Árbol de Criterios

Mejor Alternativa
Listado de
Criterios
Alternativa 1 Criterio
1
Alternativa 2
Criterio
2
Alternativa 3
Criterio
3
 Ponderación de Criterios
Matriz Pareada
Criterio 1 Criterio 2 Criterio 3 Criterio 4

Criterio 1 1/1 5/1 5/1 7/1

Criterio 2 1/5 1/1 1/1 3/1

Criterio 3 1/5 1/1 1/1 3/1

Criterio 4 1/7 1/3 1/3 1/1

Escala de Ponderación
Igual Moderada Fuerte Muy fuerte Extrema
1 3 5 7 9

𝑅 ∗ (𝑅 − 1)
Número de Comparaciones 𝑐=
2
 Comprobación de Consistencia
La consistencia de una matriz nos indica
que las distintas comparaciones pareadas
que componen la matriz se contradicen
pero hasta un nivel que se considera
tolerable
 Pasos para calcular la consistencia
1. Normalizar la Matriz por columnas
C1 C2 C3 C1 C2 C3
C1 1 4 5 C1 1,00 4,00 5,00
C2 1/4 1 2 C2 0,25 1,00 2,00
C3 1/5 1/2 1 C3 0,20 0,50 1,00
SUMA 1,45 5,50 8,00
0,6896552 0,7272727 0,625
0,1724138 0,1818182 0,25
0,137931 0,0909091 0,125

2. Calcular sumas y promedio por filas

Suma filas Promedio
2,0419279 0,6806426
0,604232 0,2014107
0,3538401 0,1179467
3. Calcular vector fila total (multiplicando la matriz
original por el vector promedio)
Vector fila total
1,00 4,00 5,00 0,6806426 2,0760188
0,25 1,00 2,00 0,2014107 0,6074647
0,20 0,50 1,00 0,1179467 0,3547806

4. Calcular vector cocientes (dividiendo el vector fila

total, termino a termino, entre el vector promedio)
Vector fila total Promedio Cociente
2,0760188 0,6806426 3,0500864
0,6074647 0,2014107 3,0160506
0,3547806 0,1179467 3,0079734
5. Calcular lambda max (promediando el vector
de cocientes) Cociente
3,0500864
3,0160506
3,0079734
lmax 3,0247035

6. Calcular el índice de consistencia CI

𝜆𝑚𝑎𝑥 −𝑅
𝐶𝐼 = 2
7. Calcular el radio de consistencia CR
𝐶𝐼
𝐶𝑅 = 𝑐𝑜𝑛𝑠𝑖𝑠𝑡𝑒𝑛𝑐𝑖𝑎 𝑎𝑙𝑒𝑎𝑡𝑜𝑟𝑖𝑎(0,52)
CI 0,0123517
CR 0,0237533
 Comprobación de Consistencia
Tamaño de la % máximo radio de
Matriz consistencia (CR)
3 5
4 9
>=5 10
¿Qué pasa si la matriz es
inconsistente?
 ¿Qué pasa si la matriz es
inconsistente?
Revisar las ponderaciones de la matriz,
programación por metas
 Calculo del Vector Propio
El vector propio nos da la ponderación relativa
de cada variable. Se consigue multiplicando la
matriz por si misma, sumar por filas y
normalizar, hasta que las primeras 4 cifras
coincidan con el producto anterior
C1 C2 C3
C1 1,00 4,00 5,00
C2 0,25 1,00 2,00
C3 0,20 0,50 1,00
 VECTOR
Primer producto
PROPIO
3 10,5 18 31,5 0,6852
0,9 3 5,25 9,15 0,1990
0,525 1,8 3 5,325 0,1158
45,975 1
Segundo producto
27,9 95,4 163,125 286,425 0,6833
8,15625 27,9 47,7 83,75625 0,1998
4,77 16,3125 27,9 48,9825 0,1169
419,16375 1
Tercer producto
2334,6225 7984,2966 13652,955 23971,874 0,6833
682,64775 2334,6225 3992,1483 7009,4185 0,1998
399,21483 1365,2955 2334,6225 4099,1328 0,1168
35080,425 1
Cuarto producto

16351386 55920955 95623488 167895829 0,6833

4781174,4 16351386 27960477 49093038 0,1998
2796047,7 9562348,8 16351386 28709783 0,1168
245698650 1
Ejemplo