定性指标量化.pptx
《定性指标量化.pptx》由会员分享,可在线阅读,更多相关《定性指标量化.pptx(37页珍藏版)》请在冰豆网上搜索。
,12/7/2019,1,21世纪的社会是信息社会,其影响最终将要比十九世纪由农业社会转向工业社会更加深刻。
“一个国家总的信息流的平均增长与工业潜力的平方成正比”。
信息资源与自然资源和物质资源被称为人类生存与发展的三大资源。
数据处理与数据建模方法,数据处理与数据建模方法实际中大量信息或海量信息对应着大量的数据或海量数据,从这些数据中寻求所需要的问题答案-数据建模问题。
通过实际对象过去或当前的相关信息,研究两个方面问题:
分析研究实际对象所处的状态和特征,依此做出评价和决策;分析预测实际对象未来的变化状况和趋势,为科学决策提供依据。
12/7/2019,2,数据处理与数据建模方法,.数据建模的综合排序方法.数据建模的预测方法,12/7/2019,3,实际对象都客观存在着一些反映其特征的相关数据信息;如何综合利用这些数据信息对实际对象的现状做出综合评价,或预测未来的发展趋势,制定科学的决策方案?
-数据建模的综合评价、综合排序、预测与决策等问题。
数据建模一般问题的提,12/7/2019,4,出:
一、数据建模的一般问题,一般,一、数据建模的一般问题,12/7/2019,5,综合评价是科学、合理决策的前提。
综合评价的基础是信息的综合利用。
综合评价的过程是数据建模的过程。
数据建模的基础是数据的标准化处理。
如何构成一个综合评价问题呢?
一、数据建模的一般问题综合评价:
依据相关信息对实际对象所进行的客观、公正、合理的全面评价。
如果把被评价对象视为系统,则问题:
在若干个(同类)系统中,如何确定哪个系统的运行(或发展)状况好,哪个状况差?
即哪个优,哪个劣?
一类多属性(指标)的综合评价问题。
12/7/2019,6,综合评价问题的五个要素,12/7/2019,7,
(1)被评价对象:
被评价者,统称为评价系统。
(2)评价指标:
反映被评价对象的基本要素,一起构成评价指标体系。
原则:
系统性、科学性、可比性、可测性和独立性。
(3)权重系数:
反映各指标之间影响程度大小的度量。
综合评价模型:
将评价指标与权重系数综合成一个整体指标的模型。
评价者:
直接参与评价的人。
综合评价过程的流程,12/7/2019,8,二、数据处理的一般方法,1.数据类型的一致化处理方法,极大型:
期望取值越大越好;极小型:
期望取值越小越好;中间型:
期望取值为适当的中间值最好;区间型:
期望取值落在某一个确定的区间内为最好。
什么是一致化处理?
为什么要一致化?
12/7/2019,9,二、数据处理的一般方法,1.数据类型的一致化处理方法,12/7/2019,10,二、数据处理的一般方法,1.数据类型的一致化处理方法,12/7/2019,11,2.数据指标的无量纲化处理方法,二、数据处理的一般方法,标准差法:
极值差法:
(3)功效系数法:
12/7/2019,12,二、数据处理的一般方法,3.模糊指标的量化处理方法在实际中,很多问题都涉及到定性,或模糊指标的定量处理问题。
诸如:
教学质量、科研水平、工作政绩、人员素质、各种满意度、信誉、态度、意识、观念、能力等因素有关的政治、社会、人文等领域的问题。
如何对有关问题给出定量分析呢?
12/7/2019,13,二、数据处理的一般方法,3.定性指标的量化处理方法按国家的评价标准,评价因素一般分为五个等级,如A,B,C,D,E。
如何将其量化?
若A-,B+,C-,D+等又如何合理量化?
根据实际问题,构造模糊隶属函数的量化方法是一种可行有效的方法。
12/7/2019,14,假设有多个评价人对某项因素评价为A,B,C,D,E共5个等级:
v1,v2,v3,v4,v5。
譬如:
评价人对某事件“满意度”的评价可分为很满意,满意,较满意,不太满意,很不满意将其5个等级依次对应为5,4,3,2,1。
这里为连续量化,取偏大型柯西分布和对数函数作为隶属函数:
二、数据处理的一般方法,12/7/2019,15,二、数据处理的一般方法,3.定性指标的量化处理方法,12/7/2019,16,二、数据处理的一般方法,3.定性指标的量化处理方法,根据这个规律,对于任何一个评价值,都可给出一个合适的量化值。
据实际情况可构造其他的隶属函数。
如取偏大型正态分布。
12/7/2019,17,模糊定性指标量化的应用案例,12/7/2019,18,CUMCM2003-A,C:
SARS的传播问题CUMCM2004-D:
公务员招聘问题;CUMCM2005-B:
DVD租赁问题;CUMCM2008-B:
高教学费标准探讨问题;CUMCM2008-D:
NBA赛程的分析与评价问题;CUMCM2009-D:
会议筹备问题。
三、数据建模的综合评价方法,1.线性加权综合法,适用条件:
各评价指标之间相互独立。
对不完全独立的情况,其结果将导致各指标间信息的重复,使评价结果不能客观地反映实际。
主要特点:
各评价指标间作用得到线性补偿;权重系数的对评价结果的影响明显。
12/7/2019,19,2.非线性加权综合法,三、数据建模的综合评价方法,12/7/2019,20,主要特点:
突出了各指标值的一致性,即平衡评价指标值较小的指标影响的作用;权重系数大小的影响不是特别明显,而对指标值的大小差异相对较敏感。
三、数据建模的综合评价方法,3.逼近理想点(TOPSIS)方法,12/7/2019,21,三、数据建模的综合评价方法,3.逼近理想点(TOPSIS)方法,12/7/2019,22,返回,三、数据建模的综合评价方法,3.逼近理想点(TOPSIS)方法,12/7/2019,23,综合评价方法的应用案例,12/7/2019,24,CUMCM1993-B:
足球队排名问题;CUMCM2001-B:
公交车调度问题;CUMCM2002-B:
彩票中的数学问题;CUMCM2004-D:
公务员招聘问题;CUMCM2005-A:
长江水质的评价和预测问题;CUMCM2005-C:
雨量预报方法评价问题;CUMCM2006-B:
艾滋病疗法评价与预测问题;CUMCM2007-C:
手机“套餐”优惠几何问题;CUMCM2008-B:
高教学费标准探讨问题;CUMCM2008-D:
NBA赛程的分析与评价问题;CUMCM2009-D:
会议筹备问题。
四、数据建模的动态加权综合方法,1.动态加权问题的一般提法,问题:
如何对n个系统做出综合评价呢?
12/7/2019,25,四、数据建模的动态加权方法,1.动态加权问题的一般提法注意:
问题对于每一个属性而言,既有不同类别的差异,同类别的又有不同量值的差异。
对于既有“质差”,又有“量差”的问题,合理有效的方法是动态加权综合评价方法。
12/7/2019,26,四、数据建模的动态加权方法,2.动态加权函数的设定,12/7/2019,27,四、数据建模的动态加权方法,2.动态加权函数的设定,12/7/2019,28,返回,四、数据建模的动态加权方法,2.动态加权函数的设定,12/7/2019,29,四、数据建模的动态加权方法,3.动态加权的综合评价模型,12/7/2019,30,五、数据建模的综合排序方法,1.综合排序问题的一般提法,问题:
如何给出n个系统的最终排序结果呢?
12/7/2019,31,五、数据建模的综合排序方法,2.综合排序问题的方法,12/7/2019,32,动态加权与综合排序的应用案例,12/7/2019,33,动态加权的综合排序案例:
CUMCM2002-B:
彩票中的数学问题;CUMCM2005-A:
长江水质的评价和预测问题;综合评价的排序案例:
CUMCM1993-B:
足球队排名问题;CUMCM2008-D:
NBA赛程的分析与评价问题;CUMCM2009-D:
会议筹备问题。
六、数据建模的常用预测方法,12/7/2019,34,1.插值与拟合方法:
小样本内部预测;应用案例:
(1)CUMCM2001-A:
血管的三维重建问题;
(2)CUMCM2003-A,C:
SARS的传播问题;(3)CUMCM2004-C:
饮酒驾车问题;(4)CUMCM2005-A:
长江水质的评价与预测;(5)CUMCM2005-D:
雨量预报方法的评价;(6)CUMCM2006-B:
艾滋病疗法的评价与预测。
六、数据建模的常用预测方法,12/7/2019,35,2.回归模型方法:
大样本的内部预测;应用案例:
CUMCM2004-A:
奥运临时超市网点设计;CUMCM2004-B:
电力市场的输电阻塞管理;CUMCM2005-A:
长江水质的评价与预测;CUMCM2006-B:
艾滋病疗法的评价与预测;CUMCM2008-B:
高教学费标准探讨问题。
六、数据建模的常用预测方法,12/7/2019,36,3.灰预测GM(1,1):
小样本的未来预测;CUMCM2003-A:
SARS的传播问题;CUMCM2005-A:
长江水质的评价与预测;CUMCM2006-B:
艾滋病疗法的评价与预测;CUMCM2008-B:
高教学费标准探讨问题。
4.时间序列方法:
大样本的随机因素或周期特征的未来预测;CUMCM2003-A:
SARS的传播问题;CUMCM2005-A:
长江水质的评价与预测;CUMCM2006-B:
艾滋病疗法的评价与预测。
5.神经网络方法:
大样的未来预测,具体详细的方法与内容请见韩中庚编著的数学建模方法及其应用(第二版),高等教育出版社,2009。
12/7/2019,37,