Stochastic dominance เป็นแนวคิดที่ใช้เพื่อช่วยให้คนเลือกระหว่างระบบหรือการตัดสินใจที่แตกต่างกัน มันถูกใช้ในสถิติและทฤษฎีความน่าจะเป็นในการจัดอันดับการตัดสินใจที่เป็นไปได้ของบุคคลหรือธุรกิจที่อาจทำและกำหนดหลักสูตรการดำเนินการที่สามารถสร้างผลลัพธ์ที่ดีที่สุดสำหรับผู้ที่เกี่ยวข้อง การพิจารณาการครอบงำนี้ไม่จำเป็นต้องใช้ข้อมูลตามจำนวน ตัวเลือกจะถูกจัดอันดับตามการตั้งค่าแบบง่าย ๆ รวมถึงผลกำไรทางการเงินของการดำเนินการบางอย่าง
หลักการเรียงลำดับสุ่มเป็นพื้นฐานของการสุ่มสุ่ม ในระบบนี้ตัวแปรจะเรียงลำดับตามลำดับซึ่งตัวเลือกที่แข็งแกร่งและมีประโยชน์มากที่สุดอยู่ในกลุ่มหนึ่งและกลุ่มที่อ่อนแอที่สุดและมีประโยชน์น้อยที่สุดจะอยู่ในกลุ่มอื่น ระบบการจัดกลุ่มนี้มีประโยชน์สำหรับนักวิเคราะห์ข้อมูลในหลาย ๆ ฟิลด์ สามารถช่วยให้พวกเขาคาดการณ์การกระทำของฐานลูกค้าของพวกเขาหรือช่วยให้พวกเขาแยกแยะข้อมูลมากมายเกี่ยวกับความน่าจะเป็นเช่นข้อมูลที่ใช้ใน บริษัท ประกันภัย
ไม่มีวิธีที่เป็นรูปธรรมสำหรับการพิจารณาการสุ่ม กระบวนการในการกำหนดความเด่นทางสถิติเป็นหนึ่งในเวอร์ชันที่ง่ายขึ้นที่สามารถใช้ได้ ในแบบจำลอง statewise มีการเปรียบเทียบทั้งสองระบบ หากระบบใดระบบหนึ่งให้ผลประโยชน์มากกว่าและ / หรือมีข้อเสียน้อยกว่าระบบอื่นที่คล้ายคลึงกันระบบแรกจะถูกกล่าวว่ามีอำนาจเหนือรัฐที่สอง
Stochastic dominance เป็นเครื่องมือหนึ่งที่นักวิเคราะห์การตัดสินใจใช้ มันสามารถเปรียบเทียบกับการวิเคราะห์ความเสี่ยง การวิเคราะห์แบบนี้ง่ายกว่าและเกี่ยวข้องกับสูตรที่เป็นรูปธรรม
การวิเคราะห์ความเสี่ยงหมายถึงพยายามเปรียบเทียบผลลัพธ์สุดท้ายที่อาจเกิดขึ้นหรือค่าเฉลี่ยด้วยขั้นตอนที่ต้องดำเนินการเพื่อให้ได้ผลลัพธ์นี้ - ความเสี่ยง ระบบนี้ดีกว่าที่จะใช้เมื่อนักวิเคราะห์กำลังจัดการกับระบบที่มีตัวแปรที่มีค่าตัวเลขที่กำหนดได้ง่ายเช่นค่าใช้จ่ายและจำนวน Stochastic dominance คำนึงถึงหลักการที่คลุมเครือมากขึ้นเช่นความชอบและตัวแปรที่จับต้องไม่ได้อื่น ๆ และตัวแบบสามารถจัดการกับตัวเลขได้เช่นกัน แต่ไม่มีสูตรที่ชัดเจนสำหรับนักวิจัยที่จะปฏิบัติตามเมื่อพวกเขาใช้แบบจำลองนี้
ผู้คนใช้วิธีการในการพิจารณาการสุ่มในหลาย ๆ สถานการณ์ - บ่อยครั้งที่ไม่รู้ตัว เนื่องจากไม่ได้ขึ้นอยู่กับจำนวนจริงเพียงอย่างเดียวการตัดสินใจใด ๆ ที่คำนึงถึงความชอบส่วนตัวรวมถึงประเด็นด้านค่าใช้จ่ายและพลังงานที่ใช้ไปอาจกล่าวได้ว่าเป็นการใช้การครอบงำแบบสุ่ม การใช้ในการชั่งน้ำหนักความเสี่ยงและประโยชน์ของการกระทำบางอย่างทำให้การเรียนรู้ข้อมูลเฉพาะของมันมีประโยชน์ต่อบุคคลใด ๆ ที่ต้องการงานในการวิเคราะห์ข้อมูล
