Полная версия

Главная arrow Информатика arrow Введение в инфокоммуникационные технологии

  • Увеличить шрифт
  • Уменьшить шрифт


<<   СОДЕРЖАНИЕ ПОСМОТРЕТЬ ОРИГИНАЛ   >>

Методология проведения опытно-экспериментальной работы

Рассмотрим следующую модель эксперимента.

Пусть имеется некоторый объект, изменение состояния которого исследуется в ходе эксперимента. Состояние объекта измеряется теми или иными показателями (характеристиками) по критериям, отражающим его существенные характеристики.

Примерами критериев в экономике являются: эффективность функционирования промышленного предприятия, темпы развития региональной экономики и т. д. Характеристики: годовая прибыль, уровень капитализации, валовой доход на душу населения ит. д.

Эксперимент заключается в целенаправленном воздействии на объект, призванном изменить его определенным образом. Примером воздействия могут быть параметры госрегулирования и/или управленческая политика руководства предприятия.

При проведении эксперимента необходимо обосновать, что состояние объекта изменилось, причем в требуемую сторону. Но этого оказывается недостаточно. Ведь нужно доказать, что изменения произошли именно в результате произведенного воздействия (так называемая задача изучения сходств а/различии).

Таким образом, для того чтобы выделить в явном виде результат целенаправленного воздействия на исследуемый объект, необходимо взять аналогичный объект и посмотреть, что происходит с ним в отсутствие воздействий.

Традиционно эти два объекта называют экспериментальной (иногда основной) и контрольной группой (или группой сравнения) соответственно.

На самом деле спектр задач анализа данных гораздо шире и можно выделить общие группы этих задач.

1. Описание данных — компактное описание имеющихся данных с помощью различных агрегированных (обобщенных) показателей и графиков. К этому классу можно отнести также задачу определения необходимого объема выборки (минимального числа исследуемых объектов), необходимого для того, чтобы сделать обоснованные выводы.

В практике научных исследований обычно имеется совокупность наблюдений (десятки, сотни, а иногда тысячи результатов измерений индивидуальных характеристик), поэтому возникает задача компактного описания имеющихся данных. Для этого используют методы описательной статистики — описания результатов с помощью различных агрегированных показателей и графиков.

Для результатов измерений в шкале отношений показатели описательной статистики можно разбить на несколько групп:

  • показатели положения — описывают положение экспериментальных данных, например, таких как максимальный и минимальный элементы выборки, среднее значение, медиана, мода и др. на числовой оси;
  • показатели разброса — описывают степень разброса данных относительно своего центра (среднего значения). К ним относятся: выборочная дисперсия, разность между минимальным и максимальным элементами (размах, интервал выборки) и др.
  • показатели асимметрии — положение медианы относительно среднего (величина разности их значений) и др.
  • гистограммы и др.

Эти показатели применяют для наглядного представления и первичного («визуального») анализа результатов измерений характеристик экспериментальной и контрольной группы.

  • 2. Изучение сходства/различий (сравнение двух выборок). Например, требуется установить, достоверно ли различие конечных состояний экспериментальной и контрольной группы в эксперименте. Или, например, задача заключается в установлении совпадений или различий характеристик двух выборок (например, требуется установить, что средние значения доходов населения в двух регионах (или средние значения производительности труда в двух отраслях народного хозяйства и т. д.) совпадают или различаются). Для этого формулируются статистические гипотезы:
    • • гипотеза об отсутствии различий (так называемая нулевая гипотеза)',
    • • гипотеза о значимости (достоверности) различий (так называемая альтернативная гипотеза).

Для принятия решения о том, какую из гипотез (нулевую или альтернативную) следует принять, используют решающие правила — статистические критерии. То есть на основании информации о результатах наблюдений (характеристиках членов экспериментальной и контрольной группы) по известным формулам вычисляется число, называемое эмпирическим значением критерия. Это число сравнивается с известным (например, заданным таблично в соответствующих книгах по математической статистике) эталонным числом, называемым критическим значением критерия.

Критические значения приводятся, как правило, для нескольких уровней значимости. Уровнем значимости называется вероятность ошибки, заключающейся в непринятии нулевой гипотезы, когда она верна, т. е. вероятность того, что различия сочтены существенными, а они на самом деле случайны.

Обычно используют уровни значимости, равные вероятности 0,05; или 0,01; или 0,001. Или, переводя в проценты, выборки не различаются с вероятностями 5; 1; 0,1 %. Соответственно, вероятности того, что выборки различаются, составят 0,95; 0,99; 0,999 или в процентах — 95, 99 и 99,9 %. В экономических, педагогических, психологических, медико-биологических экспериментальных исследованиях обычно ограничиваются значением 0,05, т. е. допускается не более чем 5 %-ная возможность ошибки {уровень достоверности различий 95 %). В естественных, технических науках чаще требуются уровни достоверности различий 99 или 99,9 %.

Прогнозирование. В энциклопедическом словаре приводится следующее определение: «Прогноз {от греч. prognosis — предвидение, предсказание) — конкретное предсказание, суждение о состоянии какого-либо явления в будущем».

Прогнозирование является функцией, неотъемлемой почти для всех этапов фазы проектирования. Известны три группы методов прогнозирования, предназначенных для практического применения — экстраполяции, экспертных оценок и логического моделирования.

Метод экстраполяции основывается на предположении, что на развитие конкретного явления в будущем будут действовать те же факторы, что и в настоящее время. Важным элементом экстраполяции является изучение временных рядов, обработка ретроспективного ряда. Применяют методы скользящего среднего, экспоненциального сглаживания.

Экстраполяция по скользящей средней может применяться для целей краткосрочного прогнозирования.

Необходимость применения скользящей средней вызывается следующими обстоятельствами. Бывают случаи, когда имеющиеся данные динамического ряда не позволяют обнаруживать какую-либо тенденцию развития (тренд) того или иного процесса (из-за случайных и периодических колебаний исходных данных). Тогда для лучшего выявления тенденции прибегают к методу скользящей средней.

Методы экспертных оценок. Необходимая для прогнозирования информация основывается на мнениях квалифицированных экспертов по тем или иным вопросам. Мнения формируются независимо друг от друга, собираются специалистами и подвергаются статистической обработке. В результате вырисовывается усредненная картина будущего, а также возможные ее варианты.

Методы логического моделирования предполагают построение логических моделей, в которых проводятся аналогии между различными по своей природе явлениями, процессами, обобщаются данные.

Выделяют поисковый и нормативный прогнозы.

Под поисковым прогнозом понимается определение возможных состояний объекта прогнозирования в будущем. Примером может служить прогноз развития возможностей использования различных видов энергии: какие новые источники энергии могут появиться, как будут использоваться известные источники и т. п. — спустя определенное количество лет.

Задача нормативного прогноза заключается в определении путей и сроков достижения желаемых состояний прогнозируемого объекта в будущем. Другими словами, нормативный прогноз согласно определению академика Новикова А.Н., — предсказания, «цель которых заключается в том, чтобы вызвать интерес и побудить к действию».

Например, имея поисковый прогноз в области энергетики, можно ставить задачу прогноза развития энергетической отрасли страны в целях обеспечения требуемого уровня потребления электроэнергии на душу населения при ограничениях на имеющиеся невозобновимые ресурсы.

Существуют две «крайности» во влиянии прогноза на реализацию проекта:

  • самоосуществляющийся прогноз — это такой прогноз, который оказывается достоверным только потому, что был сделан. Например, если государственный чиновник высокого уровня делает заявление о том, что прогнозируется существенное увеличение цен на определенный вид продукции вследствие повышения импортных пошлин, то соответствующие цены неизбежно вырастут сами по себе;
  • самоаннулирующийся прогноз — такой прогноз, который, наоборот, становится недостоверным только потому, что был сделан. Например, сформулированный в середине 80-х гг. XX в. академиком Н.Н. Моисеевым прогноз последствий ядерного конфликта между СССР и США (так называемая «модель ядерной зимы») в значительной мере способствовал заключению между этими странами соглашений о сокращении стратегических наступательных вооружений.

Выделяются активный и пассивный прогнозы. Пассивный прогноз — такой, для которого результат прогноза не влияет и, по сути, не может влиять на объект прогнозирования. Например, прогноз погоды никак на нее не может повлиять.

Если же воздействием прогноза на объект прогнозирования нельзя пренебречь (активный прогноз), тогда сам прогноз должен учесть эффект результатов прогнозирования. Следовательно, активным является любой нормативный прогноз, а также такие поисковые прогнозы, которые используются при принятии решений.

Методы моделирования

Методы моделирования систем классифицируются в порядке возрастания формализованное™ от качественных методов до количественного систематизирования. В качественных методах основное внимание уделяется организации постановки задачи, новому этапу ее формализации, формированию вариантов, выбору подходов к оценке вариантов. Количественные методы связаны с анализом вариантов, их количественными характеристиками корректности и точности. Между этими крайними классами методов имеются методы, которые стремятся охватить оба этапа, среди них: кибернетический подход к разработке адаптивных систем управления, проектирования, принятия решений, информационный подход моделирования систем, системно-структурный подход, метод ситуационного моделирования и метод имитационного динамического моделирования.

Качественные методы моделирования. Качественные методы применяются, когда отсутствует описание закономерности систем в виде аналитических зависимостей.

Наиболее распространенным «качественным» методом моделирования, применяемым в том числе в рамках комплексного прогнозирования, является метод сценариев — метод подготовки и согласования представлений о проектируемой системе, изложенных в письменном виде.

Далее по распространенности следуют деловые игры — имитационное моделирование реальных ситуаций, в процессе которого участники игры ведут себя так, будто они в реальности выполняют порученную им роль, причем сама реальность заменяется некоторой моделью. Примерами являются штабные игры и маневры военных, работа на тренажерах различных операторов технических систем (летчиков, диспетчеров электростанций и т. д.), административные игры и т. п.

Метод мозгового штурма специально разработан для получения максимального количества предложений при создании моделей.

Техника мозгового штурма такова. Собирается группа лиц, отобранных для генерации альтернатив. Главный принцип отбора — разнообразие профессий, квалификации, опыта. Такой принцип поможет расширить фонд априорной информации, которой располагает группа. Сообщается, что приветствуются любые идеи, возникшие как индивидуально, так и по ассоциации при выслушивании предложений других участников, в том числе и лишь частично улучшающие чужие идеи.

Важнейшее условие мозгового штурма — категорическое запрещение любой критики. Сама возможность критики тормозит воображение. Каждый по очереди зачитывает свою идею, остальные слушают и записывают на карточки новые мысли, возникшие под влиянием услышанного. Затем все карточки собираются, сортируются и анализируются, обычно другой группой экспертов.

Метод синектики предназначен для генерирования альтернатив путем ассоциативного мышления, поиска аналогий поставленной задаче. В противоположность мозговому штурму здесь целью является не количество альтернатив, а генерирование небольшого числа альтернатив (даже единственной альтернативы), разрешающих данную проблему.

Метод решающих матриц — один из первых методов, используемых при организации и проведении сложных экспертиз, предложен в 1966 г. Г.С. Поспеловым.

Для решения проблемы предлагается выделить основные направления исследований и указать их относительные веса. Относительные веса должны быть пронормированы. В методе решающих матриц эксперт должен указать относительный вклад каждой альтернативы более высокого уровня, непосредственно предшествующего уроню данной альтернативы.

Метод комиссий состоит в открытой дискуссии по обсуждаемой проблеме для выработки единого мнения экспертов. Коллективное мнение определяется в результате открытого или тайного голосования. В некоторых случаях к голосованию не прибегают, выявляя результирующее мнение в процессе дискуссии.

Преимущества метода комиссий: возможен рост информированности экспертов, поскольку при обсуждении эксперты приводят обоснования оценок, и обратная связь — под воздействием полученной информации эксперт может изменить первоначальную точку зрения.

 
<<   СОДЕРЖАНИЕ ПОСМОТРЕТЬ ОРИГИНАЛ   >>