Сценарный подход в анализе инновационных проектов

^[х(1)^х(0,375п)^{]е Х}1 , ^[х(0,375п+1),^Х(0,625п)^{]е Х}0 ,

^[х(0,625п+1)^Х(п)^{]е Х}2 , ^[х(1),^Х(0,25п)^{]е Х}1 ,

^[Х(0,75п+1), ^Х(п)^{]е Х}2 ^;

4)    ^пр^иГ1 < 2 ^и Г2 < 2 ^ Х = {Х1,Х0,Х2}^,

^{[ Х}(1) ^Х(0,25п)

] е Х₁ ^,

^[Х(0,25п+1)^х(0,75п)^{] е Х}0, ^[х(0,75п+1^ ^Х(п)^{]е Х}2 ^;

5)    при4 -Г - 5,5 и Г2 < 2 ^ Х = {Х1,Х0,Х2},

^{[ Х}(1)^Х (0,25п)^{] е Х}1 , ^[Х(0,25п+1)^Х(0,75п) ] е Х0,

^[Х(0,75п+1), ^Х(п)^{]е Х}2 ^;

6)     при 4-Г₁ - 5,5 и 2,6-Г₂ - 3,2 ^ Х = {Х₁, Х₀, Х₂ }, Х{ с Х₁,

Х2 с Х2^,

^[Х(1)^Х(0,25п)

] е Х₁ ,

^[Х(0,25п+1)^х(0,75п)^{]е X}0^{, [х}(0,75п+1), ^Х(п)^{]е Х}2 ,

^[Х(1)^Х (0,185п)^{]е Х}1 , ^[х(0,815п+1),^Х(п)^{] е Х}2 ^;

7)  при 4 - Г₁ - 5,5 и Г₂ > 3,2 ^ Х = {Х₁,Х₀,Х₂}, Х[ с Х₁, Х2 с Х₂ ,

^[х(1)^х(0,375п)^{]е Х}1 ^{, [х}(0,375п+1),^Х(0,625п)^{]е Х}0 ^,

^[х(1)^х(0,25п)^{]е Х}1 ^{, [х}(0,75п+1),^Х(п)^{]е Х}2 ^,

^{[ Х}(0,625п+1), ^Х( п)^{] е Х}2;

8)     при Г₁ - 5,5 и Г₂ < 2 ^ Х = {Х₁,Х₂}, Х[ с Х₁, Х2 с Х₂ ,

^[Х(1)^Х(0,5п)^{] е Х}1 , ^[х(0,5п+1), ^Х(п)^{] е Х}2 ,

^[х(1)^Х(0,25п)^{] е Х}1 , ^[х(0,25п+1),^Х(п)^{] е Х}2 ^;

9)      при Г₁ > 5,5 и 2,6 - Г₂ - 3,2 ^ Х = {Х₁,Х₂}, Х[ с Х₁, Х2 с Х₂,

^[х(0,5п+1),^Х(п)^{]е Х}2 ^{, [х}(1)^х(0,185п)^{]е Х}1 ^,

^[х(0,185п+1),^Х(п)^{]е Х}2 ^;

10)     приГ₁ > 5,5 и Г₂ > 3,2 ^ Х = {Х₁,Х₂ }, Х[ с Х₁, Х2 с Х₂ ,

^[х(1)^Х(0,5п)^{]е Х}1 ^[х(0,5п+1),^Х(п)^{]е Х}2 ,

^[Х(1)^х(0,375п)^{] е Х}1 , ^[Х(0,625п+1), ^Х(п)^{] е Х}2 .

В приведенных выражениях Х₀ характеризует однородную со­ставляющую вариационного ряда, что доказывает высокую степень согласованности экспертных оценок. Составляющие ряда Х₁, Х₂, Х’₁, Х’₂ характеризуют группы экспертов, оценки которых в некоторой мере отличаются от оценок основной группы экспертов в силу при­нятого изначального положения про унимодальность функции плот­ности распределения.

Рассмотренные алгоритмы позволяют проводить более деталь­ный анализ экспертных оценок, что повышает эффективность при­нятия решений про их согласованность и надежность характеристик группового мнения.

4.4.     Методы непараметрической статистики в обработке экспертной информации

Основные типы непараметрических задач. В процессе проведе­ния экспертизы проектных сценариев могут возникать ситуации, когда эксперты не имеют никакой информации о функциях распре­деления вероятностей событий, а задаются только различия между ними.

В данной связи для статистического анализа экспертных выска­зываний целесообразно использовать аппарат непараметрической статистики.

Рассмотрим основные типы непараметрических задач, которые могут решаться при выполнении анализа экспертной информации.

Прежде всего необходимо упомянуть сугубо непараметрическую задачу оценивания неизвестных распределений [15]. Ее не следует смешивать с задачей аппроксимации неизвестного распределения известными функциями, которая рассматривается в обычной (пара­метрической) статистике и которая в конечном счете сводится к оцен­ке параметров этих функций. В непараметрической постановке эта задача формулируется следующим образом: задается достаточно широкий непараметрический класс распределений (например, класс всех непрерывных функций распределений или класс всех распреде­лений, обладающих плотностью); требуется предложить процедуру, результатом которой является оценка функции распределения или плотности. Другими словами, задача требует определить различия между распределениями внутри заданного класса, причем эти раз­личия вообще не конкретизируются.

 

« Содержание

» следующая страница »
1  ... 17 18 19 20 21 2223 24 25 26 27  ... 30