Виды экспертных данных и способы их преобразований презентация

Содержание

Задачи исследования Показать все многообразие экспертных данных. При необходимости дать родовидовые определения некоторым из них. Рассмотреть прием, позволяющий повысить точность прогнозов. Рассмотреть способы преобразований некоторых из них.

Слайд 1ВИДЫ ЭКСПЕРТНЫХ ДАННЫХ И СПОСОБЫ ИХ ПРЕОБРАЗОВАНИЙ
СИДЕЛЬНИКОВ
Юрий Валентинович
Г.н.с. ИПУ

РАН, д.т.н., проф.


Слайд 2 Задачи исследования
Показать все многообразие экспертных данных. При необходимости дать родовидовые

определения некоторым из них.
Рассмотреть прием, позволяющий повысить точность прогнозов.
Рассмотреть способы преобразований некоторых из них.




Слайд 3Для реализации первой задачи:
выделим и рассмотрим совокупность простейших видов

экспертных оценок, описанных в научной литературе и/или используемых на практике, и пронумеруем их:



Слайд 4Список экспертных оценок первого рода
1) вербальные оценки (1.0);
2) группировки

(2.0);
3) парные сравнения (3.0);
4) множественные сравнения (4.0);
5) ранжировки (5.0);
6) векторы предпочтений (6.0);



Слайд 5 Список экспертных оценок первого рода
7) баллы (7.0);
8) интервальные оценки (8.0);
9) точечные

оценки (9.0);
10) многоточечные оценки (10.0);
11) функциональные оценки (11.0).
Кроме перечисленных рассмотрим различные комбинации простейших видов экспертных оценок.



Слайд 6Вербальные оценки (1.0)

В том случае, когда в качестве экспертных оценок допускаются

слова или предложения метаязыка экспертизы, довольно близкого к естественному языку, будем говорить о вербальных оценках.
Под метаязыком экспертизы понимаются те специальные значения, которые получают слова естественного языка, если они выступают в процедуре экспертизы в следующих качествах (указываются главные):



Слайд 7Вербальные оценки (1.0)
1.Наименование признаков, по которым надлежит проводить оценку объектов. В

качестве примеров можно привести суждение «цвет зеленый» или заключение врача-эксперта «опухоль доброкачественна».
2. Наименование отношений (слова квантификаторы), устанавливаемых на множестве рассматриваемых объектов, типа «лучше», «более выражен», «в значи-тельной степени», «более похожи на..., чем...» и т.д.
3. Добавим к этому столь естественные экспертные утверждения, как: «да», «не знаю», «если ..., то ...»; «или ..., или ..., « и любое логическое отрицание.




Слайд 8 Общие требования к метаязыку:
в нем должны быть средства для описания

синтаксических свойств объектного языка;
метаязык должен быть настолько богат по своим выразительным возможностям, чтобы для каждого выражения объектного языка в нем существовала формула, являющаяся переводом этого выражения;
логическийлогический словарь метаязыка должен быть, по крайней мере, столь же богат, как и логический словарь объектного языка;
в метаязыке должны быть дополнительные переменные, принадлежащие к более высокому типу, чем переменные объектного языка, и т.п.




Слайд 9 Группировки (2.0)
Совокупность непересекающихся классов Аi , индексированных элементами некоторого множества значений

N соответствующего признака i.
Свойства: 1) U Аi = A, 2) Аi ∩ АJ = ᴓ, 3) i ∈ N.
Как процедура она состоит в «указании экспертом совокупности непересекающихся классов, индексированных элементами некоторого множества значений соответствующего признака»





Слайд 10Парные сравнения (3.0)
Пара объектов (альтернатив), для элементов которого либо: заданы отношения

предпочтения или эквивалентности; либо указано, что они не сравнимы.
Как процедура она состоит в указании экспертом более предпочтительного объекта в каждой предъявленной паре объектов либо они равноценны либо несравнимы.
Для того чтобы отличать их названия, название «парные сравнения» будем относить лишь к виду оценок, а процедуру сбора данных или метода, позволяющую получать выбранный вид экспертной оценки, назовем попарным сравнением.



Слайд 11Множественные сравнения (4.0)
Этот вид оценок занимает промежуточное положение между оценками, полученными

методами попарных сравнений, и ранжированием. И отличается от оценок, полученных методом попарных сравнений, тем, что эксперту последовательно предъявляются не пары, а тройки, четверки,... (r)-альтернатив (где r - количество предъявленных из общего числа альтернатив-(n), r



Слайд 12Ранжировки (5.0)
Ранжировку обычно определяют как упорядоченный набор всех альтернатив (объектов), представленных

к рассмотрению.
В процедуре ранжирования все предъявленные альтернативы (объекты) упорядочиваются в соответствии с убыванием (возрастанием) их предпочтительности. При этом допускается указание на равноценность некоторых рядом стоящих объектов. Номер, который при этом получает каждый объект, называется его рангом.



Слайд 13Векторы предпочтений (6.0)
Вектором предпочтения П={П1,П2, ..., Пn}, заданного на данном фиксированном

наборе альтернатив (объектов) А = {A1,A2,...,An}, назовем вектор П, i-ая компонента которого - Пi - определяется как количество альтернатив, превосходящих данную из всего набора альтернатив А».
При этом эксперт не обязательно должен указывать, какие именно альтернативы являются более предпочтительными.



Слайд 14Балльные оценки (7.0)
Обобщая опыт применения балльных оценок с точки зрения экспертных

процедур, рассмотрим следующие определяющие признаки таких оценок:
существуют некоторые независимые от эксперта объективные критерии присвоения баллов;
число градаций сравнительно невелико;
каждый объект оценивается независимо от остальных в шкале, которая не слабее, чем порядковая, и не сильнее, чем интервальная.



Слайд 15Интервальные оценки (8.0)
Интервальная оценка характеризует не единственно-возможную ситуацию, а их множественность.


Одним из определяющих свойств интервальной оценки является то, что на множестве задано тернарное отношение «МЕЖДУ».



Слайд 16Точечные оценки (9.0)
Строгих определений в литературе нет, под этим понятием нередко

понимают оценку, выраженную одним действительным числом.
Тейл для решения этого вопроса требует, чтобы дополнительно к прогнозной экспертной оценке эксперт оценил и вероятность ее осуществления.



Слайд 17Многоточечные оценки (10.0)
Конечную совокупность точечных экспертных оценок, взаимосвязанных как единое целое,

можно определить как многоточечную оценку.
Часто взаимосвязь оценок проявляется через нормировку или ограничения.
Примеры: распределение ограниченных ресурсов между конечным числом потребителей, оценки значений вероятностей группы событий - все это многоточечные оценки.



Слайд 18 Функциональные оценки (11.0)
Либо это действительная функция, f: X→R, либо, если область

определения - Х и даже значения f(X) ⊂R фактически заданы, то оценка в виде закона соответствия, либо подмножество произведения X*R, состоящее из точек вида (x, f(x)), где x∈X (график функции).



Слайд 19Комбинации оценок первого рода.
Комбинация двух различных простейших видов оценок. Например: сортировка

– как частный случай именованной классификации, в которой сорта занумерованы последовательными целыми числами. По сути, сортировка состоит из группировки и ранжировки.
О сортировке говорят тогда, когда каждый из объектов независимо от других эксперт относит к одному из m-упорядоченных классов.



Слайд 20Комбинации оценок первого рода
Комбинация двух одинаковых простейших видов экспертных оценок. Например,

когда наряду с ранжированием объектов по некоторому показателю эксперт рассматривает разности оценок объектов и ранжирует эти разности.
Экспертные оценки, в которых ранжировка сочетается с разностями оценок объектов, рассмотрены в ряде работ в связи с приближенно-количественными измерениями. В дальнейшем ранжирование разностей оценок было названо ранжированием второго порядка.



Слайд 21Экспертные оценки второго рода
Экспертной оценкой второго рода называется упорядоченная пара. Первая

компонента пары - экспертная оценка первого рода, а вторая компонента – степень (мера) уверенности эксперта в своей оценке первого рода, выраженная в таких видах простейших оценок первого рода, чьи номера j=1,7,8,9,10,11.



Слайд 22 Матричная классификация простейших видов экспертных оценок




Слайд 23 Матричная классификация простейших видов экспертных оценок


Слайд 24 Пример оценки вида (1.1)
Например: «В ряде районов Западной Сибири в конце

апреля возможно кратковременное потепление».
В данном случае степень уверенности определяется через слово-квантификатор «возможно», а экспертная оценка первого рода (окончательное суждение) была выражена посредством слов «кратковременное потепление».



Слайд 25Пример оценки вида (1.7)
В ряде работ социологи рассматривают экспертные оценки вида

(1.7). Это работы с тестами по разборчивости и с опытами по обнаружению сигналов.
В этих экспериментах от эксперта, хотя в данном контексте лучше говорить об испытуемом, помимо основного ответа, выраженного в виде окончательного суждения, требуют, чтобы он каждый раз указывал степень своей уверенности в нем. Видом экспертных оценок, в котором испытуемый оценивал свою уверенность, были баллы.



Слайд 26Пример оценки вида (1.9)

Прогноз погоды, если он дается как выраженная в

процентах вероятность того или иного события. Например: «с 80% уверенностью я считаю, что завтра в Москве будет дождь».
Используемые в базе знаний экспертной системы МИЦИН II логические (условные) связки с указанием вероятности их осуществления




Слайд 27 Пример оценки вида (2.9)
На допустимом множестве классификаций данного конечного множества

объектов распределена вероятность. Каждый эксперт, составляя «свою» классификацию, независимо от других экспертов извлекает из множества {M'} классификацию M' с вероятностью P(M')».
В случае, когда вероятность Р(М') задается экспертом как степень уверенности своей классификации М', мы получаем оценки вида (2.9).



Слайд 28Пример оценки вида (2.10)

Эксперт задает полную группу событий
(А1, А2,...,An) и

вектор вероятностей р =(р1, р2,...,рn), задающих каждому Ai - вероятность рi= р(Ai) таким образом, что Σ1n рi=1.
Такие оценки можно рассматривать, как р-смеси [108].



Слайд 29 Пример оценки вида (3.7)
Оценки этого вида рассмотрены, например, Б.Г. Миркиным.


В этом случае эксперту предлагают баллами оценить интенсивность своего предпочтения для каждой пары объектов [95].



Слайд 30 Пример оценки вида (3.9)
В том случае, когда эксперт дает парное

сравнение Aj >Ai и вероятность р(Хj>Xi) того, что объект Aj предпочтительнее объекта Ai, где Хj, Хi значения объектов Aj, Ai на психологическом континууме эксперта, мы получаем оценки вида (3.9).
Статистические модели парных сравнений рассмотрены во многих работах, начиная с работы Терстоуна [312]. Примером экспериментальных исследований в этом направлении является работа Ю.Н. Тюрина, А.П. Василевича, П.Ф. Андруковича [182].



Слайд 31Пример оценки вида (4.9)
Эксперты предлагают оценку, полученную методом множественных сравнений, и

при этом дают оценку вероятности как степени уверенности в своей оценке.
Оценки этого вида рассмотрены в обзоре [201].



Слайд 32 Пример оценки вида (5.9)
В случае, когда эксперт дает ранжировку и

оценку вероятности как степени уверенности в своей оценке мы получаем этот вид оценки.
Обзор статистических моделей ранжирования рассмотрен в работе Д.С. Шмерлинга и других [201].



Слайд 33 Оценки вида (10.10)
В том случае, когда вы хотите отказаться от

каких-либо искусственных допущений относительно вида закона распределения и его параметров можно использовать псевдостатистические функции распределения применительно к неизвестному времени, необходимому для выполнения какой-либо технической операции. Киселев Ю.В., например, рассматривал псевдостатистическую интегральную функцию распределения с числом точек шесть-восемь.
Алимов Ю.И. рекомендует использовать при измерениях не функции распределения, а гистограммы как эмпирические плотности распределения.



Обратная связь

Если не удалось найти и скачать презентацию, Вы можете заказать его на нашем сайте. Мы постараемся найти нужный Вам материал и отправим по электронной почте. Не стесняйтесь обращаться к нам, если у вас возникли вопросы или пожелания:

Email: Нажмите что бы посмотреть 

Что такое ThePresentation.ru?

Это сайт презентаций, докладов, проектов, шаблонов в формате PowerPoint. Мы помогаем школьникам, студентам, учителям, преподавателям хранить и обмениваться учебными материалами с другими пользователями.


Для правообладателей

Яндекс.Метрика