Documentos de Académico
Documentos de Profesional
Documentos de Cultura
B.1.
Apndice B
212
Indicador A
1
1/3
1
Indicador B
3
1
5
Indicador C
1
1/5
1
Indicador A
Indicador B
Indicador C
wA/wA
wB/wA
wC/wA
wA/wB
wB/wB
wC/wB
wA/wC
wB/wC
wC/wC
Los pesos relativos de los su-indicadores son calculados usando una tcnica
de vectores propios. Una de las ventajas de este mtodo es que es capaz de
verificar la consistencia de la matriz de comparacin a travs del clculo de los
valores propios (eigenvalues).
El PAJ tolera la inconsistencia a travs de la cantidad de redundancia. Para
una matriz de tamao nn slo comparaciones n-1 son requeridas para establecer
pesos para los indicadores n. El nmero real de comparaciones realizadas en el PAJ
es n(n-1)/2. Esta redundancia es una caracterstica til como lo es, en forma
anloga, la estimacin de un nmero como resultados de obtener el promedio de
repetidas observaciones. Esto conduce resulta en un conjunto de pesos que son
menos sensitivos a errores de juicio. Adems, esta redundancia permite la medicin
de los errores de juicio al dar medios para calcular una relacin de inconsistencia.
Esta tcnica se ajusta bien al tipo de problemas complejos de toma de
decisiones que involucran metas mltiples relacionadas con la planificacin. La
principal ventaja del PAJ es que se basa en la comparacin de pares; la mente
humana puede manejar fcilmente dos problemas distintos y examinar sus
diferencias.
El PAJ facilita
una tcnica til para
componentes de un
apreciacin utilizando
Apndice B
213
Puntaje
9
8
7
6
5
4
3
2
1
CR =
CI
0.1
CI random
(B.1)
max n
n 1
(B.2)
Apndice B
214
B.2.
F RF1
F RF2
F RF3
F RF5
F RF6
F RF7
F RF8
1
0,25
0,25
0,50
0,33
0,33
0,20
0,20
4
1
1
2
1
1
0,33
0,33
4
2
3
1
0.5
1
1
0.5
1
2
1
2
1
0,5
1
1
0,5
1
0,33
0,25
0,33
0,33
0,25
0,33
Valor propio = 8,11
CI = 0,0152
CR = 0,0108
F RF4
3
1
1
2
1
1
0,33
0,33
5
3
3
4
3
3
1
1
5
3
3
4
3
3
1
1
F RF1
F RF2
F RF3
F RF4
F RF5
F RF6
F RF7
F RF8
Vector
propio
principal
0,7410
0,2420
0,2420
0,4368
0,2496
0,2496
0,0958
0,0958
Pesos
0,31
0,10
0,10
0,19
0,11
0,11
0,04
0,04
Apndice B
215
F FS1
F FS2
F FS3
1
0,25
0,25
1
1
0,33
0,33
0,25
0,25
0,33
0,33
4
1
1
4
4
2
2
1
1
2
2
4
1
1
4
4
2
2
1
1
2
2
F FS4
F FS5
F FR1
F FR2
1
1
3
3
0,25 0,25
0,5
0,5
0,25 0,25
0,5
0,5
1
1
3
3
1
1
3
3
0,33 0,33
1
1
0,33 0,33
1
1
0,25 0,25
0,5
0,5
0,25 0,25
0,5
0,5
0,33 0,33
2
2
0,33 0,33
2
2
Valor propio = 11,24
CI = 0,024
CR = 0,016
F FR3
F FR4
F FR5
F FR6
4
1
1
4
4
2
2
1
0,5
3
3
4
1
1
4
4
2
2
2
1
3
3
3
0,5
0,5
3
3
0,5
0,5
0,33
0,33
1
1
3
0,5
0,5
3
3
0,5
0,5
0,33
0,33
1
1
F FS1
F FS2
F FS3
F FS4
F FS5
F FR1
F FR2
F FR3
F FR4
F FR5
F FR6
B.3.
Vector
propio
principal
1,0000
Pesos
0,18
0,2136
0,04
0,2136
0,04
0,18
0,18
0,33928
0,06
0,33928
0,06
0,21601
0,04
0,1895
0,47833
0,47833
0,04
0,09
0,09
Apndice B
216
B.3.1
IR2
IR3
IR4
IR5
IR6
La Tabla B.7 presenta la matriz de comparacin obtenida y la Tabla B.8 los pesos
resultantes.
Tabla B.7. Matriz de importancias relativas para la identificacin riesgo (DPAE)
IR1
IR2
IR3
IR4
IR5
IR6
IR1
1
5
5
5
1
3
IR2
0,2
1
2
1
0,2
0,5
IR3
0,2
0,5
1
0,5
0,2
0,25
IR4
0,2
1
2
1
0,2
0,5
IR5
1
5
5
5
1
3
IR6
0,3
2
4
2
0,3
1
Tabla B.8. Pesos utilizados para los indicadores de identificacin del riesgo
Indicador
Vector
propio
principal
IR1
IR2
IR3
IR4
IR5
IR6
0,0982
0,4441
0,7280
0,4441
0,0969
0,2381
Vector
propio
principal
normalizado
0,05
0,22
0,36
0,22
0,05
0,12
Pesos
5
22
36
22
5
12
Apndice B
B.3.2
217
RR2
RR3
RR4
RR5
RR6
La Tabla B.9 presenta la matriz de comparacin obtenida y la Tabla B.10 los pesos
resultantes.
Tabla B.9. Matriz de importancias relativas para la reduccin del riesgo (DPAE)
RR1
RR2
RR3
RR4
RR5
RR6
RR1
1
1
4
2
0,33
1
RR2
1
1
4
2
0,33
1
RR3
0,25
0,25
1
0,5
0,2
0,25
RR4
0,5
0,50
2
1
0,2
0,5
RR5
3
3
5
5
1
3
RR6
1
1
4
2
0,3
1
Tabla B.10. Pesos utilizados para los indicadores de reduccin del riesgo
Indicador
Vector propio
principal
RR1
RR2
RR3
RR4
RR5
RR6
0,3172
0,1896
0,1597
0,69
0,4382
0,4122
Vector propio
principal
normalizado
0,14
0,09
0,07
0,31
0,20
0,19
Pesos
14
9
7
31
20
19
Apndice B
218
B.3.3
Gestin de desastres
MD1
1
0,5
0,5
0,2
0,3
0,2
MD2
2
1
1
0,2
0,5
0,2
MD3
2
1
1
0,2
0,5
0,2
MD4
5
5
5
1
3
1
MD5
4
2
2
0,33
1
0,33
MD6
5
5
5
1
3
1
Vector propio
principal
MD1
MD2
MD3
MD4
MD5
MD6
0,2272
0,2272
0,8023
0,4392
0,0923
0,2272
Vector propio
principal
normalizado
0,11
0,11
0,40
0,22
0,05
0,11
Pesos
11
11
40
22
5
11
Apndice B
B.3.4
219
PF2
PF3
PF4
PF5
PF6
PF1
1
3
0,5
0,2
0,5
0,2
PF2
0,33
1
0,2
0,17
0,2
0,17
PF3
2
5
1
0,33
1
0,17
PF4
5
6
3
1
3
1
PF5
2
5
1
0,33
1
0,33
PF6
5
6
3
1
3
1
Vector propio
principal
PF1
PF2
PF3
PF4
PF5
PF6
-0,3942
-0,8583
-0,2159
-0,0887
-0,2159
-0,0828
Vector propio
principal
normalizado
0,21
0,46
0,12
0,05
0,12
0,04
Pesos
21
46
12
5
12
4
Apndice B
220
B.4.
Referencias
Saaty T. L. (1980). The Analytic Hierarchy Process, McGraw-Hill Book Co., N.Y.
Saaty R.W. (1987). The analytic hierarchy process- what it is and how it is used,
Mathematical Modeling, 9, 161-176.
Hyman B. (1998). Fundamentals of Engineering Design, Upper Saddle River, Prentice Hall,
New Jersey.
Saaty T.L., Vargas L.G. (1991). Prediction, Projection, and Forecasting: Applications of the
Analytical Hierarchy Process in Economics, Finance, Politics, Games, and Sports. Boston:
Kluwer Academic Publishers