Вопросы анкет могут быть как альтернативного (да, нет; 1,0), так и оценочного(от 0 до 1) характера. В первом случае удобно использовать элементы дисперсионного анализа, во втором - таксономии. При использовании дисперсионного анализа положительный ответ эксперта оценивается 1, отрицательный -О.

Основными характеристиками являются значения P,g, σ.

Р = M/N,

где М - число единиц (положительные ответы); N - общее число параметров.

G=L/N,

где L - число нулей (отрицательные ответы)

p+g = 1

Средняя величина, характеризующая число положительных ответов х=Р Дисперсия, характеризующая отклонение от средней величины определяется:

σ 2= P*g

Проведем классификацию ответов экспертов, используя приемы таксономии, Для этого определяем коэффициент близости между ответами. Существует несколько формул при определении этих значений. Воспользуемся формулой Роджерса и Танимото

- число совпадающих единиц между сравниваемыми рядами;

- число всех единиц в i-том сравниваемом ряду;

 - число единиц в j-том сравниваемом ряду.

Сравнивается первый ряд последовательно со всеми остальными, заполняется первая строка матрицы, затем вторая строка со всеми остальными и т. д. В результате получим матрицу (табл. 2).

Таблица 2

Определение коэффициентов близости между ответами экспертов

Для ее обработки существуют разные алгоритмы, возьмем простейший. Выделим произвольно какое-либо число в матрице (лучше одно из наибольших), например 1 (VIIстрока, VI столбец), Теперь по VI столбцу ищем наибольшие числа - это 0,4 на пересечении с перовой строкой. Затем ищем наибольшие числа по I строке (использованные числа не применяются) берем значение 0,33 по V, IV столбцу и т. д. Если встречаются одинаковые числа, то получаемый граф разделяется и каждая ветвь рассматривается отдельно. В нашем случае получается следующий граф (рис. 1).

1 1 0.4 0.33 0.25

 0.33

 Рис. 1 0.25 0.25

Итак, мнение экспертов можно представить следующим образом,

S (коэффициент близости) Р

1 – VI, VII

0,4- I I - 0,83

0,33 – V,IV II - 0,33

0,25-III,II,VIII Ш-0,33

 IV -0,50

 V – 0.50

 VI – 0.33

 VII – 0.33

 VIII – 0.50

Чтобы определить, насколько существенные различия между мнениями экспертов и сгруппировать эти мнение в таксоны составим матрицу коэффициентов Фишера (табл. 3).

Коэффициент Фишера определяется через отношение дисперсий,

т. е. F = σ2/σ2

(большее значение дисперсии всегда берется в числителе).

Матрица коэффициентов Фишера получена следующим образом: берется отношение дисперсий ответов на вопросы анкет первого эксперта последовательно к дисперсиям ответов всех остальных (заполняется первая строка матрицы), затем дисперсии мнений второго ко всем остальным и т. д.

Таблица 3

Коэффициенты Фишера по вариантам определения мнений экспертов

Данные этой матрицы сравним с критическим значением, F (табл. приложение I). В нашем случае степени свободы к1 и к2 равны семи (степени свободы определяются как п-1, где n - число параметров), значения пограничных показателей достоверности F (критерий Фишера) берем при вероятности Р' =0,8, Fкр = 1,945. Сравнивая коэффициенты Фишера из матрицы с его критическим значением видим, что эти показатели меньше, следовательно, отличия в мнениях экспертов несущественными при классификации их можно объединить в один таксон. Чтобы выработать далее единую точку зрения на вопрос можно использовать метод "мозговой атаки" или метод Дельфи и прийти к единому мнению.

Ознакомившись с проектной документацией по представленной проблеме эксперты предложили свои варианты расчетов основываясь на благоприятном (Kmin) и неблагоприятном (Кmax) прогнозах. Результаты их прогнозов представлены в табл. 4.

Проведем анализ полученных данных, определим меры близости мнений экспертов.

В случае, когда ответы экспертов имеют числовое значение, для нахождения коэффициентов близости используется евклидово расстояние.

Таблица 4

Варианты прогнозов дополнительных затрат для обеспеченbz выхода из кризиса

Страницы: 1, 2, 3, 4