问卷调查与设置分析.pptVIP

例1 数学模型 为了对这种房屋在市场上受欢迎的程度做出评价，我们可以从居住面积、居室数目和销售价格三个方面构成如下论域 这个论域是不够全面的，我们可以进一步考虑楼房的地理位置、小区环境状况等评价指标。不过，作为一个教学实例，我们尽可能地将问题化简。 数学模型 根据上面的评价指标，对顾客展开问卷调查，让众多的顾客从上述三个方面对该种类型的住房下一个评语。评语集合可以分为四级 数学模型 假定调查的结果是20%的顾客对该房屋的居住面积非常欢迎，70%的顾客对居住面积比较欢迎，10%的顾客对居住面积不太欢迎，没有顾客对居住面积很不欢迎，于是可得对居住面积的模糊评价向量 向量中的数值就是模糊数学的隶属度。 数学模型 用同样的方法得到对房屋居室数目的模糊评价向量 以及对房屋价格的模糊评价向量 数学模型 合并上述模糊评价向量可得关系集合 数学模型 另一方面，在顾客的心目中，房屋面积、居室数目和销售价格的份量或者说重要程度是不一样的：有的人认为面积最重要，有的认为居室数目最重要，有的人认为价格更为重要。 因此，有必要对综合评判因素子集的三个要素赋予权数。 数学模型 赋值方法有多种，对于这个问题而言，最可靠的还是民意测验。假定调查的结果为： 20%的顾客认为居住面积最重要； 50%的顾客认为居室数目最重要； 30%的顾客认为销售价格最重要。 数学模型 则三个权数在U上构成一个模糊权重向量 数学模型 借助模糊变换可以得到顾客对该房屋的综合评价，利用取小－取大运算给出的综合评语集为 等级划分方法 根据心理学的有关研究，人类对信息的识别范围约为6～7级，也有人认为是7±2级，即5～9级。 因此，天上的星光分为6等，音乐的音调分为7级（不考虑半音），中心地分为7个等级，如此等等。 中国古代将地分九级、人分九等，九是极限（古人所谓的最大数）。 在模糊综合评价中，评语集中的等级m的取值一般在3～7之间，且多为奇数——奇数的好处是有一个中间等级，便于判别研究对象的归属情况。 下面是一些评语集的例子。 [强，中，弱] [很好，较好，一般，不好，很坏] [优秀，良好，及格，较差，很差] [上上，上中，上下;中上，中中，中下;下上，下中，下下] 例2 风景区调查与评价 北京大学景观规划设计中心俞孔坚教授的学生于2001年10月4日在张家界黄龙洞对游客进行民意调查，一个调查了198人。 调查的内容是对黄龙洞进行评价，评价的等级分为四级：十分满意、比较满意、不太满意、不能忍受。 计算实例 计算实例 实际上，上述评价构成一个关于旅游风景区的评语集 而评价的结果为 计算实例 遗憾的是，在调查游客意向时，这些学生没有分清论域的结构。因此，上面的评价属于单因素简单评价。 计算实例 下面我们假定分出如下论域 这个论域是不完全的，有一些因素没有考虑。必须说明的是，我们这里是讲授方法，不是讨论旅游调查，因此问题越是简单越好。 计算实例 首先，对论域赋以权数。在模湖数学中，赋值的方法有多种，比方说可以采用隶属函数法等。但我们可以采用民意调查的方法。 计算实例 假定调查的结果是：40%的人认为风景最重要，35%的人认为交通最重要，25%的认为治安最重要。则论域的权数分布为 计算实例 现在假定调查1000人，让他们对黄龙洞的风景、交通和治安分别给予评价（下评语）。结果表明，10％的人对风景十分满意，50%的人对风景比较满意，40%的人对风景不太满意，0%的人对风景不能忍受，则关于黄龙洞风景的评价为 计算实例 再假定：5％的人对交通十分满意，30%的人对交通比较满意，50%的人对交通不太满意，15%的人对交通不能忍受，则关于黄龙洞交通的评价为 计算实例 最后假定：12％的人对治安十分满意，40%的人对治安比较满意，40%的人对治安不太满意，8%的人对治安不能忍受，则关于黄龙洞交通的评价为 计算实例 于是构成关于黄龙洞的关系集为 计算实例 现在我们采用取小－取大算子M(Λ,v)进行如下运算 计算实例 将结果归一化可得关于黄龙洞的模糊综合评价 计算实例 上述评价虽然是一个综合评价，单属于单级综合评价。为了评价整个张家界风景区，我们需要多级综合评价。由于张家界还有天子山、金鞭溪、桑植、慈利、中湖、泗南峪、军地坪、森林公园，等等，我们对每一个地方都可以进行类似的综合评判。 计算实例 为了简化问题，我们只考虑三个风景地：假设张家界只有黄龙洞、天子山和金鞭溪三个风景点。于是由这三个景点构成一个论域 计算实例 采用上述方法，假定对天子山的综合评价结果为 对金鞭溪的综合评价结果为 计算实例 于是可得关于张家界的关系集 计算实例 不言而喻，为了给出多级评价结果，我们还需要对上述景点构成的论域赋予权数，赋值的方法依然是民意测验，或者专家打分。当然是民意测验更为可靠