- •Глава 1.
- •§1. Предмет тпр.
- •§2. Специфика задач тпр.
- •§3. Аксиомы тпр.
- •Аксиома 1: «Существование предпочтений»
- •Аксиома 2: «Транзитивность»
- •Аксиома 3: «Сравнение простых лотерей»
- •Аксиома 4: «Численная оценка предпочтений»
- •Аксиома 5: «Численная оценка неопределенности суждений»
- •§4. Методологические основы тпр.
- •§5. Анализ общей задачи принятия решений.
- •§6. Экспертная оценка вероятностных распределений. Субъективные вероятности.
- •2. Оценочные суждения экспертов о вероятностях одиночных событий и о неизвестном распределении вероятности случайных величин.
- •§8. Выбор шкалы измерения.
- •§9. Элементы теории полезности.
- •1. Предпочтение
- •2. Полезность.
- •Глава 2. Сравнительная оценка объекта §1. Проблемы, возникающие при сравнительной оценке объектов.
- •§2. Простое ранжирование объектов.
- •§3. Групповое ранжирование объектов по Парето.
- •§4 Проверка непротиворечивости результатов парных сравнений объектов, проведённых экспертом в шкале отношений и построение вектора приоритетов.
- •4.1. Собственные векторы и собственные значения матрицы.
- •4.2. Положительные обратносимметрические матрицы, их собственные векторы и значения.
- •§5. Вычисление вектора приоритетов и оценка согласованности суждений эксперта при попарном сравнении объекта.
- •Глава 3. Анализ согласованности суждений экспертов.
- •§1.Конкордация.
- •§ 2. Ранговая корреляция. (Коэффициенты корреляции Спирмена и Кендалла.)
- •2.1 Ранговый коэффициент корреляции Спирмена.
- •Проверка значимости rs .
- •2.2 Ранговый коэффициент корреляции Кендалла.
- •Оценка значимости rk .
- •Глава 4. Теория и практика экспертных оценок
- •§1. Системный подход к получению экспертных оценок
- •§2. Принципы формирования экспертной группы
- •Метод «снежного кома»
- •Методы экспертного опроса.
- •§3. Измерение выполненных в шкале отношений
- •§4. Шкала интервалов
- •§5. Измерения, выполненные в шкале порядка (ранговой шкале)
§5. Анализ общей задачи принятия решений.
Анализ общей задачи принятия решения проведем, используя дерево решения.
Обозначим:
Urtij –ожидаемая полезность проведения эксперимента er при наблюдаемом исходе Оt, выбранном решении di и внешних условиях Sj.
Тогда: ,
где - означает суммирование или интегрирование по х соответственно для дискретных или непрерывных задач.
Urti – ожидаемая полезность эксперимента er наблюдаемого исхода Оt и выбранном решении di. Тогда :
В узле решений выбирается то решение di, которое приводит к максимизации ожидаемой полезности:
Сделав еще один шаг в обратном направлении (с право на лево) получим выражение Ur для ожидаемой полезности выбранного эксперимента er:
Таким образом, наилучшим является эксперимент er*, который позволяет получить максимальное значение ожидаемой полезности
Поскольку любую задачу принятия решения можно представить последовательностью узлов решения и узлов возможностей, то описанная выше процедура вычисления ожидаемых полезности в узлах возможностей и максимизация ожидаемой полезности в узлах решения дает схему решения любой задачи принятий решения.
Замечание:
Если окажется что r*=0, т.е оптимальным является эксперимент е0, то лучше всего экспериментов не проводить.
Если окажется что r*≠0, то надо сравнить полезность с затратами на этот эксперимент и тогда уже принимать решение какой эксперимент проводить и проводить ли его вообще.
§6. Экспертная оценка вероятностных распределений. Субъективные вероятности.
Аксиома 5 говорит о принципиальной возможности оценить вероятность любого события Е (P(E)), влияющего на исходы.
Обычно Р(Е) называют субъективными вероятностями.
В зависимости от того какой информацией владеет или может получить ЛПР существуют разные способы оценки вероятности Р(Е).
Рассмотрим 3 различных случая:
1
n i=1
Из теории вероятности известно, что если в результате опыта появилось nсобытий Е1, Е2,…, Еn, то они составляют полную группу событий.
В опыте с равновозможными исходами все вероятности .
Вероятность любого события равна , где а – число исходов, благоприятствующих событию А,b– общее число исходов.
ЗБЧ (в формуле Бернулли) говорит о том, что
2. Оценочные суждения экспертов о вероятностях одиночных событий и о неизвестном распределении вероятности случайных величин.
Допустим нас интересует событие Е и ему приписана некоторая субъективная вероятность Р(Е), величина которой пока не определена.
Вопрос: как оценить эту вероятность.
Ответ: путем экспертного опроса.
Техника опроса: Строится 2 лотереи L1=(x*,P,x0) иL2, которая имеет исход х*, если событие Е произошло и она имеет исход х0, если событие Е не произошло.
При фиксированном Р эксперту задается вопрос какая лотерея предпочтительней или равноценна.
Если ответ эксперта таков: L1>L2, то величину Р уменьшают и снова задают тот же вопрос.
Если ответ будет L2>L1, то величину Р увеличивают и снова повторяют вопрос, и так до тех пор, пока при каком-нибудь Р=Рне достигнем случая, чтоL1иL2равноценны (L1=L2), и тогда принимают Р(Е)=Р.
Так же оценивают и полную группу событий.
Аналогичный прием применяют при получении субъективных оценок неизвестной функции распределения непрерывной случайной величины. Только речь здесь идет об оценках квантилей. 100q% квантиль непрерывной случайной величины ζ(-кси)- это такое значение хq, что вероятность того, случайная величина примет значение Р(xq)=q.
Если q=0,5, x0,5=медианае;
Если q=0,25 х0,25-нижний квантиль; q=0,75 х0,75-верхний квантиль.
F(x)=P(x) – функция распределения случайной величины.
Общая схема оценки функции распределения такова:
Эксперту называется число q, а он должен указать хq(квантиль). То есть: qxq(?).
Например, для оценки медианы эксперту задают вопрос при каком значении Х равновероятно, что случайная величина Х0,5, какое значение Х разделит интервал на равновероятные части. Таким образом, мы осуществляем последовательную дихотомию. В результате для отдельных значений функций распределенияF(x), мы получим субъективные (экспертные) оценки аргументов. Нанеся полученные точки на график, мы можем подобрать соответствующую кривую – график функцииF(x).
Следовательно, строим график F(x).
- метод дихотомии.
3
n i=1
Иногда для уточнения субъективных вероятностей удается использовать совместно с экспертными суждениями имеющуюся статистику в виде выборок из генеральной совокупности, такой подход основан на теореме Байеса и называется байесовским подходом.
Пусть с некоторым экспериментом связана полная группа событий (гипотез) H1, Н2,…, Нn, (Нi,Hj=иij),
Обозначим через А произвольное событие, тогда согласно теореме, имеет место следующая формула: , которая называетсяформулой Байеса.
P(Hi) - априорные вероятности гипотез;
Р(Нi/А) - апостериорные вероятности гипотез;
Р(А/Нi)-условная вероятность события А при условии наступления события Нi.
Пример:Из урны содержащейnшаров, среди которых часть шаров белых, а часть черных (хотя черных может и не быть) наугад вынимается один шар, он оказался белым. Какова вероятность того, что всеnшаров в урне белые.
Решение: Hi– гипотеза состоящая в том, что в урнеiбелых шаров (); А – событие состоящее в том, что наугад вынут белый шар.
Пусть nвелико, тогда приnдостаточно большом, то есть субъективная вероятность увеличилась примерно в 2 раза.
Вернемся к оценке экспертом субъективной вероятности. Допустим, мы с помощью эксперта получили оценку, субъективную вероятность некоторого события Е, и в дальнейшем нам удалось получить какую-то информационную выборку, связанную с тем же экспериментом, в котором может появиться событие Е, тогда с учетом информации S, заключенной в информационной выборке мы можем по формуле Байеса пересчитать и уточнить Р(Е).