Dispense Metodi Statistici Per La Valutazione PDF

Corso di laurea magistrale in Management delle politiche e dei servizi sociali Facolt Facolt di Scienze Sociali
Metodi Statistici per la valutazione delle politiche sociali a.a. 2008-2009

seconda dispensa
Docente: Lara Fontanella

1
Identificazione e valutazione delle opzioni strategiche: METODI MULTICRITERIO

2
1
PDF created with pdfFactory trial version www.pdffactory.com
Il problema decisionale
I problemi decisionali sono spesso caratterizzati da unelevata numerosit di azioni alternative e dalla complessit delle relazioni che legano i diversi fattori coinvolti nel processo decisionale. In tali situazioni pu essere utile far ricorso a metodi e modelli quantitativi che forniscano informazioni di supporto al decisore. Lanalisi delle decisioni un insieme di metodologie per lanalisi di problemi decisionali complessi. Tali metodologie si articolano: nella suddivisione del problema decisionale in componenti; nellanalisi delle componenti individuate; nellaggregazione dei risultati parziali per giungere ad una soluzione. 3
Metodi di supporto alle decisioni

Un metodo di valutazione delle azioni alternative non va mai inteso come un algoritmo che fornisca automaticamente la soluzione voluta, quanto piuttosto come un aiuto che permetta unanalisi sistematica delle alternative e che guidi il decisore verso la decisione di cui avr comunque tutta la responsabilit. Lutilit degli strumenti di supporto alle decisioni nel: consentire di prendere decisioni in tempi ridotti ridurre al minimo i margini di incertezza e di rischio.
4
2
Il processo decisionale
Il processo decisionale pu essere classificato in diversi modi. Sulla base dello spazio delle decisioni si possono avere: processi discreti: insieme delle possibili alternative finito processi continui: insieme delle possibili alternative infinito Sulla base dei criteri utilizzati si possono avere processi monocriterio: un solo criterio di valutazione processi multicriterio: pi criteri di valutazione Sulla base dei decisori: processi singolo-decisore: un solo decisore processi multi-decisore: pi decisori
5
Lanalisi multicriteria
Il termine analisi multicriteria indica una ampia classe di metodi per la valutazione e la scelta tra diverse alternative nei quali si cerca di tenere in considerazione in modo esplicito la molteplicit delle dimensioni del problema decisionale, senza tentare di ricondurre i diversi criteri ad uno solo. I metodi multicriterio (MCA) sono strumenti quantitativi per la valutazione di alternative caratterizzate da criteri multipli e conflittuali. Nellanalisi multicriterio vengono presi in considerazione diversi criteri simultaneamente.
6
3
Elementi dell dellanalisi multicriteria

Gli elementi di base che entrano in gioco nella MCA sono:
la finalit finalit o linsieme di finalit da perseguire i

decisori: decisori: soggetti interessati alla valutazione delle azioni alternative e alla scelta;
le alternative: alternative: oggetti della valutazione e della scelta; i criteri: elementi di giudizio che concorrono alla formazione della
valutazione delle alternative;
le
preferenze: il sistema di pesi che misurano limportanza dei

7
differenti criteri.
Finalit Finalit dell dellanalisi multicriteria

La MCA assiste il decisore :
nel tener conto dei differenti punti di vista o CRITERI; nel definire il tradetrade-off fra questi criteri; nel formalizzare la visione generale in un modello.
Il ruolo principale della MCA consiste nel permette di superare le difficolt che i decisori incontrano nel trattare una vaste gamma di informazioni in maniera coerente. Le tecniche MCA possono essere utilizzate per: identificare lalternativa migliore ottenere un ordinamento delle alternative ridurre il numero di alternative da analizzare in maggiore dettaglio distinguere fra alternative accettabili e non accettabili
8
4
Classificazione dei metodi decisionali multicriteria

La distinzione principale basata sui criteri di valutazione delle alternative che sono degli standard di valutazione o delle regole sulla base delle quali le alternative sono ordinate in termini di desiderabilit. Il termine criterio si riferisce sia agli obiettivi che agli attributi. Criterio: indicazione su come valutare un tipo di prestazione misurata per le diverse alternative. Attributo: quantit misurabile il cui valore riflette la prestazione di unalternativa; utilizzato nel caso in cui le alternative sono in numero finito (processi decisionali discreti) Obiettivo: funzione che misura una prestazione per unalternativa definita come punto nello spazio delle variabili decisionali; utilizzato nel caso in cui le alternative sono di tipo continuo (processo decisionale continuo) 9

Analisi decisionale multimulti-attributo (MADM) : la scelta effettuata fra alternative discrete descritte sulla base dei loro attributi. Un attributo esaustivo se il suo valore indica in maniera adeguata il grado di ottenimento dellobiettivo; misurabile se ragionevole assegnargli un valore su una scala di misura accettabile. Le scale di misura accettabili sono quelle a rapporti, ad intervalli o ordinale, mentre non possibile utilizzare la scala nominale in quanto non consente un ordinamento fra le alternative. Analisi decisionale multimulti-obiettivo (MODM): le alternative sono infinite e conosciute in maniera implicita e la decisione riguarda lindividuazione dellalternativa migliore. Ogni alternativa definita implicitamente in termini delle variabili decisionali e valutata per mezzo di funzioni obiettivo.
10
5

Sia i problemi MADM che i problemi MODM possono essere di tipo singolosingolo-decisore o multimulti-decisore sulla base della struttura delle finalit e delle preferenze. Se c una singola finalit ed una singola struttura delle preferenze il problema di tipo singolo-decisore altrimenti di tipo multi-decisore. Lulteriore classificazione dipende dal contesto della decisione : se il contesto di tipo deterministico si hanno decisioni in condizioni di certezza; se il contesto aleatorio ma nota la probabilit si hanno decisioni in condizioni di rischio; se il contesto aleatorio e non sono note le probabilit si hanno decisioni in condizione di incertezza.
11
I metodi decisionali multimulti-attributo

I metodi MADM consentono di fornire informazioni sintetiche sulle alternative in riferimento ad un insieme di obiettivi che i decisori hanno identificato e per i quali hanno fissato degli attributi che consentono di valutare in che misura gli obiettivi possono essere raggiunti. I metodi MADM forniscono differenti modi per aggregare le valutazioni fornite per i singoli criteri in modo da ottenere una valutazione complessiva per ognuna delle alternative. Punti chiave dei problemi decisionali multi-attributo: identificazione delle alternative applicazione di diversi metodi di valutazione selezione di un gruppo ristretto di alternative candidate alla scelta finale
12
6
Fasi dei metodi MADM

Individuazione delle finalit finalit: le finalit devono essere specifiche, misurabili, realistiche e dipendenti dal tempo. Spesso possono essere classificate secondo il loro livello: immediate o di breve periodo, intermedie o di medio periodo, finali o di lungo periodo. Definizione di tutte le possibili alternative: dopo aver definito gli obiettivi, il passo successivo riguarda lindividuazione delle possibili azioni che consentono di raggiungere gli obiettivi stessi. Specificazione degli attributi: necessario scegliere i criteri che consentano di confrontare le alternative in relazione al contributo che possono fornire per il raggiungimento degli obiettivi.
13
Fasi dei metodi MADM

Valutazione sulla base di questi attributi: dati i criteri, ogni azione valutata da esperti sulla base di ogni criterio (matrice delle decisioni). Definizione delle preferenza: per definire una preferenza necessario definire esplicitamente i maggiori obiettivi del decisore, nel senso che egli deve specificare il peso che assegna ai differenti criteri. Confronto delle alternative: quando le valutazioni delle azioni rispetto ai differenti criteri sono disponibili e una volta che i differenti criteri siano stati pesati, il problema quello di confrontare le differenti azioni utilizzando metodi che riflettano le preferenze del decisore. Scelta dell dellalternativa: tale fase deve essere vista come uno stadio separato poich sulla base dei risultati dellanalisi multicriterio il decisore che deve scegliere fra le alternative possibili.
14
7
La matrice delle decisioni o degli impatti

Un problema MADM definito attraverso la matrice delle decisioni (o matrice delle valutazioni o degli impatti) in cui sono descritte le alternative finite che si vogliono considerare. In generale sono presenti m alternative Ai, i=1,,m, che si vogliono valutare sulla base di n attributi Xj, j=1,,n. Il valore assunto dallattributo Xj per lalternativa Ai viene indicato con xij.
attributi alternative Matrice delle decisioni D
15
Esempio di matrice delle decisioni

Un ufficio deve scegliere quale tipo notebook acquistare tra 5 possibili candidati. Vengono individuati 6 attributi rilevanti: X1=costo (euro); X2=processore (GHz); X3=hard disk (GB); X4=peso (kg); X5=dimensioni video (inch); X6=affidabilit (qualitativo)
Matrice delle decisioni
16
8
Esempio di matrice delle decisioni

In generale i valori di un attributo possono essere forniti in una delle seguenti scale: - scala ordinale (ordinamento tra gli identificatori) - scala di intervalli (significativa la differenza tra i valori) - scala di rapporti (significativa il rapporto fra valori) Gli attributi qualitativi dell'esempio devono essere scalarizzati associandoli ad una scala di intervalli arbitraria che ne conservi l'ordine.
Scala
Matrice delle decisioni
17
Formalizzazione dei metodi MADM

Supponiamo di avere m alternative: A1, A2,,Am. Ciascuna alternativa viene valutata sulla base di n criteri o attributi: X1, X2,,Xn. Indichiamo con xij=gj(Ai) il valore che viene attribuito allalternativa Ai sulla base del criterio Xj. Ogni criterio Xj induce sullinsieme delle alternative {A} una relazione dordine debole che si pu indicare come Pj : si dir che Ai Pj Ak se, sulla base del criterio Xj, Ai risulta preferibile o equivalente a Ak
18
9
Formalizzazione dei metodi MADM

Se assumiamo che la funzione di valutazione delle alternative rispetto ai criteri, xij=gj(Ai), sia, per ogni alternativa e per ogni criterio, una funzione reale, si pu avere che se 1. xij=gj(Ai) xkj=gj(Ak) Ai Pj Ak per i criteri per i quali a valutazioni migliori corrispondono i valori pi alti (BENEFICI) 2. xij=gj(Ai) xkj=gj(Ak) Ai Pj Ak per i criteri per i quali a valutazioni migliori corrispondono i valori pi bassi (COSTI) Si tratta di una relazione dordine debole in quanto possibile che si verifichi contemporaneamente Ai Pj Ak e Ak Pj Ai, che implica che le due alternative sono equivalenti.
19
Selezione dell dellalternativa

Lo scopo non di selezionare lalternativa ottima in assoluto ma di eliminare progressivamente le alternative peggiori (logica del pessimizzatore) Processo interattivo - sequenza delle possibili azioni che il decisore pu svolgere: 1) 2) 3) individuare le alternative dominate con un primo confronto scartare le alternative dominate scegliere unalternativa tra le rimanenti, oppure 4a) usare le informazioni ottenute per risolvere le maggiori criticit 4b) eseguire unanalisi pi dettagliata del problema 4c) progettare nuove alternative 5) procedere nuovamente alla valutazione delle alternative fino al livello di dettaglio voluto
20
10
Lo schema processuale nei problemi MADM
21
Metodi decisionali normativi e descrittivi

I metodi normativi-prescrittivi sono basati sugli assiomi matematici della completezza, della transitivit (o consistenza) e dellindipendenza dalle alternative irrilevanti. Tali metodi sono rigorosi dal punto di vista matematico; richiedono razionalit del decisore e si basano sul rifiuto delle preferenze di un decisore che non rispetta gli assiomi (es: analisi a molti attributi) I metodi descrittivi rinunciano a uno o pi assiomi matematici su cui si basano i metodi normativi. Tali metodi sono meno rigorosi dal punto di vista matematico; tollerano elementi di irrazionalit; seguono il processo decisionale nel suo concreto svolgersi; non forzano il decisore a rispettare specifici assiomi matematici ma si adeguano al suo modo di decidere (es: analisi SAW, analisi gerarchica, metodi Electre)
22
11
Gli assiomi matematici

Assioma di completezza : il decisore, messo di fronte a due alternative A e B, sempre in grado di specificare la sua struttura di preferenza, ovvero affermare se: A preferibile a B; B preferibile a A; A e B sono indifferenti; non pu rispondere non so Assioma di Transitivit Transitivit su scala ordinale: se A meglio di B e B meglio di C, allora A meglio di C (A > B) e (B > C) A > C su scala cardinale: se (A = B) e (B = !C) A = !C Assioma di indipendenza dalle alternativa irrilevanti: dato un certo ordinamento fra alternative, questo risulta invariante rispetto allintroduzione o esclusione di altre alternative (A > B) deve essere vero indipendentemente dalla presenza o meno di C
23
La caduta degli assiomi matematici

I fondamenti teorici dei metodi normativi sono forti ed esatti dal punto di vista matematico per cui sembrerebbe ovvio preferire i metodi normativi rispetto a quelli descrittivi.
Nella realt possono verificarsi situazioni che portano alla caduta degli assiomi su cui si basano metodi normativi paradosso del caff caduta dellassioma di completezza paradosso della casa caduta dellassioma di transitivit paradosso del concorso di bellezza caduta dellassioma di indipendenza dalle alternative irrilevanti
24
12
Assioma di completezza : il paradosso del caff

Confronti a coppie caff amaro o caff con un granello di zucchero? caff con 1 o con 2 granelli di zucchero? caff con 2 o con 3 granelli di zucchero? caff con 3 o con 4 granelli di zucchero? ... caff con k o con k+1 granelli di zucchero? tazza di zucchero o tazza di zucchero con una goccia di caff? Il decisore ha una capacit di discriminazione limitata
25
Assioma di transitivit : il paradosso della casa
3 alternative(A1, A2,A3) e 3 attributi (costo, accessibilit e ambiente) per lacquisto di una casa: A1> A2 per costo e ambiente (2 ATTRIBUTI SU 3) A2> A3 per accessibilit e ambiente (2 ATTRIBUTI SU 3) A1 > A3 ? NO: A3 > A1 per costo e accessibilit (2 ATTRIBUTI SU 3)
26
13
Indipendenza dalle alternative irrilevanti : il paradosso del concorso di bellezza

Prima edizione: 4 candidate ; 4 punteggi :1 4; 2 3; 3 2; 4 1
Punteggio maggiore: C Ordinamento: C>B>A>D Eliminiamo D che ha il punteggio minore
27
Indipendenza dalle alternative irrilevanti : il paradosso del concorso di bellezza

Seconda edizione: 3 candidate ; 3 punteggi :1 3; 2 2; 3 1
Punteggio maggiore: A Ordinamento: A>B>C Leliminazione dellalternativa D determina una modifica nellordinamento
28
14
Operazioni preliminari: individuazione delle alternative dominate con un primo confronto

Data la matrice delle decisioni, possibile procedere alleliminazione delle alternative inefficienti attraverso la tecnica della dominanza. Un Unalternativa dominata se esiste un unaltra alternativa che risulta ad essa preferita almeno per un attributo essendo indifferente rispetto agli altri. Dati n attributi, che misurano tutti dei benefici, e date due alternative Ai e Ak, diremo che Ai domina Ak se xih=gh(Ai)> xkh=gh(Ak) per almeno un criterio xij=gj(Ai) xkj=gj(Ak) per ogni criterio j=1,2,,n con jh Nellanalisi della dominanza si considerano tutti i criteri come equivalenti e quindi non si utilizzano le informazioni sul diverso peso degli attributi.
29
Esempio: eliminazione delle alternative dominate

Degli attributi individuati X1=costo e X4=peso sono dei COSTI da minimizzare X2=processore; X3=hard disk; X5=dimensioni video e X6=affidabilit sono dei BENEFICI da massimizzare Data la matrice delle decisioni, lalternativa A5 risulta dominata dallalternativa A3: le due alternative sono indifferenti per tutti i criteri tranne il peso, rispetto al quale A3 presenta un valore inferiore.
30
15
Normalizzazione degli attributi

Per lapplicazione dei metodi multicriterio gli attributi devono essere commensurabili nel senso che devono essere misurati su una scala comune. Loperazione di normalizzazione consente di relativizzare i risultati di ciascun criterio/attributo, in modo da evitare i problemi di calcolo connessi alla presenza di differenti e specifiche unit di misura. La normalizzazione serve a rendere omogenei i dati. I dati vengono trasformati in valori a-dimensionali (privi di unit di misura) Normalizzazione: trasformazione della modalit xij nella modalit rij con 0rij 1.
31
Normalizzazione lineare
1. Normalizzazione rispetto al massimo della variabile: a. in caso di attributo che rappresenta un beneficio (scala spostata verso 1) xij rij = max( X j ) b. in caso di attributo che rappresenta un costo (scala spostata verso 0) xij rij = 1 max( X j ) c. nel caso di attributi misti (costi e benefici), per i costi si pu applicare la seguente formula (scala spostata verso 1) rij = dove x*ij=1/xij.
* xij
max( X * j)
32
16
Matrice delle decisioni normalizzata rispetto al massimo (a - b)

X1=costo e X4=peso sono dei degli svantaggi X2=processore; X3=hard disk; X5=dimensioni video e X6=affidabilit sono dei vantaggi
Attributi normalizzati
33
Matrice delle decisioni normalizzata rispetto al massimo (a-c)

34
17
2. Normalizzazione a scale equidistribuite: d. in caso di attributo che rappresenta un beneficio xij - min( X j ) rij = max( X j ) - min( X j )
e. in caso di attributo che rappresenta un costo max( X j ) - xij rij = max( X j ) - min( X j ) Con tale tecnica di normalizzazione il valore ideale, o modalit migliore dellattributo rispetto alle alternative, viene posto uguale a 1, mentre il valore peggiore viene posto uguale a zero. Benefici: Costi: rij=1 se xij=max(Xj); rij=1 se xij=min(Xj); rij=0 se xij=min(Xj) rij=0 se xij=max(Xj)
35
Matrice delle decisioni normalizzata su scala equidistribuita

36
18
3. Normalizzazione a somma unitaria: x rij = m ij xij
i =1
rij = 1
i =1
4. Normalizzazione a norma unitaria:
rij =
xij
x
i =1
2 ij
rij2 = 1
i =1
Nel caso di attributi misti (costi e benefici), per i costi si possono applicare le formule ai punti 3 e 4 allinverso delle modalit.
37
Matrice delle decisioni a somma e a norma unitaria

Attributi a somma unitaria
Attributi a norma unitaria
38
19
Metodi MADM senza informazioni dal decisore

Tali metodi non utilizzano informazioni sullimportanza dei differenti criteri (preferenze): i criteri sono considerati equivalenti. Data la matrice delle decisioni normalizzata si possono utilizzare le tecniche: MAXIMIN: ciascuna alternativa viene rappresentata dal valore dell dellattributo peggiore (caratteristica pi debole) e si seleziona lalternativa (le alternative) con il migliore fra tali valori (approccio pessimista). MAXIMAX: ciascuna alternativa viene rappresentata dal valore dell dellattributo migliore (caratteristica pi forte) e si seleziona lalternativa (le alternative) con il migliore fra tali valori (approccio ottimista)
39
Approcci MAXIMIN E MAXIMAX

Normalizzazione rispetto al massimo
Normalizzazione su scala equidistribuita
40
20
Approcci MAXIMIN E MAXIMAX

Normalizzazione a somma unitaria
Normalizzazione a norma unitaria
41
Metodi MADM con informazione sui livelli standard

Tali metodi utilizzano informazioni sui livelli standard dei differenti criteri: per ogni attributo di considera un livello di accettabilit. Data la matrice delle decisioni si possono utilizzare i metodi CONGIUNTIVO: unalternativa considerata accettabile se soddisfa tutti i livelli di accettabilit. DISGIUNTIVO: unalternativa considerata accettabile se soddisfa almeno uno dei livelli di accettabilit. In tali metodi gli attributi devono essere almeno di tipo ordinale e non necessario che siano normalizzati.
42
21
Approcci CONGIUNTIVO E DISGIUNTIVO
Livelli di accettabilit
Confronto degli attributi con gli standard
Congiuntivo: alternativa accettabile A4 Disgiuntivo: alternative accettabili A1, A2, A3 e A4

43
Metodi MADM con informazione ordinale sui criteri

Tali metodi utilizzano informazioni sullordinamento dei differenti attributi in termini di importanza. Dati gli attributi ordinati, il metodo lessicografico procede iterativamente restringendo linsieme delle alternative, considerando un attributo alla volta secondo lordine prefissato: si scartano le alternative che presentano un valore inferiore al massimo per gli attributi che misurano benefici e un valore superiore al minimo per gli attributi che misurano costi. Nel confronto si possono considerare intervalli di indifferenza D. In tali metodi gli attributi devono essere almeno di tipo ordinale e non necessario che siano normalizzati.
44
22
Metodo LESSICOGRAFICO
Si considera il seguente ordine di importanza: X1=costo, X4=peso, X5=dimensioni video, X3=hard disk, X2=processore, X6=affidabilit. Per X1 lintervallo di indifferenza 300 euro
Considerando X1costo- possibile eliminare lalternativa A1

Per X2 lintervallo di indifferenza 0,5 kg
Considerando X4 -peso- possibile eliminare lalternativa A2

Per X3 lintervallo di indifferenza 50GB
Per X5 si ha lequivalenza fra le alternative. In base a X3 -hard disk- possibile eliminare lalternativa A3
45
Metodi MADM con informazione cardinale sui criteri

Tali metodi utilizzano informazioni sullimportanza dei differenti attributi: il decisore fornisce un peso wj, j=1,,n, per ognuno degli attributi Xj, per indicare limportanza degli attributi stessi. Il peso di ogni attributo un dato quantitativo. Per effettuare una selezione delle alternative tenendo conto
dellimportanza dei differenti attributi si possono considerare diverse metodologie, fra cui: il simple additive weighting (SAW) lanalisi gerarchica (AHP) il metodo ELECTRE
46
23
SIMPLE ADDITIVE WEIGHTING

Il metodo SAW, noto anche come scoring method o combinazione lineare ponderata, basato sulla media ponderata delle valutazioni attribuite alle alternative rispetto ai differenti criteri. Ad ogni alternativa Ai, i=1,,m, viene attribuito un punteggio sintetico dato da
n
Si =
w j xij
j =1 n
w j = 1;
j =1 n
wj
j =1
w j = 10;
j =1 n
w j = 100
j =1
Le valutazioni xij devono essere normalizzate.
Il sistema di ponderazione dato dai pesi attribuiti dal decisore ai differenti criteri. Generalmente i pesi sono definiti in modo tale che la loro somma sia pari ad 1, o a 10 o a 100.
47
SAW
Si considera il seguente sistemi di pesi per gli attributi: w1=25, w2=12, w3=15, w4=20, w5=18, w6=10.
48
24
Analisi gerarchica (AHP)

Lanalisi gerarchica (Analytic Hierarchy Process - AHP - Saaty 1977, 1980) ha come obiettivo la valutazione di un insieme di alternative sulla base di una pluralit di criteri che possono essere disposti secondo una gerarchia di dominanza. I passi fondamentali dellAHP sono: la decomposizione del problema complesso in una gerarchia, la formulazione di giudizi comparativi per gli elementi che si trovano allo stesso livello della gerarchia, la sintesi delle priorit o pesi ottenuti.
49
AHP: gerarchia di dominanza

Per la realizzazione di unanalisi gerarchica necessario principalmente costruire una gerarchia di dominanza dei criteri rispetto ai quali valutare le alternative. Una gerarchia di dominanza una struttura reticolare costituita da due o pi livelli: il primo livello contiene l'obiettivo generale della valutazione o goal; il secondo livello contiene gli obiettivi che specificano contenuti e significati del goal; ciascuno degli obiettivi del secondo livello pu essere suddiviso a sua volta in obiettivi pi pi specifici (terzo livello), e cos di seguito; le azioni da valutare sono situate alla base della gerarchia e sono collegate direttamente agli obiettivi pi specifici.
50
25
Esempio di gerarchia
Obiettivo globale
Criterio 1
Criterio 2
Criterio 3
SubCriterio 1.1
SubCriterio 1.2
SubCriterio 1.3
SubSubCriterio Criterio 2.1 2.2
SubCriterio 2.3
SubCriterio 3.1
SubCriterio 3.2
SubCriterio 3.3
A1Am A1Am
A1Am
A1Am A1Am A1Am
A1Am A1Am A1Am

51
AHP: giudizi comparativi

Avendo disposto i criteri di interesse allinterno di una gerarchia, possibile procedere alla costruzione delle matrici dei confronti a coppie: tutti gli elementi subordinati allo stesso elemento della gerarchia devono essere confrontati a coppie tra loro al fine di stabilire quale di essi sia pi importante in rapporto all'elemento sovraordinato, ed in quale misura. Il risultato del confronto il coefficiente di dominanza rij che rappresenta una stima della dominanza del primo elemento rispetto al secondo. I confronti a coppie riflettono limportanza relativa e possono essere ottenuti attraverso il ricorso al giudizio di esperti.
52
26
AHP: matrice dei confronti a copie

Confrontando a coppie n elementi si ottengono n2 coefficienti, di cui soltanto n(n-1)/2 devono essere direttamente determinati dall'esperto che effettua la valutazione, essendo rii=1 e rji=1/rij per ogni i e j La seconda condizione, nota come relazione di reciprocit, scaturisce dalla necessit di garantire la simmetria dei giudizi di importanza. I coefficienti di dominanza definiscono una matrice R, quadrata, reciproca e positiva, detta matrice dei confronti a coppie.
53
AHP: giudizi comparativi

I giudizi possono essere espressi attraverso tecniche grafiche, verbali o numeriche. Nei confronti a coppie di tipo grafico si utilizzano dei diagrammi a barre: lesperto interpellato pu fornire il suo giudizio sullimportanza relativa di due elementi aggiustando la lunghezza delle due barre. Nei confronti a coppie di tipo verbale, lesperto pu ricorrere ad una scala verbale, quale ad esempio la scala semantica di Saaty che considera 5 alternative ugualmente importante, leggermente pi importante, pi importante, molto pi importante, estremamente pi importante a cui si fanno corrispondere i numeri 1,3,5,7,9; le posizioni intermedie possono essere espresse utilizzando i numeri pari 2,4,6,8. Se si ricorre ai confronti a coppie di tipo numerico lesperto deve fornire direttamente una sua stima del coefficiente di dominanza rij.
54
27
Esempio: scala semantica di Saaty
55
AHP: vettore dei pesi locali

Avendo determinato le matrici dei confronti a coppie fra tutti gli elementi subordinati allo stesso elemento della gerarchia, si pu procedere alla determinazione dei pesi locali che rappresentano i coefficienti che misurano l'importanza dei singoli elementi rispetto al criterio immediatamente sovraordinato. Se vale la relazione di transitivit rij=rikrkj, per qualsiasi i, j, k, la matrice R dei confronti a coppie perfettamente consistente. In tal caso si dimostra che la matrice R ha rango unitario, il solo autovalore non nullo uguale allordine n della matrice R e il corrispondente autovettore costituito da elementi positivi. Lautovettore normalizzato (a somma unitaria o a norma unitaria) fornisce i pesi degli elementi posti a confronto.
56
28
Matrice dei confronti a coppie consistente

Consideriamo 5 criteri, i cui pesi assoluti sono rappresentati dal vettore w=(w1,w2,w3,w4 ,w5). Confrontando il criterio Xi con il criterio Xj, il peso relativo rij uguale al rapporto fra i pesi wi e wj. La matrice R dei confronti a coppie
La matrice R ha rango 1 in quanto le colonne sono proporzionali : rij=rik/rkj. Lunico autovalore non nullo uguale alla traccia della matrice (5).
57
Matrice dei confronti a coppie consistente

Per verificare che il vettore dei pesi un autovettore della matrice R consideriamo il prodotto Rw
w1 + w 2
w1/w2 w1 /w3 w1/w4 w1/w5 w1 w2 w3 w4 w5
w1 w w w + w 3 1 + w 4 1 + w 5 1 = 5w1 w2 w3 w4 w5
1 w2/w1 1 w2 /w3 w2/w4 w2/w5 w3/w1 w3/w2 1 w3/w4 w3/w5 x w4/w1 w4/w2 w4 /w3 1 w4/w5 w5/w1 w5/w2 w5 /w3 w5/w4 1
w1 w1 w1 w1
w2 w w w + w 2 + w 3 2 + w 4 2 + w5 2 = 5w 2 w1 w3 w4 w5 w3 w w w + w 2 3 + w 3 + w 4 3 + w 5 3 = 5w 3 w1 w2 w4 w5 w4 w w w + w 2 4 + w 3 4 + w 4 + w5 4 = 5w 4 w1 w2 w3 w5 w5 w w w + w 2 5 + w 3 5 + w 4 5 + w 5 = 5w5 w1 w2 w3 w4
Si vede come si verifica la propriet per gli autovettori Rw=5w. Lautovalore uguale allordine della matrice l=5.
58
29
AHP: vettore dei pesi

Generalmente, le stime fornite dall'esperto non sono consistenti sia a causa dalla difficolt che egli incontra nel mantenere la coerenza di giudizio in tutti i confronti a coppie, sia in quanto i suoi giudizi possono essere strutturalmente non consistenti. Il vettore dei pesi locali comunque determinato attraverso lautovettore normalizzato della matrice dei confronti a coppie corrispondente al suo autovalore massimo. Essendo la matrice R quadrata, reciproca e positiva esister sempre unautovalore reale e positivo e lautovettore corrispondente sar costituito da elementi positivi.
59
AHP: indice di consistenza

Per valutare la bont della soluzione trovata, possibile calcolare lindice di consistenza ed il rapporto di consistenza:
lmax - n CI CR = n -1 RI Nel caso di consistenza perfetta lindice di consistenza CI uguale a zero e al crescere dell'inconsistenza il valore di CI aumenta.
CI = Il random index RI la media degli indici di consistenza calcolati in relazione ad un numero elevato di matrici quadrate, reciproche e positive casuali. In generale un rapporto di consistenza minore di 0.1 considerato accettabile. Quando il valore di CR supera la soglia del 10%, la deviazione dalla condizione di consistenza perfetta viene giudicata inaccettabile. In tal caso si registra una scarsa coerenza dell'esperto che ha effettuato i confronti, piuttosto che una non transitivit strutturale, e come tale accettabile, del suo sistema di preferenze. Quindi l'esperto deve sforzarsi di aumentare la coerenza dei suoi giudizi modificando, totalmente o in parte, le stime di rij.
60
30
AHP: vettore dei pesi globali

Calcolando lautovettore associato allautovalore principale, per tutte le matrici dei confronti a coppie ricavate dalla gerarchia di dominanza, si ottengono i pesi locali di tutti gli elementi della gerarchia. Questi pesi sono detti locali perch valutano l'importanza degli elementi non in termini complessivi, ma solo in rapporto all'elemento sovraordinato rispetto al quale sono stati confrontati. Avendo determinato i pesi locali si pu procedere alla determinazione dellinsieme dei pesi globali attraverso il principio di composizione gerarchica: i pesi locali di ogni elemento vengono moltiplicati per quelli dei corrispondenti elementi sovraordinati e i prodotti cos ottenuti sono sommati. Procedendo dall'alto verso il basso, i pesi locali di tutti gli elementi della gerarchia vengono cos trasformati progressivamente in pesi o priorit globali in base ai quali possibile ottenere un ordinamento delle alternative considerate e la selezione delle alternative migliori.
61
AHP: pluralit di esperti

Quando nellapplicazione dellanalisi gerarchica si interpella una pluralit di esperti, al fine di ottenere delle stime dei rapporti di importanza relativa necessario procedere ad unaggregazione delle informazioni ottenute. Le tecniche maggiormente utilizzate sono laggregazione tramite media geometrica dei giudizi individuali media aritmetica o geometrica dei pesi locali individuali. Nel processo di aggregazione si pu assumere che gli individui abbiano importanza diversa ed utilizzare delle medie ponderate.
62
31
Esempio di applicazione dellAHP

Obiettivo: scegliere un corso di laurea date 3 alternative sulla base dei seguenti criteri e sottocriteri: X1: occupazione futura X1.1: settore X1.2: probabilit di trovare lavoro X1.3: reddito futuro X2: caratteristiche del CdL X2.1: numero di esami X2.2: tipologia di insegnamenti X2.3: attivit professionalizzanti X3: caratteristiche della sede X3.1: distanza X3.1: costo X4.1: strutture per studenti
63
Rappresentazione della gerarchia

Scelta CDL
X1: Occupazione
X2: CdL
X3: Sede
X1.1: settore
X1.2: probabi lit
X1.3: reddito
X2.1: esami
X2.2: insegna menti
X2.3: attiv. prof.
X3.1: distanza
X3.2: costo
X3.3: strutture
A1 A3 A1 A3
A1 A3
A1 A3 A1 A3 A1 A3
A1 A3 A1 A3 A1 A3
64
32

Dopo aver definito la gerarchia, il metodo procede bottom-up: I. si mettono a confronto le alternative (livello pi basso) tra loro in relazione ad ogni singolo criterio del livello immediatamente superiore e si determina il vettore dei pesi locali delle alternative per ognuno dei sub-criteri II. si sale di un livello e si confrontano i sub-criteri fra di loro in relazione al criterio da cui dipendono direttamente e si determinano i vettori dei pesi locali dei sub-criteri III. si sale di un altro livello e si confrontano i criteri rispetto allobiettivo generale definendo quindi il vettore dei pesi locali dei criteri
65
Confronto delle alternative rispetto ai sub-criteri del criterio occupazione X1
66
33
Confronto delle alternative rispetto ai sub-criteri del criterio caratteristiche CdL X2
67
Confronto delle alternative rispetto ai sub-criteri del criterio caratteristiche sede X3
68
34
Confronto dei sub-criteri e dei criteri
69

Avendo determinato i vettori dei pesi locali si deve procedere a calcolare il punteggio globale di ogni alternativa attraverso il prodotto dei pesi stessi. Dati i pesi locali delle alternative per ogni sub-criterio del criterio Xk (wk,j,i) e dati i pesi dei sub-criteri Xk,j (wk,j), il punteggio dellalternativa Ai rispetto al criterio Xk dato da
zk ,i = wk , j wk , j ,i
j =1
nk
Dati i pesi dei criteri Xk, il punteggio dellalternativa Ai rispetto allobiettivo dato da
zi = wk zk ,i
k =1
70
35
Punteggi delle alternative
71
Riferimenti Bibliografici principali

T.L. Saaty, The Analytic Hierarchy Process, McGraw-Hill, New York (1980). Roy, B. (1996) Multicriteria methodology for decision aiding, Kluwer, Dordrecht, 1996.
72
36

Dispense Metodi Statistici Per La Valutazione PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Dispense Metodi Statistici Per La Valutazione PDF

Uploaded by

Copyright:

Available Formats

Corso di laurea magistrale in Management delle politiche e dei servizi sociali Facolt Facolt di Scienze Sociali

Metodi Statistici per la valutazione delle politiche sociali a.a. 2008-2009

Docente: Lara Fontanella

Identificazione e valutazione delle opzioni strategiche: METODI MULTICRITERIO

Metodi di supporto alle decisioni

Elementi dell dellanalisi multicriteria

la finalit finalit o linsieme di finalit da perseguire i

preferenze: il sistema di pesi che misurano limportanza dei

Finalit Finalit dell dellanalisi multicriteria

Classificazione dei metodi decisionali multicriteria

Classificazione dei metodi decisionali multicriteria

Classificazione dei metodi decisionali multicriteria

I metodi decisionali multimulti-attributo

Fasi dei metodi MADM

Fasi dei metodi MADM

La matrice delle decisioni o degli impatti

attributi alternative Matrice delle decisioni D

Esempio di matrice delle decisioni

Matrice delle decisioni

Esempio di matrice delle decisioni

Matrice delle decisioni

Formalizzazione dei metodi MADM

Formalizzazione dei metodi MADM

Selezione dell dellalternativa

Lo schema processuale nei problemi MADM

Metodi decisionali normativi e descrittivi

Gli assiomi matematici

La caduta degli assiomi matematici

Assioma di completezza : il paradosso del caff

Assioma di transitivit : il paradosso della casa

Indipendenza dalle alternative irrilevanti : il paradosso del concorso di bellezza

Indipendenza dalle alternative irrilevanti : il paradosso del concorso di bellezza

Operazioni preliminari: individuazione delle alternative dominate con un primo confronto

Esempio: eliminazione delle alternative dominate

Normalizzazione degli attributi

Matrice delle decisioni normalizzata rispetto al massimo (a - b)

Matrice delle decisioni normalizzata rispetto al massimo (a-c)

Matrice delle decisioni normalizzata su scala equidistribuita

4. Normalizzazione a norma unitaria:

Matrice delle decisioni a somma e a norma unitaria

Attributi a somma unitaria

Attributi a norma unitaria

Metodi MADM senza informazioni dal decisore

Approcci MAXIMIN E MAXIMAX

Normalizzazione su scala equidistribuita

Approcci MAXIMIN E MAXIMAX

Normalizzazione a norma unitaria

Metodi MADM con informazione sui livelli standard

Approcci CONGIUNTIVO E DISGIUNTIVO

Confronto degli attributi con gli standard

Congiuntivo: alternativa accettabile A4 Disgiuntivo: alternative accettabili A1, A2, A3 e A4

Metodi MADM con informazione ordinale sui criteri

Considerando X1costo- possibile eliminare lalternativa A1

Considerando X4 -peso- possibile eliminare lalternativa A2

Metodi MADM con informazione cardinale sui criteri

SIMPLE ADDITIVE WEIGHTING

Le valutazioni xij devono essere normalizzate.

Analisi gerarchica (AHP)

AHP: gerarchia di dominanza

SubSubCriterio Criterio 2.1 2.2

A1Am A1Am A1Am

A1Am A1Am A1Am

AHP: giudizi comparativi