Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
v di
A stessa (Kardi, 2006). Normalizzando lautovettore
(i)
i=1
n
Occorre precisare che il vettore dei pesi mantiene lordine delle righe della matrice dei confronti a
coppie (impostato dal decisore).
Una volta determinato il vettore delle priorit, importante capire se la matrice dei confronti a
coppie consistente o meno, ovvero si cerca di misurare se i giudizi soggettivi del decisore ad
ogni confronto sono consistenti o meno.
Per capire meglio facciamo un semplice esempio. Supponiamo di avere 3 persone (A, B e C) di
altezza differente e supponiamo che, a seguito di una serie di confronti a coppie, possano essere
ordinati per altezza decrescente nel seguente modo: A > B > C.
ovvio che A pi alto di B e B pi alto di C, quindi perfettamente consistente dire (per la
propriet transitiva) che A pi alto di C.
Ma a volte non sempre possibile ottenere confronti perfettamente consistenti, come nel caso
precedente ed per questo che si rende necessario determinare degli indici di consistenza e dei
valori di tolleranza per poter gestire e considerare anche casi meno semplici e immediati.
Per far capire cosa intendiamo per confronto non consistente, supponiamo adesso di avere 3 squadre
di calcio che si sfidano in un torneo e di voler determinare quale sia la formazione pi forte.
Mettiamo che la squadra A abbia battuto la squadra B (A pi forte di B) e che la squadra B abbia
battuto la squadra C (B pi forte di C). Questo non implica necessariamente che la squadra A
possa battere la squadra C, creando cos inconsistenza.
Definiamo adesso gli indici utilizzati per determinare la consistenza di una matrice e soprattutto le
soglie di tolleranza adottate in letteratura per determinare se una matrice dei confronti a coppie
possa essere ben posta o meno.
Innanzitutto necessario dire che si consiglia di non realizzare matrici dei confronti con dimensione
maggiore di 7, anche se poi come limite massimo viene generalmente indicato 10.
Definiamo Consistency Index (CI), il valore ottenuto dalla seguente formula:
1
=
n
n
CI
,
dove con intendiamo il massimo autovalore della matrice A ed n rappresenta la dimensione della
matrice stessa.
6
Definiamo adesso il Random Consistency Index (RI) secondo la seguente tabella, dove alla
dimensione della matrice A associato il relativo valore di RI:
Tabella 2. - Il Random Consistency Index
RI 0 0 0.58 0.9 1.12 1.24 1.32 1.41 1.45 1.49
n 1 2 3 4 5 6 7 8 9 10
Infine determiniamo il rapporto di consistenza (Consistency Ratio, CR): CR =
CI
RI
.
Nel caso meno restrittivo, per poter considerare la matrice A consistente, viene posto come vincolo
1 . 0 < CR (10%).
Volendo determinare in modo pi preciso e in funzione della dimensione di A la soglia entro la
quale considerare consistente la matrice, possiamo utilizzare i valori presenti nella tabella seguente:
Tabella 3. I valori soglia
Soglia n
0.05 3
0.08 4
0.10 5
Come si pu capire analizzando i valori di RI in funzione della dimensione, inutile definire una
soglia per la consistenza nel caso di matrici dei confronti a coppie di dimensione 1 = n e 2 = n . Nel
primo caso ottengo una matrice identit 1x1, mentre nel secondo caso, confrontando solamente 2
stimoli, non possibile ottenere inconsistenza.
- Casini, M., Mocenni, C., Paoletti, S., Pranzo, M., 2007. Model-based decision support for
integrated management and control of coastal lagoons. In Proc. European Control Conference,
Kos, Greece.
- Figueira, J., Greco, S., Ehrgott, M., Eds., 2005. Multiple Criteria Decision Analysis: State of
the Art Surveys. International Series in Operations Research and Management Science, vol. 78,
Springer-Verlag, Boston, MA.
- Finlay, P.N., 1994. Introducing Decision Support Systems. Blackwell, Cambridge, MA.
- Giovannoni, E., 2008. La misurazione dei risultati aziendali tra redditivit e valorialit.
Knowit Editore, Arezzo.
- Kardi, T., 2006. Analytic Hierarchy Process (AHP) Tutorial
(http://people.revoledu.com/kardi/tutorial/AHP/AHP.htm).
- Keen, P.G.W., 1980. Decision support systems: A research perspective. In G. Fick and R.H.
Sprague, Eds.: Decision Support Systems: Issues and Challenges, pp. 23-44, Pergamon Press,
New York.
- Mocenni, C., Casini, M., Paoletti, S., Giordani, G., Viaroli, P., Zaldvar Comenges, J.-M., "A
decision support system for the management of the Sacca di Goro (Italy)", in: Decision support
systems for risk based management of contaminated sites, A. Marcomini, G. W. Suter, A.
Critto, Eds., SPRINGER (In press, 2008).
7
- Power, D.J., 1997. What is a DSS? The On-Line Executive Journal for Data-Intensive
Decision Support, vol. 1, no. 3.
- Power, D.J., 2002. Decision Support Systems: Concepts and Resources for Managers.
Quorum Books, Westport, CT.
- Roy, B., 1991. The outranking approach and the foundations of ELECTRE methods. Theory
and Decision, vol. 31, no. 1, pp. 49-73.
- Saaty, T.L., 1980. The Analytic Hierarchy Process. McGraw-Hill, New York.
- Sprague, R.H., Carlson, E.D., 1982. Building Effective Decision Support Systems. Prentice-
Hall, Englewood Cliffs, NJ.
- Turban, E., 1995. Decision Support and Expert Systems: Management Support Systems.
Prentice-Hall, Englewood Cliffs, NJ.
- Wierzbicki, A.P., 1998. Reference point methods in vector optimization and decision support.
Interim Report IR-98-017, International Institute for Applied Systems Analysis, Laxenburg,
Austria.