- •Варжапетян а.Г. Квалиметрия
- •Оглавление
- •Предисловие
- •Введение в1. Глоссарий
- •В2. Общее представление о квалиметрии
- •1. Уточнение социально-экономической информации
- •2. Повышение эффективности управленческих решений
- •3. Повышение эффективности работы
- •Глава 1 Измерение характеристик качества
- •1.1 Свойства и потребности
- •В3. Классификация квалиметрий
- •1.2 Измерение характеристик качества.
- •1.3. Статистические измерительные шкалы.
- •В). Шкала дистанций - шд
- •Г). Шкала отношений - шо.
- •1.4 Ряды предпочтительных чисел
- •Глава 2 Комплексная оценка показателей
- •2.1 Предпосылки к проведению квалиметрических оценок
- •2.2 Комплексная квалиметрическая оценка
- •2.3. Порядок проведения квалиметрической оценки.
- •Глава 3 Квалиметрия технической продукции
- •3.1 Показатели технической продукции
- •3.2 Принципы принятия решений при оценивании.
- •А. Факторы, влияющие на принимаемое решение.
- •В. Оценка рисков при принятии решения
- •3.3 Методы принятия решений при учете неопределенности информации и нечеткости условий
- •В. Принятие решений по нечеткой качественной информации
- •Глава 4 Экспертное оценивание
- •4.1 Экспертные оценки в квалиметрии
- •4.2 Недостатки и возможные ошибки экспертного оценивания
- •4.3. Обработка данных экспертизы.
- •В. Метод строгого ранжирования
- •4.4 Выбор эталона при экспертном оценивании
- •Глава 5 Интеллектуальные экспертные системы в квалиметрии
- •5.1 Понятие интеллектуальной системы
- •5.2. Классификация интеллектуальных систем.
- •5.2.1. Экспертные системы – эс.
- •5.2.2. Системы поддержки принятия решений - сппр
- •5.2.3. Автоматизированные системы экспертного оценивания асэо.
- •Глава 6 Имитационное моделирование в задачах квалиметрии
- •6.1 Общие представления об имитационном моделировании
- •6.2 Пути снижения дисперсии квалиметрической оценки
- •6.3 Выбор наилучшей альтернативы в Парето‑оптимальном множестве.
- •А. Сравнение двух альтернатив с некоррелированными t- парами.
- •Б. Сравнение двух альтернатив с коррелированными t- парами
- •Контрольные вопросы
- •Заключение
- •Приложения п1. Единицы международной системы си
- •П2. Основные понятия математической статистики а. Понятие о функции распределения
- •Б. Статистические критерии
- •1.Статистическая надежность
- •2.Распознавание статистических гипотез
- •3.Односторонние и двусторонние критерии
- •П3. Определение неизвестной функции распределения
- •А. Первичная обработка исходной статистики
- •Б. Графическое изображение статистических данных
- •В. Выравнивание статистических графиков
- •Г. Определение критерия согласия
- •П4. Определение неизвестной случайной величины
- •А. Наилучшая статистическая оценка
- •П.5. Пример построения модельного файла для примера 6.1 главы 6. Пример 6 .1 Выбор лучшего варианта из 4-х возможных (модель фабрики (л.7))
- •1. Постановка задачи.
- •2. Допущение, сделанные в модели.
- •3. Таблица определений
- •4. Модельный файл
- •5. Итоговый отчёт
- •6.Обсуждение
- •Литература
6.3 Выбор наилучшей альтернативы в Парето‑оптимальном множестве.
Решение проблемы выбора наилучшей альтернативы при рациональном построении исследуемой системы является сложной, многоэтапной и многокритериальной задачей. Многие авторы занимались и продолжают заниматься решением отдельных аспектов этой проблемы. В принципе для решения оптимальной задачи необходимо иметь неограниченные ресурсы, тогда можно решать двуединую задачу оптимизации: - либо максимизировать значения выходных характеристик, либо сохраняя выходные значения на заданном уровне минимизировать ресурсы. Чаще всего, на практике невозможно располагать неограниченными ресурсами и приходится решать задачу максимизации выходных характеристик системы -Qf при ограниченных ресурсах - R. Такие решения не корректно называть оптимальными. Поэтому, имея ограниченные ресурсы, правильнее говорить о рациональных или субоптимальных решениях, которые и будем рассматривать (см. главу 2, параграф 2.1 пособия). Применяя методы ИМ, можно с помощью метода бенчмаркинга, селектировать альтернативные варианты построения системы, оценивая их по возрастанию выходных характеристик. Напомним, что процесс ИМ не позволяет давать точечных оценок, а оценивает только средние значения, поэтому выбор лучшего варианта в Парето-оптимальном множестве должен основываться на статистических оценках, а именно на оценивании дисперсии. Ниже рассмотрим варианты выбора решений в классических примерах некоррелированных и коррелированных альтернатив, а также метод, использующий D/D процедуру (Л.7).
В процессе имитационного моделирования получаются не абсолютные оценки, а средние. Один из путей решения задачи нахождения различия между различными дисциплинами обслуживания при использовании теории массового обслуживания, статистическим путём - это построение доверительного интервала для разности длин ожидаемых очередей при разных дисциплинах обслуживания.
А. Сравнение двух альтернатив с некоррелированными t- парами.
Прямой метод сравнения двух некоррелированных альтернатив, когда оценивается разность ожидаемых значений, состоит в следующем:
1. Получается равное число реплик n для обеих альтернатив.
2. Составляются пары реплик одного номера из каждой альтернативы.
3. Вычисляется разность для каждой пары, а затем определяются среднее значение и стандартное отклонение разности.
4. Вычисляется доверительный интервал для разности при разных значениях доверительной вероятности. Если доверительный интервал не включает точку нуля, то можно предполагать (при выбранной значимости в процессе распознавания гипотез), что выходные величины будут отличаться от ожидаемых величин. Если интервал включает точку нуля, то есть основание полагать, что выходные значения не отличаются от ожидаемых величин.
Будем считать, что реплики независимы не только в рамках одной альтернативы, но и между альтернативами. Если на основе шага 4 выбираем доверительную вероятность 95%, то это значит, что гипотеза о том, что разницы между двумя ожидаемыми значениями нет, будет отвергаться на 5% уровне значимости (см.П.2). Кроме идентичности реплик необходимо помнить, что должно выполняться требование идентичности функций распределения. Напомним, что при малых выборках разность между парами должны иметь нормальное распределение и тогда для вычисления доверительного интервала можно применить распределение Стьюдента. В нашем случае сравнение двух некоррелированных выборок можно заменить оценкой одной выборки, включающей разность этих выборок.