Провівши опитування групи експертів, дістають певну інфор-мацію. Наявність як числових даних, так і змістовних висловлю-вань експертів спонукає до необхідності застосування якісних і кількісних методів обробки результатів групового експертного оцінювання. Питома вага цих методів істотно залежить від класу проблем, вирішуваних експертним оцінюванням. Нижче розгля-датимуться методи обробки проблем першого класу, що характе-ризуються достатнім інформаційним потенціалом. Ці проблеми найпоширеніші на практиці прийняття рішень [128]. Залежно від цілей експертного оцінювання під час обробки результатів опитування виникають такі основні завдання: 1) визначення узгоджених думок (суджень) експертів; 2) побудова узагальненої оцінки об’єктів; 3) визначення залежності між судженнями експертів; 4) визначення відносних ваг об’єктів; 5) оцінювання надійності (ризику) результатів експертизи. Визначити узгодженість оцінок експертів необхідно для того, щоб підтвердити правильність гіпотези: експерти є досить точ-ними «вимірювачами», а також виявити можливі угруповання в експертній групі. Узгодженість думок експертів оцінюють, обчи-слюючи кількісну міру, що характеризує ступінь близькості ін-дивідуальних думок. Аналіз значень міри узгодженості дає змогу виробити правильне судження про загальний рівень знань з розв’язуваної проблеми та виявити угруповання думок експертів, зумовлених різними поглядами, концепціями, існуванням науко-вих шкіл, характером професійної діяльності тощо. Завдання побудови узагальненої оцінки об’єктів групою екс-пертів на підставі індивідуальних оцінок експертів є однією з проблем у груповому експертному оцінюванні. Якщо експерти оцінювали об’єкти в кількісній шкалі, то завдання побудови гру-пової оцінки полягає у визначенні середнього значення або медіани оцінки. У вимірюванні в порядковій шкалі методом ранжу-вання або парного порівняння метою обробки індивідуальних оцінок експертів є побудова узагальненого впорядкування об’єктів на підґрунті усереднення оцінок експертів. Опрацювавши результати експертного оцінювання, можна ви-значити залежність між судженнями різних експертів. Знаючи таку залежність, можна встановити ступінь близькості в думках експер-тів. Важливе значення має також визначення залежності між оцін-ками об’єктів, побудованих за різноманітними показниками порів-нянь. Завдяки цьому вдається визначити пов’язані між собою показники порівняння та згрупувати їх за ступенем взаємозв’язку. Під час розв’язування багатьох задач недостатньо впорядкува-ти об’єкти за одним або групою показників. Бажано також мати кількісні значення відносної важливості об’єктів. Оцінки об’єктів, які здобувають у результаті обробки, можна трактувати як випадкові величини. Тому однією з важливих задач є визначення їх імовірності. Обробка результатів експертизи вручну пов’язана з великими трудовими затратами (навіть у разі розв’язування простих задач впорядкування), через це її доцільно виконувати за допомогою обчислювальної техніки. Застосування ЕОМ висуває проблему створення відповідних комп’ютерних програм, які реа-лізують алгоритми обробки результатів експертного оцінювання. Оцінюючи об’єкти, експерти звичайно мають розбіжності в думках щодо розв’язуваної проблеми. Тому постає потреба кіль-кісно оцінити ступінь згоди (узгодженості суджень) експертів, завдяки чому вдається обґрунтованіше інтерпретувати причини розбіжності думок. Оцінка узгодженості суджень експертів ґрун-тується на використанні поняття компактності, наочне уявлення про яке дає геометрична інтерпретація результатів експертизи. Оцінка кожного експерта подається як точка в деякому просторі з введеним у ньому поняттям відстані. Коли точки, що характери-зують оцінки всіх експертів, розміщені на невеликій відстані од-на від одної, тобто утворюють компактну групу, то, очевидно, це можна інтерпретувати як добру узгодженість думок експертів. А якщо точки в просторі розкидані на значні відстані, узгодже-ність думок експертів невисока. Можливо, що точки оцінки екс-пертів розміщені в просторі у такий спосіб, що утворюють одну або кілька компактних груп. У такому разі в експертній групі іс-нують два або кілька відмінних один від одного поглядів на оцін-ку об’єктів. Конкретизують викладену ідею оцінювання узгодженості ду-мок експертів залежно від використання кількісних або якісних шкал вимірювання та вибору міри ступеня узгодженості. Коли використовують кількісні шкали вимірювання та оцінюють лише один параметр об’єкта, всі думки експертів можна подати як точ-ки на числовій осі, розглядаючи їх як реалізацію випадкової ве-личини. Тому для оцінювання центру групування та розкиду то-чок можна використати добре розроблені методи математичної статистики. Центр групування точок визначають як математичне сподівання (середнє значення) або як медіану випадкової величини, а розкид кількісно оцінюють дисперсією випадкової величини. Мі-рою узгодженості оцінок експертів, тобто компактності розміщення точок на числовій осі, може бути відношення середньоквадратично-го відхилення до математичного сподівання випадкової величини. Для ранжування об’єктів використовують міру узгодженості думок групи експертів — дисперсійний коефіцієнт конкордації (коефіцієнт злагоди) [325]. Поряд з дисперсійним коефіцієнтом конкордації як міру узго-дженості суджень експертів використовують ентропійний коефі-цієнт конкордації. Згідно з гіпотезою про те, що експерти є достатньо точними вимірювачами, групова оцінка ґрунтується на застосуванні мето-дів усереднення. Це відповідає тому, що індивідуальні оцінки експертів утворюють компактну групу, причому роль найузго-дженішої групової оцінки відіграє математичне сподівання (сере-днє значення) або мода (найімовірніша оцінка). Нехай d експертів оцінювали m об’єктів за I показниками. Ре-зультати оцінювання подано у вигляді значення величин , де s — номер експерта; і — номер об’єкта; h — номер показника (ознаки) порівняння. Якщо об’єкти оцінювались методом ранжу-вання, то величини є рангами. А коли оцінки об’єктів було дано методом безпосереднього оцінювання чи методом послідо-вного порівняння, то величини — це числа або бали. Обробка результатів оцінювання істотно залежить від розглянутих методів вимірювання. Нехай маємо випадок, коли величини знайдено методами безпосереднього оцінювання або послідовно-го порівняння, тобто вони є числами або балами. Щоб дістати групову оцінку об’єктів, можна скористатись середнім значенням оцінки для кожного об’єкта: (4.1) де — коефіцієнт ваг показників порівняння об’єктів; — ко-ефіцієнти компетентності експертів. Ці коефіцієнти є нормова-ними величинами: (4.2) Коефіцієнти ваг показників можна знайти експертно. Відшукання групової експертної оцінки підсумовуванням ін-дивідуальних оцінок з вагами компетентності та важливості по-казників у вимірюванні властивостей об’єктів у кількісних шка-лах ґрунтується на такому припущенні: виконуються аксіоми теорії корисності фон Неймана—Моргенштерна як для індивіду- альних оцінок, так і для групової [194], а також умови, що об’єкти не різняться щодо всіх індивідуальних оцінок у груповому розу-мінні (частковий принцип Паретто) [189]. У реальних задачах ці умови, як правило, не виконуються, тому на практиці групову оцінку об’єктів часто знаходять підсумовуванням з вагами інди-відуальних оцінок експертів. Коефіцієнти компетентності експертів можна розрахувати за апостеріорними даними, тобто за результатами оцінювання об’єктів. Основною ідеєю цього обчислення є гіпотеза про те, що компетентність експертів оцінюється за ступенем узгодженості їх оцінок з груповою оцінкою об’єктів. Алгоритм обчислення коефіцієнтів компетентності експертів має вигляд рекурентної процедури: (4.3) (4.4) (4.5) Обчислення починають з t = 1. У (4.5) початкові значення ко-ефіцієнтів компетентності беруть однаковими й такими, що дорі-внюють . Тоді групові оцінки об’єктів першого набли-ження дорівнюють середнім арифметичним значенням оцінок експертів: (4.6) Далі за (4.4) обчислюють , (4.7) а також за (4.5) — значення коефіцієнтів компетентності першого наближення (4.8) Використовуючи коефіцієнти компетентності першого на-ближення, можна повторити весь процес обчислення за форму-лами (4.3), (4.4), (4.5) і дістати другі наближення величин. Розглянемо випадок, коли експерти вимірюють об’єкти в по-рядковій шкалі методом ранжування, причому величини (і — номер об’єкта; s — номер експерта; h — номер показника порів-няння об’єктів) є рангами. Завданням обробки є побудова уза-гальненого ранжування за індивідуальними ранжуваннями екс-пертів. Щоб спростити міркування, розглянемо спочатку випадок однієї ознаки порівняння, тобто показник h у величин не враховуватимемо. Кожне ранжування можна подати у вигляді матриці попарних порівнянь з елементами, що визначаються за правилом (4.9) де — ранги, що присвоюються s-м експертом відповідно і-му та k-му об’єктам. Наприклад, дано ранжування одним експе-ртом
Тоді матриця попарних порівнянь для цього ранжування пода-ється у вигляді табл. 4.1. Таблиця 4.1 О1 О2 О3 О4 О5 О1 1 1 1 1 1 О2 0 1 1 1 1 О3 0 1 1 1 1 О4 0 0 0 1 1 О5 0 0 0 0 1 Якщо є d експертів, то кожний експерт дає своє ранжування, якому відповідає матриця попарних порівнянь. Отже, кількість матриць попарних порівнянь дорівнює кількості експертів. Введемо відстань (метрику) між матрицями попарних порівнянь: (4.10) Зміст цього виразу полягає у тому, що відстань між матриця-ми попарних порівнянь визначається кількістю позарозрядних незбігів усіх значень елементів матриць (метрика Хеммінга). Використовуючи цю метрику, визначимо узагальнене ранжу-вання як матрицю попарних порівнянь, що найкраще узгоджу-ється з матрицями попарних порівнянь, одержуваних з ранжу-вань експертів. Поняття найкращого узгодження на практиці здебільшого ви-значають як медіану. Медіана — це така матриця попарних порівнянь, сума відста-ней якої до всіх матриць попарних порівнянь, що одержують експерти, є мінімальною: . (4.11) Покажемо, що матрицю попарних порівнянь, які відповідають медіані, будують за принципом простої більшості голосів експер-тів для кожного елемента матриці. Модуль різниці змінних у (4.11) дорівнює або одиниці, або нулю, тому цей модуль дорів-нює своєму квадрату. Отже, замість виразу (4.11) можна записати (4.12) Розкриваючи квадрат та враховуючи, що квадрат змінної до-рівнює самій змінній (з (4.9)), з (4.12) знаходимо (4.13) Введемо позначення (4.14) Зробивши відповідні перетворення у (4.13) з урахуванням (4.14) отримаємо (4.15) Перша сума в квадратній дужці стала й не залежить від змін-ної . Тому мінімум виразу в квадратних дужках з (4.15) відпо-відає максимуму другої суми, тобто (4.16) Максимум за змінними , що набувають значення 0 або 1, досягається за такої умови (4.17) де d — кількість експертів. Величини згідно з (4.14) є кількістю голосів, поданих екс-пертами за перевагу і-го об’єкта порівняно з k-м об’єктом. Тому в узагальненій матриці попарних порівнянь, якщо скористатись розв’язком (4.17), у ik-му елементі слід поставити одиницю, тоб-то вважати , коли більше половини експертів висловились за цю перевагу. Отже, всі елементи узагальненої матриці попар-них порівнянь визначаються за правилом більшості голосів. У розглянутому алгоритмі побудови узагальненої матриці по-парних порівнянь можна врахувати компетентність експертів, увівши коефіцієнти компетентності у співвідношення (4.11): (4.18) Виконуючи перетворення, аналогічні співвідношенням (4.12)—(4.17), дістанемо для випадку врахування коефіцієнтів компетентності експертів таке правило побудови узагальненої матриці попарних порівнянь: (4.19) де (4.20) Значення порогу в (4.19) дорівнює 1/2, оскільки значення можна розглядати як імовірність того, що і-й об’єкт переважає k-й. За наявності кількох ситуацій експерти впорядковують об’єкти (рішення) для кожної ситуації окремо. Коли відомі ймо-вірності ситуацій , де n — кількість ситуацій, то можна побудувати узагальнене ранжування, усереднене за всіма ситуаціями. Припишемо елементам матриць попарних порівнянь індекс j — номер ситуації . Тоді узагальнена матриця попар-них порівнянь визначається з умови (4.21) Виконуючи перетворення, аналогічні попереднім, дістаємо та-ке правило побудови узагальненої матриці попарних порівнянь, усереднених за допомогою ймовірностей за всіма ситуаціями: (4.22) (4.23) У частковому випадку однакової компетентності експертів (4.24) Правило побудови елементів узагальненої матриці попарних порівнянь (4.22) є найзагальнішим і включає як частковий випа-док правила (4.17) і (4.19). Узагальнену матрицю попарних порівнянь можна побудувати, врахувавши умовні ймовірності прийняття помилкових рішень. Алгоритм знаходження елементів цієї матриці має вигляд, анало-гічний (4.22), але з іншим значенням порогу [128]. Правило (4.22) визначає групову оцінку попарних порівнянь. Щоб дістати узагальнене ранжування за матрицею попарних по-рівнянь, застосовують послідовне виокремлення недомінуючих об’єктів. Оскільки матриця попарних порівнянь описує граф, то послідовне виокремлення недомінуючих об’єктів відповідає по-слідовному виокремленню ядра графа. Для послідовного виокре-млення недомінуючих об’єктів виконують операцію транзитив-ного замикання матриці попарних порівнянь та ранжування об’єктів за цією матрицею на підставі підрахунку кількості одиниць у ко-жному стовпчику матриці. Об’єкту, що має у своєму стовпчику найменшу кількість одиниць, присвоюють перший ранг; другого рангу набуває об’єкт, що має у своєму стовпчику більше оди-ниць, ніж перший об’єкт, але менше, ніж усі інші об’єкти, тощо. Зауважимо, що коли початкова інформація від експертів щодо оцінювання об’єктів подається у вигляді матриць попарних порі-внянь, то можливі порушення умов транзитивності. Це зумовлю-ється тим, що експерт порівнює лише пари об’єктів, а умова тра-нзитивності поєднана з розглядом не менш як трьох об’єктів. Під час ранжувань експерт автоматично виконує умову транзитивно-сті, інакше буде порушено логіку впорядкованості об’єктів. По-рушення умови транзитивності в деяких матрицях попарних по-рівнянь практично усувається, коли підсумовуються всі матриці попарних порівнянь, тобто обчислюються за (4.14). Це випли-ває з покладеного в основу алгоритму припущення про те, що експерти є «добрими вимірювачами», тобто вони можуть припу-скатись лише незначних помилок. Усереднення результатів за множиною експертів нівелює індивідуальні помилки експертів, завдяки чому окремі нетранзитивності об’єктів усуваються. Побудова узагальненого ранжування об’єктів за результатами їх попарних порівнянь передбачає, очевидно, що всі об’єкти екс-перти порівнюють один з одним. Але можлива побудова узагаль-неного ранжування за результатами попарних порівнянь лише частини об’єкта. Для цього випадку алгоритми побудови узагальненого ранжування мають складніший вигляд. Під час обробки результатів ранжування можуть виникнути за-дачі визначення залежності між ранжуванням двох експертів або між двома ознаками. У цих випадках мірою взамозв’язку може бути коефіцієнт рангової кореляції. Характеристикою взамозв’язку ран-жувань або цілей є матриця коефіцієнтів рангової кореляції. Відомі коефіцієнти рангової кореляції Спірмена та Кендалла [325, 345]. Коефіцієнт рангової кореляції Спірмена: (4.25) де m — кількість ранжованих об’єктів; — ранг відповідно в першому та другому ранжуваннях. Коефіцієнт рангової кореляції Спірмена змінюється від –1 до +1. Рівність одиниці досягається за однакових ранжувань, тобто коли . Значення відповідає протилежним ранжуванням (пряме та обернене ранжування). У разі рівності коефіцієнтів кореляції нулю ранжування вважаються лінійно не-залежними. Оцінка коефіцієнта кореляції, обчислювана за формулою (4.25), є випадковою величиною. Щоб визначити значущість цієї оцінки, необхідно задати величину ймовірності, обчислити зна-чення порога, прийняти рішення про значущість коефіцієнта ко-реляції: (4.26) де m — кількість об’єктів; y(x) — функція, обернена до функції для якої складено таблиці [133]. Коли обчис-лено порогове значення, оцінка коефіцієнта кореляції вважається значущою, якщо . Для визначення значущості коефіцієнта кореляції Спірмена можна скористатись критерієм Стьюдента, бо величина (4.27) наближено розподілена за законом Стьюдента з m – 2 ступенями свободи.
Ви переглядаєте статтю (реферат): «МЕТОДИ ОБРОБКИ ЕКСПЕРТНОЇ ІНФОРМАЦІЇ» з дисципліни «Ризикологія в економіці та підприємстві»
