Комментарии 24
1. Принцип Питера не реален.
2. Это специфика модели.
arxiv.org/pdf/0907.0455.pdf
2. Вероятность потенциальной компетентности человека относительно должности не убывает с уровнем. Она довольно случайна. Поэтому, благодаря пункту 1, проскочив уровень своей некомпетентности, человек может оказаться на уровне, где он более ли менее эффективно может справляться с задачами.
2. Скорее не случайна, а заранее не известна. Но, вывод в целом верен.
Шнобелевцы же предложили способ «игнорирования эгоистов» простым рандомированием. ;)
Увы, нет модели в которой эффективность сначала растет, достигает экстремума и падает, и как это связано с соотношениями карьеристов и профессионалов
И тогда должен гроб получиться. Сейчас добавлю и выложу, что получится в комменте.
Такой множитель к продуктивности, предполагающий, что люди на работе учатся работать эффективнее: (1.8-0.8*Math.Exp(-Expr*0.6))
Обнуление Expr при переходе на новую должность и вот мы получаем горб в эгоистичном сценарии.
Хм. Вот это похоже на то что в реальных компаниях происходит. Сначала они растут, достигают пика, а потом в течении десятилетий скатываются на дно, банкротятся или покупаются другими.
А добиться осциляций в этой моделе как-то можно? Что надо сделать что бы она начала выкарабкиваться со дна после нашествия нуннов-топоменеджеров?
На самых нижних уровнях это наверное еще сработает — ибо насяльников много обновлять их можно относительно часто, а что бы более верхние уровни затронулись… в общем придется либо часто трясти кубики, а это неэффективно, либо трясти на протяжении сотен лет.
Ну а самый главный изъян — такой подход приведет к тому, что выигрывать будут только средние, и походу модель в этом случае не учитывает, что тогда лучшие будут оставаться не удел и начнут уходить (ибо амбиции и нет мотивации), так что после каждой итерации правый хвосты распределения будет усекаться и матожидание будет от итерации к итерации двигаться в сторону худших.
В общем работать это будет наверное только в каких-нибудь макдональдсах, где народу много и текучка высокая.
Ну и рэндом штука такая, без дополнительных эвристик приводит к длительным блужданиям.
Исходя из этого же, ваш «главный изъян» является всего лишь допущением подхода. Да — средние. Да — лучших никто не предложил как эффективно искать.
Как же напоминает курсовые и дипломные (правда, в серьезных вузах хорошей оценки за такое не поставят, ибо для хорошей оценки надо развить математические методы, доказать теоремы, и все делать аналитически, а не срезАть углы монте-карлом, ну и, с журналами та же история. Не имеющий практической пользы, и неприменимый на финансовом рынке, но развивающий математические методы шлак по quantitative finance, к примеру, публикуют и цитируют за милую душу).
А если по делу, то очевидно, что что автор заложил в модель, то и получил в результате симуляции. Если результаты можно предсказать интуитивно, посмотрев на формулу, то зачем нужна симуляция? А если нет никаких наблюдений над реальными данными, то имеет ли это все ценность в мире, отличном от придуманного автором в процессе описания модели?
Отрицательный отбор кадров в иерархической структуре предприятия