7. Нерациональное поведение при принятии решений

1. Суждение по представительности. Люди часто судят о вероятности того, что объект А принадлежит к классу В только по похожести А на типовой объект класса В. Они почти не учитывают априорные вероятности, влияющие на эту принад­лежность. В одном из опытов испытуемым дали краткие опи сания субъектов из группы в составе 100 человек и попросили определить вероятности того, что рассматриваемый субъект является юристом или инженером при условиях: 1) в группе 70 инженеров и 30 юристов; 2) в группе 30 инженеров и 70 юри­ стов. Ответы были примерно одинаковы. В других эксперимен тах было показано, что люди ориентируются только на пред­ставительность, не учитывая даже размер выборки, по которой выносится суждение.

2. Суждение по встречаемости. Люди часто определяют вероятности событий по тому, как часто они сами сталкивались с этими событиями и насколько важными для них были эти встречи. Так, в одном из опытов испытуемые оценили вероят ности нахождения буквы «к» в английских словах на первом и третьем месте. Большинству людей было легче вспомнить слова с буквой «к» на первом месте, и они определили соответствую щую вероятность как большую, хотя в действительности спра ведливо обратное (на третьем месте буква «к» встречается зна чительно чаще). Тверский и Канеман отмечают, что многие люди, видимо, верят в «закон малых чисел», утверждающий, что малая выборка хорошо характеризует все множество.

3. Суждение по точке отсчета. Если при определении ве роятностей используется начальная информация как точка от счета, то она существенно влияет на результат. Так, при оценках вероятностей событий группам людей давали завышенные и заниженные начальные значения и просили их скорректиро вать. Средние по группам ответы существенно различались.

4. Сверхдоверие. В экспериментах было показано, что люди чрезмерно доверяют своим суждениям, особенно в случаях, ко гда они выносят суждение о прошлых событиях. Люди пере оценивали свои суждения о вероятностях редких явлении при роды, о вероятностях изменений курса акций на бирже и т. д. Они были настолько уверены в своих суждениях, что рискова ли определенными суммами денег.

5. Стремление к исключению риска. Многочисленные ра боты показывают, что как в экспериментах, так и в реальных ситуациях люди стремятся исключить альтернативы, связан ные с риском. Они соглашаются на средние (и хуже средних) альтернативы, только чтобы не возникли ситуации, где хотя бы при очень малых вероятностях возможны большие потери.

8. Принятие решений в условиях определенности

Принятие решений в условиях определенности сводится к решению задач векторной оптимизации. Поэтому ниже рассмотрим основные методы решения подобного класса задач и приведем их краткие характеристики. Методы решения задач векторной оптимизации. Существует несколько методов решения задач многокритериальной оптимизации: • метод выделения главного критерия; • метод лексикографической оптимизации; • методы свертывания векторного критерия в скалярный. В методе выделения главного критерия ЛПР назначает один главный критерий, остальные выводятся в состав ограничений, т.е. указываются границы, в которых эти критерии могут находиться. Недостаток метода очевиден: нет смысла проводить глубокое системное исследование, если все критерии, кроме одного, не учитываются. В методе лексикографической оптимизации предполагается, что критерии, составляющие векторный критерий К, могут быть упорядочены на основе отношения абсолютной предпочтительности. Пусть критерии пронумерованы так, что наиболее важному из них соответствует номер 1, Тогда на первом шаге выбирается подмножество альтернатив А1, имеющих наилучшие оценки по первому критерию. Если окажется, что А1=1, то единственная альтернатива, входящая в А и признается наилучшей. Если А1 > 1, то на втором шаге выбирается подмножество альтернатив А, имеющих наилучшие оценки по второму критерию, и так далее, до тех пор, пока не будет выявлена лучшая альтернатива. Методы свертывания векторного критерия в скалярный. Основной проблемой этого подхода является построение функции f, называемой сверткой. Данная проблема распадается на четыре задачи: 1. Обоснование допустимости свертки. 2.Нормализация критериев для их сопоставления. 3. Учет приоритетов (важности) критериев. 4. Построение функции свертки, позволяющей решить задачу оптимизации. 1. Обоснование допустимости свертки. Требует подтверждения, что рассматриваемые показатели эффективности являются однородными. Известно, что показатели эффективности разделяются на три группы: показатели результативности, ресурсоемкости и оперативности. В общем случае разрешается свертка показателей, входящих в обобщенный показатель для каждой группы отдельно. Свертка показателей из разных групп может привести к потере физического смысла такого критерия. 2. Нормализация критериев. Проводится подобно нормировке показателей. 3. Учет приоритетов критериев. Осуществляется в большинстве методов свертывания путем задания вектора коэффициентов важности критериев. Определение коэффициентов важности критериев, как и в случае с показателями, сталкивается с серьезными трудностями и сводится либо к использованию формальных процедур, либо к применению экспертных оценок. В результате нормализации и учета приоритетов критериев образуется новая векторная оценка. Именно эта полученная векторная оценка подлежит преобразованию с использованием функции свертки. Способ свертки зависит от характера показателей и целей оценивания системы. Известны несколько видов свертки. Наиболее часто используются аддитивная и мультипликативная свертка компонентов векторного критерия. 4. Аддитивная свертка компонентов векторного критерия состоит в представлении обобщенного скалярного критерия в виде суммы взвешенных нормированных частных критериев. Мультипликативная свертка компонентов векторного критерия состоит в представлении обобщенного скалярного критерия в виде произведения. Выбор между свертками определяется степенью важности абсолютных или относительных изменений значений частных критериев соответственно.