Processi Decisionali a Razionalità Limitata
Analytic Hierarchy and
Network Process
Accettabilità dell’inconsistenza
Dai giudizi del decisore/esperto sui confronti a coppie si determinano i pesi di ciascun criterio nell’albero decisionale
Su questa base si sceglie l’alternativa di miglior compromesso per la risoluzione del problema
I giudizi sono per loro natura inconsistenti
L’inconsistenza è accettabile?
Matrice consistente
CR1 CR2 … CRn
CR1 w1/w1 w1/w2 … w1/wn CR2 w2/w1 w2/w2 … w2/wn
... … … … …
CRn wn/w1 wn/w2 … wn/wn
Colonna 2=Colonna 1*w1/w2
PESI
CR1 w1
CR2 w2
... …
CRn wn
Matrice consistente
Forma matriciale Aw=nw
Per definizione n è autovalore di A e w è autovettore
La relazione Aw=nw è valida se e solo se la matrice è consistente
Il vettore w può rappresentare il vettore dei pesi locali
Riassumiamo
Se A è consistente:
rg(A)=1
lmax≠0, li=0 i≠max
tr(A)=tr(D)=lmax+li=lmax
tr(D)=n
w associato a lmax è il vettore dei pesi locali
Matrice inconsistente
TEOREMA DI FROBENIUS-PERRON
Sia A≥0 quadrata di ordine n non riducibile. Allora:
esiste li>0 con |li|≥|lj| j≠i
l’autovettore associato ha tutte componenti positive
li è radice semplice del polinomio caratteristico di A
Tuttavia, possono esistere altri lj con |lj|=|li|, quindi A può ancora essere ciclica
Matrice inconsistente
Riassumiamo
La matrice dei confronti a coppie:
è non riducibile (il grafo è fortemente connesso)
è primitiva (gli elementi della diagonale sono unitari)
ha un unico autovalore dominante (vale il teorema di Frobenius-Perron)
l’algoritmo di determinazione dei pesi locali fornisce proprio l’autovettore dominante
Il consistency index (CI)
CASO IDEALE
lmax≠0, li=0 i≠max
tr(A)=lmax+i≠maxli=lmax=n
CASO REALE
lmax>n, li generico i≠max
tr(A)=lmax+i≠maxli=n
Calcolo del CI
CI, RI e CR
La possibilità di essere coerenti dipende dalla dimensione della matrice A
RI=indice di consistenza medio per matrici randomiche
CI va confrontato con RI
CR=CI/RI CR≤10%
Dimensione n 3 4 5 6 7 8 9
RI 0,58 0,90 1,12 1,24 1,32 1,41 1,45
Calcolo di CI e CR – esempio
A CR1 CR2 CR3
CR1 1 1/2 1/4
CR2 2 1 1/4
CR3 4 4 1
SOMMA
CR1 1,75 CR2 3,25
CR3 9
TOT 14,00
SOMMA N.
CR1 12,50%
CR2 23,21%
CR3 64,29%
Calcolo di CI e CR – esempio
A CR1 CR2 CR3
CR1 1 1/2 1/4
CR2 2 1 1/4
CR3 4 4 1
PESI
CR1 12,50%
CR2 23,21%
CR3 64,29%
PRODOTTO 0,40 0,64 2,07
l 3,12
CR1 CR2 CR3
7 5,5 1,5
PESI
CR1 12,50%
CR2 23,21%
CR3 64,29%
l 3,12
La matrice A NON può essere accettata
Analytic Hierarchy Process (AHP)
I PRINCIPI FONDAMENTALI
1. La decomposizione gerarchica del problema 2. I giudizi comparativi
3. La sintesi gerarchica
La sintesi gerarchica
I giudizi comparativi conducono alla determinazione dei pesi locali
I pesi locali di ciascun elemento di un gruppo vengono moltiplicati per il peso locale
dell’elemento “padre”
La metodologia procede secondo una logica bottom-up finché tutti i pesi locali non sono trasformati in pesi globali
La sintesi gerarchica – esempio
SCELTA PROGETTO
socio-economici strategici
economico-finanziari
VAN TIR ROI BEP I K D W H
0,36 0,43 0,21
0,16 0,14 0,48 0,22 0,36 0,43 0,21 0,17 0,83
Peso globale VAN=0,160,36=0,0576=5,76%
La valutazione delle alternative
Tutte le alternative vengono valutate secondo tutti i criteri “foglia” dell’albero
La valutazione delle alternative segue la logica AHP
Si determina il peso globale di ciascuna alternativa
L’alternativa con il ranking più alto è quella preferita
Il modello B.O.C.R.
Alberi decisionali separati per
– benefici (B)
– opportunità (O) – costi (C)
– rischi (R)
Le stesse alternative avranno diverse graduatorie per i vari alberi B.O.C.R.
Combinazione dei risultati in un giudizio di sintesi
Il modello B.O.C.R.
Scelta soluzione
Benefici Opportunità Costi Rischi
b o c r
Analytic Hierarchy Process – un esempio
Analytic Hierarchy Process
UTILE NEL CASO DI
Confusione a livello di obiettivi
Carenze descrittive o valutative
Co-presenza di aspetti qualitativi e quantitativi
Diversi contributi disciplinari
Difficoltà di caratterizzazione dello scenario di riferimento
Difficoltà di attribuzione di valutazioni e pesi ai fattori decisionali
Il metodo Delphi
Sviluppato a partire dagli anni ‘60
Processo di comunicazione strutturato
Massima convergenza nelle opinioni di un gruppo di esperti
Elementi:
– Panel
– Sistema di comunicazione – Amministratori
– Informazione
Metodo Delphi e AHP: sintesi dei giudizi
A VAN TIR ROI BEP
VAN 1 3 1/5 1/3
TIR 1/3 1 1/2 1
ROI 5 2 1 3
BEP 3 1 1/3 1
B VAN TIR ROI BEP
VAN 1 5 2 1/3
TIR 1/5 1 1/3 7
ROI 1/2 3 1 3
BEP 3 1/7 1/3 1
SINTESI VAN TIR ROI BEP
VAN 1.0 3.9 0.6 0.3
TIR 0.3 1.0 0.4 0.6
ROI 1.6 2.4 1.0 3.0
BEP 3.0 0.4 0.3 1.0
Migliorare la consistenza
Matrice A con CR≥10%
OBIETTIVO: far avvicinare
l
max a n– scegliere max o min – porre
Migliorare la consistenza – esempio
A CR1 CR2 CR3
CR1 1 7 2
CR2 1/7 1 1
CR3 1/2 1 1
PESI
CR1 64,67%
CR2 14,03%
CR3 21,30%
CR=15,25%
B CR1 CR2 CR3
CR1 1 1,518294 0,658634 CR2 0,658634 1 1,518294 CR3 1,518294 0,658634 1
C CR1 CR2 CR3
CR1 1 7 3,036589
PESI
CR1 69,54%
CR=6,72%