П2-3. нечеткие множества как проекции случайных множеств

П2-3. нечеткие множества как проекции случайных множеств

С самого начала появления современной теории нечеткости в 1960-е годы началось обсуждение ее взаимоотношений с теорией вероятностей. Дело в том, что функция принадлежности нечеткого множества напоминает распределение вероятностей. Отличие только в том, что сумма вероятностей по всем возможным значениям случайной величины (или интеграл, если множество возможных значений несчетно) всегда равна 1, а сумма S значений функции принадлежности (в непрерывном случае интеграл от функции принадлежности) может быть любым неотрицательным числом. Возникает искушение пронормировать функцию принадлежности, т.е. разделить все ее значения на S (при S Ф 0), чтобы свести ее к распределению вероятностей (или к плотности вероятности). Однако специалисты по нечеткости справедливо возражают против такого "примитивного" сведения", поскольку оно проводится отдельно для каждой размытости (нечеткого множества), и определения обычных операций над нечеткими множествами с ним согласовать нельзя. Последнее утверждение означает следующее. Пусть указанным образом преобразованы функции принадлежности нечетких множеств А ж В. Как при этом преобразуются функции принадлежности Af]B, AJ В, А + В, АВ ? Установить это

невозможно в принципе. Последнее утверждение становится совершенно ясным после рассмотрения нескольких примеров пар нечетких множеств с одними и теми же суммами значений функций принадлежности, но различными результатами теоретико-множественных операций над ними, причем и суммы значений соответствующих функций принадлежности для этих результатов теоретико-множественных операций, например, для пересечений множеств, также различны.

В работах по нечетким множествам довольно часто утверждается, что теория нечеткости является самостоятельным разделом прикладной математики и не имеет отношения к теории вероятностей (см., например, обзор литературы в монографиях [1,2]). Авторы, сравнивавшие теорию нечеткости и теорию вероятностей, обычно подчеркивали различие между этими областями теоретических и прикладных исследований. Обычно сравнивают аксиоматику и сравнивают области приложений. Надо сразу отметить, что аргументы при втором типе сравнений не имеют доказательной силы, поскольку по поводу границ применимости даже такой давно выделившейся научной области, как вероятностно-статистические методы, имеются различные мнения. Напомним, что итог рассуждений одного из наиболее известных французских математиков Анри Лебега по поводу границ применимости арифметики таков: "Арифметика применима тогда, когда она применима" (см. его монографию [3, с.21-22]).

При сравнении различных аксиоматик теории нечеткости и теории вероятностей нетрудно увидеть, что списки аксиом различаются. Из этого, однако, отнюдь не следует, что между указанными теориями нельзя установить связь, типа известного сведения евклидовой геометрии на плоскости к арифметике (точнее к теории числовой системы R2 см., например, монографию [4]). Напомним, что эти две аксиоматики евклидовой геометрии и арифметики на первый взгляд весьма сильно различаются.

Можно понять желание энтузиастов нового направления подчеркнуть принципиальную новизну своего научного аппарата. Однако не менее важно установить связи нового подхода с ранее известными.

Как оказалось, теория нечетких множеств тесно связана с теорией случайных множеств. Еще в 1974 г. в работе [5] было показано, что нечеткие множества естественно рассматривать как "проекции" случайных множеств. Рассмотрим этот метод сведения теории нечетких множеств к теории случайных множеств.

Определение 2. Пусть А = А(оо) - случайное подмножество конечного

множества У. Нечеткое множество В, определенное на У, называется проекцией А и обозначается Proj А, если

рв(у) = Р(уєА) (7)

при всех у є 7.

Очевидно, каждому случайному множеству А можно поставить в соответствие с помощью формулы (7) нечеткое множество В = Proj А. Оказывается, верно и обратное.

Теорема 3. Для любого нечеткого подмножества В конечного множества У существует случайное подмножество А множества У такое, что В = Proj А.

Доказательство. Достаточно задать распределение случайного множества А. Пусть У] носитель В (см. определение 1 выше). Без ограничения общности можно считать, что Yl = {у{,у2,..,ут) при некотором т и элементы У] занумерованы в таком порядке, что

О < МвІУі) ^ МвІУг) ^ ^ Мв(Ут)Введем множества

7(1) = 7,,7(2) = {y2,...,yJ,...,Y(t) = {yt,...,yJ,...,Y(m) = {yj.

Положим

P(A = 7(1)) = рв(Уі), P(A = 7(2)) = рв(у2)-рв(Уі),.-,

P(A = 7(0) = fiB(yt) -Му,-Х~>Р(А = Y{m)) = pB{yn) -pB(ym_x

P(A = 0) = -pB(ym).

Для всех остальных подмножеств X множества У положим Р(А=Х)=0. Поскольку элемент }^входит во множества Y(l), Y(2),..., Y(t) и не входит во множества Y(t+1),..., Y(m), то из приведенных выше формул следует, что Р(yt є А) = рв (yt). Если у £ 7j, то, очевидно, Р(у є А) = 0. Теорема 3 доказана.

Распределение случайного множества с независимыми элементами, как следует из рассмотрений главы 8, полностью определяется его проекцией. Для конечного случайного множества общего вида это не так. Для уточнения сказанного понадобится следующая теорема.

Теорема 4. Для случайного подмножества А множества У из конечного числа элементов наборы чисел Р(А = Х),Х czY, и Р(Х cz А),Х cz Y, выражаются один через другой.

Доказательство. Второй набор выражается через первый следующим образом:

P(XczA) = Y,p(A = x)х-.х^х

Элементы первого набора выразить через второй можно с помощью формулы включений и исключений из формальной логики, в соответствии с которой

Р(А = Х) = Р(Х <= Л) £Р(Х U {у} czA) + £Р(Х U {у, ,у2} <= А) -... ± P(Y <= А). В этой

формуле в первой сумме у пробегает все элементы множества YX, во второй сумме переменные суммирования yj и у2 не совпадают и также пробегают это множество, и т.д. Ссылка на формулу включений и исключений завершает доказательство теоремы 4.

В соответствии с теоремой 4 случайное множество А можно характеризовать не только распределением, но и набором чисел Р(Х cz А), X czY. В этом наборе Р(0 cz А) = 1, а других связей типа равенств нет. В этот набор входят числа Р{{у} А) = Р(у є А), следовательно, фиксация проекции случайного множества эквивалентна фиксации k = CardfY) параметров из (2к-1) параметров, задающих распределение случайного множества А в общем случае.

Будет полезна следующая теорема.

Теорема 5. Если Proj А = В, то Pro/А = В.

Для доказательства достаточно воспользоваться тождеством из теории случайных множеств Р(А = X) = Р(А = X), формулой для вероятности накрытия Р(у є А) из главы 8, определением отрицания нечеткого множества и тем, что сумма всех Р(А=Х) равна 1.