多くの場合、それぞれが異なる利点を持つ多くの選択肢の中から選択する必要があります。 そして、何十人、あるいは何百人もの専門家の意見を持って、最高の選択方法は？





グラフィック、ゲームプレイ、プロットの重要な評価に基づくコンピューターゲームの評価の計算、および顧客が登場する前の優先タスクの集合的な選択の両方は、 専門家の評価方法を指します 。

簡単な教育プログラム

専門家の評価の方法は 、決定理論の広大な分野の一部であり、 専門家の評価自体は、その後の決定（選択）を視野に入れて、専門家（専門家）の意見に基づいて問題の評価を取得する手順です。

問題の極端な複雑さ、その新規性、利用可能な不十分な情報、解決プロセスの数学的形式化の不可能性の場合、問題をよく知っている有能な専門家の推薦に頼らなければなりません-専門家に。 問題の解決、論証、定量的推定の形成、形式的方法による後者の処理は、専門家推定の方法と呼ばれます。

ピアレビューには2つのグループがあります。

1. 個々の評価は、互いに独立した個々の専門家の意見の使用に基づいています。
2. 集団評価は、専門家の集団意見に基づいています。

大まかに言えば、最初のグループには、各専門家が自分で決定を下す際のハブに関する記事の評価、投票への投票などが含まれます。 専門家の選択（排除）はカルマを通して行われます。 より多くの専門家に連絡する可能性があるため、インターネット2で普及している最初のグループです。



オブジェクトを測定する方法

1. ランキングとは、オブジェクトに固有のプロパティの昇順または降順でのオブジェクトの配置です。 ランキングを使用すると、調査した一連の要因から最も重要なものを選択できます。
2. ペアワイズ比較とは、可能なすべてのペアを比較するときのオブジェクトの優先度の確立です。 ここでは、ランク付けするときにすべてのオブジェクトを順序付けする必要はありません。各ペアでより重要なオブジェクトを識別するか、それらの同等性を確立する必要があります。
3. 直接評価 。 多くの場合、合理化（分析対象のランク付け）だけでなく、1つの要因が他の要因よりも重要である度合いを判断することも望ましいです。 この場合、オブジェクトの特性の変化の範囲は個別の間隔に分割され、各間隔には、たとえば0〜10の特定の評価（スコア）が割り当てられます。そのため、直接推定法はポイント法と呼ばれることもあります。

簡単なランキング方法は、各専門家が機能を優先順に並べるように求められることです。



a _ij-専門家によるサインの評価。 nは属性の数、mはエキスパートの数です。

次に、S _i-属性の重要度の平均値が計算されます。



重み付け方法（a _ij ）

1. すべての符号に重み係数が割り当てられ、係数の合計が一定の数（1、10、100など）に等しくなるようにします。
2. すべての符号の中で最も重要なのは、ある固定数に等しい重み係数と、残りすべてに-この数の小数に等しい係数が与えられることです。

逐次比較の方法は次のとおりです。

1. 専門家は、重要度の低い順にすべての記号を配置します。A1> A2> ...> An;
2. 最初の符号に1に等しい値を割り当てます。A1= 1、残りの符号に1の小数の重み係数を割り当てます。
3. 最初の符号の値を後続のすべての符号の合計と比較します。

ペアごとの比較では 、ランキングのようにすべてのオブジェクトを順序付ける必要はありません;各ペアで、より重要なオブジェクトを識別するか、それらの同等性を確立する必要があります。 多数のオブジェクトでペアワイズ比較を行うことができます。また、オブジェクト間の違いがわずかであるため、それらのランキングが実際には不可能な場合もあります。

この方法を使用する場合、サイズn _x nの行列が最もよくコンパイルされます。ここで、nは比較されるオブジェクトの数です。



オブジェクトを比較する場合、マトリックスは次のように要素a _ijで埋められます（異なる塗りつぶしスキームが提案される場合があります）。

• 2、オブジェクトiがオブジェクトjよりも望ましい場合（i> j）、
• 1、オブジェクトの等式（i = j）が確立されている場合、
• オブジェクトjがオブジェクトiよりも望ましい場合は0（i <j）。

直接評価 。 多くの場合、合理化（分析対象のランク付け）だけでなく、1つの要因が他の要因よりも重要である度合いを判断することも望ましいです。 この場合、オブジェクトの特性の変化の範囲は個別の間隔に分割され、各間隔には、 たとえば0〜10の特定の評価（スコア）が割り当てられます。 そのため、直接評価法はポイント法と呼ばれることもあります。







そして今、最もおいしい...

専門家の評価の結果の分析

結果を分析するために、 数学的統計のさまざまな方法が使用されます。 さらに、これらは組み合わせて、タスクのタイプと目的の結果に応じて変化させることができます。

一般化された評価の形成

したがって、エキスパートのグループがオブジェクトを評価すると、x _jはj番目のエキスパートの推定値になります。ここで、mはエキスパートの数です。

専門家グループの一般化された評価を形成するには、 平均値が最もよく使用されます。 たとえば、そのような評価が行われる中央値は 、大きな評価の数が小さな評価の数に等しいという関係です。

オブジェクトの相対的な重みの決定

場合によっては、任意の基準の観点から、この要素またはその要素（オブジェクト）が重要（必須）であるかどうかを判断する必要があります。 この場合、彼らはあなたが各要因の重みを決定する必要があると言います。 一般的な評価の形成とは異なり、オブジェクトの一般的な評価ではなく、各属性の評価によって決定されます。

同様に

見積もりを処理する方法は多数あります。

または、 ペア比較方法にElo評価システムを使用します。



階層分析方法

コンドルセのパラドックス

ボードルール

エレクター



さらに、結果は、他のアルゴリズムと織り交ぜられたいくつかのアルゴリズムで構成される場合があります。 たとえば、専門家の能力係数を計算するためのアルゴリズムは、この専門家の平均的な統計評価に影響を与える可能性があります。

専門家の間である程度の合意を確立する

複数の専門家が調査に参加する場合、推定値の矛盾は避けられませんが、この矛盾の大きさは重要です。 グループ評価は、個々の専門家の回答が適切に調整されている場合にのみ、十分に信頼できると見なすことができます。

推定の広がりと一貫性を分析するために、統計的特性が使用されます- 散布測定または統計的変動 。

したがって、 スプレッド測定の計算方法 ：

変分範囲





平均線形偏差





標準偏差





分散





スピアマンの順位相関係数



係数（値 ）は、-1〜+1の範囲で変化します。 推定値が完全に一致する場合、係数は1に等しくなります。 係数から1を引いたものの平等が観察され、専門家の意見に大きな違いがあります。

x _ijはj番目のエキスパートによってi番目のオブジェクトに割り当てられたランク（ 重要度 ）、x _ikはk番目のエキスパートによってi番目のオブジェクトに割り当てられたランク、d _iはi番目のオブジェクトに割り当てられたランクの差です。



ケンデル一致係数

係数は0〜1の範囲の値を取ることができます。専門家の意見が完全に一致すると、一致係数は1に等しく、完全に不一致-ゼロになります。 専門家の意見の部分的な合意の最も現実的なケース。





専門家の意見の一貫性について言えば、ランキングは距離を意味しない（または常に意味するとは限らない）ことに言及する価値があります。 つまり、1人の専門家A> B> Cは、A >> B> Cであり、もう1人のA> B >> Cであることを意味します。 そして、あらゆる種類の相関と平均評価の計算はここでは役に立ちません。 または、整合性インデックスを読み取ります。 専門家の意見の対立する閉じたチェーンの数（最初はAがBより優れている、2番目はBがCより優れている、3番目はCがAより優れていると信じている）のような数のようなものです。



評価は通常、何らかの確率モデルに基づいているため、適用可能な分野を慎重に検討する必要があります。

おわりに

この記事は、メソッドと評価アルゴリズムの完全な多段階分析ではなく、それらの表面的な説明であると主張しています。 したがって、この場合に適用可能なメソッドとアルゴリズム（私は説明していません）を知っているなら、喜んでそれらを記事に追加します。 または有用な主題文献。



それから私は休暇を取る。 幸せな休日、ラーメン。 そして、女の子を見に来た人のために-ここにいます

参照：

ウィキペディア-無料の百科事典

www.rae.ru

emm.ostu.ru

teorver-online.narod.ru

www.habarov.spb.ru