Статьи научные и разные. Сборник - Алексей Патрашов

Вектор смещения относительно центра получим как вектор из попарных разностей.

Смещение от среднего состояния удобно считать как абсолютную величину вектора смещения или как её квадрат или другая соответствующая в нужном случае функция.

Корреляцию между двумя соционическими типами можно вычислить через коэффициент корреляции, но у этого способа есть недостаток – в случае равенства между собой всех координат вектора в знаменателе может оказаться ноль. Этого способа лишена оценка через косинус угла между векторами, которая действует для всех ненулевых векторов.

Взаимодействие между разными социотипами определяется величиной и знаком коэффициента корреляции. Содействие или противостояние двух разных социотипов по коэффициенту корреляции не определяется полностью, а требует дополнительного изучения. Однозначно можно сказать, только то, что при близком к единице коэффициенте корреляции вместе с близкими по абсолютной величине векторами диаграммы две личности эквивалентны.

Весовая логика

Существует много видов логики, каждая из которых имеет свою область применения. С точки зрения удобства применения для решения многих задач ни двоичная логика, ни троичная, ни вероятностная логика просто неприменимы. Например, трудно установить наличие какого-либо события в прошлом потому, что прошлое нельзя увидеть. Мы можем только судить о прошлом или по своим воспоминаниям или по документальным подтверждениям, включая показания очевидцев.

Рассмотрим простой пример. Требуется провести экспертную оценку силами нескольких специалистов. Пусть экспертную оценку провели около сотни студентов и один высококвалифицированный специалист. Результаты оценки оказались взаимно противоречащими. Вопрос: кто прав? Повторить экспертизу по каким-то причинам нельзя и придётся пользоваться результатами уже проведенной.

Можно утверждать, что специалист прав, а студенты всё перепутали, на то они и студенты, но студентов было много и они могли увидеть то, что мог не заметить специалист потому, что был один. С другой стороны ошибиться могли даже все студенты.

Напрашивается применение вероятностной логики с оценкой вероятности ошибки каждого студента, вероятности ошибки всех студентов и сравнением с вероятностью ошибки специалиста. Такое решение было бы приемлемо, если бы имелись точные данные, но без точных данных точные методы могут приводить к очень большим ошибкам. Ещё менее такой подход применим для работы с не поддающимися точной оценке объектами, например художественной или культурной ценности. И совершенно такой подход неприменим к оценке ожидающихся событий потому, что статистики по ним вообще никакой нет и применение вероятностных методов невозможно.

Для решения возникшей проблемы преобразуем вероятностную логику. Пусть каждое утверждение имеет вес и вес утверждения специалиста многократно превосходит вес утверждения одного студента. Тогда мы получаем просто сумму всех весов заключений студентов и сравниваем её с весом заключения специалиста.

С таким подходом у нас появляется реальный шанс получить окончательное заключение потому, что мы можем сравнить всего два числа и оценить, насколько одно из них больше другого. Может случиться, что заключения студентов набрали десять единиц веса против ста единиц веса заключения специалиста. Тогда можно уверенно решить, что специалист прав, а студенты ошиблись. Может получиться сто веса студентов против ста веса специалиста и можно сказать, что экспертиза несостоятельна потому, что нельзя оценить, в какую сторону принять решение. А может случиться, что заключение студентов наберёт тысячу веса против сотни веса заключения специалиста и правы окажутся студенты.

Рассмотрим другой пример. Пусть десять человек утверждают, что некое событие было, а один утверждает, что его не было. Как оценить факт существования события в прошлом? Вернуться и проверить уже ничего нельзя потому, что вернуться в прошлое невозможно. Зато можно установить вес показаний каждого свидетеля и оценить через него достоверность события. Вероятностная логика в данном случае была бы вообще бесполезна.

Перейдём к основным понятиям весовой логики. Так же как и в других логиках, в весовой логике существую понятия истинного и ложного значения, но диапазон значений истинности бесконечен и меняется от абсолютно ложного до абсолютно истинного.

В весовой логике истинность суждения определяется его весом. Вес абсолютно ложного суждения F равен нулю.

Отрицание в весовой логике выполняется как деление на вес. Если истинность суждения определяется его весом, то истинность обратного суждения будет

Таким образом истинность абсолютно истинного суждения будет равна

Логические операции дизъюнкции и конъюнкции в весовой логике будут выглядеть следующим образом.

Дизъюнкция (ИЛИ) определяется как сумма весов двух суждений и выглядит как сложение. Вес результата дизъюнкции больше или не меньше веса каждого операнда операции. В общем случае дизъюнкция повышает вес, то есть результат операции больше каждого из операндов.

Конъюнкция (И) определяется более сложно и выводится через дизъюнкцию. Вес результата конъюнкции меньше или не больше веса каждого операнда операции. В общем случае конъюнкция понижает вес, то есть результат операции меньше каждого из операндов.

Конъюнкция в весовой логике для абсолютно ложного и абсолютно истинного суждения определена как и в двоичной логике.

Весовая логика хорошо подходит для решения задач с большим количеством логических следований. Сложные уравнения дискретной математики, которые получаются при использовании двоичной логики и сложные вероятностные выражения вероятностной логики превращаются в весовой логике в достаточно простые уравнения.

Весовая логика хорошо коррелируется с вероятностной логикой. Так истина весовой логики соответствует единице вероятностной логики, ложь весовой логики соответствует нулю вероятностной логики, а единица весовой логики соответствует значению 1/2 вероятностной логики. Также уравнения весовой логики могут быть достаточно легко быть преобразованы в уравнения вероятностной логики и обратно.

Примечательно, что формулы конъюнкции и дизъюнкции весовой логики похожи на формулы расчёта сопротивления при параллельном и последовательном соединении элементов электрической цепи в электротехнике.

Использование систем типа S.P.E.C.I.A.L. в подборе персонала

При выполнении анкетирования и прочих тестов можно получить определённые результаты, оценивающие качества работника, но для поиска работника с определёнными качествами требуется или хотя бы желательно знать саму возможность существования такого работника. Может оказаться, что людей с требуемыми качествами просто нет или их всего несколько человек из миллиона. При таких шансах можно не надеяться на успех найти нужного работника в большинстве случаев.

Рассмотрим для начала очень простой пример, на котором выясним, почему так легко совершить ошибку в подборе персонала по требуемым качествам. В качестве примера для большей понятности возьмём грузчика для склада товаров. От грузчика в нашем примере потребуются всего два качества: сила, чтобы поднимать грузы, и выносливость, чтобы их долго носить.

Пусть сначала на работу взяли очень сильного грузчика, но этот грузчик быстро уставал, хотя и легко переносил тяжёлые грузы. Ошибку исправили и вместо него взяли на работу выносливого грузчика, который без устали переносил лёгкие грузы, но не мог поднимать тяжёлые. Очевидно, что нужен грузчик выносливее первого и сильнее второго, но есть ли такой грузчик и сколько он будет стоить. Ведь хорошо известно, что чем товар встречается реже, тем стоит он дороже!

Первым приходящим на ум решением становится просто предположить, что насколько человек будет уступать в силе, на столько же он может выигрывать в выносливости, оценить требования и подбирать по ним подходящего работника. Но, как мы сейчас убедимся, есть все шансы, что искать придётся очень долго и стоить результат поисков будет очень дорого.

На самом деле способности человека даже в нашем примере связаны между собой не линейно, а по кривой наподобие хорошо известной кривой производственных возможностей.

Ближе всего к этой кривой находится эллипс, который легко превращается в окружность. То есть вместо ранее предполагаемой зависимости