- •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)
Глава 3. Анализ согласованности суждений экспертов.
В результате опроса группы экспертов, относительно сравнения объектов в некотором их наборе можно выделить 3 типичные картины:
§1.Конкордация.
Английским статистиком Кенделлом был предложен коэффициент (коэффициент конкордации) позволяющий оценивать степень согласованности мнений экспертов. Будучи теоретически обоснованным, он позволяет с достаточной степенью уверенности судить о согласованности мнений экспертов в некоторой группе.
Пусть даны результаты опроса М экспертов относительно Nобъектов каждому, из которых они приписывают определенный ранг.
, гдеW- коэффициент конкордации
W=1 при полном согласии экспертов
W=0 при рассогласованности мнений экспертов.
Кендаллом был найден закон распределения Wкак случайной величины, т.е. в предположении, что ранги всем объектам приписываются случайным равновероятным способом, т.е. что любая комбинация рангов из возможныхn! равновероятна. Тогда как это принято в мат. статистике вычисливWнаблюденноеможно по специальным таблицам найти вероятность событияP(W≥Wнабл). Если эта вероятность мала (P(W≥Wнабл )<α, гдеα-наперед заданное число, обычно=0,5 ), то считают, что согласованность достаточно высокая, а в противном случае считается, что нет оснований говорить о хорошей согласованности экспертов. РаспределениеWтабулировано только для небольших значенийN(1-10), при большихNслучайная величинаW*M(N-1) имеет распределение асимптотически близкое к распределению χ2 с числом степеней свободы υ=N-1.
Замечание. Иногда эксперт затрудняется отдать предпочтение одному объекту перед другими и приписывает двум или более объектам одинаковые ранги. В таких случаях формула для вычисленияWпринимает вид:
t(i) j– число одинаковых рангов поставленныхi-ым экспертом.
Пример:Отi-го эксперта получены следующие ранги дляN=10, 14444488810,
тогда Тi= 1/12(53-5+33-3)=144/12=12
В случае совпадения рангов и больших Nслучайная величина аппроксимирующаяWраспределения χ2будет рассчитываться тоже несколько иначе:
Пример на оценку согласованности:
Пусть 5 экспертам было предложено проранжировать 7 факторов влияющих на технологический процесс. Результаты представлены в таблицы:
M=5 N=7
S=(13-20)2+(8-20)2+(30-20)2+(24-20)2+(21-20)2+(27-20)2+(14-20)2=368
Sкр=343,8 при α=0,01
Если Sнабл >Sкр , то мнения экспертов согласованы удовлетворительно.
§ 2. Ранговая корреляция. (Коэффициенты корреляции Спирмена и Кендалла.)
Предисловие:
Как уже говорилось при неудовлетворительной согласованности ответов экспертов необходим более подробный анализ. В частности, следует выяснить какие группы экспертов сильно расходятся во мнениях, какие нет. Здесь, например можно исследовать корреляции между суждениями экспертов в каждой паре. Таких пар будет C2N, гдеN- число экспертов. Напомним что обычный выборочный коэффициент корреляции между двумя случайными величинамиXиYпредставленными выборкой (x1, y1);(x2,y2)…(xn ,yn) вычисляется по формуле:
(1), гдеxi,yi- элементы выборки из случайных величинXиYимеющих нормальное распределение,- средние выборочные;,
а σx и σy – стандартные отклонения выборки;
В математической статистике доказывается, что коэффициент корреляции Rизмеряет силу (тесноту) корреляционной связи (частный случай стохастической зависимости) между случайными величинамиXиYкогда с изменением одной случайной величины меняется условное мат. ожидание другой случайной величины.
Кроме того: 0≤|R|≤1
R>0- положительная корреляция
R<0- отрицательная корреляция
R=0-XиYне коррелированны
R=±1-XиYсвязаны функционально
Заметим что функциональная зависимость, есть частный случай стохастической. В общем случае, чем больше, |R|тем больше сила корреляционной связи междуXиY. В математической статистике существуют критерии по проверке значимости величиныR. При значимо большомRстроят уравнения регрессии и уточняют его тип (линейное, криволинейное и т.д.)
Подчеркнем, что все это справедливо касается данных полученных в абсолютной шкале измерений, и строго говоря, неприменимо к другим шкалам.