Distribuce oprávnění - Authority distribution

Koncept řešení distribuce autorit byl formulován uživatelem Lloyd Shapley a jeho student X. Hu v roce 2003 k měření autoritativní síly hráčů v dobře uzavřené organizaci.[1] Index generuje Shapley-Shubikův index síly a lze je použít při hodnocení, plánování a organizační volbě.

Definice

Organizace uzavírá smlouvy s každým jednotlivcem prostřednictvím šéfa a schvalovacího vztahu s ostatními. Každý jednotlivec má tedy svou vlastní autoritní strukturu, která se nazývá příkazová hra. The Shapley-Shubikův index síly pro tyto příkazové hry jsou kolektivně označeny maticí přenosu energie Ρ.

Rozdělení autorit π je definováno jako řešení rovnice protiváhy π = πΡ. Základní myšlenkou protiváhy je, že síla člověka pochází z jeho kritických rolí v příkazové hře ostatních; na druhou stranu by jeho moc mohla být přerozdělena i těm, kteří v jeho velitelské hře sedí jako vitální hráči.

Pro jednoduchý legislativní orgán je π jednoduše Shapley-Shubikův výkonový index, založený na pravděpodobnostním argumentu ([2][3]).

Aplikace

Příklad 1. Hodnocení vysoké školy podle přijetí uchazeči

Předpokládejme, že existuje velký počet uchazečů o vysokou školu, kteří mohou použít vysoké školy. Každý uchazeč podává více přihlášek. Každá vysoká škola pak nabízí některým ze svých uchazečů přijetí a odmítá všechny ostatní. Nyní někteří uchazeči nemusí dostat žádnou nabídku od žádné vysoké školy; druhá pak obdrží jednu nebo více nabídek. Uchazeč s více nabídkami rozhodne, na kterou školu se vydá, a odmítne všechny ostatní vysoké školy, které mu nabízejí nabídku. Ze všech uchazečů, kteří se ucházejí a dostávají nabídky od College i, necháme P (i, j) podíl těch uchazečů, kteří se rozhodnou jít na vysokou školu j. Tito žadatelé samozřejmě žádají a přijímají nabídky také od College j.

Chcete-li hodnotit vysoké školy podle míry přijetí uchazečů, kterým jsou nabídky nabízeny, můžeme použít rozdělení autorit spojené s maticí P. Takzvané „rozdělení autorit“ lze považovat za měřítko relativní atraktivity vysokých škol od žadatelů. ' úhel pohledu.

Příklad 2. Hodnocení deníku podle citací

Předpokládejme, že ve vědeckém oboru existuje n časopisů. U každého časopisu i obsahuje každé číslo mnoho příspěvků a každý článek má svůj seznam odkazů nebo citací. Článek v deníku může být citován v jiném článku v deníku i jako reference. Ze všech článků citovaných Journal i (repetitioncounted) necháme P (i, j) podíl těch článků, které jsou publikovány v Journal j. P tedy měří přímý dopad mezi libovolnými dvěma deníky a P (i, i) je míra autocitace pro Journal i. Rozdělení oprávnění pro π = πP by kvantifikovalo dlouhodobý vliv každého časopisu ve skupině časopisů a lze je použít k hodnocení těchto časopisů.

Příklad 3. Plánování dálničního systému

Několik malých měst věří, že budování dálničního systému by bylo jejich společnou výhodou. Řekněme, že plánují stavět dálnice F1, F2, ..., Fn − 1. Nechali jsme Fn existující dopravní kanály automobilů, nákladních automobilů a autobusů. Předpokládáme, že všechny potenciální dálnice mají stejnou délku. Jinak můžeme domýšlet tak, že rozdělíme dlouhé dálnice na malé segmenty a všechny je přejmenujeme. Dálnice s vyšší intenzitou provozu by měly být vybudovány s více jízdními pruhy, a tak získat více investic. Ze všech toků provozu na Fi, welet P (i, j) je (odhadovaný) podíl provozu proudícího do Fj. Poté rozdělení autorit π splňující π = πP změří relativní intenzitu provozu na každé Fi a může být použito v investiční alokaci.

Podobný problém lze najít při navrhování internetového nebo intranetového systému.

Příklad 4. Váhy se skutečným efektivním směnným kurzem

Předpokládejme, že existuje n zemí. Nechť P (i, j) jsou váhy země j spotřeby celkové produkce země. Přidružené π měří váhy v obchodním systému n zemí.

Příklad 5. Seřadit objekty velkých dat podle odhalených preferencí

Při hodnocení pozorování velkých dat různí spotřebitelé odhalují heterogenní preference; ale jakákoli odhalená preference je pořadí mezi dvěma pozorováními odvozenými z racionálního zvážení mnoha faktorů spotřebitelem. Předchozí vědci aplikovali exogenní vážení a vícerozměrné regresní přístupy a prostorové, síťové nebo vícerozměrné analýzy pro třídění komplikovaných objektů, přičemž ignorovali rozmanitost a variabilitu objektů. Uznáním rozmanitosti a heterogenity pozorování i spotřebitelů Hu (2000)[4] místo toho aplikuje na tyto protichůdně odhalené preference endogenní vážení. Výsledkem je konzistentní ustálené řešení rovnováhy rovnováhy v rámci těchto rozporů. Řešení zohledňuje vedlejší účinky vícekrokových interakcí mezi pozorováními. Když jsou informace z dat efektivně odhaleny v preferencích, odhalené preference výrazně sníží objem požadovaných dat v procesu třídění.

Viz také

Reference

  1. ^ Hu, Xingwei; Shapley, Lloyd (2003). "O autorizačních distribucích v organizacích". Hry a ekonomické chování. 45: 132–170. doi:10.1016 / s0899-8256 (03) 00130-1.
  2. ^ Hu, Xingwei (2006). „Asymetrický Shapley – Shubikův výkonový index“. International Journal of Game Theory. 34 (2): 229–240. doi:10.1007 / s00182-006-0011-z.
  3. ^ Shapley, L. S .; Shubik, M. (1954). "Metoda pro hodnocení distribuce energie v systému výboru". Recenze americké politické vědy. 48 (3): 787–792. doi:10.2307/1951053. hdl:10338.dmlcz / 143361. JSTOR  1951053.
  4. ^ Hu, Xingwei (2020). „Třídění velkých dat podle odhalených preferencí s aplikací na žebříčku na vysoké škole“. Journal of Big Data. 7. doi:10.1186 / s40537-020-00300-1.

externí odkazy