINANCIAR.................................................. 183
7.1 RISCUL N OPERAIUNILE FINANCIARE..............................................................183
7.2 ANALIZA COST-VOLUM-PROFIT N CONDIII DE RISC ....................................187
7.3 INVESTIII DE CAPITAL N CONDIII DE RISC....................................................190
7.3.1 Modelul de decizie pentru investiiile de capital ...................................................190
7.3.2 Modelul determinist pentru investiiile de capital..................................................192
7.3.3 Modele probabiliste pentru investiiile de capital ..................................................198
8 BIBLIOGRAFIE..................................................................................................... 205


1

1

INTRODUCERE

1.1 CE ESTE RISCUL?

n orice domeniu al activitii economice, sociale sau politice, se pune problema
riscului ce poate s apar, avnd consecine ce nu pot fi ntotdeauna prevzute sau
anticipate din punct de vedere al consecinelor.
Problematica asociat riscului n societatea contemporan este o rezultant a
faptului c trim de fapt ntr-o civilizaie a riscului. Pn la urm, istoria omenirii este
o istorie a riscului, dar poate n ultimele decenii am devenit mai contieni i am
nceput s privim dintr-o perspectiv tiinific aspectele riscurilor.
Evaluarea i modelarea riscului este o activitate complex, ce presupune abordri
multidisciplinare din diferite ramuri ale tiinei, respectiv cunotine din domeniile
economic, tehnologic, sociologic sau politic. Rezultatele evalurii riscului influeneaz
decisiv deciziile i succesul strategiilor adoptate la nivel macro i microeconomic.
S vedem ns cum este definit riscul n dicionarele romneti i strine. n sens
general, conform Dicionarului Explicativ al Limbii Romne (DEX), riscul reprezint
posibilitatea de a ajunge ntr-o primejdie, de a acea de nfruntat un necaz sau de
suportat o pagub; pericol posibil. Dup cum se observ, aceast definiie pune
accentul pe situaia posibil de primejdie sau pericol pe care o poate genera apariia
riscului, dar i pe o latur s-i zicem economic, legat de o posibil pagub care
poate fi suferit.
Termenul a risca are i el mai multe sensuri, respectiv:
a(i) pune n primejdie viaa, onoarea;
a (se) expune unui pericol posibil;
a participa la o aciune nesigur, a aciona la noroc;
a cuteza, a ndrzni, a se ncumeta.
De asemenea, termenul riscant, cu referire la situaii sau aciuni, are sensul de
plin de riscuri, expus la primejdii, nesigur.


2 CAPITOLUL 1 INTRODUCERE
O definiie mai ampl gsim n Micul Dicionar Enciclopedic (MDE), n care n
afara sensului de pericol, apare i nuana de inconvenient posibil, dar sunt
menionate i definiiile pentru riscul contractual, riscul lucrului i riscul
asigurat.
ntr-o lucrare monumental cum este Websters Unabridged Dictionary of
English Language (2002) exist dou sensuri pentru noiunea de risc:
(1) Expunerea la ansa de rnire sau de pierdere; un hazard sau o ans
periculoas;
(2) n asigurri:
a. hazardul sau ansa de a pierde;
b. gradul de probabilitate al unei astfel de pierderi.
Iat cum definiia anglo-saxon a riscului introduce de fapt noiunea de
probabilitate care dup cum vom vedea n cursul acestei lucrri joac un rol extrem
de important n abordarea tiinific a problematicii riscului.
Deosebit de interesant este i faptul c imediat dup noiunea de risc, dicionarul
menionat definete i noiunile de managementul riscului i pe cea de manager de
risc. Managementul riscului este definit ca fiind tehnica de evaluare, minimizare i
prevenire a pierderilor accidentale ntr-o afacere, prin asigurri, msuri de siguran
.a..
Definiiile asociate noiunii de risc au nuane diferite de la o disciplin tiinific
la alta i, uneori, chiar n interiorul acestui domeniu. Cu toate aceste diferenieri,
majoritatea definiiilor conin dou elemente comune i anume incertitudinea i
pierderea.
Riscul este un eveniment incert, dar posibil, originea lui aflndu-se n
incertitudine. El apare n activitile economice, sociale, politice i, respectiv, n
raporturile dintre oameni sau n raporturile dintre om i natur. Riscul implic ideea de
pierdere potenial (de orice tip), pierdere provocat de evoluia unor factori
denumii factori de risc n sens contrar ateptrilor. Spre deosebire de incertitudine,
riscul se caracterizeaz prin posibilitatea de a fi cuantificat prin legi de probabilitate.
Riscul i incertitudinea se ntlnesc combinate n diferite proporii, n realitate
incertitudinea fiind inerent tuturor fenomenelor, ea neputnd fi eliminat.
Am evideniat aceste definiii deoarece n ultimii ani, ndeosebi dup anul 1990,
problemele de managementul riscului au cunoscut o larg dezvoltare, n contextul
general al tiinei managementului. n zilele noastre, nu exist nici un domeniu de
management n care riscului s nu i se acorde importana specific.



1.1 CE ESTE RISCUL? 3
Acesta este unul din motivele pentru care lucrarea de fa abordeaz
managementul riscului att din punct de vedere al modelrii matematice, dar i din
punct de vedere al tehnicilor de management pentru diferite domenii n care riscul este
analizat i evaluat.
n contextul general al tiinei managementului, managementul riscului
reprezint procesul de abordare sistematic a riscului n cadrul unei organizaii,
nelegnd prin termenul de organizaie sensul larg definit de standardele internaionale
n domeniul calitii. Considernd ns managementul ca o art, atunci
managementul riscului poate fi definit ca fiind arta de a ine incertitudinea sub
control.
Esena managementului riscului trebuie n ultim instan s contracareze
efectul legilor lui Murphy. Astfel, legea dac ceva ru se poate ntmpla, atunci se va
ntmpla poate fi parafrazat prin dac un risc poate aprea, atunci el va aprea. i
cea de a doua lege a lui Murphy, respectiv lsate n voia lor, toate lucrurile merg din
ce n ce mai ru poate fi transpus n termenii riscului prin riscurile lsate n voia
lor, se vor manifesta din ce n ce mai puternic. De aici i misiunea managementului
riscului de a prevedea i analiza riscurile, de a identifica mijloacele de tratare a acestui
risc.
Primul capitol al acestei monografii asupra managementului riscului este dedicat
noiunilor i problemelor de teoria deciziei. Motivul principal pentru care acest
domeniu este prezentat n detaliu este acela c n cadrul acestei modelri a
fenomenelor de decizie este dat o definiie matematic riguroas a riscului. Riscul n
teoria deciziei este pn la urm o valoare medie sau o valoare ateptat n termenii
teoriei probabilitilor a unei funcii de pierdere. Relaia direct pierdere risc este
deci unul dintre principalele elemente ale managementului riscului. Teoria matematic
a deciziei, cu toate c are mai mult de o jumtate de secol de la primele lucrri de
specialitate, este nc puin aplicat n practica curent, poate i datorit complexitii
modelelor matematice i statistice pe care se fundamenteaz. Un management
performant n orice domeniu, nu numai al riscului trebuie ns s in cont de
conceptele acestei teorii.
Capitolul al doilea la lucrrii este focalizat asupra tehnicilor i metodelor de
simulare, pentru a pregti din punct de vedere teoretic i practic, cerinele de simulare
a riscurilor ce sunt definite ulterior. Aproape c nu mai este nici un domeniu al tiinei
moderne care s nu apeleze la tehnicile de simulare n fundamentarea deciziilor de
management.




4 CAPITOLUL 1 INTRODUCERE
Dup ce principalele fundamente teoretice aplicate n managementul riscului au
fost definite, cel de al patrulea capitol al lucrrii trateaz managementul riscului n
calitate i fiabilitate. Mai nti, conceptele de teoria deciziei i algoritmul de rezolvare
a problemei de decizie propus este aplicat pentru rezolvarea unei probleme de decizie
n calitate. Apoi este discutat abordarea Taguchi privind funcia de pierdere i riscul
asociat n domeniul calitii. Riscul n teoria fiabilitii este analizat prin prisma unui
model general al riscurilor concurente. Capitolul se ncheie cu abordarea riscului n
tehnicile de analiz a modului de defectare i a efectelor, respectiv riscul n tehnicile
FMEA.
Capitolul cinci al acestei lucrri se ocup de managementul riscului n proiecte.
tiina managementului proiectelor este de o importan crucial n managementul
modern. n cadrul riguros al tehnicilor de management al proiectelor, riscul este
abordat ca proces, fiind detaliate ntrrile n procesul de management al riscului,
tehnicile i metodele de tratare a riscului, precum i ieirile din acest proces. n acest
context sunt aplicate metodele de teoria deciziei i de simulare care au fost discutate
anterior. Cuantificarea riscului i simularea riscurilor iniiale i reziduale constituie
instrumente de management fr de care nu poate fi condus nici un proiect.
Capitolul ase al lucrrii este dedicat managementului riscului n proiectele de
realizare i implementare a software-ului. Motivul principal n constituie dezvoltarea
fr precedent din ultimele dou decenii a informaticii, ptrunderea ei n cele mai
diferite domenii de activitate, dar i creterea aproape exponenial a complexitii
sistemelor informatice. Numeroasele eecuri nregistrate n acest domeniu, au impus
dezvoltarea unor tehnici specifice pentru managementul proiectelor de software,
integrate ns conceptelor generale de management al proiectelor. Riscurile n
realizarea, implementarea i exploatarea sistemelor informatice integrate i complexe
care exist n prezent impun o abordare nou, pentru a asigura eficacitatea acestora.
n fine, ultimul capitol al lucrrii este alocat managementului riscului financiar.
Aici am insistat mai mult pe necesitatea modelrii probabiliste a fenomenelor
economice i financiare, deoarece domeniul este extrem de vast i poate constitui el
nsui subiectul unei lucrri n sine. Din acest motiv, nu au fost discutate dect dou
modele de analiz a riscului, unul pentru analiza cost-volum-profit i unul pentru riscul
investiiilor de capital.
Vom explica n cele ce urmeaz principalele conexiuni ntre risc i noiunile
abordate n cadrul fiecrui capitol al acestei lucrri, pentru o orienta mai bine pe
cititorul interesat.



1.2 RISCUL N TEORIA DECIZIEI 5

1.2 RISCUL N TEORIA DECIZIEI

Abordarea problematicii riscului ntr-o manier riguroas implic i rezolvarea
unor probleme de decizie care s conduc la minimizarea riscului i a pierderilor de
orice natur asociate diferitelor decizii adoptate i aciunilor aplicate.
n activitatea de management din cele mai diverse domenii de activitate (cum ar
fi cele politice, economice, militare, tehnologice sau administrative) unul din
elementele de baz l reprezint rezolvarea problemelor de luare a deciziilor.
Importana deciziilor ce trebuie adoptate, dar i complexitatea i dificultatea alegerii
acestora, impun o abordare coerent a problemelor de decizie. Teoria deciziei
reprezint n esen atitudinea tiinific fa de procesul de adoptare a deciziilor.
Componentele de baz ale acestui proces pot fi analizate n mod sistematic pentru a
evidenia legitile acestui proces. Ignorarea sau nclcarea acestor legiti rezultate din
analiza aspectelor concrete al problemelor de decizie poate genera adoptarea unor
decizii empirice, incorecte sau neadecvate. Teoria matematic a deciziei, ale crei
principale noiuni le vom prezenta n cadrul acestui capitol, se bazeaz pe conceptele
din teoria probabilitilor i din statistica matematic, completate de o disciplin mai
nou, respectiv teoria utilitii.
Pentru fiecare problem de decizie se definete o funcie de pierdere, care
cuantific pierderea asociat fiecrei consecine a aciunilor adoptate, pentru fiecare
stare a naturii. Pierderea este cel mai adesea exprimat n termeni monetari, dar pot fi
i alte modaliti de msurare a pierderii. Pe baza funciei de pierdere, se poate
determina funcia de risc, ca fiind valoarea medie sau valoarea ateptat a pierderii,
definiie ce implic utilizarea probabilitilor.
Un alt element important ntr-o problem de decizie o constituie problema
asumrii riscului, respectiv a atitudinii fa de risc a decidentului. Aceasta nseamn
decizia de a rmne ntr-o stare neschimbat (status-quo) sau decizia de a intra ntr-o
situaie de incertitudine, care poate duce la ctig sau la pierdere. O abordare a acestei
probleme este dat de funcia de utilitate, care poate fi vzut ca o pierdere negativ,
urmrindu-se maximizarea utilitii printr-o decizie optimal. Dac funcia de utilitate
marginal este descresctoare, atunci decidentul are aversiune la risc, iar atunci cnd
funcia de utilitate este cresctoare, suntem n cazul unui decident care i asum
riscul.
Problemelor i noiunilor de teoria deciziei le sunt alocate un capitol distinct
tocmai datorit faptului c trebuie s avem continuu n vedere i formalizarea i
definirea matematic a riscului.




6 CAPITOLUL 1 INTRODUCERE
1.3 SIMULAREA RISCULUI

n contextul problemei de management al riscului, aplicarea simulrii Monte
Carlo se utilizeaz pentru evaluarea riscului asociat evenimentelor sistemului analizat,
n condiii de incertitudine.
n general, tehnicile de simulare implic construirea unui model de natur
statistico matematic. Un model de simulare descrie funcionarea unui sistem n
termenii evenimentelor individuale ale componentelor sistemului analizat. n
particular, sistemul este descompus n elementele sale componente a cror comportare
poate fi descris n termenii unei distribuii de probabilitate, pentru fiecare din strile
posibile ale sistemului i pentru intrrile n sistem. n model sunt integrate i relaiile
ntre elementele sistemului. Dup construcia modelului, vom ncepe simularea prin
generarea variabilelor aleatoare care modeleaz evenimentele sistemului, folosind
distribuiile de probabilitate corespunztoare. Rezultatul este o simulare a modului de
funcionare n timp a sistemului, pe care o nregistrm. Procesul se repet de mai multe
ori pentru diferite alternative i configuraii (scenarii) ale componentelor sistemului.
Din punct de vedere statistic, simularea este o tehnic de realizare a
experimentelor de eantionare privind modelul sistemului. Experimentele se realizeaz
asupra unui model, deoarece efectuarea experimentelor asupra unui model real este, de
obicei, mult prea costisitoare sau consumatoare de timp. Experimentele de simulare,
datorit volumului foarte mare de date care rezult, trebuie efectuate cu ajutorul unui
calculator.
Primul pas n realizarea unui studiu de simulare este dezvoltarea unui model care
s reprezinte sistemul analizat. Acest pas implic reprezentarea sistemului printr-o
diagram (schem) logic de flux. Sistemul este descompus ntr-o serie de componente
care sunt reprezentate n diagrama de flux i pentru care sunt stabilite regulile de
operare. Aceste reguli de operare furnizeaz evenimentele care vor fi generate cu
ajutorul unor variabile aleatoare. Trebuie remarcat faptul c modelul de simulare nu va
putea s fie o reprezentare complet a sistemului real. Dac comportarea unui anumit
element nu poate s fie prognozat, atunci este preferabil s se genereze valori
aleatoare din distribuia de probabilitate care modeleaz elementul respectiv, n loc s
se utilizeze valori medii. n multe cazuri, combinarea performanelor medii ale
componentelor sistemului poate s conduc la rezultate care s se ndeprteze evident
de comportarea sistemului n general. O problem care se pune atunci cnd alegem
distribuia de probabilitate pentru model este legat de utilizarea distribuiilor de
frecven ale datelor istorice sau de determinarea distribuiilor care concord cel mai
bine din punct de vedere statistic cu aceste date.



1.4 RISCUL N CALITATE I FIABILITATE 7
1.4 RISCUL N CALITATE I FIABILITATE

Unul din domeniile n care riscul poate avea influene deosebit de importante i
mai ales consecine foarte grave este reprezentat de sistemul de management al
calitii. Riscul n calitate este ntotdeauna inclus n ecuaia calitate cost, deoarece
att atingerea i meninerea unui nivel de calitate corespunztor, pe de o parte, dar i
deteriorarea calitii, pe de alt parte, poate genera costuri foarte mari.
n domeniul riscului n calitate sunt de notorietate conceptele datorate
profesorului japonez Genichi Taguchi, care a fundamentat o serie de metode pentru
controlul calitii off-line i pentru proiectarea experimentelor, dintre care vom detalia
funcia de pierdere introdus de Taguchi. Metodele pentru controlul calitii off-line
constau din activiti pentru controlul calitii i al costurilor desfurate n stadiile de
proiectare a produsului i a proceselor de realizare a acestuia. Obiectivele generale ale
acestor metode sunt mbuntirea calitii i a fiabilitii produselor i reducerea
costurilor de dezvoltare i execuie a acestor produse. Termenul off-line semnific, n
acest context, faptul c activitile de mbuntire a calitii i de reducere a riscului
de pierdere sunt realizate nainte de trecerea la etapa de control a calitii n timp real,
respectiv etapa on-line, n care procesele trebuie s se reproduc la parametri optimali.
O component cheie n filosofia lui Taguchi este reducerea variabilitii.
Specificaiile tehnice impun adesea ca fiecare caracteristic de calitate s aib o
anumit valoare nominal sau valoare int. Obiectivul l reprezint reducerea
variabilitii fa de aceast valoare int. Taguchi a modelat efectele care pot s apar
ca urmare a abaterii de la valoarea de int funcie de pierdere ptratic. Pierderea se
refer la costul care poate se apar atunci cnd se utilizeaz un produs ale crui
caracteristici de calitate de ndeprteaz de valoarea int. Vom defini riscul Taguchi,
respectiv pierderea medie asociat unui proces ca urmare a deplasrii procesului fa
de inta specificat a acestuia.
n continuarea modelelor de risc aplicate n calitate i fiabilitate, sunt abordate
elementele de management al riscului referitoare la utilizarea modelelor statistice de
analiz a modului de defectare i a efectelor acesteia, i anume modelele FMEA.
Termenul FMEA provine de la acronimul din limba englez pentru Failure Mode and
Effects Analysis, respectiv Analiza Modului de Defectare i a Efectelor. n limbile
romn i francez se utilizeaz i acronimul AMDE. FMEA poate fi descris ca un
grup de activiti sistematizate, avnd ca obiective: recunoaterea i evaluarea riscului
defectrii poteniale ale unui produs sau proces i a efectelor acestei defectri;
identificarea aciunilor ce ar putea elimina sau reduce probabilitatea de apariie a unei
defectri poteniale; documentarea procesului i managementul riscului.




8 CAPITOLUL 1 INTRODUCERE
1.5 RISCUL N PROIECTE

Riscul poate fi definit ca fiind gradul de expunere la un eveniment care poate s
se ntmple n detrimentul sau n beneficiul unui proiect sau a unei activiti. El poate
fi descris ca o combinaie dintre probabilitatea ca riscul s apar i consecinele n
termenii pierderii sau ctigului ca urmare apariiei riscului. Riscul este o component
inerent a tuturor activitilor unui proiect, indiferent dac este vorba de o activitate
mai simpl sau de o activitate mai complex. De aceea, dimensiunea i/sau
complexitatea unei activiti nu este ntotdeauna o msur adecvat a gradului de risc
potenial asociat cu activitatea respectiv. Totui, dependena este direct, adic n cele
mai multe cazuri, activitile complexe au asociate riscuri mai mari.
Managementul riscului este procesul sistematic de identificare, de analiz i de
rspuns la riscul potenial al unui proiect. Managementul riscului este deci o abordare
structurat i formal, focalizat asupra pailor necesari i aciunilor planificate pentru
a determina i a controla riscurile, meninndu-le la un nivel acceptabil. Aplicat pentru
un proiect, managementul riscului reprezint utilizarea continu a principiilor de
management de risc pe durata de via a proiectului. Scopul este de a maximiza
probabilitatea de succes a proiectului, prin creterea anselor de mbuntire a
performanelor proiectului i, n acelai timp, diminuarea anselor pentru evoluii
neanticipate, cum ar fi ntrzieri de program, depirea costurilor sau compromisuri
privind calitatea.
Managementul riscului proiectului este un proces continuu de planificare,
identificare, cuantificare, rspuns i control al riscurilor, pentru a mri ct mai mult
potenialul de succes al proiectului. Managementul riscului n cadrul unui proiect se
poate aplica costurilor, programului sau performanelor tehnice (cum ar fi de exemplu
riscul asociat aplicrii unei noi abordri constructive) sau performanelor planificate
(de exemplu riscul asociat obinerii i utilizrii resurselor care pot afecta proiectul).
Riscul proiectului este un eveniment incert sau o condiie care, dac apare, poate
s aib un impact pozitiv sau negativ asupra obiectivului proiectului. Riscul are o cauz
i, dac apare, un impact. De exemplu, cauza poate fi obinerea unei aprobri din
partea unui organism specializat ( cum ar fi autorizaia de construcie sau de mediu).
Evenimentul de risc poate fi poate fi faptul c obinerea aprobrii poate s dureze mai
mult dect a fost planificat iniial, ceea ce poate s aib impact asupra programului,
costurilor sau calitii proiectului. Riscul proiectului include att ameninrile asupra
obiectivelor proiectului, dar i oportunitile de a mbunti aceste obiective. Acest
risc i are originea n incertitudinea care este prezent n toate proiectele, indiferent de
amploarea sau complexitatea acestora.



1.6 RISCUL N SOFTWARE 9

1.6 RISCUL N SOFTWARE

Riscul poate fi definit, n general, ca fiind posibilitatea de a pierde. El este o
funcie dat de probabilitatea unui eveniment advers care poate s apar, ct i de
impactul acestuia. Acest impact poate fi o combinaie de pierderi financiare, ntrzieri
sau pierderea performanei.
Riscul n software este dat de probabilitatea ca, la un anumit moment din ciclul
de via al proiectului software, obiectivele planificate s nu fie atinse cu resursele
alocate.
De obicei, riscul nu poate fi eliminat din proiectele software, dar el poate fi tratat.
Managementul riscului este o activitate critic pentru succesul oricrui proiect
software, fiind o component strategic de realizare a acestuia.
Dezvoltarea fr precedent a sistemelor electronice i a informaticii din ultimele
dou decenii, a avut drept consecin creterea complexitii proiectelor de realizare i
implementare a sistemelor de aplicaii software. Proiectele de software au devenit o
necesitate, dar i riscurile implicate de realizarea lor au crescut aproape exponenial.
Literatura de specialitate este plin de exemple de proiecte de software care au euat,
au ntrziat sau nu s-au mai realizat niciodat.
Managementul riscului n software face parte din practicile de inginerie a
software-ului i const din procesele, metodele i tehnicile de management a
proiectelor software. El furnizeaz o abordare sistematic i o atitudine pro-activ de
adoptare a deciziilor care s evalueze lucrurile care nu merg bine, s determine care
sunt riscurile care sunt importante i s implementeze aciunile necesare pentru
tratarea acestor riscuri.
Ca i n alte domenii ale managementului n general i al managementului
proiectelor n special i n acest domeniu implicarea managementului de cel mai
nalt nivel al organizaiei este esenial pentru succes. Top-managementul trebuie s
susin managementul riscului prin alocarea resurselor necesare, prin planificare i
analize de management dedicate acestui scop.
Modelul global al procesului de management al riscului n software, se
integreaz modelelor de management al proiectelor n general, fiind de fapt o adaptare
i o particularizare pentru ciclul de via i specificitatea proiectelor de software.
Modelul identific funciile fundamentale pentru managementul riscului ce trebuie
avute n vedere pentru un management eficace al riscului n proiectele de software.





10 CAPITOLUL 1 INTRODUCERE

1.7 RISCUL FINANCIAR

Operaiunile financiare, prin natura diversitii lor, implic aproape ntotdeauna
un anumit grad de risc, generat de pierderea de natur material (sau de alt natur) pe
care o pot nregistra una sau mai multe persoane juridice sau fizice implicate n
operaiunea financiar respectiv.
n activitile bancare, de exemplu, riscul poate s apar n operaiunile de
creditare, fiind reprezentat de posibilitatea ca banca s nu i poat recupera creditele
acordate la termenele sau n condiiile stipulate n contractele de creditare. De
asemenea, pentru un deponent al bncii, riscul poate fi asociat cu posibilitatea de a nu
beneficia cnd i cum dorete de resursele bneti depuse la respectiva banc. n
acest caz, riscul poate fi o alt rat a dobnzii fa de cea prevzut iniial, o evoluie
defavorabil a valutei n care este contul de depozit sau chiar dificulti financiare ale
bncii. Situaii asemntoare de risc de natur financiar pot s apar i n operaiunile
de asigurri, de leasing, de burs .a.
Din punct de vedere statistico-matematic, analiza riscului unei activiti
financiare presupune evaluarea probabilitii de a obine anumite rezultate favorabile
(ctig) sau nefavorabile (pierdere), innd cont de evenimente viitoare incerte i
probabile. Printre dificultile ntmpinate atunci cnd este evaluat riscul financiar se
pot meniona lipsa informaiilor sau gradul lor de disponibilitate pentru a determina
distribuia de probabilitate a fenomenului economic analizat. De asemenea,
identificarea i cuantificarea riscului financiar nu nseamn i eliminarea acestuia, dar
furnizeaz elementele necesare managementului riscului financiar.
Revenind la abordarea modelului riscului financiar, s menionm faptul c,
uneori, ntre risc i incertitudine se face o anumit distincie, legat de cantitatea de
informaie disponibil pentru fundamentarea deciziilor financiare. Riscul este utilizat
n situaiile n care sunt posibile mai multe rezultate i despre care exist o experien
anterioar relevant pentru a defini un model statistic, care s permit o predicie
asupra rezultatelor posibile. Incertitudinea exist n situaiile n care sunt posibile mai
multe rezultate, dar nu se dispune de informaie suficient pentru modelul statistic de
decizie. Pn la urm, aceast distincie ntre risc i incertitudine nu este att de
relevant, mai important fiind faptul c, fa de un model determinist, utilizm un
model probabilist, n care riscul i incertitudinea sunt modelate prin variabile
aleatoare. problemele de teoria deciziei se reduc n final la evaluarea unei funcii de
pierdere, riscul avnd, n cele mai multe situaii, o exprimare de natur financiar.


11

2

NOIUNI DE TEORIA DECIZIEI

2.1 DEFINIREA PROBLEMEI DE DECIZIE
2.1.1 Contextul problemei de decizie

n activitatea de management din cele mai diverse domenii de activitate (cum ar
fi cele politice, economice, militare, tehnologice sau administrative) unul din
elementele de baz l reprezint rezolvarea problemelor de luare a deciziilor.
Importana deciziilor ce trebuie adoptate, dar i complexitatea i dificultatea alegerii
acestora, impun o abordare coerent a problemelor de decizie. Teoria deciziei
reprezint n esen atitudinea tiinific fa de procesul de adoptare a deciziilor.
Componentele de baz ale acestui proces pot fi analizate n mod sistematic pentru a
evidenia legitile acestui proces. Ignorarea sau nclcarea acestor legiti rezultate din
analiza aspectelor concrete al problemelor de decizie poate genera adoptarea unor
decizii empirice, incorecte sau neadecvate. Teoria matematic a deciziei, ale crei
principale noiuni le vom prezenta n cadrul acestui capitol, se bazeaz pe conceptele
din teoria probabilitilor i din statistica matematic, completate de o disciplin mai
nou, respectiv teoria utilitii. Abordarea problematicii riscului ntr-o manier
riguroas implic i rezolvarea unor probleme de decizie care s conduc la
minimizarea riscului i a pierderilor de orice natur asociate diferitelor decizii adoptate
i aciunilor aplicate.
ntr-o problem de decizie, un decident individual (de obicei un manager) sau
colectiv (un comitet sau un board de conducere) trebuie s aleag din mai multe
alternative, n funcie de anumite criterii sau reguli de decizie, astfel nct decizia
aleas s fie din anumite puncte de vedere cea mai bun. Alternativele pe care le
are decidentul sunt constituite dintr-un spaiu de aciune, care conine toate aciunile
posibile pe care decidentul le are la dispoziie. n general, n majoritatea problemelor
de decizie, spaiul de aciune este o mulime finit, dar exist i probleme de decizie cu
spaiul de aciune infinit. Un alt element care definete o problem de decizie l
constituie spaiul de parametri, sau spaiul strilor naturii, care reprezint starea


12 CAPITOLUL 2 NOIUNI DE TEORIA DECIZIEI

adevrat a lumii reale. Consecinele fiecrei aciuni depind de evenimente incerte,
reprezentate de starea naturii. ntr-o problem de decizie, decidentul poate s aib, sau
nu, la dispoziie informaii privind incertitudinile ce caracterizeaz problema de
decizie. Aceste informaii suplimentare rezult de obicei pe baza efecturii unor
experimente, nelegnd prin aceasta sensul cel mai larg de definire a experimentelor
de natur statistic, respectiv, activitile de culegere i prelucrare a informaiei
referitoare la un anumit fapt. Dac decidentul nu folosete informaii din experimente
pentru adoptarea deciziei, spunem c avem o problem de decizie fr experimentare.
Dac ns n procesul de adoptare a deciziei sunt utilizate informaiile provenite din
experimente, spunem c avem o problem de decizie cu experimentare. Informaia
este de cele mai multe ori de natur statistic, furniznd modelul probabilistic ataat
problemei de decizie. Informaiile din experimente se refer la variabilele aleatoare
care definesc spaiul de eantionare al problemei de decizie.
Deciziile n care probabilitatea de apariie a fiecrei stri a naturii este cunoscut
(sau poate fi estimat) sunt definite ca fiind decizii luate n condiii de incertitudine sau
de risc. n asemenea situaii, decidentul poate evalua gradul de risc n termenii unei
distribuii de probabilitate. Astfel, probabilitile n adoptarea deciziei pot fi vzute ca
un mijloc de a exprima convingerea decidentului asupra evenimentelor viitoare, care
sunt ns incerte. Probabilitile care evalueaz strile naturii sunt obiective i
subiective. Probabilitile obiective pot fi determinate pe baza datelor istorice sau ca
urmare a experimentelor i trebuie s fie actuale, numrabile sau observabile.
Probabilitile subiective msoar gradul de convingere n verosimilitatea apariiei
viitoare a unui anumit rezultat i se utilizeaz atunci cnd probabilitile obiective nu
sunt accesibile sau nu pot fi utilizate.
Pentru fiecare problem de decizie se definete o funcie de pierdere, care
cuantific pierderea asociat fiecrei consecine a aciunilor adoptate, pentru fiecare
stare a naturii. Pierderea este cel mai adesea exprimat n termeni monetari, dar pot fi
i alte modaliti de msurare a pierderii. Pe baza funciei de pierdere, se poate
determina funcia de risc, ca fiind valoarea medie sau valoarea ateptat a pierderii,
definiie ce implic utilizarea probabilitilor.
Criteriile sau regulile de decizie se mpart n dou categorii. Este vorba despre
criteriul minimax i despre criteriul Bayes. Criteriul minimax se aplic mai ales
deciziilor fr experimentare, n care se evalueaz pierderile maxime datorate
aciunilor adoptate i apoi se alege decizia care are o pierdere minim. Acest criteriu
de decizie este unul conservator, pesimist, care ne asigur protecia asupra unor variaii
crescute ale riscului, respectiv minimizeaz riscul maxim.
Criteriul de decizie Bayes ia n considerare i alte informaii de care dispune
decidentul n legtur cu strile naturii care este posibil s apar. n aceste situaii,


2.1 DEFINIREA PROBLEMEI DE DECIZIE 13


decidentul ine seama de convingerile sale privind starea naturii, reprezentate sub
forma unei distribuii de probabilitate, respectiv aa-numita distribuie a convingerii.
Funcia de risc de tip Bayes exprim pierderea medie pentru decizia considerat,
condiionat de adevrata stare a naturii, calculat n funcie de densitatea de
probabilitate a convingerii. Procedura de decizie Bayes indic decidentului alegerea
aciunii care minimizeaz pierderea medie, pierdere evaluat n funcie de valorile
distribuiei de probabilitate iniiale considerate pentru toate strile posibile ale naturii.
Aceast alegere se poate face fr utilizarea unor informaii suplimentare rezultate ca
urmare a experimentrii. Dac ns decidentul poate dispune de aceste informaii
suplimentare, atunci ele trebuie aplicate pentru adoptarea deciziei.
n cadrul experimentrii, decidentul analizeaz variabilele aleatoare care conin
valorile spaiului de eantionare. El va stabili o procedur de decizie sau o strategie,
care s-i indice aciunile pe care trebuie s le aplice pentru fiecare valoare a variabilei
aleatoare, urmrind alegerea funciei de decizie optimale. Funcia de risc, calculat cu
ajutorul probabilitilor iniiale ofer un mijloc de a defini optimalitatea, respectiv
minimizarea riscului pentru fiecare stare a naturii. Dar n majoritatea cazurilor, aceast
funcie optimal nu exist i atunci va trebui s gsim o modalitate de gsire a deciziei
optimale cu ajutorul probabilitilor posterioare, care nseamn de fapt ncorporarea
n modelul de decizie a tuturor informaiilor disponibile despre starea naturii.
nainte de a proceda la utilizarea experimentelor statistice, care de cele mai
multe ori au costuri semnificative, este necesar ns s evalum valoarea potenial pe
care o aduc aceste experimente. Pentru acesta vom evalua mai nti valoarea
informaiei perfecte a experimentului, respectiv valoarea pe care decidentul este
dispus s o plteasc pentru aceast informaie perfect. Abordrile minimax i Bayes
conduc, n general, la rezultate diferite privind alegerea deciziei optimale, cu toate c
anumite alegeri ale distribuiei convingerii poate conduce la soluii similare ale
problemei de decizie.
Un alt element important ntr-o problem de decizie o constituie problema
asumrii riscului, respectiv a atitudinii fa de risc a decidentului. Aceasta nseamn
decizia de a rmne ntr-o stare neschimbat (status-quo) sau decizia de a intra ntr-o
situaie de incertitudine, care poate duce la ctig sau la pierdere. O abordare a acestei
probleme este dat de funcia de utilitate, care poate fi vzut ca o pierdere negativ,
urmrindu-se maximizarea utilitii printr-o decizie optimal. Dac funcia de utilitate
marginal este descresctoare, atunci decidentul are aversiune la risc, iar atunci cnd
funcia de utilitate este cresctoare, suntem n cazul unui decident care i asum
riscul.
n fine, o problem de decizie secvenial cu stadii multiple poate fi analizat i
cu ajutorul arborilor de decizie, metod care are avantajul de a furniza o reprezentare


14 CAPITOLUL 2 NOIUNI DE TEORIA DECIZIEI

grafic clar a alternativelor i a cronologiei evenimentelor problemei de decizie. Un
arbore de decizie este alctuit din noduri i din ramuri. Exist dou tipuri de noduri,
respectiv noduri de decizie (reprezentate printr-un ptrat) i noduri de incertitudine
(reprezentate printr-un cerc). Ramurilor de incertitudine li se ataeaz probabiliti, n
funcie de condiionrile pentru fiecare ramur a arborelui de decizie.
Cele dou metode de rezolvare a problemei de decizie, cea analitic i cea grafic
au fiecare avantaje i cel mai bine se utilizeaz mpreun pentru determinarea soluiei
optimale a problemei de decizie.

2.1.2 Scurt istoric al teoriei deciziei

ncercnd o scurt schi istoric a evoluiei conceptelor din teoria deciziei, care
are de fapt o istorie recent de circa 50 de ani, s remarcm faptul c teoria
probabilitilor, statistica, teoria utilitii i teoria jocurilor sunt principalele domenii
ale matematicii care se utilizeaz pentru rezolvarea problemelor de decizie.
Primele idei de teoria probabilitilor se consider c au fost introduse de
Cardano, n anul 1550, n lucrarea Liber de Ludo Aleae (Carte asupra jocurilor de
noroc). Tot de jocurile de noroc i de numele lui Pascal i Fermat se leag principiile
de baz ale teoriei probabilitilor, coninute ntr-un schimb de scrisori ntre cei doi n
anul 1654, ca rezolvare a unei probleme din jocul de zaruri. Omul de tiin olandez
Christian Huygens, pe baza conceptelor lui Pascal i Fermat, a publicat n anul 1657
prima carte de teoria probabilitilor, intitulat De Ratiociniis in Ludo Aleae (Asupra
raionamentelor n jocurile de noroc). n secolul al XVIII-lea, teoria probabilitilor
devine din ce n ce mai popular, contribuii importante avnd Jacob Bernoulli (Ars
Conjectandi 1713) i Abraham de Moivre (Doctrine of Chances 1713).
Bernoulli este primul care demonstreaz prima teorem limit a probabilitilor,
respectiv legea numerelor mari. Secolul al XIX-lea constituie nceputul abordrii
moderne n teoria probabilitilor i n statistica matematic. Carl Friederich Gauss
arat, n anul 1809, c repartiia normal (celebrul clopot al lui Gauss) reprezint un
model matematic adecvat pentru distribuia erorilor de msurare. n anul 1812, Pierre
de Laplace n lucrarea Thorie Analytique des Probabilits dezvolt noi idei i noi
domenii de aplicare a probabilitilor n afara jocurilor de noroc, cum sunt teoria
erorilor (la care contribuii importante a adus i Gauss), matematicile actuariale,
mecanica statistic .a. n a doua jumtate a secolului XIX, se pot consemna numele
lui Chebyshev i Markov n domeniul probabilitilor i ale lui Galton i Pearson n
statistica matematic.
Ca i n alte domenii ale matematicii, dezvoltarea teoriei probabilitilor a fost
stimulat de diversitatea aplicaiilor sale. Statistica matematic este unul din cele


2.1 DEFINIREA PROBLEMEI DE DECIZIE 15


importante domenii aplicare a probabilitilor. Statistica era la nceputurile sale o
tiin politic cu originile n Germania i este destul de dificil de apreciat cnd
termenul a fost utilizat n sens matematic pur. De la primele sale obiective, de a
sistematiza informaiile despre stare societii (deci o matematic a statului),
statistica i-a dovedit n ultimele dou secole aplicaiile sale n toate domeniile
tiinifice i sociale.
Ultimul secol a consemnat dezvoltrile teoretice importante ale lui von Mises,
Keynes, de Finetti, Borel i Kolmogorov, ultimul avnd o contribuie remarcabil n
axiomatizarea modern a teoriei probabilitilor. Evident c lista celor care i-au adus
aportul la dezvoltarea teoriei probabilitilor este departe de a fi complet i conine
numai o parte din marile nume n domeniu. i n statistica matematic pot fi
menionate, cum ar fi cele aduse de Fisher, Pearson, Neymann etc. n ultimele decenii,
teoria probabilitilor a fost integrat ntr-o disciplin mai general i anume n teoria
msurii. i coala romneasc de teoria probabilitilor i statistic matematic are n
ultima jumtate de secol rezultate teoretice i practice importante, datorate ndeosebi
academicienilor Octav Onicescu, Gheorghe Mihoc i Marius Iosifescu. Teoria
probabilitilor i statistica matematic se studiaz sistematic n toate facultile de
matematic din ar.
Conceptele de teoria utilitii au fost introduse iniial de von Neumann i
Morgerstern n lucrarea Theory of Games and Economic Behaviour (1947).
Contribuia principal la construirea unei adevrate teorii a deciziei este adus de
Abraham Wald prin lucrarea fundamental Statistical Decision Functions (1950).
Wald abordeaz problemele fundamentale ale statisticii matematice ca fiind probleme
de decizie. Generaliznd problemele de estimaie i de verificare a ipotezelor statistice,
Wald a formulat modelul general al problemei de decizie.
n anii 60 70, contribuii semnificative la dezvoltarea teoriei deciziei au adus
L. J. Savage, D. Luce, H. Raifa, K. Arrow i alii. Eforturile s-au concentrat pe
rezolvarea unor probleme de decizie complexe ale societii contemporane, cu o mare
cantitate de informaie, pe care numai calculatoarele electronice care au cunoscut i
ele o dezvoltare exploziv n aceast perioad o pot prelucra pe baza algoritmilor i a
modelelor dezvoltate n teoria deciziei.
n literatura de specialitate din ara noastr, direciile de cercetare n domeniul
teoriei deciziei s-au concentrat asupra abordrii probabiliste i statistice datorat
profesorilor M. Malia i C. Zidroiu (abordare de tipul celei prezentate n cadrul
acestui capitol), dar i aspecte de decizie din teoria jocurilor (abordare pe care nu o
vom discuta aici). Nu vom discuta, de asemenea, n cadrul acestui capitol, nici
procesele de decizie stocastice care implic utilizarea lanurilor Markov i care
necesit un aparat probabilistic mai avansat.


16 CAPITOLUL 2 NOIUNI DE TEORIA DECIZIEI


2.2 MODELUL MATEMATIC AL PROBLEMEI DE DECIZIE
2.2.1 Elementele generale ale modelului

Elementele de baz ale modelului general al unei probleme de decizie pot fi
formalizate matematic astfel:
Definim o mulime A, denumit spaiu de aciune, alctuit din toate aciunile
posibile a de care dispune decidentul;
Definim o mulime , denumit spaiu de parametri, alctuit din toate strile
naturii posibile . O singur stare a naturii i numai una va aprea, dar
starea adevrat nu este cunoscut de decident n momentul n care el alege o
aciune;
Definim o funcie L, denumit funcie de pierdere, cu domeniul i cu
valori n mulimea R (mulimea numerelor reale). L este constituit din perechile
ordonate ( ) , , , a a , denumite consecine (ale alegerii aciunii a, atunci
cnd starea adevrat a naturii este );
Considerm variabila aleatoare X, care are valorile posibile X x , denumit
spaiu de eantionare. Variabila aleatoare X are funcia de densitate de
probabilitate n familia ( ) { } ; x f ;
Definim mulimea D, denumit spaiu de decizie, alctuit din toate aplicaiile d
din X n A.
Interpretarea modelului de mai sus este urmtoarea. n momentul n care
decidentul i alege aciunea, el nu cunoate adevrata stare a naturii i deci nu
cunoate consecina actual a aciunii sale (dac el alege A a , atunci consecina
actual ( ) a , este necunoscut, deoarece starea este necunoscut). Decidentul
tie totui pierderea care ar rezulta pentru fiecare din consecinele posibile ( ) a , ,
corespunztoare cu alegerea aciunii A a i starea naturii . Desigur,
pierderea poate fi i ctig, caz n care valoarea lui ( ) a L , va fi negativ. Ca
alternativ la funcia de pierdere, putem s lucrm cu o funcie de ctig sau o
funcie de utilitate. Pentru a reduce incertitudinea asupra strii , decidentul culege
informaie sub forma observrii unei variabile aleatoare X, a crui distribuie de
probabilitate depinde de parametrul . tiind c x X = i tiind forma lui ( ) x f ,
decidentul poate extrage informaie despre parametrul , care s l ajute n alegerea
unei strategii generale, care definete, pentru fiecare x X = , alegerea aciunii a.
Sintetiznd modelul general al problemei de decizie, decidentul alege o aciune


2.2 MODELUL MATEMATIC AL PROBLEMEI DE DECIZIE 17


A a , pe baza observaiilor asupra valorilor variabilei aleatoare X x . Alegerea unei
strategii generale, care definete pentru fiecare x X = , alegerea lui a, este
echivalent cu alegerea funciei de decizie D d . Dup ce a fost aleas, funcia de
decizie d specific aciunile care trebuie s fie aplicate pentru toate valorile posibile
x X = .
Teoria deciziei poate fi vzut ca fiind studiul selectrii deciziei d din mulimea
D. Aceasta implic dou tipuri diferite de probleme. Prima, de natur filosofic, este
problema criteriului utilizat pentru compararea elementelor din D; a doua, de natur
tehnic, privete modul de determinare a unei decizii optime, pe baza criteriului ales.
O problem de decizie poate fi vzut i ca fiind un joc mpotriva naturii.
Aceasta nsemn c natura alege un element i apoi decidentul, fr a
cunoate starea aleas de natur, alege, la rndul lui, un element A a . Rezultatul
acestor dou alegeri este pierderea de ctre decident a cantitii ( ) a L , , pierdere care
poate fi msurat ntr-o unitate de msur adecvat (nu neaprat n bani). Posibilitatea
observrii unei variabile aleatoare X, cu densitatea de probabilitate ( ) x f , furnizeaz
decidentului o informaie limitat despre alegerea naturii. Alegerea funciei de decizie
poate fi vzut ns ca o strategie de joc.
S notm, de asemenea, c dou din domeniile majore ale statisticii infereniale
respectiv estimarea i testarea ipotezelor sunt ambele cazuri speciale ale modelului
general de decizie prezentat mai sus. Vom detalia aceste cazuri n cursul acestui
capitol.

2.2.2 Regulile de decizie minimax i Bayes

La prima impresie, s-ar putea crede c alegerea funciei de decizie optime este
relativ simpl, deoarece vom alege o funcie D d astfel nct pierderea s fie
minimizat, indiferent de starea naturii care apare. Totui, acest lucru nu este posibil
dac nu tim adevrata stare a naturii, caz n care nu suntem de fapt n faa unei
probleme de decizie.
Pentru a ilustra acest lucru, s presupunem c dorim estimarea unui parametru
necunoscut real, cu o funcie de pierdere ptratic de forma ( ) ( )
2
a a L = , . S
presupunem c am observat variabila aleatoare x X = i c ( ) x d a = este estimarea lui
specificat de d. Dac valoarea adevrat a parametrului este , vom avea o
pierdere ( ) ( )
2
x d . Dac, n fapt,
0
= , va trebui s lum ( )
0
= x d pentru a
minimiza pierderea; dac ns
1
= , va trebui s lum ( )
1
= x d . Dar deoarece nu
tim valoarea lui , nu vom putea selecta ( ) x d pentru minimizarea pierderii. Din


18 CAPITOLUL 2 NOIUNI DE TEORIA DECIZIEI


punct de vedere matematic, problema nu este bine definit.
O metod posibil pentru alegerea unei funcii de decizie d ct mai bune, n
termenii unei cantiti care s poat fi calculat, este gsirea unei msuri care s
evalueze n medie strategia de decizie aleas.
Fie funcia R, definit pe D cu valori reale, definit prin
( ) ( ) ( ) ( )

=
X
, , dx x f x d L d R (X continu) (2.1)
i
( ) ( ) ( ) ( )

=
X
, ,
x
x f x d L d R (X discret). (2.2)
Funcia R se numete funcia de risc a lui d, evaluat pentru .
Riscul ( ) d R , msoar deci valoarea medie a pierderii (sau valoarea ateptat a
pierderii), utiliznd funcia de decizie d, dac starea adevrat a naturii este i n
raport cu distribuia specificat ( ) x f .
Notnd operatorul pentru valoarea medie cu
X
M , putem scrie
( ) ( ) ( ) [ ] x d L M d R
X
, ,

= . (2.3)
Operatorul
X
M poate fi aplicat pentru orice funcie ( ) , x g a crei valoare
medie n raport cu X exist, astfel nct
( ) [ ] ( ) ( )

=
X
, , dx x f x g x g M
X

. (2.4)
Putem utiliza de asemenea i operatorul pentru varian
X
V , definit ca
( ) [ ] ( ) [ ] ( ) [ ] { }
2 2


, , , x g M x g M x g V
X X X
= . (2.5)
Exemplul 2.1 S analizm problema estimrii parametrului , utiliznd funcia de
pierdere ptratic
( ) ( )
2
a a L = , , (2.6)
i un eantion aleator ( )
n
X X X X , , , K
2 1
= dintr-o distribuie normal cu media 0 i
abaterea standard 1, ( ) 1 0, N . Considerm urmtoarele reguli de decizie:
( ) ( ) X X X X
n
X X X d
n n
= + + + = K K
2 1 2 1 1
1
, , , , (2.7)
( ) ( )
n n
X X X mediana X X X d , , , , , , K K
2 1 2 1 2
= , (2.8)
( ) 0
2 1 3

n
X X X d , , , K . (2.9)
Conform relaiilor de mai sus,
1
d este media eantionului,
2
d este mediana
eantionului, iar
3
d este o regul de decizie care statueaz c se ignor orice valoare a
eantionului i ntotdeauna se estimeaz ca fiind 0. Calculnd funciile de risc
pentru aceste decizii obinem


2.2 MODELUL MATEMATIC AL PROBLEMEI DE DECIZIE 19


( ) ( ) ( )
n
X V X M d R
X X
1 2
1
= = =

, . (2.10)
(n acest caz X are o distribuie normal ( ) n N 1 , .
innd cont c mediana are o distribuie normal ( ) n N 2 , obinem
( ) ( ) ( )
n n
X X mediana M d R
n X
57 1
2
2
1 2
,
, , , = =



K . (2.11)
Pentru
3
d obinem
( ) ( ) ( )
2 2 2
3
0

= = =
X X
M M d R , . (2.12)
Funciile de risc pentru
2 1
d d , i
3
d sunt reprezentate n Figura 2.1
Figura 2.1 Funciile de risc pentru deciziile d
1
, d
2
i d
3


n condiiile problemei noastre (distribuie normal i funcie de pierdere
ptratic), se observ c mediana nu este un estimator acceptabil, avnd n vedere c
funcia de risc a mediei are toate valorile mai mici dect ale medianei, pentru orice .
n acelai timp, media nu este n mod necesar un estimator mai bun dect
3
d , innd
cont c n vecintatea lui 0, funcia de risc a lui
3
d are valorile de risc cele mai mici.
Din acest exemplu observm c funciile de risc n sine nu ne furnizeaz un criteriu de
alegere ntre
1
d i
3
d .
Exemplul urmtor ilustreaz tocmai dificultatea alegerii regulilor de decizie.
Exemplul 2.2 Fie ( )
n
X X X X , , , K
2 1
= un eantion aleator din distribuia normal
( ) , N , cu 0 > , adic o distribuie normal avnd media i dispersia egale cu .
Vom estima parametrul utiliznd aceeai funcie de pierdere ptratic
( ) ( )
2
a a L = , .
Considerm funciile de decizie
( ) ( ) X X X X
n
X X X d
n n
= + + + = K K
2 1 2 1 1
1
, , , , (2.13)
n
57 1,
n
1
0
( ) d R ,

1
d
2
d
3
d


20 CAPITOLUL 2 NOIUNI DE TEORIA DECIZIEI


i
( ) ( )

=
n
i
i n
X X
n
X X X d
1
2
2 1 2
1
1
, , , K , (2.14)
Calculnd funciile de risc, obinem
( ) ( ) ( )
n
X V X M d R
X X



= = =
2
1
, , (2.15)
i
( ) ( ) ( ) ( ) ( ) X d V X d M d R
X X 2
2
2 2
= = , , (2.16)
dar deoarece ( ) ( )

=
2
2
X d M
X
, obinem
( )
1
2
2
2

=
n
d R

, . (2.17)
Rezult c ( ) ( )
2 1
d R d R , , < dac
n
n
2
1
> i ( ) ( )
2 1
d R d R , , > dac
n
n
2
1
< , egalitatea avnd loc dac
n
n
2
1
= . Graficele funciilor de risc
corespunztoare deciziilor
1
d i
2
d pentru 2 = n sunt reprezentate n Figura 2.2.
Figura 2.2 Funciile de risc pentru deciziile d
1
, i d
2

Analiznd figura de mai sus, observm c dac tim c 4 1 < , atunci decizia
2
d
este optim, dar dac tim c 4 1 > atunci decizia este
1
d optim. Problema este c
nu tim valoarea lui i astfel trebuie s gsim i alte criterii care s ne ajute s
alegem. n general, o problem de decizie conduce la un mare numr de funcii de
decizie posibile (mulimea D are un numr foarte mare de elemente) i modelele
grafice prezentate anterior nu mai pot fi aplicate. De aceea, va trebui s cutm criterii
generale, care s ne permit selecia regulilor optimale din spaiul de decizie D. Prin
termenul optimal vom nelege n continuare cea mai bun soluie pe care o alegem
ntr-un context dat.
1/4
( ) d R ,

1
d
2
d
1/8


2.2 MODELUL MATEMATIC AL PROBLEMEI DE DECIZIE 21


Vom analiza n cele ce urmeaz dou astfel de criterii, cunoscute sub denumirea
de criteriul (regula) minimax i criteriul Bayes. Pentru a detalia aceste concepte, s
considerm dou funcii de risc ipotetice corespunztoare regulilor de decizie
1
d i
2
d
pentru o problem de decizie cu spaiul de parametri , reprezentate n Figura 2.3.
Figura 2.3 Dou funciile de risc ipotetice
Pentru majoritatea valorilor lui ,
2
d are un risc mai mic dect
1
d , dar exist
valori ale lui pentru care
2
d are un risc considerabil mai mare. Ce se poate face n
asemenea situaii? Sunt posibile dou abordri ale acestei probleme:
a) Alegerea lui
1
d , care ne protejeaz asupra unor variaii crescute ale riscului,
respectiv minimizeaz riscul maxim;
b) Considerarea i a altor informaii de care dispunem i analizarea valorilor lui
care este probabil s apar. Dac suntem convini c valorile lui vor fi n
intervalul n care
2
d are riscul maxim, atunci vom alege
1
d . Dac, pe de alt
parte, avem convingerea c este puin probabil ca valorile lui s fie n
intervalul de risc maxim, atunci vom alege
2
d . n ambele cazuri, n analiz am
introdus convingerile noastre privind valorile lui .
Aceste exemple intuitive ne conduc la urmtoarea formalizare. Pentru a), vom
alege decizia * d astfel nct
( ) ( ) d R d R
D d
, sup inf * , sup

= . (2.18)
Cu alte cuvinte, vom alege funcia de decizie al crui risc maxim este cel mai mic,
dintre toate valorile posibile de riscuri maxime corespunztoare deciziilor d din D. * d
se numete funcie de decizie minimax. Pentru b), presupunem c convingerile noastre
referitoare la pot fi reprezentate sub forma unei funcii de densitate de probabilitate
( ) p cu domeniul . De exemplu, n Figura 2.4 sunt reprezentate dou distribuii
posibile
1
p i
2
p pentru distribuia convingerii (n englez belief distribution) ( ) p
( ) d R ,

1
d
2
d


22 CAPITOLUL 2 NOIUNI DE TEORIA DECIZIEI


pe care le asumm pentru .
Am vzut c funcia de risc ( ) d R , exprim pierderea medie pentru decizia d,
condiionat de faptul c este adevrata stare a naturii. Considernd ( ) d R , o
funcie de , pentru d fixat, putem s calculm valoarea sa medie n raport cu
distribuia convingerii ( ) p .
Definim riscul Bayes ( ) d B pentru o funcie de decizie d ca fiind
( ) ( ) ( )

d p d R d B , , ( continu) (2.19)
sau
( ) ( ) ( )

=

p d R d B , , ( discret) (2.20)
Figura 2.4 Forme posibile ale distribuiei convingerii
Este natural s cutm acum o funcie de decizie care minimizeaz pierderea
total, adic
( ) ( ) ( ) [ ] x d L M M d B
X
,

= . (2.21)
* d este, prin definiie, o funcie de decizie Bayes dac
( ) ( ) d B d B
D d
=inf * . (2.22)
S remarcm c, dat fiind o problem de decizie, * d nu este unic deoarece ea
depinde de alegerea lui ( ) p . Spunem c * d este o funcie de decizie Bayes n raport
cu ( ) p .
Exemplul urmtor ilustreaz abordrile minimax i Bayes.
Exemplul 2.3 Pentru problema de decizie din Exemplul 2.1 avem
( )
n
d R
1
1
= , sup

, (2.23)
( ) d R ,

p
1
p
2


2.2 MODELUL MATEMATIC AL PROBLEMEI DE DECIZIE 23


( )
n
d R
57 1
2
,
, sup =

, (2.24)
( ) =
3
d R , sup

, (2.25)
S presupunem acum c suntem siguri c variaz n intervalul

10
1
10
1
, i n
acest interval avem convingerea c nu exist valori ale lui care s fie mai plauzibile
dect altele. Convenim deci s reprezentm aceast convingere printr-o distribuie
uniform pe intervalul

10
1
10
1
, i avem
( ) 5
10
1
10
1
1
=


= p . (2.26)
Atunci funciile de risc Bayes sunt
( )
n
d
n
d B
1
5
1
10 1
10 1
1
=

, (2.27)
( )
n
d
n
d B
57 1
5
57 1
10 1
10 1
2
, ,
=

, (2.28)
( )
300
1
5
10 1
10 1
2
3
= =

d d B , (2.29)
Rezult c dac 300 > n , funcia de decizie Bayes este
1
d , dac 300 = n atunci
1
d i
3
d au acelai risc Bayes, iar dac 300 < n atunci
3
d este decizia cu riscul Bayes
cel mai mic.
Totui, dac convingerea noastr stabilit a priori ar fi fost diferit, de exemplu o
distribuie uniform pe intervalul ( ) 1 1, , urmnd aceeai procedur ca mai sus, cele
trei valori ale riscului Bayes ar fi fost
( )
n
d B
1
1
= , ( )
n
d B
57 1
2
,
= , ( )
3
1
3
= d B , (2.30)
i deci pentru 3 > n ,
1
d este decizia preferat din punct de vedere Bayes.
Am analizat pn acum dou abordri posibile pentru alegerea regulilor de
decizie, respectiv abordarea minimax i abordarea Bayes. Din exemplele anterioare, a
rezultat c aceste abordri conduc, n general, la rspunsuri diferite privind alegerea
funciei de decizie optimale (dei pentru anumite alegeri a priori ale distribuiilor de
probabilitate ale convingerii privind starea naturii, cele dou abordri pot conduce la
acelai rezultat).



24 CAPITOLUL 2 NOIUNI DE TEORIA DECIZIEI


2.2.3 Decizii admisibile

S considerm funciile de risc din Figura 2.5. Este clar c funciile
1
d i
2
d vor
fi eliminate de la nceput din analiz. Funciile
3
d i
4
d au un risc relativ similar i
rmne s alegem ntre ele.
Figura 2.5 Funciile de risc pentru diferite funcii de decizie
Fiind dat o funcie de decizie D d , dac exist o alt funcie D d care
satisface proprietile
( ) ( ) d R d R , , pentru orice valori , (2.31)
i
( ) ( ) d R d R < , ,
0 0
pentru anumite valori
0
, (2.32)
atunci decizia d este dominat de decizia d sau d domin d .
O funcie de decizie care este dominat de o alt funcie de decizie se numete
inadmisibil. n caz contrar, decizia se numete admisibil.
n Figura 2.5 considernd spaiul de decizie { }
4 3 2 1
d d d d D , , , = , rezult c
1
d i
2
d sunt dominate de
3
d i
4
d i deci sunt inadmisibile, iar
3
d i
4
d sunt admisibile
deoarece nici una nu o domin pe cealalt. Utilitatea conceptului de admisibilitate este
natural, deoarece ne permite eliminarea deciziilor inadmisibile i concentrarea
eforturilor pentru alegerea deciziilor celor mai bune dintre cele admisibile.

2.2.4 Interpretarea geometric

Pentru reprezentarea i interpretarea geometric a problemei de decizie, vom
considera cazul 2 = k pentru spaiul de parametri k-dimensional ( )
k
, , , K
2 1
= .
Fie o problem de decizie cu spaiul de aciune { }
3 2 1
a a a , , A = , cu spaiul parametrilor
( ) d R ,

d 1
d 2
d 3
d 4


2.2 MODELUL MATEMATIC AL PROBLEMEI DE DECIZIE 25


( )
2 1
, = i cu funcia de pierdere definit n Tabelul 2.1:
Tabelul 2.1 Funcia de pierdere
tabelar

1
a
2
a
3
a
1

4 1 3
2

1 4 3
La prima vedere aciunea
3
a este preferabil, deoarece dac
1
este adevrat,
atunci
3
a este preferabil lui
1
a , iar dac
2
este adevrat, atunci
3
a este preferabil
lui
2
a .
S considerm acum o aciune aleatoare corespunztoare aruncrii unei monede,
respectiv alegerea lui
1
a dac apare capul i a lui
2
a dac apare pajura. Atunci,
pentru aceast aciune aleatoare, dac
1
este adevrat, pierderea medie este dat de
( ) ( )
2
5
1
2
1
4
2
1
2
1
2
1
2 1 1 1
= + = + a L a L , , , (2.33)
i dac
2
este adevrat, de
( ) ( )
2
5
4
2
1
1
2
1
2
1
2
1
2 2 1 2
= + = + a L a L , , , (2.34)
Deoarece 3
2
5
< , n ambele cazuri aciunea aleatoare este preferabil lui
3
a .
Exemplul de mai sus sugereaz faptul c procedeul aleator se poate aplica i
regulilor de decizie D d i vom scrie
( )
2 1
1 d d

+ = , 1 0 , (2.35)
pentru a indica o decizie aleatoare care alege
1
d cu probabilitatea i
2
d cu
probabilitatea 1 . Vom defini riscul pentru decizia aleatoare ca fiind
( ) ( ) ( ) ( )
2 1
1 d R d R R , , ,

+ = . (2.36)
Mai general, dac ( )
m
, , , K
2 1
= , cu 0 1
2 1
= + + +
i m
, K , putem
defini decizia aleatoare
m m
d d d

+ + + = K
2 2 1 1
, (2.37)
ca fiind o combinaie aleatoare a elementelor lui D. Corespunztor, riscul va fi
( ) ( ) ( ) ( )
m m
d R d R d R R , , , ,

+ + + = K
2 2 1 1
. (2.38)
Considernd combinaiile aleatoare ale tuturor elementelor lui D, obinem
mulimea tuturor regulilor de decizie aleatoare * D . Avem evident * D D i notm
cu un element general al lui * D .
Definim mulimea de risc S pentru cazul ( )
k
, , , K
2 1
= ca fiind
( ) ( ) { } * , , , , , , , S D k j R y y y
j j
k
k
= = = pentru 1 nct astfel
1
K K R . (2.39)


26 CAPITOLUL 2 NOIUNI DE TEORIA DECIZIEI


Spaiul k-dimensional
k
R reprezint mulimea k-uplurilor ordonate ( )
k
y y , ,K
1

de numere reale. S este o submulime a lui
k
R alctuit din punctele ale cror
coordonate sunt componentele
j
ale riscului ( ) ,
j
R , corespunztoare deciziei
aleatoare . S remarcm faptul c S este o mulime convex, adic orice dreapt
care unete dou puncte din S nu iese n afara lui S . Aceast proprietate este ilustrat
i n Figura 2.6, pentru 2 = k . Toate punctele de pe dreapta care unete punctele de risc
pentru
1
d i
2
d , corespund punctului de risc pentru combinaia aleatoare a lui
1
d i
2
d . Toate punctele cu aceast proprietate aparin lui S i S este convex.
Figura 2.6 Forma general convex a mulimii de risc S
Vom folosi aceast proprietate pentru a da o interpretare geometric abordrilor
minimax i Bayes.
Abordarea minimax. Pentru * D , cantitatea ( )

, sup R

devine, pentru
mulimea strilor ( )
k
, , , K
2 1
= , chiar { }
j
y max , unde ( )
k
y y y , ,K
1
= este punctul
de risc corespunztor lui .
Abordarea minimax compar regulile de decizie n termenii { }
j
y max , astfel nct
toate regulile de decizie care conduc spre aceeai valoare sunt egale din punct de
vedere al criteriului minimax. n dou dimensiuni, locul geometric al punctelor
( )
2 1
y y , cu proprietatea ( ) . , max const y y =
2 1
(o anumit valoare specificat) are forma
unui echer. Deoarece abordarea minimax urmrete minimizarea valorii { }
j
y max ,
regula de decizie minimax este, din punct de vedere geometric, punctul (sau punctele)
n care echerul de 90 atinge marginea inferioar (limita inferioar de sud-vest, notat
S-E) a lui S . Aceast proprietate este ilustrat n Figura 2.7. S notm i faptul c
regula minimax poate s nu fie unic, ea depinznd de forma lui S , care la rndul ei
depinde de problema de decizie.
( ) ,
2
R
( ) ,
1
R
S
Punctul de risc
pentru d 1
Punctul de risc
pentru d 2
Punctele de risc pentru
combinaia aleatoare a
deciziilor d 1 i d2


2.2 MODELUL MATEMATIC AL PROBLEMEI DE DECIZIE 27


( ) ,
2
R
( ) ,
1
R
S
Punctul de risc pentru
decizia minimax

Figura 2.7 Interpretarea geometric a abordrii minimax

Abordarea Bayes. Pentru ( )
k
, , , K
2 1
= s considerm distribuia iniial (a
priori) a convingerii dat de ( )
k
p p p p , , , K
2 1
= , astfel nct k i p
i
, , , K 1 0 = i
1
2 1
= + + +
k
p p p K . Riscul Bayes pentru regula de decizie aleatoare este dat de
( ) ( )

= =
= =
k
j
k
j
j j j j
y p R p B
1 1
, . (2.40)
Acesta definete un hiperplan n spaiul k-dimensional. Pentru simplificare, dac
2 = k , toate punctele ( )
2 1
y y y , = care dau aceeai valoare de risc Bayes, aparin unei
drepte de forma
. const y p y p = +
2 2 1 1
(2.41)
Deoarece 1 0
2 1
p p , i 1
2 1
= + p p , aceast dreapt va avea o orientare NV SE.
Dar abordarea Bayes urmrete minimizarea
2 2 1 1
y p y p + ; rezult c regula de decizie
Bayes are punctul de risc n punctul n care dreapta ( ) B y p y p inf = +
2 2 1 1
este
tangent la marginea inferioar a lui S , aa cum se poate observa n Figura 2.8.
Figura 2.8 Interpretarea geometric a abordrii Bayes

( ) ,
2
R
( ) ,
1
R
S
Punctul de risc pentru
decizia Bayes
( ) B y p y p inf = +
2 2 1 1
=y 1
=y 2


28 CAPITOLUL 2 NOIUNI DE TEORIA DECIZIEI


Exemplul 2.4 Presupunem c pentru o problem de decizie cu spaiul strilor
{ }
2 1
, = i spaiul de decizie { }
5 4 3 2 1
d d d d d D , , , , = , funcia de risc ( )
j i
d R , este
definit de valorile din Tabelul 2.2, dup cum urmeaz:
Tabelul 2.2 Funcia de risc pentru Exemplul 2.4
d
1
d
2
d
3
d
4
d
5

1

0 4 2 1 5
2

4 5 0 1 4

Cele 5 puncte de risc corespunztoare elementelor lui D i mulimea S sunt
reprezentate n Figura 2.9. S este alctuit din toate punctele de risc care pot fi
obinute din combinarea aleatoare a celor 5 puncte de risc iniiale.
Figura 2.9 Mulimea S corespunztoare funciei de risc din Tabelul 2.4

Regulile de decizie admisibile corespund punctelor din S care nu au puncte
situate la S E de ele; aceasta nseamn c nu putem s gsim un care s reduc o
component de risc fr a o crete pe cealalt.
n cazul nostru, mulimea regulilor admisibile corespunde punctelor situate ntre
1
d i
4
d , ct i
4
d i
3
d . Cu alte cuvinte, ea este alctuit din combinarea aleatoare a
1
d i
4
d sau a
4
d i
3
d .
Rezult c regula minimax este
4
d , deoarece echerul de 90 intersecteaz S n
mod unic n punctul
4
d .
Regula Bayes depinde de alegerea perechii ( )
2 1
p p , . Plecnd de la vertical
( 1
1
= p ) i variind valorile lui
1
p pn la orizontal ( 0
1
= p ), obinem deciziile Bayes
din Tabelul 2.3.
Analiznd rezultatele din tabelul menionat, observm c avem situaii n care
regulile de decizie nu sunt unice.

Tabelul 2.3 Regulile de decizie Bayes pentru Exemplul 2.4
( ) ,
1
R
=y 1
( ) ,
2
R
=y 2
d 1
d 4
d 2
d 5
d 3
S


2.2 MODELUL MATEMATIC AL PROBLEMEI DE DECIZIE 29


1
p Decizia Bayes
4 3
1
> p

1
d (unic)
4 3
1
= p

Orice combinaie aleatoare a lui
1
d i
4
d
2 1 4 3
1
< < p

4
d (unic)
2 1
1
= p

Orice combinaie aleatoare a lui
4
d i
3
d
2 1
1
< p

3
d (unic)

2.2.5 Cteva teoreme de baz

Rezultatele care urmeaz stabilesc relaiile ntre conceptele de admisibilitate i
regulile de decizie minimax i Bayes. S remarcm mai nti c este posibil s avem
dou funcii de decizie * , D
2 1
astfel nct
2 1
, dar ( ) ( )
2 1
, , R R = . n
acest caz spunem c
1
i
2
sunt egale pn la echivalen.
Teorema 2.1 Pentru o problem de decizie cu L A, , arbitrare i X spaiul de
eantionare al variabilei aleatoare continue X, dac o funcie de decizie Bayes * cu
o distribuie iniial ( ) p este unic pn la echivalen, atunci * este admisibil.
Demonstraie. Presupunem c * este inadmisibil. Atunci exist * D astfel nct
( ) ( ) * , , R R , pentru toate valorile , (2.42)
i
( ) ( ) * , ,
0 0
R R < , pentru valoarea
0
, (2.43)
Pentru cazul continuu i densitatea de probabilitate ( ) p rezult
( ) ( ) ( ) ( ) ( ) ( ) * * , ,

B d p R d p R B = =

. (2.44)
Dar relaia nu poate fi < deoarece ar contrazice faptul c * este Bayes, iar relaia
nu poate fi = deoarece ar contrazice faptul c * este unic pn la echivalen.
Avem o contradicie i deci * este admisibil
Cazul discret se demonstreaz similar.
Urmtoarea teorem se refer la proprietatea c pentru o decizie Bayes cu
finit i probabilitile iniiale 0
i
p rezult c decizia este admisibil.
Teorema 2.2 Dac ( )
k
, , , K
2 1
= i * * D este decizia Bayes pentru
( )
k
p p p , , , K
2 1
, unde k j p
j
, , , K 1 0 = > , atunci * este admisibil .
Demonstraie. S presupunem mai nti c * nu este admisibil. Atunci exist
* D astfel nct:


30 CAPITOLUL 2 NOIUNI DE TEORIA DECIZIEI


( ) ( ) * , ,
j j
R R , pentru toate valorile k j , ,K 1 = , (2.45)
i
( ) ( ) * , ,
i i
R R < , pentru valoarea i, (2.46)
(adic exist care domin * ). Rezult
( ) ( ) ( ) ( ) * , , B p R p R B
k
j
j j
k
j
j j
= < =

= = 1 1
, (2.47)
inegalitatea strict fiind datorat faptului c 0 >
j
p , pentru toate valorile lui j. Dar
( ) ( )

B B inf * = , (2.48)
deci avem o contradicie i rezult c * este admisibil
Pentru problemele cu finit, clasa deciziilor admisibile este o submulime a
clasei deciziilor Bayes, proprietate ilustrat de teorema urmtoare.
Teorema 2.3 Dac ( )
k
, , , K
2 1
= este finit i * * D este admisibil, atunci
exist ( )
k
p p p p , , , K
2 1
= , unde j p
j
0, i ( ) 1
2 1
= + + +
k
p p p K , astfel nct *
este o decizie Bayes n raport cu p.
Demonstraie (cazul 2 = k ). Fie x punctul de risc corespunztor lui * i fie
x
Q
mulimea punctelor din planul situat la S V de x. Fie { } x Q Q
x x
= . Deoarece *
este admisibil, nu exist puncte ale lui S la S V de x. Atunci S i
x
Q sunt mulimi
disjuncte, ele fiind i convexe. O proprietate cunoscut (cea a hiperplanurilor de
separaie) arat c exist dreapta . const y p y p = +
2 2 1 1
cu 0
2 1
p p , i 1
2 1
= + p p .
Aceast dreapt este tangent la S i * este o decizie Bayes n raport cu ( )
2 1
p p ,
Proprietatea din teorema de mai sus este ilustrat n Figura 2.10.
Figura 2.10 Reprezentarea grafic a proprietii c o regul admisibil este Bayes
( ) ,
2
R
( ) ,
1
R
S
=y 1
=y 2
. const y p y p = +
2 2 1 1
Q
x


2.2 MODELUL MATEMATIC AL PROBLEMEI DE DECIZIE 31


Teoremele anterioare ne-au prezentat o imagine a tipului de legtur care exist
ntre deciziile admisibile i deciziile Bayes.
Urmtoarele teoreme ne vor arta conexiunile dintre deciziile admisibile i
deciziile minimax.
Teorema 2.4 Dac pentru o problem de decizie dat * este unica decizie minimax,
atunci * este admisibil .
Demonstraie. S presupunem c * nu este admisibil. Atunci exist * D astfel
nct
( ) ( ) * , , R R , pentru toate valorile , (2.49)
i
( ) ( ) * , ,
0 0
R R < , pentru valoarea
0
. (2.50)
n continuare avem
( ) ( ) * , sup , sup

R R

. (2.51)
Inegalitatea strict ar contrazice faptul c * este minimax; egalitatea ar
contrazice faptul c * este unic.
Rezult c ipoteza iniial a inadmisibilitii este fals i teorema este
demonstrat
Teorema 2.5 Dac pentru o problem de decizie dat * este admisibil i
( ) . * , const R = pentru orice , atunci * este minimax.
Demonstraie. Presupunem contrariul. Atunci exist c * D astfel nct
( ) ( ) * , sup , sup

R R

< . (2.52)
Dar dac ( ) . * , const R = , atunci ( ) ( ) * , , R R , pentru toate valorile .
Aceasta contrazice faptul c * este admisibil i teorema este demonstrat
Teorema anterioar ne sugereaz o strategie pentru determinarea funciilor de
decizie minimax: mai nti se identific o regul admisibil i apoi se verific dac ea
are riscul constant.
Cea mai important teorem de clasificare din teoria deciziei arat c, n general,
pentru a fi admisibil, o regul de decizie trebuie s fie Bayes.
Aceasta motiveaz cutarea unei metode mai simple de calcul a regulilor de
decizie Bayes, n loc de a cuta direct minimizarea pierderii medii posterioare
( ) ( ) [ ] x d L M M
X
D
, inf

, (2.53)
pentru orice x X = .



32 CAPITOLUL 2 NOIUNI DE TEORIA DECIZIEI


Teorema 2.6 Funcia Bayes de decizie * corespunztoare convingerii iniiale ( ) p
este determinat de ( ) * * a x = , unde * a minimizeaz
( ) ( )

d x p a L , , (2.54)
i
( )
( ) ( )
( ) ( )

d p x f
p x f
x p . (2.55)
Demonstraie. Scriind expresia riscului Bayes rezult
( ) ( ) ( )
( ) ( ) ( ) ( )

=
=



d p dx x f x L
d p R B
X
,
,

, (2.56)
de unde, schimbnd ordinea de integrare, obinem
( ) ( ) ( ) ( ) ( )

=
X
, dx x f d x p x L B

, (2.57)
tiind c din definiia funciei de densitate de probabilitate condiionate avem
( ) ( ) ( ) ( ) x f x p p x f = . (2.58)
Determinarea unei valori * care s minimizeze ( ) B este echivalent cu
minimizarea integralei din enunul teoremei
Din teorema a crei demonstraie am schiat-o mai sus, rezult c determinarea
deciziilor Bayes se poate realiza n dou etape: n prima, se determin probabilitatea
condiionat ( ) x p utiliznd teorema lui Bayes; n a doua etap, se minimizeaz
pierderea medie posterioar.
Modelul statistico-matematic al problemei de decizie analizat n aceast
seciune a pus n eviden dou stadii n utilizarea informaiei statistice pentru decizie.
Primul stadiu este decizia fr experimentare, respectiv decizia n care decidentul nu
utilizeaz nici un fel de informaii rezultate din efectuarea unor experimente statistice
asupra condiiilor problemei sale. Abordarea minimax sau abordarea Bayes numai cu
probabiliti iniiale pentru distribuia convingerii sunt exemple de decizie fr
experimentare. Al doilea stadiu l reprezint decizia cu experimentare, respectiv
decizia n care decidentul utilizeaz probabiliti condiionate posterioare pentru
modelul de decizie. Procedurile Bayes sunt exemple de decizie cu experimentare
Aceste dou stadii de decizie fr sau cu informaie rezultat din experimente
statistice legate de problema de decizie, evideniaz legtura direct ntre teoria
deciziei i statistic, elemente pe care le vom detalia n seciunile urmtoare.


2.3 TEORIA DECIZIEI I STATISTICA 33


2.3 TEORIA DECIZIEI I STATISTICA
2.3.1 Estimarea

Aa cum am artat anterior, problema estimrii unui parametru necunoscut poate
fi vzut ca un caz special al unei probleme generale de decizie n care A = , adic
aciunea necesar este alegerea unui element din spaiul de parametri. De altfel, dac
este vorba de funcii de decizie Bayes, Teorema 2.6 din seciunea anterioar stabilete
c o astfel de funcie de decizie, , este definit prin alegerea, pentru fiecare x X = , a
aciunii ( ) x a = care minimizeaz pierderea medie posterioar
( ) ( ) ( )

d x p x L , . (2.59)
Urmtoarea teorem stabilete forma general a estimrii Bayes pentru diferite
forme ale funciei de pierdere ( ) a L , .
Teorema 2.7 Dac ( ) ( )
2
a a L = , denumit funcia de pierdere ptratic,
estimarea Bayes este dat de media distribuiei posterioare.
Demonstraie. Trebuie s alegem ( ) x a = pentru a minimiza
( ) ( )

d x p a
2
. (2.60)
Difereniind n raport cu a i egalnd cu 0, obinem
( )
( )
( )

= =




d x p
d x p
d x p
a , (2.61)
deoarece
( ) 1 =

d x p (2.62)
Teorema 2.8 Dac ( ) a a L = , denumit funcia de pierdere absolut, estimarea
Bayes este dat de mediana distribuiei posterioare.
Demonstraie. Considerm cazul R = . Trebuie s alegem a pentru a minimiza
pierderea medie posterioar
( ) ( ) ( ) ( ) ( )



+ =
a
a
d x p a d x p a d x p a . (2.63)
Difereniind n raport cu a i egalnd cu 0 i innd cont c
( ) ( )


=
a
a g dx x g
da
d
i ( ) ( )

=
a
a g dx x g
da
d
, (2.64)


2.3 TEORIA DECIZIEI I STATISTICA 34


obinem
( ) ( )
2
1



= =
a
a
d x p d x p , (2.65)
(deoarece suma celor dou integrale este 1). Rezult deci c a este mediana distribuiei
posterioare

2.3.2 Verificarea ipotezelor statistice

S analizm problema de decizie reprezentat de verificarea ipotezelor statistice. Dac
0 0
: = H este ipoteza nul i
1 1
: = H este ipoteza alternativ, atunci spaiul
parametrilor va avea dou elemente { }
1 0
, = , iar spaiul de aciune va avea, de asemenea,
dou elemente { }
1 0
a a , A = , cu urmtoarea semnificaie:
0
a reprezint respingerea ipotezei
1
H , iar
1
a reprezint respingerea ipotezei
0
H .
Considerm funcia de pierdere definit de Tabelul 2.4 i valorile variabilei aleatoare X,
cu densitatea ( ) x f .
Tabelul 2.4 Funcia de
pierdere
1

2

0
a
0
01
L
1
a
10
L
0
Vom analiza mai nti forma deciziei Bayes, fiind date probabilitile iniiale cu
condiiile ( )
0 0
= p , ( )
1 1
= p , 1
1 0
= + . Conform Teoremei 2.6, pentru valorile
x X = , decizia Bayes poate fi determinat alegnd aciunea care minimizeaz pierderea
medie posterioar. Pierderea medie posterioar dac adoptm ( )
0
a x = este
( ) ( )
( )
( ) ( )
1 1 0 0
1 1 01
1 01 0
0



x f x f
x f L
x p L x p
+
= + , (2.66)
iar dac adoptm ( )
1
a x = avem
( ) ( )
( )
( ) ( )
1 1 0 0
0 0 10
1 0 10
0



x f x f
x f L
x p x p L
+
= + , (2.67)
n relaiile de mai sus am folosit teorema lui Bayes pentru funciile a scrie ( ) x p
0
i
( ) x p
1
. Atunci ( ) a x = va fi decizia care ar trebui s fie aleas dac
( ) ( )
1 1 01 0 0 10
x f L x f L < , (2.68)
adic dac
( )
( )
0 01
1 10
1
0

L
L
x f
x f
< . (2.69)
Relaia de mai sus are urmtoarea semnificaie: respingem
0
H dac raportul de
verosimilitate al lui
0
i
1
este mai mic dect o anumit valoare.


2.3 TEORIA DECIZIEI I STATISTICA 35


2.3.3 Lema Neyman - Pearson

Considernd 1
10 01
= = L L , calculm mai nti riscul ( ) , R , unde este
definit pentru { }
1 0
X , X X = i
( )
i
a x = pentru 2 1, , X
i
= i x . (2.70)
Atunci
( ) ( ) ( ) ( )
( ) { }

= =
=
1
0 1 0
0 0 0
Prob
X
X
X
~
, ,


X dx x f
dx x f x L R
, (2.71)
care este , adic probabilitatea de a respinge
0
H cnd de fapt
0
H este adevrat. Se
tie c este probabilitatea erorii de tipul I. De asemenea,
( ) ( ) ( ) ( )
( ) { }

= =
=
0
1 0 1
1 1 1
Prob
X
X
X
~
, ,


X dx x f
dx x f x L R
, (2.72)
care este , adic probabilitatea de a accepta
0
H cnd de fapt
0
H este fals. Se tie
c este probabilitatea erorii de tipul II. Punctele de risc de coordonate ( ) 1 0, i ( ) 0 1,
ale mulimii S sunt atinse de testele care ntotdeauna accept sau resping
0
H ,
independent de x ; aceste puncte aparin lui S. Avnd n vedere simetria i convexitatea
lui S, reprezentarea geometric a lui pentru aceast problem de testare a ipotezelor
statistice este redat n Figura 2.11. Testele admisibile sunt date de punctele de risc
situate pe marginea inferioar (SV) a lui S. Dar aceste puncte sunt caracterizate de
abordarea Neyman Pearson:
Lema Neyman Pearson. Cu o funcie de pierdere 01, testele admisibile pentru ipoteza
0 0
= : H fa de
1 1
= : H sunt definite de
( )
( )
( )

< = R k k
x f
x f
a x D pentru dac
1
0
1
, *;

. (2.73)









Figura 2.11 Mulimea de risc pentru H
0
fa de H
1

1
1
S


36 CAPITOLUL 2 NOIUNI DE TEORIA DECIZIEI

2.4 ATITUDINI FA DE RISC I TEORIA UTILITII
2.4.1 Aversiunea la risc

Vom analiza n continuare din punct de vedere matematic problema asumrii
riscului. Aceasta nseamn problema deciziei de a rmne ntr-o stare neschimbat
(status quo) sau de a intra ntr-o situaie de incertitudine, care poate s duc la ctig
sau la pierdere.
Principalele exemple practice de asemenea probleme sunt cele din asigurri
(primele de asigurare conduc la ctig, dar plata despgubirilor pentru accidente sau
dezastre poate conduce la pierdere); din agricultur (plata pentru recolt poate duce la
ctig, dar seceta, bolile sau alte dezastre naturale pot duce la pierdere) sau de la
jocurile de noroc (o sum iniial este pltit de juctor i rezultatul jocului poate fi
ctig sau pierdere, n funcie de tipul de joc i de regulile acestuia: curse, joc de cri,
joc de zaruri, rulet .a.).
n Figura 2.12 este prezentat n mod schematic o problem de decizie simpl,
care sintetizeaz elementele unei probleme de asumare a riscului. Este vorba de
problema unui joc de noroc, n care fr incertitudine implic meninerea strii de
status quo (juctorul nu joac), iar cealalt conduce la o situaie de incertitudine prin
faptul c juctorul particip la joc cu o sum iniial. Cu notaiile anterioare, spaiul de
aciune { }
2 1
a a , A = este alctuit din aciunile:
1
a : juctorul nu joac,
2
a : juctorul joac,
spaiul parametrilor { }
3 2 1
, , = este constituit din strile:
1
: status quo,
2
: ctig,
3
: pierdere,
iar consecinele sunt:
( )
1 1
a , : suma juctorului rmne neschimbat,
( )
2 2
a , : suma juctorului crete cu valoarea premiului,
( )
2 3
a , : suma juctorului descrete cu suma jucat.
S remarcm faptul c, n anumite situaii, chiar dac se obine ctig, acesta
poate fi mai mic dect suma jucat, dar nu vom considera acest caz n problema
noastr. Vom detalia aceast problem din perspectiva abordrii Bayes a lurii
deciziilor. Pentru aceasta va trebui s specificm mai nti probabilitile pentru
{ }
3 2 1
, , , fiind date
1
a sau
2
a i apoi determinarea valorii consecinelor.


2.6 APLICAII 37



Aciuni Rezultate posibile Consecine
Nici o schimbare
Status quo

1


Nu joac ( )
1 1
a ,

Recuperarea sumei
Ctig jucate plus
Joac

2

suma ctigat
( )
2 2
a ,
Pierderea
Pierdere sumei
jucate


3

( )
2 3
a ,
Figura 2.12 Schema unei probleme simple de asumare a riscului

Am definit anterior funcia de pierdere R A : L , atribuind valori
consecinelor, astfel nct ( )
j i
a L , este pierderea pentru aciunea aleas
j
a , dac
rezultatul ar fi
i
.
Introducem acum funcia de utilitate R A : U , n care ( )
j i
a U , este
valoarea pozitiv sau utilitatea obinut pentru o consecin alctuit din aciunea
j
a i rezultatul
i
. Putem considera utilitatea ca o pierdere negativ. ntr-o serie
de probleme de decizie o asemenea abordare este natural, avnd n vedere c urmrim
maximizarea utilitii printr-o decizie optimal.
Pentru problema de joc considerat anterior, s notm cu C suma curent de care
dispune juctorul, cu S suma jucat i cu P suma net ctigat sau premiul ctigat. S
presupunem, de asemenea c, dat fiind
1
a , ( ) 1
1
= p (ceea ce nseamn c dac
juctorul nu joac, n mod sigur nu va pierde i va rmne n status quo), iar dat fiind
2
a , atunci ( ) ( )
2
1
3 2
= = p p (respectiv dac juctorul joac, probabilitile de ctig
sau de pierdere le putem considera la fel de probabile).
n termeni monetari, consecinele sunt
( ) C a =
1 1
, , ( ) P C a + =
2 2
, , ( ) S C a =
2 3
, , (2.74)
i rezult c utilitile sunt determinate pentru orice valori C, P i S, prin definirea unei
funcii de utilitate R X U : , unde X conine toate consecinele care pot aprea din
problema de joc.
Atunci utilitile medii ale celor dou aciuni sunt date de relaiile de mai jos, n
care am utilizat valorile probabilitilor de ctig sau de pierdere definite anterior
pentru aciunile
1
a (juctorul nu joac) i respectiv
2
a (juctorul joac):



38 CAPITOLUL 2 NOIUNI DE TEORIA DECIZIEI

Aciunea Utilitatea medie
1
a ( ) C U
2
a
( ) ( ) S C U P C U + +
2
1
2
1

Pentru a maximiza utilitatea medie, aciunea optimal este definit de urmtoarea
schem:
Joac (
2
a )
Indiferent
Nu joac (
1
a )
dac
( ) ( ) ( ) S C U P C U C U + +

>
=
<
2
1
2
1

Aceast schem este ilustrat n Figura 2.13, n care am considerat S P S > > , 0 .
S considerm acum cazul special S P = , respectiv n termeni monetari, un joc
echilibrat. Avem
( ) ( ) S C S C C + + =
2
1
2
1
. (2.75)
Ne punem problema s vedem n ce circumstane decidentul va alege sau nu
aciunea
2
a (s joace). Observm c
2
a va fi aleas dac
( ) ( ) ( ) ( ) S C U C U C U S C U > + , (2.76)
iar
1
a va fi aleas dac
( ) ( ) ( ) ( ) S C U C U C U S C U < + , (2.77)
egalitatea nsemnnd indiferena de a juca sau nu.
C-S C C+P
x
U(x )
U(C-S )
U(C+P)
U(C)
U(C) pentru a 1
U(C) pentru a 2

Figura 2.13 Utilitatea medie pentru aciunile a
1
i a
2

S considerm acum forma continu a funciei de utilitate, astfel nct pentru
orice valori ale lui C i S, decidentul alege fie
1
a , fie
2
a , fie este indiferent, aa cum
este reprezentat n Figura 2.14 (a), (b) i (c).


2.6 APLICAII 39



Forma funciei de utilitate din Figura 2.14(a) reprezint utilitatea marginal
descresctoare, ceea ce nseamn c la creterea cu o cantitate fix (a lui C, de
exemplu) produce o utilitate adiional din ce n ce mai mic, dac se adaug la o sum
iniial din ce n ce mai mare (de exemplu de la S C la C vom avea o utilitate
adiional mai mare dect de la C la S C + ). O asemenea form a funciei de utilitate
determin decidentul s aleag ntotdeauna C n loc de S C + sau S C . Un decident
care are o asemenea funcie de utilitate se spune c are aversiune la risc, adic starea
de status quo este preferat unei situaii de incertitudine, al crei rezultat ateptat este
egal cu situaia de status quo. Pentru ca un joc cu S C + sau S C s fie preferat lui C
de un decident cu aversiune la risc, probabilitatea rezultatului pentru S C + trebuie s
fie mrit. Dac notm aceast probabilitate cu , decidentul va prefera s joace dac
( ) ( ) ( ) ( ) S C U S C U C U + + < 1 , (2.78)
sau cu alte cuvinte dac
( ) ( )
( ) ( )
1
1
>
+

>
C U S C U
S C U C U

. (2.79)
Inegalitatea de mai sus reflect faptul c decidentul cu aversiune la risc va prefera un
raport superior n favoarea sa i depirea creterii raportului de utilitate.
Forma funciei de utilitate din Figura 2.14(b) reprezint utilitatea marginal
cresctoare, ceea ce nseamn c la creterea cu o cantitate fix (a lui S, de exemplu)
produce o utilitate adiional din ce n ce mai mare, dac se adaug la o sum iniial
din ce n ce mai mare (de exemplu de la C la S C + produce o utilitate adiional mai
mare dect de la S C la C). O asemenea form a funciei de utilitate determin
decidentul s aleag ntotdeauna s joace, n loc s rmn n C pentru siguran. Un
astfel de decident se spune c i asum riscul. Se observ c decidentul care i asum
riscul va juca dac
( ) ( ) ( ) ( ) S C U S C U C U + + < 1 , (2.80)
ceea ce implic numai
( ) ( )
( ) ( ) C U S C U
S C U C U
+

>

1
, (2.81)
i din Figura 2.14(b) se observ c membrul drept al inegalitii este mai mic dect 1.
Aceasta implic existena valorilor 2 1 < pentru care decidentul prefer s joace
dect s rmn n status quo. Situaia descris n Figura 2.14(c) implic indiferena de
a juca sau nu. S remarcm faptul c pentru valori ale lui S suficient de mici n raport
cu C, curbele din Figura 2.14(a) i (b) vor avea aproximativ forma din Figura 2.14(c),
respectiv curbele vor fi suficient de bine aproximate printr-o dreapt. Aceasta explic
de ce un decident cu aversiune la risc prefer s nu joace dac suma jucat (i ctigul)
sunt suficient de mici.


40 CAPITOLUL 2 NOIUNI DE TEORIA DECIZIEI

C-S C C+S
x
U(x )
U(C+S ) U(C)
U(C) U(C-S )
(a )


C-S C C+S
x
U(x )
U(C+S ) U(C)
U(C) U(C-S )
(b )


C-S C C+S
x
U(x )
U(C+S ) U(C)
U(C) U(C-S )
(c )

Figura 2.14 Forme ale funciei de utilitate:
(a) nu joac; (b) joac; (c) indiferent
2.4.2 Proprietile funciilor de utilitate

Vom detalia n continuare proprietile funciilor de utilitate prezentate anterior,
considernd, pentru exemplificare, cazul utilitii marginale descresctoare.
Presupunnd continuitatea funciei de utilitate i innd cont de relaia
( ) ( ) ( ) S C U S C U C U + + >
2
1
2
1
, (2.82)
rezult c exist cantitatea S
C C
< < 0 , , astfel nct


2.6 APLICAII 41



( ) ( ) ( ) S C U S C U C U
C
+ + =
2
1
2
1
, (2.83)
proprietate ilustrat n Figura 2.15.
CS C C+S
x
U(x )
C
c
U(CS )
U(C
c
)
U(C+S )
U(C)

Figura 2.15 Definiia lui
C

Numrul
C
poate fi interpretat ca o prim de asigurare pe care decidentul
trebuie s o plteasc n scopul de evita schimbarea strii de status quo C pentru un joc
echilibrat ntre S C i S C + .
S considerm funcia de utilitate marginal descresctoare pentru orice joc care
implic deplasarea de la C la X C + , unde X este o variabil aleatoare cu media 0 (n
cazurile anterioare am avut S X = cu probabilitile egale cu 2 1 ). Prima de
asigurare este definit de ecuaia
( ) ( ) [ ] X C U M C U
C
+ = , (2.84)
unde valoarea medie ( ) M este considerat n raport cu distribuia de probabilitate a
lui X. Pentru a nelege natura lui
C
, care el nsui furnizeaz o msur a aversiunii la
risc, s presupunem c dispersia lui X, pe care o notm
2
, este suficient de mic,
astfel nct tranzaciile au loc ntr-o vecintate a lui C (implicnd de asemenea c la
rndul su
C
este suficient de mic). Dac dezvoltm n serie Taylor ambii termeni ai
egalitii (2.84) obinem:
( ) ( ) ( ) C U C U C U
C C
, (2.85)
( ) [ ] ( ) ( ) ( ) ( ) ( ) C U C U C U X C U X C U M X C U M +

+ + +
2 2
2
1
2
1
, (2.86)
unde n relaia (2.85) am ignorat termenii n
2
C
i urmtorii, iar n relaia (2.86)
termenii care conin [ ]
3
X M i urmtorii. Egalnd cele dou expresii, obinem:
( )
( )
( ) ( )


= C U
dC
d
C U
C U
C
log
2 2
2
1
2
1
. (2.87)


42 CAPITOLUL 2 NOIUNI DE TEORIA DECIZIEI

Cantitatea
( )
( ) C U
C U


definete deci o msur (local) a aversiunii la risc. Cu ct
aceast cantitate este mai mare, cu att prima
C
pe care decidentul o are de pltit
crete (indicnd nivelul nalt de aversiune la risc). Forma lui
C
ne poate ajuta s
determinm expresia matematic pentru U. De exemplu, s presupunem c pentru un
anumit rezultat X, aversiunea la risc nu depinde de C, ceea ce implic
( )
( )
(const.) k
C U
C U
=


. (2.88)
Rezolvnd ecuaia diferenial de mai sus i considernd punctele ( ) 0 0 = U i
( ) = U , obinem soluia
( )
kx
e x U

=1 , < < x 0 . (2.89)
Rezult c dac decidentul consider o utilitate marginal descresctoare i are o
aversiune constant la risc, atunci exist o funcie de utilitate definit, pentru care
trebuie specificat doar o constant. Pe msur ce aceast constant crete, funcia de
utilitate are o pant din ce n ce mai mare, plecnd din origine, aa cum se poate
observa din Figura 2.16.
x
U(x )
k 1
k 2
k 3

Figura 2.16 Funcia de utilitate pentru k
1
< k
2
< k
3
Forma de mai sus a funciei de utilitate ne arat c decidentul apare ca avnd o
aversiune la risc descresctoare; ntr-adevr,
C
descrete dac C crete.
2.4.3 Evaluarea funciilor de utilitate

Forma funciei de utilitate poate s fie diferit n funcie de problema de decizie
i de abordarea decidentului i este nevoie de o metod operaional pentru a evalua
forma funciei de utilitate. S presupunem c decidentul dispune de suma curent C
(de exemplu n euro, ) i urmrete s evalueze forma funciei de utilitate n intervalul


2.6 APLICAII 43



C pn la 1000 + C , avnd urmtoarea problem de decizie: Decidentul are un bilet de
loterie cu valoarea C, care i permite s joace un joc care i aduce un ctig de 1000
sau 0 (dac pierde). I se cere decidentului s stabileasc o sum
2
S cu care ar vinde
biletul. De asemenea, i se cere s stabileasc o sum
1
S dac loteria ar fi constat din
ctigul
2
S i 0, respectiv
3
S dac loteria ar fi cu un ctig de 1000 i respectiv
2
S .
Stabilim o scal pentru funcia de utilitate, respectiv ( ) 0 = C U i
( ) 100 1000 = + C U . Pentru o abordare bayesian i funcia de utilitate ( ) U , obinem
( ) ( ) ( )
50 0
2
1
100
2
1

2
1
1000
2
1
2
= + =
+ + = + C U C U S C U
. (2.90)
Rezult c
2
S este suma pentru care
2
S C + are utilitatea 50 pe scala de utilitate.
n mod similar,
( ) ( ) ( )
25 0
2
1
50
2
1

2
1
2
1
2 1
= + =
+ + = + C U S C U S C U
. (2.91)
i
( ) ( ) ( )
75 50
2
1
100
2
1

2
1
1000
2
1
2 3
= + =
+ + + = + S C U C U S C U
. (2.92)
Reprezentnd grafic n Figura 2.17 valorile calculate pentru funcia de utilitate,
rezult o curb care trece prin aceste puncte i care ne sugereaz o funcie de utilitate
marginal descresctoare.


0
25
50
75
100
x
U(x )
C+S 1 C C+S 3 C+S 2
C+1000

Figura 2.17 Evaluarea funciei de utilitate


44 CAPITOLUL 2 NOIUNI DE TEORIA DECIZIEI


2.5 DECIZII SECVENIALE
2.5.1 Concepte de baz

S considerm urmtoarea problem de decizie cu dou stadii. O aciune iniial
( ) 1
a este aplicat i dup aceea starea naturii (incert) este
( ) 1
; n continuare este
aplicat aciunea
( ) 2
a , starea (incert) fiind
( ) 2
i rezultnd consecina final
( ) ( ) ( ) ( )
( )
2 1 2 1
a a , ; , .
n Figura 2.18 este reprezentat problema de decizie cu dou stadii de mai sus, n
care printr-un ptrat am reprezentat un punct sau nod de decizie (n care decidentul
alege o aciune), iar printr-un cerc am reprezentat un punct de incertitudine (n care
apare o stare a naturii incert, necontrolabil). Presupunem c utilitatea ataat
consecinei finale este
( ) ( ) ( ) ( )
( )
2 1 2 1
a a U , ; , . Reprezentnd grafic aceast problem se
obine un arbore, care are forma din figura urmtoare.



( ) 1
a
( ) 1


( ) 2
a
( ) 2


( ) ( ) ( ) ( )
( )
2 1 2 1
a a U , ; ,


Figura 2.18 Reprezentarea unei probleme de decizie cu dou stadii

ntr-o problem de decizie secvenial nu putem decide ce s facem n stadiul
iniial pn nu am analizat toate consecinele posibile
( ) ( ) ( ) ( )
( )
2 1 2 1
a a , ; , . Ne punem
ntrebarea ce vom face n al doilea nod de decizie dac iniial am ales aciunea
( ) 1
a i
rezultatul a fost
( ) 1
. Arborele corespunztor este reprezentat n Figura 2.19.


(
( ) 1
a ,
( ) 1
)

( ) 2
a

( ) ( ) ( ) ( )
( )
2 1 2 1
a a U , ; ,


Figura 2.19 Reprezentarea unei probleme de decizie
tiind c rezultatul a fost
( ) 1


Pentru o anumit alegere a lui
( ) 2
a , distribuia de probabilitate pentru un anumit
rezultat incert
( ) 2
va avea forma
( ) ( ) ( ) ( )
( )
2 1 1 2
a a p , , , iar aciunea optimal i funcia
de utilitate medie sunt definite de:


2.6 APLICAII 45



( ) ( )
( )
( )
( ) ( ) ( ) ( )
( )
( ) ( ) ( ) ( )
( )
( ) 2 2 1 2 1 2 1 1 2 1 1
2
d a a U a a p a U
a
, , , , , max , *

= . (2.93)
Aceasta este utilitatea maximizat, dat fiind
( ) 1
i
( ) 1
a . Situaia pe care o are de
rezolvat decidentul n primul stadiu este reprezentat n Figura 2.20.
Soluia complet a problemei este definit de
( )
( ) ( )
( )
( ) ( )
( )
( ) 1 1 1 1 1
1
d a U a p
a
, * max

. (2.94)






( ) 1
a
( ) 1


( ) ( )
( )
1 1
a U , *


Figura 2.20 Decizia n primul stadiu (presupunnd
o aciune optimal n al doilea stadiu)

Dac problema de decizie secvenial este cu n stadii, se observ c structura
soluiei rmne aceeai. ncepnd din partea dreapt a arborelui i trecnd succesiv
prin nodurile de decizie, vom repeta procesul de a considera utilitatea medie i de a o
maximiza.
Procedura prezentat aici este dificil de implementat din dou motive: primul,
procedura implic considerarea tuturor combinaiilor de aciuni care se pot aplica i a
tuturor rezultatelor posibile; al doilea, distribuiile de probabilitate ale rezultatelor sunt
probabiliti condiionate i sunt, n general, greu de calculat. n cazul mulimilor finite
de aciuni i de rezultate, problemele de decizie pot fi formulate i rezolvate utiliznd
metoda arborilor de decizie.

2.5.2 Arbori de decizie

Vom exemplifica metoda arborilor de decizie printr-o problem de decizie
specific. Presupunem c o companie productoare dorete s investeasc ntr-o linie
de fabricaie a unui produs. Investiia va fi profitabil dac cererea pieei pentru
produsul respectiv va crete, dar ea va produce pierderi dac cererea pieei va scdea.
Alternativele pe care le are compania sunt: s investeasc; s nu investeasc; s
achiziioneze un studiu de cercetare de pia, care s-i furnizeze informaii
suplimentare despre evoluia cererii pentru produsul respectiv. S presupunem c
studiul de pia va furniza o predicie de tipul cererea n cretere sau cererea n
scdere, iar rezultatul final (starea naturii) va fi cererea actual n cretere sau cererea
actual n descretere. Structura arborelui de decizie pentru aceast problem de
investiie este reprezentat n Figura 2.21.


46 CAPITOLUL 2 NOIUNI DE TEORIA DECIZIEI


Formalizarea problemei de decizie este urmtoarea:

1
a : Studiu de pia,
{ }
3 2 1
a a , , a A = , unde
2
a : Investete,

3
a : Nu investete.

1
: Cererea crete,
{ }
2 1
, = , unde
2
: Cererea descrete.

1
x : Predicie cererea crete,
{ }
2 1
x x X , = , unde
2
x : Predicie cererea descrete.
Se tie, de asemenea, c firma care realizeaz studiul de pia a nregistrat 80%
succese atunci cnd a prognozat creterea cererii i 70% succese atunci cnd a
prognozat scderea cererii. Rezult urmtoarele probabiliti condiionate
( ) 8 0
1 1
, = x p , ( ) 2 0
1 2
, = x p , (2.95)
( ) 3 0
2 1
, = x p , ( ) 7 0
2 2
, = x p . (2.96)

crete

Investete cererea
descrete

crete


Nu investete cererea
descrete

crete


Investete cererea
descrete
Studiu
de pia crete


Nu investete cererea
descrete
crete


Investete cererea
descrete

crete


Nu investete cererea
descrete

Figura 2.21 Arborele de decizie pentru problema de investiie

S presupunem de asemenea c, fr a ine cont de concluziile studiului de pia,
compania productoare a fcut propriile evaluri ale evoluiei cererii, stabilind c sunt
60% anse ca cererea s creasc i deci avem probabilitile
( ) 6 0
1
, = p , ( ) 4 0
2
, = p . (2.97)
Predicie
cererea
crete
Predicie
cererea
descrete


2.6 APLICAII 47



Evaluarea direct a rezultatului incert n situaia n care compania achiziioneaz
studiul de pia este dat de probabilitile
( ) ( ) ( ) ( ) ( )
6 0 4 0 3 0 6 0 8 0
2 2 1 1 1 1 1
, , , , , = + =
+ = p x p p x p x p
, (2.98)
( ) ( ) 4 0 6 0 1 1
1 2
, , = = = x p x p . (2.99)
n continuare, pentru evaluarea convingerii despre
1
i
2
pe baza informaiilor
din studiul de pia (decizie cu experimentare), folosim teorema lui Bayes i obinem
( ) ( ) ( ) ( )
( ) 8 0 6 0 0,6 0,8
1 1 1 1 1 1
, , = =
= x p p x p x p
, (2.100)
( ) ( ) 2 0 8 0 1 1
1 1 1 2
, , = = = x p x p . (2.101)
( ) ( ) ( ) ( )
( ) 3 0 4 0 0,6 0,2
2 1 1 2 2 1
, , = =
= x p p x p x p
, (2.102)
( ) ( ) 7 0 3 0 1 1
2 1 2 2
, , = = = x p x p . (2.103)
n Figura 2.22 este reprezentat arborele de decizie al problemei, completat cu
valorile probabilitilor i ale utilitilor.

0,8
1
1200 C


2
a

0,2
2
800 C

0,8
1
1000 C
0,6
1
x

3
a

0,2
2
1000 C

0,3
1
1200 C
0,4
2
x

2
a

0,7
2
800 C

0,3
1
1000 C
1
a


3
a

0,7
2
1000 C

0,6
1
1200

2
a

0,4
2
800

0,6
1
1000

3
a

0,4
2
1000

Figura 2.22 Arborele de decizie pentru problema de investiie


48 CAPITOLUL 2 NOIUNI DE TEORIA DECIZIEI


Pentru evaluarea utilitii diferitelor rezultate, s presupunem c funcia de
utilitate este aproximativ liniar. S presupunem, de asemenea, c unitatea monetar
este UM = 1000 i dac cererea crete compania ateapt s fac un profit net de
1200 UM, iar dac cererea descrete, profitul net va fi de 800 UM, n condiii de
investiie. Dac nu investete, compania ateapt un profit net de 1000 UM, iar costul
studiului de pia este C.
n continuare, ncepnd din partea dreapt a arborelui de decizie, conform
procedurii menionate anterior, calculm utilitile medii. Pentru ramura de decizie
1
a
rezult:
( ) ( ) ( ) C C C a x U = + = 1120 2 0 800 8 0 1200
2 1
, , , , (2.104)
( ) ( ) ( ) C C C a x U = + = 1000 2 0 1000 8 0 1000
3 1
, , , , (2.105)
( ) ( ) ( ) C C C a x U = + = 920 7 0 800 3 0 1200
2 2
, , , , (2.106)
( ) ( ) ( ) C C C a x U = + = 1000 7 0 1000 3 0 1000
3 2
, , , , (2.107)
Rezultatele de mai sus sunt reprezentate n Figura 2.23.



2
a
1
1120 C


1
a
0,6
1
x
3
a
2
1000 C

0,4
2
x
2
a
1
920 C



3
a
2
1000 C
Figura 2.23 Utilitile medii iniiale pentru ramura a
1

Aplicnd acum principiul maximizrii utilitii medie, se observ c dat fiind
1
x ,
aciunea optimal este
2
a , n timp ce dac este dat
2
x , aciunea optimal este
3
a , aa
cum rezult din Figura 2.24.


1120 C

1
a
0,6
1
x

0,4
2
x
1000 C

Figura 2.24 A doua maximizare pentru ramura a
1

Aplicm acum nc o dat calculul utilitilor medii pentru
1
a ,
2
a i
3
a de pe
ultimul nivel al arborelui de decizie. Obinem:


2.6 APLICAII 49



( ) ( ) ( ) C C C a U = + = 1072 4 0 1000 6 0 1120
1
, , , (2.108)
( ) 1040 4 0 800 6 0 1200
2
= + = , , a U , (2.109)
( ) 1000 4 0 1000 6 0 1000
3
= + = , , a U , (2.110)
cu reprezentarea din Figura 2.25.


1
a 1072 C


2
a

1040


3
a

1000
Figura 2.25 Utilitile pe ultimul nivel al arborelui de decizie

Decizia iniial pentru aceast problem a devenit acum clar: decidentul nu
trebuie s aleag niciodat
3
a , iar decizia
1
a va fi adoptat numai dac costul studiului
de pia este 32 C .
Procedura pentru aplicarea metodei arborilor de decizie poate fi sintetizat astfel:
(1) Se descrie logica arborelui n ordine cronologic, respectiv se descriu nodurile de
decizie i nodurile de incertitudine, precum i toate ramurile care apar n fiecare
nod;
(2) Se ataeaz probabilitile ramurilor de incertitudine, innd cont de
condiionrile corespunztoare pentru fiecare ramur;
(3) Se ataeaz valorile utilitilor ramurilor finale;
(4) Plecnd de la dreapta la stnga arborelui de decizie, se calculeaz valorile medii
ale utilitilor n nodurile de incertitudine i se maximizeaz n nodurile de
decizie, determinndu-se aciunile optimale i utilitile lor medii;
(5) Se continu procedura pn la nodul de decizie iniial, determinndu-se aciunea
optimal iniial i apoi secvena de aciuni optimale care rezolv problema de
decizie.
Metoda arborilor de decizie reprezint o alternativ viabil la metodele analitice
de decizie prezentate la nceputul acestui capitol. n acelai timp, arborii de decizie,
prin reprezentarea grafic a problemei de decizie constituie un instrument util i
accesibil pentru considerarea tuturor alternativelor, att n nodurile de decizie, ct i n
cele de incertitudine.
Cele dou metode, grafic i analitic, pot fi utilizate cel mai bine mpreun,
deoarece ne furnizeaz, fiecare, informaii privind problema de decizie, aa cum vom
vedea n aplicaiile urmtoare.


50 CAPITOLUL 2 NOIUNI DE TEORIA DECIZIEI


2.6 APLICAII

Vom detalia i aplica n continuare conceptele prezentate n seciunile anterioare
prin dou probleme de decizie, care ne vor ajuta s fixm noiunile de teoria deciziei.
De asemenea, vom sistematiza printr-un algoritm paii de rezolvare a unei probleme
de decizie.

2.6.1 Problema forajului

O companie de mbuteliere deine un teren care se presupune c va conine surse
subterane de ap mineral. Compania a clasificat terenul n patru categorii, dup
debitul de ap mineral care se ateapt s fie obinut din sursa forat, respectiv
1.000.000 litri, 500.000 litri, 100.000 litri sau 0 litri (sursa nu conine ap mineral).
Alternativele asupra crora trebuie s decid compania sunt urmtoarele:
(1) forajul pentru gsirea de ap mineral;
(2) nchirierea necondiionat a terenului ctre o alt companie de foraj;
(3) nchirierea condiionat a terenului, n funcie de cantitatea de ap mineral
gsit.
Costul forajului pentru o surs care va produce ap mineral este de 10.000, n timp
ce costul forajului fr gsirea de ap mineral este de 6.000. Profitul pentru o surs
de ap mineral este de 0,10/litru (dup deducerea costurilor de producie). Costul
nchirierii necondiionate este de 8.000, n timp ce compania ar primi 0,03 pentru
fiecare litru extras n cazul nchirierii necondiionate, dac sursa forat pe terenul
nchiriat va produce mai mult de 250.000 litri. Cu elementele definite pn acum,
compania de mbuteliere ar obine urmtoarele profituri posibile (Tabelul 2.5):

Tabelul 2.5 Profiturile companiei de mbuteliere
1.000.000
litri/surs
500.000
litri/surs
100.000
litri/surs
0
litri/surs
(1) Foraj 90.000 40.000 0 6.000
(2) nchiriere necondiionat 8.000 8.000 8.000 8.000
(3) nchiriere condiionat 30.000 15.000 0 0

A. DECIZIA FR EXPERIMENTARE
Problema de decizie const din urmtoarele aciuni:
1
a : Forajul pentru gsirea de ap mineral,
2
a : nchirierea necondiionat a terenului,
3
a : nchirierea condiionat a terenului,


2.6 APLICAII 51



i deci spaiul de aciune este { }
3 2 1
a a a , , A = .
Strile naturii pentru aceast problem sunt:
1
: 1.000.000 litri ap mineral / surs,
2
: 5000.000 litri ap mineral / surs,
3
: 100.000 litri ap mineral / surs,
4
: 0 litri ap mineral / surs.
Rezult spaiul strilor { }
4 3 2 1
, , , = .
Am vzut anterior c strile naturii sunt caracterizate printr-un parametru al unei
familii de distribuii de probabilitate. n contextul problemei noastre de foraj, rezultatul
potenial al forajului poate fi vzut ca fiind valoarea medie a unei variabile aleatoare.
Astfel, modelul statistic pentru problema de foraj este constituit dintr-o variabil
aleatoare reprezentat de cantitatea de ap mineral gsit n urma forajului, cu
valoarea medie necunoscut. n lipsa datelor de experimentare, compania va aproxima
valoarea medie a rezultatelor prin cele patru valori estimate iniial, respectiv
1.000.000, 500.000, 100.000 i 0. n exemplul nostru, strile naturii sunt deci valorile
posibile ale mediei variabilei aleatoare reprezentate de cantitatea de ap mineral
rezultat n urma forajului. Funcia de pierdere ( )
j
a L ,
1
pentru aceast problem de
decizie o obinem direct din Tabelul 2.5 de profituri estimate, cu meniunea c valorile
negative ale pierderii reprezint, de fapt, profit (n Tabelul 2.6).

Tabelul 2.6 Funcia de pierdere pentru problema forajului

1
:
1.000.000
litri/surs
2
:
500.000
litri/surs
3
:
100.000
litri/surs
4
:
0
litri/surs
1
a : Foraj 90.000 40.000 0 6.000
2
a : nchiriere necondiionat 8.000 8.000 8.000 8.000
3
a : nchiriere condiionat 30.000 15.000 0 0

Regula de decizie minimax

Dac adevrata stare a naturii ar fi cunoscut, ar fi simplu s alegem aciunea
corect, respectiv aciunea cu cea mai mic pierdere. Din pcate, adevrata stare a
naturii nu este n general cunoscut, iar alegerea aciunii corecte nu este simpl. n
problema noastr de foraj, dac
1
= , adic 1.000.000 litri/surs, atunci, pe baza
datelor de pierdere din Tabelul 2.5, cea mai bun aciune este
1
a , adic forajul, n
timp ce dac
4
= , cea mai bun aciune este
2
a , nchirierea necondiionat a
terenului.


52 CAPITOLUL 2 NOIUNI DE TEORIA DECIZIEI


Aplicarea regulii minimax cere decidentului s gseasc pierderea maxim
pentru fiecare din aciunile sale i s aleag aciunea cu cea mai mic pierdere
maxim. Utiliznd deci regula minimax, considerm mai nti maximul funciei de
pierdere pentru fiecare aciune (maximul pe fiecare linie din Tabelul 2.6) i obinem
valorile ( ) ( ) 000 6
1
. , max = a L , ( ) ( ) 000 8
2
. , max = a L i ( ) ( ) 0
3
= , max a L . Lund n
continuare minimul acestor valori, avem ( ) 000 8 0 8.000; 6.000; . min = . Rezult c
aplicnd regula minimax, decidentul trebuie s aleag aciunea
2
a nchiriere
necondiionat, cu o pierdere negativ (profit) de 8.000.

Regula de decizie Bayes

n anumite situaii, decidentul poate s aib anumite informaii despre starea
naturii, pe care s le transforme ntr-o distribuie de probabilitate a convingerii sale
privind starea naturii. Aceast distribuie de probabilitate a convingerii, denumit
distribuie iniial (sau a priori) este adesea subiectiv i depinde de experiena sau de
intuiia decidentului. S presupunem c compania dispune de experien i informaii
anterioare din care a concluzionat c la foraje similare, circa 10% au fost foraje de
1.000.000 litri/surs, 15% au avut ca rezultat 500.000 litri/surs, 25% au dus la
100.000 litri/surs i circa 50% din foraje nu au gsit ap mineral. Aceste date pot fi
transformate ntr-o distribuie de probabilitate dup cum urmeaz:
{ } ( ) 10 0 Prob
1 1
, = = =

p , (2.111)
{ } ( ) 15 0 Prob
2 2
, = = =

p , (2.112)
{ } ( ) 25 0 Prob
3 3
, = = =

p , (2.113)
{ } ( ) 50 0 Prob
4 4
, = = =

p . (2.114)
Procedura de decizie Bayes indic decidentului s aleag acea aciune care
minimizeaz pierderea medie evaluat n funcie de distribuia iniial pentru toate
strile posibile ale naturii. n cazul distribuiilor discrete (aa cum este i cazul
problemei noastre), funcia de pierdere este dat de
( ) ( ) [ ] ( ) ( )

= =
k
k p k a L a L M a L

, , . (2.115)
Pierderea medie pentru fiecare aciune
i
a este dat de
( ) ( ) [ ] 000 12 50 0 000 6 25 0 0 15 0 000 40 10 0 000 90
1 1
. , . , , . , . , = + + = = a L M a L ,
(2.116)
( ) ( ) [ ] 000 8 50 0 000 8 25 0 000 8 15 0 000 8 10 0 000 8
2 2
. , . , . , . , . , = = = a L M a L ,
(2.117)
( ) ( ) [ ] 250 5 50 0 0 25 0 0 15 0 000 15 10 0 000 30
3 3
. , , , . , . , = + + = = a L M a L ,
(2.118)


2.6 APLICAII 53



Rezult c, utiliznd regula de decizie Bayes i convingerea sa asupra distribuiei
de probabilitate a strii naturii, decidentul va alege aciunea
1
a de foraj pentru gsirea
de ap mineral, cu o pierdere medie (profit) de 12.000.

B. DECIZIA CU EXPERIMENTARE

Consideraiile fcute pn acum au presupus c decidentul a adoptat deciziile
sale fr a utiliza informaii rezultate din efectuarea unor experimente statistice privind
problema de decizie. Totui, dac decidentul dispune de informaii suplimentare
rezultate din experimente, atunci aceste informaii trebuie aplicate n procesul de
adoptare a deciziei.
Revenind la problema forajului, s presupunem c compania poate s
achiziioneze un studiu geologic, al crui cost este de 2.500. Informaiile coninute n
studiul geologic permit clasificarea terenului n patru categorii. Categoria (1) se refer
la o structur geologic extrem de favorabil prezenei apei minerale. Categoria (2)
reprezint o structur care este probabil s conin ap mineral. Categoria (3) este o
structur puin favorabil prezenei apei minerale, n timp ce categoria (4) denot o
structur geologic cu o probabilitate extrem de mic de a conine ap mineral.
Pe baza examinrii i a altor zone geologice similare (100 de astfel de
examinri), compania a obinut datele din Tabelul 2.7 de mai jos.

Tabelul 2.7 Frecvenele clasificrii geologice
Clasificarea
geologic
1
:
1.000.000
litri/surs
2
:
500.000
litri/surs
3
:
100.000
litri/surs
4
:
0
litri/surs
(1)
12 8 16 10 24 10 48 10
(2)
12 3 16 3 24 7 48 12
(3)
12 1 16 2 24 3 48 17
(4)
12 0 16 1 24 4 48 9

Valorile din tabelul anterior pot fi interpretate astfel: dac forajul este de 500.000
litri/surs (starea naturii
2
), atunci 16 3 este probabilitatea condiionat ca s avem
categoria (2) de clasificare geologic; dac forajul nu gsete ap mineral (starea
naturii
4
), atunci 48 17 este probabilitatea condiionat ca nivelul de clasificare
geologic s fie (3).
Notm cu X informaia obinut prin experimentare dintr-un eantion aleator. X
este o variabil aleatoare i poate fi vzut ca o funcie a eantionului de date.
Decidentul trebuie s aleag o procedur de decizie sau o strategie, care, pe baza


54 CAPITOLUL 2 NOIUNI DE TEORIA DECIZIEI


informaiilor furnizate de experiment, s-i indice ce aciune s aplice pentru fiecare
valoare x X = . Notm aceast funcie cu ( ) x d , astfel nct dac variabila aleatoare X
ia valoarea x, atunci ( ) x d a = va fi aciunea aleas. Decidentul este interesat
bineneles s aleag funcia de decizie optimal. Pentru a evalua funcia de decizie,
trebuie s-i explorm consecinele. Deoarece aciunea aplicat a este o funcie care
depinde de rezultatul variabilei aleatoare X, atunci ( ) X d este i ea o variabil
aleatoare i pierderea asociat acestei aciuni depinde de asemenea de rezultatele lui X.
tim c o msur a consecinelor aplicrii aciunii ( ) X d a = , atunci cnd adevrata
stare a naturii este , este dat de valoarea medie a pierderii, cuantificat prin funcia
de risc ( ) d R , , care n cazul discret are expresia
( ) ( ) ( ) [ ] , , X d L M d R = . (2.119)
S aplicm abordarea de mai sus exemplului nostru. S presupunem c evalum
regula de decizie
1
d , conform creia dac rezultatul studiului geologic este (1) aplicm
aciunea
1
a , dac rezultatul este (2) sau (3), aplicm aciunea
3
a , iar dac rezultatul
este (4) aplicm
2
a . Aceasta nseamn
( )
1 1
a x d = , pentru 1 = x
( )
2 1
a x d = , pentru 4 = x
( )
3 1
a x d = , pentru 2 = x sau 3 = x .
Atunci funciile de risc corespunztoare sunt
( ) 500 67 500 2
12
1
12
3
000 30 0 000 8
12
8
000 90
1 1
. . . . . , = +

+ = d R , (2.120)
( ) 688 27 500 2
16
2
16
3
000 30
16
1
000 8
16
10
000 40
1 2
. . . . . , = +

+ = d R , (2.121)
( ) 167 1 500 2
24
3
24
7
0
24
4
000 8
24
10
0
1 3
. . . , = +

+ = d R , (2.122)
( ) 250 2 500 2
48
17
48
12
0
48
9
000 8
48
10
000 6
1 4
. . . . , = +

+ + = d R . (2.123)
n relaiile de mai sus, valoarea de 2.500 a fost costul studiului geologic. Rezult
c aciunea care minimizeaz riscul este ( )
1 1
a x d = , respectiv forajul pentru gsirea
apei minerale, dar aceast aciune nu este optimal.
Observm c funcia de risc furnizeaz un mijloc de a defini optimalitatea. O
funcie de decizie optimal este aceea care minimizeaz riscul pentru fiecare valoare a
lui . Dar, n majoritatea cazurilor, funcia de decizie optimal nu exist i va trebui
s considerm o alt modalitate de gsire a deciziei optimale, furnizat de procedurile
Bayes.



2.6 APLICAII 55



Procedurile Bayes

Dac decidentul dispune de o informaie anterioar despre starea naturii,
informaie ce poate fi descris n termenii unei distribuii de probabilitate iniiale,
atunci funciei de risc i se poate aplica principiul Bayes, care, pentru o distribuie
discret, arat c riscul Bayes corespunztor unei funcii de decizie d i unei distribuii
de probabilitate iniiale a lui , ( ) k p

, este dat de
( ) ( ) ( )

=
k
k p k d R d B

, , (2.124)
iar dac mulimea strilor este continu i funcia de densitate iniial este ( ) x p

,
atunci riscul Bayes este
( ) ( ) ( )


= dx x p x d R d B

, . (2.125)
Principiul Bayes impune decidentului s aleag funcia d, denumit procedur de
decizie Bayes, care minimizeaz ( ) d B .
Atunci cnd nu sunt disponibile date suplimentare, procedura Bayes ne conduce
la selectarea aciunii care minimizeaz pierderea medie, evaluat n funcie de
distribuia iniial a lui . Dar dac sunt disponibile date despre starea naturii, acestea
vor fi ncorporate n modelul de decizie.
De exemplu, dac datele geologice clasific terenul n categoria (4),
probabilitatea de a gsi surse de 1.000.000 litri sau de 500.000 litri este extrem de
redus. Totui, dup analiza datelor experimentale, vom actualiza distribuia iniial pe
baza datelor despre starea naturii. Aceast informaie actualizat ne furnizeaz
distribuia posterioar a lui , pe baza distribuiei iniiale i a datelor de
experimentare. Distribuia posterioar a lui este reprezentat deci de probabilitile
condiionate ale lui , date fiind valorile x X = .

Calculul distribuiei posterioare

Fie ( ) X , o variabil aleatoare bidimensional discret, cu distribuia de
probabilitate ( ) j k p
X
,

. Fie ( ) k p

distribuia de probabilitate iniial a lui . Definim


probabilitatea condiionat
( ) { } k j X j
k X
= = =
=


Prob . (2.126)
Pentru distribuia bidimensional a lui ( ) X , expresia
( ) ( ) ( ) k p j j k p
k X X
=
=
, , (2.127)
poate fi utilizat pentru evaluarea distribuiei de probabilitate a lui X, respectiv
( ) ( ) ( ) ( )

= =
=
k k
k X X X
k p j j k p j

, . (1.128)


56 CAPITOLUL 2 NOIUNI DE TEORIA DECIZIEI


S evalum acum distribuia de probabilitate posterioar a lui , notat
j X
f
=
,
dat fiind j X = , din expresia
( ) ( ) ( ) j k f j k p
X j X X


=
=
, . (2.129)
Egalnd cele dou forme ale expresiei pentru
X
p

, respectiv relaiile (2.127) i (2.129)


i considernd x j = (rezultatul experimentului), obinem distribuia posterioar
( )
( )
( ) x
k p
k f
X
k X
x X


=
=
=
. (2.130)
n sintez, pentru calculul distribuiei posterioare considerm ( ) k p

distribuia
iniial i ( ) x
x X =
distribuia de probabilitate a variabilei aleatoare X evaluat pentru
x X = .
Funcia ( ) x
X
este distribuia variabilei X, obinut din
( ) ( ) ( )

=
=
k
k X X
k p x x

, (2.131)
iar pentru ( ) x f
X
avem
( ) ( )

=
=
k
k X X
k f x f

. (2.132)
Revenind la problema noastr, valorile distribuiei iniiale de clasificare
geologic a terenului ( ) k p

au fost date n relaiile (1.111) (1.114). S presupunem


acum c studiul geologic a clasificat terenul ca fiind din categoria (3). Va trebui s
evalum expresiile ( ) 4 3 2 1
3
, , , , =
=
k k f
X
, unde
( )
( ) ( )
( )
4 3 2 1
3
3
3
, , , , = =
=
=
k
k p
k f
X
k X
X

. (2.133)
Avem
( ) { } k X
k X
= = =
=


3 Prob 3 , (2.134)
probabilitatea ca terenul s fie clasificat din punct de vedere geologic n categoria (3),
date fiind strile
k
i aceste valori se obin din Tabelul 2.7 ca fiind
( )
12
1
3
1
=
=

X
, ( )
16
2
3
2
=
=

X
, ( )
24
3
3
3
=
=

X
, ( )
48
17
3
4
=
=

X
. (2.135)
Atunci distribuia variabilei X evaluat pentru 3 = X rezult
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) = + + + =
= = = =
4 3 3 3 2 3 1 3 3
4 3 2 1
p p p p
X X X X X

2354 0 50 0
48
17
25 0
24
3
15 0
16
2
10 0
12
1
, , , , , = + + + = . (2.136)
Valorile complete ale probabilitilor condiionate ( ) ( ) k p x
k X

=
i ale
distribuiei marginale ( ) x
X
sunt calculate n Tabelul 2.8.


2.6 APLICAII 57



Tabelul 2.8 Probabilitile ( ) ( ) k p x
k X

=
i distribuia marginal ( ) x
X

( ) ( ) k p x
k X

=
( ) x
X
Clasificarea
geologic
1

2

3

4


(1) 0,0667 0,0938 0,1042 0,1042 0,3688
(2) 0,0250 0,0281 0,0729 0,1250 0,2510
(3)
0,0083 0,0188 0,0313 0,1771 0,2354
(4) 0,0000 0,0094 0,0417 0,0938 0,1448

Putem s calculm acum distribuia posterioar pentru 3 = X , aplicnd relaia
(2.133) i obinem:
( ) 035 0
2354 0
10 0 12 1
1
3
,
,
,
=

=
= X
f

, (2.137)
( ) 080 0
2354 0
15 0 15 2
2
3
,
,
,
=

=
= X
f

, (2.138)
( ) 133 0
2354 0
25 0 24 3
3
3
,
,
,
=

=
= X
f

, (2.139)
( ) 752 0
2354 0
50 0 48 17
4
3
,
,
,
=

=
= X
f

. (2.140)
Valorile complete ale distribuiei posterioare a lui pentru problema noastr de
decizie sunt calculate n Tabelul 2.9.
Tabelul 2.9 Distribuia posterioar a lui
( ) k f
x X =
Clasificarea
geologic
1

2

3

4

(1) 0,181 0,254 0,282 0,282
(2) 0,100 0,112 0,290 0,498
(3)
0,035 0,080 0,133 0,752
(4) 0,000 0,065 0,288 0,647

n continuare, pentru a determina procedura de decizie Bayes, decidentul avnd
calculat distribuia posterioar va alege aciunea care minimizeaz pierderea medie
( ) a B
f
(inclusiv costul experimentrii), care este de fapt riscul Bayes estimat n funcie
de distribuia posterioar f a lui , date fiind valorile x X = , unde
( ) ( ) [ ]
( ) ( )
( ) ( )

= =


=
=
continu dac
discret dac

, ,
, ,
,
dy y f y a L
k f k a L
a L M a B
x X
k
x X
f
. (2.141)


58 CAPITOLUL 2 NOIUNI DE TEORIA DECIZIEI


Acum, pentru clasificarea geologic (3), procedura Bayes pentru 3 = X conduce
la
( ) ( ) [ ]
642 500 2 752 0 000 6
133 0 0 080 0 000 40 035 0 000 90
1 1
= + +
+ = =
. , .
, , . , . , a L M a B
f
, (2.142)
( ) ( ) [ ]
500 5 500 2 752 0 000 8
133 0 000 8 080 0 000 8 035 0 000 8
2 2
. . , .
, . , . , . ,
= +
= = a L M a B
f
, (2.143)
( ) ( ) [ ]
243 500 2 752 0 0
133 0 0 080 0 000 15 035 0 000 30
3 3
= + +
+ = =
. ,
, , . , . , a L M a B
f
. (2.144)
Rezult c procedura Bayes pentru cazul 3 = X determin alegerea aciunii
2
a
nchiriere necondiionat, pentru care pierderea medie este minim.
Aplicnd procedura i relaiile de mai sus pentru toate valorile 4 3 2 1 , , , = X ,
obinem valorile riscului Bayes pentru distribuia posterioar (Tabelul 2.10).

Tabelul 2.10 Valorile riscului Bayes pentru distribuia posterioar
1 = x 2 = x 3 = x 4 = x
( )
1
a B
f
-22.246 -7.956 642 3.795
( )
2
a B
f

-5.500 -5.500 -5.500 -5.500
( )
3
a B
f

-6.737 -2.168 243 1.529

Sintetiznd valorile calculate pentru procedura Bayes se obin datele din Tabelul 2.11

Tabelul 2.11 Procedura Bayes pentru problema forajului
x Aciunea
Bayes
Riscul Bayes Distribuia
marginal
1
a
1
22.246 0,369
2 a
1
7.956 0,251
3
a
2
5.500 0,235
4
a
2
5.500 0,145

Rezult c pentru categoriile de teren (1) i (2) aciunea optim este
1
a forajul,
iar pentru categoriile de teren (3) i (4) aciunea optim este
2
a nchirierea
necondiionat a terenului.

Valoarea experimentrii

nainte de a apela la experimente privind starea naturii (care n majoritatea
cazurilor au costuri semnificative), va trebui s determinm valoarea potenial pe care
o pot aduce aceste experimente. S presupunem c experimentul ne poate furniza o
informaie perfect despre starea naturii. Dar care este valoarea acestei informaii


2.6 APLICAII 59



perfecte? n aplicaia noastr a problemei de foraj, studiul geologic furnizeaz o
informaie imperfect care cost 2.500.
innd cont de probabilitile iniiale, pierderea medie cu informaie perfect, pe
care o notm cu ( ) IP M , este dat de
( ) 000 21 50 0 000 8 25 0 000 8 15 0 000 40 10 0 000 90 . , . , . , . , . = = IP M . (2.145)
Regula de decizie Bayes (fr experimentare) a condus la o pierdere medie de
12.000 i la aciunea
1
a , respectiv o pierdere mult mai mare dect n cazul pierderii
medii cu informaie perfect. Fcnd diferena ntre cele dou valori de mai sus,
obinem o valoare de 9.000, care este de fapt costul informaiei perfecte.
Considernd datele din Tabelul 2.10 i Tabelul 2.11, suma ponderat a
pierderilor Bayes, denumit pierderea medie necondiionat cu experimentare este
dat de
292 12 145 0 500 5 145 0 500 5 251 0 956 7 369 0 246 22 . , . , . , . , .
~
= =
f
B . (2.146)
Atunci valoarea experimentrii (fr costul de 2.500) este dat de diferena ntre
suma ponderat definit n relaia (2.146) i pierderea Bayes fr experimentare, adic
( ) ( ) ( ) 292 000 12 292 12 = = = . . min
~
exp i f
a L B L , (2.147)
care reprezint economia (pierdere negativ) rezultat n urma adoptrii unei proceduri
de decizie optimale cu experimentare.
n fine, pentru a evalua diferena dintre adoptarea decizie dup proceduri Bayes
optimale i neoptimale, calculm riscul mediu ponderat pentru procedura neoptimal,
utiliznd valorile date de relaiile (2.120) (2.123) i valorile probabilitilor iniiale,
obinnd
486 9 50 0 250 2 25 0 167 1 15 0 688 27 10 0 500 67 . , . , . , . , .
~
= + + = B . (2.148)
Scznd valorile date de relaiile (2.146) i 2.148) obinem
( ) 805 2 496 9 292 12 . . .
~ ~
= = = B B L
f opt
, (2.149)
adic o economie (pierdere negativ) de 2.805, ca urmare a utilizrii procedurii Bayes
optimale n locul procedurii neoptimale.

Arborele de decizie

Arborele de decizie pentru problema forajului est reprezentat n Figura 2.26.
Ramura iniial superioar reprezint decizia fr experimentare, respectiv decizia fr
utilizarea studiului geologic. Ramura iniial inferioar reprezint decizia cu
experimentare, respectiv cu date geologice.
Utilitile afiate n nodurile de decizie i de incertitudine ale arborelui corespund
valorilor calculate anterior. n nodurile de decizie au fost aplicate procedurile Bayes


60 CAPITOLUL 2 NOIUNI DE TEORIA DECIZIEI


(optimale i neoptimale) de minimizare a riscului Bayes. Aciunile respinse au fost
barate cu semnul . Decizia adoptat este achiziionarea studiului geologic.


DECIZIE FR EXPERIMENTARE
90.000


40.000
12.000
0
12.000
6.000




8.000

5.250


27.746
27.746


8.000


12.292

6.737
x=1


10.456
2.500 10.456

8.000
x=2
4.668

1.858
8.000
x=3 8.000

2.257
x=4

1.295
8.000
8.000

971
DECIZIE CU EXPERIMENTARE

Figura 2.26 Arborele de decizie pentru problema forajului
Fr date
geologice
nchiriere
necondiionat
nchiriere
condiionat

2

(0 1

4

(0
Foraj
a
1

a
1

a
1

a
1

a
2

a
2

a
2

a
2

a
3

a
3

a
3







a
2

a
3






Cu date
geologice
a
3

a
1
14.792


2.6 APLICAII 61



2.6.2 Algoritm de rezolvare a unei probleme de decizie

Vom sintetiza modul de rezolvare a problemelor de decizie de tipul prezentat
anterior, respectiv cu funcia de pierdere tabelar i cu A, i X finite i discrete, n
algoritmul care urmeaz. n general, majoritatea problemelor de decizie pot fi
formalizate cu ajutorul modelului prezentat n cadrul algoritmului. Algoritmul are o
organizare matriceal pentru a facilita utilizarea programelor de calcul tabelar.

A. DECIZIE FR EXPERIMENTARE
Pasul 1. Definirea problemei de decizie.
P1.1: Se definete spaiul de aciune { }
l
a , , a A K
1
= .
P1.2: Se definete spaiul strilor { }
k
, ,K
1
= .
P1.3: Se definesc consecinele ( ) l j k i a
j i
, , , , , , , K K 1 1 = = .
P1.4: Se asociaz costurile corespunztoare consecinelor i alte costuri ale
problemei de decizie.
Pasul 2. Definirea funciei de pierdere.
P2.1: Funcia de pierdere se definete ntr-un tabel de forma:
Starea naturii
Aciunea
1

2

...
k

1
a ( )
1 1
a L , ( )
1 2
a L , ... ( )
1
a L
k
,
2
a ( )
2 1
a L , ( )
2 2
a L , ... ( )
2
a L
k
,
... ... ... ... ...
l
a ( )
l
a L ,
1
( )
l
a L ,
2
... ( )
l k
a L ,
Pasul 3. Regula de decizie minimax.
P3.1: Se bordeaz tabelul funciei de pierdere cu o coloan care conine maximul
valorilor funciei de pierdere din fiecare linie:
Starea naturii
Aciunea
1

2

...
k
( )
j
a L , max
1
a ( )
1 1
a L , ( )
1 2
a L , ... ( )
1
a L
k
, ( )
1
a L , max
2
a ( )
2 1
a L , ( )
2 2
a L , ... ( )
2
a L
k
, ( )
2
a L , max
... ... ... ... ... ...
l
a ( )
l
a L ,
1
( )
l
a L ,
2
... ( )
l k
a L , ( )
l
a L , max
P3.2: Se aplic regula de decizie minimax, respectiv se calculeaz minimul
valorilor din ultima coloan a tabelului de mai sus:
( ) l j a L
j
i
l
, , , , max min K 1 = . (2.150)



62 CAPITOLUL 2 NOIUNI DE TEORIA DECIZIEI


P3.3: Se alege aciunea corespunztoare liniei pentru care s-a obinut minimul.
Dac nu sunt disponibile informaii despre distribuia de probabilitate iniial,
algoritmul se oprete la acest pas. Dac sunt cunoscute valorile probabilitilor
iniiale pentru distribuia convingerii, algoritmul continu cu Pasul 4.
Pasul 4. Definirea probabilitilor iniiale.
P4.1: Se definesc probabilitile iniiale
{ } ( ) k i i p
i
, , , K 1 Prob = = =

, (2.151)
ntr-un tabel de forma:
Starea naturii 1

2

... k

Probabiliti
iniiale
( ) 1

p ( ) 2

p
...
( ) k p


P4.2: Probabilitile iniiale trebuie s verifice condiiile de definire a
probabilitilor, respectiv valori pozitive subunitare i suma egal cu 1, condiii
reflectate i de relaiile urmtoare:

( )
( )

=
=

=
1
1 1 0
1
k
i
i p
k i i p

, , , K
. (2.152)
Pasul 5. Regula de decizie Bayes.
P5.1: Se calculeaz pierderea medie pentru fiecare aciune
j
a
( ) ( ) [ ] ( ) ( )

=
= =
k
i
j i j j
i p a L a L M a L
1

, , , (2.153)
ntr-un tabel de forma:
Starea naturii
Aciunea
1

2

...
k
( ) a L
1
a ( ) ( ) 1
1 1
p a L , ( ) ( ) 2
1 2
p a L , ... ( ) ( ) k p a L
k

1
, ( )
1
a L
2
a ( ) ( ) 1
2 1
p a L , ( ) ( ) 2
2 2
p a L , ... ( ) ( ) k p a L
k

2
, ( )
2
a L
... ... ... ... ... ...
l
a ( ) ( ) 1
1
p a L
l
, ( ) ( ) 2
2
p a L
l
, ... ( ) ( ) k p a L
l k
, ( )
l
a L
P5.2: Se aplic regula de decizie Bayes, calculnd minimul valorilor din ultima
coloan a tabelului de mai sus, respectiv ( ) l j a L
j
, , , min K 1 = .
P5.3: Se alege aciunea Bayes, corespunztoare liniei pentru care s-a obinut
minimul.
Dac pentru problema de decizie nu se utilizeaz informaii rezultate din
experimentare, algoritmul se oprete la acest pas. n caz contrar, se continu cu
Pasul 6.


2.6 APLICAII 63



B. DECIZIE CU EXPERIMENTARE
Pasul 6. Definirea experimentului.
P6.1: Se definete spaiul de eantionare X i variabila aleatoare X, cu valorile
k , , , K 2 1 .
P6.2: Se specific probabilitile condiionate k i
i X
i
, , , K 1 =
=
, ntr-un tabel de
forma:
x
1

2

...
k

1
1
1
= X

1
2
= X

...
1 = X
k


2
2
1
= X

2
2
= X

...
2 = X
k


... ... ... ... ...
k
k X =
1


k X =
2


...
k X
k
=

P6.3: Se stabilete costul experimentului C.
Pasul 7. Procedura Bayes cu probabiliti iniiale.
P7.1: Se stabilesc regulile de decizie ( ) x d
n
i aciunile
i
j
a care se adopt pentru
fiecare valoare k x , , , K 2 1 = , unde { } l i a a a a
l j
i
, , , , , A 1
2 1
= = K , ntr-un tabel de
forma:
X 1 2 ... k
n
d
1
j
a
2
j
a
...
k
j
a
P7.2: Se determin funcia de risc mediu ( )
j n
d R , , la care se adaug costul
experimentului C, cu relaiile:
( ) ( ) ( ) [ ] ( )

=
=
+ = + = +
k
j
j X j i n j n
C a L C x d L M C d R
i
1

, , , . (2.154)
Datele se organizeaz ntr-un tabel de forma:
x 1 2 ... k C ( ) C d R
j n
+ ,
( )
1
,
n
d R ( )
1 1
1 1 =

X j
a L

, ( )
2 1
1 2 =

X j
a L

, ... ( )
k X j
k
a L
=

1
1
, C ( ) C d R
n
+
1
,
( )
2
,
n
d R ( )
1 2
1 1 =

X j
a L

, ( )
2 2
1 2 =

X j
a L

, ... ( )
k X j
k
a L
=

1
2
, C ( ) C d R
n
+
2
,
... ... ... ... ... ... ...
( )
k n
d R , ( )
1
1 1 =

X j k
a L

, ( )
2
1 2 =

X j k
a L

, ... ( )
k X j k
k
a L
=

, C ( ) C d R
k n
+ ,
P7.3: Se determin riscul mediu minim:
( ) k i d R
i n
i
, , , min 1 = . (2.155)
P7.4: Decizia Bayes (neoptimal) const din alegerea aciunii pentru care s-a
obinut riscul mediu minim.
Dac pentru problema de decizie nu se utilizeaz probabiliti posterioare,
algoritmul se oprete la acest pas. n caz contrar, se continu cu Pasul 8.


64 CAPITOLUL 2 NOIUNI DE TEORIA DECIZIEI


Pasul 8. Calculul probabilitilor posterioare.
P8.1: Se calculeaz probabilitile condiionate posterioare ( ) ( ) k p x
k X

=
i
distribuia marginal ( ) x
X
. Datele sunt organizate ca n tabelul de mai jos, care
conine produsul elementelor din tabelele de la P6.2 i P4.1, iar n ultima coloan
suma probabilitilor condiionate pe fiecare linie.
k ( ) ( ) k p x
k X

=
( ) x
X

x
1

2


k


1 1
1
= X
( ) 1

p
1
2
= X
( ) 2

p ...
1 = X
k

( ) k p


( ) 1
X

2 2
1
= X
( ) 1

p
2
2
= X
( ) 2

p ...
2 = X
k

( ) k p

( ) 2
X

... ... ... ...

k
k X =
1

( ) 1

p
k X =
2

( ) 2

p ...
k X
k
=
( ) k p

( ) k
X

P8.2: Se calculeaz distribuia posterioar
( )
( )
( ) x
k p
k f
X
k X
x X


=
=
=
, (2.156)
aplicnd relaia de mai sus pentru elementele din tabelele de la P6.2, P4.1 i P8.2,
obinndu-se tabelul de forma de mai jos:
k ( ) k f
x X =

x
1

2


k

1
( ) 1
1 = X
f

( ) 2
1 = X
f


...
( ) k f
X 1 =

2
( ) 1
2 = X
f

( ) 2
2 = X
f

... ( ) k f
X 2 =





k
( ) 1
k X
f
=
( ) 2
k X
f
=
... ( ) k f
k X =

Pasul 9. Procedura Bayes cu probabiliti posterioare.
P9.1: Se determin riscul Bayes n funcie de distribuia posterioar, date fiind
valorile x X = , cu relaia de mai jos, n care se ine cont i de costul
experimentului, iar datele se organizeaz ntr-un tabel de forma de mai jos:
( ) ( ) [ ] ( ) ( ) l i C k f k a L C a L M C a B
k
x X i i i f
, , , , 1 = + = + = +
=
. (2.157)
1 = x 2 = x k x =
( ) C a B
j f
+
1
( ) ( )

+C f a L
j
1 1
1

, ( ) ( )

+C f a L
j
2 2
1

, ( ) ( )

+C k f k a L
j
,
1

( ) C a B
j f
+
2
( ) ( )

+C f a L
j
1 1
2

, ( ) ( )

+C f a L
j
2 2
2

, ( ) ( )

+C k f k a L
j
,
2


( ) C a B
k
j f
+
( ) ( )

+C f a L
k
j
1 1

, ( ) ( )

+C f a L
k
j
2 2

, ( ) ( )

+C k f k a L
k
j
,


2.6 APLICAII 65



P9.2: Se stabilete decizia privind aciunile Bayes, considernd minimul valorilor
pe coloan din tabelul de mai sus. Se obine un tabel de forma:
x Aciunea Bayes Riscul Bayes Distribuia
marginal
1
1
j
a
( ) { } C a B
j f
k
+
1
min
( ) 1
X

2
2
j
a ( ) { } C a B
j f
k
+
2
min
( ) 2
X



k
k
j
a ( ) { } C a B
k
j f
k
+ min
( ) k
X

Pasul 10. Valoarea experimentului.
P10.1: Se determin pierderea medie cu informaie perfect disponibil:
( ) ( ) ( )

=
k
k k
k p a L IP M

, . (2.158)
P10.2: Se calculeaz costul informaiei perfecte:
( ) ( ) ( ) IP M a L IP C
j
=min . (2.159)
P10.3: Se calculeaz pierderea medie necondiionat cu experimentare:
( ) ( )

=
k
X j f f
k a B B
k

~
. (2.160)
P10.4: Se determin valoarea experimentului (fr costul acestuia):
( )
j f
a L B L min
~
exp
= . (2.161)
P10.5: Se calculeaz riscul mediu ponderat (cu regula neoptimal):
( ) [ ] ( ) { }

+ =
k
k n
k p C d R B

,
~
. (2.162)
P10.6: Se calculeaz economia ca urmare a aplicrii procedurii Bayes optimale
cu probabiliti posterioare, fa de regula Bayes neoptimal:
B B L
f opt
~ ~
= . (2.163)
Pasul 11. Arborele de decizie.
P11.1: Se construiete arborele de decizie, conform procedurii prezentate
anterior.
P11.2: Se aloc n nodurile de incertitudine, valorile de risc calculate.
Pasul 12. Concluzii.
P12.1: Se trage concluzia asupra deciziei optimale iniiale care trebuie adoptat,
precum i asupra secvenei de aciuni care trebuie adoptate pentru rezolvarea
problemei de decizie.


66 CAPITOLUL 2 NOIUNI DE TEORIA DECIZIEI


2.6.3 Problema festivalului

Vom aplica paii algoritmului descris anterior pentru aa-numita problem a
festivalului, care este exemplificat i rezolvat n continuare.
Un festival n aer liber este planificat s fie organizat ntr-un ora la o anumit
dat. Profiturile care se estimeaz c se vor obine n urma desfurrii festivalului
depind n cea mai mare msur de starea vremii. Astfel, dac vremea este ploioas,
organizatorii festivalului vor nregistra o pierdere de 30.000, datorit numrului
foarte redus de participani; dac pe durata festivalului cerul va fi nnorat, pierderile
vor fi de 10.000, iar dac timpul va fi frumos i nsorit, festivalul va aduce un profit
de 20.000. Costul instalrii echipamentului tehnic necesar desfurrii festivalului
este de 2.000, pierdere care s-ar nregistra dac echipamentul ar fi instalat, iar
festivalul ar fi anulat. La momentul respectiv, organizatorii vor putea beneficia de un
buletin meteo pentru prognoza vremii n perioada festivalului, de la o filial a unui
institut meteorologic, care a sintetizat datele de predicie a vremii. S remarcm faptul
c suntem n faa unei probleme de decizie fr experimentare (cazul A) dac
organizatorii festivalului (decidentul) nu utilizeaz prognoza meteo sau o problem de
decizie cu experimentare (cazul B), dac vor lua n considerare prognoza din buletinul
meteo.

A. DECIZIE FR EXPERIMENTARE
Pasul 1. Definirea problemei de decizie.
P1.1: Spaiul de aciune: { }
2 1
a a , A = , unde:
1
a : Instalare echipament i organizare festival;
2
a : Neinstalare echipament i anulare festival.
P1.2: Spaiul strilor: { }
3 2 1
, ,
,
= , unde:
1
: Ploaie;
2
: Nori;
3
: Soare.
P1.3: Consecine:
Consecine Aciuni Stri
( )
1 1
, a Organizare festival instalare echipament Ploaie
( )
2 1
, a Organizare festival instalare echipament Nori
( )
3 1
, a Organizare festival instalare echipament Soare
( )
1 2
, a Anulare festival neinstalare echipament Ploaie
( )
2 2
, a Anulare festival neinstalare echipament Nori
( )
3 2
, a Anulare festival neinstalare echipament Soare


2.6 APLICAII 67



P1.4: Costuri (UM = ):
Consecine Costuri Profit
( )
1 1
, a 30.000
( )
2 1
, a 10.000
( )
3 1
, a 20.000
( )
1 2
, a 2.000
( )
2 2
, a 2.000
( )
3 2
, a 2.000
Pasul 2. Definirea funciei de pierdere.
P2.1: Funcia de pierdere:
Starea naturii
Aciunea
1

2

3
( )
j
a L , max
1
a 30.000 10.000 20.000 30.000
2
a 2.000 2.000 2.000 2.000
Pasul 3. Regula de decizie minimax.
P3.1: S-a bordat tabelul funciei de pierdere cu o coloan care conine maximul
valorilor funciei de pierdere din fiecare linie.
P3.2: Regula de decizie minimax:
( ) 000 2. , max min =
j
a L .
P3.3: Decizia minimax: Aciunea
2
a Neinstalare echipament i anulare
festival.
Pasul 4. Definirea probabilitilor iniiale.
P4.1: Probabilitile iniiale sunt:
Starea naturii
1

2

3

Probabiliti iniiale 0,10 0,30 0,40
P4.2: Probabilitile iniiale verific condiiile de definire a probabilitilor
(valorile sunt cuprinse ntre 0 i 1, iar suma lor este egal cu 1).
Pasul 5. Regula de decizie Bayes.
P5.1: Pierderile medii pentru fiecare aciune
j
a :
Starea naturii
Aciunea
1

2

3
( )
j
a L
1
a 3.000 3.000 12.000 6.000
2
a 200 600 1.200 2.000


68 CAPITOLUL 2 NOIUNI DE TEORIA DECIZIEI


P5.2: Regula de decizie Bayes:
( ) 000 6. min =
j
a L .
P5.3: Decizia Bayes: Aciunea
1
a Instalare echipament i organizare festival.
B. DECIZIE CU EXPERIMENTARE
Pasul 6. Definirea experimentului.
P6.1: Spaiul de eantionare X , variabila aleatoare X, cu valorile:
1 = x Prognoz ploaie;
2 = x Prognoz nori;
3 = x Prognoz soare.
P6.2: Probabilitile condiionate ca urmare a experimentului sunt date n tabelul
urmtor.
P6.3: Costul experimentului 500 1. = C (costul studiului de prognoz meteo).

i X
i
=

x
1

2

3

1 7/10 2/10 1/10
2 2/10 6/10 2/10
3 1/10 2/10 7/10
Pasul 7. Procedura Bayes cu probabiliti iniiale.
P7.1: Regula de decizie ( ) x d
n
i aciunile:
X 1 2 3
n
d
2
a
2
a
1
a
Aceasta nseamn c se va adopta aciunea
2
a , respectiv anularea festivalului,
dac prognoza meteo indic ploaie sau nori i aciunea
1
a , adic inerea
festivalului, dac prognoza meteo indic timp nsorit.
P7.2: Calculul riscului mediu:
x 1 2 3 C ( ) C d R
j n
+ ,
( )
1
,
n
d R 1.400 400 3.000 1.500 6.300
( )
2
,
n
d R 400 1.200 2.000 1.500 5.100
( )
3
,
n
d R 200 400 14.000 1.500 11.900
P7.3: Riscul mediu minim:
( ) 900 11. , min =
i n
i
d R .
P7.4: Decizia Bayes (neoptimal): Aciunea
1
a organizarea festivalului.


2.6 APLICAII 69



Pasul 8. Calculul probabilitilor posterioare.
P8.1: Probabilitile condiionate posterioare i distribuia marginal:
k ( ) ( ) k p x
k X

=
( ) x
X

x
1

2

3

1 0,07 0,06 0,06 0,19
2
0,02 0,18 0,12
0,32
3 0,01 0,06 0,42 0,49
P8.2: Distribuia posterioar:
k ( ) k f
x X =

x
1

2

3

1 0,368 0,316 0,316
2 0,063 0,563 0,375
3 0,020 0,122 0,857

Pasul 9. Procedura Bayes cu probabiliti posterioare.
P9.1: Riscul Bayes n funcie de distribuia posterioar:
x x = 1 x = 2 x = 3
( ) C a B
f
+
1
9.395 1.500 13.806
( ) C a B
f
+
2

3.500 3.500 4.000
P9.2: Decizia privind aciunile Bayes:
x Aciunea Bayes Riscul Bayes Distribuia
marginal
1
2
a 3.500
0,19
2
1
a 1.500 0,32
3
1
a 13.806
0,49
Pasul 10. Valoarea experimentului.
P10.1: Pierderea medie cu informaie perfect disponibil:
( ) ( ) ( ) 200 11. , = =

k
k k
k p a L IP M

.
P10.2: Costul informaiei perfecte:
( ) ( ) ( ) 200 5. min = = IP M a L IP C
j
.



70 CAPITOLUL 2 NOIUNI DE TEORIA DECIZIEI


P10.3: Pierderea medie necondiionat cu experimentare:
( ) ( ) 620 5.
~
= =

k
X j f f
k a B B
k
.
P10.4: Valoarea experimentului (fr costul acestuia):
( ) 000 6. min
~
exp
= =
j f
a L B L .
P10.5: Riscul mediu ponderat (cu regula neoptimal):
( ) [ ] ( ) { } 980 4. ,
~
= + =

k
k n
k p C d R B

.
P10.6: Economia ca urmare a aplicrii procedurii Bayes optimale cu probabiliti
posterioare, fa de regula Bayes neoptimal:
640 = = B B L
f opt
~ ~
.
Pasul 11. Arborele de decizie.
P11.1: Arborele de decizie pentru problema festivalului este reprezentat n Figura
2.27. n prima parte a acestui arbore de decizie este reprezentat decizia fr
experimentare, respectiv fr date meteo. Se observ c aceast decizie nu este
acceptabil (ramura este barat). n a doua parte a arborelui de decizie, este
reprezentat decizia cu experimentare, respectiv decizia care are la baz
informaiile furnizate de studiul meteo.
P11.2: Valorile de risc calculate n cadrul algoritmului sunt reprezentate n
nodurile de incertitudine.
Pasul 12. Concluzii.
P12.1: Valorile funciilor de risc calculate conduc la concluzia c pentru
problema noastr, decizia optimal o constituie alegerea unei proceduri de
decizie fr experimentare i a aciunii de organizare a festivalului.
n condiiile unei proceduri de decizie cu experimentare, regula de decizie Bayes
neoptimal a condus la aceeai aciune de instalare echipament i organizare a
festivalului. De asemenea, i utilizarea procedurii Bayes cu probabiliti posterioare
duce la aceeai decizie optimal. Analiznd ns informaiile furnizate de valoarea
experimentului, rezult c costul studiului de prognoz meteo nu justific opiunea
pentru o decizie cu experimentare.
Algoritmul prezentat aici pentru acest tip de probleme de decizie (respectiv
pentru acele probleme de decizie n care avem distribuii de probabilitate discrete) are
avantajul organizrii tabelare, ceea ce permite utilizarea rapid a unor programe de
calcul tabelar. Vom vedea n Capitolul 4 c acest algoritm, cu unele completri, este
aplicabil i pentru situaiile unor probleme de decizie bazate pe distribuii de
probabilitate continue.


2.6 APLICAII 71



DECIZIE FR EXPERIMENTARE
30.000
-6.000
10.000
-6.000 -20.000
2.000
2.000
Neinstalare 2.000
2.000
-6.000 9.395
3.500
1.500 3.500
1.500
-7.120 1.500
3.500
-13.806
-13.806
4.000
DECIZIE CU EXPERIMENTARE
Fr date
meteo
Cu date
meteo
Instalare
a
1
a
2

1
(0,10)

2
(0,30)

3
(0,60)
x = 1 (0,190)
x = 2 (0,320)
a
1
a
2
x = 3 (0,490)
a
1
a
1
a
2
a
2

1
(0,10)

2
(0,30)

3
(0,60)


Figura 2.27 Arborele de decizie pentru problema festivalului

2.6.4 Aplicaii propuse

A2.1 (a) S se rezolve problema forajului utiliznd pentru probabilitile iniiale valorile din
tabelul urmtor:
k k = 1 k = 2 k = 3 k = 4
( ) k p


0,12 0,16 0,24 0,48
(b) S se rezolve problema forajului, dac profitul crete la 0,20 / litru.
A2.2 (a) Ce decizie se va adopta n problema festivalului dac studiul de prognoz meteo va
avea un cost de 500?
(b) S se rezolve problema festivalului dac pierderea va fi de 15.000 n caz de
ploaie, 5.000 n caz de timp noros i profitul de 20.000 n caz de timp nsorit, iar
studiul de prognoz cost 1.000.


72 CAPITOLUL 2 NOIUNI DE TEORIA DECIZIEI


A2.3 O banc trebuie s decid acordarea unui credit de 50.000 unui nou client, o firm de
producie. Banca i clasific clienii dup nivelul de risc referitor la rambursarea creditului n
urmtoarele categorii: risc sczut, risc mediu i risc ridicat. Din informaiile de care dispune
banca i din experiena anterioar, a rezultat c, pentru firmele productoare din categoria din
care face parte i noul client, 35% sunt cu risc sczut, 45% cu risc mediu i 20% cu risc ridicat.
Dac se acord creditul, atunci profitul ateptat este de 10.000 pentru risc sczut, 5.000 pentru
risc mediu i 7.500 pentru risc ridicat. Dac nu se acord creditul, atunci clientul se va adresa
altei bnci. Banca poate utiliza servicii de consultan de la o firm specializat pentru evaluarea
riscului creditului, costul studiului fiind de 1.200. Din studiile anterioare, firma de consultan
a furnizat urmtoarele nivele de evaluare a riscului creditului:

Rata real a riscului creditului (%) Evaluarea firmei
de consultan Sczut Mediu Ridicat
Sczut 15 10 40
Mediu 55 50 40
Ridicat 30 40 20

(a) Ce decizie minimax rezult n condiiile unei decizii fr experimentare, respectiv fr a
utiliza evaluarea firmei de consultan?
(b) Ce aciune rezult ca urmare a aplicrii regulii de decizie Bayes fr experimentare?
(c) Care este valoare care se poate plti pentru o informaie perfect?
(d) S se determine decizia optimal pentru o procedur de decizie cu experimentare i cu
probabiliti posterioare.
(e) S se construiasc i s se evalueze arborele de decizie al problemei.
(f) S se stabileasc aciunea optimal cu ajutorul arborelui de decizie evaluat.

A2.4 O firm a dezvoltat o nou tehnologie de programare, care i va permite s intre pe piaa
de software. Ca alternativ la producia de programe, firma poate s i vnd drepturile sale de
proprietate intelectual asupra noii tehnologii, pentru 80.000. Dac alege s aplice noua
tehnologie i s produc software, profitabilitatea aciunii va depinde de abilitatea de a vinde
pachetul de programe n primul an de producie. Accesul la firmele specializate n vnzarea de
software i garanteaz vinderea a 250 de pachete de programe. Pe de alt parte, dac produsul va
avea succes, vor fi vndute pn la 1.000 de pachete de programe. Din analizele de marketing a
rezultat c ambele alternative (producerea de software sau vinderea drepturilor de licen) au
aceleai anse se aplicare, alte alternative nefiind luate n considerare. Costurile fixe pentru
fabricaie sunt de 60.000. Diferena ntre preul de vnzare i costurile variabile ale unui pachet
de programe este de 60. Studiul de pia necesar pentru a stabili care dintre cele dou nivele de
vnzri sunt mai realiste cost 4.000, iar experiena anterioar a artat c prognoza de pia
este corect n dou din trei cazuri.
(a) Ce aciune va rezulta ca urmare a aplicrii procedurii Bayes, fr utilizarea studiului de
pia, deci n condiiile unei decizii fr experimentare?
(b) Care este costul informaiei perfecte ?
(c) Care este riscul Bayes, dac se utilizeaz studiul de pia?
(d) Care este decizia optimal pentru procedura Bayes cu probabiliti posterioare?
(e) S se construiasc i s se evalueze arborele de decizie al problemei.
(f) S se stabileasc aciunea optimal cu ajutorul arborelui de decizie evaluat

73
3

TEHNICI DE SIMULARE

3.1 CONSTRUCIA UNUI MODEL DE SIMULARE

Simularea este o metod prin care se realizeaz reprezentarea modelului unui
sistem pentru a analiza comportarea sau performanele acestuia. Termenul simulare
provine din cuvntul latin simulatio, care nseamn capacitatea de a reproduce,
reprezenta sau imita ceva. Totui, n limbajul uzual, simularea are mai multe sensuri,
diversitate regsit i n semnificaia termenului de simulare n diferite ramuri ale
tiinei. n matematic, termenul simulare a fost folosit pentru prima dat la nceputul
anilor 40, n cadrul proiectului Manhattan de construire a primei bombe atomice
americane. Primii care au utilizat acest termen au fost J. von Neumann i S. Ulam. n
aceeai perioad, echipa de matematicieni i fizicieni de la Los Alamos a introdus
pentru prima dat i metoda Monte Carlo, asociat tehnicilor se simulare numeric,
utiliznd eantioane aleatoare generate cu ajutorul calculatorului electronic. n
contextul problemei de management al riscului, aplicarea simulrii Monte Carlo se
utilizeaz pentru evaluarea riscului asociat evenimentelor sistemului analizat, n
condiii de incertitudine.
n general, tehnicile de simulare implic construirea unui model de natur
statistico matematic. Un model de simulare descrie funcionarea unui sistem n
termenii evenimentelor individuale ale componentelor sistemului analizat. n
particular, sistemul este descompus n elementele sale componente a cror comportare
poate fi descris n termenii unei distribuii de probabilitate, pentru fiecare din strile
posibile ale sistemului i pentru intrrile n sistem. n model sunt integrate i relaiile
ntre elementele sistemului. Dup construcia modelului, vom ncepe simularea prin
generarea variabilelor aleatoare care modeleaz evenimentele sistemului, folosind
distribuiile de probabilitate corespunztoare. Rezultatul este o simulare a modului de
funcionare n timp a sistemului, pe care o nregistrm. Procesul se repet de mai multe
ori pentru diferite alternative i configuraii (scenarii) ale componentelor sistemului.
Din punct de vedere statistic, simularea este o tehnic de realizare a
experimentelor de eantionare privind modelul sistemului. Experimentele se realizeaz


74 CAPITOLUL 3 TEHNICI DE SIMULARE

asupra unui model, deoarece efectuarea experimentelor asupra unui model real este, de
obicei, mult prea costisitoare sau consumatoare de timp. Experimentele de simulare,
datorit volumului foarte mare de date care rezult, trebuie efectuate cu ajutorul unui
calculator.
Primul pas n realizarea unui studiu de simulare este dezvoltarea unui model care
s reprezinte sistemul analizat. Acest pas implic reprezentarea sistemului printr-o
diagram (schem) logic de flux. Sistemul este descompus ntr-o serie de componente
care sunt reprezentate n diagrama de flux i pentru care sunt stabilite regulile de
operare. Aceste reguli de operare furnizeaz evenimentele care vor fi generate cu
ajutorul unor variabile aleatoare. Trebuie remarcat faptul c modelul de simulare nu va
putea s fie o reprezentare complet a sistemului real. Dac comportarea unui anumit
element nu poate s fie prognozat, atunci este preferabil s se genereze valori
aleatoare din distribuia de probabilitate care modeleaz elementul respectiv, n loc s
se utilizeze valori medii. n multe cazuri, combinarea performanelor medii ale
componentelor sistemului poate s conduc la rezultate care s se ndeprteze evident
de comportarea sistemului n general. O problem care se pune atunci cnd alegem
distribuia de probabilitate pentru model este legat de utilizarea distribuiilor de
frecven ale datelor istorice sau de determinarea distribuiilor care concord cel mai
bine din punct de vedere statistic cu aceste date. Este recomandat s se aplice ultima
alternativ, pentru a elimina anumite comportamente particulare posibil s apar n
datele istorice.
n general, realizarea unui experiment de simulare este un proces complex, care
se desfoar n urmtoarele etape principale:
(1) Formularea problemei;
(2) Colectarea i prelucrarea primar a datelor;
(3) Elaborarea modelului de simulare;
(4) Estimarea parametrilor sistemului analizat;
(5) Evaluarea performanelor sistemului i testarea parametrilor;
(6) Construirea algoritmului simulrii;
(7) Validarea algoritmului de simulare;
(8) Planificarea experimentului de simulare;
(9) Analiza datelor simulate;
(10) Concluzia i decizia asupra sistemului analizat.
n consideraiile care urmeaz ne vom concentra numai asupra anumitor etape ale
experimentelor de simulare, respectiv la cele legate de generarea celor mai importante
variabile aleatoare, cele care se utilizeaz cel mai frecvent n tehnicile de simulare
asociate riscului.


3.2 GENERAREA VARIABILELOR ALEATOARE 75


3.2 GENERAREA VARIABILELOR ALEATOARE
3.2.1 Metoda invers

Majoritatea metodelor de generare a numerelor aleatoare se bazeaz pe distribuia
uniform, care are funcia de densitate de probabilitate:


(3.1)
Parametrii statistici ai distribuiei uniforme sunt media (valoarea medie sau
valoarea ateptat):
2
b a +
= , (3.2)
i dispersia (sau variana):
( )
12
2
2
a b
= . (3.3)
n particular, pentru [ ] 1 , 0 x , respectiv 0 = a i 1 = b , avem valoarea medie:
2
1
= , (3.4)
i dispersia:
12
1
2
= . (3.5)
Vom demonstra n continuare o proprietate extrem de important a distribuiei
uniforme, care va justifica utilizarea acesteia n cele mai multe proceduri de generare a
variabilelor aleatoare, respectiv aa-numita metod invers.
Lema 3.1 Fie x o variabil aleatoare oarecare a crei funcie de distribuie
cumulativ este F(x) i fie u o variabil aleatoare uniform pe ( ) 1 , 0 . Dac este
inversa funciei F, atunci variabila aleatoare ( ) u X = are funcia de distribuie F.
Demonstraie: Prin definiie rezult
{ } ( ) ( ) { } ( ) { } ( ) a F a F u a F x F a x = < = < = < Prob Prob Prob (3.6)
Consecina 3.2 Dac
n
u u u , , , K
2 1
este un ir de variabile aleatoare uniforme,
independente pe ( ) 1 , 0 , atunci
n
x x x , , , K
2 1
, unde ( )
i i
u x = , este un ir de variabile
aleatoare independente a cror distribuie este F i
1
= F .
Conform lemei anterioare, dac inversa F are o expresie analitic uor de
calculat, problema generrii unui ir de variabile aleatoare cu funcia de distribuie
[ ]


=
contrar caz n 0
dac
1
,
, ,
) (
b a x
a b x f


76 CAPITOLUL 3 TEHNICI DE SIMULARE

F(x) se reduce la generarea unui ir de variabile aleatoare
n
u u u , , , K
2 1
uniforme pe
( ) 1 , 0 i apoi la calculul valorilor
n
x x x , , , K
2 1
, unde
( )
i i
u F x
1
= . (3.7)
Metoda invers nu este o metod general, deoarece nu ntotdeauna putem s
calculm direct inversa
1
F , iar metodele aproximative de calcul nu conduc n toate
situaiile la algoritmi satisfctori. De aceea, vom analiza i alte procedee de generare
a variabilelor aleatoare, cum ar fi utilizarea teoremei limit centrale.
3.2.2 Generarea variabilelor aleatoare continue

Distribuia uniform

Pentru a genera un ir de valori [ ] b a x
i
, uniforme, generm un ir de variabile
aleatoare uniforme ( ) 1 , 0
i
u i apoi
( )
i i
u a b a x + = . (3.8)
n Figura 3.1 este reprezentat distribuia uniform pentru un eantion simulat cu
un efectiv de 100 de valori i cu 60 3,
min
= x , 40 4,
max
= x i probabilitatea 01 0, = p .
0.000
0.005
0.010
0.015
0.020
3.60 3.80 4.00 4.20

Figura 3.1 Distribuia uniform

Distribuia triunghiular

Distribuia triunghiular se utilizeaz ca model pentru estimrile duratelor sau
costurilor activitilor n modelele de simulare a riscului n proiecte. Rspndirea
acestei distribuii este datorat i faptului c parametrii distribuiei sunt determinai de
o valoare minim a, o valoare de baz m (cea mai probabil sau plauzibil) i o valoare
maxim b. Atunci media distribuiei triunghiulare este:


3.2 GENERAREA VARIABILELOR ALEATOARE 77


3
b m a + +
= , (3.9)
iar dispersia
( ) ( ) ( )
18
2
2
b m a m a b +
= . (3.10)
Pentru a genera un ir de valori [ ] b a x
i
, dintr-o distribuie triunghiular,
utilizm proprietatea c media a dou variabile aleatoare uniforme are o distribuie
triunghiular. Atunci pentru a obine irul de variabile aleatoare triunghiulare, generm
perechi de variabile aleatoare uniforme ( ) 1 , 0
2 1

i i
u u , i apoi
( )
2
2 1
i i
i
u u
a b a x
+
+ = . (3.11)
n Figura 3.2 este reprezentat distribuia triunghiular pentru un eantion simulat
cu un efectiv de 100 de valori, cu valoarea minim 80 1, = a , valoarea cea mai
probabil 00 2, = m i cu valoarea maxim 20 2, = b .
0.000
0.005
0.010
0.015
0.020
0.025
1.80 1.88 1.96 2.04 2.12

Figura 3.2 Distribuia triunghiular

Distribuia exponenial negativ

Distribuia exponenial are densitatea de probabilitate
( ) 0 =

t e x f
x
,

, (3.12)
i distribuia cumulativ
( ) 0 1 =

t e x F
x
,

. (3.13)
Pentru a exemplifica metoda invers de generare a unei variabile aleatoare
exponeniale, avem:
u e
x
=

1 , (3.14)
de unde
u e
x
=

. (3.15)


78 CAPITOLUL 3 TEHNICI DE SIMULARE

Prin logaritmare natural obinem succesiv
( ) ( ) u e
x
=

1 ln ln

, (3.16)
i
( ) u x = 1 ln , (3.17)
de unde
( ) u x = 1 ln
1

. (3.18)
Distribuia exponenial negativ pentru 2 = este reprezentat n Figura 3.3.
0.0
0.0
0.0
0.1
0.1
0.1
0.1
0.1
0.2
0 2.7 5.4 8.1 10.8 13.5 16.2 18.9 21.6 24.3 27

Figura 3.3 Distribuia exponenial negativ

Distribuia Weibull

Distribuia Weibull, care se utilizeaz pe scar larg n modelele de fiabilitate,
are funcia de densitate:
( )
( )
0 0 0
1
> >

, , , x e
x
x f
x
, (3.19)
cu funcia de distribuie cumulativ:
( )
( )
0 0 0 1 > > =

, , , x e x f
x
. (3.20)
Procednd ca n exemplul anterior, obinem pentru parametrul de form i
parametrul de scal , relaia pentru generarea unei variabile aleatoare Weibull prin
metoda invers, care este:
( )

u x = 1 ln . (3.21)
Distribuia Weibull cu parametrii 2 = i 1 = este reprezentat n Figura 3.4.
Pentru anumite valori ale parametrilor de form (de exemplu, 6 3, = i 1 = ),
distribuia Weibull se apropie suficient de mult de forma distribuiei normale, cea mai
des utilizat distribuie i n modelele de simulare.


3.2 GENERAREA VARIABILELOR ALEATOARE 79


0.000
0.005
0.010
0.015
0.020
0.025
5.01 5.50 5.99 6.48 6.97

Figura 3.4 Distribuia Weibull

Distribuia gamma
Distribuia gamma are funcia de densitate de probabilitate:
( )
( )
0 0 0
1
> > =



, , , x
e x
x f
x
, (3.22)
( )


=
0
1
dx e x
x
. (3.23)
Utilizm proprietatea c suma a k variabile aleatoare exponeniale independente,
cu media k 1 are o distribuie gamma cu parametrul de form k (natural) i cu media
1 . Atunci, genernd un ir de numere aleatoare uniforme
k
u u u , , , K
2 1
, valorile
pentru distribuia gamma se obin din:
( )

=


=
k
i
i
k
u
x
1
1 ln

, (3.24)
relaie care se reduce la
( )

=

=
k
i
i
u
k
x
1
1 ln
1

. (3.25)
Distribuia gamma cu parametrii 5 2, = i 1 = este redat n Figura 3.5.
0.00
0.10
0.20
0.30
0.40
0.1 1 1.9 2.8 3.7 4.6 5.5 6.4 7.3 8.2 9.1 10

Figura 3.5 Distribuia gamma


80 CAPITOLUL 3 TEHNICI DE SIMULARE

Distribuia beta

Distribuia beta care se utilizeaz, printre altele, pentru modelarea duratei de
realizare a activitilor n metoda drumului critic are densitatea de probabilitate:
( )
( )
( )
0 0 1 0
1
1 1
> >

=




, , ,
,
x
B
x x
x f , (3.26)
unde
( ) ( )
( ) ( )
( )



+
= =


1
0
1 1
1 dx x x B , . (3.27)

Atunci, pentru generarea unei variabile aleatoare beta, vom genera mai nti dou
variabile aleatoare gamma ( )

, k x i ( )

, k x , conform relaiei anterioare, iar


variabila aleatoare beta va fi:
( )
( )
( ) ( )


, ,
,
,
k x k x
k x
x
+
= . (3.28)
Distribuia beta cu parametrii 3 = i 2 = este reprezentat n Figura 3.6.
0.0
0.2
0.4
0.6
0.8
1.0
1.2
1.4
1.6
1.8
2.0
0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0

Figura 3.6 Distribuia beta


Distribuia normal

Vom aplica mai nti o metod relativ simpl de generare a variabilelor aleatoare
provenind dintr-o populaie normal, metod bazat pe teorema limit central.
Distribuia normal are densitatea de probabilitate:
( )
( )
2
2
2
2
1

=
x
e x f , (3.29)
dar nu avem o form a distribuiei cumulative, deci metoda invers nu este aplicabil.
Fie un eantion
n
x x x , , , K
2 1
de valori dintr-o populaie oarecare, cu media i
dispersia
2
. Conform teoremei limit central, media valorilor eantionului tinde


3.2 GENERAREA VARIABILELOR ALEATOARE 81


ctre distribuia normal standardizat, adic
( ) 1 0
2 1
, N
n
n x x x
z
n
n

+ + +
=

K
. (3.30)
Dac
n
u u u , , , K
2 1
sunt variabile uniforme pe intervalul ( ) 1 0, , cu media
2
1
= i
dispersia
12
1
2
= , atunci suma celor n variabile uniforme va avea, conform teoremei
limit central, o distribuie aproximativ normal cu media
2
n
= i dispersia
12
2
n
=
i putem scrie
( ) 1 0
12
2
2 1
, N
n
n
u u u
z
n
n

+ + +
=

K
. (3.31)
nlocuind 12 = n n relaia de mai sus, obinem:
6
12 2 1
+ + + = u u u z K , (3.32)
care este o metod rapid aproximativ pentru generarea unei variabile aleatoare
standardizate. De aici, din relaia de standardizare:


=
x
z , (3.33)
explicitm pe x i obinem relaia pentru o variabil aleatoare cu media i abaterea
standard , respectiv
z x + = . (3.34)
O alt metod relativ simpl de generare a variabilelor aleatoare normale este
metoda polar, care se bazeaz pe urmtoarea teorem (Box i Mller):
Teorema 3.3 Dac
1
u i
2
u sunt dou variabile aleatoare uniforme independente pe
intervalul ( ) 1 0, , atunci variabilele aleatoare
s
s
v z
ln 2
1 1

= ,
s
s
v z
ln 2
2 2

= , (3.35)
unde
1 2
1 1
= u v , 1 2
2 2
= u v ,
2
2
2
1
v v s + = , 1 < s , (3.36)
sunt variabile aleatoare normale independente ( ) 1 0, N .
Atunci, pe baza teoremei de mai sus, algoritmul de generare a variabilelor
aleatoare normale cu metoda polar const din urmtorii pai:
Pasul 1: Se genereaz dou variabile aleatoare
1
u i
2
u , uniforme i independente pe
( ) 1 0, . Se calculeaz 1 2
1 1
= u v i 1 2
2 2
= u v .


82 CAPITOLUL 3 TEHNICI DE SIMULARE

Pasul 2: Se calculeaz
2
2
2
1
v v s + = .
Pasul 3: Dac 1 s se revine la Pasul 1.
Pasul 4: Se calculeaz
( )
2 1 1
2 cos ln 2 u u z = , ( )
2 1 2
2 sin ln 2 u u z = , (3.37)
care sunt variabile aleatoare normale standardizate i independente.
O reprezentare a distribuiei normale cu parametrii 00 1, = i 10 0, = este
redat n Figura 3.7.
0.000
0.005
0.010
0.015
0.020
0.025
0.030
0.70 0.76 0.82 0.88 0.94 1.00 1.06 1.12 1.18 1.24

Figura 3.7 Distribuia normal

Distribuia lognormal

Atunci cnd modelul pe care l analizm este asimetric, distribuia lognormal
poate fi un model statistic mai bun.
n general, variabila aleatoare x este o variabil lognormal dac x y ln = este o
variabil aleatoare normal, avnd densitatea de probabilitate:
( )
2
2
1
2
1

=
y
y
y
y
e y f


, (3.38)
unde

+ = 1 ln
2
2
2
x
x
y

, (3.39)
i

+ = 1 ln
2
1
ln
2
2
x
x
x y

. (3.40)
Rezult de aici c atunci cnd media
x
i dispersia
2
x
ale unei variabile
lognormale x sunt cunoscute, generarea unei valori aleatoare a lui x se poate face cu


3.2 GENERAREA VARIABILELOR ALEATOARE 83


urmtorul algoritm:
Pasul 1: Se calculeaz
2
y
i
y
conform relaiilor (3.39) i (3.40).
Pasul 2: Se genereaz o variabil aleatoare normal standardizat z.
Pasul 3: Se calculeaz
y y
z y + = .
Pasul 4: Se calculeaz
y
e x = .
O reprezentare a distribuiei lognormale cu parametrii media 5 3, =
y
i abaterea
standard 2 1, =
y
este redat n Figura 3.8.
0.000
0.005
0.010
0.015
0.020
0.025
0.030
2.22 2.40 2.58 2.77 2.95 3.13 3.31 3.49 3.67 3.85

Figura 3.8 Distribuia lognormal


3.2.2 Generarea variabilelor aleatoare discrete

Vom analiza n continuare metodele de generare a variabilelor aleatoare pentru
principalele distribuii discrete utilizate n simulare i anume distribuiile Bernoulli,
geometric, Poisson, binomial i binomial negativ.

Distribuia Bernoulli

ntr-un experiment Bernoulli, sunt posibile numai dou de rezultate: succese
(notate S) sau eecuri (notate F). Dac p este probabilitatea de succes, atunci p q =1
este probabilitatea nregistrrii unui eec. Presupunem c experimentele sunt
independente, iar p, cu 1 0 p , este o constant. Atunci pentru generarea unei
variabile aleatoare x de tip Bernoulli, care va lua valoarea 1 n cazul unui succes (S)
sau valoarea 0 n cazul unui eec (F), putem aplica urmtorul algoritm:
Pasul 1: Se genereaz o variabil aleatoare u uniform pe ( ) 1 0, .
Pasul 2: Dac p u , atunci 1 = x , iar n caz contrar 0 = x .


84 CAPITOLUL 3 TEHNICI DE SIMULARE

Distribuia geometric

Dac ntr-un ir de experimente Bernoulli notm cu x variabila aleatoare care
reprezint numrul de eecuri nregistrate pn la apariia primului succes, atunci x
este o variabil aleatoare geometric. Distribuia de probabilitate a variabilei
geometrice este
( ) { } K 2, 1, 0, Prob = = = = x pq x X x f
x
, , (3.41)
iar distribuia cumulativ
( ) { }
1
0
1 Prob
+
=
= = =

x
x
i
i
q q p x X x F , (3.42)
adic suma unei progresii geometrice, de unde provine i numele distribuiei.
Din relaia de mai sus, i aplicnd metoda invers, obinem succesiv:
0 1
ln
ln

x
q
u
x , , (3.43)
unde prin [ ]

a am notat numrul ntreg nenegativ cel mai apropiat de numrul real a.


S notm c variabila geometric se poate obine direct i dintr-o variabil
Bernoulli.

Distribuia Poisson

O variabil aleatoare discret x Poisson de parametru are distribuia de
probabilitate
( ) K 2, 1, 0,
!
= =

x
x
e
x p
x
,

. (3.44)
Se tie c distribuia Poisson este un model adecvat pentru repartiia
evenimentelor rare, cum ar fi, de exemplu, numrul de sosiri ntr-un sistem de
ateptare, care apar ntr-o unitate de timp. Dar acest interval de timp dintre dou sosiri
are o distribuie exponenial negativ, i vom folosi aceast proprietate pentru
generarea variabilei Poisson x de parametru , cu urmtorul algoritm:
Pasul 1: Se calculeaz

= e a i se iniializeaz 1 := b i 0 : i = .
Pasul 2: Se genereaz o variabil aleatoare u uniform pe ( ) 1 0, i se calculeaz
u b b = : .
Pasul 3: Dac a b , se incrementeaz 1 : + = i i i se trece la Pasul 2.
Pasul 4: Dac a b < , atunci i x = .
Reprezentarea distribuiei Poisson pentru 5 2, = i 10 2 1 0 , , , , K = x este redat n
Figura 3.9.


3.2 GENERAREA VARIABILELOR ALEATOARE 85


0.00
0.05
0.10
0.15
0.20
0.25
0.30
0 1 2 3 4 5 6 7 8 9 10

Figura 3.9 Distribuia Poisson

Distribuia binomial

Variabila aleatoare binomial reprezint numrul de succese x n n experimente
Bernoulli, avnd numeroase aplicaii practice, mai ales n controlul statistic al calitii.
De asemenea, distribuia binomial este frecvent utilizat datorit proprietilor de
aproximare prin distribuia normal. Distribuia binomial are forma:
( ) n x q p x p
x n x
, , , , K 1 0 = =
x
n
C , (3.45)
unde p este probabilitatea de succes ntr-o singur ncercare, p q =1 , n este numrul
de ncercri, iar x este numrul de succese n n ncercri.
Pentru generarea direct a variabilei aleatoare binomiale x, cu parametrii p i n,
se aplic urmtorul algoritm:
Pasul 1: Se genereaz n variabile aleatoare
i
b de tip Bernoulli, folosind valoarea lui
p n algoritmul descris mai sus.
Pasul 2: Variabila aleatoare binomial se obine din suma:

=
=
n
i
i
b x
1
. (3.46)
innd cont de parametrii distribuiei binomiale x, respectiv media np = i
dispersia npq =
2
, conform teoremei limit central, are loc limita
( ) 1 0, N
npq
np x
z
n

=

, (3.47)
proprietate care poate fi folosit pentru generarea variabilei aleatoare binomiale, atunci
cnd n este suficient de mare.
Algoritmul de generare a variabilei binomiale x este urmtorul:
Pasul 1: Se stabilesc valorile de intrare n i p. Se calculeaz p q =1 .


86 CAPITOLUL 3 TEHNICI DE SIMULARE

Pasul 2: Se genereaz o variabil aleatoare normal standardizat z (cu una din
metodele prezentate la distribuia normal)
Pasul 3: Se calculeaz variabila aleatoare binomial
[ ]

+ = npq z np x , (3.48)
unde prin [ ]

a am notat numrul ntreg nenegativ cel mai apropiat de numrul real a.


Distribuia binomial cu 5 0, = p i 20 = n este reprezentat n Figura 3.10. Se poate
observa forma distribuiei binomiale, asemntoare distribuiei normale.
0.00
0.04
0.08
0.12
0.16
0.20
0 2 4 6 8 10 12 14 16 18 20

Figura 3.10 Distribuia binomial

Distribuia binomial negativ

Dac pentru un ir de experimente Bernoulli, notm cu x variabila care reprezint
numrul de eecuri nregistrate pn la apariia a k succese ( 0 > k ), atunci x se numete
variabil binomial negativ (sau variabil Pascal) i are distribuia de probabilitate:
( ) K , , , 1 0
1
= =
+
x q p x p
x k k
x
x
C . (3.49)
S remarcm, de asemenea, faptul c distribuia geometric menionat anterior
este un caz particular al distribuiei binomiale negative, pentru 1 = k .
Din definiie rezult c variabila aleatoare Pascal este o sum de k variabile
aleatoare geometrice, i atunci putem obine un procedeu pentru generarea variabilei
binomiale negative, de parametri k i p, utiliznd relaia:

=

q
u
x
k
i
i
ln
ln
1
, (3.50)
unde prin [ ]

a am notat numrul ntreg nenegativ cel mai apropiat de numrul real a.




3.3 APLICAII 87


3.3 APLICAII
3.3.1 Simularea unei probleme de risc economic

Vom exemplifica n continuare aplicarea metodei Monte Carlo de simulare a unei
probleme n care riscul are o component economic. n majoritatea cazurilor, n
ultim instan, riscul va avea o component economic, asociat pierderii sau
profitului ca urmare a adoptrii unei decizii cu caracter economic i a aciunii
corespunztoare aplicate.

Modelul

O firm de transport are n dotare 5 microbuze luate n leasing, cu care
efectueaz transport interurban de persoane, pe distane medii. Cursele sunt de dou
tipuri: curse planificate, cu orare i trasee fixate i curse charter, neplanificate, pentru
turism, transporturi de persoane pentru manifestri culturale i sportive sau n alte
scopuri. Firma dorete realizarea unei simulri a performanelor sale economice
(exprimate prin profitul anual) pentru anul urmtor. Modelul problemei de simulare
este prezentat n Tabelul 3.1.
Variabilele de intrare n model au fost clasificate n variabile controlabile (cele
asupra crora firma are un anumit control i le poate influena sau modifica, respectiv
preul curselor charter pe or i preul biletelor pe or) i n variabile aleatoare, asupra
crora firma fie nu are un control direct, fie ele au o variabilitate inerent, datorat
mediului economic n care firma acioneaz (respectiv variabilele: ore transport/an,
capacitatea curselor planificate, proporia curselor charter, costuri operaionale/or,
costuri fixe). n tabelul de mai jos sunt date valorile de baz pentru variabilele de
intrare pentru un microbuz, valori cu care au fost realizate calculele de eficien
economic.
Venitul total a fost calculat avndu-se n vedere: numrul total de ore de transport
pe an, capacitatea ocupat a curselor planificate i preul biletelor pe ora de transport,
la care s-a adugat proporia orelor curselor charter cu preul pe or al acestor curse.
Costul total a fost determinat calculndu-se costurile variabile operaionale pentru
totalul orelor de transport, la care au fost adugate costurile fixe. n final, valorile
obinute au fost multiplicate cu numrul de microbuze.
Valorile variabilelor de indicatori economici (venitul total i costul total) precum
i variabila de performan a modelului (profitul anual) au fost considerate variabile
simulate, deoarece ele se obin pe baza valorilor simulate ale variabilelor aleatoare ale
modelului.


88 CAPITOLUL 3 TEHNICI DE SIMULARE

Tabelul 3.1 Modelul problemei de simulare
Variabile de intrare Valori Tip variabil
Pre curs charter/or 250 Controlabil
Pre bilete/or 130 Controlabil
Ore transport/an 800 ore Aleatoare
Capacitatea curselor planificate 50% Aleatoare
Proporia curselor charter 0,5 Aleatoare
Costuri operaionale/or 250 Aleatoare
Costuri fixe (leasing, asigurri,
salarii)
10,000 Aleatoare

Indicatori economici
Venit total 230.000 Simulat
Cost total 210.000 Simulat

Performana
Profit anual 20.000 Simulat


Simularea

Pentru variabilele aleatoare ale modelului, din datele istorice de care dispune
firma i din analizele de marketing, au fost stabilite distribuiile de probabilitate i
parametrii acestor distribuii. Astfel, pentru numrul de ore de transport anual a fost
aleas o distribuie normal cu media de 800 de ore i abaterea standard de 60 de ore.
Capacitatea ocupat a curselor planificate a fost modelat printr-o distribuie
triunghiular cu valoarea minim 30%, valoarea probabil 50% i valoarea maxim
70%. Tot printr-o distribuie triunghiular a fost modelat i proporia curselor charter
n totalul orelor de transport anuale, avnd un minim de 0,4, o valoare probabil de 0,5
i o valoare maxim de 0,6. Costurile operaionale pe ora de transport au fost modelate
printr-o distribuie normal cu media 250 i abaterea standard de 10. n fine, pentru
costurile fixe, s-a optat pentru o distribuie discret cu probabilitatea 0,25 de a realiza
costuri fixe de 7.500, probabilitatea 0,45 ca firma s aib costuri fixe de 10.000 i
probabilitatea de 0,30 de a nregistra costuri fixe de 12.500.
Cu parametrii stabilii pentru fiecare variabil aleatoare a modelului, se trece la
simularea valorilor acestor variabile, pentru fiecare distribuie n parte i apoi la
agregarea valorilor simulate n model. n exemplul problemei noastre, cu valorile
simulate se calculeaz indicatorii economici i apoi rezult valorile pentru variabila
aleatoare de profit anual. Simularea se realizeaz pentru un ir semnificativ de valori
(n general ntre 1.000 i 10.000 de valori simulate) i se poate repeta de mai multe ori.


3.2 GENERAREA VARIABILELOR ALEATOARE 89


Pentru exemplul firmei de transport, rezultatele simulrii sunt prezentate n
Tabelul 3.2.
Tabelul 3.2 Parametrii simulrii
Parametri Valori
Media 18.827
Abaterea standard 20.971
Valoarea minim -20.992
Prima cuartil (Q
1
) 4.479
Mediana 16.007
A treia cuartil (Q
3
) 33.428
Valoarea maxim 66.977
Histograma frecvenei distribuiei simulate este redat n Figura 3.11.
0
5
10
15
20
25
-30,000 -10,000 10,000 30,000 50,000 70,000
Profit anual
F
r
e
c
v
e
n

a

Fig. 3.11 Histograma frecvenei distribuiei simulate
Distribuia cumulativ a variabilei simulate (profitul anual), obinut din cumularea
datelor de simulare, este prezentat n Figura 3.12.
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
-40,000 -20,000 0 20,000 40,000 60,000 80,000
Profit anual
P
r
o
b
a
b
i
l
i
t
a
t
e
a

c
u
m
u
l
a
t
i
v

Figura 3.12 Distribuia cumulativ simulat


90 CAPITOLUL 3 TEHNICI DE SIMULARE

S analizm acum rezultatele simulrii. Valoarea medie simulat a profitului
anual este de 18.827, cu o abaterea standard de 20.971. Se observ c media
profitului se apropie destul de mult de valoare rezultat ca urmare a calculului
profitului n modelului determinist (modelul fr variabile aleatoare din Tabelul 3.1).
Amplitudinea valorilor simulate este de 87.969, cu valoarea minim simulat este de
20.992 i valoarea maxim 66.977. Analiznd cuartilele, rezult pentru prima
cuartil (
% 25 1
Q Q = ) o valoare de 4.479, ceea ce nseamn c cu probabilitatea 0,75
profitul anual va fi de circa 4.500, mediana (sau cuartila
% 50 2
Q Q = ) de 16.007, adic
cu probabilitatea 0,50 profitul anual va fi de 16.000, iar a treia cuartil (
% 75 3
Q Q = )
este egal cu 33.428, adic probabilitatea 0,25 de a avea un profit anual de 33.500.
Centilele
% % % %
, , , ,
100 90 10 0
P P P P K (care se mai numesc i decile) sunt prezentate n Tabelul
3.3. Cu ajutorul lor, dar i al reprezentrii distribuiei cumulative simulate, putem s
evalum probabilitile de a avea diferite valori ale profitului.
Tabelul 3.3 - Centilele distribuiei simulate
Centile Valori Centile Valori
P
0%

20.992
P
60%

22.026
P
10%
6.937 P
70%
29.046
P
20%
3.194 P
80%
39.678
P
30%
7,303 P
90%
47.358
P
40%
11.007 P
100%
66.977
P
50%
16.007
Gradul de certitudine n rezultatele obinute prin simulare poate fi evaluat i prin
intermediul distribuiei cumulative simulate din Figura 3.12. Astfel, probabilitatea ca
firma s nu nregistreze pierderi notnd cu X variabila aleatoare reprezentat de
profitul anual este aproximativ probabilitatea:
{ } { } 83 0 17 0 1 0 Prob 1 0 Prob , , = < = X X , (3.51)
iar probabilitatea ca profitul anual s fie mai mare sau egal cu 20.000 este
aproximativ:
{ } { } 44 0 56 0 1 000 20 Prob 1 000 20 Prob , , . . = < = X X . (3.52)

Analiza de senzitivitate

Analiza de senzitivitate este o tehnic prin care sunt simulate reaciile modelului
la diferitele variaii ale variabilelor de intrare. Etapele pentru realizarea analizei de
senzitivitate sunt urmtoarele:
(1) Se stabilesc valorile minime, de baz i maxime ale variabilelor de intrare ale
modelului.


3.2 GENERAREA VARIABILELOR ALEATOARE 91


(2) Se efectueaz analiza influenei tuturor variabilelor asupra modelului (analiza
multidimensional).
(3) Se efectueaz analiza variabilitii modelului, prin analiza amplitudinii i a
varianei variabilelor de intrare.
Pentru analiza de senzitivitate, un prim pas l constituie stabilirea limitelor de
variaie ale variabilelor modelului, att pentru variabilele controlabile (deterministe),
ct i pentru variabilele aleatoare. n acest scop se determin valorile minime, de baz
i cele maxime ale variabilelor de intrare ale modelului. Pentru aplicaia anterioar,
aceste valori sunt date n Tabelul 3.4.
Tabelul 3.4 Valorile minime, de baz i maxime ale variabilelor de intrare
Variabile de intrare Min Baza Max
Pre cursa charter/or 225 250 275
Pre bilete/or 110 130 150
Ore transport/an 600 800 1.000
Capacitatea curselor planificate 30% 50% 70%
Proporia curselor charter 0,4 0,5 0,6
Costuri operaionale/or 220 250 280
Costuri fixe (leasing, asigurri, salarii) 7.500 10.000 12.500
Analiza multidimensional se realizeaz considernd o plaj de variaie a fiecrei
variabile de intrare n model, de obicei ntre 50% i 150%, cu un pas de variaie din
10% n 10%. Valorile calculate pentru valorile 50%, 80%, 100%, 120% i 150% ale
valorilor variabilelor de intrare din modelul aplicaiei noastr sunt date n Tabelul 3.5.
Tabelul 3.5 Valorile 50% 150% ale variabilelor de intrare
Variabile de intrare 50% 80% 100% 120% 150%
Pre cursa charter/or 125 200 250 300 375
Pre bilete/or 65 104 130 156 195
Ore transport/an 400 640 800 960 1.200
Capacitatea curselor
planificate
25% 40% 50% 60% 75%
Proporia curselor charter 0,25 0,40 0,50 0,60 0,75
Costuri operaionale/or 125 200 250 300 375
Costuri fixe (leasing,
asigurri, salarii)
5.000 8.000 10.000 12.000 15.000
n continuare, cu valorile variabilelor de intrare din tabelul de mai sus, sunt
calculate restul variabilelor de ieire ale modelului, respectiv venitul total i costul
total, din care rezult profitul anual. Analiza multidimensional a variaiei valorice a
profitului anual este prezentat n Tabelul 3.6. Valorile din acest tabel sunt obinute
considernd succesiv, pentru fiecare element al tabelului, valorile din Tabelul 3.5 ca


92 CAPITOLUL 3 TEHNICI DE SIMULARE

urmare a variaiei, iar restul valorilor de calcul fiind cele corespunztoare bazei
(100%) din acelai tabel. De exemplu, valoarea profitului de 30.000 ca urmare a
unui pre pe or al cursei charter corespunztor variaiei de 50% a acestui pre se
obine considernd n modelul de calcul preul de 125 (din coloana 50% a tabelului
de mai sus), iar celelalte elemente din coloana 100%.
Tabelul 3.6 Analiza multidimensional a variaiei valorice a profitului anual
Variabila de ieire Profit anual (valoric)
Variabile de intrare 50% 80% 100% 120% 150%
Pre cursa charter/or 30.000 0 20.000 40.000 70.000
Pre bilete/or 45.000 6.000 20.000 46.000 85.000
Ore transport/an 5.000 14.000 20.000 26.000 35.000
Capacitatea curselor
planificate
45.000 6.000 20.000 46.000 85.000
Proporia curselor charter 35.000 26.000 20.000 14.000 5.000
Costuri operaionale/or 120.000 60.000 20.000 20.000 80.000
Costuri fixe (leasing,
asigurri, salarii)
25.000 22.000 20.000 18.000 15.000
Pe baza datelor din Tabelul 3.6, s-a ntocmit o fi de analiz multidimensional
a efectului variaiei variabilelor de intrare asupra variabilei de ieire, respectiv o fi cu
mai multe variabile reprezentat n Figura 3.13.
-80,000
-60,000
-40,000
-20,000
0
20,000
40,000
60,000
80,000
100,000
120,000
50% 70% 90% 110% 130% 150%
% modificare variabile intrare
P
r
o
f
i
t

a
n
u
a
l
Pret cursa charter/or
Pre bilete/or
Ore transport/an
Capacitatea curselor
planificate
Proporia curselor
charter
Costuri
operaionale/or
Costuri fixe (leasing,
asigurri, salarii)

Figura 3.13 Analiza multidimensional a variaiei valorice a profitului anual
O alt modalitate de analiz o constituie considerarea variaiei procentuale a
profitului ca urmare a variaiei procentuale a variabilelor de intrare, prezentat n
Tabelul 3.6


3.2 GENERAREA VARIABILELOR ALEATOARE 93


Tabelul 3.6 Analiza multidimensional a variaiei procentuale a profitului anual
Variabila de ieire Profit anual (procentual)
Variabile de intrare 50% 80% 100% 120% 150%
Pre cursa charter/or 150% 0% 100% 200% 350%
Pre bilete/or 225% 30% 100% 230% 425%
Ore transport/an 25% 70% 100% 130% 175%
Capacitatea curselor planificate 225% 30% 100% 230% 425%
Proporia curselor charter 175% 130% 100% 70% 25%
Costuri operaionale/or 600% 300% 100% 100% 400%
Costuri fixe (leasing, asigurri,
salarii)
125% 110% 100% 90% 75%
Fia de analiz multidimensional corespunztoare datelor din Tabelul 3.6 este
reprezentat n Figura 3.14.
-500%
-400%
-300%
-200%
-100%
0%
100%
200%
300%
400%
500%
600%
700%
50% 70% 90% 110% 130% 150%
% modificare variabile intrare
%

m
o
d
i
f
i
c
a
r
e

p
r
o
f
i
t

a
n
n
u
a
l

Pret cursa charter/or
Pre bilete/or
Ore transport/an
Capacitatea curselor
planificate
Proporia curselor
charter
Costuri
operaionale/or
Costuri fixe (leasing,
asigurri, salarii)

Figura 3.14 Analiza multidimensional a variaiei procentuale a profitului anual
Analiza de senzitivitate multidimensional pune n eviden faptul c o serie de
variabile au un impact negativ asupra modelului, iar altele un impact pozitiv. Astfel,
pentru variabilele costurile operaionale, proporia curselor chartere i costurile fixe,
creterea lor determin o scdere a profitului anual, n timp ce celelalte variabile au un
impact pozitiv, creterea lor contribuind la creterea profitului anual. Cea mai
important variaie o prezint variabila de costuri operaionale pe or. Reducerea la
80% a costurilor ar duce la o cretere a profitului cu 300%, iar creterea la 120% a
costurilor operaionale va duce la o scdere cu 100% a profitului. Impactul pozitiv cel
mai important asupra modelului este dat de variabilele capacitatea i preul biletelor
pentru cursele planificate, precum i preul curselor charter, aa cum rezult i din
reprezentrile grafice ale fielor multidimensionale.


94 CAPITOLUL 3 TEHNICI DE SIMULARE

Continund analiza de senzitivitate, vom studia amplitudinea fiecrei variabile,
ct i ponderea variabilitii fiecrei variabile n modelul simulat. Pentru aceasta,
calculm mai nti valorile profitului anual, variind succesiv datele minime, de baz i
maxime din Tabelul 3.4, n raport cu datele de baz, similar ca la analiza
multidimensional. Datele obinute sunt prezentate n Tabelul 3.7.
Tabelul 3.7 Analiza limitelor variaiei valorice a profitului anual
Variabila de ieire Profit anual (valoric)
Variabile de intrare Min Baza Max
Capacitatea curselor planificate 32.000 20.000 72.000
Costuri operaionale/or 44.000 20.000 4.000
Pre bilete/or 0 20.000 40.000
Pre cursa charter/or 10.000 20.000 30.000
Ore transport/an 12.500 20.000 27.500
Proporia curselor charter 26.000 20.000 14.000
Costuri fixe (leasing, asigurri,
salarii)
22.500 20.000 17.500
Pe baza acestor date, pentru fiecare variabil vom calcula amplitudinea ca fiind
diferena n valoare absolut dintre valoarea maxim i valoarea minim
corespunztoare.
Pentru calculul ponderii varianei, vom calcula variana ca fiind ptratul
amplitudinii i apoi pentru fiecare variabil, vom calcula ponderea ei procentual din
totalul ptratului amplitudinilor. Variabilele sunt apoi sortate n ordine descresctoare
a valorii amplitudinii. Datele sunt prezentate n Tabelul 3.8.
Tabelul 3.8 Analiza amplitudinii i a ponderii varianei
Variabile de intrare Amplitudinea Variana (%) Cumulat (%)
Capacitatea curselor planificate 104,000 69.7% 69.7%
Costuri operaionale/or 48,000 14.9% 84.6%
Pre bilete/or 40,000 10.3% 94.9%
Pre cursa charter/or 20,000 2.6% 97.5%
Ore transport/an 15,000 1.5% 98.9%
Proporia curselor charter 12,000 0.9% 99.8%
Costuri fixe (leasing, asigurri,
salarii)
5,000 0.2% 100.0%
Pentru analiz se construiete aa-numita fi tornado, n care sunt reprezentate
valorile minime i maxime ale fiecrei variabile, ordonate descresctor, aa ca n
Figura 3.15.
Pentru ponderea varianei variabilelor putem construi o diagram Pareto,
considernd ponderea cumulat a fiecrei variabile aleatoare n totalul varianei.



3.2 GENERAREA VARIABILELOR ALEATOARE 95


-40,000 -20,000 0 20,000 40,000 60,000 80,000
Capacitatea curselor planificate
Costuri operaionale/or
Pre bilete/or
Pret cursa charter/or
Ore transport/an
Proporia curselor charter
Costuri fixe (leasing, asigurri, salarii)

Figura 3.15 Fia tornado pentru amplitudine
Diagrama Pareto pentru ponderea varianei fiecrei variabile este redat n Figura 3.16.
69.7%
14.9%
10.3%
2.6% 1.5% 0.9% 0.2%
69.7%
84.6%
94.9%
97.5%
98.9% 99.8% 100.0%
0%
20%
40%
60%
80%
100%
120%
C
a
p
a
c
i
t
a
t
e
a
c
u
r
s
e
l
o
r
p
l
a
n
i
f
i
c
a
t
e
C
o
s
t
u
r
i
o
p
e
r
a

i
o
n
a
l
e
/
o
r

P
r
e


b
i
l
e
t
e
/
o
r

P
r
e
t

c
u
r
s
a
c
h
a
r
t
e
r
/
o
r

O
r
e
t
r
a
n
s
p
o
r
t
/
a
n
P
r
o
p
o
r

i
a
c
u
r
s
e
l
o
r

c
h
a
r
t
e
r
C
o
s
t
u
r
i

f
i
x
e
(
l
e
a
s
i
n
g
,
a
s
i
g
u
r

r
i
,

s
a
l
a
r
i
i
)

Figura 3.15 Diagrama Pareto pentru varian
3.3.2 Aplicaii propuse

A3.1 O firm urmrete simularea fluxului de numerar net pentru vnzrile unui anumit produs
n anul urmtor. Modelul economic avut n vedere este urmtorul:
Indicatori Valori Distribuia Parametri Min Baza Max
Pre unitar 30 Controlabil - 25 30 35
Uniti
vndute
1.000 Normal Media = 1.000
Ab. std = 100
700 1.000 1.300
Costuri
variabile
unitare
12 Triunghiular Min = 10
Baza = 12
Max = 15
10 12 15
Costuri fixe 12.000 Discret P{10.000}= 0,25
P{12.000}= 0,50
P{50.000}= 0,25
10.000 12.000 15.000
Cash flow net 6.000 - - - - -


96 CAPITOLUL 3 TEHNICI DE SIMULARE

Valoarea de cash flow net a fost determinat de diferena dintre venitul total (1.000 x 30 =
30.000) i cheltuielile totale (1.000 x 12 + 12.000 = 24.000). Preul de vnzare fiind o
variabil controlabil, pentru celelalte variabile aleatoare ale modelului au fost stabilite, pe baza
datelor istorice de marketing, distribuiile de probabilitate din tabelul de mai sus. De asemenea,
n tabel sunt date valorile minime, de baz i maxime pentru variabilele modelului.
(a) S se construiasc un model de simulare, histograma frecvenei i distribuia cumulativ
simulat.
(b) Care este probabilitatea ca firma s obin profit din vnzarea produsului respectiv?
(c) Care este probabilitatea c aprofitul s fie cel din modelul determinist, adic 6.000?
(d) S se realizeze analiza de senzitivitate pentru acest model.

A3.2 O firm urmrete trebuie s decid alegerea companiei de telefonie celular, ntre dou
firme, Alfatel i Betafon. Pentru fiecare telefon al firmei, Alfatel ofer n cadrul abonamentului
de 29,99 un numr de 400 de minute de convorbiri pe lun, iar ce depete acest numr de
minute se taxeaz cu 0,40 pe minut. Betafon n cadrul abonamentului de 25,00 ofer un
numr nelimitat de minute, dar convorbirile internaionale sunt taxate cu 0,08 pe minut.
Modelul economic, din care rezult alegerea firmei Alfatel, este dat n tabelul de mai jos:
Indicatori Alfatel Betafon
Cost abonament 29,99 25,00
Minute incluse 400 Nelimitat
Minute adiionale 0,40 0
Internaionale 0 0,08
Convorbiri lunare 400
% convorbiri internaionale 30%
Numr minute convorbiri
internaionale
120
Cost total 29,99 34,60
Cost economisit prin alegerea
Alfatel
4,61
Datele istorice au relevat o distribuie normal cu media 400 de minute i abaterea standard de
20 minute pentru numrul de minute de convorbiri lunare, respectiv o distribuie triunghiular
cu minimul de 10%, valoarea probabil de 30% i maximul de 40% pentru procentul de
convorbiri internaionale.
(a) S se construiasc modelul de simulare, histograma frecvenei i distribuia cumulativ
simulat.
(b) S se determine gradul de certitudine privind obinerea de profit n urma alegerii Alfatel.
(c) Care este probabilitatea ca firma s obin profitul de 4,61?
(d) S se realizeze analiza de senzitivitate pentru acest model, utiliznd ca valori minime i
maxime valorile rezultate din simulare pentru numrul de minute lunare i procentul de
convorbiri internaionale, iar ca valori de baz cele din tabelul de mai sus, respectiv 400
minute i 30%.



97

4
MANAGEMENTUL RISCULUI N
CALITATE I FIABILITATE

4.1 O PROBLEM DE DECIZIE N CALITATE

Unul din domeniile n care riscul poate avea influene deosebit de importante i
mai ales consecine foarte grave este reprezentat de sistemul de management al
calitii. Riscul n calitate este ntotdeauna inclus n ecuaia calitate cost, deoarece
att atingerea i meninerea unui nivel de calitate corespunztor, pe de o parte, dar i
deteriorarea calitii, pe de alt parte, poate genera costuri foarte mari.
Vom analiza n continuare o problem de decizie n care decidentul i stabilete
deciziile i aciunile i i evalueaz riscul n funcie de o serie de caracteristici de
calitate, dar n strns legtur i cu criterii de cost.
Considerm o companie care realizeaz motoare de automobile, n care sunt
asamblate componente de mare complexitate tehnic i cu costuri ridicate, care trebuie
realizate la standarde de calitate foarte nalte. Unul din aceste componente este
arborele cotit, care este fabricat din oel cu o compoziie special. Semifabricatele
pentru arbori se aprovizioneaz, dup care compania realizeaz operaii complexe de
prelucrri mecanice i tratamente termice, operaii realizate ns cu costuri
semnificative. O caracteristic de calitate deosebit de important este duritatea (notat
HB), care se msoar pentru fiecare unitate de produs aprovizionat. Studiile de
capabilitate asupra loturilor livrate au condus la concluzia c duritatea are o distribuie
normal, cu media 102 = (uniti Brinell) i cu abaterea standard 2 = . Intervalul de
toleran specificat pentru aceast caracteristic este intervalul [ ] 06 1 ; 98 , arborii care
nu se ncadreaz ntre aceste limite specificate fiind supui unor operaii suplimentare
de tratament termic, operaii care genereaz un cost suplimentar de 300 pentru a
readuce arborii prelucrai n limitele de duritate specificate. Acest cost este relativ
ridicat fa de preul iniial al semifabricatului, dar este considerabil mai mic comparat
cu costul operaiilor suplimentare necesare a fi realizate pentru semifabricatele iniiale.
Departamentul de aprovizionare al companiei a primit o comand pentru
achiziionarea a 1.000 de semifabricate de arbori cotii. Lotul minim de aprovizionare


98 CAPITOLUL 4 MANAGEMENTUL RISCULUI N CALITATE I FIABILITATE

este de 500 de buci. Lista de furnizori acceptai pentru arbori conine trei furnizori,
clasificai A, B i C, n funcie de criterii de calitate i de pre, astfel:
Furnizorul A, care ofer arborii la un pre unitar de 200 i are cel mai bun nivel
calitativ, realiznd o duritate cu parametrii 102 =
A
i 2 =
A
;
Furnizorul B, care ofer arborii la un pre unitar de 140, dar studiile de
capabilitate ale produselor livrate anterior au indicat loturi livrate cu parametrii
105 =
B
i 2 =
B
;
Furnizorul C, care ofer arborii la un pre unitar de 140 pentru lot de 1.000
buci i 150 pentru lot de 500 buci, dar despre calitatea crora nu exist
informaii anterioare.
Vom aplica pentru aceast problem algoritmul de rezolvare a problemei de
decizie prezentat n capitolul 2 i vom analiza mai nti problema de decizie fr
experimentare, iar apoi vom rezolva problema pentru decizia cu experimentare.
A. DECIZIA FR EXPERIMENTARE
Pasul 1. Definirea problemei de decizie.
P1.1: Problema de decizie const din urmtoarele aciuni:
1
a : Aprovizionarea a 1.000 arbori de la furnizorul C;
2
a : Aprovizionarea a 1.000 arbori de la furnizorul A;
3
a : Aprovizionarea a 500 arbori de la furnizorul C i 500 arbori de la
furnizorul A;
4
a : Aprovizionarea a 500 arbori de la furnizorul C i 500 arbori de la
furnizorul B;
5
a : Aprovizionarea a 1.000 arbori de la furnizorul B;
6
a : Aprovizionarea a 500 arbori de la furnizorul A i 500 arbori de la
furnizorul B,
i deci spaiul de aciune este { }
6 5 4 3 2 1
a a a a a a , , , , , A = .
P1.2: Strile naturii pentru aceast problem sunt:
1
: Parametrii de duritate ai loturilor livrate sunt: 102 = , 2 = ;
2
: Parametrii de duritate ai loturilor livrate sunt: 105 = , 2 = .
Rezult spaiul strilor { }
2 1
, = .
P1.3: Consecinele aciunilor sunt determinate de considerarea parametrilor de
duritate pentru strile
1
i
2
, i pentru fiecare din cele ase aciuni stabilite,
consecine pe care nu le vom mai lista aici.


4.1 O PROBLEM DE DECIZIE N CALITATE 99


P1.4: Costurile (UM=) sunt mai dificil de determinat. Avem mai nti, preurile
unitare de aprovizionare (preul pe bucat), care sunt:
Furnizorul A: 200 / bucat;
Furnizorul B: 140 / bucat;
Furnizorul C: 140 / bucat la lot de 1.000;
150 / bucat la lot de 500;
Remaniere: 300 / bucat.
Vom determina n continuare, costul unitar
u
C , cu urmtoarea relaie:
r u u
C P C + = 300 , (4.1)
unde
u
P este preul unitar de aprovizionare de mai sus, iar
r
C este costul unitar de
remaniere i este o variabil aleatoare (Bernoulli) cu valorile:

> <

=
106 sau 98 dac 1
106 98 dac 0
HB HB
HB
C
r
,
,
. (4.2)
Atunci distribuia de probabilitate a acestei variabile aleatoare este dat de:
{ } { } { } p HB HB C
r
= > + < = = 106 Prob 98 Prob 1 Prob . (4.3)
{ } { } p HB C
r
= < = = 1 106 98 Prob 0 Prob . (4.4)
innd cont c HB are o distribuie normal, cu media 102 = i cu abaterea standard
2 = , respectiv cu media 105 = i cu abaterea standard 2 = ,obinem:

= = +
= = +
=
105 dac 0,3088, 0,3085 0,000233
102 dac , 0455 0 02275 0 02275 0

, , ,
p . (4.5)
Valoarea medie (valoarea ateptat) a variabilei aleatoare
r
C este dat de relaia:
[ ] ( ) p p p C M
r
= + = 1 0 1 , (4.6)
iar atunci formula costului mediu unitar
mu
C devine:
p P C
u mu
+ = 300 , (4.7)
unde p poate fi interpretat ca fiind fraciunea de uniti defective care se remaniaz,
provenind din loturile aprovizionate.
Rezult urmtoarele valori pentru costul mediu unitar:
Preul unitar
u
P Costul mediu unitar
mu
C
153,650, dac 102 =
140 / bucat
232,631, dac 105 =
163,650, dac 102 =
150 / bucat
242,631, dac 105 =
200 / bucat 213,650, dac 102 =


100 CAPITOLUL 4 MANAGEMENTUL RISCULUI N CALITATE I FIABILITATE

Pasul 2. Definirea funciei de pierdere.
P2.1: Funcia de pierdere:
Starea naturii
Aciunea
1

2
( )
j
a L , max
1
a 1.000 C 153.650 232.631 232.631
2
a 1.000 A 213.650 213.650 213.650
3
a
500 C 188.650 228.141 228.141
500 A
4
a 500 C 198.141 237.631 237.631
500 B
5
a
1.000 B 232.631 232.631 232.631
6
a
500 A 223.141 223.141 223.141
500 B

P2.2: Eliminarea aciunilor dominate:
Avem relaiile de dominare:
4
a <<
3
a ,
5
a <<
2
a ,
6
a <<
2
a ,
de unde rezult funcia de pierdere numai cu aciunile dominante:
Starea naturii
Aciunea
1

2
( )
j
a L , max
1
a 1.000 C 153.650 232.631 232.631
2
a 1.000 A 213.650 213.650 213.650
3
a
500 C 188.650 228.141 228.141
500 A
Pasul 3. Regula de decizie minimax.
P3.1: Se bordeaz tabelul funciei de pierdere cu o coloan care conine maximul
valorilor funciei de pierdere din fiecare linie.
P3.2: Regula de decizie minimax: ( ) 650 213. , max min =
j
a L .
P3.3: Decizia minimax: Aciunea
2
a Aprovizionarea a 1.000 arbori de la
furnizorul A.
Pasul 4. Definirea probabilitilor iniiale.
P4.1: Probabilitile iniiale considerate sunt:
Starea naturii
1

2

Probabiliti iniiale 0,67 0,33


4.1 O PROBLEM DE DECIZIE N CALITATE 101


P4.2: Probabilitile iniiale verific condiiile de definire a probabilitilor
(valorile sunt cuprinse ntre 0 i 1, iar suma lor este egal cu 1).
Pasul 5. Regula de decizie Bayes.
P5.1: Pierderile medii ( )
j
a L pentru fiecare aciune
j
a sunt:
Starea naturii
Aciunea
1

2
( )
j
a L
1
a 102.433 77.544 179.977
2
a 142.433 71.217 213.650
3
a
125.767 76.047 201.814
min 179.977
P5.2: Regula de decizie Bayes:
( ) 977 179. min =
j
a L .
P5.3: Decizia Bayes: Aciunea
1
a Aprovizionarea a 1.000 arbori de la
furnizorul C.
n Figura 4.1 este reprezentat funcia de pierdere pentru decizia Bayes.

100000
125000
150000
175000
200000
225000
250000
0.0 0.2 0.4 0.6 0.8 1.0
L1
L3
L2
a 1
a 2
0.24

Fig. 4.1 Reprezentarea funciei de pierdere

B. DECIZIE CU EXPERIMENTARE
Pasul 6. Definirea experimentului.
P6.1: Definim spaiul de eantionare X i variabila aleatoare x , calculat ca
urmare a extragerii unui eantion cu 4 = n valori din fiecare lot aprovizionat i
calculrii mediei valorilor de eantionare. Valorile la care ne raportm sunt media
102
1
= i 105
1
= , precum i abaterea standard 1 4 2
1
= = = n .


102 CAPITOLUL 4 MANAGEMENTUL RISCULUI N CALITATE I FIABILITATE

P6.2: Se definesc urmtoarele proceduri de decizie i aciuni:
( )

>

<
=
103 dac ,
104 103 dac ,
103 dac ,
2
3
1
1
x a
x a
x a
x d ,
( )

<
=
103 dac ,
103 dac ,
2
1
2
x a
x a
x d .
P6.3: Costul experimentului l considerm 0, procedura de eantionare fiind
prevzut n tehnologia de recepie a loturilor aprovizionate.
Pasul 7. Procedura Bayes cu probabiliti iniiale.
P7.1: Probabilitile condiionate ca urmare a experimentului sunt urmtoarele:
{ } 8413 0 103 Prob , = < x
102 = { } 1359 0 104 103 Prob , = x
{ } 0228 0 104 Prob , = > x
{ } 0228 0 103 Prob , = < x
105 = { } 1359 0 104 103 Prob , = x
( ) x d
1

{ } 8413 0 104 Prob , = > x
{ } 8413 0 103 Prob , = < x
102 =
{ } 1587 0 103 Prob , = x
{ } 0228 0 103 Prob , = < x
( ) x d
2

105 =
{ } 9772 0 103 Prob , = x
P7.2: Calculul riscului mediu:

1
a
3
a
2
a C ( ) C d R
j
+ ,
1

( )
1 1
, d R 129.273 25.639 4.861 0 159.772
( )
2 1
, d R 5.292 31.005 179.753 0 216.051


1
a
2
a C ( ) C d R
j
+ ,
2

( )
1 2
, d R 129.273 33.897 0 163.169
( )
2 2
, d R 5.292 208.789 0 214.082




4.1 O PROBLEM DE DECIZIE N CALITATE 103


P7.3: Riscul mediu minimax:

1

2
max
( ) ,
1
d R 159.772 216.051 216.051
( ) ,
2
d R 163.169 214.082 214.082
min 214.082
P7.4: Decizia minimax:
2
d
P7.5 : Riscul mediu Bayes cu probabiliti anterioare:

1

2


( ) ,
1
d R
106.514 72.017 178.532
( ) ,
2
d R
108.780 71.361 180.140
min 178.532
P7.6: Decizia Bayes:
1
d
Pasul 8. Calculul probabilitilor posterioare.
P8.1: Considerm media obinut prin eantionare la recepie ca fiind 5 104, = x .
Rezult probabilitile condiionate ca urmare a experimentului:

x

x
1

2

104,5 0,0175 0,3521
P8.2: Calculul probabilitilor condiionate posterioare:
k ( ) ( ) k p x
k X

=
( ) x
X

x
1

2

104,5 0,0117 0,1174 0,1290
P8.3: Calculul distribuiei posterioare:
k ( ) k f
x X =

x
1

2

104,5 0,0906 0,9094
Pasul 9. Procedura Bayes cu probabiliti posterioare.
P9.1: Riscul Bayes n funcie de distribuia posterioar ( 5 104, = x ):


104 CAPITOLUL 4 MANAGEMENTUL RISCULUI N CALITATE I FIABILITATE


1

2
( )
i f
a B
( )
1
a B
f
13.914 211.565 225.479
( )
2
a B
f
19.348 194.303 213.650
( )
3
a B
f

17.084 207.481 224.564
min 213.650
P9.2: Decizia privind aciunile Bayes:
x Aciunea Bayes Pierderea medie Distribuia
marginal
104,5
2
a 213.500
0,1290

Pasul 10. Evaluarea abordrii Bayes.
Vom defini n cele ce urmeaz aa-numita funcie de regret, care este definit de
relaia:
( ) ( ) ( ) , min , ,
A
a L a L a r
a
= . (4.8)
Principiul regretului exprim, de fapt, diferena dintre pierderea efectiv
nregistrat i pierderea nregistrat dac ar fi fost aleas cea mai bun aciune posibil.
Funcia de regret pentru problema noastr este calculat n Tabelul 4.1, pe baza
tabelului funciei de pierdere.
Pentru starea
1
valoarea minim este ( ) 650 153
1 1
. , = a L , iar pentru starea
2

valoarea minim corespunztoare este ( ) 650 213
2 2
. , = a L , de unde obinem valorile
funciei de regret.
Tabelul 4.1 Funcia de regret
Starea naturii
Aciunea
1

2

1
a 1.000 C
0 18.981
2
a 1.000 A
60.000 0
3
a
500 C
35.000 14.491
500 A
n concluzie, dac adevrata stare a naturii este
2
, atunci decizia Bayes este
optimal, n schimb dac starea naturii este
1
, atunci decizia Bayes de alegere a
aciunii
2
a este regretabil, pentru c va conduce la cea mai mare pierdere.



4.1 O PROBLEM DE DECIZIE N CALITATE 105


O procedur alternativ la alegerea funciei de risc ca msur a consecinelor unei
aciuni o reprezint utilizarea curbei caracteristicii operative (CO), pe care o vom
defini n continuare, n legtur i cu funcia de risc.
Din punct de vedere statistic, exist dou tipuri de decizii incorecte care se pot
adopta. Astfel, dac adevrata stare a naturii este
1
, adic 102 = , iar decidentul
alege aciunea
2
a , atunci el comite o eroare de tipul (spea) I, iar probabilitatea ei de
apariie este , numit i nivel de semnificaie. Dac ns adevrata stare a naturii este
2
,iar decidentul alege aciunea
1
a , atunci decidentul comite o eroare de tipul II, cu
probabilitatea de apariie .
S considerm urmtoarea procedur de decizie, care utilizeaz media x a
eantionului cu 4 = n valori extras din loturile aprovizionate, cu regula de decizie:
( )

> <

=
5 103 sau 5 100 dac ,
5 103 5 0 0 1 dac ,
2
1
, ,
, ,
x x a
x a
x d
x
. (4.9)
Limitele de mai sus corespund siturii variabilei aleatoare x ntr-un interval de trei
abateri standard fa de media specificat.
Curba caracteristicii operative a procedurii de decizie ( ) x d
x
se obine
reprezentnd grafic probabilitatea de a alege aciunea
1
a , fa de adevrata stare a
naturii (Figura 4.2). Valorile acestei curbe sunt ( ) pentru 102 i respectiv
1 pentru 102 = . Curba caracteristicii operative CO este deci o msur a
consecinei unei anumite proceduri de decizie.
0.00
0.20
0.40
0.60
0.80
1.00
1.20
98 99 100 101 102 103 104 105 106

(103)

Figura 4.2 Curba caracteristicii operative (CO) a procedurii de decizie
S comparm acum curba caracteristicii operative cu funcia de risc. Pentru o
procedur de decizie d cu dou stri, s considerm c aciunea
1
a este aleas dac
variabila X aparine unei regiuni de acceptare A, iar aciunea
2
a se alege dac X nu


106 CAPITOLUL 4 MANAGEMENTUL RISCULUI N CALITATE I FIABILITATE

aparine lui A. Atunci funcia de risc se poate scrie:
( ) ( ) { } ( ) { } A X a L A X a L d R + = Prob Prob
2 1
, , , . (4.10)
Partiionm spaiul strilor , n dou mulimi disjuncte
1
i
2
, astfel nct
aciunea
1
a este aciunea preferat dac
1
, respectiv
2
a dac
2
. Dac
funcia de pierdere este o funcie de regret, adic:
( )
( )
2 2
1 1
dac 0
dac 0


=
=
,
,
a L
a L
, (4.11)
atunci riscul poate fi exprimat ca:
( )
( ) { }
( ) { }



=
2 1
1 2
dac , Prob
dac , Prob

A X a L
A X a L
d R
,
,
, , (4.12)
Dac n relaia de mai sus considerm valorile funciei de regret ca fiind unitare,
atunci avem:
( )
{ }
{ }



=
2
1
dac , Prob
dac , Prob

A X
A X
d R , , (4.13)
n contextul problemei noastre,
1
este mulimea alctuit din punctul 102 = ,
iar
2
din toate celelalte puncte 102 . Atunci riscul este dat de:
( )
{ }
{ } ( )

=
= =
=
102 dac , Prob
102 dac , Prob

A X
A X
d R , . (4.14)
Atunci funcia de risc coincide cu curba caracteristicii operative pentru toate
valorile 102 , i este 1 minus valoarea curbei caracteristicii operative (CO) pentru
102 = .
n concluzie, curba caracteristicii operative (CO) pentru o procedur de decizie
este reprezentarea grafic a probabilitii de acceptare a ipotezei statistice, fa de
adevrata stare a naturii, reprezentat de obicei prin parametrii distribuiei de
probabilitate considerate.
Eroarea de tipul I este probabilitatea de respingere a ipotezei atunci cnd ea este
adevrat, iar eroarea de tipul II este probabilitatea de acceptare a ipotezei atunci cnd
ea este fals.
Acceptarea sau respingerea ipotezei este echivalent cu alegerea aciunii
1
a ,
respectiv a aciunii
2
a . Decidentul trebuie s aleag o procedur de decizie a crei
curb a caracteristicii operative (CO) s reflecte msura consecinelor sau riscul pe
care este dispus s l accepte.


4.2 ABORDAREA TAGUCHI 107


4.2 ABORDAREA TAGUCHI
4.2.1 Funcia de pierdere Taguchi

Vom analiza n continuare conceptele datorate profesorului japonez Genichi
Taguchi, care a fundamentat o serie de metode pentru controlul calitii off-line i
pentru proiectarea experimentelor, dintre care vom detalia aici funcia de pierdere
introdus de Taguchi. Metodele pentru controlul calitii off-line constau din activiti
pentru controlul calitii i al costurilor desfurate n stadiile de proiectare a
produsului i a proceselor de realizare a acestuia. Obiectivele generale ale acestor
metode sunt mbuntirea calitii i a fiabilitii produselor i reducerea costurilor de
dezvoltare i execuie a acestor produse. Termenul off-line semnific, n acest context,
faptul c activitile de mbuntire a calitii i de reducere a riscului de pierdere sunt
realizate nainte de trecerea la etapa de control a calitii n timp real, respectiv etapa
on-line, n care procesele trebuie s se reproduc la parametri optimali.
O component cheie n filosofia lui Taguchi este reducerea variabilitii.
Specificaiile tehnice impun adesea ca fiecare caracteristic de calitate s aib o
anumit valoare nominal sau valoare int. Obiectivul l reprezint reducerea
variabilitii fa de aceast valoare int. Taguchi a modelat efectele care pot s apar
ca urmare a abaterii de la valoarea de int funcie de pierdere ptratic. Pierderea se
refer la costul care poate se apar atunci cnd se utilizeaz un produs ale crui
caracteristici de calitate de ndeprteaz de valoarea int.
n mod tradiional i empiric se consider c unitile de produs situate n
afara limitelor de toleran specificate sunt egal neconforme (la fel de
necorespunztoare), n timp ce unitile de produs situate ntre limitele specificate sunt
la fel de conforme (corespunztoare sau acceptabile), n funcie de situarea lor fa de
limita specificat de toleran inferioar (LSI) sau superioar (LSS). Unitile situate n
afara limitelor de toleran specificate constituie pierderea, corespunztoare ariei
haurate din Figura 4.3. Obinem astfel aa-numita fraciune defectiv actual.
Pierderea total rezult din considerarea costului unitar de remaniere, rebutare sau
nlocuire a unitilor de produs defective.
O alt abordare utilizeaz conceptul de interval natural de toleran (INT), care
este o msur a variabilitii inerente a procesului, determinat de limitele naturale de
toleran ale acestuia. Dac x i s sunt respectiv media i abaterea standard ale
caracteristicii de calitate analizate calculate pentru eantioanele provenind din proces,
atunci limita natural inferioar (LNI) este dat s x LNI 3 = , iar limita natural
superioar (LNS) este s x LNS 3 + = .


108 CAPITOLUL 4 MANAGEMENTUL RISCULUI N CALITATE I FIABILITATE


P
i
e
r
d
e
r
e
LSI T LSS

Figura 4.3 Interpretarea empiric a funciei de pierdere
Proporia de uniti de produs neconforme, situate n afara limitelor de toleran
specificate, este estimat cu ajutorul distribuiei normale care modeleaz procesul
respectiv ( ) s x t N , , , prin considerarea fraciunii defective inferioare (
inf
p ), superioare
(
sup
p ) i totale (
tot
p ), ca fiind probabilitile:
{ } ( )


= < =
LSI
dt s x t N LSI X p , ,
inf
Prob , (4.15)
{ } { } ( )


= < = > =
LSS
dt s x t N LSS X LSS X p , ,
sup
1 Prob 1 Prob , (4.16)
{ } { } { }
sup inf
p p LSS X LSI X LSS X LSI X p
tot
+ = > + < = > < = Prob Prob sau Prob .
(4.17)
Aplicnd n continuare costurile unitare de remaniere, rebutare sau nlocuire,
obinem pierderea total estimat, similar calculului costului din exemplului anterior.
Fie X variabila aleatoare ce reprezint o caracteristic de calitate a unui proces,
cu T valoarea int, modelat de o distribuie normal ( ) , , x N , unde X x i T = .
Fie, de asemenea, abaterea de la int a procesului.
Taguchi a considerat funcia de pierdere ptratic (ale crei proprieti
matematice au fost fundamentate de Gauss n 1809) de forma:
( ) ( )
2
T x k x L
T
= . (4.18)
Fie

K pierderea pentru abaterea T x = de la inta T a procesului. Atunci


avem:
( )

K k x L
T
= =
2
, (4.19)
de unde obinem:
2


K
k = . (4.20)
Funcia de pierdere Taguchi este reprezentat n Figura 4.4.


4.2 ABORDAREA TAGUCHI 109


P
i
e
r
d
e
r
e
LSI T LSS
K


Figura 4.4 Funcia de pierdere Taguchi
S considerm acum valoarea medie a funciei de pierdere Taguchi. Obinem:
( ) [ ] ( ) [ ] ( ) [ ]
( ) [ ]
2 2
2 2
T k
T x M k T x k M T x L M
T
+ =
= =

,
. 4.21)
Am obinut astfel riscul Taguchi, respectiv pierderea medie asociat unui proces
ca urmare a deplasrii procesului fa de inta specificat a acestuia. Scriind o formul
mai general, dac ( ) T x L
T
, este funcia de pierdere utilizat ca model, iar ( ) , x f
distribuia de probabilitate a procesului, atunci riscul Taguchi este:
( ) [ ] ( ) ( )


= dx x f T x L T x L M
T T
, , , . (4.22)
Vom analiza n continuare funcia de pierdere i riscul Taguchi n corelare cu
indicii de performan ai unui proces, respectiv indicele de potenial
p
C , care este o
msur a variabilitii procesului i este dat de relaia:
6
LSI LSS
C
p

= , (4.23)
indicele de capabilitate
pk
C , care este o msur a centrrii procesului, fiind definit ca:


3 3
LSS LSI
C
pk
; min , (4.24)
i indicele de precizie
pm
C , propus iniial chiar de Taguchi, care este o msur a
abaterii procesului fa de int, calculat cu relaia:
( )
2 2
6 T
LSI LSS
C
pm
+

=

. (4.23)
Din ultima relaie i innd cont de relaia (4.21) se poate obine urmtoarea
relaie ntre indicele de precizie
pm
C i riscul Taguchi, respectiv:


110 CAPITOLUL 4 MANAGEMENTUL RISCULUI N CALITATE I FIABILITATE


( ) [ ]
2
1
6

=
pm
T
C
ITS
k T x L M , , (4.24)
unde LSI LSS ITS = este intervalul de toleran specificat.
Relaia obinut este interesant, avnd n vedere c pentru un proces cu un nivel
de performan specificat (NPS) de 3 sigma, indicele de potenial 00 1, =
p
C , trebuie s
avem 6 = ITS i atunci relaia de mai sus devine:
( ) [ ]
2

=
pm
T
C
k T x L M

, , (4.25)
Generaliznd, pentru nivele de performan specificate ale procesului de 3
Sigma, 4 Sigma, 5 Sigma i 6 Sigma, crora le corespund valorile nivelelor de
performan { } 2,00 1,67; 1,33; ,00; 1 NPS , atunci riscul Taguchi poate fi exprimat n
funcie de performana specificat pentru proces i de indicele de precizie, cu relaia:
( ) [ ]
2


=
pm
T
C
NPS
k T x L M

, , (4.26)
S considerm acum, pentru exemplificare, un proces de fabricaie care
genereaz o caracteristic de calitate cu limitele de toleran specificate LSI = 21,5 mm
i LSS = 23,5 mm, avnd valoarea nominal (inta) T = 22,5 mm, pentru care costul
unei uniti de produs defective (situat n afara limitelor de toleran specificate) este
3 =

K (). n Figura 4.5 sunt reprezentate trei situaii relative la acest proces. n prima,
procesul are un indice de potenial foarte bun, 00 2, =
p
C , dar indicii de capabilitate i
de precizie sunt necorespunztori, procesul fiind puternic descentrat. n cea de a doua
ipostaz a procesului, suntem n situaia unui proces optimal ca variabilitate i tendin
central, toi indicii de performan fiind foarte buni. n al treilea caz, procesul este la
un nivel de performan de 3 Sigma, toi indicii de performan fiind egali cu 1,00.
Vom calcula funcia de pierdere Taguchi pentru cele trei cazuri ale procesului.
Pentru primul caz, avem 22
1
= i 167 0
1
, = i rezult 1 5 22 5 21 = = , , , de
unde 3 1 3 = = k . Obinem, aplicnd relaia (4.21), pierderea medie pe unitatea de
produs ca fiind [ ] ( ) [ ] 83 0 5 22 22 167 0 3
2 2
1
, , , = = L M . Pentru cel de al doilea
proces, parametrii sunt 5 22
2
, = i 167 0
2
, = i pierderea medie pe unitatea de
produs va fi [ ] ( ) [ ] 08 0 5 22 5 22 167 0 3
2 2
2
, , , , = = L M . n fine, pentru cel de al treilea
proces, avnd 5 22
3
, = i 333 0
3
, = , pierderea medie pe unitatea de produs va fi
[ ] ( ) [ ] 33 0 5 22 5 22 333 0 3
2 2
3
, , , , = = L M . Se observ c pierderea medie cea mai
mare, deci riscul Taguchi cel mai ridicat, se obine n cazul primului proces, care este


4.2 ABORDAREA TAGUCHI 111


cel mai descentrat, ceea ce confirm principiul lui Taguchi c cu ct ne ndeprtm de
inta procesului, calitatea se deterioreaz, iar costurile cresc semnificativ.
21 21.5 22 22.5 23 23.5 24
Cp =2
Cpk =1
Cpm=0,63
Cp =2
Cpk =2
Cpm=2
Cp =1
Cpk =1
Cpm=1

Figura 4.5 Funcia de pierdere pentru 3 procese
cu indici de performan diferii
Valorile riscului Taguchi se obin relativ uor cu formula pe care am propus-o
anterior, respectiv relaia (4.24). Astfel, 2 5 21 5 23 = = , , ITS , iar pentru primul proces
6325 0, =
pm
C . Atunci valoarea medie a pierderii Taguchi este:
[ ] 83 0
6325 0
1
6
2
3
1
6
2
2
1
,
,
=

=
pm
C
ITS
k L M . (4.27)
S analizm acum funcia de pierdere i riscul Taguchi atunci cnd nivelul de
performan specificat pentru proces este 6 Sigma. S remarcm faptul c, n ultimii
ani, acest concept (cunoscut sub numele Six Sigma i dezvoltat de firma american
Motorola) ctig din ce n ce mai mult teren i mai muli adepi, n toate domeniile de
activitate economic. Parametrii int pentru nivelul 6 Sigma sunt un indice de
potenial 2
p
C i un indice de capabilitate 5 1,
pk
C , ceea ce nseamn o fraciune
defectiv admis de 3,4 ppm (uniti defective pe milion)! n exemplul nostru, pentru
ca procesul s fie de tip 6 Sigma trebuie s aib parametrii 2 =
p
C , 5 1, =
pk
C , de unde
rezult c media procesului poate s se deplaseze cu 5 1, fa de int, respectiv ntre
valorile 22,25 i 22,75. Atunci indicele de precizie corespunztor este:
( )
11 1
5 22 75 22 167 0 6
5 21 5 23
2 2
,
, , ,
, ,
=
+

=
pm
C . (4.28)
Pentru calculul riscului Taguchi pentru un proces 6 Sigma vom aplica cealalt
formul simpl de calcul pe care am propus-o, relaia (4.26), cu 2 = NPS , obinnd:
[ ] 27 0
11 1
167 0 2
3
2
2
6
,
,
,
=


=
pm
C
NPS
k L M

/bucat. (4.29)


112 CAPITOLUL 4 MANAGEMENTUL RISCULUI N CALITATE I FIABILITATE

4.3 EVALUAREA RISCULUI N FIABILITATE
4.3.1 Un model general de evaluare a riscului n fiabilitate
Utilizarea general a termenului calitate a unui produs are mai multe
semnificaii, printre care i aceea de nivel inerent de excelen. n industrie, aceast
definiie general devine i mai precis, calitatea fiind considerat conformana cu
specificaiile, la nceputul utilizrii unui produs. Presupunnd c specificaiile (de
natur tehnic, dar i economic) transpun n mod adecvat cerinele clientului, calitatea
poate fi comensurat, de exemplu, prin fraciunea de uniti de produs care satisfac
specificaiile. Se pune ntrebarea ns cte din unitile de produs conforme n
momentul livrrii la client mai satisfac cerinele specificate dup o anumit perioad
de utilizare a produsului (dup un an sau la finele perioadei de garanie)? Pentru a
rspunde la aceast ntrebare se folosesc modelele statistico-matematice specifice
fiabilitii, respectiv aa-numitul model al distribuiei duratei de via a unui produs,
pentru care se poate utiliza orice funcie de densitate de probabilitate, ( ) t f , definit
pentru orice t de la 0 la . Funcia de distribuie cumulativ corespunztoare ( ) t F ne
va furniza atunci probabilitatea ca o anumit unitate de produs s funcioneze pn la
momentul t (respectiv s se defecteze la momentul t), adic:
( ) { } t t F < = Prob , (4.30)
unde este variabila aleatoare cu funcia de densitate de probabilitate, ( ) t f .
Funcia de fiabilitate, care este o msur a duratei de funcionare, este
atunci:
( ) { } { } ( ) t F t t t R = < = = 1 Prob 1 Prob . (4.31)
Rata de defectare, care este o msur a intensitii de defectare, este dat de
relaia:
( )
( )
( )
( )
( ) t R
t f
t F
t f
t h =

=
1
. (4.32)
Dar sistemele sunt evaluate, n general, printr-o mare varietate de metrici
(calitate, cost, durat .a.), printre care i metricile de fiabilitate pe care le-am definit
mai sus. Datorit faptului c metricile de performan ale unui sistem sunt de cele mai
multe ori intercorelate, evaluarea performanelor sistemului trebuie s in cont de
aceste metrici n mod simultan.
Pentru sistemele complexe, decidenii sunt confruntai cu o mare cantitate
de informaie referitoare la metricile sistemului, dar i cu incertitudinile asociate lor,
care conduc la risc. De asemenea, n sistemele complexe, schimbrile suferite de una
din componentele sistemului poate s aib impact major asupra tuturor metricilor de
performan ale sistemului.


4.2 ABORDAREA TAGUCHI 113


Vom defini n continuare un model general de reprezentare a unui sistem,
care s permit furnizarea informaiilor critice asupra funcionrii sistemului, asupra
incertitudinii i riscului asociat diferitelor scenarii analizate. Schema modelului este
redat n Figura 4.6. Componentele fundamentale ale modelului sunt entitile i
factorii de risc. Entitile pot fi, de exemplu, activitile unui proiect, iar factorii de
risc pot fi de natur material sau de alt natur. n acest model definim dou tipuri de
relaii. O relaie este de tip temporal i specific dependena de timp dintre dou
entiti (reprezentat printr-o linie continu n Figura 4.6). De exemplu, dac entitile
sunt dou activiti succesive ale unui proiect, relaia temporal poate fi condiia ca a
doua activitate s poat s nceap numai dup finalizarea primei activiti. Un alt tip
de relaie este relaia dintre entiti i factorii de risc, respectiv relaia de utilizare a
factorilor (reprezentat printr-o linie punctat n Figura 4.6). Proprietatea de baz a
acestei relaii entitate factor de risc este c o entitate poate produce (genera) sau
poate consuma (absorbi) unul sau mai muli factori de risc.
















Metrica
P
r
o
b
a
b
i
l
i
t
a
t
e
a
inta
Funcia de distribuie
cumulativ

Figura 4.6 Reprezentarea general a unui model de risc n fiabilitate

Entitatea 1 Entitatea 2
Factor
de risc


114 CAPITOLUL 4 MANAGEMENTUL RISCULUI N CALITATE I FIABILITATE

Modelul este cuantificat prin variabile care descriu proprietile entitilor,
factorilor de risc i a relaiilor de incertitudine. Aceast incertitudine este ncorporat
n model prin variabile aleatoare. Cu ajutorul modelelor de simulare Monte Carlo pot
fi obinute funciile de distribuie cumulative pentru metricile sistemului, ceea ce
permite compararea cu valorile de performan specificate pentru sistem (valorile
int) i determinarea probabilitii ca sistemul s nu funcioneze aa cum a fost
prevzut. Aceast probabilitate este o component critic a analizei riscurilor
sistemului. Modelul general prezentat aici este relativ simplu, utiliznd i instrumente
de analiz la fel de simple. Dezavantajul acestei simpliti poate fi uneori o arie de
aplicabilitate mai restrns la unele tipuri de probleme de decizie i risc. Cheia
aplicabilitii acestui model general o constituie ns generalizarea conceptului de
factor de risc. Am menionat anterior c factorii de risc pot fi de natur material
(oameni, echipamente, materiale .a.). Dar factorii de risc nu trebuie s fie definii
numai de natur material. De exemplu, un factor de risc poate fi determinat de
metricile de fiabilitate ca urmare a unei activiti de realizate i testare a unui anumit
produs. De asemenea, factorii de risc pot s fie exprimai de hazardul pe care poate s
l genereze o anumit entitate.
Vom particulariza n seciunea urmtoare acest model general pentru un
model de evaluare a riscurilor concurente n fiabilitate.
4.3.2 Modelul de evaluare a riscurilor concurente

Vom analiza n continuare un model general care evalueaz riscul de defectare i
care se poate utiliza pentru calculul ratelor de defectare ale unui sistem, ncepnd de la
ratele de defectare ale modurilor de defectare ale componentelor sistemului respectiv.
Acest model este cunoscut n literatura de specialitate sub denumirea de modelul
riscurilor concurente (Competing Risk Model). Modelul se utilizeaz atunci cnd
mecanismele de defectare concurente sunt independente i defectarea primului
mecanism duce la cderea componentei respective.
S presupunem c o component a unui sistem are k posibiliti diferite n care se
poate defecta. Acestea se numesc moduri de defectare i considerm c pentru fiecare
mod de defectare exist un mecanism de defectare. Modelul riscurilor concurente
evalueaz fiabilitatea fiecrui component prin construcia de modele fiabiliste
particulare pentru fiecare mod de defectare. Pentru modelul de evaluare a riscurilor
concurente sunt necesare urmtoarele ipoteze de lucru:
1. Fiecare mecanism de defectare care produce un anumit tip de defectare (adic un
mod de defectare) acioneaz de fiecare dat independent.
2. O component a sistemului se defecteaz atunci cnd primul din mecanismele de


4.2 ABORDAREA TAGUCHI 115


defectare intr n starea de defectare (componenta este n stare de cdere).
3. Fiecare din cele k moduri de defectare au un model ( ) t F
k
cunoscut pentru
distribuia duratei de via.
Dac ( ) t R
C
, ( ) t F
C
i ( ) t h
C
sunt respectiv funcia de fiabilitate, funcia de
distribuie cumulativ i rata de defectare pentru o anumit component C, iar ( ) t R
i
,
( ) t F
i
i ( ) t h
i
sunt respectiv funcia de fiabilitate, funcia de distribuie cumulativ i
rata de defectare pentru modul de defectare i, atunci funciile corespunztoare pentru
modelul riscurilor concurente sunt:
Funcia de fiabilitate a componentei C:
( ) ( )

=
=
k
i
i C
t R t R
1
, (4.33)
Funcia de distribuie cumulativ a componentei C:
( ) ( ) { }

=
=
k
i
i C
t F t F
1
1 1 , (4.34)
Rata de defectare a componentei C:
( ) ( )

=
=
k
i
i C
t h t h
1
, (4.35)
Modelul riscurilor concurente poate fi sintetizat astfel: toate mecanismele de
defectare concureaz pentru a atinge primul starea de defectare. Ele acioneaz
independent i primul care atinge starea de defectare provoac defectarea componentei
n care acioneaz.
S aplicm acum modelul general definit anterior pentru evaluarea riscurilor
concurente. Entitile pe care le considerm n model sunt entitatea Mod de
defectare i entitatea Mecanism de defectare. Exist o relaie temporal ntre aceste
entiti (reprezentat printr-o sgeat cu linie continu), prin faptul c, n timp, modul
de defectare determin mecanismul de defectare. Presupunem c pentru fiecare mod de
defectare am identificat factorul de risc corespunztor i relaiile aferente (Figura 4.7).










Figura 4.7 Schema modelului de risc mod de defectare mecanism de defectare
Mod de defectare
Mecanism de
defectare
Factor
de risc


116 CAPITOLUL 4 MANAGEMENTUL RISCULUI N CALITATE I FIABILITATE

Considernd acum cazul unei componente a unui sistem cu k moduri de
defectare, dac notm cu
i
MDEF cele k moduri de defectare identificate pentru o
componenta respectiv, atunci fie
i
FR factorul de risc i
i
MECD mecanismul de
defectare corespunztor. Schema modelului general de evaluare a riscurilor concurente
este reprezentat n Figura 4.8.
















Figura 4.8 Schema modelului general de evaluare a riscurilor concurente
O alt abordare a riscului n fiabilitate pe care ns nu o vom detalia aici o
reprezint matricea de evaluare a riscului. n general, aceast matrice conine pe linii
frecvena de apariie a evenimentelor ntmpltoare (frecvena hazardului), iar pe
coloane nivelele de severitate a riscului. n ceea ce privete frecvena, evenimentele
incerte se clasific n: frecvente, probabile, ocazionale, ndeprtate, improbabile,
incredibile. Nivelele de severitate ale consecinelor evenimentelor supuse hazardului
se clasific n: nesemnificativ, marginal, critic, catastrofic. Clasificarea nivelelor de
risc poate fi cantitativ (exprimat n valori de frecven) sau calitativ (nivel de risc
tolerabil, respectiv intolerabil).
Aceast abordare care nu este specific numai evalurii riscului n fiabilitate, ci
i n alte domenii, dup cum vom vedea n capitolul urmtor are i o serie de limitri,
legate de faptul c nu exist nc principii general acceptate pentru construirea unei
asemenea matrice i de fapt nu exist o matrice de evaluare a riscului universal, cu
criterii generale de evaluare, ea trebuind s fie construit pentru fiecare nou aplicaie.
De asemenea, metoda predispune la o supraestimare a riscurilor, prin supraestimarea
severitii consecinelor i nu ofer ci pentru includerea n model a factorilor de
reducere a riscurilor.
MDEF
1

FR
1

MECD
1

MDEF
2

FR
2

MECD
2

MDEF
k-1

FR
k-1

MECD
k-1

MDEF
k

FR
k

MECD
k














Componenta C


4.4 MANAGEMENTUL RISCULUI N FMEA 117


4.4 MANAGEMENTUL RISCULUI N FMEA
4.4.1 Analiza modului de defectare i a efectelor FMEA
Vom analiza n continuarea modelelor de risc aplicate n calitate i
fiabilitate, abordarea elementelor de management al riscului referitoare la utilizarea
modelelor statistice de analiz a modului de defectare i a efectelor acesteia, i anume
modelele FMEA. Termenul FMEA provine de la acronimul din limba englez pentru
Failure Mode and Effects Analysis, respectiv Analiza Modului de Defectare i a
Efectelor. n limbile romn i francez se utilizeaz i acronimul AMDE.
FMEA poate fi descris ca un grup de activiti sistematizate, avnd ca
obiective:
(1) recunoaterea i evaluarea riscului defectrii poteniale ale unui produs sau
proces i a efectelor acestei defectri;
(2) identificarea aciunilor ce ar putea elimina sau reduce probabilitatea de
apariie a unei defectri poteniale;
(3) documentarea procesului i managementul riscului.
Tehnicile FMEA au fost dezvoltate iniial de armata SUA. Astfel,
procedura militar MILP1629 din 1949 era intitulat "Procedures for Performing a
Failure Mode Effects and Criticaly Analysis" (Procedur pentru Analiza Modului de
Defectare, a Efectelor i Criticalitii) i a fost utilizat ca o tehnic de evaluare a
fiabilitii i a efectelor defectrilor echipamentelor militare. Cu toate acestea, primele
aplicaii notabile ale tehnicilor FMEA sunt legate de dezvoltarea impresionant a
industriei aerospaiale de la jumtatea anilor '60.
ncepnd din 1987, Organizaia Internaional pentru Standardizare (ISO) a
lansat seria de standarde ISO 9000. Cerinele acestor standarde au impus ca
organizaiile s-i dezvolte sisteme pentru managementul calitii, orientate ctre
satisfacerea clienilor. n SUA, cele trei mari firme productoare de autovehicule,
Chrysler, Ford i General Motors au dezvoltat la nceputul anilor '90 o serie de
standarde echivalente, din seria QS 9000, n scopul standardizrii sistemelor calitii.
n conformitate cu prescripiile standardelor QS 9000, organizaiile trebuie s utilizeze
metode avansate de planificare a calitii produselor, care includ modelele FMEA
pentru produs i proces, i de asemenea s dezvolte planuri de control.
Vom analiza n continuare cteva din principalele entiti utilizate n modelele
FMEA, dintre care unele sunt generale pentru sistemul calitii, iar o serie sunt
specifice FMEA. Elementele FMEA sunt elementele care sunt identificate i analizate
n cursul aplicrii tehnicilor FMEA. Acestea sunt constituite din: funcii, moduri de
defectare, cauze, efecte, controale i aciuni.


118 CAPITOLUL 4 MANAGEMENTUL RISCULUI N CALITATE I FIABILITATE

Funciile i modurile de defectare
Dup ce au fost stabilite obiectivele analizei FMEA, urmtorul pas l
constituie identificarea funciilor. O funcie este un scop propus pentru produsul sau
procesul care este analizat. Dac se analizeaz un sistem, atunci trebuie identificate, de
asemenea, funciile subsistemelor individuale.
Modurile de defectare se pot clasifica n urmtoarele categorii de defectare:
defectare complet;
defectare parial;
defectare intermitent;
defectare n timp (gradual);
supraperformana unei funcii.
Scopul acestei grupri n cinci categorii a modurilor de defectare este de a ajuta
echipa FMEA s identifice toate modurile de defectare posibile. Analiza modurilor de
defectare n aceast clasificare poate s releve anumite posibiliti de defectare care n
anumite condiii nu ar fi fost considerate. De asemenea, se pot pune n eviden
funciile care nu au fost definite corespunztor. O defectare parial, intermitent,
gradual sau supraperformana unei funcii poate genera o defectare complet a altei
funcii neidentificate. De aceea, utilizarea categoriilor de defectare poate fi un ajutor
util pentru relevarea unor asemenea situaii.
Efectele
Dup stabilirea funciilor i a modurilor de defectare, urmtorul pas al modelului
FMEA este identificarea consecinelor poteniale la apariia modurilor de defectare.
Aceasta impune o activitate de analiz a echipei. Dup identificarea consecinelor,
acestea trebuie induse n modelul FMEA ca efecte. n modelul FMEA se presupune c
efectele unui mod de defectare apar ntotdeauna atunci cnd apare modul de defectare
respectiv, fr a i se asocia o anumit probabilitate acestui tip de eveniment.
Vom discuta n continuare o procedur pentru identificarea consecinelor
poteniale care se poate aplica pentru nregistrarea consecinelor improbabile sau puin
probabile. Aceast procedur asociaz n mod explicit efectele cu circumstanele n
care acestea apar, prin identificarea de moduri de defectare adiionale.
Procedura pentru identificarea consecinelor poteniale
(1) Se ncepe cu un mod de defectare i se listeaz toate consecinele sale poteniale.
Se separ consecinele care pot fi asumate c apar ori de cte ori apare modul de
defectare respectiv i se consider ca efecte ale acestui mod de defectare. Se
listeaz apoi pentru consecinele rmase modurile de defectare poteniale


4.4 MANAGEMENTUL RISCULUI N FMEA 119


(consecine care ar putea s apar cnd apare modul de defectare respectiv, dar
depinznd de circumstanele n care acest mod de defectare apare);
(2) Aceste noi moduri de defectare identificate implic faptul c, innd cont de
circumstanele de apariie, o serie de consecine este puin probabil s apar. Se
separ consecinele care pot fi asumate c rezult ori de cte ori apare modul de
defectare, de cele care apar numai n circumstane speciale. Aceste consecine se
identific ca efecte ale modurilor de defectare adiionale.
Severitatea
Primul pas n analiza riscului este cuantificarea severitii efectelor. Efectele sunt
clasificate pe o scar de la 1 la 10, valoarea 10 avnd severitatea cea mai mare.
Sistemele de clasificare a severitii pentru proiect (DFMEA) i respectiv pentru
proces (PFMEA) sunt prezentate n tabelele urmtoare (Tabelul 4.2 i Tabelul 4.3).
Echipa FMEA trebuie s stabileasc criterii de evaluare adecvate pentru a utiliza
corespunztor scara de clasificare.
Efectele sunt evaluate grupat atunci cnd se cuantific riscul, dei valorile de
severitate sunt atribuite n mod individual. Aceasta presupune c vor rezulta toate
efectele atunci cnd modul de defectare apare. Totodat, efectul cel mai grav este
prioritar atunci cnd se evalueaz potenialul de risc. Se observ c acest model va lua
n considerare cauzele care au efecte multiple.
Tabelul 4.2 Tabelul de severitate pentru proiect (DFMEA)
Efect
Criterii : Severitatea efectului
pentru DFMEA
Punctaj
Hazardat fr
avertizare
Defectarea afecteaz operarea sigur a produsului sau
implic nerespectarea legislaiei - fr avertizare
10
Hazardat cu
avertizare
Defectarea afecteaz operarea sigur a produsului sau
implic nerespectarea legislaiei - cu avertizare
9
Foarte mare Produsul este inoperabil, cu pierderea funciei de baz 8
Mare
Produsul este operabil, dar la un nivel redus de
performan
7
Moderat
Produsul este operabil, dar articolele care realizeaz
confortul nu sunt funcionale
6
Redus
Produsul este operabil, dar articolele care realizeaz
confortul funcioneaz la un nivel redus de performan
5
Foarte redus
Articolele de finisare i aspectul nu sunt conforme.
Majoritatea clienilor sesizeaz defectarea
4
Minor
Articolele de finisare i aspectul nu sunt conforme. Circa
jumtate dintre clieni sesizeaz defectarea
3
Foarte minor
Articolele de finisare i aspectul nu sunt conforme. O
mic parte dintre clieni sesizeaz defectarea
2
Inexistent Nici un efect 1

S remarcm c scala datelor de severitate nu discrimineaz defectrile care


120 CAPITOLUL 4 MANAGEMENTUL RISCULUI N CALITATE I FIABILITATE

conduc la rezultate catastrofice, de cele cu consecine minore, sau cele care conduc la
nerespectarea prevederilor legislaiei. De asemenea, un defect sesizat de cea mai mare
parte a clienilor este cuantificat la mai puin de jumtate din scala de severitate, scal
care ncepe de la valoarea 1 pentru situaia Nici un efect (valoarea zero nu se
utilizeaz).
Tabelul 4.3 Tabelul de severitate pentru proces (PFMEA)
Efect
Criterii : Severitatea efectului
pentru PFMEA
Punctaj
Hazardat fr
avertizare
Defectarea poate pune n pericol operatorii. Defectarea
afecteaz funcionarea n siguran a produsului sau
implic nerespectarea legislaiei - fr avertizare
10
Hazardat cu
avertizare
Defectarea poate pune n pericol operatorii. Defectarea
afecteaz funcionarea n siguran a produsului sau
implic nerespectarea legislaiei cu avertizare
9
Foarte mare
ntrerupere major a procesului. Produsele pot fi 100%
defective. Produsul este inoperabil, cu pierderea funciei
de baz.
8
Mare
ntrerupere minor a procesului. Produsele pot fi sortate
i o parte sunt defective. Produsul este operabil, dar la
un nivel redus de performan
7
Moderat
ntrerupere minor a procesului. O parte din produse
sunt defective. Produsul este operabil, dar articolele care
realizeaz confortul nu sunt funcionale
6
Redus
ntrerupere minor a procesului. Produsul este operabil,
dar articolele care realizeaz confortul funcioneaz la un
nivel redus de performan
5
Foarte redus
ntrerupere minor a procesului. Produsele pot fi
remaniate. Articolele de finisare i aspectul nu sunt
conforme. Majoritatea clienilor sesizeaz defectarea
4
Minor
ntrerupere minor a procesului. Articolele de finisare i
aspectul nu sunt conforme. Circa jumtate din clieni
sesizeaz defectarea
3
Foarte minor
ntrerupere minor a procesului. Articolele de finisare i
aspectul nu sunt conforme. O mic parte din clieni
sesizeaz defectarea
2
Inexistent Nici un efect 1

Cauzele
Dup stabilirea efectelor i a severitii, urmtorul pas l constituie identificarea
cauzelor pentru modurile de defectare, activitate care implic de asemenea echipa
FMEA. Identificarea cauzelor ncepe cu modurile de defectare care au cele mai
serioase efecte.
n cazul unei analize FMEA de proiect, cauzele de defectare pot fi deficienele de
proiectare care ar putea conduce la moduri de defectare. De asemenea, pot fi incluse n
cauze i deficienele de proiectare care ar putea genera erori de prelucrare sau de


4.4 MANAGEMENTUL RISCULUI N FMEA 121


asamblare. n principiu, analiza FMEA a unui proiect presupune c specificaiile de
prelucrare i de asamblare sunt realizate n proces, concentrndu-se asupra defectrilor
ce pot rezulta din proiectarea produsului.
n cazul unei analize FMEA de proces, cauzele sunt erori specifice, descrise n
termenii unor aciuni care pot fi corectate sau controlate. Analiza FMEA a unui proces
presupune, la rndul ei, c produsul a fost proiectat n mod corespunztor i nu se va
defecta din cauza unei deficiene de proiectare. Aceasta nu implic ns c toate
intrrile n proces sunt conforme cu specificaiile. Variaia datorat, de exemplu,
articolelor aprovizionate, poate fi considerat ntr-o analiz FMEA de proces.
Apariia
Cauzele sunt punctate prin intermediul apariiei. Apariia este probabilitatea ca o
anumit cauz s apar i s aib ca rezultat un mod de defectare pe perioada
prevzut de via i de utilizare a unui produs.
Ca i efectele, cauzele nu sunt evaluate grupat atunci cnd este evaluat riscul.
Fiecrei cauze a unui mod de defectare i se atribuie o valoare distinct.
Tabelele cu ratele de apariie pentru proiect (DFMEA) Tabelul 4.4 i pentru
proces (PFMEA) Tabelul 4.5, care sunt prezentate n continuare, conin pe o scal
neliniar de la 1 la 10, probabilitile ca o anumit cauz s apar i s aib ca efect un
mod de defectare. Pentru cazurile n care ratele de defectare sunt necunoscute se
adopt un punctaj maxim de apariie, respectiv valoarea 10.
Punctajul de apariie se bazeaz pe informaii de la produse sau procese similare,
dac acestea sunt disponibile.
Tabelul 4.4 Tabelul ratei de apariie pentru proiect (DFMEA)
Probabilitatea de
defectare
Rata posibil de
defectare
Punctaj
1 din 2 10 Foarte mare:
Defectarea este aproape
inevitabil
1 din 3 9
1 din 8 8
Mare: Defectri
repetate
1 din 20 7
1 din 80 6
1 din 400 5
Moderat: Defectri
ocazionale
1 din 2.000 4
1 din 15.000 3
Redus: Defectri
relativ puine
1 din 150.000 2
Foarte mic:
Defectarea este improbabil
1 din 150.000 1



122 CAPITOLUL 4 MANAGEMENTUL RISCULUI N CALITATE I FIABILITATE

n tabelul de urmtor al ratei de apariie pentru proces (PFMEA) se observ
introducerea unui indicator specific controlului statistic al proceselor (SPC) i anume
indicele de capabilitate C
pk
, care este utilizat pentru acordarea punctajului de apariie.
Tabelul 4.5 Tabelul ratei de apariie pentru proces (PFMEA)
Probabilitatea de defectare
Rata posibil
de defectare
C
pk
Punctaj
1 din 2 <0,33 10
Foarte mare: Defectarea este
aproape inevitabil
1 din 3 0,33 9
1 din 8 0,51 8 Mare: Asociat n general cu
procese similare cu defectri
repetate
1 din 20 0,67 7
1 din 80 0,83 6
1 din 400 1,00 5
Moderat: Asociat n general
cu procese similare cu defectri
ocazionale
1 din 2.000 1,17 4
Redus: Defectri izolate
asociate cu procese similare
1 din 15.000 1,33 3
Foarte redus: Numai
defectri izolate asociate cu
procese aproape identice
1 din 150.000 1,50 2
Foarte mic: Defectarea
este improbabil.
1 din 150.000 1,67 1
Controlul curent
Controalele curente aplicate proiectului sau procesului se clasific n urmtoarele
3 tipuri, avnd ca obiective:
(1) Prevenirea apariiei unei cauze sau a unui mod de defectare, respectiv reducerea
ratei lor de apariie.
(2) Detectarea cauzei unui mod de defectare i orientarea ctre aciunea corectiv ce
trebuie aplicat.
(3) Detectarea modului de defectare nainte ca produsul s ajung la client.
Este important s facem distincie ntre controalele care previn defectarea (tipul
1) i controalele care detecteaz defectarea (tipul 2 i tipul 3). Astfel, primul tip de
controale reduce posibilitatea de apariie a unei cauze sau a unui mod de defectare,
ceea ce va influena punctajul de apariie. Celelalte dou tipuri de controale detecteaz
respectiv cauzele i modurile de defectare i vor influena punctajele de detecie.
Detecia
Detecia este o evaluare a posibilitii controalelor curente ale proiectului sau
procesului de a detecta cauzele poteniale (deficienele proiectului sau procesului ) sau
modurile de defectare corespunztoare. n scopul de a obine un punctaj mai redus,


4.4 MANAGEMENTUL RISCULUI N FMEA 123


controlul planificat al proiectului sau procesului (respectiv activitile de prevenire,
validare i/sau verificare) trebuie s fie mbuntit. n cazul proceselor, utilizarea
tehnicilor de control statistic poate duce la scderea punctajului de detecie.
Sistemul de punctaj pentru criteriul de detecie pentru proiect este prezentat n
Tabelul 4.6.

Tabelul 4.6 Tabelul de detecie pentru proiect (DFMEA)
Detecie Criterii: Probabilitatea de detecie Punctaj
Aproape
imposibil
Nu exist control (controale) care s detecteze modul de
defectare sau cauza
10
Foarte puin
probabil
Foarte puin probabil ca controlul curent s detecteze
modul de defectare sau cauza
9
Puin probabil
Puin probabil ca controlul curent s detecteze modul de
defectare sau cauza
8
Foarte redus
Probabilitate foarte redus ca controlul curent s
detecteze modul de defectare sau cauza
7
Redus
Probabilitate redus ca controlul curent s detecteze
modul de defectare sau cauza
6
Moderat
Probabilitate moderat ca controlul curent s detecteze
modul de defectare sau cauza
5
Medie
Probabilitate medie ca controlul curent s detecteze
modul de defectare sau cauza
4
Mare
Probabilitate mare ca controlul curent s detecteze
modul de defectare sau cauza
3
Foarte mare
Probabilitate foarte mare ca controlul curent s detecteze
modul de defectare sau cauza
2
Aproape sigur
Controlul curent al procesului va detecta aproape sigur
modul de defectare sau cauza
1

Sistemul de punctaj pentru criteriul de detecie pentru proces este prezentat n Tabelul
4.7.

Numrul de prioritate-risc
Numrul de prioritate-risc (RPN) este produsul punctajelor de severitate (S) de
apariie (O) i de detecie (D):
RPN = (S) (O) (D). (4.36)
Acest numr este n esen o evaluare a gravitii efectelor (severitatea),
probabilitatea ca o cauz s genereze defectarea asociat cu aceste efecte (apariia) i
capacitatea de a detecta defectarea nainte ca aceasta s ajung la client (detecia). RPN
se utilizeaz pentru a identifica elementele cu cel mai mare risc, care s fundamenteze
aciunile corective.
Mulimea valorilor RPN are o serie de proprieti interesante, dintre care
enumerm cteva:


124 CAPITOLUL 4 MANAGEMENTUL RISCULUI N CALITATE I FIABILITATE

valorile RPN sunt cuprinse ntre 1 i 1000;
media valorilor RPN este aproximativ 166, iar mediana este 105;
exist 120 de valori distincte ale RPN.

Tabelul 4.7 Tabelul de detecie pentru proiect (PFMEA)
Detecie Criterii: Probabilitatea de detecie Punctaj
Incertitudine
absolut
Controlul proiectului nu detecteaz o cauz de defectare
potenial sau un mod de defectare; sau nu exist un
control al proiectului
10
Foarte puin
probabil
Foarte puin probabil ca controlul proiectului s
detecteze o cauz de defectare potenial sau un mod
de defectare
9
Puin probabil
Puin probabil ca controlul proiectului s detecteze o
cauz de defectare potenial sau un mod de defectare
8
Foarte redus
Probabilitate foarte redus ca controlul proiectului s
detecteze o cauz de defectare potenial sau un mod
de defectare
7
Redus
Probabilitate redus ca controlul proiectului s detecteze
o cauz de defectare potenial sau un mod
de defectare
6
Moderat
Probabilitate moderat ca controlul proiectului s
detecteze o cauz de defectare potenial sau un
mod de defectare
5
Medie
Probabilitate medie ca controlul proiectului s detecteze
o cauz de defectare potenial sau un mod
de defectare
4
Mare
Probabilitate mare ca controlul proiectului s detecteze o
cauz de defectare potenial sau un mod de defectare
3
Foarte mare
Probabilitate foarte mare ca controlul proiectului s
detecteze o cauz de defectare potenial sau un mod
de defectare
2
Aproape sigur
Controlul proiectului va detecta aproape sigur o cauz de
defectare potenial sau modul de defectare
1
Aciunile corective
Dup ce modurile de defectare au fost ordonate descresctor n funcie de RPN
(de exemplu, ca n analiza Pareto), aciunile corective trebuie concentrate asupra
problemelor cu cel mai mare RPN.
Scopul oricrei aciuni corective recomandate este de a reduce punctajul de
severitate aprut i/sau detecie. Principalele aciuni corective ce trebuie considerate
sunt cele care urmresc reducerea probabilitii de apariie prin mbuntirea continu
a produselor i proceselor, precum i prin prevenirea defectelor.
De asemenea, scopul fundamental al analizei FMEA este recomandarea i
adoptarea aciunilor care reduc riscul de defectare.


4.4 MANAGEMENTUL RISCULUI N FMEA 125


4.4.2 Managementul riscului n FMEA

Din cele prezentate pn acum, rezult c monitorizarea indicelui de prioritate
risc (RPN) este principala metod de evaluare a riscului n FMEA. Utilizarea RPN este
mai nti de toate o aciune de natur preventiv, mai degrab dect o aciune de natur
corectiv. Toate aciunile aplicate n FMEA, trebuie s conduc, n final, la reducerea
RPN i deci la reducerea riscului. Toate aceste elemente se asambleaz ntr-un proces
de management al riscului.
Procesul pentru managementul riscului n FMEA are urmtoarele etape:
1. Identificare caracteristici:
n aceast etap sunt identificate i sunt descrise funciile FMEA i
caracteristicile de proiectare sau de proces, precum i cerinele pe care aceste
funcii trebuie s le realizeze.
2. Identificare moduri de defecare:
Pentru fiecare funcie identificat, se descriu modurile de defectare poteniale.
3. Identificare riscuri:
Riscurile sunt asociate iniial efectelor pe care modurile de defectare poteniale
pot s le genereze. Rezult o prim evaluare cantitativ a riscului, prin stabilirea
unui nivel de severitate.
4. Identificare cauze:
Cauzele poteniale ale defectrii sunt analizate n relaia cauz mecanism de
defectare. Rezultatele evalurii sunt cuantificate prin nivelul de apariie a acestor
cauze.
5. Prioritizare risc:
n studiile FMEA de produs sau de proces, riscul este prioritizat, n general, prin
trei nivele: risc ridicat (R), risc mediu (M) i risc sczut (S), aa cum vom vedera
n continuare. n ecuaia riscului este considerat i factorul de control al
produsului sau procesului, care determin nivelul de detecie al defectrilor i n
final numrul de prioritate risc.
6. Raportare risc i aplicare aciuni corective sau preventive:
Aceast ultim etap a unui ciclu, care se reia pe diferite nivele i momente de
timp, const n aplicarea aciunilor corective i preventive stabilite pentru
responsabilii de produs sau proces i apoi prin evaluarea rezultatelor obinute i a
riscului rezident, adic a nivelului de risc rmas n sistem dup aplicarea
aciunilor corective i preventive.
Schema de proces pentru managementul riscului n FMEA este prezentat n
Figura 4.9.


126 CAPITOLUL 4 MANAGEMENTUL RISCULUI N CALITATE I FIABILITATE


















Figura 4.9 Managementul riscului n FMEA
Vom analiza n continuare relaia dintre clasificarea calitativ a riscului n FMEA
i clasificarea cantitativ furnizat de numrul de prioritate risc. Aceast legtur
este dat n Tabelul 4.8. Se observ c nivelul de risc minim sau sczut, este asociat cu
un numr de prioritate risc inferior valorii 40, riscul moderat este considerat pentru o
valoare a NPR mai mic de 100, n timp ce pentru valori ale NPR mai mari ca 100, se
consider c riscul are un nivel ridicat. Aceste valori (40 i 100) sunt desigur valori
stabilite n practic de majoritatea utilizatorilor i se bazeaz pe experien. De
exemplu, valoarea 100 corespunde unor valori medii de 4, 5 i 5 pentru nivelele de
severitate, apariie i detecie discutate anterior, ceea ce explic ntr-un fel alegerea
valorilor menionate.
Tabelul 4.8 Clasificarea riscului n FMEA
Clasificarea calitativ Clasificare cantitativ
Risc sczut (S) NPR 40
Risc mediu (M) 41 NPR 100
Risc ridicat (R) NPR > 100
Pe baza valorilor de mai sus, considernd toate funciile i caracteristicile unui
anumit produs sau toate procesele de realizare ale acestuia, putem s construim o
histogram sau un linie de tendin a zonelor de risc, n care pe abscis avem trei zone,
corespunztoare clasificrii riscului, iar pe ordonat frecvena nregistrat pentru
numrul de prioritate risc al caracteristicilor analizate, considernd clasele 1 40, 41
100, 101 200, 201 300, , 901 1000.
Managementul
riscului
Raportare risc
Aciuni corective/
preventive
Reducerea
riscului
Identificare
caracteristici
Identificare moduri
de defectare
Identificare riscuri
Identificare
cauze
Prioritizare
riscuri


4.4 MANAGEMENTUL RISCULUI N FMEA 127


n Figura 4.10 sunt reprezentate zonele de risc i frecvena de apariie a NPR
pentru un anumit proces, sub forma unui grafic liniar, pentru a evidenia forma
distribuiei. Se observ c modelul statistic ce poate fi considerat pentru acest caz este
unul de tip exponenial negativ, respectiv cele mai multe caracteristici sunt n zona de
risc sczut (codificat S), un numr mai redus n zona de risc mediu sau moderat
(codificat M), iar n zona de risc ridicat (codificat R), pe msur ce NPR crete, se
afl din ce n ce mai puine caracteristici ale procesului.
Dup aplicarea aciunilor corective i studiul formei distribuiei frecvenei
valorilor NPR pentru stadiul optimizat al procesului, modelul exponenial negativ
poate continua s apar, dar cu creterea valorilor n zonele de risc (S) i (M) i
reducerea semnificativ a caracteristicilor situate n zona (S). Obiectivul final ideal al
aciunilor de management al riscului n FMEA este situarea tuturor caracteristicilor
procesului n zona de risc minim (S).

0 50 100 150 200 250 300 350 400
Valori NPR
F
r
e
c
v
e
n

a


N
P
R
Zona de risc ridicat
(R)
Z
o
n
a

d
e

r
i
s
c

m
e
d
i
u
(
M
)
Z
o
n
a

d
e

r
i
s
c

s
c

z
u
t
(
S
)
1000

Figura 4.10 Zonele de risc i valorile NPR

S considerm n continuare exemplul unui studiu FMEA pentru proces i modul
de analiz i considerare a riscului. n Figura 4.13 este redat modelul cunoscut al
studiului FMEA din standardul internaional QS 9000, pentru un proces de aplicare a
unui strat de parafin de protecie pe n interiorul uii unui autovehicul n cadrul
procesului de asamblare a caroseriei. Operaia are ca scop protejarea mpotriva
coroziunii a suprafeelor interioare ale uii i se realizeaz cu ajutorul unui dispozitiv
special (un pistol) de acoperire cu parafin.
Pentru aceast funcie a procesului au fost identificate un mod de defectare
potenial i efectele potenial ale defectrii, respectiv a realizrii necorespunztoare a
operaiei de protecie prin acoperire cu parafin. Punctajul de severitate acordat a fost
7, corespunztor unui efect mare, considerndu-se c nivelul de performan al
procesului este necorespunztor (vezi Tabelul 4.3).


128 CAPITOLUL 4 MANAGEMENTUL RISCULUI N CALITATE I FIABILITATE

n continuare au fost identificate un numr de 4 cauze poteniale de defectare,
care au fost cuantificate din punct de vedere al apariiei. Au fost definite sistemele de
control pentru fiecare cauz specificat i s-au acordat punctajele de detecie, rezultnd
numerele de prioritate risc pentru stadiul iniial de analiz FMEA. Clasificarea
riscurilor n stadiul iniial, a pus n eviden 3 cauze cu risc ridicat (R) i o cauz cu
risc sczut (S). n stadiul optimizat dup aplicarea i evaluarea aciunilor corective, s-
au nregistrat dou cauze de defectare cu risc mediu (M) i 2 cauze cu risc sczut (S).
Histograma cauzelor de defectare n funcie de NPR, n stadiul iniial i n stadiul
optimizat, este redat n Figura 4.11.
0
50
100
150
200
250
300
350
400
450
Capul pistolului
nu ajunge la
toate suprafeele
interioare
Capul pistolului
este nfundat
Capul pistolului
este deformat
Timpul de
acoperire este
insuficient
Stadiul iniial Stadiul optimizat

Figura 4.11 Histograma cauzelor de defectare n funcie de NPR
Aplicnd pentru exemplul nostru zonele de risc discutate anterior, rezult o
imagine a procesului n stadiul optimizat, acum toate caracteristicile avnd un NPR
sub 100, procesul situndu-se n zonele de risc mediu i sczut, ceea ce denot o
mbuntire a performanelor.
0 50 100 150 200 250 300 350 400
Stadiul iniial Stadiul optimizat
S M R

Figura 4.12 Zonele de risc ale procesului




ANALIZA MODULUI DE DEFECTARE I A EFECTELOR FMEA PROCES
Rezultatele aciunilor corective
aplicate
Funcia
de proces
_____________
Cerine
Mod de
defectare
potenial
Efecte
poteniale a le
defectrii
S
Cauze
poteniale /
Mecanisme de
defectare
O
Controlul
curent al
procesului
D NPR
Clasa
de
risc
Aciuni
corective
recomandate
Aciuni
corective
aplicate
S O D NPR
Clasa
de
risc
Capul pistolului
nu este introdus
suficient pentru a
ajunge la toate
suprafeele
interioare

8
Verificarea la 1
or a grosimii
stratului de
parafin i a
gradului de
acoperire
5
80
Adugarea unui
ghidaj de oprire
la capul
pistolului
Ghidajul realizat
asigur atingerea
adncimii n
zonele critice
7 2 5 70
Capul pistolului
este nfundat
deoarece:
Vscozitatea
este prea mare;
Temperatura
este prea sczut;
Presiunea este
prea sczut
5
Testarea
funcionrii
pistolului la
nceputul
schimbului i
dup fiecare
perioad de
ntrerupere
3
05
Studiul
capabilitii i
proiectarea
experimentelor
pentru
vscozitate,
temperatur i
presiune
Procesul este n
control statistic
Cpk=1,85
7 1 3 21
Capul pistolului
este deformat ca
urmare a
impactului cu
pereii interiori
2
Activiti
preventive
planificate de
ntreinere i
reparaii a
capului pistolului
2 28
Nu e cazul Nu e cazul
7 2 2 28
Aplicarea
manual a unui
strat de parafin
de protecie n
interiorul uii
autovehiculului
_______
__

Acoperirea
tuturor
suprafeelor
interioare cu un
strat de parafin
de grosime
minim
mpotriva
coroziunii

Acoperirea
insuficient i
incorect a
suprafeelor
specificate


Deteriorarea
perioadei de
via a uii,
avnd ca efecte
n timp:
Aspect
necorespunztor
datorit apariiei
zonelor de
rugin;

Afectarea
funcionrii
interioare a uii
7
Timpul de
acoperire este
insuficient

8
Instruciuni
tehnologice
pentru operator i
eantionare
pentru verificarea
acoperirii n
zonele critice
7 392
Dotarea
pistolului cu un
releu de timp
Procesul este n
control statistic
Cpk=2,05
7 1 7 49
Figura 4.13 Exemplul unui studiu FMEA pentru proces
R
S
R
M
S
S
R
M
4
.
4

M
A
N
A
G
E
M
E
N
T
U
L

R
I
S
C
U
L
U
I

N

F
M
E
A






1
2
9



130 CAPITOLUL 4 MANAGEMENTUL RISCULUI N CALITATE I FIABILITATE


4.5 APLICAII PROPUSE

A4.1 Se consider problema de decizie asupra aprovizionrii arborilor cotii. S se rezolve
aceast problem de decizie n urmtoarele ipoteze:
(a) S se determine funcia de pierdere i s se adopte decizia minimax pentru urmtoarele
modificri de costuri:
- Furnizorul A: 220 / bucat;
- Furnizorul B: 150 / bucat;
- Furnizorul C: 150 / bucat la lot de 1.000;
175 / bucat la lot de 500;
- Remaniere: 250 / bucat.
(b) S se aplice procedura Bayes de decizie pentru funcia de pierdere de mai sus i
urmtoarele valori ale probabilitilor iniiale:
Prob{ = 102} = 0,4 i Prob{ = 105} = 0,6.
A4.2 Un productor aprovizioneaz un lot de 5.000 de uniti de produs dintr-un anumit reper
pentru asamblare, lotul fiind supus unei proceduri de verificare la recepie. Productorul are de
ales ntre urmtoarele aciuni:
a
1
: s accepte lotul, tiind c fraciunile defective ale loturilor livrate anterior au fost
p = 0,01, p = 0,05 i p = 0,10;
a
2
: s accepte lotul, dar s verifice 100% unitile de produs din lot.
Orice unitate de produs defectiv identificat nainte de promovarea pe fluxul de asamblare
implic un cost suplimentar de 0,25/bucat, n timp ce o unitate de produs defectiv
identificat dup asamblare, implic un cost suplimentar de 0,75/bucat.
(a) S se determine funcia de pierdere;
(b) S se aplice procedura de decizie minimax.
A4.3 O companie a primit n anul anterior n medie un numr de = 10 reclamaii pe lun de la
clieni, iar n luna decembrie un numr de 15 reclamaii. Managementul firmei a considerat c o
toleran medie de = 2 reclamaii reprezint un nivel acceptabil. Costul de rezolvare a unei
reclamaii este K

= 150.
(a) S se determine valoarea lui k din funcia de pierdere L(x) a lui Taguchi;
(b) S se determine pierderea L(x) din luna decembrie.
A4.4 Un proces de fabricaie genereaz o caracteristic de calitate cu limitele de toleran
specificate LSI = 13,70 mm, LSS = 13,8 mm, iar valoarea int este T = 13,75 mm. La
omologarea lotului de prob, eantionul de uniti de produs msurate a furnizat urmtoarele
valori:
13.67 13.71 13.72 13.74 13.75
13.71 13.72 13.73 13.74 13.69
13.70 13.70 13.73 13.75 13.69
13.70 13.72 13.74 13.75 13.72
13.71 13.72 13.69 13.74 13.77
(a) S se determine media i abaterea standard, indicii de capabilitate i fraciunea defectiv a
acestui proces, pe baza statisticilor eantionului de prob;
(b) tiind costul unei uniti de produs defective K

= 5, s se determine pierderea utiliznd


metoda empiric a fraciunii defective actuale (proporia de uniti de produs situate n
afara limitelor de toleran specificate);
(c) S se determine pierderea utiliznd fraciunea defectiv estimat;
(d) S se determine valoarea lui k din funcia de pierdere L(x) a lui Taguchi;
(e) S se determine valoarea riscului Taguchi.


131

5
MANAGEMENTUL RISCULUI N
PROIECTE

5.1 ELEMENTE DE MANAGEMENTUL PROIECTELOR

Acest capitol este dedicat managementului riscului n proiecte. Pentru acest
obiectiv, vom analiza mai nti principalele noiuni de managementul proiectelor, din
care managementul riscului face parte integrant.
Pe plan internaional, conceptele legate de managementul proiectelor au fost
agregate ntr-o baz de cunotine de ctre Project Management Institute (PMI), un
institut finanat de guvernul american care, ncepnd cu anul 1987, a publicat, prin
comitetul su de standarde, un ghid coninnd un corp de cunotine pentru
managementul proiectelor
1
. Vom sintetiza n cele ce urmeaz principalele concepte
utilizate n managementul proiectelor, pentru a vedea cum se integreaz managementul
riscului n acest context.
Un proiect se poate defini ca fiind un set de activiti menite s realizeze, ntr-o
anumit perioad de timp, un produs sau un serviciu unic. Caracterul temporal al
proiectului este dat de faptul c fiecare proiect este definit printr-un moment de
nceput i un moment de finalizare. Caracterul de unicitate este dat de faptul c
obiectul unui proiect n constituie, n general, realizarea unui produs sau a unui
serviciu, ntr-o manier similar sau nu cu alte proiecte.
Exemple de proiecte sunt: dezvoltarea unui nou produs sau serviciu; dezvoltarea
i/sau implementarea unui nou sistem informatic; implementarea unui nou proces sau
schimbarea procedurilor ntr-o organizaie .a.
Managementul proiectului const din aplicarea cunotinelor, experienei,
metodelor i tehnicilor la realizarea activitilor unui proiect, pentru a atinge sau chiar
a depi cerinele i ateptrile planificate sau ateptate de la proiectul respectiv de
ctre prile interesate n proiect. Aceasta nseamn balansarea i echilibrarea
domeniului, duratelor, costurilor i calitii proiectului cu cerinele identificate
(planificate) sau cu cele neidentificate (ateptate). Managementul proiectului implic,

1
A Guide to the Project Management Body of Knowledge, PMI, 1996 2000.


132 CAPITOLUL 5 MANAGEMENTUL RISCULUI N PROIECTE

de asemenea, structura organizaional i managerial necesar pentru realizarea
proiectului: responsabilii proiectului, managerii de proiect, echipa de proiect etc.
Procesele de management ale unui proiect, reprezentate structural n schema din
Figura 5.1, descriu cunotinele i procedurile necesare pentru conducerea proiectului
respectiv.
Managementul integrrii proiectului se refer la procesele necesare pentru a
asigura c diferitele elemente ale proiectului sunt coordonate n mod corespunztor.
Acesta include planificarea proiectului, execuia planului proiectului i controlul
modificrilor intervenite n proiect.
Managementul domeniului proiectului const din procesele menite s asigure c
proiectul include toate activitile necesare i numai pe acestea pentru a realiza
proiectul cu succes. n acest scop, domeniul proiectului este definit, planificat,
verificat i controlat din punct de vedere al modificrilor ariei de cuprindere a
proiectului.
Managementul duratelor proiectului este alctuit din procesele care asigur
realizarea la timp a activitilor proiectului. Aceasta include definirea activitilor, a
secvenelor de ordine, estimarea duratelor activitilor, ct i planificarea i controlul
acestora.


Figura 5.1 Procesele de management ale unui proiect
MANAGEMENTUL
PROIECTULUI
Managementul
integrrii
proiectului
Managementul
domeniului
proiectului
Managementul
duratelor
proiectului
Managementul
costurilor
proiectului
Managementul
calitii
proiectului
Managementul
resurselor umane
ale proiectului
Managementul
comunicaiilor
proiectului
Managementul
riscului
proiectului
Managementul
resurselor materiale
ale proiectului


5.1 ELEMENTE DE MANAGEMENTUL PROIECTELOR 133


Managementul costurilor proiectului conine procesele necesare pentru a asigura
c proiectul este realizat n bugetul aprobat, i se refer la planificarea resurselor,
precum i la estimarea i controlul costurilor.
Managementul calitii proiectului const din procesele necesare pentru a asigura
c proiectul va satisface cerinele definite i planificate, respectiv procesele de
planificare a calitii, asigurarea calitii i controlul calitii.
Managementul resurselor umane al proiectului conine procesele necesare pentru
a asigura utilizarea ct mai eficace a resurselor umane implicate n proiect, respectiv
planificarea organizaional, asigurarea personalului de specialitate i constituirea i
conducerea echipei de proiect.
Managementul comunicaiilor proiectului se refer la procesele care s asigure
la timp i n cele mai bune condiii generarea, colectarea, transmiterea i stocarea
informaiilor referitoare la proiect.
Managementul riscului proiectului include procesele referitoare la identificarea,
analiza i rspunsul la riscul proiectului, implicnd identificarea riscului, cuantificarea
riscului, ct i dezvoltarea i controlul rspunsului la risc.
Managementul resurselor materiale ale proiectului conine procesele de achiziie
a bunurilor i serviciilor necesare pentru realizarea activitilor proiectului, prin
planificarea i derularea procurrii materialelor pentru proiect.
Procesele de management ale unui proiect pot fi organizate n cinci grupuri
alctuite fiecare din unul sau mai multe (sub)procese, care descriu fazele unui proiect,
precum i dependenele ntre procesele proiectului. Grupurile de procese (fazele) ale
unui proiect sunt reprezentate n Figura 5.2.














Figura 5.2 Grupurile de procese (fazele) unui proiect
INIIEREA
PROIECTULUI
PLANIFICAREA
PROIECTULUI
CONTROLUL
PROIECTULUI
EXECUIA
PROIECTULUI
NCHIDEREA
PROIECTULUI


134 CAPITOLUL 5 MANAGEMENTUL RISCULUI N PROIECTE

Procesele de iniiere a proiectului, se refer n fapt la implicarea n nceperea
proiectului i trecerea la faza urmtoare.
Procesele de planificare a proiectului, au o importan major pentru un proiect,
pentru c ele materializeaz programul de lucru pentru realizarea proiectului.
Procesele de baz din acest grup sunt: planificarea domeniului proiectului, a
activitilor i duratelor acestora, ct i a costurilor. Procesele auxiliare sunt:
planificarea calitii, a comunicaiilor, planificarea riscului i a resurselor proiectului.
Procesele de execuie a proiectului, sunt menite n primul rnd s asigure
realizarea planului proiectului, prin coordonarea oamenilor i a celorlalte resurse
alocate proiectului. Procesele auxiliare ale acestui grup se refer la distribuirea
informaiilor referitoare la proiect, dezvoltarea echipei i asigurarea calitii.
Procesele de control al proiectului, constau din urmrirea i raportarea
performanelor proiectului i din controlul modificrilor intervenite. De asemenea,
procesele auxiliare implic controlul modificrilor n ceea ce privete domeniul,
programul sau costurile proiectului, precum i controlul calitii, controlul rspunsului
la risc i controlul procurrii resurselor.
Procesele de nchidere a proiectului sunt alctuite din activitile de rezolvare a
problemelor referitoare la contractul care a stat la baza realizrii proiectului, ct i din
nchiderea administrativ a acestuia.
Grupurile de procese ale unui proiect sunt interconectate ntre ele. Pentru a
descrie aceste conexiuni, fiecare proces poate definit prin:
Intrri: documente sau articole care pot fi documentate;
Mijloace i tehnici: mecanismele aplicate intrrilor pentru a crea ieiri;
Ieiri: documente (articole documentabile) care sunt rezultatul procesului.
Grupurile de procese sau fazele unui proiect sunt corelate i n timp, aceste faze
desfurndu-se simultan, prin faptul c multe dintre acestea au un caracter iterativ.
Derularea n timp a fazelor unui proiect i nivelul de intensitate al activitilor
componente sunt reprezentate n Figura 5.3.







Figura 5.3 Interaciunea ntre grupurile de procese (fazele) unui proiect
Timp
Start Fini
Nivel
activiti
Iniiere
Planificare
Execuie
nchidere
Control


5.2 MANAGEMENTUL RISCULUI PROIECTELOR 135


5.2 MANAGEMENTUL RISCULUI PROIECTELOR

Riscul poate fi definit ca fiind gradul de expunere la un eveniment care poate s
se ntmple n detrimentul sau n beneficiul unui proiect sau a unei activiti. El poate
fi descris ca o combinaie dintre probabilitatea ca riscul s apar i consecinele n
termenii pierderii sau ctigului ca urmare apariiei riscului. Riscul este o component
inerent a tuturor activitilor unui proiect, indiferent dac este vorba de o activitate
mai simpl sau de o activitate mai complex. De aceea, dimensiunea i/sau
complexitatea unei activiti nu este ntotdeauna o msur adecvat a gradului de risc
potenial asociat cu activitatea respectiv. Totui, dependena este direct, adic n cele
mai multe cazuri, activitile complexe au asociate riscuri mai mari.
Managementul riscului este procesul sistematic de identificare, de analiz i de
rspuns la riscul potenial al unui proiect. Managementul riscului este deci o abordare
structurat i formal, focalizat asupra pailor necesari i aciunilor planificate pentru
a determina i a controla riscurile, meninndu-le la un nivel acceptabil. Aplicat pentru
un proiect, managementul riscului reprezint utilizarea continu a principiilor de
management de risc pe durata de via a proiectului. Scopul este de a maximiza
probabilitatea de succes a proiectului, prin creterea anselor de mbuntire a
performanelor proiectului i, n acelai timp, diminuarea anselor pentru evoluii
neanticipate, cum ar fi ntrzieri de program, depirea costurilor sau compromisuri
privind calitatea.
Managementul riscului proiectului este un proces continuu de planificare,
identificare, cuantificare, rspuns i control al riscurilor, pentru a mri ct mai mult
potenialul de succes al proiectului. Managementul riscului n cadrul unui proiect se
poate aplica costurilor, programului sau performanelor tehnice (cum ar fi de exemplu
riscul asociat aplicrii unei noi abordri constructive) sau performanelor planificate
(de exemplu riscul asociat obinerii i utilizrii resurselor care pot afecta proiectul).
Succesul unei activiti a proiectului nseamn c acea activitate este fezabil din
punct de vedere tehnic i al programrii acesteia i poate fi realizat cu bugetul stabilit
i n programul stabilit. n caz contrar, eecul unei activiti poate rezulta din
nerealizarea sau nendeplinirea factorilor menionai anterior.
Riscul proiectului este un eveniment incert sau o condiie care, dac apare, poate
s aib un impact pozitiv sau negativ asupra obiectivului proiectului. Riscul are o cauz
i, dac apare, un impact. De exemplu, cauza poate fi obinerea unei aprobri din
partea unui organism specializat ( cum ar fi autorizaia de construcie sau de mediu).
Evenimentul de risc poate fi poate fi faptul c obinerea aprobrii poate s dureze mai
mult dect a fost planificat iniial, ceea ce poate s aib impact asupra programului,


136 CAPITOLUL 5 MANAGEMENTUL RISCULUI N PROIECTE

costurilor sau calitii proiectului. Riscul proiectului include att ameninrile asupra
obiectivelor proiectului, dar i oportunitile de a mbunti aceste obiective. Acest
risc i are originea n incertitudinea care este prezent n toate proiectele, indiferent de
amploarea sau complexitatea acestora.
Riscurile pot fi variabile cunoscute, adic riscuri care au fost identificate,
evaluate, cuantificate i pentru care au fost fcute planuri. Totodat, riscurile pot fi
variabile necunoscute, respectiv riscuri care nu au fost nc identificate sau sunt
imposibil de prevzut.
Principalele categorii n care sunt clasificate riscurile sunt urmtoarele:
Riscul tehnic;
Riscul de securitate sau de mediu;
Riscul de programare;
Riscul de costuri.
Riscul tehnic este definit ca fiind impactul posibil asociat cu dezvoltarea unui
nou design, realizarea unor noi cerine tehnice etc. Riscurile de securitate sau de mediu
apar numai n anumite proiecte, de mai mare complexitate, care pot avea impact
asupra securitii i siguranei sau asupra mediului. Riscurile de programare i de
costuri sunt cele care indic cel mai bine starea proiectului respectiv.
Managementul riscului proiectului const din procesele majore reprezentate n
Figura 5.4. Aceste procese sunt conectate cu grupurile de procese analizate anterior
pentru managementul general al proiectului.















Figura 5.4 Procesele managementului riscului proiectelor
MANAGEMENTUL
RISCULUI
PROIECTULUI
Identificarea
riscului
Planificarea
managementului
riscului
Analiza
calitativ
a riscului
Analiza
cantitativ
a riscului
Planificarea
rspunsului
la risc
Controlul i
monitorizarea
riscului


5.2 MANAGEMENTUL RISCULUI PROIECTELOR 137


INTRRI

1. Descrierea proiectului
2. Politica organizaiei
3. Roluri i responsabi-
liti definite
4. Tolerana la risc
5. Planul managemen-
tului riscului model
6. Structura activitilor
proiectului
MIJLOACE I
TEHNICI
1. Reuniuni de
planificare a
managementului
riscului

IEIRI

1. Planul
managementului
riscului
5.2.1 Planificarea managementului riscului

Planificarea managementului riscului este procesul prin care se decide modul de
abordare i de planificare a activitilor de management al riscului pentru proiectul
respectiv.
nainte de iniierea oricror aciuni de management de risc, va trebui s evalum
mai nti dac exist un potenial pentru riscuri n proiectul analizat, n ceea ce privete
domeniul, programul sau costurile proiectului. Aceast evaluare nu este simpl, dac
inem cont c va trebui s analizm toate activitile proiectului care ar putea s
conin un risc potenial. Obinem prin aceast prim evaluare o list de activiti i o
clasificare a riscurilor poteniale n activiti fr risc, activiti cu risc sczut (sau
acceptabil) i activiti cu potenial de risc ridicat.
Pentru procesul de planificare a managementului riscului, a crui schem este
reprezentat n Figura 5.5, vom detalia n continuare intrrile n proces, mijloacele i
tehnicile aplicabile acestui proces, precum i ieirile din acest proces.

Intrri n planificarea managementului riscului

(1) Descrierea proiectului. Acest document include o descriere sintetic a
cerinelor de business ale proiectului.
(2) Politicile organizaiei n domeniul managementului riscului. n anumite
organizaii exist deja proceduri i metode pentru analiza calitativ i
cantitativ a riscului.
(3) Roluri i responsabiliti definite. Rolurile, responsabilitile i autoritile
care sunt deja definite n organizaie pot influena planificarea
managementului riscului.










Figura 5.5 Procesul de planificare a managementului riscului proiectului


138 CAPITOLUL 5 MANAGEMENTUL RISCULUI N PROIECTE

(4) Tolerana la risc a responsabililor proiectului. Diferite organizaii i
diferii responsabili pot avea tolerane i atitudini diverse fa de risc. Aceste
elemente se regsesc n politicile organizaiei sau n aciunile ntreprinse.
(5) Modelul pentru planul de managementul riscului. Este un document
predefinit (un ablon) care conine structura planului de management al
riscului.
(6) Structura activitilor proiectului. Este documentul care conine, n detaliu,
activitile proiectului, cu condiionrile de timp i resurse ale acestora.

Mijloace i tehnici pentru planificarea managementului riscului

(1) Reuniuni de planificare. Aceste ntlniri au scopul s adapteze i s
mbunteasc modelul planului de managementul riscului, innd cont de
cerinele i de intrrile proiectului respectiv. La aceste reuniuni de lucru,
trebuie s participe managerul de proiect, conductorii echipelor de proiect,
responsabilii cheie ai proiectului i ali specialiti din organizaie, dup caz.

Ieiri din planificarea managementului riscului

(1) Planul de managementul riscului. Acest document stabilete modul n care
identificarea, evaluarea, cuantificarea, rspunsul i controlul riscului sunt
structurate i realizate pe parcursul ciclului de via al proiectului.
Planul de management al riscului trebuie s includ:
Metodologia: Acest capitol al planului definete modalitatea de abordare,
mijloacele i sursele de date care pot fi utilizate pentru managementul
riscului proiectului respectiv.
Roluri i responsabiliti: Acest capitol al planului stabilete membrii
echipei i responsabilitile acestora pentru activitile de managementul
riscului.
Periodicitatea: Conine perioadele la care procesul de managementul
riscului va fi realizat, pe parcursul proiectului. Concluziile din analiza
riscului vor trebui s fie furnizate la timp, pentru a sta la baza deciziilor
adoptate periodic n cadrul proiectului.
Cuantificare i interpretare: Trebuie stabilite metodele corespunztoare de
cuantificare i interpretare a analizelor calitative i cantitative ale riscului,
metode care se vor aplica pe parcursul derulrii proiectului.
Nivele: Se stabilesc nivele (praguri) de risc, care declaneaz activiti, care
au responsabili i modaliti aciune.


5.2 MANAGEMENTUL RISCULUI PROIECTELOR 139


INTRRI

1. Planul managemen-
tului riscului
2. Ieiri din planificrile
proiectului
3. Categorii de risc
4. Informaii istorice
MIJLOACE I
TEHNICI
1. Analiza documentaiei
2. Tehnici de culegere a
informaiilor
3. Analiza ipotezelor
4. Tehnica diagramelor

IEIRI

1. Riscuri identificate
2. Trigger-e
3. Intrri ctre alte
procese
Raportare: Acest capitol documenteaz modul n care rezultatele procesului
de managementul riscului sunt analizate i transmise echipei de proiect i
responsabililor proiectului.
nregistrri: Acest capitol stabilete nregistrrile din domeniul
managementului riscului care se vor face, cerinele viitoare i leciile
nvate, rezultate din realizarea proiectului.

5.2.2 Identificarea riscului

Identificarea riscului este o abordare sistematic ce implic determinarea
riscurilor care pot afecta proiectul i, n acelai timp, documentarea caracteristicilor
acestor riscuri. La identificarea riscurilor trebuie s participe: echipa de proiect, echipa
de managementul riscului, experi n domeniu din organizaie, furnizori i clieni,
utilizatori finali, responsabilii proiectului i chiar experi din afara organizaiei.
Identificarea riscului este un proces iterativ. Prima iteraie poate fi realizat de
echipa de proiect sau de echipa de managementul riscului. A doua iteraie poate fi
realizat de ntreaga echip de proiect sau de principalii responsabili ai proiectului.
Pentru a obine o analiz imparial, a treia iteraie poate fi fcut de persoane care nu
sunt implicate direct n proiect.
Pentru procesul de identificare a riscului, a crui schem este reprezentat n
Figura 5.6, vom detalia n continuare intrrile n proces, mijloacele i tehnicile
aplicabile acestui proces, precum i ieirile din acest proces.

Intrri n identificarea riscului

(1) Planul managementului riscului. Acest document a rezultat ca ieire din
procesul anterior de planificare a managementului riscului.










Figura 5.6 Procesul de identificare a riscului proiectului


140 CAPITOLUL 5 MANAGEMENTUL RISCULUI N PROIECTE

(2) Ieiri din planificrile proiectului. Identificarea riscului necesit o
nelegere complet a proiectului n ceea ce privete misiunea, domeniul i
obiectivele acestuia, precum i a responsabililor proiectului. Ieirile din
celelalte grupuri de procese ale proiectului trebuie analizate pentru a
identifica riscurile posibile. Aceste ieiri pot fi:
Descrierea proiectului;
Structura activitilor;
Descrierea produsului (sau serviciului);
Programul (planning-ul) activitilor proiectului;
Estimrile duratelor i a costurilor activitilor;
Planul resurselor;
Planul de achiziii;
Alte cerine i constrngeri documentate.
(3) Categoriile de risc. Categoriile de risc ajut la identificarea riscurilor
posibile care pot afecta proiectul n bine sau n ru. Aceste categorii de risc
trebuie s fie bine definite i s reflecte sursele comune de risc pentru aria de
aplicare a proiectului. Categoriile de risc cele mai des utilizate sunt:
Riscuri tehnice, de calitate sau de performan: n aceast categorie de risc
intr dependena de o tehnologie neomologat; cerina de a obine o
performan int nerealist; schimbri n tehnologia utilizat sau n
standardele industriale aplicabile.
Riscuri ale managementului de proiect: Acestea pot fi alocarea
necorespunztoare a timpului sau a resurselor; o calitate inadecvat a
planului de proiect; estimri nerealiste sau incomplete; funcii ale
managementului de proiect incorect aplicate; probleme cu furnizorii; tehnici
de comunicare deficitare; inabilitatea de a adopta decizii privind proiectul.
Riscuri interne: n aceast categorie de riscuri interne ale organizaiei sunt
cuprinse costuri, durate i obiective care sunt inconsistente; lipsa stabilirii
prioritilor ntre proiectele organizaiei; finanri inadecvate sau
ntreruperea asigurrii finanrii; conflicte de finanare sau de alocare de
resurse cu alte proiecte ale organizaiei.
Riscuri externe: Acestea pot fi schimbri n mediul legislativ; schimbri n
tendinele de pia; litigii de munc; riscul de ar; riscul de stare a vremii;
alte riscuri fizice pentru care se pot ntocmi planuri.
Anumite evenimente extreme (cum ar fi cutremurele, inundaiile,
schimbrile politice etc.) se ncadreaz n general n scenariile n caz de
dezastru, mai degrab dect n categoria de riscuri externe ale proiectului.


5.2 MANAGEMENTUL RISCULUI PROIECTELOR 141


(4) Informaii istorice. Informaiile din proiectele anterioare pot fi disponibile
din urmtoarele surse:
Dosare de proiecte: nregistrrile rezultatelor proiectelor anterioare pot fi
utilizate pentru identificarea riscurilor. Acestea pot fi rapoarte finale ale
proiectelor, planuri de rspuns la risc, precum i lecii nvate din proiecte
anterioare, care descriu problemele aprute i modul lor de rezolvare.
Informaii publicate: Baze de date comerciale; studii academice; studii de
benchmarking sau alte studii publicate.

Mijloace i tehnici pentru identificarea riscului

(1) Analiza documentaiei. Aceasta implic o analiz structurat a planurilor
proiectului i a ipotezelor de lucru, etap iniial realizat de echipa de
proiect.
(2) Tehnici de culegere a informaiilor. Pentru identificarea riscului se
utilizeaz brainstorming-ul, tehnica Delphi, interviul i analiza SWOT.
Brainstorming-ul: Este tehnica cea mai des utilizat pentru identificarea
riscului. Scopul metodei este de a obine o list ct mai complet a
riscurilor proiectului, list care va fi folosit ulterior n procesele de analiz
calitativ i cantitativ a riscului. Pentru brainstorming se organizeaz o
reuniune cu participarea experilor, avnd un caracter multidisciplinar. n
timpul edinei, care este condus de un moderator, sunt generate idei
despre riscurile proiectului. ntlnirea se desfoar fr ntreruperi i fr a
se exprima judeci sau critici ale ideilor interlocutorilor, indiferent de
poziia lor ierarhic n cadrul organizaiei. Sursele de risc sunt identificate
n sens larg i sunt afiate pentru a fi examinate de ctre toi participanii n
timpul ntlnirii. Riscurile identificate sunt apoi clasificate i caracteristicile
lor sunt detaliate.
Tehnica Delphi: Aceast metod este o modalitate de a obine consensul
experilor asupra riscului proiectului. Experii sunt identificai, dar particip
la analiz anonim, fr a se ntlni fa n fa. Responsabilul cu
identificarea riscului utilizeaz un chestionar prin care solicit idei despre
cele mai importante riscuri ale proiectului. Riscurile astfel identificate sunt
transmise apoi experilor pentru analiz i comentarii. Consensul asupra
principalelor riscuri ale proiectului poate fi obinut prin cteva iteraii ale
acestui proces.
Interviul: Riscurile pot fi identificare i prin intervievarea managerilor de
proiect cu experien sau a experilor n domeniu. Responsabilul cu


142 CAPITOLUL 5 MANAGEMENTUL RISCULUI N PROIECTE

identificarea riscului alege persoanele cele mai potrivite, pe care le
informeaz pe scurt asupra proiectului, le furnizeaz informaiile privind
structura activitilor i ipotezele de lucru. Managerii de proiect i experii
intervievai identific riscurile pe baza experienei lor, pe baza informaiilor
despre proiect i a altor surse de informaii pe care le consider utile.
Analiza SWOT: Aceast tehnic examinarea proiectului din perspectiva
punctelor tari, punctelor slabe, a oportunitilor i a ameninrilor, pentru a
mri aria de analiz a riscurilor considerate.
(3) Analiza ipotezelor. Orice proiect este conceput i dezvoltat pe baza unor
ipoteze, scenarii i presupuneri. Analiza ipotezelor este o tehnic ce
exploateaz acestor ipoteze formulate despre riscurile proiectului. Aceast
tehnic identific riscurile proiectului din punct de vedere al inexactitii,
inconsistenei sau caracterului incomplet al ipotezelor de lucru.
(4) Tehnica diagramelor. Aceast tehnic poate include:
Diagrama cauz efect: Este cunoscut sub numele de diagrama Ishikawa
sau diagrama os de pete, fiind o tehnic util pentru identificarea
cauzelor riscurilor i a efectelor posibile ale acestora.
Diagrame flux de sistem sau de procese: Aceast tehnic descrie modul n
care elementele unui sistem sau ale unui proces interacioneaz, precum i
mecanismul de cauzalitate.
Diagrame de influen: Aceast tehnic const dintr-o reprezentare grafic
a problemelor, artnd influenele cauzale, ordinea temporal a
evenimentelor, precum i alte relaii ntre variabile i rezultate.

Ieiri din identificarea riscului

(1) Riscurile identificate. Riscurile sunt evenimente cu apariii cu caracter
discret, care pot s afecteze proiectul n bine sau n ru.
(2) Trigger-e. Acestea sunt denumite i semnale de avertizare ale riscului,
constituind indicaii c un risc a aprut sau urmeaz s apar. De exemplu,
nerealizarea la timp a unei activiti de tip milestone poate fi semnalul unei
posibile ntrzieri a programului ntregului proiect.
(3) Intrri ctre alte procese. Identificarea riscului poate s evidenieze
necesitatea unor aciuni n alte arii ale proiectului. De exemplu, structura
activitilor proiectului poate s nu fie suficient de detaliat ca s permit o
identificare adecvat a riscurilor la nivelul unor subactiviti ale proiectului.
Riscurile identificate n acest proces constituie elemente de intrare n procesele
de analiz calitativ i cantitativ care urmeaz.


5.2 MANAGEMENTUL RISCULUI PROIECTELOR 143


INTRRI

1. Planul managemen-
tului riscului
2. Riscurile identificate
3. Stadiul proiectului
4. Tipul proiectului
5. Precizia datelor
6. Scala de probabilitate
i impact
MIJLOACE I
TEHNICI
1. Probabilitatea i
impactul riscului
2. Matricea scorului
riscului
3. Testarea ipotezelor
proiectului
4. Clasificarea preciziei
datelor

IEIRI

1. Clasificarea general
a riscului proiectului
2. Lista riscurilor
prioritare
3. Lista riscurilor
pentru analize
suplimentare i
management
5.2.3 Analiza calitativ a riscului

Analiza calitativ a riscului este procesul de realizare a unei evaluri de natur
calitativ a riscurilor identificate ale proiectului. Acest proces stabilete o prioritate a
riscurilor, n funcie de efectul lor potenial asupra obiectivelor proiectului. Analiza
calitativ a riscului este i o modalitate de determinare a importanei riscurilor
identificate i un ghid pentru msurile de rspuns la risc.
Analiza calitativ a riscului necesit estimarea probabilitii i a impactului
riscului, utiliznd metode i tehnici de analiz calitativ. Procesul de analiz calitativ
a riscului trebuie reluat pe parcursul ciclului de via al proiectului, pentru a reflecta
schimbrile intervenite n proiect i schimbrile riscului proiectului. Rezultatele
acestui proces pot conduce la o analiz cantitativ a riscului sau direct la planificarea
rspunsului la risc.
Pentru procesul de analiz calitativ a riscului, a crui schem este reprezentat
n Figura 5.7, vom detalia n continuare intrrile n proces, mijloacele i tehnicile
aplicabile acestui proces, precum i ieirile din acest proces.

Intrri n analiza calitativ a riscului

(1) Planul managementului riscului. Este documentul din procesul de
planificare descris anterior.
(2) Riscurile identificate. Riscurile descoperite n cadrul procesului de
identificare sunt evaluate din punct de vedere al probabilitii de apariie i al
impactului produs asupra proiectului.
(3) Stadiul proiectului. Incertitudinea asociat unui risc depinde de evoluia i
stadiul proiectului. Astfel, la nceputul proiectului, mute riscuri nu apar, ele
aprnd pe msur ce procesul evolueaz.










Figura 5.7 Procesul de analiz calitativ a riscului proiectului


144 CAPITOLUL 5 MANAGEMENTUL RISCULUI N PROIECTE

(4) Tipul proiectului. Proiectele de acelai tip sau cele care se repet tind s aib
riscuri mai reduse. Proiectele care utilizeaz tehnologii noi sau cele de mare
complexitate tins s aib riscuri mult mai ridicate.
(5) Precizia datelor. Precizia descrie gradul n care riscul este cunoscut i
neles. Ea msoar gradul de disponibilitate a datelor, ct i fiabilitatea
acestora. n acest sens, trebuie evaluat sursa datelor care au fost utilizate
pentru identificarea riscului.
(6) Scala de probabilitate i de impact. Aceste scale sunt utilizate pentru
evaluarea celor dou dimensiuni cheie ale riscului: probabilitatea de apariie
i impactul, adic consecinele asupra proiectului generate de apariia riscului
respectiv.

Mijloace i tehnici de analiz calitativ a riscului

(1) Probabilitatea i impactul riscului.
Probabilitatea riscului este definit ca fiind posibilitatea ca acel risc s apar.
Impactul riscului este efectul asupra obiectivelor proiectului dac acel risc
apare.
Probabilitatea riscului i impactul riscului sunt descrise n termeni calitativi
ca fiind: foarte ridicate, ridicate, moderate, sczute sau foarte sczute.
Aceste dimensiuni ale riscului se aplic riscurilor specifice i nu ntregului
proiect. Analiza riscurilor cu ajutorul probabilitii i impactului ne ajut s
identificm acele riscuri cu consecine majore asupra proiectului i asupra
crora trebuie s acionm n mod agresiv.
(2) Matricea scorului riscului. Este o matrice construit prin combinarea
scalelor de probabilitate i de impact.
Scala de probabilitate a riscului are valori cuprinse ntre 0 (probabilitatea
evenimentului imposibil) i 1 (probabilitatea evenimentului sigur). O scal
general care se utilizeaz este alctuit din valorile 0,10, 0,30, 0,50, 0,70 i
0,90, n care 0,10 este probabilitatea pentru un risc foarte puin probabil s
apar, iar 0,90 este probabilitatea pentru un risc care este foarte probabil s
apar. Scala de probabilitate poate avea i valori ordinale, respectiv foarte
puin probabil, puin probabil, mediu, probabil i foarte probabil,
corespunztoare valorilor de probabilitate de mai sus.
Scala de impact a riscului reflect severitatea impactului riscului asupra
obiectivelor proiectului. Scala de impact poate fi ordinal (cu valorile de
impact foarte sczut, sczut, moderat, ridicat, foarte ridicat) sau poate fi
cardinal (cu valorile corespunztoare 0,05, 0,10, 0,20, 0,40 i 0,80).


5.2 MANAGEMENTUL RISCULUI PROIECTELOR 145


Scopul ambelor abordri este de a atribui o valoare de impact de risc pentru
obiectivele proiectului, dac riscul respectiv apare. Tabelul 5.1 conine un
exemplu de evaluare a impactului riscului asupra obiectivelor principale ale
unui proiect.

Tabelul 5.1 Impactul riscului asupra obiectivelor proiectului
Impactul riscului
Obiectivul
proiectului
Foarte sczut
0,05
Sczut
0,10
Moderat
0,20
Ridicat
0,40
Foarte ridicat
0,80
Costuri
Cretere
nesemnificativ
a costului
Creterea
costului cu
<5%
Creterea
costului cu
5% - 10%
Creterea
costului cu
10% - 20%
Creterea
costului cu
>20%
Program
Decalare
nesemnificativ
a programului
Decalarea
programului
cu <5%
Decalarea
programului
cu 5% - 10%
Decalarea
programului
cu 10% - 20%
Decalarea
programului
cu >20%
Domeniu
Reducerea
domeniului
foarte mic
Zone minore
ale dome-
niului sunt
afectate
Zone majore
ale dome-
niului sunt
afectate
Reducerea
domeniului
inacceptabil
pentru client
Rezultatul
proiectului este
fr finalitate
Calitate
Diminuarea
calitii foarte
mic
Numai
anumite
cerine sunt
afectate
Diminuarea
calitii
necesit
aprobarea
clientului
Diminuarea
calitii
inacceptabil
pentru client
Rezultatul
proiectului este
inutilizabil

Matricea de probabilitate i impact poate fi reprezentat ntr-o form ordinal
(Tabelul 5.2) sau cardinal (Tabelul 5.3). Forma ordinal se obine
considernd nivelele de probabilitate i de impact, n exprimarea lor
calitativ, considerate anterior. Valorile sczute de impact se coloreaz de
obicei n verde, valorile moderate n galben, iar valorile ridicate de impact la
risc n culoarea roie.

Tabelul 5.2 Matricea nivelului de impact
Impactul riscului
Probabilitatea
Foarte sczut Sczut Moderat Ridicat Foarte ridicat
Foarte
probabil
Moderat Moderat Ridicat Ridicat Ridicat
Probabil Sczut Moderat Moderat Ridicat Ridicat
Medie Sczut Moderat Moderat Ridicat Ridicat
Puin
probabil
Sczut Sczut Moderat Moderat Ridicat
Foarte puin
probabil
Sczut Sczut Sczut Sczut Moderat


146 CAPITOLUL 5 MANAGEMENTUL RISCULUI N PROIECTE

Scorul riscului se determin cu relaia:
Scorul riscului = Probabilitatea Impactul.
Scorurile corespunztoare ale riscului sunt calculate n matricea din Tabelul
5.3. Se observ c un scor mai mic de 0,05 se consider c are un impact
sczut, scorul ntre 0,05 i 0,15 are un impact moderat, iar scorul mai mare de
0,15 are un impact ridicat.

Tabelul 5.3 Matricea scorului riscului
Impactul riscului
Probabilitatea
0,05 0,10 0,20 0,40 0,80
0,90 0,05 0,09 0,18 0,36 0,72
0,70 0,04 0,07 0,14 0,28 0,56
0,50 0,03 0,05 0,10 0,20 0,40
0,30 0,02 0,03 0,06 0,12 0,24
0,10 0,01 0,01 0,02 0,04 0,08

(3) Testarea ipotezelor proiectului. Ipotezele identificate trebuie testate fa de
dou criterii: stabilitatea ipotezei i impactul asupra proiectului dac ipoteza
este fals. n aceast situaie, trebuie identificate ipoteze alternative, care s
fie adevrate, iar impactul acestora asupra obiectivelor proiectului trebuie
testat n procesul de analiz calitativ a riscului.
(4) Clasificarea preciziei datelor. Analiza calitativ a riscului necesit date
precise, care s vin n ajutorul managementului proiectului. Tehnica de
clasificare a preciziei datelor evalueaz gradul n care datele despre risc sunt
utile pentru managementul riscului. Aceasta implic evaluarea datelor
disponibile despre risc, din punct de vedere al calitii, integritii i
fiabilitii acestora. Utilizarea unor date de precizie sczut dac, de
exemplu, un anumit risc nu este neles poate conduce la o analiz calitativ
a riscului care nu este util managerului de risc.

Ieiri din analiza calitativ a riscului

(1) Clasificarea general a riscului proiectului. Clasificarea riscului poate
indica poziia proiectului fa de alte proiecte prin compararea scorurilor
riscurilor. Ea poate fi utilizat pentru a aloca personal sau alte resurse unor
proiecte cu diferite clasificri ale riscului, pentru a face analize cost


5.2 MANAGEMENTUL RISCULUI PROIECTELOR 147


beneficiu pentru proiect sau chiar pentru a justifica recomandarea pentru
anularea unui proiect.
(2) Lista riscurilor prioritare. Riscurile pot fi ierarhizate dup scorul de impact
de care aparin (ridicat, moderat, sczut), pn la cel mai detaliat nivel din
structura activitilor proiectului. Riscurile pot fi grupate, de asemenea, dup
modul n care necesit un rspuns imediat sau un rspuns ulterior. Riscurile
referitoare la costuri, program, funcionalitate sau calitate pot fi evaluate
separat, cu diferite metode de clasificare. Totodat, riscurile semnificative
trebuie s fie descrise pe baza probabilitii i a impactului cu care au fost
evaluate.
(3) Lista riscurilor pentru analize suplimentare i management. Riscurile
clasificate ca fiind ridicate i moderate sunt primele candidate pentru analiza
cantitativ i pentru aciuni de managementul riscului.

5.2.4 Analiza cantitativ a riscului

Analiza cantitativ a riscului este procesul prin care se urmrete evaluarea
numeric a probabilitii i impactului fiecrui risc asupra obiectivelor proiectului,
precum i influena asupra riscului general al proiectului. Acest proces utilizeaz
tehnici cantitative, cum ar fi simularea Monte Carlo, analiza de senzitivitate i metoda
arborilor de decizie, pentru:
Determinarea probabilitii de a nu atinge obiective specifice ale
proiectului;
Cuantificarea expunerii la risc a proiectului i determinarea mrimii
rezervelor neprevzute pentru costuri i pentru program care ar putea fi
necesare;
Identificarea riscurilor care implic o atenie mai mare, prin cuantificarea
contribuiei lor relative la riscul general al proiectului;
Identificarea realist a costurilor, programului i obiectivelor care pot fi
realizate.
Procesul de analiz cantitativ a riscului urmeaz n fluxul grupului de procese
pentru managementul riscului dup procesele de identificare i de analiz calitativ a
riscului. Procesele de analiz calitativ i cantitativ a riscului pot fi realizate separat
sau mpreun.
Pentru procesul de analiz cantitativ a riscului, a crui schem este reprezentat
n Figura 5.8, vom detalia n continuare intrrile n proces, mijloacele i tehnicile
aplicabile acestui proces, precum i ieirile din acest proces.


148 CAPITOLUL 5 MANAGEMENTUL RISCULUI N PROIECTE

INTRRI
1. Planul managemen-
tului riscului
2. Riscurile identificate
3-4. Lista riscurilor
prioritare i pentru
analize suplimentare
i management
5. Informaii istorice
6. Evalurile experilor
7. Alte ieiri din plani-
ficarea proiectului
MIJLOACE I
TEHNICI
1. Interviul
2. Analiza de
senzitivitate
3. Analiza arborilor de
decizie
4. Simularea

IEIRI

1. Lista riscurilor
prioritare cuantificate
2. Analiza probabilist
a proiectului
3. Probabilitatea de a
atinge obiectivele de
cost i de timp ale
proiectului
Intrri n analiza cantitativ a riscului

(1) Planul managementului riscului. Este documentul rezultat din procesul
anterior de planificarea managementului riscului.
(2) Riscurile identificate. Sunt ieiri din procesul de identificare a riscului.
(3) Lista riscurilor prioritare. Este o rezultant a procesului de analiz
calitativ a riscului.
(4) Lista riscurilor pentru analize suplimentare i management. De
asemenea, este o ieire din proces de analiz calitativ a riscului.
(5) Informaii istorice. Sunt informaii provenite de la proiecte anterioare
similare, studii referitoare la riscurile proiectelor, baze de date despre risc etc.
(6) Evalurile experilor. Datele de intrare n analiza cantitativ a riscului pot s
provin de la echipa de proiect sau de la experi n domeniu din cadrul
organizaiei sau din afara acesteia.
(7) Alte ieiri din planificarea proiectului. Cele mai utile ieiri din celelalte
procese de planificare a proiectului sunt estimrile duratelor activitilor,
structura activitilor proiectului, costurile estimate pentru aceste activiti,
precum i obiectivele tehnice ale proiectului.

Mijloace i tehnici pentru analiza cantitativ a riscului

(1) Interviul. Tehnicile de intervievare sunt utilizate pentru a cuantifica
probabilitatea i impactul riscurilor asupra obiectivelor proiectului. Primul
pas l constituie realizarea unor interviuri despre riscurile proiectului cu
participarea responsabililor proiectului sau a experilor n domeniu.
Informaia care este necesar depinde de tipul distribuiilor de probabilitate










Figura 5.8 Procesul de analiz cantitativ a riscului proiectului


5.2 MANAGEMENTUL RISCULUI PROIECTELOR 149


care vor fi utilizate pentru modelarea riscului. De exemplu, atunci cnd se
utilizeaz distribuia triunghiular sau distribuia beta se furnizeaz informaii
asupra scenariilor optimist, pesimist i cel mai probabil. Distribuiile de
probabilitate continue cele mai utilizate pentru analiza cantitativ a
probabilitii si a impactului sunt: uniform, normal, triunghiular, beta i
log-normal. Ca urmare a interviurilor, este necesar documentarea
argumentelor care au stat la baza parametrilor atribuii distribuiilor de
probabilitate ale modelelor de risc, care vor constitui elemente de intrare
pentru strategiile de rspuns la risc.
(2) Analiza de senzitivitate. Aceast tehnic ajut la determinarea acelor riscuri
care au cel mai mare potenial de impact asupra proiectului. Analiza de
senzitivitate examineaz gradul n care incertitudinea fiecrui element de risc
al proiectului influeneaz obiectivele proiectului, atunci cnd celelalte
elemente variabile i incerte sunt meninute la valorile lor cele mai probabile.
(3) Analiza arborilor de decizie. Metoda arborilor de decizie se utilizeaz
pentru a reprezenta problema de decizie considernd implicaiile alegerii
dintre alternativele disponibile. Metoda utilizeaz probabilitile riscurilor,
precum i elemente pe pierdere sau ctig, pentru fiecare secven de decizii
care se poate adopta. Rezolvarea arborelui de decizie indic decidentului o
evaluare n termeni cantitativi a riscului asociat fiecrei decizii, n condiii de
incertitudine.
(4) Simularea. Tehnica de simulare utilizeaz un model al proiectului, care
translateaz incertitudinile specificate pn la un anumit nivel de detaliere
privind impactului potenial asupra obiectivelor proiectului i apoi la nivelul
ntregului proiect. Pentru simulare se utilizeaz tehnica Monte Carlo.
Tehnicile de simulare i analiz menionate mai sus au fost detaliate n capitolele
anterioare i le vom relua n seciunea de aplicaii a acestui capitol.

Ieiri din analiza cantitativ a riscului

(1) Lista riscurilor prioritare cuantificate. Aceast list include riscurile care
constituie cea mai mare ameninare pentru proiect, sau care ofer cea mai
mare oportunitate, mpreun cu o msur a impactului lor
(2) Analiza probabilist a proiectului. Aceast analiz face o predicie asupra
programului i costurilor proiectului, furniznd intervale de ncredere.
(3) Probabilitatea de a atinge obiectivele de cost i de timp ale proiectului. n
urma analizei cantitative a riscului, poate fi estimat probabilitatea de a atinge
obiectivele de cost i de timp ale proiectului, n condiiile riscurilor actuale.


150 CAPITOLUL 5 MANAGEMENTUL RISCULUI N PROIECTE

INTRRI
1. Planul managemen-
tului riscului
2-4 Lista riscurilor
prioritare
5-6. Analiza probabi-
list a proiectului
7. Rspunsuri poteniale
8. Nivele de risc
9. Proprietarii riscului
10. Rspunsurile comu-
ne la risc
MIJLOACE I
TEHNICI
1. Evitarea
2. Transferul
3. Atenuarea
4. Acceptarea

IEIRI

1. Planul de rspuns
la risc
2. Riscurile reziduale
3. Riscurile secundare
4. nelegeri contrac-
tuale
5. Resurse de rezerv
6-7. Intrri ctre alte
procese
5.2.5 Planificarea rspunsului la risc

Planificarea rspunsului la risc este procesul de dezvoltare a opiunilor i de
determinare a aciunilor care s conduc la intensificarea oportunitilor i reducerea
ameninrilor asupra obiectivelor proiectului. Acest proces include identificarea i
atribuirea responsabilitilor pentru fiecare rspuns la risc convenit i asigur c
riscurile identificate sunt alocate n mod corespunztor pentru rspuns. Eficacitatea
planificrii rspunsului la risc determin n mod direct creterea sau descreterea
riscului proiectului.
Planificarea rspunsului la risc trebui s fie corelat cu nivelul de severitate a
riscului, s ating obiectivele de costuri, s fie realizat la timp pentru a avea succes,
s fie realist i s in cont de contextul proiectului, s fie acceptat de toate prile
implicate n proiect i s fie atribuit unui responsabil din cadrul proiectului.
Pentru procesul de planificare a rspunsului la risc, a crui schem este
reprezentat n Figura 5.9, vom detalia n continuare intrrile n proces, mijloacele i
tehnicile aplicabile acestui proces, precum i ieirile din acest proces.

Intrri n planificarea rspunsului la risc

(1) Planul managementului riscului. Este documentul rezultat din procesul de
managementului riscului.
(2) Lista riscurilor prioritare rezultate din analiza calitativ. Este lista
ierarhizat a riscurilor, rezultat n procesul de analiz calitativ a riscului.
(3) Clasificarea general a riscurilor proiectului. Este clasamentul tuturor
riscurilor proiectului, rezultat din procesul de analiz calitativ a riscului.
(4) Lista riscurilor prioritare cuantificat. Lista rezultat din procesul de
analiz cantitativ a riscului.










Figura 5.9 Procesul de planificare a rspunsului la riscul proiectului


5.2 MANAGEMENTUL RISCULUI PROIECTELOR 151


(5) Analiza probabilist a proiectului. Este o ieire din procesul de analiz
cantitativ a riscului.
(6) Probabilitatea de depire a obiectivelor de cost i de timp ale
proiectului. Rezult din analiza probabilist a proiectului.
(7) Lista rspunsurilor poteniale. n procesul de identificare a riscului pot fi
identificate aciuni de rspuns pentru riscuri individualizate sau pentru
categorii de risc.
(8) Nivele de risc. Pragurile de risc acceptabile pentru organizaie vor influena
planul de rspuns la risc.
(9) Proprietarii riscului. Este o list a responsabililor proiectului care sunt
capabili s acioneze ca proprietari ai rspunsului la risc. Aceti proprietari
ai riscului trebuie implicai n elaborarea rspunsurilor la risc.
(10) Rspunsurile comune la risc. Anumite riscuri pot fi generate de cauze
comune. Aceast situaie poate pune n eviden oportunitatea de a aborda
dou sau mai multe riscuri ale proiectului cu un acelai rspuns generic
comun.

Mijloace i tehnici pentru planificarea rspunsului la risc

Exist mai multe strategii de rspuns la risc. Pentru fiecare risc trebuie selectat
strategia care are cele mai mari anse s fie eficace. n continuare, pentru
implementarea strategiei de rspuns la risc trebuie aplicate aciuni specifice.
ntotdeauna vor fi selectate o strategie principal i o strategie de rezerv.

(1) Evitarea. Evitarea riscului reprezint schimbarea planului proiectului pentru
a elimina riscul sau pentru a proteja obiectivele proiectului fa de impactul
riscului. Echipa de proiect nu poate elimina toate riscurile, dar anumite riscuri
specifice pot fi evitate. Anumite cauze ale riscului pot s apar nc din fazele
iniiale ale proiectului i pot fi rezolvate prin clasificarea cerinelor, obinerea
de informaii, mbuntirea comunicrii sau prin expertize calificate.
Exemple de evitare a riscului sunt: reducerea domeniului proiectului pentru a
evita activitile cu risc ridicat; suplimentarea resurselor i a timpului;
adoptarea unei abordri cunoscute n locul uneia inovative sau evitarea unui
furnizor necunoscut.
(2) Transferul. Transferul riscului este aciunea de a cuta transferarea
impactului riscului ctre o a treia parte, mpreun cu responsabilitatea asupra
rspunsului la risc. Transferul riscului nu determin eliminarea acestuia, dar
atribuie unei tere pri responsabilitatea managementului acestui risc.


152 CAPITOLUL 5 MANAGEMENTUL RISCULUI N PROIECTE

Transferul responsabilitii pentru risc este cel mai eficace atunci cnd n
proiect apare expunerea la riscul financiar. Transferul riscului financiar
nseamn aproape ntotdeauna plata unei prime de risc ctre partea care
preia riscul. Aceasta poate include prime de asigurare, garanii .a.
De asemenea, prin contracte se pot transfera responsabilitile de risc ctre o
alt parte. De exemplu, utilizarea unui contract cu preuri fixe poate transfera
riscul ctre un vnztor.
(3) Atenuarea. Aceast tehnic urmrete s reduc probabilitatea i/sau
impactul riscului sub un prag acceptabil. Atenuarea se bazeaz pe principiul
c adoptarea la timp a unei aciuni de prevenire a apariiei riscului este mai
eficace dect ncercarea de a repara consecinele dup ce riscul a aprut.
Totodat, costurile aciunilor de atenuare a riscului trebuie s fie n
concordan cu probabilitatea de impact a riscului. Atenuarea riscului se poate
face prin implementarea unei noi modaliti de aciune care s reduc riscul,
de exemplu prin adoptarea unor procese mai puin complexe, prin realizarea
unor testri suplimentarea sau prin alegerea unui furnizor mai stabil.
Procedurile de atenuare a riscului pot s impun schimbarea condiiilor
proiectului, astfel nct probabilitatea de apariie a riscului s se reduc, de
exemplu prin suplimentarea resurselor de timp ale programului proiectului.
Atunci cnd nu este posibil reducerea probabilitii, rspunsul de atenuare a
riscului poate fi orientat asupra impactului riscului, prin focalizarea asupra
legturilor care determin severitatea impactului. De exemplu, proiectarea
unui subsistem redundant poate reduce impactul care ar rezulta din defectarea
sistemului principal.
(4) Acceptarea. Aceast tehnic indic faptul fie c echipa de proiect a decis s
nu schimbe planul proiectului pentru confruntarea cu riscurile acestuia, fie c
nu a fost capabil s identifice o alt strategie aplicabil de rspuns la risc. O
acceptare activ poate include elaborarea unui plan de rezerv, care s fie
realizat atunci cnd apare riscul. Acceptarea pasiv nu necesit nici o aciune,
lsnd echipa de proiect s abordeze riscurile pe msur ce ele apar.
Planul de rezerv poate fi un instrument util pentru riscurile care pot s apar
pe parcursul unui proiect. Elaborarea de la nceput a unui asemenea plan
poate reduce semnificativ costul aciunilor care sunt necesare atunci cnd
apare riscul. n acest plan semnalele (triggerele) riscului trebuie bine definite.
Planul de retragere poate fi elaborat dac riscul are un impact ridicat sau
dac strategia urmat nu este integral eficace. Planul poate include alocarea
unor resurse de rezerv, dezvoltarea de opiuni alternative sau schimbarea
domeniului proiectului.


5.2 MANAGEMENTUL RISCULUI PROIECTELOR 153


Ieiri din planificarea rspunsului la risc

(1) Planul de rspuns la risc. Acest document trebuie s fie redactat la un nivel
de detaliere la care s poat s fie luate aciunile necesare. Planul de rspuns
la risc include, n general, urmtoarele elemente:
Riscurile identificate i descrierea lor, activitile afectate, cauzele riscurilor
i modul n care acestea afecteaz obiectivele proiectului;
Responsabilitile atribuite pentru riscuri;
Rezultatele din procesele de analiz calitativ i cantitativ a riscului;
Rspunsurile la risc stabilite, incluznd evitarea, transferarea, atenuarea sau
acceptarea pentru fiecare risc;
Nivelul riscului rezidual care se ateapt s rmn dup implementarea
strategiilor de rspuns la risc;
Rspunsuri specifice la risc, care s permit implementarea strategiei
stabilite;
Bugetul i timpul alocate pentru rspunsurile la risc;
Planurile de rezerv i de retragere.
(2) Riscurile reziduale. Sunt acele riscuri care rmn dup ce au fost aplicate
rspunsurile de evitare, transfer sau atenuare. n aceast categorie intr i
riscurile minore care au fost acceptate.
(3) Riscurile secundare. Sunt riscurile de nivelul al doilea, care apar ca rezultat
al implementrii rspunsurilor la risc i care sunt considerate secundare, ca
moment al apariiei lor. Acestor riscuri trebuie s li se aplice, de asemenea,
procedurile de rspuns la risc, respectiv s fie identificate i trebuie planificat
rspunsul la ele.
(4) nelegeri contractuale. Pentru a specifica responsabilitile prilor pentru
anumite riscuri specifice, pot fi ncheiate nelegeri contractuale, care
stabilesc, de exemplu, modalitile de asigurare, service sau alte activiti
pentru evitarea sau atenuarea riscurilor.
(5) Cantitatea necesar de resurse de rezerv. Analiza probabilist a
proiectului i a pragurilor de risc ajut managerului de risc sau de proiect s
determine cantitatea optim de resurse de rezerv necesare pentru reducerea
riscului de depire a obiectivelor proiectului, la un nivel acceptabil pentru
organizaie.
(6) Intrri ctre alte procese. Cele mai multe din rspunsurile la risc implic
consumuri suplimentare de timp, de costuri sau alte resurse i necesit
modificri le planului proiectului. De aceea, organizaiile urmresc s se


154 CAPITOLUL 5 MANAGEMENTUL RISCULUI N PROIECTE

asigure c aceste cheltuieli sunt justificate de nivelul de reducere a riscurilor
atins. Aceste strategii alternative trebuie s furnizeze informaii pentru
celelalte procese ale proiectului.
(7) Intrri n planul revizuit al proiectului. Un nou plan revizuit al proiectului,
dac a fost elaborat, necesit continuarea managementului riscului i deci i
furnizarea rspunsurilor la risc, ntr-un proces iterativ.

5.2.6 Monitorizarea i controlul riscului

Monitorizarea i controlul riscului este procesul de urmrire a riscurilor
identificate, de monitorizare a riscurilor reziduale i de identificare a noilor riscuri,
asigurnd execuia planurilor de risc i evaluarea eficacitii lor n reducerea riscului.
Monitorizarea i controlul riscului este un proces care se desfoar pe durata ciclului
de via al proiectului. Pe msur ce proiectul evolueaz, riscurile se schimb, apar
riscuri noi sau riscuri care au fost anticipate pot s dispar. Un proces corespunztor de
monitorizare i control al riscului furnizeaz informaia necesar pentru asistarea
adoptrii unor decizii eficace, nainte ca riscurile s apar. Comunicarea cu toi
responsabilii proiectului este necesar pentru a evalua periodic nivelul de risc al
proiectului. Scopul monitorizrii i controlului riscului este de a determina dac:
Rspunsurile la risc au fost implementate aa cum a fost planificat;
Aciunile de rspuns la risc au eficacitatea ateptat sau dac trebuie
elaborate noi rspunsuri la risc;
Ipotezele proiectului sunt nc valide;
Expunerea la risc s-a schimbat fa de starea anterioar, innd cont de
analiza cerinelor;
A aprut un semnal (trigger) de risc;
Sunt aplicate politici i proceduri adecvate;
Riscurile identificate au aprut sau au aprut riscuri care nu fuseser
identificate iniial.
Controlul riscului poate implica strategii alternative, implementarea unui plan de
rezerv, aplicarea de aciuni corective sau replanificarea proiectului. Proprietarul
riscului trebuie s raporteze periodic managerului de proiect sau managerului de risc
asupra eficacitii planurilor de rspuns la risc, asupra efectelor neanticipate sau asupra
oricror altor corecii necesare pentru atenuarea riscului.
Pentru procesul de monitorizare i control al riscului, a crui schem este
reprezentat n Figura 5.10, vom detalia n continuare intrrile n proces, mijloacele i
tehnicile aplicabile acestui proces, precum i ieirile din acest proces.


5.2 MANAGEMENTUL RISCULUI PROIECTELOR 155


INTRRI
1. Planul managemen-
tului riscului
2. Planul de rspuns
la risc
3. Comunicarea
4. Identificarea i
analiza riscului
suplimentar
5. Schimbarea
domeniului

MIJLOACE I
TEHNICI
1. Liste de verificare
2. Auditurile proiectului
3. Revizuiri periodice ale
riscului proiectului
4. Analiza rezultatelor
5. Msurarea performan-
elor tehnice
6. Planificarea suplimen-
tar a rspunsului la
risc
IEIRI

1. Planuri de urgen
2. Aciuni corective
3. Cereri de schimbare
a proiectului
4. Actualizri ale planu-
lui de rspuns la risc
5. Baze de date pentru
risc
6.Actualizri ale listelor
de verificare riscuri
Intrri n monitorizarea i controlul riscului

(1) Planul managementului riscului. Este documentul de planificare menionat
n procesul specific.
(2) Planul de rspuns la risc. Este documentul rezultat din procesul anterior de
rspuns la risc.
(3) Comunicarea. Rezultatele activitilor i alte nregistrri ale proiectului
furnizeaz informaii despre performanele i riscurile proiectului. Rapoartele
utilizate pentru monitorizarea i controlul riscului pot include liste de
probleme i aciuni, note de avertizare sau atenionare .a.
(4) Identificarea i analiza riscului suplimentar. Pe msur ce performanele
proiectului sunt cuantificate i raportate, pot s apar riscuri potenial care nu
au fost identificate anterior.
(5) Schimbarea domeniului. Schimbarea domeniului proiectului necesit adesea
o nou analiz a riscului i planuri de rspuns.

Mijloace i tehnici de monitorizare i controlul riscului

(1) Liste de verificare. Listele de verificare utilizate pentru identificarea riscului
pot fi utilizate i n monitorizarea i controlul riscului. O atenie special
trebuie ndreptat ctre riscurile care nu apar pe listele standard, n situaia n
care aceste riscuri pot s fie relevante pentru anumite proiecte specifice.
(2) Auditurile proiectului. Auditorii riscului proiectului examineaz i
documenteaz eficacitatea planurilor de rspuns la risc pentru prevenirea,
transferul sau atenuarea apariiei riscului, precum i eficacitatea dovedit de
proprietarii riscurilor. Aceste audituri ale riscului sunt realizate pe durata
ciclului de via al proiectului, n scopul controlului riscului.
(3) Revizuiri periodice ale riscului proiectului. Trebuie programate revizuiri









Figura 5.10 Procesul de monitorizare i control al riscul proiectului


156 CAPITOLUL 5 MANAGEMENTUL RISCULUI N PROIECTE


periodice ale riscului proiectului, astfel nct riscurile proiectului s fie pe
agenda de lucru a fiecrui responsabil de proiect. Clasamentul i prioritatea
riscurilor se pot schimba pe parcursul realizrii proiectului i orice schimbare
necesit analize suplimentare calitative i cantitative ale riscului.
(4) Analiza rezultatelor. Pentru monitorizarea performanelor generale ale
proiectului se utilizeaz analiza rezultatelor obinute fa de planul iniial.
Aceste rezultate pot indica abateri poteniale ale proiectului de la obiectivele
de costuri sau de program stabilite. Atunci cnd un proiect se abate
semnificativ de la planul iniial, trebuie actualizate analizele de identificare,
evaluare i cuantificare a riscului.
(5) Msurarea performanelor tehnice. Aceasta nseamn compararea
realizrilor tehnice n timpul derulrii proiectului cu planul de obiective
tehnice ale proiectului. Abaterile, cum ar fi de exemplu nedemonstrarea
funcionalitii la anumite termene, pot implica riscul de a nu atinge domeniul
proiectului.
(6) Planificarea suplimentar a rspunsului la risc. Atunci cnd se manifest
un risc care nu a fost anticipat n planul de rspuns la risc sau impactul acestui
risc asupra obiectivelor este mai mare dect cel ateptat, este posibil ca
rspunsul planificat s nu fi fost adecvat. Pentru controlul riscului va fi
necesar planificarea suplimentar a rspunsului la risc.

Ieiri din monitorizarea i controlul riscului

(1) Planuri de urgen. Sunt rspunsuri neplanificate anterior la riscurile
urgente. Aceste planuri trebuie documentate i ncorporate n planul general
al proiectului i n planul de rspuns la risc.
(2) Aciuni corective. Constau din aplicarea planurilor de rezerv sau de urgen.
(3) Cereri de schimbare a proiectului. Rezult ca urmare a implementrii
planurilor de rezerv sau de urgen, conducnd la modificri ale proiectului.
(4) Actualizri ale planului de rspuns la risc. Riscurile pot s apar sau nu.
Riscurile care apar trebuie documentate i evaluate. Toate acestea trebuie s
fie incluse n planurile actualizate de rspuns la risc.
(5) Baze de date pentru risc. Sunt depozite de date pentru colectarea,
actualizarea i analiza datelor rezultate din managementul riscului proiectelor.
(6) Actualizri ale listelor de verificare a riscurilor identificate. Listele de
verificare sunt actualizate pe baza informaiilor rezultate din procesul de
monitorizare i control al riscului.


5.3 APLICAII 157



5.3 APLICAII
5.3.1 Planul managementului riscului

Strategia de dezvoltare i implementare a managementului riscului proiectului
este alctuit dintr-un grup de procese pe care le-am descris n seciunea anterioar.
Aceste procese sunt strns legate ntre ele, aa cum rezult din schema de proces din
Figura 5.11, n care se observ caracterul ciclic al procesului.
Primul pas l constituie realizarea planului managementului riscului, pentru care
vom analiza un model (ablon) de document. Acest model, prezentat n Figura 5.12
(pagina 1) i Figura 5.13 (pagina 2) conine seciunile: (A) Informaii generale; (B)
Strategia managementului riscului; (C) Analiza calitativ i cantitativ a riscului; (E)
Planificarea rspunsului la risc. Modelul poate fi dezvoltat, pe baza intrrilor, a
mijloacelor i tehnicilor i a ieirilor din procesele de managementul riscului discutate.






















Figura 5.11 Schema general a procesului de managementul riscului
Planificarea
managementului
riscului
Identificarea
riscului
Monitorizarea i
controlul riscului
Analiza calitativ
i cantitativ
Planificarea
rspunsului al risc


158 CAPITOLUL 5 MANAGEMENTUL RISCULUI N PROIECTE


PLANUL MANAGEMENTULUI RISCULUI


A. Informaii generale
Aceast seciune conine informaii generale referitoare la organizarea proiectului i a Planului
Managementului Riscului (PMR).

Denumirea proiectului: Data PMR:
Responsabili PMR:
Data modificrii:

Elaborat PMR: Aprobat PMR:

B. Strategia managementului riscului
n aceast seciune sunt definite: metodologia de managementul riscului care va fi utilizat, ipotezele riscului,
rolurile i responsabilitile n managementul riscului, termenele, tehnicile de clasificare / scor, pragurile de
risc, comunicarea riscului, monitorizarea i controlul riscului.

1. Definirea metodologiei de managementul riscului



2. Definirea ipotezelor riscului



3. Definirea rolurilor i responsabilitilor n managementul riscului



4. Definirea termenelor pentru managementul riscului



5. Definirea tehnicilor de clasificare / scor ale riscului



6. Stabilirea pragurilor de risc



7. Definirea modului de comunicare a riscului



8. Definirea procesului de monitorizare i control al riscului



Figura 5.12 Planul managementul riscului model pagina 1


5.3 APLICAII 159



C. Identificarea riscului
n aceast seciune sunt definite i descrise categoriile de risc (de personal, de echipament, clieni, de logistic,
de organizare, alte categorii).

Categoria de risc Descrierea riscului








D. Analiza calitativ i cantitativ a riscului
n aceast seciuni sunt realizate analiza calitativ i cantitativ a riscului, prin evaluarea impactul
evenimentelor de risc asupra obiectivelor proiectului i calculul scorului riscului.

Analiza calitativ
Categoria de risc/
Evenimentul
Impactul
riscului*
Evaluarea impactului riscului







* Impactul riscului: 0,05 = Foarte sczut / 0,10 = Sczut / 0,20 = Moderat / 0,40 = Ridicat / 0,80 = Foarte ridicat

Analiza cantitativ
Categoria de risc/
Evenimentul
Probabilitatea de
apariie**
Consecinele impactului Scorul riscului
(Probabilitate Impact)







**Probabilitatea: 0,10=Foarte puin probabil / 0,30=Puin probabil / 0,50=Medie / 0,70=Probabil / 0,90=Foarte probabil

E. Planificarea rspunsului la risc
n aceast seciune sunt determinate opiunile i aciunile de rspuns la riscurile proiectului

Categoria de risc/
Evenimentul
Rspunsurile la risc Aciuni adoptate/necesare
Responsabili/termene
Ieiri din procesul de
rspuns la risc








Figura 5.13 Planul managementul riscului model pagina 2


160 CAPITOLUL 5 MANAGEMENTUL RISCULUI N PROIECTE

5.3.2 Lista categoriilor de risc

Unul din elementele de intrare n procesul de identificare a riscului l constituie
lista cu categoriile de risc care se aplic proiectului. Aceast list rezult din evaluarea
pe care o face echipa de managementul riscului proiectului, mpreun cu responsabilii
proiectului i cu ali experi. O list generic a categoriilor de risc aplicabile unui
proiect este prezentat n Tabelul 5.4. n mod evident, aceast list este departe de a fi
exhaustiv, coninnd numai o parte dintre principalele categorii de riscuri ale unui
proiect.

Tabelul 5.4 Lista categoriilor de risc ale unui proiect
Proiectare Tehnologie
Cerine sau funcii nedefinite,
incomplete, neclare
Tehnologie nou

Caracteristici complexe de
proiectare
Modificarea tehnologiei
existente
Ipoteze de lucru numeroase,
neclare, neadevrate
O nou aplicare a tehnologiei
existente
Fiabilitatea
Tehnologie necunoscut sau
neclar
Mentenabilitatea Aprovizionare
Clasa de precizie sau de
securitate
Strategia de aprovizionare
Disponibilitatea Furnizor/vnztor nou
Erori sau omisiuni de proiectare
Disponibilitatea i suportul
vnztorului
Resurse/Condiii Testare
Disponibilitatea materialelor sau
echipamentelor
Construcia
Resurse speciale necesare Mentenana
Utiliti existente Operabilitate
Disponibilitatea service-ului Faciliti
Resurse temporare (electricitate,
ap, gaz .a.)
Sistem
Condiii geologice Securitate
Resurse care nu sunt disponibile Componente critice poteniale
Complexitatea construciilor Potenialul de incendiu
Calificarea i instruirea
personalului
Potenialul de contaminare
Disponibilitatea mijloacelor de
msurarea i monitorizare
Management
Logistica forei de munc Incertitudini de finanare
Influena infrastructurii Modificri de strategie
Interfeele proiectului Estimri eronate sau omisiuni


5.3 APLICAII 161



5.3.3 Simularea costurilor proiectului

Vom aplica n continuare metoda de simulare prezentat n Capitolul 3 pentru a
simula costurile estimate ale unui proiect, n vederea evalurii probabilitii de a
realiza un anumit cost al proiectului. Aceast tehnic este de fapt o analiz cantitativ
a riscului i ne va permite s determinm probabilitatea de a obine diferite nivele de
costuri, avnd astfel o evaluare a riscului de a depi costurile bugetate ale proiectului.
Considerm activitile principale ale unui proiect de realizare a unui nou produs,
estimate prin trei nivele de costuri: nivelul minim (notat a), nivelul mediu cel mai
probabil (notat m) i nivelul maxim (notat b), pentru care utilizm modelul distribuiei
triunghiulare ca model de simulare. Datele modelului determinist sunt prezentate n
Tabelul 5.5, costurile fiind exprimate n mii (k).

Tabelul 5.5 Costurile estimate ale unui proiect
Costuri estimate
Activiti
Minim (a)
Mediu (m) Maxim (b)
Media
aritmetic
Abaterea
standard
Proiectare 4 6 10 6,67 1,25
Execuie 16 20 35 23,67 4,09
Testare 11 15 23 16,33 2,49
Cost total 31 41 68 46,67 7,81

Cu ajutorul formulelor (3.9) i (3.10) am calculat media aritmetic i abaterea
standard pentru costurile estimate ale activitilor i ale ntregului proiect. A rezultat o
valoare a mediei de 46,67 (k) i o abatere standard de 7,81.
Utiliznd distribuia triunghiular ca model pentru costurile activitilor
proiectului, aplicm metoda Monte Carlo de simulare a costurilor estimate. Parametrii
statistici rezultai n urma simulrii sunt prezentai n Tabelul 5.6. Histograma
frecvenei absolute pentru variabila cost total, care este variabila rezultat n urma
simulrii, este reprezentat n Figura 5.14.

Tabelul 5.6 Valorile simulate
Statistica Valoarea
Media aritmetic 46,71
Abaterea standard 4,47
Amplitudinea 23,78
Valoarea minim 36,76
Prima cuartil 43,68
Mediana 46,35
A treia cuartil 49,69
Valoarea maxim 60,54


162 CAPITOLUL 5 MANAGEMENTUL RISCULUI N PROIECTE

Figura 5.14 Histograma frecvenei simulate a costului total al proiectului
Modelul empiric sugerat de histogram este cel al distribuiei normale, fapt
natural deoarece costul total este suma a trei variabile aleatoare triunghiulare i,
conform teoremei limit central, va tinde spre distribuia normal, ipotez confirmat
i de testul de normalitate Henry din Figura 5.15, aplicat pentru valorile simulate.
Figura 5.15 Testul de normalitate Henry pentru valorile simulate
0
10
20
30
40
50
60
36 38 40 42 44 46 48 50 52 54 56 58 60 62
Costul total
F
r
e
c
v
e
n

a
99.9% 3.00
99.7% 2.75
99.4% 2.50
98.8% 2.25
97.7% 2.00
96.0% 1.75
93.3% 1.50
89.4% 1.25
84.1% 1.00
77.3% 0.75
69.1% 0.50
59.9% 0.25
50.0% 0.00
40.1% -0.25
30.9% -0.50
22.7% -0.75
15.9% -1.00
10.6% -1.25
6.7% -1.50
4.0% -1.75
2.3% -2.00
1.2% -2.25
0.6% -2.50
0.3% -2.75
0.1% -3.00


5.3 APLICAII 163



Vom utiliza n continuare modelul distribuiei normale cu parametrii statistici
rezultai din simulare pentru inferena asupra costurilor estimate ale proiectului i deci
asupra riscului de a depi aceste costuri. n Tabelul 5.7 sunt calculate probabilitile
de a obine diferite valori ale costurilor totale ale proiectului.

Tabelul 5.7 Valorile probabilitilor costurilor proiectului
Probabilitatea Valoarea (%)
Prob{x < 31} 0,022%
Prob{x < x
min
} 1,3%
Prob{x > 41} 89,9%
Prob{x > x
max
} 0,1%
Prob{x > 68} 0,0001%

Observm c probabilitatea ca s depim costurile medii planificate (41k) este
foarte mare, respectiv aproape 90%, n timp ce probabilitile de a ne situa sub valorile
minime calculate sau simulate, respectiv peste valorile maxime calculate sau simulate,
sunt mici sau foarte mici.

5.3.4 Riscul rezidual

Chiar i dup aplicarea strategiilor de rspuns la risc, este posibil s rmn
impacturi ale anumitor riscuri ale proiectului, care sunt denumite riscuri reziduale.
Impactul asupra costurilor i asupra programului pentru aceste riscuri reziduale trebuie
avut n vedere la cuantificarea riscului proiectului. Pentru aceasta se determin
distribuiile de probabilitate pentru riscul de cost sau de program i apoi se utilizeaz
simularea Monte Carlo pentru evaluarea probabilitii riscului rezidual.
n Tabelul 5.8 sunt prezentate riscurile identificate ale unui proiect, cu evaluarea
nivelelor calitative de risc i a costurilor n cazurile cele mai nefavorabile, nainte de
rspunsul la risc. De asemenea, sunt stabilite strategiile de rspuns la risc, precum i
costurile implementrii acestor strategii. n ultimele coloane ale tabelului sunt estimate
nivelele riscurilor reziduale rmase dup rspuns, ct i valorile minime, cele mai
probabile i maxime ale riscurilor reziduale.
Aplicm n continuare paii algoritmului de simulare descris anterior. Utilizm
pentru cele patru variabile aleatoare ce descriu riscurile reziduale modelul distribuiei
triunghiulare. Vom utiliza pentru analiza probabilitilor de a obine diferite valori ale
riscurilor reziduale distribuia cumulativ simulat, reprezentat n Figura 5.16.
Observm c valorile costului riscului rezidual se situeaz ntre o valoare minim de
circa 350 k i o valoare maxim de circa 1.150 k.


164 CAPITOLUL 5 MANAGEMENTUL RISCULUI N PROIECTE

Tabelul 5.8 Evaluarea riscurilor reziduale ale proiectului
nainte de
rspuns
Rspunsul
la risc
Dup rspuns
Riscuri reziduale
Riscul
identificat Nivel
de risc
Cost
(k)
Strategia
de
rspuns
Costul
implemen-
trii
rspunsului
Nivel
de risc
Minim Mediu Maxim
1. Reproiectare
pentru a rezolva
problemele
aprute la
validarea
proiectului
Moderat 3.500 Atenuare 100 Sczut 0 150 500
2. Reprelucrarea
i actualizarea
documentaiei
proiectului
Moderat 2.700 Acceptare 0 Sczut 0 100 300
3. Proiectarea
echipamentului
de baz
Ridicat 5.000 Atenuare 300 Moderat 0 250 600
4. ntrzierea
omologrii
produsului
Ridicat 2.000 Atenuare 250 Moderat 0 75 200
Total 13.200 650 0 575 1.600

Probabilitatea ca s nu avem risc rezidual este evident 0, iar probabilitatea ca
riscul rezidual s fie mai mare de 1.200 k este de asemenea 0. Cu o probabilitate de
80% putem s estimm c riscul rezidual al acestui proiect va fi de 900 k.
Vom efectua n continuare analiza de senzitivitate, i anume vom evalua
ponderea varianei celor 4 variabile aleatoare ce descriu riscul rezidual. Dup
algoritmul de calcul folosit anterior, obinem n Figura 6.17 o fi tornado pentru
variana riscului rezidual.
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
300 400 500 600 700 800 900 1000 1100 1200
Costul total
P
r
o
b
a
b
i
l
i
t
a
t
e
a

Figura 5.16 Distribuia cumulativ simulat


5.3 APLICAII 165



47%
34%
12%
6%
0% 10% 20% 30% 40% 50%
Proiectare
Reproiectare
Documentaie
ntrziere

Figura 5.17 Fia tornado pentru riscul rezidual

Observm c avem de fapt o fi semi-tornado, deoarece variabilele au numai
o influen pozitiv asupra modelului costurilor riscurilor reziduale, deci vom avea o
reprezentare numai a valorilor pozitive. Riscurile reziduale sunt ordonate descresctor
din punct de vedere al ponderii lor n variabilitatea total a acestui model.

5.3.5 Aplicaii propuse

A5.1 O companie realizeaz un proiect care are ca obiectiv implementarea unui sistem modern
de managementul calitii conform ISO 9001:2000 i certificarea acestui sistem cu o firm de
certificare naional. Proiectul este unul complex, n care sunt angrenate managementul de la cel
mai nalt nivel i toate departamentele companiei. Managerul de proiect a estimat duratele (n
sptmni) pentru principalele activiti ale proiectului dup cum urmeaz:

Activitatea Minim Medie Maxim
Analiza sistemului actual 1 2 3
Elaborarea planului de proiect 1 3 4
Elaborarea planului managementului
riscului
1 2 3
Revizuirea procedurilor operaionale
existente i elaborarea unor
proceduri noi
12 16 20
Elaborarea procedurilor pentru
sistemul de management al calitii
6 12 18
Elaborarea Manualului Calitii 4 10 14
Pre-audit de certificare 1 2 3
Certificarea ISO 9001:2000 1 2 3
Total 27 49 68


166 CAPITOLUL 5 MANAGEMENTUL RISCULUI N PROIECTE

(a) S se elaboreze Planul Managementului Riscului pentru acest proiect, conform modelului
prezentat anterior;
(b) S se efectueze o analiz calitativ i cantitativ a riscului acestui proiect;
(c) S se simuleze, cu ajutorul distribuiei triunghiulare, duratele proiectului de implementare
a sistemului de management al calitii;
(d) S se determine, pe baza datelor de simulare, care sunt probabilitile ca proiectul s
dureze: mai puin de 6 luni, ntre 10 i 12 luni, mai mult de 18 luni.

A5.2 Se consider riscurile identificate n Tabelul 5.8, n care au fost stabilite nivelele de risc
nainte i dup aplicarea rspunsului la risc. Cu aceste ipoteze, s se ntocmeasc matricele de
impact i de scor ale riscului, n urmtoarele ipostaze:

(a) nainte de aplicarea rspunsului la risc, pentru riscurile iniiale;
(b) Dup aplicarea rspunsului la risc, pentru riscurile reziduale.

A5.3 Considerm un proiect n care Planul Managementului Riscului a identificat un numr de
6 riscuri (nenominalizate), iar valorile costurilor acestor riscuri nainte i dup rspunsul la risc
sunt cele de mai jos:

nainte de
rspuns
Rspunsul
la risc
Dup rspuns
Riscuri reziduale
Riscul
identi-
ficat
Nivel
de risc
Cost
(k)
Strategia
de
rspuns
Costul
implemen-
trii
rspunsului
Nivel
de risc
Minim Mediu Maxim
Riscul 1 Sczut 1.000 Acceptare 0
Foarte
sczut
0 60 100
Riscul 2 Moderat 1.200 Atenuare 100 Sczut 0 80 120
Riscul 3 Ridicat 3.500 Atenuare 300 Moderat 0 250 500
Riscul 4 Moderat 1.500 Atenuare 150 Moderat 0 125 250
Riscul 5 Sczut 400 Acceptare 0
Foarte
sczut
0 40 90
Riscul 6
Foarte
ridicat
4.000 Atenuare 350 Ridicat 0 500 1.000

(a) S se simuleze riscurile reziduale pentru acest proiect, conform modelului prezentat
anterior;
(b) S se efectueze o analiz de senzitivitate pentru riscurile reziduale ale acestui proiect.

A5.4 Se consider din aplicaia de mai sus, n care au fost stabilite nivelele de risc nainte i
dup aplicarea rspunsului la risc. Cu aceste ipoteze, s se ntocmeasc matricele de impact i
de scor ale riscului, n urmtoarele ipostaze:

(c) nainte de aplicarea rspunsului la risc, pentru riscurile iniiale;
(d) Dup aplicarea rspunsului la risc, pentru riscurile reziduale.


167

6
MANAGEMENTUL RISCULUI N
SOFTWARE

6.1 RISCUL N PROIECTELE DE SOFTWARE

Dezvoltarea fr precedent a sistemelor electronice i a informaticii din ultimele
dou decenii, a avut drept consecin creterea complexitii proiectelor de realizare i
implementare a sistemelor de aplicaii software. Proiectele de software au devenit o
necesitate, dar i riscurile implicate de realizarea lor au crescut aproape exponenial.
Literatura de specialitate este plin de exemple de proiecte de software care au euat,
au ntrziat sau nu s-au mai realizat niciodat.
Riscul poate fi definit, n general, ca fiind posibilitatea de a pierde. El este o
funcie dat de probabilitatea unui eveniment advers care poate s apar, ct i de
impactul acestuia. Acest impact poate fi o combinaie de pierderi financiare, ntrzieri
sau pierderea performanei. Riscul n software este dat de probabilitatea ca, la un
anumit moment din ciclul de via al proiectului software, obiectivele planificate s nu
fie atinse cu resursele alocate. De obicei, riscul nu poate fi eliminat din proiectele
software, dar el poate fi tratat. Managementul riscului este o activitate critic pentru
succesul oricrui proiect software, fiind o component strategic de realizare a
acestuia.
Managementul riscului n software face parte din practicile de inginerie a
software-ului i const din procesele, metodele i tehnicile de management a
proiectelor software. El furnizeaz o abordare sistematic i o atitudine pro-activ de
adoptare a deciziilor care s evalueze lucrurile care nu merg bine, s determine care
sunt riscurile care sunt importante i s implementeze aciunile necesare pentru
tratarea acestor riscuri.
Ca i n alte domenii ale managementului n general i al managementului
proiectelor n special i n acest domeniu implicarea managementului de cel mai
nalt nivel al organizaiei este esenial pentru succes. Top-managementul trebuie s
susin managementul riscului prin alocarea resurselor necesare, prin planificare i
analize de management dedicate acestui scop.


168 CAPITOLUL 6 MANAGEMENTUL RISCULUI N SOFTWARE
S analizm acum modelul global al procesului de management al riscului n
software, care se integreaz modelelor de management al proiectelor n general, fiind
de fapt o adaptare i o particularizare pentru ciclul de via i specificitatea proiectelor
de software. Modelul identific funciile fundamentale pentru managementul riscului
ce trebuie avute n vedere pentru un management eficace al riscului n proiectele de
software. Aceste funcii, pe care le vom detalia n seciunea urmtoare, sunt:

Identificare Cutarea i localizarea riscurilor nainte ca ele s devin
probleme adverse care s afecteze proiectul.
Analiz Prelucrarea datelor referitoare la riscuri i includerea lor
n informaiile pentru procesul de adoptare a deciziilor.
Planificare Translatarea informaiilor referitoare la riscuri n decizii
i aciuni (prezente i viitoare) i implementarea acestor
aciuni.
Monitorizare Monitorizarea indicatorilor de risc i a aciunilor luate
mpotriva manifestrii riscurilor.
Control Corectarea abaterilor de la aciunile planificate pentru
riscurile n software.
Comunicare Asigurarea transparenei i a feed-back-ului datelor
interne i externe din programul activitilor curente i
urgente referitoare la riscuri.

Ciclul activitilor continue de realizare a funciilor procesului de monitorizare a
riscului n proiectele software este redat n diagrama din Figura 6.1


C
o
n
t
r
o
l
M
o
n
i
t
o
r
i
z
a
r
e
P
l
a
n
i
f
i
c
a
r
e
A
n
a
l
i
z
a
Identificare
COMUNICARE

Figura 6.1 Modelul procesului de management al riscului n software


6.2 PROCESUL DE MANAGEMENT AL RISCULUI N SOFTWARE 169
6.2 PROCESUL DE MANAGEMENT AL RISCULUI N
SOFTWARE

Procesul de management al riscului n software, descris n diagrama funcional
din Figura 6.2, detaliaz funciile modelului general discutat anterior. Dei paii
acestui proces sunt prezentai ntro-o form secvenial, n mod practic pot s aib loc
iteraii ale pailor procesului, care se repet dup cum este necesar.
Responsabilitile pentru proces sunt alocate unei echipe de evaluare a riscului,
coordonat de un manager de risc. Criteriile care sunt utilizate pentru selecia
membrilor echipei sunt legate de cunotinele i experiena n domeniul proiectului
software, precum i de experiena privind managementul riscului. Echipa este, de
obicei, un mix de specialiti din diferite domenii (dezvoltare, testare, asigurarea
calitii), acoperind toate ariile funcionale considerate critice pentru proiect.
Procesul de management al riscului este constituit din 10 pai pe care i vom
detalia n continuare. Realizarea activitilor asociate cu aceti pai reprezint o
abordare acceptabil a managementului riscului n software i trebuie inclus n planul
general al proiectului de realizare i implementare al software-ului.
6.2.1 Funcia 1: Identificare

nainte ca riscul s fie tratat, el trebuie s fie identificat, pentru a nu deveni o
problem care s afecteze desfurarea proiectului. Tehnicile de identificare a riscului
se aplic de ctre echipa de proiect care are aceste responsabiliti.

Pasul 1: Identificarea riscurilor

Managerul de risc conduce o reuniune de analiz a echipei de managementul
riscului i transmite membrilor echipei o clasificare a domeniilor de risc potenial ale
proiectului. Aceast clasificare rezult din lista riscurilor posibile ale proiectului i
constituie baza pentru analiza detaliat a riscurilor specifice proiectului. O list de
clasificare general a riscurilor unui proiect software este prezentat n Tabelul 6.1.
Fiecare membru al echipei, avnd la baz clasificarea general, documenteaz
riscurile pe care le consider poteniale pentru proiectul respectiv. n cadrul reuniunii
de lucru a echipei, se definitiveaz, n urma analizei comune, lista riscurilor specifice,
care sunt asociate proiectului respectiv. Ieirea din acest pas al procesului o constituie
o list a riscurilor identificate ca fiind specifice proiectului, pentru care se vor
completa informaiile de analiz i cuantificare n paii urmtori.




170 CAPITOLUL 7 MANAGEMENTUL RISCULUI N SOFTWARE
6.2.2 Funcia 2: Analiz

Analiza este conversia datelor referitoare la riscuri n informaii pentru adoptarea
deciziilor. Ea include analiza, prioritizarea i selectarea riscurilor critice.

C
O
M
U
N
I
C
A
R
E
Procesul de management al riscului n software
Activitatile
procesului
Sarcinile echipei de
management a riscului
Iesiri
Functiile
procesului
Identificare
Analizeaza riscurile potentiale si
identifica lista riscurilor specifice
proiectului
1. Identificare
riscuri
Lista riscuri
initiale
Analiza
2. Analiza
riscuri
3. Prioritizare
riscuri
Lista riscuri
actualizata
Lista riscuri
prioritizate
Planificare
4. Identificare
metode de raspuns
6. Identificare
metode de
recuperare
riscuri
7. Definire metrici
ale riscurilor
5. Identificare
metode de
atenuare riscuri
9. Monitorizare
riscuri
10.Implementare
actiuni de control
Monitorizare
Control
Completeaza lista riscurilor cu impactul
asupra costurilor, programului, calitatii
Completeaza lista riscurilor cu
probabilitatile de aparitie si impact
Determina raspunsurile la risc: evitare,
control, acceptare, transfer
Plan
management
risc
Plan
management
risc
Analizeaza riscurile reziduale si actiunile
de atenuare pentru a reduce probabilitatea
si/sau severitatea de impact
Pentru riscurile prioritare sunt
documentate actiunile de recuperare si
semnale de declansare
Plan
management
risc
Identifica si documenteaza metricile
pentru a stabili daca riscul a fost
ndepartat sau a fost atenuat
Monitorizare
metrici risc
8. Implementare
actiuni de
atenuare
Managementul trece proactiv la
implementarea actiunilor de raspuns si de
atenuare identificate
Plan proiect
actualizat
Colecteaza, analizeaza si raporteaza
valorile metricilor, periodic si n functie
de evenimentele aparute
Metrici riscuri
active
Aplica actiunile de control
corespunzatoare, pe baza valorilor
metricilor riscului
Plan proiect
actualizat


Figura 6.2 Diagrama procesului de management al riscului n software


6.2 PROCESUL DE MANAGEMENT AL RISCULUI N SOFTWARE 171
Tabelul 6.1 Clasificarea general a riscurilor n software
A. Realizarea produsului B. Mediul de dezvoltare C. Constrngeri de plan
1. Cerine 1. Procesul de dezvoltare 1. Resurse
a. Stabilitate a. Formalizare a. Program
b. Completitudine b. Adaptabilitate b. Personal
c. Claritate c. Controlul procesului c. Buget
d. Validitate d. Familiaritate d. Faciliti
e. Fezabilitate e. Controlul produsului 2. Contract
f. Preceden 2. Sistemul de dezvoltare a. Tip contract
e. Dimensiune a. Capacitate b. Restricii
2. Proiectare b. Utilizare c. Dependene
a. Funcionalitate c. Fiabilitate 3. Interfee de plan
b. Dificultate d. Suport a. Clientul
c. Interfee e. Livrare b. Subcontractori
d. Performan 3. Procesul de management c. Management
e. Testabilitate a. Planificare proiect d. Vnztori
f. Constrngeri hardware b. Organizare proiect e. Politici
3. Testare cod c. Experien
a. Fezabilitate d. Interfee ale proiectului
b. Testare 4. Metode de management
c. Implementare a. Monitorizare
4. Specializare b. Managementul personalului
a. Mentenabilitate c. Asigurarea calitii
b. Fiabilitate
c. Siguran
d. Managementul
configuraiei


Pasul 2: Analiza riscurilor

Echipa analizeaz fiecare din riscurile identificate, n funcie de consecinele
riscului asupra factorilor de cost, program, performan i calitatea produsului. Un
anumit risc poate s aib impact asupra uneia sau mai multor categorii din factorii
menionai. De exemplu, schimbarea frecvent a cerinelor poate avea impact asupra
tuturor celor patru categorii de factori de mai sus. Pentru fiecare risc identificat se
determin severitatea de impact, iar apoi se estimeaz probabilitatea de apariie a
riscului respectiv. La finalul acestui pas, echipa trebuie s ajung la un consens asupra
consecinelor, severitii, probabilitii i perioadei de apariie a fiecrui risc
identificat.

Pasul 3: Prioritizarea riscurilor

Echipa determin nivelele de prioritate pentru fiecare din riscurile identificate,
considernd matricea de risc, prezentat n Tabelul 6.2. Pe baza nivelelor de prioritate,
echipa stabilete aciunile necesare de tratare a riscurilor.




172 CAPITOLUL 7 MANAGEMENTUL RISCULUI N SOFTWARE
Nivelele scorurilor de impact ale riscurilor sunt urmtoarele:
(1) Risc tolerabil T: Riscul este identificat ca avnd un efect mic sau nici o
consecin asupra obiectivelor proiectului. Scorul de impact este cuprins ntre
0,01 i 0,03, fiind suficient de mic ca s nu constituie un motiv de preocupare.
(2) Risc sczut S: Riscul este identificat ca avnd un efect minor sau o
consecin redus asupra obiectivelor proiectului. Scorul de impact este
cuprins ntre 0,04 i 0,06, fiind suficient de mic ca s constituie numai o
preocupare sczut. ntrzierea programului este mai mic de 10%, iar efectul
asupra costurilor este mai mic de 2%.
(3) Risc mediu M: Riscul este identificat ca putnd s afecteze obiectivele
proiectului. Scorul de impact este cuprins ntre 0,07 i 0,12. ntrzierea
programului este de 10-25%, iar efectul asupra costurilor este de 2-5%.
(4) Risc ridicat R: Riscul este identificat ca fiind suficient de mare ca s
afecteze obiectivele proiectului. Scorul de impact este cuprins ntre 0,14 i
0,24. ntrzierea programului este de 25-50%, iar efectul asupra costurilor este
de 5-10%.

Tabelul 6.2 Matricea de risc
Probabilitate
Severitate
Frecvent
0,90
Probabil
0,70
Ocazional
0,50
ndeprtat
0,30
Improbabil
0,10
Catastrofic
0,80
IN
0,72
IN
0,56
IN
0,40
R
0,24
M
0,08
Critic
0,40
IN
0,36
IN
0,28
R
0,20
M
0,12
S
0,04
Serios
0,20
R
0,18
R
0,14
M
0,10
S
0,06
T
0,02
Minor
0,10
M
0,09
M
0,07
S
0,05
T
0,03
T
0,01
Neglijabil
0,05
S
0,05
S
0,04
T
0,03
T
0,02
T
0,01
Legenda: T = Tolerabil S = Sczut M = Mediu R = Ridicat IN = Intolerabil
Probabilitate Descriere Severitate Consecine
Frecvent
0,90
Va aprea de mai multe ori /
Nu este surprinztor
Catastrofic
0,80
ntrziere program > 50%
Depire costuri > 10%
Probabil
0,70
Apare n mod repetat /
Eveniment ateptat
Critic
0,40
ntrziere program 25-50%
Depire costuri 5-10%
Ocazional
0,50
Poate s apar
la un moment dat
Serios
0,20
ntrziere program 10-25%
Depire costuri 2-5%
ndeprtat
0,30
Puin probabil
s apar
Minor
0,10
ntrziere program < 10%
Depire costuri < 2%
Improbabil
0,10
Probabilitate foarte mic
s apar
Neglijabil
0,05
Impact neglijabil
asupra proiectului


6.2 PROCESUL DE MANAGEMENT AL RISCULUI N SOFTWARE 173
(5) Risc intolerabil IN: Riscul este identificat ca fiind foarte mare i va afecta
obiectivele proiectului. Scorul de impact este cuprins ntre 0,28 i 0,72.
ntrzierea programului este mai mare de 50%, iar efectul asupra costurilor
este mai mare de 10%.

6.2.3 Funcia 3: Planificare

Funcia de planificare are rolul de a transforma informaia despre riscuri n
decizii i aciuni, att pentru prezent, ct i pentru viitor. Planificarea implic stabilirea
aciunilor care se adreseaz fiecrui risc individual, prioritizarea acestor aciuni i
crearea planului de management al riscului. Cheia planificrii aciunilor pentru
riscurile identificate, o constituie considerarea consecinelor viitoare ale deciziilor
adoptate acum. Planul de management al riscului se utilizeaz pentru:
Avertizarea asupra riscurilor, prin schimbarea proiectrii i a proceselor sau
prin neadoptarea de aciuni i acceptarea implicit a consecinelor n cazul
apariiei riscurilor.
Atenuarea impactului riscurilor prin aciuni de reducere a nivelului de
impact.
Dezvoltarea unor strategii de rezerv pentru cazurile n care riscurile apar.

Pasul 4: Identificarea metodelor de rspuns la riscuri

Avnd acum la dispoziie o list a riscurilor cu ordinea lor de prioritate, echipa de
management a riscului efectueaz o analiz pentru a determina ce aciuni de rspuns la
risc (evitarea, controlul, acceptarea sau transferul riscului) pot fi aplicate sau ce decizii
ar putea fi luate pentru a elimina riscurile identificate.
Echipa evalueaz, cuantific i decide asupra posibilelor consecine ale lipsei de
aciune pe de o parte respectiv dac beneficiile obinute prin aciunea asupra
riscurilor justific cheltuielile de timp i de bani pe de alt parte.
Acest pas trebuie s se concentreze asupra mbuntirii continue a proceselor,
identificnd acele procese organizaionale care ar putea conduce la eliminarea sau
reducerea substanial a riscurilor.

Pasul 5: Identificarea metodelor de atenuare a riscurilor

Riscurile care sunt analizate la acest pas sunt considerate ca fiind generate de
evenimente externe. Echipa de management a riscului trebuie s determine ce aciuni
sau decizii pot fi aplicate sau adoptate, care s reduc probabilitatea i/sau severitatea
impactului fiecrui risc.




174 CAPITOLUL 7 MANAGEMENTUL RISCULUI N SOFTWARE
De exemplu, dac contractarea reprezint un risc semnificativ pentru proiect,
atunci pentru minimizarea acestui risc trebuie definite practicile de management i
procedurile pentru monitorizarea, evaluarea i controlul performanei
subcontractanilor.

Pasul 6: Identificarea metodelor de recuperare a riscurilor

Pentru fiecare din primele riscuri din top-ul listei de riscuri prioritizate, echipa de
management a riscului analizeaz i valideaz natura evenimentelor care ar putea
genera o aciune de recuperare a riscului. Aceste aciuni de recuperare trebuie
documentate n planul de management al riscului, mpreun cu circumstanele
msurabile sau observabile care trebuie s apar pentru a semnala necesitatea
implementrii aciunilor de recuperare.
Un exemplu simplu poate fi considerat urmrirea variaiei costurilor. Dac
costurile actuale nregistrate depesc cu mai mult de o abatere standard valorile
planificate, atunci trebuie constituit o echip de lucru care s analizeze cauzele de
variaie i s fac recomandrile necesare.
Exemplele de aciuni de recuperare pentru riscurile care au impact asupra calitii
produsului pot s includ fr a fi limitative combinaii ale urmtoarelor aciuni:
Reproiectare pentru a corecta deficienele constatate.
Realocarea cerinelor pentru a menine performana specificat a ntregului
sistem.
Definirea unor praguri mai reduse de performan, dar deasupra cerinelor
minim acceptabile.

Pasul 7: Definirea metricilor riscurilor

Pentru fiecare risc, echipa de management a riscului determin i documenteaz
ce evenimente msurabile sau observabile pot s fie urmrite pentru a ti dac riscul
este ndeprtat, accentuat sau minimizat.
De exemplu, dac testarea software-ului a fost identificat ca fiind o funcie cu
risc ridicat, atunci pot fi utilizate ca i metrici ale acestui risc: procentul de defective la
testare, rata de eliminare a erorilor la proiectare.
Metricile privind procesul de management al riscului n software trebuie s fie
stabilite i determinate astfel nct s furnizeze elemente de intrare pentru
mbuntirea procesului. Metricile pot s includ fr a fi limitative urmtoarele
date msurate: eforturile i fondurile cheltuite n activitile de managementul riscului;
datele de realizare a evalurilor riscurilor; numrul de riscuri noi aprute; numrul de
riscuri noi evitate.


6.2 PROCESUL DE MANAGEMENT AL RISCULUI N SOFTWARE 175
Pasul 8: Implementarea aciunilor de atenuare / reducere a riscurilor

Pentru fiecare risc, echipa de management a riscului realizeaz activitile
necesare pentru a implementa aciunile de atenuare / reducere a riscurilor stabilite la
Pasul 5. Aceste activiti sunt documentate n planul de management al riscului pentru
fiecare scenariu de reducere a riscului. Exemplele de activiti referitoare la nivelele de
risc definite la Pasul 3 sunt:
a. Risc tolerabil: Aplicarea metodelor corespunztoare de inginerie a
software-ului va contribui la atenuarea oricror riscuri de acest nivel.
b. Risc sczut: Pentru acest nivel nu sunt necesare aciuni suplimentare, n
afara celor normale de monitorizare i control a realizrii software-ului.
c. Risc mediu: Acest nivel de risc poate s necesite adoptarea unor aciuni la
analizele de evaluare a riscurilor.
d. Risc ridicat: Acest nivel de risc necesit adoptarea unor aciuni la analizele
de evaluare a riscurilor.
e. Risc intolerabil: Acest nivel implic controlul, monitorizarea i dezvoltarea
de aciuni de recuperare. Fiecare risc de acest nivel are definite
evenimentele care genereaz aciunile de recuperare. Valorile abaterilor
sunt documentate prin metricile stabilite.

6.2.4 Funcia 4: Monitorizare

Monitorizarea are n vedere starea riscurilor i aciunile adoptate pentru atenuarea
lor. Monitorizarea se realizeaz prin evaluarea metricilor stabilite i prin funcii de
urmrire n cadrul managementului riscului.

Pasul 9: Monitorizarea riscurilor

Procedurile de raportare a stadiului implementrii proiectului trebuie s sesizeze
orice situaie n care o metric sau un parametru al proiectului se situeaz sub pragurile
stabilite sau nregistreaz abateri prea mari fa de cele planificate.
Managerul de risc primete i analizeaz aceste date i pe baza lor adopt
aciunile corective, acolo unde este necesar.

6.2.5 Funcia 5: Control

Funcia de control a riscului are rolul de a corecta abaterile de la aciunile de risc
planificate. Controlul riscului este parte a managementului proiectului i se bazeaz pe




176 CAPITOLUL 7 MANAGEMENTUL RISCULUI N SOFTWARE
procesele care controleaz planurile aciunilor de risc, corecteaz abaterile fa de
plan, rspund la evenimentele semnalate i mbuntesc procesele de management al
riscului. Activitile de control al riscului sunt documentate n planul de management
al riscului.

Pasul 10: Implementarea aciunilor de control a riscurilor

Pentru fiecare risc, dac datele disponibile colectate indic realizarea criteriilor
de intrare n aceast etap, atunci managerul de proiect trebuie s analizeze necesitatea
implementrii aciunilor de control i s aloce resursele necesare aplicrii acestor
aciuni.
6.2.6 Funcia 6: Comunicare

Comunicarea este unul din elementele centrale ale procesului de management a
riscului, care evideniaz importana i relevana acesteia. Comunicarea se desfoar
n toate fazele procesului de management a riscului. Ea este, de asemenea, o parte
esenial a tuturor celorlalte activiti de management a riscului n software.
Riscurile sunt identificate de personalul implicat ce particip la realizarea
activitilor proiectului. Managementul de proiect trebuie s asigure un mediu deschis
care s permit personalului discuii i exprimarea opiniilor privind riscurile
poteniale. O comunicare eficace furnizeaz att transparena, ct i datele de feed-
back, interne sau externe proiectului, referitoare la riscurile curente i poteniale.
Procesul de management al riscului se finalizeaz prin definitivarea planului de
managementul riscului, echipa ntrunind consensul asupra riscurilor prioritare. Baza de
date referitoare la riscuri este completat cu atributele i elementele de cuantificare ale
fiecrui risc identificat i analizat. Sunt stabilite, de asemenea, evenimentele care
declaneaz controlul, precum i planurile de aciuni corespunztoare.
n cazul n care aciunile de recuperare i control ale riscurilor eueaz, atunci
este necesar un management de criz. n situaiile de criz, toate eforturile i resursele
proiectului trebuie orientate pentru rezolvarea crizei. n acest scop, principalele aciuni
se refer la (re)atribuirea clar a responsabilitilor i a autoritii, actualizarea
frecvent a stadiului proiectului, relaxarea constrngerilor asupra resurselor
proiectului, program de lucru mai intensiv, stabilirea datelor limit de realizare a
proiectului.
La sfritul perioadei de criz, echipa de proiect realizeaz o analiz postmortem
a crizei, n care detaliaz cauzele sistematice care au determinat situaia de criz,
documenteaz leciile nvate i reevalueaz costurile, duratele i noile riscuri
poteniale ale proiectului de software.


6.3 APLICAII 177
6.3 APLICAII
6.3.1 Un model de evaluare a riscurilor n sistemele informatice

Vom analiza n cele ce urmeaz un model de evaluare a riscurilor pentru o
organizaie care dispune de un sistem informatic complex, sistem care st la baza
integrrii tuturor activitilor organizaiei i pentru care riscurile n acest domeniu sunt
deosebit de importante.
Principalele clase de riscuri care se pot manifesta n sistemele informatice sunt
urmtoarele:
Integritate;
Relevan;
Acces;
Disponibilitate;
Infrastructur.
Clasa de riscuri de integritate include toate riscurile asociate cu autorizarea,
completitudinea i acurateea tranzaciilor de introducere, prelucrare, centralizare i
raportare realizate n aplicaiile (modulele) sistemului informatic.
Clasa de riscuri de relevan se refer la modul i timpul de utilizare a
informaiei generate de sistemul informatic. Sunt riscurile asociate cu nerealizarea
obiectivului: Informaia corect i necesar, transmis persoanei / procesului /
sistemului corespunztor, n timp util pentru a permite luarea deciziei
corespunztoare.
A treia clas o constituie riscurile de acces. Aceast clas de riscuri se
focalizeaz asupra riscurilor legate de accesul necorespunztor la sistem, date sau
informaii. Ea include riscurile unor repartizri neadecvate a sarcinilor, riscurile
asociate integritii datelor i bazelor de date i riscurile asociate cu confidenialitatea
asupra informaiilor.
Clasa de riscuri de disponibilitate se refer la riscurile asociate cu funcionarea la
parametri normali a sistemului informatic, riscurile de ntrerupere a funcionrii
sistemului sau cu riscurile legate de posibilele dezastre ce ar putea s apar.
Clasa de riscuri de infrastructur include riscurile ca organizaia s nu aib o
infrastructur de tehnologia informaiei (hardware, reele, software, personal, procese),
care s susin n mod eficace, dar i eficient, procesele de afaceri ale organizaiei
respective.
Sursele i cauzele de apariie, precum i efectele acestor riscuri pentru
principalele clase de riscuri din sistemele informatice sunt definite n Tabelul 6.3.




178 CAPITOLUL 7 MANAGEMENTUL RISCULUI N SOFTWARE

Tabelul 6.3 Principalele clase de riscuri din sistemele informatice
Clasa de risc Surse / Cauze Efecte
Integritate
- Coruperea datelor, erori, omisiuni
Integritatea poate fi pierdut ca urmare a:
- erorilor de programare;
- erorilor de prelucrare;
- erorilor de mentenan;
- erorilor de management.
- Coruperea datelor

Relevan - Lipsa unei comunicri eficace
- Nefurnizarea
informaiei necesare la
locul i la timpul potrivit
Acces
- Securitatea accesului nu este
corespunztoare
- Acces necorespunztor la mediul de
prelucrare sau la reele;
- Dispozitive fizice neprotejate la
deteriorare, furt sau la acces nepermis.
- Violarea
confidenialitii
- Pierderea sau
coruperea datelor
- Infectarea cu virui
- Atacul hackerilor
Disponibilitate
- Dezastre naturale (incendii, inundaii
etc.) ce determin cderea hardware-ului
sau software-ului;
- ntreruperea sistemului
pe termen scurt sau
termen lung.
Infrastructur
- O planificare deficitar sau lipsa
planificrii sistemului informatic n
organizaie.
- Decizii nefuncionale
n domeniul tehnologiei
informaiei;
- Lipsa politicilor i
procedurilor n sistemul
informatic sau
inconsistena lor la
nivelul organizaiei.

Vom analiza n continuare n detaliu riscurile componente pentru fiecare clas de
risc. Pentru aceste riscuri ce intr n structura claselor putem asocia probabiliti de
apariie i de severitate a impactului, pentru care putem s calculm matricea de risc.
Riscurile componente pentru clasa de riscuri de integritate sunt urmtoarele:

Interfaa utilizator: Restricii asupra utilizatorilor individuali care sunt
autorizai s realizeze anumite funcii ale sistemului, pe
baza cerinelor postului, ceea ce implic o repartizare a
responsabilitilor. Alte riscuri din aceast categorie se
refer la gradul de adecvare al aciunilor de control
preventive i/sau detective care s asigure c n sistem
sunt introduse numai date valide i complete.
Prelucrare: Aciunile de control preventive sau detective care s
asigure c datele prelucrate au fost complete i transmise
la timp. Acestea includ i riscurile asociate cu acurateea
i integritatea rapoartelor utilizate pentru centralizarea
rezultatelor i/sau pentru luarea deciziilor de afaceri.


6.3 APLICAII 179
Tratarea erorilor: Aceste riscuri se refer la procesele i metodele care s
asigure c orice excepii sau erori ale datelor de intrare
sau ale datelor prelucrate ce sunt depistate sunt corectate
n mod corespunztor i reprelucrate complet i n timp
util.
Interfee: Aciunile de control preventive sau detective care s
asigure c datele prelucrate au fost complete i la timp i
au fost transmise ctre alte aplicaii (module) ale
sistemului care le utilizeaz.
Managementul
schimbrii:
Aceste riscuri sunt asociate cu procese inadecvate de
managementul schimbrii, respectiv implicarea
utilizatorilor i instruirea lor, precum i procesele prin
care schimbrile n sistemul informatic sunt comunicate
i implementate.
Date: Aceste riscuri sunt asociate cu aciuni inadecvate de
control al managementului datelor, incluznd att
securitatea / integritatea datelor prelucrate, ct i un
management eficace al bazelor i structurilor de date.
Integritatea poate fi pierdut din cauza erorilor de
programare, a erorilor de prelucrare sau a erorilor de
management sau de proces.

Pentru clasa de riscuri de relevan, componentele se refer n primul rnd la
modul i timpul de utilizare a informaiei generate de sistemul informatic. Sunt
riscurile asociate cu netransmiterea informaiei corecte i necesare, ctre persoana,
procesul sau sistemul corespunztor, n timp util, n vederea adoptrii deciziilor
corespunztoare.
Pentru clasa de riscuri de acces, avem urmtoarele componente:

Procesul de
afaceri:
Sunt riscurile generate de deciziile organizatorice care
trebuie s separe sarcinile incompatibile i s asigure
nivelul corespunztor de responsabilitate i autoritate
pentru realizarea funciilor sistemului informatic.
Aplicaii (module): Sunt determinate de mecanismele interne ale aplicaiilor
(modulelor), care permit utilizatorilor autorizai s
execute funciile alocate n sistemul informatic.
Managementul
datelor:
Aceste riscuri sunt asociate cu mecanismul de a asigura
utilizatorilor accesul la anumite date sau baze de date din
mediul de prelucrare.
Mediul de
prelucrare:
n aceast categorie sunt nregistrate riscurile de acces
necorespunztor la mediul de prelucrare, respectiv la
aplicaiile (modulele), programele sau datele stocate n
acest mediu.




180 CAPITOLUL 7 MANAGEMENTUL RISCULUI N SOFTWARE
Reelele: Riscurile de acces n aceast zon sunt generate de
accesul necorespunztor la reelele sistemului.
Accesul fizic: Sunt riscurile legate de protecia dispozitivelor fizice fa
de deteriorare, sustragere sau accesare nepermis.

Riscurile componente pentru clasa de riscuri de disponibilitate sunt urmtoarele:

Monitorizarea
performanei:
Sunt riscurile care pot fi evitate prin monitorizarea
performanei sistemului i printr-o abordare pro-activ a
problemelor, nainte ca acestea s apar.
ntreruperi ale
sistemului:
Sunt riscurile asociate cu ntreruperile pe termen scurt
ale sistemului, n acre tehnicile de restaurare / recuperare
pot fi utilizate pentru a minimiza efectele i duratele
ntreruperilor.
Dezastre: Riscurile asociate dezastrelor determin ntreruperi pe
termen lung a funcionrii sistemului informatic, iar
aciunile de control se refer la procedurile de salvare a
bazelor de date (backup) i la planurile de recuperare.

Pentru clasa de riscuri de infrastructur, avem urmtoarele componente:

Planificare: Sunt riscurile generate de organizarea activitilor pentru
tehnologia informaiei (IT). Este important s existe o
structur organizatoric i funcional (persoane i
procese) care s garanteze c eforturile n domeniul IT
sunt ncununate de succes.
Definirea i
utilizarea
aplicaiilor
sistemului:
Riscurile din aceast zon se refer la asigurarea c
sistemul informatic realizeaz cerinele de afaceri ale
organizaiei i cerinele utilizatorilor. Aici este inclus i
procesul de decizie asupra achiziionrii unei aplicaii
(sistem) existente sau a dezvolta o aplicaie specific. De
asemenea, asigurarea c modificrile n aplicaii sunt
comunicate, testate i implementate.
Administrarea
sistemului:
Procesele din aceast arie de activiti asigur c
organizaia trateaz n mod corespunztor riscurile de
acces, prin stabilirea, meninerea i monitorizarea unui
sistem de securitate intern, care s garanteze integritatea
i confidenialitatea datelor i informaiilor organizaiei,
reducnd riscurile de fraud informaional la nivele
acceptabile.
Administrarea
calculatoarelor i
reelelor:
Aceast zon asigur c sistemul informatic este utilizat
ntr-o manier sigur i protejat, de ctre personal de
specialitate, care monitorizeaz funcionarea i
performanele calculatoarelor , echipamentelor i
reelelor sistemului.


6.3 APLICAII 181
6.3.2 Procedura de evaluare a riscurilor n sistemele informatice

Cu ajutorul riscurilor clasificate anterior, putem s realizm acum o evaluare a
riscurilor sistemului informatic, utiliznd clasele de riscuri i componentele acestora,
pentru care stabilim, n urma analizei i evalurii, probabilitile de apariie i nivelele
de severitate, conform metodelor prezentate n seciunea precedent de cuantificare a
riscurilor. Procedura de evaluare este exemplificat n Tabelul 6.3.

Tabelul 6.3 Procedura de evaluare a riscurilor sistemului informatic
Clasa de risc Componentele de risc Apariie Severitate Scor
1.1 Interfaa utilizator 0,50 0,20 0,10
1.2 Prelucrare 0,70 0,40 0,28
1.3 Tratarea erorilor 0,90 0,40 0,36
1.4 Interfee 0,30 0,20 0,06
1.5 Managementul
schimbrii
0,30 0,20 0,06
1. Integritate
1.6 Date 0,50 0,20 0,10
2.1 Utilizarea informaiei
generate de sistemul
informatic
0,50 0,40 0,20
2. Relevana
2.2 Timpul de utilizare a
informaiei transmise de
sistemul informatic
0,50 0,20 0,10
3.1 Procesul de afaceri 0,30 0,10 0,03
3.2 Aplicaii (module) 0,50 0,40 0,20
3.3 Managementul datelor 0,50 0,40 0,20
3.4 Mediul de prelucrare 0,30 0,20 0,06
3.5 Reelele 0,30 0,80 0,24
3. Accesul
3.6 Accesul fizic 0,10 0,80 0,08
4.1 Monitorizarea
performanei
0,30 0,40 0,12
4.2 ntreruperi ale sistemului 0,30 0,40 0,12
4. Disponibilitatea
4.3 Dezastre 0,10 0,80 0,08
5.1 Planificare 0,30 0,10 0,03
5.2 Definirea i utilizarea
aplicaiilor sistemului
0,50 0,20 0,10
5.3 Administrarea sistemului 0,70 0,40 0,28
5. Infrastructura
5.4 Administrarea
calculatoarelor i reelelor
0,70 0,40 0,28

Pe baza datelor de evaluare i a probabilitilor de apariie i a nivelelor de
severitate acordate pentru diferitele componente de risc, se poate realiza o list a
riscurilor prioritizate, n funcie de scorul de impact rezultat. Aceast list, care conine
primele cinci riscuri identificate i cuantificate, este prezentat n Tabelul 6.4. Din
evaluare a rezultat c riscul cel mai important, asupra cruia trebuie s se aplice




182 CAPITOLUL 7 MANAGEMENTUL RISCULUI N SOFTWARE
metodele de rspuns la risc, este cel legat de tratarea erorilor. Scoruri mari au
nregistrat i riscurile de administrare a sistemului i a reelelor.

Tabelul 6.4 Lista riscurilor prioritizate
Componenta de risc Scorul
1.3 Tratarea erorilor 0,36
1.2 Prelucrare 0,28
5.3 Administrarea sistemului 0,28
5.4 Administrarea calculatoarelor i reelelor 0,28
3.5 Reelele 0,24

Continund evaluarea i considernd media scorurilor pe clasele de risc, obinem
nivelele de riscuri prezentate n matricea de risc din Tabelul 6.5.

Tabelul 6.5 Nivelele claselor de risc
Clasa de risc Scorul Nivelul
1. Integritate 0,16 Ridicat
2. Relevana 0,15 Ridicat
3. Accesul 0,14 Ridicat
4. Disponibilitatea 0,11 Mediu
5. Infrastructura 0,17 Ridicat


Din datele obinute pentru clasele de riscuri, rezult c riscurile de infrastructur
au potenialul cel mai ridicat, n timp ce riscurile de disponibilitate au un nivel mediu.
Efectund i o analiz Pareto (Figura 6.3) a ponderii riscurilor la nivelul
ntregului sistem informatic, observm c n urma evalurii, riscurile de infrastructur,
de integritate i de relevan prezint ponderi mai mari, n timp ce riscurile de acces i
de disponibilitate a sistemului au o pondere mai redus.

24%
22%
21%
19%
15%
46%
67%
85%
100%
0%
20%
40%
60%
80%
100%
I
n
f
r
a
s
t
r
u
c
t
u
r
a
I
n
t
e
g
r
i
t
a
t
e
R
e
l
e
v
a
n

a
A
c
c
e
s
u
l
D
i
s
p
o
n
i
b
i
l
i
t
a
t
e
a


Figura 6.3 Diagrama Pareto a ponderii claselor de risc


183

7
MANAGEMENTUL RISCULUI
FINANCIAR

7.1 RISCUL N OPERAIUNILE FINANCIARE

Operaiunile financiare, prin natura diversitii lor, implic aproape ntotdeauna
un anumit grad de risc, generat de pierderea de natur material (sau de alt natur) pe
care o pot nregistra una sau mai multe persoane juridice sau fizice implicate n
operaiunea financiar respectiv.
n activitile bancare, de exemplu, riscul poate s apar n operaiunile de
creditare, fiind reprezentat de posibilitatea ca banca s nu i poat recupera creditele
acordate la termenele sau n condiiile stipulate n contractele de creditare. De
asemenea, pentru un deponent al bncii, riscul poate fi asociat cu posibilitatea de a nu
beneficia cnd i cum dorete de resursele bneti depuse la respectiva banc. n
acest caz, riscul poate fi o alt rat a dobnzii fa de cea prevzut iniial, o evoluie
defavorabil a valutei n care este contul de depozit sau chiar dificulti financiare ale
bncii. Situaii asemntoare de risc de natur financiar pot s apar i n operaiunile
de asigurri, de leasing, de burs .a.
Cteva din principalele categorii de risc financiar referitoare la mediul macro-
economic sunt urmtoarele:
Riscul de ar;
Organizarea, funcionarea i controlul sistemului financiar-bancar;
Stabilitatea i flexibilitatea legislaiei i a sistemului juridic;
Organizarea i funcionarea sistemului de asigurri;
Evoluia economic general i evoluia inflaiei;
Dinamica dobnzilor pe piaa intern sau extern.
La nivel micro-economic, riscurile financiare pot fi legate de:
Managementul activitilor economice ale partenerilor de afaceri;
Imobilizri de fonduri sau lipsa de lichiditi;
Pregtirea profesional i abilitatea n afaceri a partenerilor;
Moralitatea i comportamentul n afaceri al partenerilor.


184 CAPITOLUL 7 MANAGEMENTUL RISCULUI FINANCIAR
Desigur, enumerarea de mai sus a categoriilor de riscuri financiare este departe
de a fi complet, riscurile fiind determinate direct de complexitatea fiecrei operaiuni
financiare n parte, precum i de mediul economic n care aceast operaiune se
desfoar.
Unul dintre cele mai cunoscute i mediatizate riscuri din categoria riscurilor
financiare este aa-numitul risc de ar, mai ales ntr-o economie n tranziie, aa
cum este economia romneasc. Riscul de ar este un mix care reflect performanele
economice i stabilitatea politic ntr-o anumit ar, fiind luat n considerate de
potenialii investitori strini n ara respectiv. Riscul de ar este influenat de o
combinaie de factori economici i politici, de bncile i instituiile financiare, de
organizaiile economice ale rii respective. Exist mai multe metode de determinare a
riscului de ar, care se bazeaz pe sisteme de rating sau pe sisteme de indicatori
statistici. Exist, de asemenea, mai multe metodologii de evaluare, promovate de
Banca Mondial sau alte organizaii financiare internaionale, dar i de firme
specializate de renume mondial (cum sunt Lloyds, Moodys, Standars&Poors, Daiwa
Securities, Merill Lynch i alii).
Riscul de ar este determinat n primul rnd de stabilitatea politic a rii
respective, care se reflect n stabilitatea politicii economice, rezultnd starea general
a economiei. Aceste ultime dou elemente de politic economic se reflect n riscul
de obinere a profiturilor ateptate, dar i n riscul privind dificultile de repatriere a
profiturilor i n riscul asupra proprietii. Aceste riscuri majore sunt avute n vedere
atunci cnd sunt planificate investiiile n ara respectiv.
S mai menionm i alte tipuri de risc financiar care apar n tranzaciile de
afaceri. De exemplu, riscurile care apar n schimbul de mrfuri sunt riscurile de
fluctuaie a cursului valutar sau riscurile bursiere. n tranzaciile de afaceri ale
companiilor de asigurri, riscurile pot fi generate de: fluctuaii de pre, depreciere
valutar, insolvabilitate, transport, depozitare, accidente .a. Pe piaa fizic bancar
poate s se manifeste riscul de variaie a dobnzii, iar n comerul cu aciuni, dar i n
alte operaiuni financiare similare, poate s apar riscul de variaie a cursului acestor
hrtii de valoare.
n ceea ce privete managementul riscului financiar sunt cunoscute o multitudine
de metode de acoperire a acestui risc. Poate cea mai notabil pentru epoca modern, o
reprezint apariia, la sfritul secolului al XVIII-lea, a sistemului de asigurri navale
introdus de Lloyds. De asemenea, este bine cunoscut metoda hedging-ului pentru
acoperirea riscului tranzaciilor bursiere. Problema care vrem s o analizm aici o
reprezint determinare modelelor matematice i statistice pentru fenomenele de risc
financiar, care s ofere managementului informaia necesar pentru adoptarea
deciziilor de evitare, atenuare sau eliminare a riscurilor financiare.



7.1 RISCUL N OPERAIUNI FINANCIARE 185
S analizm acum modelul general al unei probleme de decizie n condiii de
incertitudine i risc, n care riscul este de natur financiar. Schema general a
componentelor modelului este reprezentat n Figura 7.1.
Modelul de decizie n condiii de risc financiar are urmtoarele componente:
(1) Identificarea obiectivelor: Un obiectiv (sau o int) pe care decidentul sper
s o ating, cum ar fi maximizarea profitului sau a valorii actuale a cash-flow-
ului. Cuantificarea unui obiectiv nseamn, n unele situaii, determinarea
unei funcii obiectiv, care ca fi utilizat pentru evaluarea aciunilor posibile i
ca baz pentru alegerea celei mai bune alternative.
(2) Determinarea aciunilor posibile: Cutarea aciunilor alternative posibile,
care s asigure realizarea obiectivului.
(3) Identificarea strilor naturii: Deoarece problemele de decizie financiar
sunt definite ntr-un mediu de incertitudine, este necesar s se ia n
considerare toi factorii necontrolabili care nu pot fi inui sub control de ctre
decident i care ar putea s apar pentru fiecare aciune posibil identificat.
Aceti factori necontrolabili constituie evenimente sau stri ale naturii.
(4) Stabilirea rezultatelor posibile: Ca urmare a diferitelor combinaii posibile
dintre aciuni i strile naturii, rezult un set de rezultate posibile. Fiecare
rezultat este condiionat de o anumit aciune i o anumit stare a naturii.
(5) Msurarea valorii riscului: Este o msur a pierderii (sau utilitii) pentru
fiecare rezultat posibil, n funcie de obiectivele decidentului. Pierderea n
modelele de decizie financiar este de natur monetar, cum ar fi profitul sau
cash-flow-ul.
(6) Alegerea aciunii optime: Este aciunea care conduce la atingerea
obiectivului decidentului, n condiii de pierdere minim.










Figura 7.1 Modelul general al unei probleme de decizie financiar

Determinarea
aciunilor
Identificarea
Identificarea
strilor
obiectivelor
posibile naturii
Alegerea Msurarea Stabilirea
aciunii valorii rezultatelor
optime riscului posibile




186 CAPITOLUL 7 MANAGEMENTUL RISCULUI FINANCIAR
Pentru a ilustra caracteristicile eseniale ale unui model de decizie financiar, s
considerm urmtorul exemplu. O companie i revizuiete politica de marketing
pentru urmtoarea perioad de buget financiar. Ea a dezvoltat dou noi produse, A i
B, dar nu are resurse suficiente dect pentru lansarea n perioada urmtoare numai a
unuia dintre cele dou produse. innd cont de activitile i reaciile competitorilor,
strile naturii posibile sunt urmtoarele:
Competitorii nu ntreprind nimic;
Competitorii introduc pe pia un produs comparabil;
Competitorii introduc pe pia un produs superior.
Dac competitorii nu ntreprind nici o aciune, atunci se ateapt ca profiturile
companiei s rmn staionare n condiiile lansrii produsului A i s aib o tendin
de cretere relativ redus n condiiile lansrii produsului B, pentru a crui dezvoltare
s-au cheltuit resurse suplimentare. Corespunztoare acestor cheltuieli de dezvoltare
sunt i diminurile de profit n cazul n care competitorii lanseaz produse pe pia.
Din punct de vedere statistico-matematic, analiza riscului unei activiti
financiare presupune evaluarea probabilitii de a obine anumite rezultate favorabile
(ctig) sau nefavorabile (pierdere), innd cont de evenimente viitoare incerte i
probabile. Printre dificultile ntmpinate atunci cnd este evaluat riscul financiar se
pot meniona lipsa informaiilor sau gradul lor de disponibilitate pentru a determina
distribuia de probabilitate a fenomenului economic analizat. De asemenea,
identificarea i cuantificarea riscului financiar nu nseamn i eliminarea acestuia, dar
furnizeaz elementele necesare managementului riscului financiar.
Revenind la abordarea modelului riscului financiar care ne intereseaz aici, s
menionm faptul c, uneori, ntre risc i incertitudine se face o anumit distincie,
legat de cantitatea de informaie disponibil pentru fundamentarea deciziilor
financiare. Riscul este utilizat n situaiile n care sunt posibile mai multe rezultate i
despre care exist o experien anterioar relevant pentru a defini un model statistic,
care s permit o predicie asupra rezultatelor posibile. Incertitudinea exist n
situaiile n care sunt posibile mai multe rezultate, dar nu se dispune de informaie
suficient pentru modelul statistic de decizie. Pn la urm, aceast distincie ntre risc
i incertitudine nu este att de relevant, mai important fiind faptul c, fa de un
model determinist, utilizm un model probabilist, n care riscul i incertitudinea sunt
modelate prin variabile aleatoare. Am vzut anterior c problemele de teoria deciziei
se reduc n final la evaluarea unei funcii de pierdere, riscul avnd, n cele mai multe
situaii, o exprimare de natur financiar.
Vom detalia n continuare dou probleme de analiz i decizie asupra riscului
financiar, respectiv o problem de analiz cost-profit-volum i o problem de investiie
de capital n condiii de incertitudine i risc.



7.2 ANALIZA COST-VOLUM-PROFIT N CONDIII DE RISC 187
7.2 ANALIZA COST-VOLUM-PROFIT N CONDIII DE RISC

Vom analiza n continuare, prin intermediul unei aplicaii, o problem de cost-
volum-profit n care vom include elemente de risc i incertitudine.
O firm realizeaz o analiz cost-volum-profit pentru anul financiar urmtor, n
care preul de vnzare al unui anumit produs este 100, iar costurile variabile de 60
pe unitatea de produs. Costurile fixe bugetate sunt de 36.000 . Vnzrile estimate
pentru perioada analizat sunt de 1.000 uniti i s-a presupus pentru nivelul de vnzri
modelul distribuiei normale cu media 000 . 1 = uniti i abaterea standard 90 =
uniti. n acest model, preul de vnzare, costurile variabile i costurile fixe sunt
presupuse ca fiind certe (determinate), adic variabile controlabile de ctre
managementul firmei. Singura variabil aleatoare a modelului este volumul de vnzri,
pentru care vom asocia deci distribuia normal.
Cu ajutorul acestui model probabilist, vom ncerca s rspundem la urmtoarele
ntrebri:
(a) Care este probabilitatea ca profitul s fie mai mare ca 0, adic probabilitatea
ca firma s nu nregistreze pierdere ca urmare a realizrii i vnzrii
produsului respectiv?
(b) Care este probabilitatea ca profitul s fie mai mare de 7.600?
(c) Care este probabilitatea ca s se nregistreze o pierdere mai mare de -1.400?
(d) Care este probabilitatea ca profitul s fie mai mare de 4.000?
Considernd funcia de venit:
( ) x x V 100 = , (7.1)
funcia de cost:
( ) 000 . 36 60 + = x x C , (7.2)
obinem funcia de profit:
( ) 000 . 36 40 = x x P , (7.3)
i diagrama pragului de profitabilitate, reprezentat n Figura 7.2.
nlocuind n relaia (7.3) valorile de profit pentru care ne intereseaz s calculm
probabilitile, obinem nivelele de vnzri: 900 pentru (a), 1.090 pentru (b), 840
pentru (c) i 1.000 pentru (d).
Vom estima atunci probabilitile de profit sau de pierdere prin intermediul
variabilei aleatoare X, care reprezint nivelul estimat al vnzrilor de produse. Astfel,
pentru probabilitatea de a nu avea profit, putem s scriem:
{ } { } 900 Prob 0 Profit Prob < = < X . (7.4)
Vom estima aceast probabilitate cu ajutorul distribuiei normale standardizate,
fcnd schimbarea de variabil:




188 CAPITOLUL 7 MANAGEMENTUL RISCULUI FINANCIAR
0
20000
40000
60000
80000
100000
120000
0 200 400 600 800 1000 1200
Profit
Cheltuieli
variabile
Cheltuieli
fixe
Profit
Pierdere

Figura 7.2 Pragul de profitabilitate

11 , 1
90
000 . 1 900
0
=

X
z . (7.5)
Atunci, rezult probabilitatea de a nregistra pierdere:
{ } { } 1333 , 0 11 , 1 Prob 900 Prob
0
= < = < z X . (7.6)
i, corespunztor, probabilitatea de a avea profit:
{ } { } 8667 , 0 1333 , 0 1 11 , 1 Prob 1 900 Prob
0
= = < = > z X . (7.7)
Concluzia care rezult din analiza pragului de profitabilitate i a probabilitilor de
mai sus este c probabilitatea de a nregistra pierdere este de circa 13,3% (aria haurat
din Figura 7.3), n timp ce probabilitatea de a nregistra profit este de 86,7%. Atunci,
cu o probabilitate relativ mare (>80%), putem decide c realizarea i vnzarea
produsului respectiv va fi o aciune profitabil.

0.0000
0.0005
0.0010
0.0015
0.0020
0.0025
0.0030
0.0035
0.0040
0.0045
0.0050
640 712 784 856 928 1000 1072 1144 1216 1288 1360
X
P(X <= 900)

Figura 7.3 Probabilitatea de a nregistra pierdere / profit



7.2 ANALIZA COST-VOLUM-PROFIT N CONDIII DE RISC 189
Pentru (b), probabilitatea ca profitul s fie mai mare de 7.600, determinm:
00 , 1
90
000 . 1 090 . 1
1
=

X
z . (7.8)
i rezult probabilitatea de a avea profitul respectiv:
{ } { } { }
1587 , 0 8413 , 0 1
00 , 1 Prob 1 00 , 1 Prob 090 . 1 Prob
1 1
= =
= < = > = > z z X
. (7.9)
n acest caz, este mai mare ( 84%) probabilitatea de a nu atinge profitul de 7.600
(aria haurat din Figura 7.4).


0.0000
0.0005
0.0010
0.0015
0.0020
0.0025
0.0030
0.0035
0.0040
0.0045
0.0050
640 712 784 856 928 1000 1072 1144 1216 1288 1360
X
P(X <= 1090)

Figura 7.4 Probabilitatea de a nregistra profit < 7.600

Pentru (c), probabilitatea ca pierderea s fie mai mic de -1.400, determinm:
50 , 1
90
000 . 1 865
2
=

X
z . (7.10)
i rezult probabilitatea de a avea pierderea respectiv:
{ } { } 0668 , 0 50 , 1 Prob 865 Prob
2
= < = < z X , (7.11)
adic o probabilitate relativ mic ( 7%)de a avea un asemenea nivel de pierdere.
n fine, pentru (d) probabilitatea ca profitul s fie mai mare de 4.000 este
evident 0,5000, i atunci pentru a vedea unde se va situa de fapt profitul, vom estima
un interval de ncredere pentru media vnzrilor. Considernd un nivel de semnificaie
05 , 0 = , rezult nivelul de ncredere ( ) % 95 , 0 % 1 100 = , iar intervalul de ncredere
se calculeaz ca fiind:

96 , 1 . (7.12)
Atunci, pentru un eantion cu 12 = n , obinem intervalul de ncredere[ ],
adic profitul se va situa ntre 2.000 i 6.000 cu probabilitatea de 95%
050 . 1 , 950




190 CAPITOLUL 7 MANAGEMENTUL RISCULUI FINANCIAR
7.3 INVESTIII DE CAPITAL N CONDIII DE RISC
7.3.1 Modelul de decizie pentru investiiile de capital

Deciziile de investiii de capital sunt deciziile de management financiar care
implic plasarea sau investirea unui anumit capital, la un moment dat, i obinerea unui
flux de beneficii n viitor. Investiiile de capital pot fi pe termen scurt (sub un an) sau
pe termen lung, cele pe mai muli ani.
Un aspect important al deciziilor asupra investiiilor de capital l constituie
nivelul de risc. Exist investiii de capital fr risc sau cu risc sczut, dar care conduc
la un beneficiu mai redus, ns exist i investiii de capital cu risc ridicat, de la care se
ateapt beneficii mult mai mari.
Pentru a nelege mai bine deciziile de investiii de capital n condiii de risc, s
analizm modul n care acestea pot fi integrate unei probleme generale de teoria
deciziilor. n Figura 7.3, modelul de decizie prezentat n seciunea anterioar a fost
adaptat pentru a ncorpora deciziile de investiii de capital. Vom examina n continuare
mai detaliat fiecare din etapele acestui model de decizie.
Etapa 1 indic faptul c de la nceput trebuie stabilite obiectivele, adic intele pe
care investitorul dorete s le ating. Cuantificarea obiectivelor va duce la stabilirea
unei funcii obiectiv, care de cele mai multe ori const din maximizarea profitului ca
urmare a investiiei de capital.
Etapa 2 const din cutarea oportunitilor de investiii. Aceasta este o activitate
creativ pentru gsirea proiectelor de investiii poteniale, iar acestei etape trebuie s i
se acorde atenia necesar.
Etapa 3 a procesului de decizie se refer la culegerea datelor privind posibilele
stri ale naturii care pot s afecteze rezultatele proiectelor de investiii.
Etapa 4 ncepe dup ce au fost identificate strile naturii n etapa anterioar i
const din analizarea i listarea tuturor rezultatelor posibile, pentru fiecare stare a
naturii.
Etapa 5 se refer la evaluarea efortului i a pierderii (sau a ctigului) pentru
fiecare rezultat posibil.
Etapa 6 a procesului este destinat selectrii proiectelor de investiii, prin care s
se asigure profitul maxim.
Etapa 7 const din planificarea implementrii proiectelor de investiii selectate n
etapa anterioar.
Etapa 8, care este ultima etap a acestui proces, const din analiza i revizuirea
proiectelor de investiii.



7.3 INVESTIII DE CAPITAL N CONDIII DE RISC 191
Iteraiile principale ale modelului sunt reprezentate prin sgeile direcionale din
Figura 7.3, care reprezint i cele mai importante bucle de feed-back. Pot avea loc ns
i alte iteraii secundare ntre etapele acestui model de decizie. Astfel, etapa de analiz
i revizuire a proiectelor de investiii are loc n mod constant, la intervale bine stabilite,
pentru a evalua rezultatele curente fa de cele planificate.



1. Identificarea
obiectivelor
de investiii
2. Cutarea
oportunitilor de
investiii
3. Identificarea
strilor
naturii
6. Selectarea
proiectelor
de investiii
5. Evaluarea
efortului
financiar
4. Lista
rezultatelor
posibile
7. Implementarea
proiectelor
de investiii
8. Analiza deciziilor
de investiii
de capital






























Figura 7.3 Modelul de decizie pentru investiiile de capital




192 CAPITOLUL 7 MANAGEMENTUL RISCULUI FINANCIAR
7.3.2 Modelul determinist pentru investiiile de capital

Obiectivul principal al unui proiect de investiie de capital este compararea dintre
veniturile obinute ca urmare a acestei investiii i alternativele avnd acelai risc
de a investi n aciuni sau alte modaliti similare de tranzacii pe pieele financiare.
Aceast comparaie se poate face printr-un model de analiz de cash-flow cu
discount. S presupunem c sunt investii 100.000 ntr-o operaiune financiar cu o
durat de patru ani, fr riscuri, care returneaz un procent de beneficiu, respectiv o
rat a beneficiului de 10%, care se pltete la sfritul fiecrui an. Dac dobnda este
reinvestit, la sfritul celui de-al patrulea an suma acumulat va fi de 146.410,
calculele fiind prezentate n Tabelul 7.1.

Tabelul 7.1 Calculul sumei acumulate
Sfritul anului Dobnda obinut Investiia total
0 100.000

000 100 10 0 . ,
10.000
1 110.000

000 110 10 0 . ,
11.000
2 121.000

000 121 10 0 . ,
12.100
3 133.100

100 133 10 0 . ,
13.310
4 146.410

n tabelul de mai sus, sfritul anului 0 nseamn momentul de nceput al
investiiei, sfritul anului 1 nseamn situaia financiar dup 1 an, i aa mai departe.
Valorile din tabelul de mai sus pot fi obinute i cu formula:
( )
n
n
k V VF + = 1
0
, (7.1)
unde reprezint valoarea final (sau valoare viitoare) a investiiei dup n ani.
este valoarea investiiei la nceputul acesteia (anul 0), k reprezint rata de beneficiu a
investiiei, iar n este numrul de ani n care banii sunt investii. Astfel, pentru
n
VF
0
V
000 100
0
. = V i 10 0, = k (adic 10%),
valoarea final dup 2 ani va fi:
( ) 000 121 10 0 1 000 100
2
2
. , . = + = VF .
Relaia (7.1) ne permite s calculm i valoarea actual (valoarea prezent),
atunci cnd cunoatem valoarea final a investiiei.
Avem:
( )
n
n
k
VF
V
+
=
1
0
, (7.2)



7.3 INVESTIII DE CAPITAL N CONDIII DE RISC 193
Astfel, dac valoarea final a unei investiii cu un procent de beneficiu de 10%
este de 121.000, atunci valoarea iniial a acestei investiii a fost:
( )
000 100
10 0 1
000 121
2 0
.
.
.
=
+
= V .
Metoda cea mai direct pentru a determina dac un proiect de investiii de capital
returneaz un beneficiu mai mare dect o investiie alternativ de portofoliu n aciuni
sau alte forme similare toate fiind considerate ca avnd acelai risc este metoda de
calcul a valorii nete actuale (VNA).
Dac rata de beneficiu a unui proiect de investiii de capital este mai mare dect
rata de beneficiu a unei investiii echivalente (cu acelai nivel de risc) pe piaa
financiar, atunci vom avea VNA > 0. n caz contrar, pentru o rat a beneficiului mai
mic n cazul investiiei echivalente de portofoliu, vom avea VNA < 0.
O valoare actual net pozitiv indic faptul c investiia poate fi acceptat, n
timp ce o valoare negativ indic investitorului adoptarea deciziei de respingere a
investiiei. Valoarea 0 calculat pentru VNA indic o situaie de indiferen asupra
acceptrii sau respingerii investiiei respective.
Valoarea actual net poate fi calculat cu relaia:
( )

=

+
=
n
i
i
i
I
k
VF
VNA
1
0
1
, (7.3)
unde
0
I reprezint cheltuielile iniiale aferente proiectului de investiii.
S considerm un exemplu n care un investitor are posibilitatea de a investi
1.000 ntr-un proiect de investiii cu o durat de 3 ani, cu rata anual a beneficiului de
10%. Fluxurile de numerar de intrare (cash-inflows) estimate sunt urmtoarele:
Anul 1 300,
Anul 2 1.000,
Anul 3 400,
iar cheltuielile iniiale estimate pentru acest proiect sunt de 1.000.
Atunci, calculnd valoarea net actual obinem:
( ) ( )
70 399 000 1
10 0 1
400
10 0 1
000 1
10 0 1
300
3 2
, .
, .
.
,
=
+
+
+
+
+
= VNA .
O metod practic de calcul a valorii pentru VNA utilizeaz factorii de discount,
care sunt tabelai i sunt calculai cu relaia:
( )
n n
k
FD
+
=
1
1
, (7.4)
unde
n
FD este factorul de discount n anul n.
Pentru exemplul anterior, aplicnd metoda factorilor de discount obinem
rezultatele din Tabelul 7.2.




194 CAPITOLUL 7 MANAGEMENTUL RISCULUI FINANCIAR
Tabelul 7.2 Calculul valorii actuale nete
Anul Flux de intrare Factor de discount Valoarea actual
1 300 0,909 272,73
2 1.000 0,826 826,45
3 400 0,751 300,53
Total 1399,70
Cheltuieli iniiale 1000
Valoarea actual net 399,70

Pentru deciziile asupra proiectelor de investiii, se poate utiliza i metoda de
calcul a ratei interne de beneficiu (RIB), care reprezint valoarea maxim a costului
capitalului investiional care poate fi utilizat n proiectul financiar, fr a produce
pierderi investitorului.
Rata intern de beneficiu rezult prin determinarea valorii lui k din ecuaia:
( )

=
+
=
n
i
i
i
k
VF
I
1
0
1
, (7.5)
Rezolvarea ecuaiei anterioare se poate face i printr-o metod de calcul relativ
mai simpl, care const din atribuirea de valori pentru factorul de discount, iar apoi
prin aplicarea metodei celor mai mici ptrate i determinarea unei funcii liniare sau
ptratice, pe care o putem utiliza pentru determinarea valorii RIB.
Pentru aplicarea metodei menionate, s considerm exemplul anterior, n care
rata minim a beneficiului acceptabil este de 10%. Vom determina valorile VNA
pentru valorile ale lui k de 10%, 15%, 20%,..., 40%. Datele calculate sunt prezentate n
Tabelul 7.3.

Tabelul 7.3 Calculul VNA pentru diferii factori de discount
Valoarea actual
Anul
Flux de
intrare
10% 15% 20% 25% 30% 35% 40%
1 300 272,73 260,87 250,00 240,00 230,77 222,22 214,29
2 1.000 826,45 756,14 694,44 640,00 591,72 548,70 510,20
3 400 300,53 263,01 231,48 204,80 182,07 162,58 145,77
Total 1399,70 1280,02 1175,93 1084,80 1004,55 933,50 870,26
Cheltuieli iniiale 1000,00 1000,00 1000,00 1000,00 1000,00 1000,00 1000,00
Valoarea actual net 399,70 280,02 175,93 84,80 4,55 -66,50 -129,74

n Figura 7.4 sunt reprezentate valorile VNA pentru diferitele valori atribuite
factorilor de discount, conform datelor din Tabelul 7.3. Ajustnd o linie de tendin
polinomial de gradul al doilea, obinem ecuaia:
25 662 869 2 2 234 2
2
, . , . + = x x y . (7.6)
Rezolvnd aceast ecuaie, obinem soluia pentru factorul de discount n
intervalul dat: % ,17 30 = x .



7.3 INVESTIII DE CAPITAL N CONDIII DE RISC 195
399.70
280.02
175.93
84.80
4.55
-129.74
-66.50
-200
-100
0
100
200
300
400
500
5% 10% 15% 20% 25% 30% 35% 40% 45%
Rata de discount
V
N
A

Figura 7.4 Interpretarea grafic a ratei interne de beneficiu (RIB)

Regula de decizie este urmtoarea: dac rata intern de beneficiu este mai mare
dect costul capitalului de oportunitate, atunci investiia este profitabil i se va obine
o valoare net actual VNA > 0.
O situaie aparte o reprezint proiectele de investiii care sunt reciproc exclusive,
respectiv situaia n care acceptarea unui proiect implic excluderea celuilalt proiect,
cum ar fi de exemplu, decizia de alegere a unei locaii pentru amplasarea unui nou
obiectiv economic. S presupunem c un investitor trebuie s decid ntre dou
proiecte exclusive de investiii, notate A i B. Fluxurile de intrare pentru cele dou
proiecte, la o rat a beneficiului de 10%, sunt date n Tabelul 7.5.

Tabelul 7.5
Flux de intrare Valoarea actual
Anul
Proiectul A Proiectul B
Factor de
discount
10%
Proiectul A Proiectul B
1 3.430 5.520 0,909 3.118,18 5.018,18
2 3.430 5.520 0,826 2.834,71 4.561,98
3 3.430 5.520 0,751 2.577,01 4.147,26
Total 8.529,90 13.727,42
Cheltuieli initiale 7.000,00 12.000,00
Valoarea actual net 1.529,90 1.727,42

Relund analiza anterioar pentru rata de discount cuprins ntre 4% i 24%,
rezult pentru cele dou proiecte ratele interne de beneficiu de 22% pentru proiectul A
i de 18% pentru proiectul B. n Figura 7.5 sunt prezentate valorile VNA pentru cele
dou proiecte. Se observ c VNA depinde de rata de discount utilizat. Pentru o
valoare mai mare de 12%, proiectul A are valori VNA i RIB superioare. Pentru o rat
de discount mai mic de 12% proiectul B are o valoare VNA mai mare, iar proiectul A
o valoare RIB mai mare. n aceast situaie se alege, n general, proiectul cu valoarea
net actual mai mare.




196 CAPITOLUL 7 MANAGEMENTUL RISCULUI FINANCIAR
-2000
-1000
0
1000
2000
3000
4000
5000
0 2 4 6 8 10 12 14 16 18 20 22 24 26
Rata de discount
V
N
A
Proiectul A Proiectul B

Figura 7.5 Valoarea net actual pentru dou proiecte de investiii

n consideraiile de pn acum, am avut n vedere situaia n care beneficiul se
obine fr riscuri, cum sunt investiiile cu o rat a beneficiului garantat, dar mai
redus. n practica financiar sunt mai frecvente ns situaiile n care numai o parte a
ratei beneficiului este fr riscuri. n general, se consider o parte a investiiei care are
rata beneficiului fr riscuri i o parte care este supus riscului. Diferena dintre cele
dou valori reprezint aa-numita prim de risc.
n prima categorie, a investiiilor fr riscuri, intr investiiile garantate de stat
sau de anumite bnci. n a doua categorie intr investiiile n aciuni, care sunt
tranzacionate pe pieele financiare. Acestea sunt considerate investiii de portofoliu de
pia.
S notm cu
f
R rata beneficiului fr risc i cu rata beneficiului pentru o
investiie de portofoliu de pia, care include i prima de risc. De exemplu, pentru
i
m
R
% 17 =
m
R % 9 =
f
R , avem o prim de risc de 8%. S presupunem, de asemenea, c
abaterea standard pentru variabila este de 16%, iar pentru variabila
m
R
f
R este n
mod natural 0. Relaia dintre aceste variabile este reprezentat n Figura 7.6.
Ecuaia dreptei care reprezint capitalul de pia este dat de punctele de
coordonate ( )
f f
R , i (
m m
R , ) , unde
f
este abaterea standard pentru variabila
f
R ,
iar
m
este abaterea standard pentru variabila . Ecuaia dreptei de capital de pia
este aadar:
m
R
( )
f f
f m
f m
R x
R R
y +

=

. (7.7)
Pentru 0 =
f
, % 9 =
f
R i % 16 =
m
, % 17 =
m
R , rezult ecuaia de capital de
pia:



7.3 INVESTIII DE CAPITAL N CONDIII DE RISC 197
( ) 9 5 0 9 0
0 16
9 17
+ = +

= x x y , . (7.7)

9
13
17
25
0
5
10
15
20
25
30
0 8 16 24 32
Riscul (abaterea standard)
R
a
t
a

m
e
d
i
e

a

b
e
n
e
f
i
c
i
u
l
u
i

(
%
R
m
R
f
Portofoliul A
Portofoliul de pia
Portofoliul B

Figura 7.6 Ecuaia dreptei de capital de pia

Atunci un investitor poate investi n orice punct care se afl ntre
f
R i . De
exemplu, dac se investete n portofoliul A o sum constnd din 500 n portofoliul
de pia i 500 n portofoliul fr risc, atunci abaterea standard va fi:
m
R
% % % 8 16
2
1
0
2
1
= + ,
iar rata beneficiului mediu va fi
% , 8 9 8 5 0 = + = y .
Aadar, rata beneficiului mediu va fi o variabil aleatoare cu media 13% i cu
abaterea standard de 8%.
Cu ajutorul ecuaie dreptei de capital s rezolvm urmtoarea problem de
investiie de portofoliu B, care se situeaz deasupra punctului de portofoliu de pia
. S presupunem c investim 1.000 din fondurile proprii, mprumutm 1.000 fr
riscuri, cu o rat a dobnzii de 9% i plasm cele 2.000 de care dispunem acum ntr-o
investiie de portofoliu la o rat a beneficiului
m
R
% 17 =
m
R .
Atunci rata medie a beneficiului este 340 17 000 2 = % . , din care scznd
dobnda pe suma mprumutat de 90 9 000 1 = % . , rezult un beneficiu de 250. n
concluzie, investind din surse proprii 1.000 am obinut un beneficiu de 250, adic o
rat a beneficiului de 25%. nlocuind aceast valoare n ecuaia dreptei de capital,
rezult o abatere standard a riscului investiiei de
32 9 5 0 25 = + = x x , ,
adic o abatere standard a riscului foarte mare, dubl fa cea a portofoliului de pia.




198 CAPITOLUL 7 MANAGEMENTUL RISCULUI FINANCIAR
7.3.3 Modele probabiliste pentru investiiile de capital

Modelele prezentate pn acum au fost totui modele deterministe, n care
variabilele sunt legate ntre ele prin expresii funcionale determinate. n continuare
vom discuta modele probabiliste, n care vom considera riscurile proiectelor de
investiii ca fiind variabile aleatoare. Cele mai utilizate modele probabiliste i metode
pentru cuantificarea riscurilor proiectelor de investiii sunt:
Aplicarea distribuiilor de probabilitate;
Simularea;
Analiza de senzitivitate.
Pentru exemplificarea primei metode s considerm un proiect de investiii care
implic o cheltuial imediat de 20.000. Proiectul are o durat de via estimat de 3
ani, iar prognoza pentru cash-flow-ul net i probabilitile asociate sunt date n Tabelul
7.6.

Tabelul 7.6 Cash-flow-ul i probabilitile unui proiect de investiii
Anul 1 Anul 2 Anul 3
Probabilitatea
Cash-flow net Cash-flow net Cash-flow net
0,10 10.000 -5.000 -10.000
0,25 15.000 0 -5.000
0,30 20.000 5.000 0
0,25 25.000 10.000 5.000
0,10 30.000 15.000 10.000
Valoarea medie 20.000 5.000 0

Cu ajutorul valorilor medii ale cash-flow-ului net, putem acum s estimm
valoarea medie a VNA, pentru o rat a beneficiului de 10%. Obinem:
[ ] 314 2
10 1
0
10 1
000 5
10 1
000 20
3 2
.
, ,
.
,
.
= + + = VNA M . (7.8)
S determinm acum abaterea standard a VNA. Pentru aceasta vom determina
mai nti o relaie de calcul pentru dispersia sau variana VNA:
[ ]
( )

=
+
=
n
t
t
t
k
V
VNA V
0
2
1
, (7.9)
unde este variana valorii nete actuale a proiectului, este variana pentru
cash-flow-ul net n anul t, iar k este rata beneficiului. Pentru a aplica relaia (7.9) s
calculm mai nti n Tabelul 7.7. S remarcm faptul c variana cash-flow-ului va
fi aceeai n cei trei ani ai proiectului, deoarece considerm c distribuia de
probabilitate a variabilei VNA are aceeai valoare medie i aceeai dispersie.
[VNA V ]
t
V
1
V



7.3 INVESTIII DE CAPITAL N CONDIII DE RISC 199
Tabelul 7.7 Variana cash-flow-ului proiectului de investiii n anul 1
Probabilitatea
Cash-flow
net
Abaterea de la
valoarea medie
Ptratul abaterii
Valoarea
ponderat
0,10 10.000 -10.000 100.000 10.000.000
0,25 15.000 -5.000 25.000 6.250.000
0,30 20.000 0 0 0
0,25 25.000 5.000 25.000 6.250.000
0,10 30.000 10.000 100.000 10.000.000
Valoarea medie 20.000 Variana 32.500000

Atunci, conform relaiei (7.9) obinem variana valorii nete actuale:
[ ] 844 402 67
10 1
1
10 1
1
10 1
1
000 500 32
6 4 2
. .
, , ,
. . =

+ + = VNA V . (7.10)
Din calculele de mai sus, am obinut pentru variabila VNA parametrii pentru
medie 314 2. =
VNA
i 210 8. =
VNA
. Considernd pentru aceast variabil aleatoare
modelul distribuiei normale vom putea s facem o inferen statistic privind proiectul
nostru de investiii de capital. Astfel, considernd 95% din valorile distribuiei,
obinem pentru intervalul
VNA VNA
2 valorile [ ] 734 18 106 14 . ; . , ceea ce nseamn
c cu probabilitatea de 95%, valoarea net actual a proiectului de investiii se va situa
ntre limitele intervalului de mai sus.
Probabilitatea ca proiectul de investiii de capital s aib o valoare net actual
negativ (aria haurat din Figura 7.7) este dat de:
{ } ( ) 389 0 210 8 314 2 0 0 Prob , . ; . ; = = < N VNA , (7.11)
n timp ce probabilitatea de a avea o valoare net actual mai mare de 10.000 este de:
{ } ( ) 175 0 210 8 314 2 000 10 1 000 10 Prob , . ; . ; . . = = > N VNA , (7.12)

0
0.00001
0.00002
0.00003
0.00004
0.00005
0.00006
-25000 -20000 -15000 -10000 -5000 0 5000 10000 15000 20000 25000
X
P(X <= 0)

Figura 7.7 Probabilitatea de a nregistra VNA < 0




200 CAPITOLUL 7 MANAGEMENTUL RISCULUI FINANCIAR
S aplicm acum un model de simulare pentru problema noastr de investiii de
capital. Primul pas al procesului de simulare l reprezint constituirea unei distribuii
de probabilitate pentru fiecare factor care influeneaz deciziile de investiii de capital,
cum ar fi, de exemplu, variabilele aleatoare pentru cota de pia, preul de vnzare,
costurile operaionale sau durata de via a diferitelor echipamente.
S considerm exemplul anterior, n care, n pasul urmtor, vom genera variabile
aleatoare uniforme, ntre 0 i 1 pentru variabila de cash-flow net, dup cum urmeaz
(datele sunt prezentate n Tabelul 7.8):

Tabelul 7.8 Valorile uniforme pentru variabile cash-flow net
Anul 1 Anul 2 Anul 3
Valori aleatoare
Cash-flow net Cash-flow net Cash-flow net
0,00 0,10 10.000 -5.000 -10.000
0,11 0,35 15.000 0 -5.000
0,36 0,65 20.000 5.000 0
0,66 0,90 25.000 10.000 5.000
0,91 1,00 30.000 15.000 10.000

Observm c probabilitile de a genera valorile variabilelor aleatoare din prima
coloan a Tabelului 7.8 sunt aceleai cu probabilitile din Tabelul 7.6. Primele 10
valori simulate, utiliznd aceast metod de simulare foarte simpl (deoarece utilizm
generatorul de numere uniforme, pe care l are orice program de calculator) sunt
prezentate n Tabelul 7.9.

Tabelul 7.9 Valorile simulate pentru variabile cash-flow net
Anul 1 Anul 2 Anul 3
Valori
simulate
Cashflow
net
Valori
simulate
Cashflow
net
Valori
simulate
Cashflow
net
VNA
0,30 15.000 0,93 15.000 0,36 0 6.033
0,86 25.000 0,31 0 0,52 0 2.727
0,44 20.000 0,39 5.000 0,58 0 2.314
0,51 20.000 0,39 5.000 0,52 0 2.314
0,63 20.000 0,32 0 0,02 -10.000 -9.331
0,62 20.000 0,28 0 0,12 -5.000 -5.575
0,34 15.000 0,77 10.000 0,47 0 1.901
0,40 20.000 0,28 0 0,42 0 -1.818
0,39 20.000 0,34 0 1,00 10.000 5.695
0,62 20.000 0,59 5.000 0,36 0 2.314

n tabelul de mai sus, pe prima linie, pentru valoarea simulat 0,30 considerm
un cash-flow net de 30.000 n anul 1, pentru 0,93 un cash-flow net de 15.000 n anul 2,
iar pentru 0,36 un cash-flow net de 0 n anul 3. Cu aceste valori rezultate din simulare,



7.3 INVESTIII DE CAPITAL N CONDIII DE RISC 201
a fost calculat valoarea VNA din ultima coloan a tabelului. Procedeul a fost repetat
de un numr suficient de mare de ori.
Statisticile rezultate din simulare au fost, notnd cu x valorile variabilei VNA, au
fost:
798 18.
min
= x , 881 18.
max
= x ,
594 2. = x , 739 7. = s ,
iar modelul distribuiei simulate, reprezentat prin histograma frecvenei relative a
valorilor simulate, este redat n Figura 7.8.

0.00
0.05
0.10
0.15
0.20
0.25
-
2
0
,
6
8
2
-
1
6
,
9
1
4
-
1
3
,
1
4
6
-
9
,
3
7
8
-
5
,
6
1
0
-
1
,
8
4
3
1
,
9
2
5
5
,
6
9
3
9
,
4
6
1
1
3
,
2
2
9
1
6
,
9
9
7
2
0
,
7
6
4
VNA
P
r
o
b
a
b
i
l
i
t
a
t
e
a

Figura 7.8 Modelul distribuiei simulate a VNA

Analiznd comparativ rezultatele anterioare n care am folosit modelul
distribuiei normale, cu cele rezultate din simulare, observm c fr a fi foarte
apropiate, ele sunt totui n aceeai plaj de valori, respectiv pentru modelul simulat,
media este de aproximativ 2.600 (fa de circa 2.300 n modelul normal), iar abaterea
standard de 7.700 (fa de 8.200 n modelul normal).
Din pcate, modelul empiric furnizat de histograma frecvenei relative este
puternic asimetric (dup cum se observ din forma histogramei din Figura 7.8), ceea
ce ne determin s facem inferena asupra modelului de simulare cu ajutorul
distribuiei triunghiulare asimetrice. Reamintim c n capitolul 2 am prezentat
distribuia triunghiular simetric.
Distribuia triunghiular este recomandat pentru a fi utilizat atunci cnd nu
dispunem de date istorice privind evoluia unui anumit fenomen care ne intereseaz
sau atunci cnd nu este posibil sau nu este timp pentru un experiment statistic. Pentru a
genera o variabil triunghiular, este suficient s considerm o valoare minim (notat
a), o valoare maxim (notat b) i o valoare pe care o considerm ca fiind cea mai
probabil (notat m).




202 CAPITOLUL 7 MANAGEMENTUL RISCULUI FINANCIAR

Distribuia triunghiular asimetric are funcia de densitate de probabilitate
definit de:
( )
( )
( ) ( )
( )
( ) ( )

< <


<



=
b x
b x m
m b a b
x b
m x a
a m a b
a x
a x
x f
0

2

2
0
,
,
,
,
, (7.13)
i funcia de distribuie cumulativ dat de:
( )
( )
( ) ( )
( )
( ) ( )

< <

<



=
b x
b x m
m b a b
x b
m x a
a m a b
a x
a x
x F
, 1
, 1
,
, 0
2
2
, (7.14)
Parametrii distribuiei triunghiulare asimetrice sunt:
( ) ( ) ( )
18
3
2
2
b m a m a b
b m a
+
=
+ +
=

,
. (7.15)
Avantajul utilizrii distribuiei triunghiulare este acela c pentru a estima
probabilitile nu avem nevoie de tabele de valori ale distribuiei, calculul de
probabilitate reducndu-se la calculul unor arii de triunghiuri.
a
b
m
a b
2
Reprezentnd grafic distribuia triunghiular asimetric (Figura 7.9), aceasta
trece prin punctele de coordonate ( ) 0 , a A , ( ) 0 , b B i

a b
m M
2
, .








Figura 7.9 Distribuia triunghiular asimetric




7.3 INVESTIII DE CAPITAL N CONDIII DE RISC 203
Un alt avantaj important al distribuiei triunghiulare asimetrice l reprezint
metoda de generare a unei variabile aleatoare triunghiulare asimetrice, care se poate
obine considernd media a 3 variabile aleatoare uniforme. Astfel, pentru a genera un
ir de variabile aleatoare triunghiulare asimetrice, utilizm relaia:
3
3 2 1
) ( ) ( ) ( i i i
i
u u u
x
+ +
= , (7.16)
unde sunt variabile aleatoare uniforme pe 3 2 1 , , ,
) (
= k u
i
k
( ) 1 0, .
n Figura 7.10 este reprezentat simularea distribuiei triunghiulare asimetrice,
utiliznd metoda de generare din relaia (7.16).











0.00
0.05
0.10
0.15
0.20
0.25
1 2 3 4 5 6 7 8 9 10 11 12 13
Figura 7.10 Distribuia triunghiular asimetric simulat

Pentru valorile eantionului de date simulate, se obine:
798 18.
min
= = x a ,
881 18.
max
= = x b ,
i nlocuind aceste valori i media simulat n relaia (7.15) obinem:
( ) 701 7 3 . = + = b a x m .
Atunci, pentru probabilitatea de a avea o valoare VNA < 0, obinem, considernd
asemnarea i ariile triunghiurilor dreptunghice corespunztoare:
{ } % 35 0 Prob < VNA ,
probabilitatea ca VNA s fie egal cu media calculat cu metoda anterioar:
{ } % . 45 314 2 Prob < VNA ,
iar probabilitatea ca VNA > 10.000 este:
{ } % . 24 000 10 Prob > VNA .
n concluzie, valorile obinute prin utilizarea distribuiei triunghiulare sunt
suficient de apropiate de cele obinute prin utilizarea distribuiei normale i
recomandm aceast distribuie mai ales n aplicaiile de simulare ale modelelor
economice i ale riscului, datorit simplitii i eficacitii acesteia.




204 CAPITOLUL 7 MANAGEMENTUL RISCULUI FINANCIAR
A treia metod probabilist care se poate aplica pentru problemele de investiii de
capital o reprezint analiza de senzitivitate. n Figura 7.11 sunt prezentate variabilele
modelului care influeneaz VNA, respectiv senzitivitatea VNA la schimbrile
variabilelor componente:
Preul de vnzare estimat;
Volumul de vnzri estimat;
Costuri operaionale estimate;
Costuri iniiale estimate;
Volumul
de vnzri
estimat
Costuri
operaiona
le estimate
Costuri
iniiale
estimate
Costul
estimat al
capitalului

Preul de
vnzare
estimat


Costul estimat al capitalului.




















VNA
Figura 7.11 Senzitivitatea VNA la variabilele modelului

Aplicarea analizei de senzitivitate, conform procedurilor detaliate n Capitolul 3,
poate indica variabilele la care VNA este cea mai sensibil, precum i nivelul pn la
care se pot modifica aceste variabile nainte ca rezultatele investiiilor de capital s
conduc la pierderi.



205


8

BIBLIOGRAFIE

1. Ackoff, R. L.,
Sasieni, M. W.
Bazele cercetrii operaionale. Editura tehnic, 1975.
2. Alexis, J. Metoda Taguchi n practica industrial. Editura tehnic,
1999.
3. Amstadter, B. L. Reliability Mathematics. McGraw-Hill Publishing Company,
1971.
4. Arley, N.,
Buch, K. R.
Introduction to the Theory of Probability and Statistics. John
Wiley & Sons Inc., 1976.
5. Barlow, R. E.,
Proschan, F.
Mathematical Theory of Reliability. John Wiley & Sons Inc,
1967.
6. Berenson, M.L.,
Levine, D.M.
Basic Business Statistics. Concepts and Applications.
Prentice Hall, 1992.
7. Brsan-Pipu, N. Modele FMEA: Analiza modului de defectare i a efectelor.
Q-Media, Nr. 3, pp. 48-53, 1999
8. Brsan-Pipu, N. Tehnici de simulare aplicate n economie. Buletinul tiinific
al Universitii Cretine Dimitrie Cantemir, Braov, 2003,
pag. 237 241.
9. Brsan-Pipu, N. Managementul riscului. Concepte i abordri. Buletinul
tiinific al Universitii Cretine Dimitrie Cantemir,
Braov, 2003, pag. 237 241.
10. Brsan-Pipu, N.,
Vod, R. C.
Modele statistice ale defectrii. Calitate i Fiabilitate, Nr. 2,
pp. 23-26, 1998
11. Brsan-Pipu, N.,
Isaic-Maniu, Al.,
Vod, V. Gh.
Defectarea. Modele statistice cu aplicaii. Editura
Economic, 1999
12. Besterfield, D. H. Quality Control. Prentice-Hall Inc, 1979
13. Bowker, A. H.,
Lieberman, G. I.
Engineering Statistics. Prentice-Hall Inc, 1972
14. Ctuneanu, V. M.,
Mihalache, A. N.
Reliability Fundamentals. Elsevier Science Publishing Inc,
1989


206 BIBLIOGRAFIE


15. Chan, L. K., Cheng, S.
W., Spiring, F. A.
A New Measure of Process Capability: Cpm. Journal of
Quality Technology, Vol. 20, No. 3, pp. 162-175, 1988.
16. Coa, M., Nastovici,
L.
Modele de evaluare a riscului de ar. Editura Orientul Latin,
2000.
17. Drury, C. Management and Cost Accounting. Chapmann & Hall, 1985.
18. Duncan, A. I. Quality Control and Industrial Statistics. Richard D Irwin,
Inc, 1974.
19. Duncan, W.R. A Guide to the Project Management Body of Knowledge.
Project management Institute, 1996 2000.
20. Gibra, I.. N. Probability and Statistical Inference for Scientist and
Engineers. Prentice-Hall, Inc, 1973.
21. Gnedenko, B. The Theory of Probability. Mir Publishers, 1976.
22. Hahn, G. I., Shapiro,
S. S.
Statistical Models in Engineering. John Wiley & Sons, Inc.,
1967.
23. Hall, O. P., Adelman,
H. E.
Business Statistics. Richard Irwin Inc., 1991.
24. Hammer Slei, J.,
Handscomb, D. C.
Monte Carlo Methods. John Wiley & Sons Inc, 1964.
25. Harshbarger, R.J.,
Reynolds, J.J.
Mathematical Applications for the Management, Life, and
Social Sciences. D.C Heath, 1992,
26. Hillier, F. S.,
Lieberman G. I.
Introduction to Operations Research. McGraw Hill
Publishing Co., 1986.
27. Iosifescu, M., Mihai,
Gh., Theodorescu, R.
Teoria probabilitilor i statistica matematic. Editura
tehnic, 1966.
28. Ireson, W. G. Reliability Handbook. McGraw-Hill Company, 1966.
29. Juran, J. M., Gryna, F.
M. Bingham, R. S.
Quality Control Handbook. McGraw-Hill Co, 1974.
30. Kane, V. E. Process Capability Indices. Journal of Quality Technology,
Vol. 18, No. 1, pp. 41-52, 1986.
31. Keller, G., Warrack,
G.
Statistics for Management and Economics. Duxbury Press,
1997
32. Lloyd, E. Handbook of Aplicable Mathematics. Volume VI: Statistics.
John Wiley & Sons, 1984.
33. Malia, M., Zidroiu
C.
Incertitudine i decizie. Editura tiinific i enciclopedic,
1980.
34. Mann, N. R., Schafer,
R. E., Simpurwalla, N.
Methods for Statistical Analisys of Reliability & Life Data.
John Wiley & Sons, 1974.



BIBLIOGRAFIE 207



35. Martinescu, I.,
Popescu, I.
Analiza fiabilitii i securitii sistemelor. Editura
Universitii Transilvania din Braov, 2002.
36. McNulty, M.S. Applied Risk Analysis of Complex Systems. The Third
Conference on Mathematical Methods in Reliability, 2002,
pp. 437 439.
37. Mendenhall W.,
Sincich, T.
Statistics the Engineering and Computer Sciences. Dellen
Publishing Company, 1984.
38. Montgomery D.C. Introduction to Statistical Quality Control (Third Edition).
John Wiley and Sons, 1996.
39. Natrella, M.G. Experimental statistics. National Bureau of Standards
Handbook 91, 1963.
40. Orman, G. Msur i procese aleatoare . Editura Universitii
transilvania, Braov, 2000.
41. Petrescu, E., Vod, V.
Gh.
Fie de control de proces. Teorie i studii de caz. Editura
Economic, 2002.
42. Popescu, I. Bearings life and reliability. The University of Arizona,
Tucson, Arizona, 1977.
43. Popescu, I. Bazele cercetrii experimentale n tehnologia construciilor
de maini. Universitatea din Braov, 1986.
44. Popescu, I.,
Martinescu, I.
Fiabilitate. Bazele teoretice. Universitatea din Braov, 1992.
45. Purcaru, I.,
Purcaru, O.G.
Matematici financiare. Teorie i aplicaii. Editura
Economic, 2000.
46. Rotariu, I. Managementul tehnologiilor nucleare pentru producerea
energiei electrice. Tez de doctorat. Universitatea
Transilvania din Braov, 2002.
47. Stoian, I. Metode i studii de caz privind managementul riscului n
tranzaciile de afaceri. Editura Oscar Print, 1999,
48. Stoichioiu, D., Vod,
V. Gh.
Istoria calitii. Un eseu concentrat. Editura Mediarex 21,
2002.
49. Tovissi, L., Vod, V.
Gh.
Metode statistice. Aplicaii n producie. Editura tiinific i
enciclopedic, 1982.
50. Tuma, I. I. Engineering Mathematics Handbook. McGraw-Hill Inc.,
1979.
51. Turban, E.,
Meredith, J.R.
Fundamentals of Management Science. Irwin, 1977.
52. Vduva, I Modele de simulare cu calculatorul. Editura tehnic, 1977.



208 BIBLIOGRAFIE


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