Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Identificar, investigar y concluir conceptos previos de los modelos multicriterios para así poder
OBJETIVOS ESPECIFICOS
Contenido
1. IDENTIFIQUE QUE SON VARIABLES EXPLICATIVAS INVERSAS..........................5
2. IDENTIFIQUE QUE SON VARIABLES EXPLICATIVAS CUALITATIVAS.................5
3. IDENTIFIQUE QUE COMO SE NORMALIZAN VALORES...........................................5
4. COMO SE NORMALIZAN LOS VALORES.....................................................................5
4.1 NORMALIZACIÓN POR LA SUMA.............................................................................5
4.2 NORMALIZACIÓN POR EL MAYOR ELEMENTO O NORMALIZACIÓN POR
EL IDEAL...............................................................................................................................5
4.3. NORMALIZACIÓN POR EL RANGO.........................................................................5
4.4. EJEMPLO.......................................................................................................................6
5. IDENTIFIQUE QUE SON LOS ÍNDICES DE ADECUACIÓN........................................7
6. IDENTIFIQUE QUE ES AGREGACIÓN DE VALORES PROPIOS Y
MULTIPLICACIÓN DE MATRICES.......................................................................................7
6.2. MULTIPLICACIÓN DE MATRICES................................................................................8
6.2.1. MATRIZ....................................................................................................................8
6.2.2. PRODUCTO POR UN NÚMERO REAL.............................................................8
6.2.3. PRODUCTO ENTRE MATRICES........................................................................8
7. IDENTIFIQUE COMO SE DESARROLLA UNA SUMA PONDERADA.......................9
CONCLUSION.........................................................................................................................10
BIBLOGRAFIA........................................................................................................................11
Tabla 1.Datos...............................................................................................................................7
Tabla 2 Resumen de normalizaciones para los ingresos brutos...................................................8
Tabla 3 Intervalo o recorrido de la variable Ingresos Brutos normalizada, para cada uno de los
métodos de normalización...........................................................................................................8
Son aquellas en que el valor se mueve en sentido distinto que ellas, o sea si la variable
aumenta el valor disminuye y si la variable disminuye el valor aumenta. Aunque este tipo de
variables son menos numerosas que las directas, existen claros ejemplos de ellas y hay que
ser cuidadoso en su detección y en su tratamiento.
Algunos ejemplos para estas variables son:
Son aquellas que no son medibles directamente, aunque el experto pueda darles una
determinada cuantificación utilizando una escala determinada previamente. Son ejemplo de
este tipo de variables cualitativas, la calidad del suelo, el aspecto vegetativo, la calidad del
entorno urbanístico, la importancia de la imagen, la calidad artística. Las variables cualitativas
tienen gran importancia en los procesos valorativos y deben ser tenidas en cuenta en la
valoración. La dificultad que presentan es su cuantificación, normalmente la forma de abordar
este problema es mediante una escala lineal de 0 a 10 o de 0 a 100 (no es indiferente el rango
de la escala que se adopte), donde el experto sitúa cada uno de los testigos comparándolos
todos entre sí.
Los valores se normalizan por tres métodos los cuales son los siguientes:
Consiste en dividir cada elemento de una columna por el mayor elemento de dicha columna.
Se denomina también normalización por el ideal debido a que en una secuencia de valores de
un criterio al mayor valor se la llama ideal y al menor antiideal.
El intervalo de los valores normalizados es 0 ≤ xij ≤1. Con este tipo de normalización siempre
uno de los elementos es 0 y otro toma el valor 1.
4.4. EJEMPLO.
6 parcelas agrícolas de las cuales conocemos tres variables explicativas, como son sus
Ingresos Brutos en €/Ha, el Riesgo de que se produzca una helada expresado en porcentaje
de años en que se ha producido una helada en los últimos 10 años y la población activa
agraria del municipio donde se encuentra situada la parcela.
Ingresos
Brutos Riesgo de Población
(/Ha) helada (%) agrícola
Parcela A 1100 10 5000
Parcela B 980 25 6000
Parcela C 1000 15 8500
Parcela D 755 15 15000
Parcela E 1200 5 2500
Parcela F 1050 10 3000
Tabla 1.Datos.
Por la Suma
1100/6085 = 0,180
980/6085 = 0,161
1000/6085 = 0,1643
755/6085= 0,1241
1200/6085= 0,1972
1050/6085= 0,1752
Por ideal
1100/1200 = 0,9166
980/1200 = 0,8166
1000/1200= 0,8333
755/1200= 0,6292
1200/1200= 1
1050/1200= 0,8750
De acuerdo a la formula
Normalización
Normalización Normalización por el
por la suma por el ideal intervalo
Parcela A 0,1808 0,9167 0,7753
Parcela B 0,1611 0,8167 0,5056
Parcela C 0,1643 0,8333 0,5506
Parcela D 0,1241 0,6292 0,0000
Parcela E 0,1972 1,0000 1,0000
Parcela F 0,1726 0,8750 0,6629
Tabla 2 Resumen de normalizaciones para los ingresos brutos.
Se trata de enfrentar la solución obtenida mediante el modelo de programación por metas con
la que se obtendría con una solución ingenua del problema. Esta última sería la que aplicaría el
valorador cuando la única variable conocida para la muestra de testigos fuera el precio, de
manera que el valor estimado para cualquier activo problema sería el obtenido como promedio
entre el conjunto de testigos de la muestra. El índice de adecuación se obtendrá a partir de la
relación entre la suma de desviaciones de uno y otro modelo [7]:
Llamaremos vectores propios de una matriz cuadrada de orden n a aquellos vectores cuya
dirección no se modifica al transformarlos mediante la matriz. Por tanto u es un vector propio
de la matriz A si verifica que
Au = λu.
Donde λ es un escalar, que se denomina valor propio de la matriz. En esta relación suponemos
u 6= 0, ya que si no es trivialmente cierta. Si u es un vector propio de A y multiplicamos (2.4)
por cualquier a 6= 0, resulta que au ser· también un vector propio de A. Para evitar esta
indeterminación suponemos que los vectores propios están normalizados de manera que kuk
= 1. Sin embargo, el signo queda indeterminado: si u es un vector propio también lo es −u.
Ejemplo:
Ilustración 1 ejemplo agregación de valores.
6.2.1. MATRIZ
Una matriz es una tabla rectangular de números reales dispuestos en filas y columnas del
modo:
Ilustración 2. Matriz
Dada una matriz cualquiera A y un número real k, el producto k·A se realiza multiplicando todos
los elementos de A por k, resultando otra matriz de igual tamaño.
Propiedades:
Hay que dejar claro ya desde el principio que no todas las matrices pueden multiplicarse. Dos
matrices se pueden multiplicar cuando se cumple la siguiente condición:
Para multiplicar dos matrices A y B, en este orden, A·B, es condición indispensable que el
número de columnas de A sea igual al número de filas de B”, si no se cumple esta condición, el
producto A·B no puede realizarse, de modo que esta es una condición que debemos
comprobar previamente a la propia multiplicación.
Una vez comprobado que el producto A·B se puede realizar, si A es una matriz m x n y B es
una matriz n x p (observemos que el nº de columnas de A = n = nº de filas de B), entonces el
producto A·B da como resultado una matriz C de tamaño n x p del siguiente modo: “El
elemento que se encuentra en la fila i y la columna j de la matriz C=A·B, se obtiene
multiplicando los elementos de la fila i de A por la columna j de B y sumando los resultados”
Ejemplo:
2 · 1+ 5· 1+3 · 2+ (-2) · 1 = 11
El método de la Suma ponderada calcula la ponderación de las alternativas como resultado del
sumatorio del producto del peso de cada variable (calculado por Diakoulaki, entropía o por
Ordenación simple) por el valor que toma para esa alternativa la variable correspondiente.
Siendo.
wj = Peso de cada variable obtenido por uno de los métodos conocidos de ponderación
(Diakoulaki, entropía u Ordenación simple)
https://riunet.upv.es/bitstream/handle/10251/19181/NUEVOS%20MÉTODOS%20DE
%20VALORACIÓN%20-%20MODELOS%20MULTICRITERIO.pdf?sequence=1
http://sauce.pntic.mec.es/~jpeo0002/Archivos/PDF/T06.pdf
https://www.researchgate.net/profile/Daniel_Pena4/publication/40944325_Analisis_de_Datos_M
ultivariantes/links/549154880cf214269f27ffae/Analisis-de-Datos-Multivariantes.pdf