Нечеткие множества: основы теории и приложения к моделированию решений

26 найденные этим методом зависимости справедливы для указанной « генеральной совокупности », но не для той ее части , которая со - стоит из « реальных объектов ». Таким образом , трактуя некоторый показатель экономиче - ского объекта как случайную величину , исследователь не может достаточно обоснованно ссылаться на какое - то свойство реально - сти , отражаемое вероятностной мерой . Однако он может поступить точно в соответствии с теоретико - вероятностным определением случайной величины , конкретно указав множество возможных зна - чений показателя и вероятностную меру на нем . Но тогда вероят - ностная мера становится выражением для представления исследо - вателя о неопределенности рассматриваемого показателя – из объективной вероятности она сейчас же превращается в субъек - тивную . Поэтому , строго говоря , вероятностная трактовка « случайно - сти » основывается не на каких - то свойствах , присущих рассматри - ваемому реальному объекту , а на собственных ( или почерпнутых у других авторов ) представлениях исследователя о возможности описания поведения этого объекта вероятностными моделями . Од - нако , несмотря на невозможность строго дедуктивного доказатель - ства стохастичности событий и процессов , использование соответ - ствующих гипотез в ряде случаев оказывается полезным и приво - дит к разумным практическим рекомендациям и результатам . Учитывая тематическую направленность данного пособия , не будем останавливаться на методологических аспектах практиче - ского использования нечетких объектов в ПР . Ограничимся еще раз приведением точки зрения Заде относительно целесообразно - сти практического применения теории нечетких множеств . Он го - ворил , что первое объяснение может быть описано в терминах « мы не знаем », означая , что наше знание некоторой системы недоста - точно точно или недостаточно полно для того , чтобы позволить нам использовать стандартные методы количественного анализа .