Главная
Метод Терстоуиа
Метод Терстоуиа. Эксперты ранжируют оцениваемые величины или критерии, затем определяется число случаев когда i-я величина (критерий) оказывается более важным, чем j-я. Строится матрица А, элементы aij которой определяются как число случаев, в которых i-я величина (критерий) оказалась важнее j-и. Главная диагональ матрицы А остается незаполненной. На основе матрицы А строится матрица Р=||Рij||, i=<j, j=<n, элементы которой показывают те случаи, когда i-я величина (критерий) важнее, чем j-я. Элементы матрицы Р обладают тем свойством, что Рij+Рij=1, Рij=aijm-1, где т - число экспертов. Затем строится матрица z, элементы zij которой являются нормированными отклонениями, соответствующими элементам Рij, равным
где zij — неизвестная нормированная переменная. Далее, рассчитывается важность i-й величины (критерия), выраженная в стандартных отклонениях zi=zin-1, где . Затем по таблицам нормального распределения определяется вероятность Рi, соответствующая zi. Производя нормирование Pi так, чтобы
имело место , получаем коэффициенты относительной важности оцениваемых величин (критериев).
Анализ данных об опыте использования рассмотренных методов позволяет сформулировать следующие рекомендации по их применению:
непосредственная численная оценка применяется в тех случаях, когда информация о предпочтениях (в неявном виде) минимальна и нет оснований считать, что между экспертами будет достигнута согласованность;
оценка в баллах используется в случаях, когда информация о предпочтениях (в неявном виде) минимальна, но есть основания считать, что между экспертами будет согласованность;
метод Акоффа-Черчмена следует применять, когда есть возможность сравнивать предпочтения объектов или критериев с предпочтениями их различных групп;
метод частот предпочтений требует возможности разработки единой порядковой шкалы для всех величин или критериев так, что наименьшая оценка по каждой величине (критерию) соответствует началу координат пространства величины (критериев);
ранжирование используется в том случае, когда есть возможность расположения оцениваемых критериев или объектов в порядке возрастания или убывания их предпочтений относительно какого-либо признака.
Однако нередки случаи, когда или эксперты затрудняются (в силу высокого уровня неопределенности) количественно оценить значения параметров, или вообще не удается сформировать (например, в силу новизны изучаемой проблемы) группу компетентных специалистов достаточной численности. Нетрудно видеть, что проблемы защиты информации относятся к проблемам именно такого типа. В таких ситуациях остается воспользоваться методами экспертно-лингвистических оценок основное содержание которых сводится к тому, что значения величин оцениваются в лингвистических переменных. Если например, оценивается вероятность какого-либо случайного события, то в качестве лингвистических переменных могут быть использованы такие значения: несомненно (НС), весьма вероятно (ВВ), вероятно (ВР), маловероятно (MB), невероятно (НВ). Кроме того, каждый эксперт может дать свои оценки граничных вероятностей для каждой из переменных или воспользоваться типовой шкалой, предложенной руководителем экспертного опроса. Возможный вид шкалы граничных вероятностей приведен на рис. 3.8. Эксперт может воздержаться от суждения относительно шкалы граничных вероятностей. В таком случае лингвистические оценки экспертов преобразуются в интервальные оценки, с помощью шкалы желательности Харрингтона [11].
Обработка результатов оценок может быть осуществлена следующими двумя способами.
Первый способ состоит в том, что составляется два массива А и В соответственно из лево крайних и право крайних значений интервальных оценок. Затем осуществляется следующая рекуррентная процедура.
Процедура заканчивается, если уn+1 -yn| =<0,001 . При этом выбираются значения а =уn+1 (или соответственно b =уn+1). Окончательный результат вычисляется как 0,5 (а +b).
Второй способ обработки лингвистических оценок производится следующим образом. Для каждого элемента экспертизы составляется графа значений лингвистических переменных в виде матрицы — вектора. Для каждой такой графы определяется плотность распределений лингвистической переменной. Известно, что объективные вероятности, полученные экспертным путем, подчиняются бета-распределению с плотностью Статистические оценки параметров закона, построенные по результатам наблюдения частот лингвистических оценок имеют следующий вид: где х и s2 — выборочное среднее и дисперсия (метод моментов).Среднее значение Е( ), дисперсия D( ) и коэффициент асимметрии  имеют следующий вид: По виду плотности распределения определяется решающее правило.Если а1a2, то кривая f(x) асимметрична и в качестве решающего правила выбирается правило простого большинства R(n1,n2,…,nr)=Vt, если nt>nv Для всех v = (vt), где Vt - обозначение t-й лингвистической оценки; п t — количество t-й лингвистической оценки; пv — число экспертов.
Правило гарантированного большинства R(n1,n2 ,...,nr) =Vi выбирается, если выполняется условие nr 2/3 для всех t =
Если а1 =a2, то кривая симметрична и в качестве решающего правила выбирается правило о среднем
если На практике с целью получения достоверных оценок в данной схеме могут быть использованы дополнительные механизмы (блоки стимулирования деятельности экспертов), такие как соревновательные механизмы экспертизы, оптимальные процедуры экспертизы и др.
Желающим более детально познакомиться с рассмотренной выше методологией можно порекомендовать [10] и др.
 
« Пред.   След. »
Вернуться