Mathematical modeling of collective decision quality assessment
DOI:
https://doi.org/10.18413/2687-0932-2020-43-3-573-582Keywords:
expert, factor, sample, relative error of estimation, spread, distribution density, confidence intervalAbstract
The problem of making decisions by a group of experts is one of the most important in the system analysis of information processes. To solve it, it is necessary to assess the quality of the collective decision (accuracy, reliability, reliability, the number of experts and their characteristics). The article deals with the issues of reliability and reliability of estimates made by a group of experts. The estimation of the optimal number of experts is determined depending on the accuracy and reliability of the assessment. A new approach to determining the numerical characteristics of estimation errors is shown. A method for calculating the relative error of a factor assessment has been developed, the issue of the quality of evaluating several factors has been considered. Detailed algorithms have been developed to implement methods for determining the optimal number of experts. The results obtained can be used to solve tasks of activity planning, results forecasting, selection of promising technologies, etc.
Downloads
References
Вентцель Е.С. 2018. Теория вероятностей. М., ЮСТИЦИЯ, 658.
Ганичева А.В. 2017. Математика для юристов. СПб., «Лань», 204.
Данелян Т.Я. 2015. Формальные методы экспертных оценок. Экономика, статистика и информатика. 1, 183–187.
Кошевой О.С., Голосова Е.С., Сеидов Ш.Г. 2012. Организация экспертного опроса с привлечением специалистов органов государственного и муниципального управления. Известия высших учебных заведений. Поволжский регион. Общественные науки. 1 (21): 98–107.
Крянев А.В., Семенов С.С. 2013. К вопросу о качестве и надежности экспертных оценок при определении технического уровня сложных систем. Надежность. (4): 90–109.
Михалева О.А., Подвесовский А.Г. 2019. Модели и алгоритмы обработки результатов групповой экспертизы в распределенной среде. Информационные системы и технологии. 6 (116): 30–38.
Михин М.Н. 2016. Математическая статистика. М., МИРЭА, 60.
Орлов А.И. 2011. Организационно-экономическое моделирование: учебник: в 3 ч. Ч. 2: Экспертные оценки. М. Изд-во МГТУ им. Н.Э. Баумана, 486.
Попов Г.А., Попова Е.А., Попова М.Г. 2016. Альтернативный вариант оценки значимости результатов экспертного оценивания в методе строгого ранжирования. Вестник Астраханского государственного технического университета. Серия: Управление, вычислительная техника и информатика. (4): 109–117.
Рупосов В.Л. 2015. Методы определения количества экспертов. Вестник ИрГТУ. 3 (98): 286–292.
Слепцова М.В. 2015. Определение оптимального числа экспертов для проведения экспертизы в области непрерывного технологического образования. Известия ВГПУ. Педагогические науки. 4 (269): 21–23.
Халафян А.А., Темердашев З.А., Якуба Ю.Ф., Гугучкина Т.И. 2016. Использование многомерного анализа для итоговой оценки результатов экспертных оценок. Заводская лаборатория. Диагностика материалов. 82 (10): 71–77.
Халикова К.С., Рыжкова С.К. 2016. Оценка влияния факторов на основе когнитивного моделирования и экспертной оценки. Гуманитарные научные исследования. 2 (54): 300–303.
Chakraborty D. 2001. Structural quantization of vagueness in linguistic expert opinions in an evaluation programme. Fuzzy Sets and Systems. 119 (1): 171–186.
Cojocariu A., Munteanu A., Sofran O. 2005. Verification, Validation and Evaluation of Expert Systems in Order to Develop a Safe in the Processo f Decison Making, Computational Economics 0510002, EconWPA: 98–106.
Kirichek A., Morozova A. 2018. Review as a procedure of expert evaluation of the quality of scientific articles Article (PDF Available) in Ergodesign: 3–7.
Turban E., Aronson J.E. 2000. Decision Support and Intelligent Systems, 6th edn. Prentice Hall, New Jersey, 960.
Velychko O.M., Gordiyenko T.B., Kolomiets L.V. 2014. Methodology of expert estimation taking into account the expert's competence. Metallurgical and Mining Industry. 5 (290): 106 111.
Yang C., Kose S., Phan S., Kuo P. 2000. A Simulation-based Procedure for Expert System Evaluation. In: Proceedings of the IEA/AIE 13th International Conference, New Orleans (June 19-22): 149–160.
Yu D., Park W.S. 2000. Combination and evaluation of expert opinions characterized in terms of fuzzy probabilities Annals of Nuclear Energy. 27 (8): 713–726.
Abstract views: 782
Share
Published
How to Cite
Issue
Section
Copyright (c) 2020 ECONOMICS. INFORMATION TECHNOLOGIES
This work is licensed under a Creative Commons Attribution 4.0 International License.
