NED373389NED

Особо опасные болезни 49 Таким образом, при решении данного примера первым вари- антом мы получили значение 5,5 х 10 -12 , при решении вторым – 1,95 х 10 -10 , оба значения характеризуют низкую вероятность того, что хотя бы в одном брикете мясо будет инфицировано возбудите- лем. Данные цифры легче сравнить при изменении их вида: Вариант I – 0,0000000000055 Вариант II – 0,000000000195 Разница полученных значений объясняется тем, что в первом варианте расчета нами был использован байезианский подход, во втором – вероятностный. 3. Пример третий. В современных методах количественного анализа риска все больше отдается предпочтение стохастическому моделированию. Данный подход можно наглядно проиллюстрировать следую- щим примером. Инспектор на мясокомбинате выявил 3 цыпленка с гематомами за 1 час работы, сколько он обнаружит за 8 часов работы? С одной стороны, это элементарная задача: 3 х 8 = 24, но с дру- гой стороны решение динамического процесса – вероятностная ве- личина, и утверждать с точностью 100%, что за 8 часов будет вы- явлено 24 цыпленка с гематомами – неверно. Для решения данной задачи используют Пуассоновский про- цесс (Poisson process), который моделирует число событий α, про- исходящих с интервалом t в пространстве и времени. Poisson (λt), где число событий λ за время t, λ – среднее число событий за единицу времени λ = 1/β, среднее время между событи- ями β. Для нашего примера: – λ – среднее число событий за единицу воздействия λ = 1/β = 3 – средний интервал между событиями β = 0,33 часа – число событий λ за время t = Poisson (λ t ) = Poisson (3x8) Электронная Научная СельскоХозяйствен ая Библиотека