ЧС природного характера (техногенного) возникает тогда, когда ее параметры, выходят за рамки "нормальных" значений.
П = (П1, П2, ..., Пn) как множество параметров, характеризующих определенный процесс, который может привести к возникновению ЧС;
Пд = (Пд1, Пд2,..., Пдn) как множество значений параметров, характеризующих определенный процесс, при которых не возникает ЧС. Назовем это множество множеством "нормальных" значений параметров анализируемого процесса.
Считаем, что если хотя бы для одного параметра не выполняется условие , то это приведет к возникновению ЧС, тогда вероятность возникновения ЧС может быть определена следующим образом:
Здесь - вероятность того, что все параметры принадлежат множеству "нормальных" значений параметров анализируемого процесса.
Полагаем, что параметры, характеризующие определенный процесс, который может привести к возникновению ЧС, являются стохастически независимыми. В этом случае вероятность возникновения ЧС может быть определена следующим образом:
В последнем соотношении - вероятность того, что параметр Пj анализируемого процесса принадлежит множеству "нормальных" Пдj его значений. Для оценки вероятности возникновения ЧС необходимо определить вероятности
для всех
.
Как правило, условие тождественно одному из следующих условий: Пj
Пдвj; Пj
Пднj; Пднj
Пj
Пдвj. В данных неравенствах
Пднj - нижнее "нормальное" значение параметра;
Пдвj - верхнее "нормальное" значение параметра.
Далее будем рассматривать условие Пj Пдвj, остальные условия могут быть сведены к нему.
"Нормальные" значения следует считать фиксированными и заранее определенными (заданными).
Как правило, конкретное значение любого параметра анализируемого процесса, который может привести к возникновению ЧС, зависит от большого числа не всегда контролируемых факторов. С определенным, вполне достаточным приближением, значение параметра можно считать случайной нормально распределенной величиной с плотностью распределения
m - математическое ожидание (среднее значение) параметра (рассматриваемого как случайная величина);
- среднее квадратическое отклонение (стандартное отклонение) параметра;
f(x) - функция плотности вероятности для значения x.
Функция распределения для нормальной случайной величины имеет вид:
Ф(z) - табулируемая функция (Лапласа), она представлена, например, в Excel встроенной функцией НОРМ.СТ.РАСП(z; 1).
Соотношение (6) может быть использовано для прогнозирования вероятности возникновения ЧС на определенном временном интервале.
Пусть необходимо выполнить прогнозирование на временном интервале 1 месяц. В нашем распоряжении для каждого параметра Пj имеется выборка значений параметра (желательно, не менее 30 значений) на заданном временном интервале:
ПВj = (ПВj1, ПВj2, ... ПВjk). (7)
Также в нашем распоряжении имеются множества "нормальных" значений каждого параметра, представленные верхними "нормальными" значениями:
ПВвj = (ПВвj1, ПВвj2, ... ПВвjn). (8)
На основе выборки значений параметров на заданном интервале находим оценки математического ожидания и среднего квадратического отклонения по формулам:
- Гражданский кодекс (ГК РФ)
- Жилищный кодекс (ЖК РФ)
- Налоговый кодекс (НК РФ)
- Трудовой кодекс (ТК РФ)
- Уголовный кодекс (УК РФ)
- Бюджетный кодекс (БК РФ)
- Арбитражный процессуальный кодекс
- Конституция РФ
- Земельный кодекс (ЗК РФ)
- Лесной кодекс (ЛК РФ)
- Семейный кодекс (СК РФ)
- Уголовно-исполнительный кодекс
- Уголовно-процессуальный кодекс
- Производственный календарь на 2023 год
- МРОТ 2024
- ФЗ «О банкротстве»
- О защите прав потребителей (ЗОЗПП)
- Об исполнительном производстве
- О персональных данных
- О налогах на имущество физических лиц
- О средствах массовой информации
- Производственный календарь на 2024 год
- Федеральный закон "О полиции" N 3-ФЗ
- Расходы организации ПБУ 10/99
- Минимальный размер оплаты труда (МРОТ)
- Календарь бухгалтера на 2024 год
- Частичная мобилизация: обзор новостей