Полозов: "Калькулятор ПР: Статья + скачать. Анализ альтернативных версий"

Скачать:
Упрощенная версия Excel
Полная версия со статьей и описанием

Автора: Полозов Ярослав Викторович, Неганов Юрий Иванович, Рыбак Александр Владиславович.

intj@ukr.net, kaprizkin_yura@mail.ru, semperfi@ukr.net.

Перевод с языка Pascal (DOS-версия) в Excel и создание визуального интерфейса -

Бобин Андрей Александрович (на соц.форумах - deepexp),

09/08/2011

Описание программы: Программа позволяет установить точность типирования соционика на основании его субъективно введенных ним данных точности типирования по каждому признаку Рейнина. В частности, программа может быть использована как калькулятор ПР. Главная цель программы – иллюстрация очевидных преимуществ использования ПР, повышения точности типирования, выработка объективной самооценки типировщика к процессу типирования.

Я думаю, вы должны понять главную идею: что достоверное типирование обеспечивается путем предоставления логической избыточности доказательства. Этот калькулятор - инструмент для ее измерения и сравнения.
Я ПРЕДЛАГАЮ ПРИЗНАТЬ ДАННЫЙ КАЛЬКУЛЯТОР - ОФИЦИАЛЬНЫМ МЕРИЛОМ РАЗНЫХ СОЦИОНИЧЕСКИХ МЕТОДОЛОГИЙ.
Затем, вам нужно понять, что - то, что на данный момент в соционике нет никаких (мы говорим о простых правилах) критериев, который будут обеспечивать точность близкую к 100%.

Получить высокую точность можно либо используя сложные критерии либо используя избыточность простых критериев. (Это значит, что можно добиться высокой точности 2 путями: либо совершенствоваться в рамках некоторого Базиса дихотомий, например добившись точности по 95%, либо, осваивать новые дихотомии, добиваясь точности порядка 80% - Все эти пути хороши т.к. ведут в конечном итоге к повышению точности типирования, и в любом случае - объем трудозатрат будет одинаков т.е. большой)

Ключевые слова: Признаки Рейнина, типирование, точное типирование, соционика, паскаль, калькулятор признаков Рейнина, калькулятор ПР, Сравнительный анализ разных версий калькуляторов ПР.

Зачем нужен калькулятор ПР?

Допустим Вы владеете базисом Юнга и вам известно: с какой: точностью Вы типируете эти дихотомии. Оценить свою работу в этом случае очень просто: просто перемножить точности типирования разных дихотомий. Если вы владеете еще какой-нибудь, 5-й дихотомией, то тут – тоже просто: выбрать наилучший базис типирования в соответствие с каждым случаем, где та или иная дихотомия лучше выражена. Совсем иначе обстоят дела, когда число дихотомий, которыми владеет типировщик больше или равно 6. Тогда появляются рассуждения типа:

Так Я заметил, что мне удается типировать статику-динамику 98% точностью. Вообще, анализируя свои ошибки, Мы обнаружил, что вот уже 2 года подряд - не делаю ни единой ошибки по данной полярности, кроем того, за это время мое типирование заметно улучшилось.

Вес-Серь 93% , Расс- Реш 95%, Иррац - Рац 90%.

Все это есть мое субъективное мнение о себе. Высокая точность данных шкал - позволяет мне на них положиться, но вообще,

они дают точность при умножении только 79%. Но помимо этого есть еще и другие корректирующие шкалы, посредством которых мне удается типирование:

Интуция - сенс 90%, Логика-Этика 75%, Экстра-интро 70%

Даже если Мы и ошибусь Мы могу как-то исправить ошибку на основание преобладания иных дихотомий. Какова же в таком случае моя точность типирования?

Именно для решения таких задач был разработан калькулятор ПР.

Задача на применение алгоритма, иллюстрирующая преимущества использование ПР.

Пусть есть 3 основные дихотомии на основание которых может существовать до 8 типов. Вероятность точного определения любой из дихотомий составляет 0,9.

Если бы были использованы только 3 основные дихотомии то вероятность точного типирования составляла бы 0,729.

Для удобства сопоставления результатов произведем подсчет, подобно тому как это делает алгоритм “Calc2011.txt”

Или: “y-calc V3 1.xls”

На основание этих 3 основных дихотомий можно составить еще 4 контрольные(добавочные) по аналогии с тем как их ввел Рейнин.

Итак, вот комбинации дихотомий типов:

	1	2	3	4	5	6	7
1	+	+	+	+	+	+	+
2	+	+	-	+	-	-	-
3	+	-	+	-	+	-	-
4	+	-	-	-	-	+	+
5	-	+	+	-	-	+	-
6	-	+	-	-	+	-	+
7	-	-	+	+	-	-	+
8	-	-	-	+	+	+	-

Где 1,2,3 – основные дихотомии

4,5,6,7 – контрольные, где:

4=1*2

5=1*3

6=2*3

7=1*2*3

по горизонтали: номер дихотомии

по вертикали: номер типа.

При таком способе образования дихотомий любой тип будет отличатся от любого другого на 4 дихотомии т.е: кодовое расстояние = 4, что можно проследить уже на примере 1 типа, и иметь 3 общие дихотомии.

Допустим, что их вероятность точного определения контрольных дихотомий составляет тоже 0,9.

Получено версия: Все дихотомии в пользу ТИМа номер 1

С какой вероятностью это ТИМ №1?

Решение:

Формула Байеса. Пусть — полная группа событий, и — некоторое событие, вероятность которого положительна. Тогда условная вероятность того, что имело место событие , если в результате эксперимента наблюдалось событие , может быть вычислена по формуле:

В нашем случае:

k — номер типа. В нашем случае k = 1

i — счетчик. В нашем случае расчет идет от 1 до 8

А — случайное событие состоящие в получение информации о типе типируемого из 7 дихотомий, состоящие из возможных вариантов его интерпретации в категорию одного из 8 типов. Множество события А коды соответствуют только параметрам множества события А и не допускается иного то - есть интерпретации в иной тип сообщений из возможных вариантов комбинаций.

H_i — событие появления i-го типа из 8 типов

P(H_i) — глобальное распределения i-го типа в обществе

P(H_k) — глобальное распределение k-го типа в обществе

P(A|H_i) — Вероятность во множестве А типов, состоящего из 8 типов появления i-го типа из 8 типов.

Вычисляется путем перемножения вероятностей дихотомийных характеристик по принципу: если рассматриваемая дихотомия соответствует дихотомийной характеристике рассматриваемого i-го типа то версия (Базовый коэффициент=1) умножается на вероятность точного определения этой дихотомии. Если не соответствует, то умножается на (1 – вероятность точного определения дихотомии).

P(A|H_k) — Вероятность во множестве А типов, состоящего из 8 типов появления k-го типа из 8 типов

Вычисляется путем перемножения вероятностей дихотомийных характеристик по принципу: если рассматриваемая дихотомия соответствует дихотомийной характеристике рассматриваемого k-го типа то версия (Базовый коэффициент=1) умножается на вероятность точного определения этой дихотомии. Если не соответствует, то умножается на (1 – вероятность точного определения дихотомии).

P(H_k|A) — Постаприорная вероятность того, что при условие получения некоторой версии дихотомийных характеристик – это будет тип H_k

Поскольку Мы не учитываем глобальное распределение типов в обществе, то значения P(H_i), P(H_k) принимаем за равновероятные, а их числовые значения в дробях взаимно сокращаются и формула приобретает вид:

Рассчитываем полную группу событий

Всего возможно 8 вариантов интерпретации версии:

Версия 1:

P(A|H_k) =

Версия i= 2-7:

P(A|H_i) = 0,9³∙0,1⁴ = 0,0000729

Полная Группа:

Условная вероятность, что получен тип 1:

P(H_k|A) = = 0,99893

Получена точность 99,89%. Прогресс существенен.

Рассмотрим ситуацию, когда получена дихотомийная характеристика с 1-кратной ошибкой.

Допустим получена комбинация

С какой вероятностью это тип 1?

Решение:

	1	2	3	4	5	6	7
1	+	+	+	+	+	+	+
2	+	+	-	+	-	-	-
3	+	-	+	-	+	-	-
4	+	-	-	-	-	+	+
5	-	+	+	-	-	+	-
6	-	+	-	-	+	-	+
7	-	-	+	+	-	-	+
8	-	-	-	+	+	+	-

Версия 1:

P(A|H₁) =

Версия 2:

P(A|H₂) =

Версия 3:

P(A|H₃) =

Версия 4:

P(A|H₄) =

Версия 5:

P(A|H₅) =

Версия 6:

P(A|H₆) =

Версия 7:

P(A|H₇) =

Версия 8:

P(A|H₈) =

Как видим вероятности версий 2,3,5,8 и 4, 6,7 – равны между собой. Это позволяет более компактно записать вероятность появления полной группы типов:

Условная вероятность, что получен тип 1:

P(H₁|A) = = 0,95907

Как, видим: признаки Рейнина, продемонстрированные на данном примере позволяют сущетсвенно повысить точность типирования, даже несмотря на однократную ошибку.

Но помните! Прежде чем использовать ПР – обязательно добейтесь того чтобы их качество было не хуже чем исходных Базисных дихотомий.

Лучше воздержатся чем отипировать неправильно.

Как уже говорилось: в случае получения неопределенной версии типировщик будет типировать до тех пор пока версия не наберет некоторого заметного превосходства. Поскольку вероятность получить согласованно истинный вариант выше вероятности согласовано ошибиться то такое правило обеспечивает повышение точности даже на уровне использования 5 дихотомий (файл 5dih75.txt) (сравните результат с вводом только Базиса Юнга по 75%)

BEFORE

AFTER

Вы можете наблюдать, то как результирующая точность типирования растет по мере увеличения используемых дихотомий. Посмотрим другие скриншоты:

6 дихотомий по 75%

7 дихотомий по 75%