ВИДЫ ЭКСПЕРТНЫХ ДАННЫХ И СПОСОБЫ ИХ ПРЕОБРАЗОВАНИЙ

ИПУ РАН, д.т.н., проф.

родовидовые определения некоторым из них.
Рассмотреть прием, позволяющий повысить точность прогнозов.
Рассмотреть

способы преобразований некоторых из них.

видов экспертных оценок, описанных в научной литературе и/или используемых на

практике, и пронумеруем их:

группировки (2.0);
3) парные сравнения (3.0);
4) множественные сравнения (4.0);
5) ранжировки (5.0);
6)

векторы предпочтений (6.0);

точечные оценки (9.0);
10) многоточечные оценки (10.0);
11) функциональные оценки (11.0).

Кроме перечисленных рассмотрим различные комбинации простейших видов экспертных оценок.

допускаются слова или предложения метаязыка экспертизы, довольно близкого к естественному

языку, будем говорить о вербальных оценках.
Под метаязыком экспертизы понимаются те специальные значения, которые получают слова естественного языка, если они выступают в процедуре экспертизы в следующих качествах (указываются главные):

В качестве примеров можно привести суждение «цвет зеленый» или заключение

врача-эксперта «опухоль доброкачественна».
2. Наименование отношений (слова квантификаторы), устанавливаемых на множестве рассматриваемых объектов, типа «лучше», «более выражен», «в значи-тельной степени», «более похожи на..., чем...» и т.д.
3. Добавим к этому столь естественные экспертные утверждения, как: «да», «не знаю», «если ..., то ...»; «или ..., или ..., « и любое логическое отрицание.

описания синтаксических свойств объектного языка;
метаязык должен быть настолько богат

по своим выразительным возможностям, чтобы для каждого выражения объектного языка в нем существовала формула, являющаяся переводом этого выражения;
логический словарь метаязыка должен быть, по крайней мере, столь же богат, как и логический словарь объектного языка;
в метаязыке должны быть дополнительные переменные, принадлежащие к более высокому типу, чем переменные объектного языка, и т.п.

значений N соответствующего признака i.
Свойства: 1) U Аi = A,

2) Аi ∩ АJ = ᴓ, 3) i  N.
Как процедура она состоит в «указании экспертом совокупности непересекающихся классов, индексированных элементами некоторого множества значений соответствующего признака»

отношения предпочтения или эквивалентности; либо указано, что они не сравнимы.

Как процедура она состоит в указании экспертом более предпочтительного объекта в каждой предъявленной паре объектов либо они равноценны либо несравнимы.
Для того чтобы отличать их названия, название «парные сравнения» будем относить лишь к виду оценок, а процедуру сбора данных или метода, позволяющую получать выбранный вид экспертной оценки, назовем попарным сравнением.

полученными методами попарных сравнений, и ранжированием. И отличается от оценок,

полученных методом попарных сравнений, тем, что эксперту последовательно предъявляются не пары, а тройки, четверки,... (r)-альтернатив (где r - количество предъявленных из общего числа альтернатив-(n), r

представленных к рассмотрению.
В процедуре ранжирования все предъявленные альтернативы (объекты) упорядочиваются

в соответствии с убыванием (возрастанием) их предпочтительности. При этом допускается указание на равноценность некоторых рядом стоящих объектов. Номер, который при этом получает каждый объект, называется его рангом.

фиксированном наборе альтернатив (объектов) А = {A1,A2,...,An}, назовем вектор П,

i-ая компонента которого - Пi - определяется как количество альтернатив, превосходящих данную из всего набора альтернатив А».
При этом эксперт не обязательно должен указывать, какие именно альтернативы являются более предпочтительными.

экспертных процедур, рассмотрим следующие определяющие признаки таких оценок:
существуют некоторые

независимые от эксперта объективные критерии присвоения баллов;
число градаций сравнительно невелико;
каждый объект оценивается независимо от остальных в шкале, которая не слабее, чем порядковая, и не сильнее, чем интервальная.

множественность.
Одним из определяющих свойств интервальной оценки является то, что

на множестве задано тернарное отношение «МЕЖДУ».

нередко понимают оценку, выраженную одним действительным числом.
Тейл для решения этого

вопроса требует, чтобы дополнительно к прогнозной экспертной оценке эксперт оценил и вероятность ее осуществления.

целое, можно определить как многоточечную оценку.
Часто взаимосвязь оценок проявляется

через нормировку или ограничения.
Примеры: распределение ограниченных ресурсов между конечным числом потребителей, оценки значений вероятностей группы событий - все это многоточечные оценки.

область определения - Х и даже значения f(X) R фактически

заданы, то оценка в виде закона соответствия, либо подмножество произведения X*R, состоящее из точек вида (x, f(x)), где xX (график функции).

сортировка – как частный случай именованной классификации, в которой сорта

занумерованы последовательными целыми числами. По сути, сортировка состоит из группировки и ранжировки.
О сортировке говорят тогда, когда каждый из объектов независимо от других эксперт относит к одному из m-упорядоченных классов.

Например, когда наряду с ранжированием объектов по некоторому показателю эксперт

рассматривает разности оценок объектов и ранжирует эти разности.
Экспертные оценки, в которых ранжировка сочетается с разностями оценок объектов, рассмотрены в ряде работ в связи с приближенно-количественными измерениями. В дальнейшем ранжирование разностей оценок было названо ранжированием второго порядка.

Первая компонента пары - экспертная оценка первого рода, а вторая

компонента – степень (мера) уверенности эксперта в своей оценке первого рода, выраженная в таких видах простейших оценок первого рода, чьи номера j=1,7,8,9,10,11.

конце апреля возможно кратковременное потепление».
В данном случае степень уверенности

определяется через слово-квантификатор «возможно», а экспертная оценка первого рода (окончательное суждение) была выражена посредством слов «кратковременное потепление».

вида (1.7). Это работы с тестами по разборчивости и с

опытами по обнаружению сигналов.
В этих экспериментах от эксперта, хотя в данном контексте лучше говорить об испытуемом, помимо основного ответа, выраженного в виде окончательного суждения, требуют, чтобы он каждый раз указывал степень своей уверенности в нем. Видом экспертных оценок, в котором испытуемый оценивал свою уверенность, были баллы.

в процентах вероятность того или иного события. Например: «с 80%

уверенностью я считаю, что завтра в Москве будет дождь».
Используемые в базе знаний экспертной системы МИЦИН II логические (условные) связки с указанием вероятности их осуществления

множества объектов распределена вероятность. Каждый эксперт, составляя «свою» классификацию, независимо

от других экспертов извлекает из множества {M'} классификацию M' с вероятностью P(M')».
В случае, когда вероятность Р(М') задается экспертом как степень уверенности своей классификации М', мы получаем оценки вида (2.9).

и вектор вероятностей р =(р1, р2,...,рn), задающих каждому Ai -

вероятность рi= р(Ai) таким образом, что 1n рi=1.
Такие оценки можно рассматривать, как р-смеси [108].

Миркиным.
В этом случае эксперту предлагают баллами оценить интенсивность своего

предпочтения для каждой пары объектов [95].

парное сравнение Aj >Ai и вероятность р(Хj>Xi) того, что объект

Aj предпочтительнее объекта Ai, где Хj, Хi значения объектов Aj, Ai на психологическом континууме эксперта, мы получаем оценки вида (3.9).
Статистические модели парных сравнений рассмотрены во многих работах, начиная с работы Терстоуна [312]. Примером экспериментальных исследований в этом направлении является работа Ю.Н. Тюрина, А.П. Василевича, П.Ф. Андруковича [182].

и при этом дают оценку вероятности как степени уверенности в

своей оценке.
Оценки этого вида рассмотрены в обзоре [201].

и оценку вероятности как степени уверенности в своей оценке мы

получаем этот вид оценки.
Обзор статистических моделей ранжирования рассмотрен в работе Д.С. Шмерлинга и других [201].

от каких-либо искусственных допущений относительно вида закона распределения и его

параметров можно использовать псевдостатистические функции распределения применительно к неизвестному времени, необходимому для выполнения какой-либо технической операции. Киселев Ю.В., например, рассматривал псевдостатистическую интегральную функцию распределения с числом точек шесть-восемь.
Алимов Ю.И. рекомендует использовать при измерениях не функции распределения, а гистограммы как эмпирические плотности распределения.