- •Введение
- •1. Возникновение и развитие системных представлений
- •1.1. Предварительные замечания
- •1.2. Роль системных представлений в практической деятельности
- •Системность и алгоритмичность
- •1.3. Внутренняя системность познавательных процессов
- •Анализ и синтез в познании
- •Эволюция взглядов на системность мышления
- •1.4. Системность как всеобщее свойство материи
- •Вся природа системна
- •Системы как абстракция
- •Свойства любых систем
- •1.5. Краткий очерк истории развития системных представлений
- •Системность как объект исследования
- •Первые шаги кибернетики
- •Тектология богданова
- •Кибернетика винера
- •Попытки построения общей теории систем
- •Литература
- •Упражнения
- •Вопросы для самопроверки
- •2. Модели и моделирование
- •2.1. Широкое толкование понятия модели
- •Развитие понятия модели
- •Модель как философская категория
- •2.2. Моделирование - неотъемлемый этап всякой целенаправленной деятельности
- •Цель как модель
- •Познавательные и прагматические модели
- •Статические и динамические модели
- •2.3. Способы воплощения моделей
- •Абстрактные модели и роль языков
- •Материальные модели и виды подобия
- •Знаковые модели и сигналы
- •2.4. Условия реализации свойств моделей
- •2.5. Соответствие между моделью и действительностью: различия
- •Конечность моделей
- •Упрощенность моделей
- •Приближенность моделей
- •Адекватность моделей
- •2.6. Соответствие между моделью и действительностью: сходство
- •Истинность моделей
- •Сочетание истинного и ложного в модели
- •2.7. О динамике моделей
- •Сложности алгоритмизации моделирования
- •Естественная эволюция моделей
- •Заключение
- •Литература
- •Упражнения
- •Вопросы для самопроверки
- •3. Системы модели систем
- •3.1. Множественность моделей систем
- •3.2. Первое определение системы
- •Проблемы и системы
- •Сложности выявления целей
- •3.3. Модель "черного ящика"
- •Компоненты "черного ящика"
- •Сложности построения модели "черного ящика"
- •Множественность входов и выходов
- •3.4. Модель состава системы
- •Компоненты модели состава
- •Сложности построения модели состава
- •3.5. Модель структуры системы
- •Отношения и структуры
- •Свойство и отношение
- •3.6. Второе определение системы. Структурная схема системы
- •Структурная схема как соединение моделей
- •3.7. Динамические модели систем
- •Отображение динамики системы
- •Функционирование и развитие
- •Типы динамических моделей
- •Общая математическая модель динамики
- •Заключение
- •Упражнения
- •Вопросы для самопроверки
- •4. Искусственные и естественные системы
- •4.1. Искусственные системы и естественные объекты
- •4.2. Обобщение понятия системы. Искусственные и естественные системы
- •Структурированность естественных объектов
- •Субъективные и объективные цели
- •4.3. Различные классификации систем
- •Классификация систем по их происхождению
- •Типы переменных системы
- •Типы операторов системы
- •Типы способов управления
- •4.4. О больших и сложных системах
- •Ресурсы управления и качество системы
- •Различение больших и сложных систем
- •Другие подходы к понятию сложности
- •Заключение
- •Литература
- •Упражнения
- •Вопросы для самопроверки
- •5. Информационные аспекты изучения систем
- •5.1. Информация как свойство материи
- •5.2. Сигналы в системах
- •Понятие сигнала
- •Типы сигналов
- •5.3. Случайный процесс - математическая модель сигналов
- •Непредсказуемость - основное свойство сигналов
- •Классы случайных процессов
- •5.4. Математические модели реализации случайных процессов
- •Моделирование конкретных реализации
- •Некоторые модели ансамбля реализации
- •5.5. О некоторых свойствах непрерывных сигналов
- •Частотно-временное представление сигналов
- •Дискретное представление сигналов
- •5.6. Энтропия
- •Понятие неопределенности
- •Энтропия и ее свойства
- •Дифференциальная энтропия
- •Фундаментальное свойство энтропии случайного процесса
- •5.7. Количество информации
- •Количество информации как мера снятой неопределенности
- •Количество информации как мера соответствия случайных объектов
- •Свойства количества информации
- •Единицы измерения энтропии и количества информации
- •Количество информации в индивидуальных событиях
- •5.8. Об основных результатах теории информации
- •Избыточность
- •Скорость передачи и пропускная способность
- •Кодирование в отсутствие шумов
- •Кодирование при наличии шумов
- •Пропускная способность гауссова канала связи
- •Заключение
- •Литература
- •Упражнения
- •Вопросы для самопроверки
- •6. Роль измерений в создании моделей систем
- •6.1. Эксперимент и модель
- •Классическое представление об эксперименте
- •Современное понятие эксперимента
- •6.2. Измерительные шкалы
- •Шкалы наименований
- •Порядковые шкалы
- •Модифицированные порядковые шкалы
- •Шкалы интервалов
- •Шкалы отношений
- •Шкалы разностей
- •Абсолютная шкала
- •Согласование шкалы с природой наблюдений
- •О других шкалах
- •6.3. Расплывчатое описание ситуаций
- •Понятие расплывчатости
- •Основные понятия теории расплывчатых множеств
- •6.4. Вероятностное описание ситуации. Статистические измерения
- •Понятие случайной неопределенности
- •О природе случайности
- •Статистические измерения
- •6.5. Регистрация экспериментальных данных и ее связь с последующей их обработкой
- •Классификационные модели
- •Числовые модели
- •Особенности протоколов наблюдений
- •Заключение
- •Литература
- •Упражнения
- •Вопросы для самопроверки
- •7. Выбор (принятие решений)
- •7.1. Многообразие задач выбора
- •Выбор как реализация цели
- •Множественность задач выбора
- •7.2. Критериальный язык описания выбора
- •Выбор как максимизация критерия
- •Сведение многокритериальной задачи к однокритериальной
- •Условная максимизация
- •Варианты оптимизации при разноважных критериях
- •Выбор между упорядочениями
- •Поиск альтернативы с заданными свойствами
- •Нахождение паретовского множества
- •7.3. Описание выбора на языке бинарных отношений
- •Способы задания бинарных отношений
- •Отношения эквивалентности, порядка и доминирования
- •Об оцифровке порядковых шкал
- •7.4. Язык функций выбора
- •Функции выбора как математический объект
- •Ограничения на функции выбора
- •7.5. Групповой выбор
- •Описание группового выбора
- •Различные правила голосования
- •Парадоксы голосования
- •7.6. Выбор в условиях неопределенности
- •Задание неопределенности с помощью матрицы
- •Критерии сравнивания альтернатив при неопределенности исходов
- •Общее представление о теории игр
- •7.7. О выборе в условиях статистической неопределенности
- •Статистические решения как выбор
- •Общая схема принятия статистических решений
- •Понятие об основных направлениях математической статистики
- •Правила "статистической техники безопасности"
- •7.8. Выбор при расплывчатой неопределенности
- •Многокритериальный выбор в расплывчатой ситуации
- •Некритериальные задачи расплывчатого выбора
- •7.9. Достоинства и недостатки идеи оптимальности
- •Достоинства оптимизационного подхода
- •Ограниченность оптимизационного подхода
- •7.10. Экспертные методы выбора
- •Факторы, влияющие на работу эксперта
- •Методы обработки мнений экспертов
- •Метод "делфи"
- •7.11. Человеко-машинные системы и выбор
- •Пакеты прикладных программ для выбора
- •Базы знаний, экспертные системы
- •Системы поддержки решений
- •7.12. Выбор и отбор
- •Повторный выбор
- •Основные идеи теории элитных групп
- •Процедура "претендент- рекомендатель"
- •Процедуры "прополка" и "снятие урожая"
- •Процедура "делегирование"
- •Литература
- •Упражнения
- •Вопросы для самопроверки
- •8. Декомпозиция и агрегирование как процедуры системного анализа
- •8.1. Анализ и синтез в системных исследованиях
- •Сочетание анализа и синтеза в системном исследовании
- •Особенности синтетических методов
- •8.2. Модели систем как основания декомпозиции
- •Содержательная модель как основание декомпозиции
- •Связь между формальной и содержательной моделями
- •Проблема полноты моделей
- •8.3. Алгоритмизация процесса декомпозиции
- •Компромиссы между полнотой и простотой
- •Типы сложности
- •Алгоритм декомпозиции
- •8.4. Агрегирование, эмерджентность, внутренняя целостность систем
- •Эмерджентность как результат агрегирования
- •8.5. Виды агрегирования
- •Конфигуратор
- •Агрегаты-операторы
- •Классификация как агрегирование
- •Функция нескольких переменных как агрегат
- •Статистики как агрегаты
- •Агрегаты-структуры
- •Заключение
- •Литература
- •Упражнения
- •Вопросы для самопроверки
- •9. О неформализуемых этапах системного анализа
- •9.1. Что такое системный анализ
- •Разнородные знания и системный анализ
- •Системный анализ как прикладная диалектика
- •9.2. Формулирование проблемы
- •Превращение проблемы в проблематику
- •Методы построения проблематики
- •9.3. Выявление целей
- •Опасность подмены целей средствами
- •Влияние ценностей на цели
- •Множественность целей
- •Опасность смешения целей
- •Изменение целей со временем
- •9.4. Формирование критериев
- •Критерии как модель целей
- •Причины многокритериальности реальных задач
- •Критерии и ограничения
- •9.5. Генерирование альтернатив
- •Способы увеличения числа альтернатив
- •Создание благоприятных условий
- •Способы сокращения числа альтернатив
- •Мозговой штурм
- •Синектика
- •Разработка сценариев
- •Морфологический анализ
- •Деловые игры
- •9.6. Алгоритмы проведения системного анализа
- •Трудности алгоритмизации системного анализа
- •Компоненты системных исследований
- •9.7. Претворение в жизнь результатов системных исследований
- •Внедрение результатов системного анализа в практику
- •Необходимость методологии внедрения
- •Рост и развитие
- •Условие добровольности участия в анализе
- •Роль отношений между участниками анализа
- •Проблемы и способы их решения
- •Роль этики в системном анализе
- •9.8. О специфике социальных систем
- •Несводимость социальных законов к биологическим и физическим
- •Существуют ли исторические закономерности?
- •"Мягкая" методология в системном анализе
- •Согласие при разногласиях
- •Учитывать будущее
- •Неожиданность как следствие сложности
- •Заключение
- •Литература
- •Вопросы для самопроверки
- •Краткий словарь специальных терминов
-
Порядковые шкалы
Следующей по силе за номинальной шкалой; является порядковая шкала (используется также название ранговая шкала). Этот класс шкал появляется, если кроме аксиом тождества 1°-3°-классы удовлетворяют следующим аксиомам упорядоченности:
4°. Если А В, то либо А>В, либо В>А.
5°. Если А>В и В>С, то А>С.
Обозначив такие классы символами и установив между этими символами те же отношения порядка, мы получим шкалу совершенного порядка. Примерами применения такой шкалы являются нумерация очередности, воинские звания, призовые места в конкурсе.
Иногда оказывается, что не каждую пару классов можно упорядочить по предпочтению: некоторые пары считаются равными. В таком случае аксиомы 4° и 5° видоизменяются.
4°. Либо А В, либо А В.
5°. Если А В и В С, то А С.
Шкала, соответствующая аксиомам 4' и 5', называется шкалой .квазипорядка. Примером шкалы квазипорядка служит упорядочение по степени родства с конкретным лицом (мать = отец > сын = дочь, дядя = тетя < брат = сестра и т.п.).
Иная ситуация возникает, когда имеются пары классов, несравнимые между собой, т.е. ни А<В, ни В<А (это отличается от условия квазипорядка, когда одновременно А>В и В>А, т.е. А=В) . В таком случае говорят о шкале частичного порядка. Шкалы частичного порядка часто возникают в социологических исследованиях субъективных предпочтений. Например, при изучении покупательского спроса субъект часто не в состоянии оценить, какой именно из двух разнородных товаров ему больше нравится (например, клетчатые носки или фруктовые консервы, велосипед или магнитофон и т.д.); затрудняется человек и упорядочить по предпочтению любимые занятия (чтение литературы, плавание, вкусная еда, слушание музыки...).
Как видим, порядковые шкалы могут быть различными. В зависимости от того, каким аксиомам упорядоченности отвечают рассматриваемые объекты, мы должны пользоваться либо шкалой совершенного, либо шкалой частичного порядка. Однако разнообразие порядковых шкал этим не исчерпывается. Иногда число градаций в шкале задается заранее, и эксперимент лишь определяет, к какому из упорядоченных классов относится наблюдаемый объект (например, оценка на экзамене, сила землетрясения, воинское звание и т.п.). В других случаях эталонные классы отсутствуют, а упорядочение проводится непосредственным попарным сравнением самих рассматриваемых объектов (например, выстраивание солдат в шеренгу по росту, определение мест в результате спортивных соревнований, музыкальных конкурсов и т. д.).
Очень важно обратить внимание на то, что отношение порядка ничего не говорит о "дистанциях" между сравниваемыми классами или объектами. Это придает порядковым шкалам характерную особенность: наблюдения, зафиксированные в таких шкалах, не являются числами. Даже если экспериментальные данные представлены цифрами (как школьные баллы, номера мест, занятых в соревновании, и т.п.), эти данные нельзя рассматривать как числа. Над ними нельзя производить арифметические операции и вообще любые действия, результат которых изменится при преобразованиях шкалы, не нарушающих порядка. Например, нельзя вычислять среднее арифметическое порядковых измерений (х1, ... , хi, ... , хn), так как переход к монотонно преобразованной шкале х'=f(х) (сохраняющей данную упорядоченность) после усреднения даст величину n-1ixi'=n-1ixi. Между тем не все это знают; ярким примером такого широко распространенного заблуждения являлось использование в школах и вузах в недавнем прошлом (а кое-где продолжающееся и сейчас) "средних баллов". Правда, сразу было замечено, что средний балл, худо-бедно "работавший" в руках одного учителя, в рамках одного класса переставал играть роль объективного показателя при сравнении выпускников разных школ. Во всяком случае непродуманно введенный ранее учет средних школьных баллов при проведении конкурса для поступления в высшие учебные заведения был недавно отменен.
Допустимые операции над порядковыми наблюдениями вытекают из отношений, определяющих эти шкалы, т.е. из отношений эквивалентности и предпочтения. Допустимые операции представляют собой только операции проверки выполнимости этих отношений. Операция проверки принадлежности наблюдения к заданному классу (или неразличимости двух наблюдений) была уже введена выше. при рассмотрении номинальной шкалы, как символ Кронекера ij, где один индекс-номер наблюдения, а другой - номер класса или другого наблюдения (в зависимости от типа порядковой шкалы). Операция проверки отношения предпочтения тоже может быть формализована. Введем индикаторную функцию Сij предпочтения для упорядоченной пары индексов (i, j), а именно: Сij={1, если объект с индексом i предпочтительнее объекта с индексом j или эквивалентен ему; 0, если верно обратное предпочтение }. В результате по значению бинарной функции Сij мы можем однозначно судить о порядке предъявленных объектов. Как и ранее, в зависимости от типа шкалы, один объект - данное наблюдение, а другой - либо некоторый класс, либо другое наблюдение.
Итак, непосредственно над порядковыми данными можно производить только операции по определению величин ij и Сij. Результаты этих операций являются двоичными числами; над ними уже можно производить арифметические и логические операции. Например, если i, j - номера наблюдений в совокупности данных (x1, ... , хi , ... , хn), то мы можем установить номер i-го наблюдения в упорядоченном ряду: Ri=jCij, . Этот номер называется рангом i-го объекта; отсюда происходит специальное название для данного типа порядковых шкал -ранговые. Если имеет место квазипорядок, то часть наблюдений может совпадать (в статистике такая группа наблюдений называется связкой), и все члены связки получают одинаковый (старший для них) ранг. Когда это неудобно, прибегают либо к присвоению ранга, среднего для данной связки (мидранга), либо присваивают ранги от младшего до старшего случайным образом.
С числами ij и Сij можно выполнять и другие необходимые операции. Кроме нахождения частот и мод (как и для номинальной шкалы), появляется возможность определить выборочную медиану (т.е. наблюдение с рангом Ri ближайшим к числу п/2) можно разбить всю выборку на части в любой пропорции, находя выборочные квантили любого уровняв, 0<р<1 (т.е. наблюдения с рангом Ri ближайшим к величине np); можно определить коэффициенты ранговой корреляции между двумя сериями порядковых наблюдений (Спирмэна, Кендалла); строить другие статистические процедуры.
Подчеркнем еще раз, что даже в тех случаях, когда состояния, которые допускают только порядковые сравнения, в эксперименте измеряются через величины, связанные с ними косвенно, но фиксируемые в числовых шкалах, эти измерения все равно остаются измерениями в порядковой шкале. Пфанцагль [6] приводит наглядные примеры, иллюстрирующие сказанное.
Первый пример взят из медицины. Известно, что за показатель интенсивности патологического процесса принимается скорость выпадения осадка при добавлении в пробирку с кровью цитрата натрия; скорость осаждения измеряется в миллиметрах в единицу времени. Идея такого измерения основана на том, что увеличение интенсивности патологического процесса приводит к повышению содержания глобулина, что увеличивает скорость выпадения осадка. Поэтому высота слоя осадка за данный интервал времени монотонно связана с интенсивностью исследуемого патологического процесса. Функциональный вид этой связи неизвестен, для разных лиц различен и нелинеен: изменение количества цитрата натрия или времени осаждения приводит к непропорциональным изменениям высоты осадка. Теперь предположим, что для одного больного лекарство A привело к уменьшению осадка с 75 до 60 мм, а для другого лекарство B - с 65 до 55 мм. Отсюда нельзя заключать, что лекарство А эффективнее, так как оно привело к уменьшению осадка на 15 мм, а лекарство B -только на 10!
В качестве второго примера рассматривается испытание умственных способностей, при котором измеряется время, затрачиваемое испытуемым на решение тестовой задачи. В таких экспериментах время хотя и измеряется в числовой шкале, но как мера интеллекта принадлежит порядковой шкале.
Выше мы не без умысла к названию порядковой шкалы присоединяли слова "в строгом смысле". Суть состоит в том, что порядковые в строгом смысле шкалы определяются только для заданного набора сравниваемых объектов, у этих шкал нет общепринятого, а тем более абсолютного стандарта. Поэтому при определенных условиях правомерно выражение "первый в мире, второй в Европе" - просто чемпион мира занял второе место на всеевропейских соревнованиях.