Métodos basados en la Intensidad de Dominancia para la ordenación de alternativas en MAUT

Documentos relacionados
Universidad de Sonora Departamento de Matemáticas Área Económico Administrativa

LECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 14: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION

ESTADÍSTICA. x es el cociente entre la frecuencia absoluta del valor

CAPÍTULO IV. MEDICIÓN. De acuerdo con Székely (2005), existe dentro del período información

Programación y Métodos Numéricos Interpolación polinómica de de Hermite: PLANTEAMIENTO Y CASO DE PRIMER ORDEN

Ideas Básicas sobre Métodos de Medida

4) Ahora elaboremos la tabla de distribución de frecuencias: TABLA DE DISTRIBUCIÓN DE FRECUENCIAS DE LOS PESOS DE LOS ESTUDIANTES MERU CALIDAD.

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias

Apéndice A. Principio de Mínima Acción y Energía Mecánica total.

LECTURA 02: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS

Universidad Simón Bolívar Conversión de Energía Eléctrica - Prof. José Manuel Aller

CAPÍTULO 4 MARCO TEÓRICO

Medidas de Variabilidad

Estadística con R. Modelo Probabilístico Lineal

Resolución de sistemas lineales por métodos directos

Estadísticos muéstrales

EJERCICIOS PROPUESTOS TEMAS 1 Y 2

Modelos lineales Regresión simple y múl3ple

FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004)

Especialista en Estadística y Docencia Universitaria REGRESION LINEAL MULTIPLE

Ejercicio nº 1. a) Elabora una tabla de frecuencias. b) Representa gráficamente la distribución.

Colección de problemas de. Poder de Mercado y Estrategia

UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN PREPARATORIA No. 3

Tema 1: Estadística Descriptiva Unidimensional

PyE_ EF2_TIPO1_

ESTADÍSTICA. Definiciones

75.12 ANÁLISIS NUMÉRICO I GUÍA DE PROBLEMAS INTEGRACIÓN

UNIVERSIDAD FRANCISCO DE VITORIA CURSO SEMANAS PRESENCIALES

EJERCICIOS DE ESTADÍSTICA BIDIMENSIONAL.

PRIMER PARCIAL (30%) SÁBADO 10/11/12

EJERCICIO RESUELTO DE RIESGO MORAL

Prueba de Evaluación Continua

Ejercicios y Talleres. puedes enviarlos a

Tema 7: Regresión Logística p. 1/1

TEMA 1.- CONCEPTOS BÁSICOS

Jesús García Herrero CLASIFICADORES BAYESIANOS

Histogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos.

TEMA 2: MAGNITUDES ALEATORIAS

Lucía I. García-Cebrián 1, Antonio Muñoz Porcar 2

EJERCICIOS SOBRE INTERPOLACIÓN POLINOMIAL. x x0 y y0. Deducir la fórmula para el polinomio de Lagrange de grado a lo más uno que Interpola la tabla.

Bloque 5. Probabilidad y Estadística Tema 2. Estadística descriptiva Ejercicios resueltos

2 Descripción de Datos Univariados.

TEMA 3. VARIABLE ALEATORIA

Control de la exactitud posicional por medio de tolerancias

Tema 9: Otros temas de aplicación

HORARIOS PROVISIONALES

UNIDAD 1: Tablas de frecuencias

Un estimado de intervalo o intervalo de confianza ( IC

Medidas de centralización

Diferencias Finitas. 4.1 Introducción. 4.2 Método de las Diferencias Finitas. 4. Diferencias Finitas

7ª SESIÓN: Medidas de concentración

VISIÓN POR COMPUTADOR

SOLUCIONES A LOS EJERCICIOS DE LA UNIDAD

Población 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia

LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION

Introducción a la Física. Medidas y Errores

ESTADÍSTICA BIDIMENSIONAL ÍNDICE GENERAL

Tema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis

Optimización no lineal

ESTADÍSTICA DESCRIPTIVA

Análisis de la racionalidad en el uso de preferencias lingüísticas: un estudio empírico

INTRODUCCIÓN. Técnicas estadísticas

Estadística Unidimensional: SOLUCIONES

La Relación existente entre Gasto y Déficit Público en Latinoamérica ( )

315 M/R Versión 1 Integral 1/ /1 UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA

Complementos al ABC: efectos dinámicos

DISTRIBUCIONES BIDIMENSIONALES

Guía para el Trabajo Práctico N 5. Métodos Estadísticos en Hidrología

TEMAS SELECTOS DE FÍSICA I GUÍA DE ESTUDIO PARA EL EXAMEN EXTRAORDINARIO

Descripción de una variable

Guía de Equilibrio General. Ejercicio extraído de Mas-Colell, Whinston y Green, con algunas modificaciones

Enfoque de la dominancia para el análisis de la evolución de la pobreza entre 1988 y 2004

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS. Métodos multivariantes en control estadístico de la calidad

ANÁLISIS FRECUENCIAL

Estimación no lineal del estado y los parámetros

Tema 1.- Variable aleatoria discreta (V2.1)

Estadística Descriptiva Análisis de Datos

ISIS J. C. Gómez & G. Bartolini 1

Slide 1. Slide 2 Organización y Resumen de Datos. Slide 3. Universidad Diego Portales. Tablas de Frecuencia. Estadística I

ANEXO D. Cálculo del cortante basal

Propiedades efectivas de medios periódicos magneto-electroelásticos a través de funciones de Green

Análisis Factorial de Correspondencias Un Ejemplo:

Apéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico

INTRODUCCION AL ESTUDIO DE LA TEORIA DE LA AGENCIA

I. Ecuaciones Matemáticas = 1. Pontificia Universidad Católica de Chile SIMULA v1.0 Escuela de Ingeniería Centro de Minería.

ANÁLISIS ESTADÍSTICO DE LA PRODUCCIÓN ARROCERA EN EL ECUADOR

16/02/2015. Ángel Serrano Sánchez de León

EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 19 de Septiembre de :30 horas. Pregunta 19 A B C En Blanco

Regresión y Correlación Métodos numéricos

Tema 11: Estadística.

2. Tratamiento de errores

Agregación temporal en el Análisis por Envoltura de Datos

PUBLICACIONES DE 4º CURSO

Tema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1

El ACB es una herramienta fundamental en el campo de la política ambiental

Colección de problemas de. Poder de Mercado y Estrategia

III CONGRESO COLOMBIANO Y I CONFERENCIA ANDINA INTERNACIONAL DE INVESTIGACIÓN DE OPERACIONES

Mª Dolores del Campo Maldonado. Tel: :

Transcripción:

PREENTE Y FUTURO E LA NVETGACÓN EN ECÓN Métodos basados en la ntensdad de onanca para la ordenacón de alternatvas en MAUT A Mateos, A Jénez y E A Aguayo Grupo de Análss de ecsones y Estadístca epartaento de ntelgenca Artfcal Unversdad Poltécnca de Madrd (UPM)

PREENTE Y FUTURO E LA NVETGACÓN EN ECÓN ÍNCE Análss de ecsones Multatrbuto con precsón 2 Métodos de Ordenacón Basados en la ntensdad de onanca Proceso de ulacón y Análss de Resultados 4 Conclusones A Multatrbuto con precsón 2 M Ordenacón basados P ulacón y Análss de Resultados 4 Conclusones

PREENTE Y FUTURO E LA NVETGACÓN EN ECÓN ANÁL E ECONE MULTATRBUTO CON MPRECÓN ETRUCTURACÓN EL PROBLEMA Obetvo global A A X atrbuto = [x, x ] = ALTERNATVA [x, x ] [x n, x n] X n atrbuto n [x n, x n] A Multatrbuto con precsón 2 M Ordenacón basados P ulacón y Análss de Resultados 4 Conclusones

PREENTE Y FUTURO E LA NVETGACÓN EN ECÓN PREFERENCA E LO ECORE MOELO ATVO MUTATRBUTO Raffa (982) teart (996) u ( ) u ( ) u ( ) FUNCONE E UTLA u n () u n () u n () PEO [, ] A Multatrbuto con precsón 2 M Ordenacón basados P ulacón y Análss de Resultados 4 Conclusones

PREENTE Y FUTURO E LA NVETGACÓN EN ECÓN MOELO ATVO MUTATRBUTO MPRECO [, ] u(a ) u (x ) u ( x ) u ( x ) u ( x ),,, n x x x,,, n A Multatrbuto con precsón 2 M Ordenacón basados P ulacón y Análss de Resultados 4 Conclusones

PREENTE Y FUTURO E LA NVETGACÓN EN ECÓN n 2 MÉTOO BAAO EN LA NTENA E OMNANCA adas dos alternatvas A k y A l, la alternatva A k dona A l s 0, sendo el valor ópto del problea de optzacón: u( A sa k OMNANCA ENTRE O ALTERNATVA ) u( A ) u ( x ) l xk xk xk,,, n xl xl xl,,, n k u u (x k ) u (x k ) u (x k ),,,n u (x l ) u (x l ) u (x l ),,,n ( x l ) Matrz de onanca [, ] A Multatrbuto con precsón 2 M Ordenacón basados P ulacón y Análss de Resultados 4 Conclusones

PREENTE Y FUTURO E LA NVETGACÓN EN ECÓN MÉTOO E AHN y PARK (2008) Matrz de onanca AP AP2 A Multatrbuto con precsón 2 M Ordenacón basados P ulacón y Análss de Resultados 4 Conclusones

PREENTE Y FUTURO E LA NVETGACÓN EN ECÓN PRMER MÉTOO E MATEO Y JMÉNEZ (2009) Matrz de onanca Matrz de 2 2 2 2 u ( Ak ) u( Al ) u( Ak ) u( Al ) ax u( Ak ) u( Al n ) u( A ) u( A ), k l, 0,, s s s 0 0 0, 0 0 0 0 A Multatrbuto con precsón 2 M Ordenacón basados P ulacón y Análss de Resultados 4 Conclusones

PREENTE Y FUTURO E LA NVETGACÓN EN ECÓN PRMER MÉTOO E MATEO Y JMÉNEZ (2009) 2 Matrz de 2 2 2 k l Ordenar las alternatvas según su valor nconvenentes: No se tene en cuenta la apltud de los ntervalos, 0 2 No se tene en cuenta coo de grande son los extreos de los ntervalos, 0 A Multatrbuto con precsón 2 M Ordenacón basados P ulacón y Análss de Resultados 4 Conclusones

PREENTE Y FUTURO E LA NVETGACÓN EN ECÓN EGUNO MÉTOO E MATEO Y JMÉNEZ (2009) A a,a 2 / 2 / 2 Matrz de onanca B b,b 2 stanca entre ntervalos (Tran and ucksten, 2002), a a b b 2 2 2 2 dxdy / 2 / 2 2 2 A B xa a yb b 2 2 Matrz de 2 2 2 d, d,,0,,0, d,,0, s s s 0 0 0, 0 0 0 0 A Multatrbuto con precsón 2 M Ordenacón basados P ulacón y Análss de Resultados 4 Conclusones

], [ n W W d 2 * * ) ( ), ( TERCER MÉTOO E MATEO Y JMÉNEZ (200) d ' 2 2 2 2 ' ' ' ' ' ' Matrz de onanca Nueva Matrz de onanca PREENTE Y FUTURO E LA NVETGACÓN EN ECÓN 2 ),,, ( 2 n W ),,, ( * * 2 * * n W olucón ópta obtenda al calcular el valor Vector de Pesos Medos A Multatrbuto con precsón 2 M Ordenacón basados P ulacón y Análss de Resultados 4 Conclusones

PREENTE Y FUTURO E LA NVETGACÓN EN ECÓN PROCEO E LA MULACÓN Y ANÁL E REULTAO Realzacón de ulacón Montecarlo Meddas de Efcaca Ht Rato Coefcente de Kendall ulacón Generar atrz de utldades ndvduales Noralzar y elnar alternatvas donadas Generar los Pesos Verdaderos r n r r 0 n rn, n rn rn 2,, r 2 Rankng real de alternatvas Eecutar étodos propuestos y coparar resultados A Multatrbuto con precsón 2 M Ordenacón basados P ulacón y Análss de Resultados 4 Conclusones

PREENTE Y FUTURO E LA NVETGACÓN EN ECÓN ANÁL E LO REULTAO Ht Rato precsón = 0,0 C Kendall precsón = 0,0 0,8 0,8 0,6 0,6 0,4 0,4 0,2,,,,, 0 0,,,,, 0 0, 0, 0, 0, 0, 0 0,2,,,,, 0 0,,,,, 0 0, 0, 0, 0, 0, 0 AP MJ MJ2 MJ AP MJ MJ2 MJ A Multatrbuto con precsón 2 M Ordenacón basados P ulacón y Análss de Resultados 4 Conclusones

PREENTE Y FUTURO E LA NVETGACÓN EN ECÓN ANÁL E LO REULTAO Ht Rato precsón = 0,0 C Kendall precsón = 0,0 0,8 0,8 0,6 0,6 0,4 0,4 0,2,,,,, 0 0,,,,, 0 0, 0, 0, 0, 0, 0 0,2,,,,, 0 0,,,,, 0 0, 0, 0, 0, 0, 0 AP MJ MJ2 MJ AP MJ MJ2 MJ A Multatrbuto con precsón 2 M Ordenacón basados P ulacón y Análss de Resultados 4 Conclusones

PREENTE Y FUTURO E LA NVETGACÓN EN ECÓN ANÁL E LO REULTAO Ht Rato precsón = 0,0 C Kendall precsón = 0,0 0,8 0,8 0,6 0,6 0,4 0,4 0,2,,,,, 0 0,,,,, 0 0, 0, 0, 0, 0, 0 0,2,,,,, 0 0,,,,, 0 0, 0, 0, 0, 0, 0 AP MJ MJ2 MJ AP MJ MJ2 MJ A Multatrbuto con precsón 2 M Ordenacón basados P ulacón y Análss de Resultados 4 Conclusones

PREENTE Y FUTURO E LA NVETGACÓN EN ECÓN 4 CONCLUONE e ha deostrado que los étodos para ordenacón de alternatvas propuestos superan los resultados obtendos por el étodo de Ahn y Park (2008) e gual fora, se ha realzado un estudo coputaconal para coparar los étodos presentados con los étodos MAA, MAA-2 y otros exstentes en la lteratura Obtenendo resultados eores o uy cercanos La sa flosofía se está extendendo para los casos donde los pesos son representados coo núeros dfusos (trangulares y trapezodales) y dstrbucones norales A Multatrbuto con precsón 2 M Ordenacón basados P ulacón y Análss de Resultados 4 Conclusones

PREENTE Y FUTURO E LA NVETGACÓN EN ECÓN GRACA!