1 2 3 4 5 6 7 8.2. Обработка и анализ результатов экспертизы. Основная задача: выявление общего мнения экспертов, оценка согласованности экспертов, выделение наиболее оригинальных экспертов или распределение экспертов на группы по близости ответов и содержательный анализ этих распределений (почему они в одной группе и почему такие результаты). Рассмотрим варианты, когда эксперты ранжируют объекты, оценивают по балльной шкале и попарно сравнивают. 8.2.1. Ранжирование объектов. Рассмотрим случай, когда эксперты ранжируют объекты строго, т.е. указывают номер места, которое занимает данный объект по важности. Обозначим: число объектов; число экспертов; ранг, присвоенный м экспертом у объекту. Результаты сводят в таблицу: . Затем находят суммы рангов по столбцам: где . Объекты ранжируют в соответствии с суммами рангов: объект предпочтительнее объекта , если ; объекты и эквивалентны, если . Далее необходимо оценить согласованность экспертов. Пусть все эксперты совершенно согласованы, т.е. дают одинаковые ранги объектам. В этом случае суммы рангов по столбцам будут: , т.е. в одном столбце все единицы, в другом только двойки и т.д. Сумма чисел в одной строке: . Общая сумма рангов во всей матрице: . Если эксперты полностью рассогласованы, то ранги равны: . (8.1) Разброс мнений экспертов будем характеризовать следующим образом. Найдем отклонение суммы рангов в таблице от : . Так как разности будут разного знака, то суммируют квадраты разностей . (8.2) Если эксперты полностью согласованы, то сумма максимальна. Если эксперты полностью рассогласованы, то . Обозначим наибольшее значение , соответствующее случаю полной согласованности экспертов. Для оценки согласованности экспертов вводится коэффициент конкордации (согласованности): . (8.3) Если , то полное отсутствие согласованности. Если , то полная согласованность. Найдем первый член суммы – второй – и т.д. ..................................................... . После суммирования получим: . Окончательно получаем: . (8.4) Если эксперты неквалифицированны и друг от друга не зависят, то тогда можно рассматривать как случайную величину , для которой известно распределение. Можно найти вероятность того, что значение коэффициента конкордации получено случайно, т.е. вероятность . Значение можно рассматривать, как доверительную вероятность. Если она достаточно мала, а достаточно велико, то предположение об отсутствии согласованности отклоняется. Обычно согласованность считают удовлетворительной, если и и хорошей, если и . Для малых значений и составлены специальные таблицы распределения , например, таблица значений коэффициента конкордации, для которых вероятность ошибки при принятии гипотезы о согласованности мнений экспертов не превосходит 0,05.
При можно считать, что величина имеет распределение близкое к распределению с степенями свободы.
8.2.2. Оценивание по балльной шкале. Эксперты оценивают объекты в произвольной балльной шкале. Затем результаты нормируются, т.е. делятся на сумму баллов по всем объектам для конкретного эксперта. После нормировки результаты сводятся в таблицу. , где это нормированный балл, присвоенный экспертом объекту . Нормировка означает, что для всех . В такой таблице информации больше, чем при ранжировании. Балльная шкала является промежуточной между количественной и порядковой шкалами, поэтому обработку результатов рекомендуется производить дважды: 1) обрабатывать их как количественные данные, используя обычные методы статистики для обработки результатов измерения; 2) обрабатывать методами для порядковых (ранговых) оценок. Предварительно следует перейти к таблице ранжирования. Если результаты, полученные обоими путями близки друг к другу, то это означает, что полученные выводы основаны на исходной информации, а не на методах ее обработки. Если не совпадают, то следует выяснить причину этого. При обработке по первому методу обычно используют средний балл: . (8.5) Разброс значений для этого объекта характеризуется величиной вариации: , (8.6) где . (8.7) Обычно считают, что надежность оценок удовлетворительная, если все и хорошая, если все .
8.2.3. Парные сравнения. Номер эксперта обозначим . Эксперт сравнивает каждую пару объектов и . Его оценка может выражать: а) просто факт предпочтения объекта по сравнению с объектом : . Если наоборот, то . б) балльную оценку предпочтения: . в) долю суммарной интенсивности предпочтения, приходящуюся на объект : . г) во сколько раз один объект важнее другого: . По результатам экспертизы определяют средние арифметические оценки по всем экспертам: : например, , где число экспертов. Случай а) сводится к случаю в), если трактовать как долю экспертов, предпочитающих объект перед объектом . Случай б) сводится к в) после введения таких оценок: . Случай в) сводится к г) при использовании оценок: . Поэтому рассмотрим обработку результатов экспертизы применительно к случаю г). Ясно, что в идеальном случае должно выполняться условие транзитивности: , (8.8) в частности , откуда , т.е. в матрице на диагоналях стоят 1. Если условие (8.8) выполняется, то существует такой положительный вектор , что , где число объектов. Компоненты вектора это как-бы идеальные оценки объектов (количественные характеристики ценности или важности объектов). Реальная матрица условию (8.8) обычно не удовлетворяет, и ее приходится аппроксимировать идеальной матрицей, используя, например, следующие соображения. Для идеальной матрицы справедливы равенства для любого : . (8.9) Эти равенства можно записать так: . (8.10) Собственный вектор матрицы – это такой, который при умножении на матрицу направления не меняет, а меняет только свою величину. Изменение величины называется собственным числом матрицы. Для идеальной (состоятельной) матрицы собственное число равно . Для матрицы, удовлетворяющей условию (8.8), число является наибольшим характеристическим числом, а искомый вектор собственным вектором (8.10). Из теоремы Перрона-Фробениуса следует, что любая матрица имеет наибольшее характеристическое число . Поэтому для матрицы, не удовлетворяющей условию (8.8), вектор ищется путем решения уравнения: , (8.11) причем все компоненты такого вектора обязательно оказываются положительными. Существуют специальные методы решения уравнения (8.11). Мы воспользуемся итеративным методом, суть которого заключается в последовательном приближении и . и получаются на й итерации в соответствии с формулой , (8.12) где сумма всех компонент вектора , а в качестве можно взять любой положительный вектор, например, . Итеративный процесс заканчивается, когда вектор перестает изменяться для заданной точности. Величина характеризует степень близости матрицы к идеальной (состоятельной), т.е. удовлетворяющей условию (8.8).
1 2 3 4 5 6 7 |