综合百科行业百科金融百科经济百科资源百科管理百科
管理百科
管理营销
资源百科
人力财务
经济百科
经济贸易
金融百科
金融证券
行业百科
物流咨询
综合百科
人物品牌

灰数统计方法

  	      	      	    	    	      	    
目录
  
 
什么是灰数统计方法
 
　　灰数统计方法是以灰数的白化函数生成为基础,将一些具体数据按某种灰类所描述的类别进行归纳整理,从而来加强对事物认识的一种方法[1]。 
　　灰元、灰数、灰关系是灰色现象的特征，是灰色系统的标志。而灰数又是灰色系统的内核。在技术系统、经济系统、社会系统、教育系统和管理等系统中，人们对某待评项目(指标)的评价不仅包含着许多不确定性、随机性和模糊性，而且涉及到心理因素，故有灰内话。同一评价者在不同次的评定中可能给出不同的结果，不同的评价者其结果可能差异更大，而且在评价中也很难获得一个确切的值(数)，评价者往往用“大约是多少”，“在多少到多少之间”，甚至是“差不多” ，“比较可靠”等方式表达他们的估计。这样的结果值以其内涵被定义为灰数。对这些灰数进行统计分析，一般的方法无能为力，因此而寻求一种方法分析估价这些评价，以减少评价误差。灰数统计原理和方法为解决这类同题提供了科学方法。 
 
灰数统计方法的内容及原理[2]
 
　　以某风险性指标(以c表示)的风险性大小为例，选n个评价者在轴 
 
　　上10个等级上给出估计。人们通常不能确定地说是多少，而常给出类似[O.5，0.7]之间的估计，这就是说对于任一评价者来说，虽然不能给出一个确定的点，但其评价总会稳定在一个区间内，记为[O．5，0．7]，k表示第k个评价者。若有n个评价者便可得到n个区间值，形成一个灰数统计序列： 
[u_1^{(1)},u_2^{(1)}],[u_1^{(2)},u_2^{(2)}],...,[u_1^{(n)},u_2^{(n)}] 
　　这n个小子集叠加在一起则形成覆盖在评价值轴上的一种分布： 
 
　　这种分布可用下式描述： 
\bar{X}_(u)=\frac{1}{n}\sum_{k=1}^n X[u_1^{(k)},u_2^{(k)}]^{(n)}　　　　(1) 
　　其中： X[u_1^{(k)},u_2^{(k)}]^{(n)}=\begin{cases} 1,& u_1^{(k)}\le u\le u_2^{(k)}\\0,& \mbox{other}\end{cases} 
\bar{X}_(u)被称为样本落影函数，那么指标c的评价值取为： 
\bar{u}=\int_{u_{min}}^{u_{max}} u \bar{X}(u)\,du  \int_{u_{min}}^{u_{max}} \bar{X}(u)\,du　　　　(2) 
　　其中umin和umax分别为指标c可能的最高、最低取值。可以证明： 
\int_{u_{min}}^{u_{max}} \bar{X}(u)\,du=\frac{1}{n}\sum_{k=1}^n[u_2^{(k)}-u_1^{(k)}]　　　　(3) 
\int_{u_{min}}^{u_{max}} \bar{X}(u)\,du=\frac{1}{2n}\sum_{k=1}^n[[u_2^{(k)^2}-(u_1^{(k)})^2]　　　　(4) 
　　则: 
\bar{u}=\frac{1}{2}\sum_{k=1}^n[(u_2^{(k)})^2-(u_1^{(k)})^2]/\sum_{k=1}^n[u_2^{(k)}-u_1^{(k)}]　　　　(5) 
　　事实上，它不仅处理不确切的评价，而且很方便地集中了多种意见或试验结果，减少了评价中的随机误差．更重要的是它可以充分利用评价过程中的信息．除获得了评价值\bar{u}外，还可通过分析\bar{X}(u)获得评价者对指标的把握度。 
　　a．当指标可以准确定量时，\bar{X}(u)是一个常数1。如图1-a，说明评价者对指标的把握度最大。 
　　b．当 次试验或n个区间估计很不集中时，说明评价者对指标的把握程度较小．此时\bar{X}(u)的形状比较扁平(图1-b)。 
　　c．当 n个评价区间的分布比较集中，则说明评价者对指标的把握程度较高。此时\bar{X}(u)的形状比较尖瘦(图1-c)。 
 
　　以上分析表明n次试验结果分布的集中程度，即\bar{X}(u)形状的“胖瘦”反映了评价者对指标的把握度。完全有把握，意见一致，评价值非常集中。把握不大，意见就不一致，评价值就比较分散．于是根据\bar{X}(u)我们可分析指标评价的可靠程度。定义 
g=\int_{u_{min}}^{u_{max}} (u-\bar{n})^2\bar{X}(u)\,du/\int_{u_{min}}^{u_{max}} \bar{X}(u)\,du　　　　(6) 
　　可以证明： 
\int_{u_{min}}^{u_{max}} (u-\bar{n})^2\bar{X}(u)\,du=\frac{1}{3n}\sum{k=1}^n[(u_2^{(k)}-\bar{u})^3-(u_1^{(k)}-\bar{u})^3]　　　　(7) 
　　有式（7）和式（3）有 
g=\frac{1}{3}\sum_{k=1}^n[(u_2^{(k)}-\bar{u})^3-(u_1^{(k)}-\bar{u})^3]/\sum_{k=1}^n[(u_2^{(k)}-u_1^{(k)}]　　　　(8) 
　　则很明显，g越大，评价者对指标的把握度越小，指标价值的可靠程度也就越低，故有定义：指标c(第i个指标)的置信度bai为指标评价值可靠程度的一种度．评价值可靠程度越大，指标置信度越高。 
bai = 1 / (1 − gi)　　　　(9) 
　　其中g_i为评价指标i时得到的g；a为置信水平。 
　　然而，由于每个指标都得到一个bi，故定义指标总置信度为： 
b_a=\frac{1}{m}\sum_{k=1}^m b_{a i}　　　　(10) 
 
参考文献
 
 
  1. ↑ 黄娟娟.PACS综合效益的评价研究[J].华中科技大学,2006
    2.  
  2. ↑ 金新政,魏承宏.灰数统计方法及应用[J].中国卫生统计,1993(6)