Presentacion

Introducción
Marco Teórico
La toma de decisión: AHP
Implementación
Analytic Hierarchy Process (AHP)
Sebastián Bustamante - Vı́ctor Verdugo
Julio – 2009
Sebastián Bustamante - Vı́ctor Verdugo AHP

Introducción
Marco Teórico Problemas de decisión multi-criterio
La toma de decisión: AHP Proceso Analı́tico Jerárquico
Implementación
Esquema
1 Introducción
Problemas de decisión multi-criterio
Proceso Analı́tico Jerárquico
2 Marco Teórico
Escalas numéricas
Consistencia
3 La toma de decisión: AHP
Jerarquı́as
Juicios y comparaciones
Decisiones grupales
4 Implementación
Código de vpp.m
Ejemplo: Elección de personal
Mejora del método iterativo
Introducción
Implementación
¿Cómo tomar una decisión que requiera la consideración de

criterios subjetivos y/o objetivos?
Ejemplo: Al escoger un auto...
... existen escalas para medir el rendimiento de la bencina. Sin
embargo, ¿Cómo “mido” mi gusto por el color, comodidad u otras
cualidades intrı́nsecamente subjetivas?

Introducción
Implementación
Esquema
1 Introducción
2 Marco Teórico
Escalas numéricas
Consistencia
Jerarquı́as
Decisiones grupales
4 Implementación
Código de vpp.m
Introducción
Implementación
El Proceso Analı́tico Jerárquico (Analytic Hierarchy Process) es

uno de los métodos para resolver este tipo de problemas, mientras
sean jerarquizables.
Ejemplo: La comodidad del auto
Siguiendo con el ejemplo anterior, la comodidad del auto puede
tener en consideración la comodidad de los asientos, pedales,
manubrio, etc. En este caso, la jerarquı́a de “comodidad” es mayor
a la de “asientos”, “pedales” y “manubrio”.

Introducción
Implementación
Claves del AHP:

Descompone un problema y luego incorpora las decisiones de
los subproblemas en una conclusión. El AHP facilita la toma
de decisiones organizando percepciones, sentimientos, juicios y
memorias en un marco que muestra las fuerzas que influencian
una decisión.
En el caso más simple y habitual, las fuerzas son ordenadas de
lo más general y menos controlable a lo más especı́fico y
controlable.
El AHP está basado en la innata habilidad humana de realizar
juicios correctos sobre problemas pequeños.

Introducción
Marco Teórico Escalas numéricas
La toma de decisión: AHP Consistencia
Implementación
Esquema
1 Introducción
2 Marco Teórico
Escalas numéricas
Consistencia
Jerarquı́as
Decisiones grupales
4 Implementación
Código de vpp.m
Introducción
Implementación
Las escalas numéricas son nuestra manera más simple de expresar

relaciones entre cosas. Hay cuatro tipos de escalas, que ordenadas
de la más débil a la más fuerte son las ordinales, intervalos,
proporciones y absolutas.
Escalas ordinales: son invariantes bajo tranformaciones
crecientes (x ≥ y ⇔ f (x) ≥ f (y)). Se refiere a relaciones de
orden.
Escalas de intervalos: son invariantes bajo transformaciones
lineales positivas (ax + b, a > 0). Poseen un origen y unidad
arbitrarios. La temperatura es una escala de intervalos.

Introducción
Implementación
Escalas de proporciones: invariantes bajo ponderación por

escalar positivo (ax, a > 0). Longitud, peso, tiempo y muchos
otros atributos fı́sicos pueden ser medidos en una escala de
proporciones. No solo uno puede sumar y multiplicar números
de la misma escala de proporciones, también se pueden
multiplicar números de dos escalas de proporciones distintas y
se obtendrá una nueva escala de proporciones. No se puede
hacer lo mismo para la suma.
Escalas absolutas: invariantes bajo la transformación
identidad. En palabras simples, una medida absoluta dice lo
que dice y no puede ser dicho de otra manera. Si hay 5
personas en una habitación, no hay manera de transformar
dicho número 5 mediante operaciones aritméticas y obtener
otro número que describa correctamente el número de
personas en la habitación.

Introducción
Implementación
Esquema
1 Introducción
2 Marco Teórico
Escalas numéricas
Consistencia
Jerarquı́as
Decisiones grupales
4 Implementación
Código de vpp.m
Introducción
Implementación
Asumamos que n actividades están siendo consideradas por un

grupo de personas, cuyas tareas son:
Proveer juicios sobre la importancia relativa entre estas
actividades
Garantizar que los juicios son cuantificados en la medida que
permitan realizar una interpretación cuantitativa entre todas
las actividades.
El objetivo es describir un método para obtener un conjunto de
pesos para asociar a cada una de las actividades, de forma que se
puedan usar estas ponderaciones para evaluar las relaciones o
preferencias globales entre las actividades. Esto se realiza a partir
de juicios cuantificados, es decir, de los valores asociados con pares
de actividades.

Introducción
Implementación
Sea A = (aij ) ∈ Mn (R).

Definición 2.1
Diremos que A es consistente si aij ajk = aik , ∀i, j, k ∈ {1, . . . , n}.
Definición 2.2
1
Diremos que A es recı́proca si aij = , ∀i, j ∈ {1, . . . , n}.
aji
Definición 2.3
Sean A1 , . . . , An elementos de pesos conocidos w1 , . . . , wn . Se
define la matriz de proporciones W como
wi
(W )ij =
wj
∀i, j ∈ {1, . . . , n}.

Introducción
Implementación
Teorema 2.4
Si A ∈ Mn (R) entonces es una matriz de proporciones sı́ y
solo sı́ es consistente.
Si A es consistente, entonces es recı́proca.
Si A ∈ Mn (R) es consistente, entonces Ak = nk A.
La matriz de proporciones A es consistente sı́ y solo sı́ n es su
único valor propio y Aw = nw, con w = (w1 , . . . , wn ).
Ak e
Sea sk = t k , con e = (1, . . . , 1). Entonces, sk → w
eA e
cuando k → ∞, donde w es el vector propio principal
normalizado de A.

Introducción
Implementación
En lo que sigue, la matriz A no guarda relación con las propiedades

mencionadas anteriormente a menos que se explicite lo contrario. A
continuación, haremos referencia a tres condiciones para conseguir
buenas aproximaciones de los pesos a partir del vector principal de
la matriz A = (aij ) de apreciaciones subjetivas no consistentes.
1
Reciprocidad: aij = , ∀i, j ∈ {1, . . . , n}.
aji
1
Homogeneidad: ∃K ∈ R tal que ≤ aij ≤ K,
K
∀i, j ∈ {1, . . . , n}.
Casi consistencia: a grandes rangos, consiste en verificar si A
es una perturbación razonable de una matriz consistente.

Introducción
Implementación
Con el fin de determinar una medida de inconsistencia, se define:

λmax − n
Índice de consistencia: µ = , donde λmax
n−1
corresponde al valor propio principal de A.
Índice de consistencia aleatorio (RI): Se calcula el ı́ndice de
consistencia para un gran número de matrices recı́procas
generadas aleatoriamente y se calcula su promedio. Los
valores aproximados para matrices cuadradas con n ≤ 10 son:
n 1 2 3 4 5 6 7 8 9 10
RI 0 0 0.52 0.89 1.11 1.25 1.35 1.40 1.45 1.49

Introducción
Implementación
Finalmente, se define la proporción de consistencia como

µ
CR = , y diremos que A posee un bajo nivel de inconsistencia
RI
si CR < 0,1.

Introducción
Jerarquı́as
Marco Teórico
Decisiones grupales
Implementación
Esquema
1 Introducción
2 Marco Teórico
Escalas numéricas
Consistencia
Jerarquı́as
Decisiones grupales
4 Implementación
Código de vpp.m
Introducción
Jerarquı́as
Marco Teórico
Decisiones grupales
Implementación
En el AHP, un problema es estructurado como una jerarquı́a. Esto

es, un sistema de organización de elementos por niveles, donde
cada uno de sus componentes está dominado por otro por otro del
nivel superior, salvo el primero. El primer nivel corresponde al
objetivo principal, y los siguientes a criterios y subcriterios, los
cuales pueden volver a ser descompuestos tantas veces como se
requiera, y de esta forma obtener problemas menos significativos y
más controlables.
Estructurar el problema como una jerarquı́a permite mejorar el
entendimiento del problema original, y tener la posibilidad de
enfocarse en un componente de la totalidad a la vez.

Introducción
Jerarquı́as
Marco Teórico
Decisiones grupales
Implementación
Esquema
1 Introducción
2 Marco Teórico
Escalas numéricas
Consistencia
Jerarquı́as
Decisiones grupales
4 Implementación
Código de vpp.m
Introducción
Jerarquı́as
Marco Teórico
Decisiones grupales
Implementación
Un juicio o comparación es la representación numérica de una

relación entre dos elementos que comparten una cualidad común.
El conjunto de tales juicios puede ser representado en una matriz
cuadrada en la cual el conjunto de elementos es comparado
consigo mismo. Cada juicio representa el dominio de un elemento
sobre otro y refleja la respuesta a dos preguntas:
¿Cuál de los dos elementos es más importante respecto a un
criterio superior?
¿Qué tan fuerte se presenta este dominio?

Introducción
Jerarquı́as
Marco Teórico
Decisiones grupales
Implementación
A continuación, introducimos una escala fundamental para

comparar elementos:
Intensidad de Definición Explicación
importancia
1 Igual importancia Dos actividades con-
tribuyen igualmente al
objetivo.
3 Importancia mod- La experiencia y el
erada juicio favorecen leve-
mente una actividad
sobre la otra.
5 Importancia fuerte La experiencia y
o importancia de- el juicio favorecen
mostrada fuertemente una
actividad sobre la
otra.
Introducción
Jerarquı́as
Marco Teórico
Decisiones grupales
Implementación
Intensidad Definición Explicación

de im-
portancia
7 Importancia muy Una actividad está favoreci-
fuerte da muy fuertemente sobre la
otra; su dominio está proba-
do en la práctica.
9 Importancia ex- La evidencia que favorece
trema una actividad sobre la otra
es del orden de afirmación
más alto posible.
2,4,6,8 Para compromiso A veces uno necesita inter-
entre los valores de polar un juicio comprometi-
arriba do numéricamente porque
los anteriores no describen
correctamente la relación.
Introducción
Jerarquı́as
Marco Teórico
Decisiones grupales
Implementación
Intensidad de Definición Explicación

importancia
Recı́procos de Si la actividad i Usado para que,
los anteriores comparada con la asignándole al ele-
j tiene asociado un mento más pequeño
número de los an- la unidad, al mayor
teriores, la com- elemento se le pue-
paración j con i da comparar y ver
tendrá el recı́pro- cuantas veces es el
co. menor.
Racionales Razones entre los Usados para gradua-
valores anteriores ciones más finas de los
juicios.

Introducción
Jerarquı́as
Marco Teórico
Decisiones grupales
Implementación
Esquema
1 Introducción
2 Marco Teórico
Escalas numéricas
Consistencia
Jerarquı́as
Decisiones grupales
4 Implementación
Código de vpp.m
Introducción
Jerarquı́as
Marco Teórico
Decisiones grupales
Implementación
En el más común de los casos, la respuesta a un problema de

decisión no pasa por una sola persona, sino por un conjunto de
decisores. En estas situaciones, la decisión grupal debe pasar por
un proceso de sı́ntesis de juicios, en el cual las opiniones
individuales se mezclan para formar una opinion grupal.
Evidentemente la reunión de las opiniones no debe realizarse de

manera antojadiza y debe satisfacer ciertas propiedades mı́nimas
esperables en la mayorı́a de las decisiones grupales, además de otras
propiedades necesarias para mantener la consistencia del AHP.

Introducción
Jerarquı́as
Marco Teórico
Decisiones grupales
Implementación
Sea f (x1 , x2 , . . . , xn ) una función para la sı́ntesis de juicios dados

por n jueces. Se definen:
Definición 3.1 (Condición de separabilidad (S))
f (x1 , x2 , . . . , xn ) = g(x1 )g(x2 ) · · · g(xn ) para todo x1 , x2 , . . . , xn
en un intervalo P de números positivos, donde g es una función de
P en un intervalo J y que es continua.
Definición 3.2 (Condición de unanimidad (U))

f (x, x, . . . , x) = x para todo x en P .

Introducción
Jerarquı́as
Marco Teórico
Decisiones grupales
Implementación
Definición 3.3 (Condición de homogeneidad (H))

f (ux1 , ux2 , . . . , uxn ) = u · f (x1 , x2 , . . . , xn ) donde u > 0 y
xk , u · xk (k = 1, 2, . . . , n) pertenecen a P .
Definición 3.4 (Condición de reciprocidad (R))

1
f ( x11 , x12 , ..., x1n ) = .
f (x1 , x2 , ..., xn )

Introducción
Jerarquı́as
Marco Teórico
Decisiones grupales
Implementación
La única función de sı́ntesis que cumple (S), (U), (H) y (R) es la

media geométrica:
√
x̄0 (x1 , . . . , xn ) = n
x1 x2 · · · xn .

Introducción
Jerarquı́as
Marco Teórico
Decisiones grupales
Implementación
Es válido considerar situaciones en que, como en cualquier

consenso racional, existen decisores con más influencia que otros.
Cuando esta situación ocurre (o desea ser considerada) se
introduce la siguiente condición:
Definición 3.5 (Condición de separabilidad con pesos (WS))
f (x1 , x2 , . . . , xn ) = g1 (x1 )g2 (x2 ) · · · gn (xn ).
De esta manera, la única función de sı́ntesis que cumple (WS),

(U), (H) y (R) es la media geométrica con pesos:
f0 (x1 , . . . , xn ) = xq11 xq22 · · · xqnn

Pn
donde i=1 qi = 1, qk > 0 (k = 1, . . . , n), p 6= 0.

Introducción
Jerarquı́as
Marco Teórico
Decisiones grupales
Implementación
Podemos concluir que es la media gemométrica con pesos la mejor

forma de derivar una decisión grupal a partir de decisiones
individuales. Formalmente, dados m jueces independientes y n
alternativas, definimos x1 (i), ..., xn (i) las prioridades asignadas por
el juez i, i = 1, . . . , m. La decisión grupal para las n actividades
está dada por el vector

m
!1 m
!1
Y m Y m
 x1 (i)ai ,..., xn (i)ai 
i=1 i=1
donde ai corresponde a la importancia o prioridad del juez i en el

grupo con m
P
i=1 ai = m.

Introducción
Código de vpp.m
Marco Teórico
Implementación
Esquema
1 Introducción
2 Marco Teórico
Escalas numéricas
Consistencia
Jerarquı́as
Decisiones grupales
4 Implementación
Código de vpp.m
Introducción
Código de vpp.m
Marco Teórico
Implementación
vpp.m es una función creada en MATLAB cuya utilización

está descrita por:
Inputs:
1 Una matriz cuadrada A (Obligatorio)
2 Una tolerancia T ol para detener el cálculo del vector propio
principal cuando ||wk − wk+1 || < T ol (Opcional).
3 Un máximo número de iteraciones M axIter para detener el
cálculo del vector propio principal cuando el número de
iteraciones sea mayor a M axIter (Opcional).

Introducción
Código de vpp.m
Marco Teórico
Implementación
Outputs:
1 El vector propio principal w calculado iterativamente.
2 El valor propio principal λ.
3 La proporción de consistencia (CR) de la matriz, si su
dimensión no supera los 10 × 10. De lo contrario devuelve NaN.
4 El número de iteraciones efectuadas.
Luego, su estructura de utilización es la siguiente:
[w,l,CR,i]=vpp(A,Tol,MaxIter)

Introducción
Código de vpp.m
Marco Teórico
Implementación
function varargout = vpp(varargin)

n = nargin;
switch n
case 1
Tol=10ˆ(-6); MaxEval=100;
case 2
Tol=varargin{2}; MaxEval=100;
case 3
Tol=varargin{2}; MaxEval=varargin{3};
otherwise
error('Número de inputs incorrectos')
end
dim = size(varargin{1});

Introducción
Código de vpp.m
Marco Teórico
Implementación
if(dim(1)6=dim(2))
error('La matriz debe ser cuadrada')
end
A = varargin{1}; Ak = A;
e = ones(dim(1),1); wk=(Ak*e)/(e'*Ak*e);
for i=2:1:MaxEval
Ak=Ak*A; wk2=(Ak*e)/(e'*Ak*e);
if(norm(wk2-wk)<Tol)
break
end
wk=wk2;
end
lambda = dot(A(1,:)',wk2)/wk2(1);

Introducción
Código de vpp.m
Marco Teórico
Implementación
mu = (lambda - dim(1))/(dim(1)-1);
RI=[0,0,0.52,0.89,1.11,1.25,1.35,1.4,1.45,1.49];
if(dim(1)≤10 && dim(1)>2)
CI=mu/RI(dim(1));
elseif(dim(1)≤2)
CI=0;
else
CI=NaN;
end
varargout{1}=wk2;
varargout{2}=lambda;
varargout{3}=CI;
varargout{4}=i;
end

Introducción
Código de vpp.m
Marco Teórico
Implementación
Esquema
1 Introducción
2 Marco Teórico
Escalas numéricas
Consistencia
Jerarquı́as
Decisiones grupales
4 Implementación
Código de vpp.m
Introducción
Código de vpp.m
Marco Teórico
Implementación
Supongamos que en cierta empresa hay un puesto disponible, y

llegan tres individuos A, B y C a la entrevista de trabajo. Los
criterios a considerar, son el nivel de educación, experiencia laboral,
y la estabilidad laboral, medida en el promedio de años por trabajo.
Al evaluar cada uno de estos criterios, se utiliza las siguientes
escalas:
Nivel de educación (NE):
Doctor (D)
Máster (M)
Titulado (T)
Enseñanza media (EM)
Enseñanza básica (EB)

Introducción
Código de vpp.m
Marco Teórico
Implementación
Experiencia laboral (EL):

Excepcional (E)
Mucha (M)
Normal (N)
Poca (P)
Nula (Nu)
Promedio de años por trabajo (NA), se mide como escala de
proporciones.

Introducción
Código de vpp.m
Marco Teórico
Implementación
Ahora, se debe asignar los pesos a los criterios y subcriterios

respecto a su criterio padre. De esta manera, se crea la matriz de
proporciones para Nivel educacional, Promedio de años por trabajo
y Experiencia Laboral, junto con sus respectivos pesos o prioridades
calculados, que recordemos se calcula usando el Teorema 2.1 :
NE PA EL Pesos
NE 1 1/2 1/5 0.12
PA 2 1 1/3 0.23
EL 5 3 1 0.65
La proporción consistencia es CR = 0,0036.

Introducción
Código de vpp.m
Marco Teórico
Implementación
Creamos ahora la matriz de proporciones para el criterio Nivel

educacional y sus subcriterios, junto con sus respectivos pesos
calculados:
D M T EM EB Pesos
D 1 1/2 1/2 3 8 0.198
M 2 1 2 6 9 0.410
T 2 1/2 1 5 8 0.290
EM 1/3 1/6 1/5 1 3 0.070
EB 1/8 1/9 1/8 1/3 1 0.032
La proporción de consistencia es CR = 0,0255.

Introducción
Código de vpp.m
Marco Teórico
Implementación
Por último, creamos la matriz de proporciones para el criterio

Experiencia Laboral y sus subcriterios, junto con sus respectivos
pesos calculados:
E M N P Nu Pesos
E 1 1/2 1/3 1/4 1/5 0.419
M 1/2 1 2 3 4 0.263
N 1/3 1/2 1 2 3 0.159
P 1/4 1/3 1/2 1 2 0.097
Nu 1/5 1/4 1/3 1/2 1 0.062
La proporción de consistencia es CR = 0,0153.

Introducción
Código de vpp.m
Marco Teórico
Implementación
Como ya tenemos las prioridades de los criterios y subcriterios,

procedemos a asignar las evaluaciones, teniendo en cuenta que los
individuos poseen las siguientes caracterı́sticas:
Individuo A: posee un nivel eduacional de Máster, experiencia
laboral normal y un promedio de 6 años por trabajo.
Individuo B: posee un nivel educacional de Titulado, mucha
experiencia laboral y un promedio de 8 años por trabajo.
Individuo C: posee un nivel educacional de Doctor, poca
experiencia laboral y un promedio de 5 años por trabajo.

Introducción
Código de vpp.m
Marco Teórico
Implementación
Finalmente, el puntaje del individuo j es:

x̄j
weduj · wedu + wexpj · wexp + P · west
i∈{A,B,C} x̄i
Con lo que los puntajes son:

A: 0.2056
B: 0.2765
C: 0.1930
Luego, el mejor candidato según el desarrollo anterior es el
candidato B.

Introducción
Código de vpp.m
Marco Teórico
Implementación
Esquema
1 Introducción
2 Marco Teórico
Escalas numéricas
Consistencia
Jerarquı́as
Decisiones grupales
4 Implementación
Código de vpp.m
Introducción
Código de vpp.m
Marco Teórico
Implementación
Es posible probar que si conozco una aproximación (µ̄) decente un

valor propio µ, realizar el mismo proceso iterativo pero con la
matriz
(A − µ̄I)−1
converge al vector propio asociado a µ de manera más rápida que
el método anterior. En nuestro caso, sabemos que el vector propio
que buscamos está asociado a un valor propio cercano a la
dimensión de la matriz, por lo que el método es aplicable e
implementable en MATLAB.

Introducción
Código de vpp.m
Marco Teórico
Implementación
Bibliografı́a
Saaty, Thomas L., The Analytic Hierarchy and Analytic

Network Processes for the Measurement of Intangible Criteria
and for Decision-Making. En J. Figueira, S. Greco, y M.
Ehrgott, editores, Multiple Criteria Decision Analysis: State of
the Art Surveys, páginas 345–408. Springer Verlag, 2005.
Saaty, Thomas L., Basic theory of the analytic hierarchy
process: how to make a decision, Revista de la Real Academia
de Ciencias Exactas, Fı́sicas y Naturales, páginas 395-423, Vol.
93, Nº 4, 1999.

Presentacion

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Presentacion

Transféré par

Droits d'auteur :

Formats disponibles

Introducción

Analytic Hierarchy Process (AHP)

Sebastián Bustamante - Vı́ctor Verdugo

Sebastián Bustamante - Vı́ctor Verdugo AHP

¿Cómo tomar una decisión que requiera la consideración de

Sebastián Bustamante - Vı́ctor Verdugo AHP

El Proceso Analı́tico Jerárquico (Analytic Hierarchy Process) es

Sebastián Bustamante - Vı́ctor Verdugo AHP

Claves del AHP:

Sebastián Bustamante - Vı́ctor Verdugo AHP

Las escalas numéricas son nuestra manera más simple de expresar

Sebastián Bustamante - Vı́ctor Verdugo AHP

Escalas de proporciones: invariantes bajo ponderación por

Sebastián Bustamante - Vı́ctor Verdugo AHP

Asumamos que n actividades están siendo consideradas por un

Sebastián Bustamante - Vı́ctor Verdugo AHP

Sea A = (aij ) ∈ Mn (R).

∀i, j ∈ {1, . . . , n}.

Sebastián Bustamante - Vı́ctor Verdugo AHP

En lo que sigue, la matriz A no guarda relación con las propiedades

Sebastián Bustamante - Vı́ctor Verdugo AHP

Con el fin de determinar una medida de inconsistencia, se define:

Sebastián Bustamante - Vı́ctor Verdugo AHP

Finalmente, se define la proporción de consistencia como

Sebastián Bustamante - Vı́ctor Verdugo AHP

En el AHP, un problema es estructurado como una jerarquı́a. Esto

Sebastián Bustamante - Vı́ctor Verdugo AHP

Un juicio o comparación es la representación numérica de una

Sebastián Bustamante - Vı́ctor Verdugo AHP

A continuación, introducimos una escala fundamental para

Intensidad Definición Explicación

Intensidad de Definición Explicación

Sebastián Bustamante - Vı́ctor Verdugo AHP

En el más común de los casos, la respuesta a un problema de

Evidentemente la reunión de las opiniones no debe realizarse de

Sebastián Bustamante - Vı́ctor Verdugo AHP

Sea f (x1 , x2 , . . . , xn ) una función para la sı́ntesis de juicios dados

Definición 3.2 (Condición de unanimidad (U))

Sebastián Bustamante - Vı́ctor Verdugo AHP

Definición 3.3 (Condición de homogeneidad (H))

Definición 3.4 (Condición de reciprocidad (R))

Sebastián Bustamante - Vı́ctor Verdugo AHP

La única función de sı́ntesis que cumple (S), (U), (H) y (R) es la

Sebastián Bustamante - Vı́ctor Verdugo AHP

Es válido considerar situaciones en que, como en cualquier

De esta manera, la única función de sı́ntesis que cumple (WS),

f0 (x1 , . . . , xn ) = xq11 xq22 · · · xqnn

Sebastián Bustamante - Vı́ctor Verdugo AHP

Podemos concluir que es la media gemométrica con pesos la mejor

donde ai corresponde a la importancia o prioridad del juez i en el

Sebastián Bustamante - Vı́ctor Verdugo AHP

vpp.m es una función creada en MATLAB cuya utilización

Sebastián Bustamante - Vı́ctor Verdugo AHP

Sebastián Bustamante - Vı́ctor Verdugo AHP

function varargout = vpp(varargin)

Sebastián Bustamante - Vı́ctor Verdugo AHP

Sebastián Bustamante - Vı́ctor Verdugo AHP

Sebastián Bustamante - Vı́ctor Verdugo AHP

Supongamos que en cierta empresa hay un puesto disponible, y

Sebastián Bustamante - Vı́ctor Verdugo AHP

Experiencia laboral (EL):

Sebastián Bustamante - Vı́ctor Verdugo AHP

Ahora, se debe asignar los pesos a los criterios y subcriterios

Sebastián Bustamante - Vı́ctor Verdugo AHP