книги из ГПНТБ / Бешелев, С. Д. Экспертные оценки
.pdfВп, вероятности которых известны; пусть известны только условные вероятности Р (А/В<) события A (£=1,2,. . ., /г). Тогда полная вероятность этого события будет
Р(А)=^Р(В,)ХР(А1В{). i = i
Если некоторое событие В вызывается действием ка кой-либо из т причин Аъ А2,. . ., Ат, то существует фор мула, позволяющая вычислить вероятность того, что
событие |
В было |
вызвано причиной Ах, или А2,. . ., |
или Ат: |
|
|
PiA |
!Р\— |
РЦ*)ХР{В/Ак) |
Эта формула, известная под названием теоремы Байеса, имеет много практических применений, в том числе и в методах экспертных оценок.
Теорема Байеса позволяет определить условные веро ятности при так называемом обратном анализе, например когда рассчитывается вероятность определенного исхода для раннего из двух зависимых событий при данном исходе второго события. Изменение направления анализа по зволяет принять во внимание дополнительные сведения, проверять и исправлять значения вероятностей, отно сящихся к важному для принятия решения исходу. Так, используя априорные оценки вероятностей различ ных гипотез, полученные от экспертов, можно рассчи тывать" "после каждого нового события апостериорные вероятности этих гипотез.
Смысл двух использованных выше терминов — «апри орная» и «апостериорная» вероятность — заключается в следующем. Так как сущность байесовского подхода состоит в изменении значения вероятности на основе более поздних сведений, то вероятность, связанная с ис ходом, при "отсутствии каких-либо сведений о зависимых событиях называется априорной. Если же значение такой вероятности изменяется в связи со знанием исхода зави симого события, то полученная величина называется апостериорной вероятностью.
В качестве примера такого подхода рассмотрим еле- . дующую игру. Пусть имеются две урны с белыми и крас~
70
ными шарами Ах и А2. Число белых шаров в первой урне составляет 50% от йх общего количества, а во второй урне — 30% . Игра заключается в том, что вы выбираете урну в зависимости от того, какой стороной упадет под брасываемая вами монета («орлом» или «решкой»), а за тем вынимаете из отобранной урны шар. Мне известен состав шаров в урнах, но я не знаю, из какой урны вы извлекли шар, и я должен угадать это, учитывая его цвет. Если я ошибусь, выигрыш будет ваш, если угадаю — мой.
Поставьте себя на мое место. Мне известно, что верояность извлечения шара из обеих урн равна половине, поскольку это решается подбрасыванием монеты. Таким
образом, Р |
(^4^=0,5 и Р (А2)=0,Ь. |
Но, кроме того, зная |
||||
состав шаров в каждой из урн, я |
могу сделать вывод, |
|||||
что вероятность извлечения белого шара из урны |
||||||
равна 0,5, |
а из урны |
А2 — 0,3. |
вероятности |
будут: |
||
• |
Таким |
образом, |
априорные |
|||
Р |
(B/AJ=0,5 |
и Р (ЯМ„) = 0,3. |
|
|
||
|
Обозначим апостериорные вероятности извлечения бе |
|||||
лого и красного шаров |
через |
Р (А/В) и Р (А/К) |
соответ |
|||
ственно. |
|
|
|
|
|
|
|
Если вы объявляете, что |
извлечен белый |
шар, то, |
пользуясь теоремой Байеса, я могу вычислить апостери
орную вероятность |
того, извлечен |
этот шар из урны Ах |
||||
или из урны |
А2: |
|
|
|
|
|
Р(лт\ |
— |
|
0,5 |
X 0.5 |
— _5_ _ |
|
^ 1 1 |
> ~~ 0,5 X |
0,5 |
-f- 0,5 X 0,3 |
|
S • |
|
Р (AilB) |
== |
0 , 5 X 0 , 5 |
+ 0 , 5 X 0 , 3 |
~~8 |
• |
Таким образом, исходя из расчетов на основе теоремы Байеса, мне выгоднее назвать урну Аг, поскольку моя догадка будет правильной в пяти случаях из восьми.
Аналогичным об_разом, если вынутый вами шар ока жется красным, то и в этом случае, рассчитав апостериор ные вероятности, как показано ниже:
Р(А,/К) |
= |
0,5; Р(А.2/К) |
= |
0,7;. |
р(д м(\— 0,5 X |
0.5 |
— _ 5 _ . |
||
|
|
0 , 5 X 0 , 5 + 0 , 5 X 0 , 7 ~ 1 2 > |
||
pi A |
— |
° - 5 X 0.7 |
—_7_ |
|
гущъ) — |
0 , 5 X 0 , 5 + 0 , 5 X 0 , 7 ~~ 1 2 ' |
71
я также могу назвать наиболее предпочтительную урну. Очевидно, что в этом случае мне выгоднее назвать урну А2.
Мы еще вернемся к байесовскому подходу при выве дении основных правил приписания оценок событиям с помощью экспертов. Подробное описание различных применений этого подхода для решения ряда практи ческих задач дано в работе У. Морисса 4 .
Индивидуальные оценки экспертов, как отмечалось в начале этого раздела, являются отражением неизвест ного нам вакона распределения какой-либо переменной. Поэтому кратко остановимся на понятии закона распре деления.
Пусть имеется числовая переменная X, которая может принимать значения хх, х2,. . ., хк,. . ., хп. Если каждому значению хк можно поставить в соответствие вероятность рк так, чтобы она изменялась от нуля до единицы, а сумма вероятностей была равна единице, то в этом случае пере менная X представляет случайную величину, а соответ ствие {хк, рк) определяет закон распределения случайной величины.
Множество элементов, подлежащих исследованию, в ма тематической статистике называют совокупностью. В ста тистическом анализе термин «генеральная совокупность» используется для обозначения всех элементов, которые соответствуют некоторому явлению; термин «выборка» означает часть генеральной совокупности. Ряд оценок, полученных от группы экспертов, обычно рассматри вается как некоторая выборка пз генеральной совокуп ности, а групповая экспертная оценка — как результат анализа этой выборки.
Использование оценок экспертов как выборки из не которой совокупности в случаях, когда нет возможности произвести непосредственные измерения и расчеты, мо жет быть оправдано не только тем, что если эти оценки включают какие-либо ошибки, то они взаимно компен-. сируются. Во многих случаях замена индивидуальных экспертных оценок единым показателем может помочь точнее предсказать общую характеристику исследуемой совокупности.
Закон распределения случайной величины может быть охарактеризован с помощью параметров. Например, сред-
' У. Моррис. Наука об управлении. Байесовский подход. М., 1971.
72
няя величина ряда оценок, полученных от экспертов,— |
|
||||||||||
параметр этого ряда. В теории вероятностей среднее зна |
|
||||||||||
чение называется математическим ожиданием и обозна |
|
||||||||||
чается |
Е |
{X). |
|
|
|
|
|
|
|
|
|
Наиболее простой формой, в которой можно предста |
|
||||||||||
вить закон распределения множества значений хъ |
х2,. |
. ., |
|
||||||||
хп случайной переменной X и соответствующих им веро |
|
||||||||||
ятностей рг, |
р 2 ) . . ., рп, |
является ряд распределения |
|
|
|||||||
|
* |
' |
' ' |
^и» |
|
|
|
|
|
|
|
Pv |
Pi' • • |
Рп- |
|
|
|
|
|
|
|
||
При большом числе значений переменной X они могут- |
|
||||||||||
быть сгруппированы по нескольким интервалам. Выбор |
|
||||||||||
количества и размеров интервалов обычно производится |
|
||||||||||
таким |
образом, чтобы |
на |
каждый из |
них приходилось |
|
||||||
не более 15—20% оценок, а число этих |
оценок в |
каждом |
|
||||||||
интервале |
не |
превышало |
10. |
|
|
|
|
|
|||
Ряды распределений могут быть оформлены в виде гра |
|
||||||||||
фиков, облегчающих рассмотрение данных. По форме |
|
||||||||||
графиков можно установить, к какому типу теоретичес |
|
||||||||||
кого распределения ближе всего оценки, полученные от |
|
||||||||||
группы экспертов. Мы не будем описывать способы по |
|
||||||||||
строения таких графиков: они подробно изложены в кур |
|
||||||||||
сах математической статистики. |
|
|
|
|
|
||||||
В ы я в л е н ие характера |
распределения |
ПТТР.ТТПТЧ- |
полу- |
\ |
|||||||
ченных от |
|
группы экспертов, является |
трудной |
загтачей |
/ |
||||||
вследствие того, что, во-пепвых. таких оценок обычно |
|
||||||||||
мало, а во-вторых, сложно выбрать критерий, необхо |
|
||||||||||
димый для сравнения полученной выборки с генеральной |
|
||||||||||
совокупностью., Поэтому чаще всего для анализа груп |
|
||||||||||
пового мнения используются различные-параметры сово |
|
||||||||||
купности, в частности средние величины (средняя ариф |
|
||||||||||
метическая, медиана, мода и др.), а также показатели |
|
||||||||||
амплитуды колеблемости индивидуальных оценок вокруг |
|
||||||||||
этой средней величины (среднее абсолютное отклонение, - |
|
||||||||||
среднее квадратическое отклонение и др.). |
|
|
|
||||||||
Обычно |
|
задача состоит |
в том, чтобы в |
зависимости |
от |
|
характера исследуемой проблемы и полученного распре- - деления индивидуальных оценок правильно выбрать спо соб расчета групповой, о^обш^днож^оценки.
1-~ Пусть имеется ряд нёсгруппированных экспертных оценок ж1 ( хг,. . ., хп. Простейший способ нахождения
73
обобщенной оценки состоит в вычислении средней ариф метической X:
it
2 X i
Иногда каждой экспертной оценке приписывается определенный вес, например в зависимости от ее значи мости. В таких случаях можно рассчитать взвешенную среднюю арифметическую (среднюю взвешенную) по формуле
i |
> |
2 * < |
|
|
|
t = i |
|
где |
v1, v.2,. . ., vn |
— веса оценок. |
|
|
Если |
перед |
вычислением средней арифметической |
оценки сгруппированы в виде ряда распределений, имею щего М интервалов, то для расчета средней применяется формула
х = ^ ,
где М — число интервалов, /,. — число оценок в г-м ин тервале.
Оценки, полученные от экспертов, могут быть упоря дочены, т. е. расположены в порядке возрастания или убывания какого-либо важного свойства (признака). В слу чае, когда необходимо установить значение признака, которое находится в середине упорядоченного ряда, рассчитывают медиану. Медиана делит ряд так, чтобы число оценок с ббльшим значением и число оценок с мень шим значением были одинаковы. Так, если имеется не четное число оценок х, равное 2/г+1, то (ге-И)-я по по рядку нарастания оценка будет соответствовать медиане упорядоченного ряда. Если же число оценок четное, то за медиану обычно принимают среднюю арифметичес кую п-ж^ж (гс-И)-й оценок.
74
|
Медиану в ряде случаев можно предпочесть средней |
||||||||||||||
|
арифметической, так как на нее меньшее влияние оказы |
||||||||||||||
|
вают «чрезмерно» большие или «чрезмерно» малые оценки. |
||||||||||||||
|
Кроме того, в большинстве случаев медиана |
оказывается |
|||||||||||||
|
более |
устойчивой |
и менее |
подверженной |
случайностям |
||||||||||
|
подбора |
экспертов, |
чем средняя арифметическая. Однако |
||||||||||||
|
преимуществом средней арифметической является про |
||||||||||||||
|
стота ее расчета, особенно в случаях, когда желательно |
||||||||||||||
|
найти обобщенный параметр нескольких рядов оценок, |
||||||||||||||
|
полученных |
QT различных |
групп экспертов. |
|
|
||||||||||
|
При анализе экспертных оценок особо важна вариа |
||||||||||||||
|
ция значений около средней, поскольку |
чем |
меньше |
||||||||||||
|
рассеяны оценки, тем точнее средние будут отражать |
||||||||||||||
|
групповое мнение. |
|
|
|
|
|
|
|
|
|
|||||
|
Для приближенной характеристики вариации ряда |
||||||||||||||
|
может |
быть |
вычислена ^мплитуда |
|
^размах вариаций) |
||||||||||
|
как |
разность |
между наибольшей и наименьшей |
оценками |
|||||||||||
|
R |
= |
|
ХТЛХ |
|
-^rain- |
|
|
|
|
|
|
|
|
|
|
Для упорядоченного ряда могут быть рассчитаны |
||||||||||||||
|
квартили, т. е. значения признака |
в |
распределении (Qlt |
||||||||||||
|
Q2 и Q3), |
выбранные так, |
что |
25% |
оценок |
оказываются |
|||||||||
|
ниже (меньше) Q1, 25% заключены между Qx |
и Q2, 25% — |
|||||||||||||
|
между |
Q2 и |
Q3, |
а |
остальные |
25% |
превосходят |
Q3. |
|
||||||
|
Когда величины квартилей приближаются к медиане, |
||||||||||||||
|
это показывает, что распределение оценок характери |
||||||||||||||
|
зуется малым рассеиванием. Следовательно, запоказа |
||||||||||||||
|
тель вариации можно принять отклонения квартилей от |
||||||||||||||
|
медианы. Конкретный пример расчета квартилей будет |
||||||||||||||
|
дан позднее при описании метода Дельфы. |
|
|
||||||||||||
|
Чаще |
всего |
в качестве |
параметра, |
характеризующег |
||||||||||
1 распределение экспертных |
оценок, |
используется |
средняя |
||||||||||||
I |
арифметическая. Медиана применяется в |
случаях, |
когда |
||||||||||||
f |
существуют |
значительные |
колебания |
в |
оценках, |
полу- |
|||||||||
[ ченных |
от разных |
экспертов. |
|
|
|
|
|
|
|||||||
|
Вместе с тем от двух групп экспертов можно получить |
||||||||||||||
|
ряды оценок, которые, имея равные средние, отличаются |
||||||||||||||
|
по своему разбросу. В таких случаях оказывается необ |
||||||||||||||
|
ходимым |
описать |
рассеяние |
оценок. |
|
|
|
|
|||||||
|
Прежде чем |
рассказать о показателях, |
характеризую |
||||||||||||
|
щих рассеяние, рассмотрим более подробно понятие |
||||||||||||||
|
математического |
ожидания |
Е |
(X). |
|
|
|
|
|
|
|
Математическое |
ожидание |
случайной |
величины |
X, |
||||
которая |
может |
принимать конечное |
число |
значений |
хх, |
||||
х2,. |
. ., |
хп с |
соответствующими |
значениями |
вероятностей |
||||
P i , |
P-i,- • • > |
Р„, |
представляет собою |
сумму |
значений с «ве |
||||
сами», равными |
их |
вероятностям: |
|
|
|
||||
|
|
|
71 |
|
|
|
|
|
|
|
Е (X) |
= |
2 |
Ркхь- |
|
|
|
|
|
Исторически математическое ожидание возникло при исследовании азартных игр. Предположим, что мы выби раем между играми А и В. Анализ правил этих игр при водит пас к-двум распределениям вероятностей выигрыша,
1 |
i |
I |
i_ |
Г у |
. Г , |
|
l l U l i r p i . l l l l |
Рис. 0. Распределение |
вероятностей |
выигрыша |
изображенным в виде графиков на рис. 6. Априори трудно определить, какому из двух распределений следует отдать предпочтение.
Выбирая игру В, мы устраняем возможность слишком малых выигрышей, но в то же время лишаемся и надежды на крупный выигрыш. Вводя же понятие математического ожидания, мы характеризуем наши распределения двумя точками ХА И ХВ, расположенными на прямой выигрышей ж, и тем самым получаем возможность выбрать однозначное решение.
Из теорем теории вероятностей известно, что математи ческое ожидание суммы случайных величин равно сумме математических ожиданий каждой из величин и что матема тическое ожидание произведения случайной величины на какое-либо число равно произведению математического ожидания случайной величины на это число.
Если дана случайная величина X, можно рассмотреть функцию от нее / ( X ) , которая также является случайной
76
величиной, и вычислить математическое ожидание этой функции. В частном случае, когда / (X) представляет собой некоторую степень X, получают параметры, кото рые называются моментами случайной величины. На прак тике часто приходится пользоваться так называемыми центральными моментами, т. е. моментами случайной величины X — Е (X).
Первый центральный момент всегда равен нулю. Вто- 1 рой момент относительно среднего является показателем j рассеяния и называется дисперсией. Квадратный корень из дисперсии называется среднеквадратическим откло нением а и вычисляется по формуле
где п — число оценок, х — средняя арифметическая. * Расчет среднего квадратического отклонения вместе со средней арифметической дает более полное представле
ние об исследуемой совокупности экспертных оценок^ j Следует помнить, что, группируя оценки, полученные
от экспертов, в какой-либо ряд распределения и исполь зуя в качестве обобщающей характеристики параметры этого распределения, мы полегчаем возможность оценить групповое мнение, но всегда вынуждены расплачиваться за это потерей некоторой доли информации. Поэтому, прибегая к тем или иным статистическим приемам мате матической обработки информации, полученной от экспер
тов, необходимо помнить, что в зависимости |
от |
существа |
и характера исследуемой проблемы, уровня |
ее |
неопреде |
ленности, возможности предсказания новых |
|
состояний |
исследуемых явлений, меняется форма, в которой эксперт может представить свое суждение. Оценки той или иной характеристики, полученные от эксперта (группы экспертов), ~~ могут быть представлены, например, в виде ряда распре деления их как интервал, внутри которого, по предполо жению, находится исследуемая характеристика, или же в виде точечной оценки. Однако вне зависимости от формы, оценки должны обладать свойством непротиворечивости. Это означает прежде всего, что должны быть соблюдены основные правила приписания вероятностных оценок собы тиям. К рассказу об этих правилах мы и приступаем.
77
«Хорошая'/) система |
субъективных |
вероятностей |
должна |
||||
быть |
непротиворечивой, |
так |
как |
противоречивость, |
|||
имеющая место |
априори, |
т, е. |
до начала действия слу |
||||
чая, |
обрекает. |
. . |
на заведомый |
|
проигрыш. |
|
|
|
|
|
|
|
|
Л. |
Массе |
|
|
французский ученый, специалист в области |
|||||
|
|
|
|
экономико-математических |
методов |
Основные правила прпппсания вероятностных оценок событиям
Основой экспертных методов должна быть система непро тиворечивых правил, позволяющих использовать мнения экспертов для выбора наиболее предпочтительных ре шений. В предыдущем разделе было показано, что в прин ципе такие правила могут базироваться на понятиях, аксиомах и теоремах теории вероятностей и математи ческой статистики. Установим теперь правила,I обеспечи вающие приписание обоснованных вероятностных оценок, необходимых для выбора решений в условиях неопре деленности.
С этой целью рассмотрим простой пример. Предполо жим, что нужно выбрать один из двух билетов лотереи, которая разыгрывается следующим образом. Вынимаются из урны четыре шара разного цвета: красный полосатый, красный в крапинку, зеленый полосатый и зеленый в кра
пинку. Пусть первый билет лотереи |
дает |
возможность |
|
его держателю выиграть сумму |
v, если шар, вынутый |
||
из урны, или любой красный, |
или |
любой |
полосатый. |
Таблица i |
|
|
|
Условия выигрыша по билетам JV5 1 и 2 |
|
|
|
Действия при выборе билетов |
|||
События (цвет шара) |
№ 1 |
|
Л"8 2 |
|
|
||
|
V |
|
0 |
|
V |
|
0 |
|
0 |
|
V |
78
Второй билет дает тот же выигрыш, если вынутый шар окажется зеленым в крапинку. В табл. 4 показаны усло вия выигрыша по билетам № 1 и 2.
^* Анализируя таблицу, можно отметить, что при соблю дении условий лотереи возникают затруднения в случае, если будет вынут красный полосатый шар, ибо тогда события «красный» и «полосатый» будут учтены дважды. А следовательно, и вес, который мы приписываем этому событию, также будет учтен дважды при оценке возмож ных действий.
Для того чтобы избежать этого затрудения, сгруп
пируем |
события в |
три перечня: А, |
В |
или С (табл. 5). |
|
|
|
|
|
|
Таблица 5 |
|
|
Перечни событий Л, В п С |
|||
|
Л |
в |
|
|
с |
Красный полосатый . . |
Любой красный |
|
Любой |
красный |
|
|
|
Зеленый полосатый |
или полосатый |
||
Красный в крапинку |
Зеленый в крапин |
||||
Зеленый полосатый . . |
Зеленый в крапинку |
ку |
|
||
Зеленый в |
крапинку |
|
|
|
|
Если |
какое-либо |
событие любого |
из |
трех |
перечней, |
А, В или С, происходит, это означает, что ни одно другое событие этого перечня произойти не может. События таких перечней называются взаимоисключающими.
Возможность различения событий и классификации их
без какой- |
либо группировки имеет большое |
значение, |
а события, |
различающиеся таким образом, |
называются |
простыми. Очевидно, например, что в рассматриваемой задаче все четыре события перечня А являются простыми.
Любой ряд простых событий можно представить в виде точек. В диаграмме на рис. 7 так показаны события пе речня А.
События «красный» или «полосатый» можно тогда представить как ..соответствующие группы точек, харак теризующих простые события. События «красный» и
«зеленый» можно |
показать, как |
это сделано |
на |
рис. |
7 а, |
а события «полосатый» и «в крапинку» — |
на |
рис. |
76. |
||
Такие события |
можно назвать |
сложными, |
и |
очевидно, |
79