Introduccion La Teoria de la Utilidad Multiatributo
Transcript of Introduccion La Teoria de la Utilidad Multiatributo
TEORIA DE LAUTILIDAD
MULTIATRIBUTOY
PROCESO ANALITOCO DEJERAQUIZACIÓN.
Toma de Decisiones
Gustavo Benítez Barajas 8 LAE27/04/2015
Introducción
La Teoría de la Utilidad Multiatributo (UMA) proporciona una
base formal para describir o prescribir elecciones entre
alternativas cuyas consecuencias están caracterizadas por
múltiples atributos relevantes. En los años 70 se publicaron
algunos resúmenes muy buenos de esta teoría, Fishburn
(1970,1977), Krantz et al. (1971), Farquhar (1977,1980),
Roberts (1979) y Keeney y Raiffa (1976), siendo este ultimo un
excelente libro cuya contribución fue fundamental dentro del
área de la utilidad multiatributo, que se reedito en 1993, y
que después de 25 años se considera que en sus aspectos
teóricos y de fundamentos continua siendo básico. En la teoría
de la utilidad multiatributo se considera útil la distinción
entre la teoría descriptiva y la prescriptiva. Indiquemos que
una teoría descriptiva es simplemente un cuadro conjeturado de
la realidad, es decir, una proposición que refleja posibles
relaciones entre objetos o clases de objetos del mundo exterior
y así los modelos UMA descriptivos pretenden explicar y
predecir los intercambios (trade-offs) que llevan a cabo los
decisores utilizando para ello sus propios artificios o
ingenios. Sin embargo, las teorías prescriptivas no describen
como son las cosas, sino que proporcionan consejos sobre la
elección o juicios que debe realizar el decisor, resultando que
los modelos UMA prescriptivos se han diseñado para ayudar a los
individuos a llevar a cabo los intercambios, con la esperanza
de alcanzar mejores decisiones. Así, al nivel mas simple, un
análisis prescriptivo guiar a al individuo en las elecciones
que lleve a cabo, construyendo un modelo de decisión que
describe las alternativas con las que se enfrenta y prediciendo
sus consecuencias. En resumen, un análisis prescriptivo
aconseja de dos formas. Primero en la construcción del modelo
para el decisor guiándole a través de un proceso de evolución y
clarificación de las preferencias y creencias y, segundo,
mostrando al individuo lo que un decisor racional haría al
enfrentarse con una situación de elección semejante. Con ello,
es de esperar que el análisis prescriptivo mejore la percepción
por parte del individuo del problema así como sus sensaciones
sobre el. También es útil y obligada la distinción entre
decisiones bajo certidumbre y bajo incertidumbre o riesgo. En
el primer caso, los individuos actúan con información perfecta
en el sentido de que serán capaces de especificar con seguridad
las consecuencias de los diferentes cursos de acción. Sin
embargo, en el segundo caso, el decisor posee únicamente
información parcial y se supone que es capaz de asignar
probabilidades subjetivas a cada una de las posibles
consecuencias de las alternativas en consideración. Podría
argumentarse que ninguna decisión es en certidumbre, sin
embargo para algunos propósitos la suposición de elección bajo
certidumbre proporciona una aproximación razonable a la
situación con la que se enfrenta un decisor. En todo caso, la
distinción entre elección bajo certidumbre frente a
incertidumbre es importante ya que se requerirán distintas
clases de modelos UMA para ambas situaciones.
Estructuración de las consecuencias como vectores de
atributos
Una idea básica en el tratamiento de los problemas mediante el
Análisis de Decisiones es su división en partes mas pequeñas,
ya que centrándose en cada parte de modo separado es probable
que el decisor consiga un mejor entendimiento del problema que
el que lograrla a partir de una visión global. En la mayoría de
los problemas de decisión surge de forma inmediata un objetivo
global, que no suele tener una sencilla traducción a una única
variable cuantitativa. De aquí la conveniencia o necesidad en
muchos casos de la estructuración de un árbol o jerarquía de
objetivos que emane del objetivo global planteado para el
problema. Así, asociado a cada objetivo pueden existir o
definirse sub-objetivos que, de hecho, también son objetivos
pero en un nivel mas bajo y que ayudan a precisar mejor las
preferencias de decisor respecto del objetivo del que emanan. A
su vez, para estos nuevos objetivos, podrán considerarse de
nuevo sub-objetivos de nivel mas bajo y así sucesivamente hasta
construir el árbol de objetivos, con la propiedad de que al ir
descendiendo en el los objetivos se irán haciendo mas precisos,
siendo por ello mas fácil definir variables (resultado)
asociadas a ellos. La generación de sub-objetivos en niveles
cada vez mas bajos del árbol vendrá determinada por los juicios
del decisor que deberá basarse, por una parte, en si la
especificidad lograda con el sub-objetivo alcanzado es la
adecuada y, por otra, si el sub-objetivo es suficientemente
preciso para asociarle una escala, bien objetiva o subjetiva,
como para reflejar los valores de las consecuencias de las
alternativas. Para cada uno de los objetivos de mas bajo nivel
se asociara una variable resultado o atributo, que permitirán
tener una medida de la realización, satisfacción o logro de
cada curso de acción respecto de ese objetivo. La forma en que
se medirá el atributo así como una descripción de su unidad de
medida, serán parte de la definición del atributo en cada
contexto. Se consideran básicamente dos tipos de atributos:
objetivos y subjetivos, dependiendo de si es posible tener una
escala de medida directa o es necesario la construcción de una
ad hoc para el atributo en cuestión. Una vez que se disponga
del árbol de objetivos y de los atributos asociados a los
objetivos del nivel mas bajo, nos enfrentaríamos a la cuestión
de si podemos considerar que esa estructura cualitativa esta
terminada. Se han propuesto varios criterios para contrastar si
el conjunto de objetivos y atributos elaborado es el adecuado,
Keeney y Raiffa (1976).
Teoría del Valor Multiatributo: El Caso de Certidumbre
En los tratamientos económicos estándar de elecciones bajo
certidumbre se ve al decisor como capaz de considerar
intercambios continuos entre los valores de los atributos.
Tales intercambios llevan a los mapas de indiferencia en los
cuales se basa el análisis económico del comportamiento clásico
de los consumidores y las empresas, ver Stigler (1966). El
proceso que conlleva su construcción es compensatorio en el
sentido de que un incremento en el valor de un atributo puede
compensar, al menos parcialmente, el decremento en el valor de
otro. Los estudios psicológicos sobre preferencias para
resultados multiatributo se han sustentado, en general, en este
modelo de intercambios compensatorios. La teoría de medida
conjunta proporciona la base formal para la evaluación de
resultados multiatributo bajo certidumbre. Bajo la hipótesis de
que el decisor se siente satisfecho con el conjunto X =
(X1, ..., Xn) de los n atributos que describen las
consecuencias de las decisiones en términos de todos los
factores que se consideran relevantes, y que no existe
incertidumbre o que esta es despreciable, entonces cada
decisión llevar a asociada un solo resultado posible, es decir,
cada decisión tendrá asociada un vector numérico x = (x1, ...,
xn) y diremos que v es una función de valor multiatributo sobre
X, si satisface la condición v (x1, ..., xn) ≥ v (x 1, ..., x
n) ⇔ (x1, ..., xn) (x 1, ..., x n), donde el símbolo
representa las preferencias del decisor y significa “preferido
o indiferente a”. De esta manera, v será una función de valor
si ordena las alternativas de manera consistente con las
preferencias del decisor. En la literatura aparecen otros
nombres para esta misma construcción tales como función de
preferencias o función de utilidad ordinal, entre otros. El
problema del decisor será entonces, determinar aquella
alternativa que maximice la función v. Así, v servirá para
comparar los distintos niveles de los atributos a través del
efecto que tengan las magnitudes xi sobre v.
Teoría de la Utilidad Multiatributo: El Caso de
Incertidumbre
Ya indicamos que una decisión se dice bajo incertidumbre o
riesgo cuando el decisor no se encuentra seguro de la
consecuencia que resultara de cada posible curso de acción,
pero es capaz de expresar tal incertidumbre en forma de
distribución de probabilidad sobre los resultados. Aunque el
termino riesgo se utiliza usualmente en las situaciones en que
se definen probabilidades objetivas, nosotros adoptamos aquí el
enfoque bayesiano que considera la probabilidad como una medida
o grado de conocimiento del decisor sobre los sucesos. Ya que
en la mayoría de los problemas es poco razonable suponer que se
conocen los factores externos con certidumbre, será necesario
construir el modelo de preferencias para el decisor de manera
que resulte apropiado para hacer elecciones bajo incertidumbre.
Así, cuando las decisiones son bajo incertidumbre en el sentido
anterior, el principio de de la utilidad esperada, Ríos Insua
etc. al (2001), proporciona una guía normativa ampliamente
aceptada para modelizar el comportamiento de un decisor. Se
podrá emular un modelo para ´ el decisor cuyas preferencias
sean representables mediante una función de utilidad de von
Neumann-Morgenstern y de forma análoga al caso bajo
certidumbre, existen condiciones de independencia/dependencia
que serán apropiadas para que en problemas particulares limiten
´ la forma de la función de utilidad.
Proceso Analítico Jerárquico PAJ (Analytic HierarchyProcess AHP)
Introducción
En la presente investigación se advierte la importante
limitación que configura la evaluación frente a situaciones
problemáticas complejas donde la intervención se manifiesta en
una diversidad de impactos que exceden largamente los
financieros y económicos. Se trata de considerar en la
selección las dimensiones institucionales, organizativas,
ambientales, técnicas, sociales y políticas.
Para el tratamiento y análisis de este tipo de problemas se han
desarrollado métodos denominados de Decisión Multicriterio o
Multiobjetivo (MDM), que contribuyen a resolver en parte los
problemas señalados. Entre ellos se encuentra el denominado
Proceso Analítico Jerárquico - PAJ (Analytic Hierarchy Process
AHP).
El antecedente inmediato de estos métodos es el denominado
Cuadro de Puntuación, procedimiento mediante el cual se
descompone un objetivo complejo, de múltiples dimensiones, en
sus atributos constitutivos más relevantes. Cada uno de estos
atributos recibe una ponderación relativa que mide su
importancia en la consecución del Objetivo General (Objetivo
Complejo) con lo que -a la vez- se establecen valoraciones
relativas entre los atributos que conforman el conjunto.
En relación con estos atributos se establecen criterios de
satisfacción que son valorados por medio de escalas, que
pueden ser de distinta naturaleza, tales como escalas
cardinales, ordinales, nominales, dicotómicas. Precisamente,
esta diversidad de escalas es la que permite capturar el grado
de satisfacción de criterios sustantivamente diferentes, sean
cuantitativos o cualitativos.
Las debilidades principales del Cuadro de Puntuación residen:
1) la asignación de peso relativo a los criterios se hace a
partir de la subjetividad del analista, aunque esta pueda ser
atenuada mediante el uso de ciertos procedimientos como el
método Delphi o la ronda de expertos; y 2) En la posibilidad de
que los procedimientos de puntuación contengan inconsistencias
que no pueden ser verificadas.
Estas limitaciones pueden ser solucionadas –en buena medida-
mediante la utilización de estos MDM, pues con ellos se puede
reducir las afirmaciones conjeturales, las conclusiones no
explicitadas o el comportamiento intuitivo que está íntimamente
asociado al proceso de atribución de pesos relativos a los
criterios y a la valoración de la medida en que las distintas
soluciones propuestas (alternativas) satisfacen los objetivos
específicos.
Por su parte, estos métodos muestran dos variantes, los MDM
continuos y los MDM discretos.
«Los primeros se basan en la estructura general de un conjunto
de funciones reales y continuas sujeto a un conjunto de
restricciones bajo la forma de ecuaciones y/o inecuaciones que
conforman la región factible en el espacio continuo de solución
del modelo.
El conjunto de soluciones factibles puede generarse a partir
del conjunto de restricciones. Este es el caso de la
Programación por Metas y el denominado Simplex Multicriterio.
El segundo grupo atiende los problemas de decisión discretos.
Aquí las opciones son determinadas de antemano. Entre los mas
conocidos se encuentran la familia de métodos Electre, el
Prométhée y el PAJ «.1
Este último, el Proceso Analítico Jerárquico muestra ventajas
en términos de simplicidad y claridad, pese a lo cual su
aplicación tiene un escaso desarrollo, al punto que se1
encuentran solo unos pocos antecedentes en Iberoamérica, algún
incipiente tratamiento en el país y es prácticamente
desconocido en la práctica profesional de la Evaluación de
Proyectos.
Proceso Analítico Jerárquico (PAJ)
El PAJ parte de una metodología de trabajo sencilla, basada en
la descomposición del problema (o el objetivo) en una
estructura jerárquica.
Como la mayoría de las grandes ideas científicas, el Proceso
Analítico Jerárquico (AHP) puede considerarse, según la
orientación dada al mismo, de muy diversas maneras. Su
contribución es importante en niveles operativos, tácticos y
estratégicos, sirviendo para mejorar la eficiencia, la eficacia
y fundamentalmente la efectividad del sistema. En resumen se
puede entender como: 1) una técnica que permite la resolución
de problemas multicriterio, multientorno y multiactores,
incorporando en el modelo los aspectos tangibles e intangibles,
así como el subjetivismo y la incertidumbre inherente en el
proceso de toma de decisiones. 2) una teoría matemática de la
medida generalmente aplicada a la dominación de la influencia
entre alternativas respecto a un criterio o atributo5 . 3) una
filosofía para abordar, en general, la toma de decisiones.
Este proceso se fundamenta en varias etapas que se destacan a
continuación:
Primer Etapa
En una primera etapa se construye una jerarquía básica,
conformada por el Objetivo General y los Criterios que, a su
vez, pueden estar constituidos por diversos niveles
jerárquicos. La jerarquía se construye de modo tal que los
elementos de un mismo nivel sean del mismo orden de magnitud y
puedan relacionarse con algunos o todos los elementos del
siguiente nivel.
En una jerarquía típica el nivel más alto localiza el problema
de decisión (objetivo). Los elementos que afectan a la decisión
son representados en los niveles inmediatos inferiores, de
forma que los criterios ocupan los niveles intermedios. Por
último, suele representarse en el nivel más bajo, a las
opciones de decisión o alternativas, aunque éstas mas que
conformar la estructura jerárquica constituyen las distintas
respuestas posibles al problema o las posibilidades diferentes
de satisfacer en algún grado el objetivo General.
Su construcción es la parte más creativa del proceso y requiere
de un consenso entre todas las partes implicadas en el proceso
de decisión. Esto es particularmente válido en el caso de
Proyectos Complejos abordados por equipos multidisciplinarios.
La figura 1 muestra un esquema del modelo jerárquico.
Segunda Etapa
Una vez construida la estructura jerárquica del problema se da
paso a la segunda etapa del proceso del PAJ: la valoración de
los elementos. El decisor debe emitir sus juicios de valor o
preferencias en cada uno de los niveles jerárquicos
establecidos. Esta tarea consiste en una comparación de
valores subjetivos “por pares” (comparaciones binarias). Estas
comparaciones se basan tanto en factores cuantitativos como
cualitativos.
Esta comparación puede realizarse por medio de una escala de
medidas. La propuesta por Saaty 2 se basa en el rango 1 a 9 y
consiste en la comparación de dos elementos que cuando son
igualmente preferidos o importantes el decisor le asigna al par
de elementos un «1»; si es moderadamente preferido se
representa por «3», en el caso de fuertemente preferido por «5»
y extremadamente preferido por «9». Los números pares se
utilizan para expresar situaciones intermedias.
El objetivo de esta etapa es calcular la prioridad de cada
elemento, tal como la define Saaty “Las prioridades son rangos
numéricos medidos en una escala de razón. Una escala de razón
es un conjunto de números positivos cuyas relaciones se
mantienen igual si se multiplican todos los números por un
número arbitrario positivo. El objeto de la evaluación es
emitir juicios concernientes a la importancia relativa de los
elementos de la jerarquía para crear escalas de prioridad de
influencia”.
El resultado de estas comparaciones es una matriz cuadrada,
recíproca y positiva, denominada «Matriz de comparaciones
pareadas», de forma que cada unos de sus componentes reflejen
la intensidad de preferencia de un elemento frente a otro
respecto del Objetivo considerado.
2 Saaty , T. L., The Analytic Hierarcy Process, McGraw-Hill, New York1980.
A modo de ejemplo, en este paso se obtiene para cada criterio
una matriz A como la que se muestra a continuación, donde se
han comparado tres elementos: a, b, c:
a b c
a 1 3 2
b 1/3 1 7
c ½ 1/7 1
Según la matriz, el elemento c es dos veces más importante que
a, en tanto que el a es tres veces más importante que b.
Realizada la comparación de los factores en la matriz y
asignados los juicios de valor entre pares de factores, es
necesario realizar el cálculo de peso (wj) para cada factor el
cual describe en forma precisa las características de los
juicios de valor considerados.
El procedimiento utilizado para obtener el vector principal
consiste en completar la matriz de comparación con los valores
de juicio de valor y se suma cada columna.
Matriz de
Comparaciones
a b C
a 1 3 2
b 1/3 1 7
c 1/2 1/7 1
total 1,83 4,14 10,00
1/ total 0,55 0,24 0,10
El procedimiento utilizado para obtener el vector principal
consiste en genera una matriz auxiliar en la que se completa
cada celda con el resultado de la división cada valor de juicio
por la sumatoria de la columna correspondiente. Finalmente, se
promedian los valores normalizados de las filas. Este promedio
corresponde al vector principal.
El resultado obtenido se puede normalizar, mediante dos
procedimientos. El utilizado en el ejemplo, considerado como
el más sencillo, normaliza la matriz sumando los valores en
cada columna de la matriz de comparaciones pareadas, se
determina el inverso de cada columna y se lo multiplica por
cada elemento de la matriz y la resultante se denomina matriz
de comparaciones normalizada. En el anexo se expone el otro
procedimiento.
Matriz Normalizada Vector
de
Priorida
des
a B c Total
a 0,55 0,72 0,20 1,47 0,49
b 0,18 0,24 0,70 1,12 0,37
c 0,27 0,03 0,10 0,41 0,14
3,00 1,00
Sumando cada fila se determina el cálculo del peso o vector
principal de cada factor.
A continuación se calcula la razón de consistencia para
verificar los resultados de la asignación de juicios de valor
que -mas allá de las reglas claras y neutrales que puedan
establecerse- pueden estar afectados por una cuota de
subjetividad.
Una vez construida la escala jerárquica de objetivos,
realizadas las comparaciones pareadas, concluido el análisis de
consistencia y obtenido el vector de prioridades se cuenta con
una valoración de la importancia relativa de cada uno de los
criterios considerados.
Tercer Etapa
El paso siguiente, tercera etapa, comprende el análisis de las
distintas opciones (alternativas) propuestas para valorar en
que medida éstas satisfacen cada uno de los Criterios. Este
grado de satisfacción puede ser medido a partir de escalas
diferentes, a saber: ordinal, cardinal, nominal, dependiendo de
las particularidades del criterio.
El resultado es una matriz que, una vez obtenida, se normaliza
y con ella se construye el Vector de Prioridades respectivo.
Cabe notar que este análisis del desempeño de cada alternativa
puede apoyarse en la información obtenida con la cual se
construyó la escala específica.
Cuarta Etapa
Por último, se sintetiza el resultado a partir del aporte
relativo de cada alternativa a cada uno de los criterios y del
nivel de preferencia relativo atribuido a éstos, para alcanzar
el Objetivo General.
Como etapa final de este proceso puede elaborarse un análisis
de sensibilidad dado que el resultado logrado es dependiente,
en buen grado, de los niveles jerárquicos establecidos por el
decisor y de los juicios de valor de los elementos
constitutivos de la estructura jerárquica.
Fuentes de Consulta.
1. http://www.uv.es/asepuma/recta/extraordinarios/ Vol_01/03t.pdf
2. www.uv.es/asepuma/recta/extraordinarios/Vol_01/02t.pdf 3. www.fce.unl.edu.ar/catedras/backend/materiales/617.doc 4. www.pronacose.gob.mx/pronacose14/.../
EMPLEO_AHP_ARTICULO.pdf