Statistinių metodų taikymas daugiatikslių sprendimų patikimumui įvertinti

Abstract

Daugelio socialinių, statybos investicinių, medicinos ir kitų sričių problemų sprendimui gali būti formuluojami daugiatiksliai sprendimo priėmimo uždaviniai. Dažnai tokie uždaviniai yra susijęs su nea - pibrėžtimi dėl įvairių priežasčių – tiek objektyvių, tiek subjektyvių. Tuomet kyla klausimas, ar gautas sprendimas bus patikimas. Vieningos metodikos, skirtos daugiatikslių sprendimų patikimumui įvertinti pagal rodiklių reikšmingumus ir rodiklių reikšmes, nagrinėtoje literatūroje neaprašyta. Minėtos priežastys skatina ieškoti metodų, kurie padėtų nustatyti, ar gautas sprendimas yra patikimas. Šio straipsnio tikslas – pritaikyti statistinius metodus daugiatikslių sprendimų patikimumui įvertinti. Tam siūloma taikyti imitacinį duomenų modeliavimą ir šiuos statistinius metodus: 1) rezultatų imčių neparametrinių hipotezių tikrinimą; 2) rezultatų imčių vidurkių pasikliautinųjų intervalų skaičiavimą; 3) rezultatų imčių vidurkių parametrinių hipotezių tikrinimą. Taikant minėtus metodus pasiūlytas sprendimo patikimumo įvertinimo algoritmas

Decisions making in many social, investment in construction, medical and other fields are transforming into the multiple attributes decision making problems, which are solved by the multiple attributes decision making methods. Often the multiple attributes decision making involved some uncertainty, conditioned by various reasons both objective and subjective. Consequently, the question arises “Is the final decision reliable?”. The abovementioned reasons motivate us to search the way of evaluating the reliability of the multiple attributes decision. The objective of this manuscript is to apply the statistical methods in the evaluation of reliability of the multiple attributes decision. The statistical methods used in this manuscript are: 1) nonparametric hypothesis on the sample of results; 2) parametric hypothesis on the averages of the result sample; 3) calculation of the confidence interval of averages of the result sample. The authors have proposed the algorithm for evaluating the reliability of multiple attribute decisions.