Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1. INTRODUCCIÓN
El proceso de jerarquía analítica (AHP) es una teoría general de la medición. Se utiliza para derivar
escalas de relación de comparaciones pareadas discretas y continuas. Estas comparaciones
pueden tomarse de mediciones reales o de una escala fundamental que refleje la fuerza relativa
de las preferencias y los sentimientos. El AHP tiene una preocupación especial con la desviación de
la consistencia, su medición y la dependencia dentro y entre los grupos de elementos de su
estructura. Ha encontrado sus aplicaciones más amplias en la toma de decisiones, planificación y
asignación de recursos para múltiples criterios y en la resolución de conflictos [l-6]. En su forma
general, el AHP es un marco no lineal para llevar a cabo tanto el pensamiento deductivo como el
inductivo sin el uso del silogismo, teniendo en cuenta varios factores simultáneamente y
permitiendo la dependencia y la retroalimentación, y haciendo concesiones numéricas para llegar
a una síntesis o conclusión. T. L. Saaty desarrolló el AHP en 1971-1975 mientras estaba en la
Escuela Wharton (Universidad de Pennsylvania, Filadelfia, Pa). Este documento está escrito en un
estilo expositivo para que sea más accesible para los no matemáticos interesados en el tema.
Nuestro propósito es triple: primero presentar el AHP a través de dos ejemplos estructurados
jerárquicamente (en contraste con estructuras de red de retroalimentación más elaboradas); A
continuación para dar los axiomas y algunos de los fundamentos teóricos centrales de la teoría; y,
finalmente, discutir algunas de las ideas relacionadas con la teoría y su aplicación que son más
relevantes en el uso del AHP. En particular, escribimos sobre sus generalizaciones y sobre dónde
usar la medición absoluta o relativa. Durante mucho tiempo, las personas se han preocupado por
la medición de eventos físicos y psicológicos. Por físico nos referimos al ámbito de lo que se
conoce a la moda como tangibles en relación con algún tipo de realidad objetiva fuera del
individuo que realiza la medición. Por el contrario, lo psicológico es el reino de lo intangible, ya
que se relaciona con las ideas y creencias subjetivas del individuo sobre sí mismo y el mundo de la
experiencia. La pregunta es si existe una teoría coherente que pueda abordar ambos mundos de la
realidad sin comprometer tampoco. El AHP es un método que se puede utilizar para establecer
medidas en los dominios tanto físicos como sociales. Al usar el AHP para modelar un problema, se
necesita una estructura jerárquica o de red para representar ese problema y comparaciones por
pares para establecer relaciones dentro de la estructura. En el caso discreto, estas comparaciones
conducen a matrices de dominancia y en el caso continuo a núcleos de operadores de Fredholm
[7], a partir de las cuales se derivan escalas de relación en forma de vectores propios principales, o
funciones propias, según sea el caso. Estas matrices, o núcleos, son positivas y recíprocas, por
ejemplo. aij = l / aji. En particular, se han realizado esfuerzos especiales para caracterizar estas
matrices, y varios de los documentos más teóricos sobre este tema abordan preguntas y ofrecen
nueva información sobre ellas. Debido a la necesidad de una variedad de juicios, también se ha
realizado un trabajo considerable para caracterizar el proceso de síntesis de diversos juicios [S].
2. DOS EJEMPLOS
En general, un modelo jerárquico de algún problema social puede ser uno que desciende de un
enfoque (un objetivo general), a criterios, a subcriterios que son subdivisiones de los criterios y
finalmente a las alternativas a partir de las cuales se debe elegir. . Nuestro primer ejemplo es una
aplicación del AHP desarrollado por Hamllainen y Seppalainen [9] para resolver un problema de
decisión socio-técnica a gran escala con criterios intangibles en Finlandia. El parlamento de
Finlandia se enfrentó a tomar una decisión sobre qué tipo de planta de energía construir. Los
parlamentarios estaban preocupados por cómo la nueva central eléctrica afectaría la economía
nacional de Finlandia; Salud, seguridad y medio ambiente para los ciudadanos finlandeses. y cómo
factores políticos como las relaciones de Finlandia con los Estados Unidos afectan el tipo de planta
que se adoptará. Su objetivo era construir una planta de energía que sirviera mejor al bienestar
general de la nación. Cada uno de los criterios principales se descompuso en subcriterios, seguidos
de las alternativas: los diferentes tipos de centrales eléctricas. En la Fig. 1 se muestra una simple
jerarquía del problema. Se ha realizado un extenso trabajo sobre cómo estructurar las jerarquías
para los problemas prácticos. Dos tipos generales de jerarquías son las jerarquías de proceso hacia
adelante y hacia atrás. Se ha encontrado que todos los problemas caen en una u otra de estas dos
categorías. La planificación los combina de manera iterativa [4]. Los elementos de una jerarquía se
agrupan en grupos de acuerdo con la homogeneidad (ver Axioma 2 en la Sección 3) y un nivel
puede consistir en uno o varios grupos homogéneos. Los elementos en cada nivel pueden
considerarse como restricciones, refinamientos o descomposiciones de los elementos anteriores.
En una jerarquía "completa", como en el ejemplo de "elegir la mejor universidad" que se muestra
a continuación, todos los elementos en un nivel tienen todos los elementos en el nivel siguiente
como descendientes. En este caso los niveles son agrupaciones homogéneas únicas. De lo
contrario, una jerarquía está "incompleta", como en el ejemplo de energía de Finlandia a
continuación.
Focus> Atención
Podemos hacer algunas observaciones sobre esta jerarquía. Obviamente, es simple: se podrían
agregar más elementos, en cualquier nivel, y más niveles. La pregunta es: “¿Cuánto se debe incluir
en una jerarquía?” Una regla general es que la jerarquía debe ser lo suficientemente compleja
para capturar la situación, pero lo suficientemente pequeña y ágil para ser sensible a los cambios.
Para los miembros del Parlamento finlandés, la jerarquía dada anteriormente capturó el grado de
complejidad que podrían abordar como una unidad política. Las comparaciones por pares son
fundamentales en el uso del AHP. Los miembros del parlamento primero deben establecer
prioridades para sus criterios principales al juzgarlos por pares por su importancia relativa,
generando así una matriz de comparación por pares. Los juicios que están representados por
números de la escala fundamental a continuación se utilizan para hacer las comparaciones. El
número de juicios necesarios para una matriz particular de orden n, el número de elementos que
se comparan, es n (n - 1) / 2 porque es recíproco y los elementos diagonales son iguales a la
unidad. El documento de Harker [lo, este número, págs. 353-3601 presenta las condiciones en las
que es posible usar menos juicios y obtener resultados precisos. El siguiente paso es que los
miembros del parlamento comparen los subcriterios que pertenecen a cada uno de los criterios
principales, construyendo así tres matrices de comparación por pares más para el nivel 3. Luego
las tres alternativas se comparan con respecto a cada uno de los subcriterios, lo que lleva a nueve
Matrices de comparación por pares para el nivel 4. El paso final es ponderar o sintetizar los
resultados para obtener las prioridades finales de las tres centrales eléctricas. Ahora ofrecemos un
segundo ejemplo con más detalles sobre cómo se realizan estas operaciones. El autor tiene un hijo
adolescente que se graduó de la escuela secundaria el año pasado con buenas calificaciones y
altas calificaciones en el SAT. Utilizamos un modelo de AHP para seleccionar la universidad de su
elección. Fue aceptado por Swarthmore College, Northwestern University, University of Michigan,
Vanderbilt University y Carnegie-Mellon University (a dos cuadras de su casa). Dado que el costo
de cada uno es aproximadamente el mismo, no se incluyó como criterio en la jerarquía. Tiene un
temperamento artístico, escribiendo diestro en una posición enganchada, que se dice que
demuestra que es "de cerebro derecho". El resultado del análisis fue que eligió Northwestern
University, cuya reputación y ambiente académico son ligeramente menos preferidos que los de
Swarthmore College, ya que atraía más a su naturaleza. En Northwestern, seleccionó una
habitación compartida frente al lago Michigan, que combina un lugar de vacaciones de 4 años con
el estudio. Para resumir su perspectiva: en lo que respecta a la UBICACIÓN, cuanto más lejos de
casa se percibe que es una escuela, mejor (pero no necesariamente lineal); REPUTACIÓN (cómo se
califica la escuela) fue ligeramente más importante que ACADEMICS (atención personalizada,
clases pequeñas vs. clases grandes); y AMBIENCE (lo feliz que se sintió en el lugar) fue un poco más
importante que la de ACADEMICS o la de LOCATION. La jerarquía se muestra a continuación en la
Fig. 2
Al examinar las matrices a continuación, observamos que un par de elementos (i, j) en un nivel de
la jerarquía se comparan con respecto a un elemento padre en el nivel inmediatamente superior
como una propiedad o criterio común usado para juzgar cuál de ellos lo tiene más y por cuánto ...
La forma típica de formular una pregunta para llenar una entrada en la matriz de comparaciones
es: cuando se consideran dos elementos, i en el lado izquierdo de la matriz y j en la parte superior,
que tiene la propiedad más , o cuál satisface el criterio más, es decir, cuál se considera más
importante según ese criterio y cuánto más (utilizando los valores de escala fundamentales de la
Tabla 1). Esto nos da aij (oraji). El valor recíproco se introduce automáticamente para la
transposición. La pregunta que se hace al hacer una comparación por pares puede influir en los
juicios proporcionados y, por lo tanto, también en las prioridades. Debe quedar claro desde el
principio cuál es el enfoque de la jerarquía y cómo los elementos en el segundo nivel sirven para
cumplir ese enfoque o son su consecuencia, y así sucesivamente la jerarquía de cada elemento
principal y sus descendientes. Tenemos lo siguiente para la matriz de comparaciones por pares de
los criterios con respecto al enfoque general:
Nuevamente, la escala local derivada para las escuelas, para el criterio (1) UBICACIÓN, después de
resolver el vector propio principal, se enumera en la columna 4 bajo pesos:
(1) (SWARTH, NORTHW, U. MICH, VANDERB, CMU) = (0.115, 0.402, 0.283, 0.163, 0.037).
Ahora damos las escalas derivadas locales para los otros tres criterios, (2) AMBIENCE, (3)
REPUTATION y (4) ACADEMICS, omitiendo las matrices de comparación por pares
(2) (SWARTH, NORTHW, U. MICH, VANDERB, CMU) = (0.034, 0.539, 0.250, 0.121, 0.056);
(3) (SWARTH, NORTHW, U. MICH, VANDERB, CMU) = (0.521, 0.235, 0.147, 0.038, 0.059);
(4) (SWARTH, NORTHW, U. MICH, VANDERB, CMU) = (0.564, 0.209, 0.132, 0.040, 0.055).
El paquete de software que soporta el AHP, llamado Expert Choice, para la PC de IBM, se usó para
realizar estos cálculos y puede guiar al tomador de decisiones para mejorar su inconsistencia si es
necesario. Cuando la relación de consistencia excede de 0,10 de manera apreciable, los juicios a
menudo necesitan una reexaminación. Para sintetizar la escala de prioridad general, multiplicamos
como sigue:
Esto da una prioridad final de 0.387 para NORTHWESTERN, la escuela más preferida, con
SWARTHMORE como subcampeón con una prioridad de 0.270. La consistencia general de estos
juicios se obtiene como una relación de sumas de índices de inconsistencia ponderados a las
sumas correspondientes de índices aleatorios ponderados (ver Sección 4). En la siguiente sección
examinaremos algunos de los fundamentos matemáticos del AHP.
Tres principios guían uno en la resolución de problemas utilizando el AHP [121: descomposición,
juicios comparativos y síntesis de prioridades como se muestra en el ejemplo anterior. El principio
de descomposición se aplica estructurando un problema simple con los elementos en un nivel que
son independientes de aquellos en niveles sucesivos, trabajando hacia abajo desde el enfoque en
el nivel superior, hasta los criterios que se relacionan con el enfoque en el segundo nivel, seguidos
de subcriterios en el nivel superior. Tercer nivel, y así sucesivamente, desde lo más general (y en
ocasiones incierto) hasta lo más particular y concreto. Saaty [121 hace una distinción entre dos
tipos de dependencia que denomina funcional y estructural. La primera es la familiar dependencia
contextual de los elementos con respecto a otros elementos en el desempeño de su función,
mientras que la segunda es la dependencia de la prioridad de los elementos con respecto a la
prioridad y el número de otros elementos. La medición absoluta, a veces llamada puntuación, se
usa cuando se desea ignorar dicha dependencia estructural entre los elementos, mientras que la
medición relativa se usa de otra manera. El principio de los juicios comparativos se aplica para
construir comparaciones por pares de la importancia relativa de los elementos en algún nivel dado
con respecto a un criterio o propiedad compartida en el nivel anterior, dando lugar al tipo de
matriz encontrada anteriormente y su correspondiente vector propio principal. El tercer principio
es el de sintetizar las prioridades. En el AHP, las prioridades se sintetizan desde el segundo nivel
hacia abajo multiplicando las prioridades locales por la prioridad de su criterio correspondiente en
el nivel superior y agregando, para cada elemento en un nivel de acuerdo con el criterio que
afecta. (Los elementos del segundo nivel se multiplican por la unidad, el peso de la única meta de
nivel superior). Esto da la prioridad global o compuesta de ese elemento, que a su vez se utiliza
para ponderar las prioridades locales de los elementos en el nivel inferior en comparación con el
otro como criterio, y así sucesivamente al nivel inferior. Cuatro axiomas gobiernan el AHP y utilizan
la noción de comparaciones pareadas como primitivo. Sea ’11 un conjunto finito de n elementos
llamados alternativas. Sea K un conjunto de propiedades o atributos con respecto a los cuales se
comparan los elementos en (11). Nos referiremos a los elementos de a como criterio. Un criterio
es primitivo. Realizamos comparaciones binarias de los elementos en 'It de acuerdo con a criterio
en c. Sea> c una relación binaria en 9t que representa "más preferido que" con respecto a un
criterio C en 6. Sea -c la relación binaria "indiferente a" con respecto a un criterio C en B. Por lo
tanto, dados dos elementos Ai, AjcA, Ai> .Aj o Aj> = Ai o Ai -c Aj, VC ~ 6. Utilizamos Ai kc Aj para
indicar más preferido o indiferente. Una familia dada de relaciones binarias> c con respecto a un
criterio C en 6 es primitivo. Sea 'el conjunto de cambios de% x 9l a R + (el conjunto de reales
positivos). Letf': K - + $. Deje Pc gf (C) para CE K. P, asigna un número real positivo para cada par
(Ai, Aj) c'91 x 2l. Deje Pc (Ai, Aj) = UijE R ', Ai, Aj E 91. Para cada CEK ;, el triple (%! I x VI, R +, PC) es
una escala de fundamental o primitiw. A funda La escala mental es un mapeo de objetos a un
sistema numérico.
Si Ai> c Aj, decimos que Ai domina Aj con respecto a C E Cs. Por lo tanto, PC representa la
intensidad o la fuerza de preferencia de una alternativa sobre otra.
Este axioma dice que las matrices de comparación que construimos están formadas por
comparaciones recíprocas pareadas, ya que si se considera que una piedra es cinco veces más
pesada que la otra, entonces la otra debe ser una quinta parte más pesada que la primera. Es esta
relación simple pero poderosa la base del AHP. Sea A = (aij) = (P&A, Aj)) el conjunto de
comparaciones pareadas de las alternativas con respecto al criterio C E 6. Según la definición de PC
y Axioma 1, A es una matriz recíproca positiva. El objetivo es obtener una escala de dominancia
relativa (u orden de rango) de las alternativas a partir de las comparaciones pareadas dadas en A.
Ahora mostraremos cómo derivar la dominancia relativa de un conjunto de alternativas de una
matriz de comparación por pares A. Let RMM (“) Sea el conjunto de (nxn) matrices recíprocas
positivas A = (aij) = (PJA, Ai)), VCEE. Sea [0, 11 ”el producto cartesiano en n de [0, l] y sea W: & n,>
[0, 11” para AE RMM (“), W (A) es un vector n-dimensional cuyas componentes se encuentran en
el intervalo [O, 11. El triple (RMM (“), [0, l]“, W) es una escala derivada. Una escala derivada es un
mapeo entre dos sistemas relacionales numéricos. Un aspecto importante del AHP es la idea de
consistencia. Si uno tiene una escala para una propiedad que poseen algunos objetos y mide esa
propiedad en ellos, entonces sus pesos relativos con respecto a esa propiedad son fijos. En este
caso, no existe una inconsistencia de juicio (aunque si uno tiene una escala física y la aplica a los
objetos en pares y luego deriva la posición relativa de los objetos en la escala de la matriz de
comparación por pares, es probable que se hayan producido imprecisiones en el acto de aplicar la
escala física y nuevamente habría inconsistencia). Pero al comparar con respecto a una propiedad
para la cual no hay una escala o medida establecida, estamos tratando de derivar una escala
mediante la comparación de los objetos de dos en dos. Dado que los objetos pueden estar
involucrados en más de una comparación y no tenemos una escala estándar, pero estamos
asignando valores relativos como una cuestión de juicio, las inconsistencias pueden ocurrir. En el
AHP, la consistencia se define de la siguiente manera y podemos medir la inconsistencia (consulte
la Sección 4). Dejinition. Se dice que el PC de mapeo es consistente si
(a) hay una partición de H en los conjuntos L ,, k = 1 ,. , h, para algunas h donde L1 = {b}, b es
un solo elemento;
(b) XEL, implica x-EL, + ~, k = l, ..., h - 1;
(c) XEL, implica x + EL ~ - ~, k = 2, ..., h.
Axioma 3
Sea H una jerarquía con niveles L ,, LX, ..., L ,. Para cada L ,, k = 1, 2, _ .., h - I:
(1) L! I +, es externo dependiente de Lk;
(2) L! I + 1 no es dependiente interno con respecto a todas las XE L;
(3) L, no es externo dependiente de Lk +,
Este axioma es simplemente la afirmación de que los individuos reflexivos que tienen
razones para sus creencias deben asegurarse de que sus ideas estén adecuadamente
representadas en el modelo. Todas las alternativas, criterios y expectativas (explícitas e
implícitas) pueden y deben estar representadas en la jerarquía. Este axioma no asume la
racionalidad. Se sabe a veces que las personas albergan expectativas irracionales y tales
expectativas pueden ser acomodadas. Basándonos en los conceptos de Axiom 3, ahora
podemos desarrollar una función de ponderación. Para cada XE H, existe una función de
ponderación adecuada (cuya naturaleza depende del fenómeno que se estructura
jerárquicamente):
Tenga en cuenta que h = 1 es el último nivel para el que x- no está vacío. Los conjuntos Li
son los niveles de la jerarquía, y la función w, es la función prioritaria de los elementos en
un nivel con respecto al objetivo x. Observamos que incluso si x- # Lk (para algún nivel Lk),
w, puede definirse para toda L, estableciéndolo en cero para todos los elementos en L, no
en x. La función de ponderación es una de las contribuciones más significativas a la
aplicación de la teoría de la jerarquía.
Definición. Una jerarquía está completa si, Vx c L ,, x + c Lt_, podemos plantear la pregunta
central:
Problema básico. Dado cualquier elemento x EL, y el subconjunto Sc L, (E <p),
¿cómo definimos una función w ,, ~: S + [0, l] que refleja las propiedades de las
funciones de prioridad en los niveles L ,, k = cc ,. . . , p - 1. Específicamente, cuál es
la función wb.Lh. .Lh 4 [O, l]?
El problema es ahora, ¿qué tan buena es la estimación principal del vector propio w?
Tenga en cuenta que si obtenemos w = (wi, ..., w,) al resolver este problema, la matriz
cuyas entradas son wi / wj es una matriz consistente, que es nuestra estimación
consistente de la matriz A. La matriz original A no necesita se consistente. De hecho, las
entradas de A ni siquiera tienen que ser transitivas; es decir, A, puede preferirse a A2 y A2
a A, pero A, puede preferirse a A ,. Lo que nos gustaría es una medida del error debido a la
inconsistencia. Resulta que A es coherente si A A ,,,,, = n y que siempre tenemos II ,,, 2 n.
Esto sugiere usar i “ax - n como un índice de desviación de la consistencia. Pero
donde Li, i = 1 ,. . . , n son los valores propios de A. Adoptamos el valor promedio (A ,,,,, - n)
/ (n - l), que es el promedio (negativo) de E.i, i = 2 ,. . . , n (algunos de los cuales pueden ser
conjugados complejos). Es interesante observar que 2 (1. ,,, - n) / (n - 1) es la varianza del
error incurrido al estimar aij. Esto se puede mostrar por escrito y sustituyendo en la
expresión por & ,, ax. Esto es lo que nos concierne como el componente de error y su valor
16ij (<1 para un estimador imparcial. La normalización del vector propio principal produce
una estimación única de una escala de razón subyacente a los juicios. El IC de una matriz
de comparaciones está dado por CI = (3 ,,,, - n) / (n - 1). La relación de consistencia (CR) se
obtiene comparando el IC con el apropiado del siguiente conjunto de números, cada uno
de los cuales es un índice de consistencia aleatorio promedio (RI). ) derivado de una
muestra de tamaño 500, de una matriz recíproca generada aleatoriamente utilizando la
escala l / 9, l / 8, ..., 1,. .8, 9 para ver si es de aproximadamente 0.10 o menos. No menos
de 0.10, estudie el problema y revise los juicios:
¿Por qué tolerar el 10% de inconsistencia? La prioridad de la coherencia para obtener una
explicación coherente de un conjunto de hechos debe diferir en un orden de magnitud de
la prioridad de la inconsistencia, que es un error en la medición de la coherencia. Por lo
tanto, en una escala de O-1, la inconsistencia no debe exceder mucho de 0.10. Tenga en
cuenta que el requisito del 10% no debe hacerse mucho más pequeño, como 1% o 0.1%.
La razón es que la inconsistencia en sí misma es importante, ya que sin ella no se pueden
admitir los nuevos conocimientos que cambian el orden de preferencia. Asumir que todo
conocimiento es consistente contradice la experiencia que requiere un ajuste continuo en
la comprensión. Por lo tanto, el objetivo de desarrollar un marco coherente de gran
alcance depende de admitir alguna inconsistencia. Esto también explica por qué el número
de elementos comparados debe ser pequeño. Si el número de elementos es grande, sus
prioridades relativas serían pequeñas y el error puede distorsionar estas prioridades
considerablemente. Si el número de elementos es pequeño y las prioridades son
comparables, un pequeño error no afecta el orden de magnitud de las respuestas y, por lo
tanto, las prioridades relativas serían aproximadamente las mismas. Para que esto suceda,
los elementos deben ser <10, por lo que sus valores en general serían> 10% cada uno y,
por lo tanto, no se verán afectados por un error del 1%, por ejemplo. El índice de
consistencia (C.I.) para una jerarquía completa se define por
donde wij = 1 para j = 1, y nij +, es el número de elementos del (j + 1) th nivel con respecto
al criterio i del jth level. Sea ICJ el número de elementos de C; , y sea w (kJ (h) la prioridad
del impacto del componente hth en el componente kth, es decir, wck) (,,) = w ,, (C ,,) o
wcki: C ,, - + w ( ~) (,,,. Si etiquetamos los componentes de un sistema en líneas similares a
las que seguimos para una jerarquía, y denotamos por wjk la prioridad limitante del
elemento jth en el componente kth, tenemos