- •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
-
Согласование шкалы с природой наблюдений
В табл. 6.1 приведены основные сведения о всех рассмотренных в данном параграфе измерительных шкалах. Можно сказать, что чем сильнее шкала, в которой производятся измерения, тем больше сведений об изучаемом объекте., явлении, процессе дают измерения. Поэтому так естественно стремление каждого исследователя провести измерения в возможно более сильной шкале. Однако важно иметь в виду, что выбор шкалы измерения должен ориентироваться на объективные отношения, которым подчинена наблюдаемая величина, и лучше всего производить измерения в той шкале, которая максимально согласована с этими отношениями. Можно измерять и в шкале, более слабой, чем согласованная (это приведет к потере части полезной информации), но применять более сильную шкалу опасно: полученные данные на самом деле не будут иметь той силы, на которую ориентируется их обработка.
Аналогичная ситуация имеет место и после того, как проведены измерения. У исследователя могут быть причины, побуждающие его преобразовать протокол наблюдений, переведя их из одной шкалы в другую. Если при этом данные переводятся в более слабую шкалу, то обычно исследователь отдает себе отчет в том, что в результате происходит некоторое ухудшение качества выводов. Иногда же исследователи усиливают шкалы; типичный случай - "оцифровка" качественных шкал:
классам в номинальной или порядковой шкале присваиваются номера, с которыми дальше "работают" как с числами. Если в этой обработке не выходят за пределы допустимых преобразований, то "оцифровка" - это просто перекодировка в более удобную (например, для ЭВМ) форму. Однако применение других операций сопряжено с заблуждениями и ошибками, так как свойства, навязываемые подобным образом, на самом деле не имеют места.
-
О других шкалах
Обширный опыт наблюдений в разнообразных областях науки и практики нередко приводил к целесообразности использования шкал, отличающихся от рассмотренных выше. Обсудим наиболее важные и интересные из них.
Таблица 6.1. Итоговая таблица измерительных шкал
Название шкалы |
Определяющие отношения |
Эквивалентное преобразование шкал |
Допустимые операции надданными (первичная обработка) |
Вторичная обработка данных |
Номинальная |
Эквивалентность |
Перестановки наименований |
Вычисление символа Кронекера ij |
Вычисление относительных частот и операций над ними |
Порядковая |
Эквивалентность: предпочтение |
Не изменяющее порядка (монотонное) |
Вычисление ij, рангов Ri |
Вычисление относительных частот и выборочных квантилей, операции над ними |
Интерва льная |
Эквивалентность: предпочтение: сохранение отношения интервалов; |
Линейное преобразование у=aх+b a>0; b R, |
Вычисление ij, рангов Ri и интервалов (разностей между наблюдениями) |
Арифметические действияная интервалами |
Циклическая |
Эквивалентность: предпочтение: сохранение отношения интервалов; периодичность |
Сдвиг у=x+nh;. h=const, п=0.1,2,... |
То же. что и для интервальной шкалы |
То же, что и для периодичность |
Отношений |
Эквивалентность; предпочтение; сохранение отношения интервалов; сохранение отно шения двух значений |
Растяжение у=ax, a>0 |
Все арифметические операции |
Любая подходящая обработка |
Абсолютная |
Эквивалентность; предпочтение; сохранение отношения интервалов: сохранение отношения двух значений; абсолютная и безразмерная единица; абсолютный нуль |
Шкала уникальна |
Все арифметические операции: использование в качестве показателя степени, основания и аргумента логарифма |
Любая необходимая обработка |
Очень распространены измерения непрерывных величин, возможные значения которых образуют континуум. По ряду причин результат наблюдения такой величины всегда фиксируется с "округлением", с конечной точностью, т.е. так, как будто наблюдаемая величина дискретна. Иногда эта точность связана лишь с выбором числа разрядов в записи наблюдения, и ее можно увеличить, просто наращивая число значащих цифр (что часто делается в компьютерных расчетах). Однако в научных и технических измерениях эта точность ограничивается не тем, на сколько еще частей можно разделить каждое деление шкалы, а классом точности самого прибора.
В связи с этим следует различать шкалы, в которых измеряются величины, дискретные по своей природе (например, измерение энергии с точностью до квантов в физике элементарных частиц, подсчет поголовья скота, количества деревьев на данной площади и т.п.), и шкалы, в которых измеряются с конечной точностью непрерывные величины (масса, длина, напряжение, время и т. д.). Первые будем называть дискретными шкалами, вторые - дискретизованными. Обращение с данными в дискретизованной шкале имеет свои особенности. Важно, что в таких измерениях нельзя фиксировать дробные части деления шкалы, даже если стрелка прибора остановилась между метками: класс точности прибора не гарантирует различения внутри интервала точности. Казалось бы, последующая статистическая обработка совокупности неточных наблюдений может дать повышение точности за счет усреднения. Однако это верно не во всех случаях: все зависит от того, какой параметр раснреде-ления данных мы оцениваем, и не изменяет ли погрешность этот параметр, Другими словами, вопрос о влиянии дискредитации на конечный результат не является тривиальным.
Известны случаи, когда "ухудшение" измерения в дискретизованной шкале на самом деле улучшает результат. Например, при определении координат звезд при проектировании изображения участка неба на светочувствительную матрицу, рекомендуется расфокусировать изображение так, чтобы световое пятно от звезды охватывало несколько пикселов ( ячеек) матрицы. Это увеличивает точность определения положения звезды. Другой интересный эффект дискретизации заключается в том, что при искажении измеряемого параметра распределения наблюдений существует некоторое число усредняемых наблюдений, превышение которого может лишь ухудшить точность конечного результата.
Еще один практически важный класс шкал - нелинейные. Так называются шкалы, в которых интервалы не удовлетворяют условиям аддитивности. Иначе говоря, "цена" единичного деления такой шкалы зависит от того, в какой части шкалы находится это деление. Примерами могут служить квадратичная, логарифмическая, экспоненциальная шкалы, "вероятностная бумага", многие номограммы. Причины введения нелинейных шкал могут быть как объективными (например, нелинейность измерительного прибора, большой динамический диапазон измеряемой величины), так и субъективными (удобство и наглядность представления данных, желание подчеркнуть некоторые детали полученной зависимости и т.д.). Обработка данных, зафиксированных в таких шкалах, требует учета конкретного характера нелинейности. Следует иметь в виду и то, что некоторые из нелинейных преобразований могут ненамеренно изменить силу шкалы. Например, в акустике и радиотехнике часто отношение мощностей сигналов представляется в децибелах: N[дб]=10 lg(P2/P1) . Мощности P2 и P1 измеряются в шкале отношений, следовательно, все операции, необходимые для получения количества децибел, допустимы. Однако величина N принадлежит шкале интервалов, нто должно учитываться при дальнейшем оперировании с нею (например, нельзя говорить, что мощность данного сигнала равна такому-то количеству децибел и не указать, в сравнении с чем).
Обратим внимание на еще одну особенность типовых шкал. Бросается в глаза резкое, принципиальное отличие между "слабыми" качественными шкалами - номинальной и порядковой - и "сильными" количественными шкалами - интервалов, разностей, отношений, абсолютной. Кажущееся очевидным различие между "качеством" и "количеством", несводимость одного к другому, применительно к измерительным шкалам вдруг теряет очевидность. Во всяком случае возникает интригующий вопрос: является ли переход от качественных шкал к количественным принципиально скачкообразным, или существует возможность путем пошагового усиления порядковой шкалы "плавно" дойти до интервальной? Возможность постепенного усиления открывается в связи с введением, наряду с упорядочением альтернатив, понятия силы предпочтения. Речь идет о возможности сравнения "расстояний" между упорядоченными альтернативами. Ясно, что как только эти расстояния начнут изменяться в числовых шкалах, так и шкала в целом станет числовой (напомним, что формальное определение интервальной шкалы вводилось именно через определение интервала). Отказ от сравнения сил предпочтения оставляет нас в рамках порядковой шкалы. Существует и промежуточный вариант: сравнивать различия между альтернативами в порядковой шкале. Это - явное усиление шкалы, не переводящее ее, однако, в разряд количественной. Такую шкалу называют шкалой гиперупорядочения. Дальнейшее усиление состоит в том, чтобы упорядочивать силы предпочтения сил предпочтения и т.д. Сходится ли такая последовательность порядковых шкал хотя бы в пределе к числовой шкале, и при каких требованиях к нечисловому характеру сил предпочтения - остается пока математически открытым вопросом.
Как пример нетривиального усиления порядковой шкалы при числовом характере сил предпочтения, изложим идею шкалы Черчмена и Акоффа на частном примере.
Пусть имеется четыре предмета. Сначала опрашиваемый упорядочивает их в порядке предпочтения: А В C D. Затем его просят поставить в соответствие (приписать) предметам любые числа между нулем и единицей, выразив грубо "силу" предпочтения. Пусть результат таков: A/1.00 B/0.85 C/0.75 D/0.20
Целью является уточнение с помощью дальнейших вопросов действительной силы предпочтений опрашиваемого. Например, что он предпочитает, А или В, С и D вместе взятые. Результат необходимо как-то отразить в весовых коэффициентах. Делается предположение, что весовой коэффициент совокупности альтернатив равен сумме их весовых коэффициентов. Если, например, A>(В С D), приписывают новые коэффициенты: A/1.00 B/0.65 C/0.20 D/0.10
Далее спрашивают, как упорядочиваются В и (С D). Если, по мнению опрашиваемого, С D>В, то уменьшают вес В так, чтобы он был меньше суммы весов С и D: A/1.00 B/0.25 C/0.20 D/0.10
Другие начальные веса при указанных вопросах и ответах могут остаться неизменными, если они сразу отвечали указанным требованиям. Например: A/1.00 B/0.33 C/0.33 D/0.33 или A/1.00 B/0.04 C/0.03 D/0.03
Чтобы сократить перебор комбинаций при уточнении шкалы, авторы метода предлагают наиболее предпочтительной альтернативе приписывать единичный вес, а остальные группировать по три и действовать по указанной методике. Если и при этом количество перебираемых комбинаций окажется большим (что неизбежно при большом числе упорядочиваемых объектов), то можно прибегнуть к неполному перебору, применив случайный механизм выбора троек и установив критерий прекращения пересчета весов.
Основным предметом критики порядковой шкалы Черчмена и Акоффа является тот факт, что предположение об аддитивности весов предпочтения в психологии нередко не выполняется: скажем, опрашиваемый может оценивать смесь меда с дегтем иначе, чем суммой весов меда и дегтя в отдельности; то же может относиться и к оценке хлеба с маслом и хлеба и масла в отдельности.
Интересно отметить, что несмотря на задание сил предпочтения в шкале отношений (так как к ним применяются операции сложения и деления), результирующая шкала определяется только приблизительно, остается оценочной. Это прежде всего связано с тем, что опрашиваемый не в состоянии точно описать силы своих предпочтений, и задаваемые им числа являются лишь интуитивными приближениями.
Подведем итог: Основные результаты данного параграфа сведены в табл. 6.1, которая отражает главные особенности каждой измерительной шкалы.