Többtényezős döntési problémák

Hasonló dokumentumok
Többtényezős döntési problémák

A SÚLYSZÁMOK PROBLEMATIKÁJA KOMPLEX RENDSZEREK ÉRTÉKELÉSE SORÁN I. AZ ÉRTÉKELÉSI TÉNYEZŐK SÚLYOZÁSA

Összehasonlítások hibái





3. ZH FOGALMAI. Döntéshozó: Az a személy (vagy csoport), aki a cselekvési változatok közül választ egyet.

HARCÁSZATI REPÜLŐGÉPEK ÖSSZEHASONLÍTÁSÁRA HASZNÁLHATÓ MATEMATIKAI MÓDSZEREK

Döntéstámogató módszerek. /Gyakorlati jegyzet/

Intelligens technikák k a

y ij = µ + α i + e ij STATISZTIKA Sir Ronald Aylmer Fisher Példa Elmélet A variancia-analízis alkalmazásának feltételei Lineáris modell

Módszertani Intézeti Tanszéki Osztály. A megoldás részletes mellékszámítások hiányában nem értékelhető!

VÁLLALATGAZDASÁGTAN II. Döntési Alapfogalmak

Páros összehasonlítás mátrixok empirikus vizsgálata. Bozóki Sándor

9. gyakorlat Lineáris egyenletrendszerek megoldási módszerei folyt. Néhány kiegészítés a Gauss- és a Gauss Jordan-eliminációhoz

VIZSGADOLGOZAT. I. PÉLDÁK (60 pont)

biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás

Alternatívák rangsora Rangsor módszerek. Debreceni Egyetem

Irányított TULAJDONSÁGRA IRÁNYULÓ Melyik minta sósabb?, érettebb?, stb. KEDVELTSÉGRE IRÁNYULÓ Melyik minta jobb? rosszabb?

Hipotézis STATISZTIKA. Kétmintás hipotézisek. Munkahipotézis (H a ) Tematika. Tudományos hipotézis. 1. Előadás. Hipotézisvizsgálatok

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK EMELT SZINT Statisztika

Gyakorló feladatok. Az alábbi feladatokon kívül a félév szemináriumi anyagát is nézzék át. Jó munkát! Gaál László

Többszempontú döntési módszerek

Ez az összesítés tartalmazza az ISO 9000 FÓRUM XXII. Nemzeti Konferenciájára vonatkozó elégedettségi felmérés eredményeit.

Dr. Nagy Zita Barbara igazgatóhelyettes KÖVET Egyesület a Fenntartható Gazdaságért november 15.

Értékelési, kiválasztási módszerek

V. Gyakorisági táblázatok elemzése

y ij = µ + α i + e ij

Mikroökonómia elıadás

Számítógépes döntéstámogatás. Döntések fuzzy környezetben Közelítő következtetések

STATISZTIKA. Egymintás u-próba. H 0 : Kefir zsírtartalma 3% Próbafüggvény, alfa=0,05. Egymintás u-próba vagy z-próba

Függetlenségvizsgálat, Illeszkedésvizsgálat

A Kecskeméti Református Általános Iskola évi országos kompetenciamérés eredményének értékelése. 1. táblázat

MINTAFELADATOK. 1. Az alábbi diagram egy kiskereskedelmi lánc boltjainak forgalomkoncentrációját szemlélteti:

KÖZBESZERZÉSI ADATBÁZIS

földtudományi BSc (geológus szakirány) Matematikai statisztika elıadás, 2014/ félév 6. elıadás

Hipotézis, sejtés STATISZTIKA. Kétmintás hipotézisek. Tudományos hipotézis. Munkahipotézis (H a ) Nullhipotézis (H 0 ) 11. Előadás

[GVMGS11MNC] Gazdaságstatisztika

Kockázatkezelés és biztosítás 1. konzultáció 2. rész

Multinomiális és feltételes logit modellek alkalmazásai

Khi-négyzet eloszlás. Statisztika II., 3. alkalom

Vizsgáljuk elôször, hogy egy embernek mekkora esélye van, hogy a saját

Páros összehasonlítás mátrixok empirikus vizsgálata p. 1/20

Biostatisztika VIII. Mátyus László. 19 October

Többszempontú döntési módszerek, modellek Dr. Stettner Eleonóra

Két diszkrét változó függetlenségének vizsgálata, illeszkedésvizsgálat

18. modul: STATISZTIKA

Vízszintes kitűzések gyakorlat: Vízszintes kitűzések

S atisztika 1. előadás

Ajánlás a beruházásokkal kapcsolatos kockázatkezelési eljárás kialakításához

Döntéselőkészítés. XII. előadás. Döntéselőkészítés

PHR Egészségjelentések szakpolitikai döntéshozatalra gyakorolt hatásának felmérésre című Európai Uniós projekt előzetes eredményei

Statisztika 10. évfolyam. Adatsokaságok ábrázolása és diagramok értelmezése

Dr. Kalló Noémi. Termelés- és szolgáltatásmenedzsment. egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék. Dr.

Válogatott fejezetek a közlekedésgazdaságtanból

Coming soon. Pénzkereslet

Matematika feladatbank I. Statisztika. és feladatgyűjtemény középiskolásoknak

Intézményi jelentés. 10. évfolyam. Révai Miklós Gimnázium és Kollégium 9021 Győr, Jókai u. 21. OM azonosító:


KÖVETKEZTETŐ STATISZTIKA

A képzett szakemberekért. SZFP II. Hazai Peer Review 2009

Bevezetés a hipotézisvizsgálatokba

Munkakörtervezés és -értékelés

Összegezés az ajánlatok elbírálásáról

Intézményi jelentés. 10. évfolyam. Árpád Szakképző Iskola és Kollégium 8000 Székesfehérvár, Seregélyesi út OM azonosító:

Szabó-bakoseszter. Makroökonómia. Árupiacrövidtávon,kiadásimultiplikátor, adómultiplikátor,isgörbe

Hipotézis vizsgálatok

A sokaság elemei közül a leggyakrabban előforduló érték. diszkrét folytonos

NEMZETI JÖVEDELEM: TERMELÉS, ELOSZTÁS, FELHASZNÁLÁS

8. OSZTÁLY ; ; ; 1; 3; ; ;.

Országos Szakiskolai Közismereti Tanulmányi Verseny 2005/2006 SZÁMÍTÁSTECHNIKA

SZÁMÍTÁSOK A TÁBLÁZATBAN

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK EMELT SZINT Statisztika

Statisztikai módszerek 7. gyakorlat


A 2014.évi országos kompetenciamérés értékelése Kecskeméti Bolyai János Gimnázium

Kockázatmenedzsment

Eloszlás-független módszerek 13. elıadás ( lecke)

Az idősorok összetevői Trendszámítás Szezonalitás Prognosztika ZH

FIT-jelentés :: Ipari Szakközépiskola és Gimnázium 8200 Veszprém, Iskola utca 4. OM azonosító: Intézményi jelentés. 10.

Metaanalízisek. Ferenci Tamás május 16. Ferenci Tamás Metaanalízisek május 16.

Virág Katalin. Szegedi Tudományegyetem, Bolyai Intézet

Biostatisztika Összefoglalás

Mesterséges Intelligencia MI

Munkánk során a cellák tartalmát gyakran másolni szoktuk. Előfordul, hogy képleteket tartalmazó cellákat másolunk.

Jó Gyakorlatok! Fókuszban az önkormányzatok! - a III. témablokk előadásai


KÖLTSÉG-HASZON ELEMZÉS A PROGRAMOZÁSI IDŐSZAKBAN

Mérés és skálaképzés. Kovács István. BME Menedzsment és Vállalatgazdaságtan Tanszék

Metaanalízisek. Ferenci Tamás november 27.

FIT-jelentés :: Árpád Szakképző Iskola és Kollégium 8000 Székesfehérvár, Seregélyesi út OM azonosító: Intézményi jelentés

FIT-jelentés :: Árpád Szakképző Iskola és Kollégium 8000 Székesfehérvár, Seregélyesi út OM azonosító: Intézményi jelentés

APRÍTÉKTERMELÉSI MUNKARENDSZER-VÁLTOZATOK VIZSGÁLATA A MECSEKI EFAG-BAN TÖBBTÉNYEZŐS DÖNTÉSI MODELLEL


FIT-jelentés :: Hétvezér Általános Iskola 8000 Székesfehérvár, Hétvezér tér 1. OM azonosító: Intézményi jelentés. 8.

Regionális Gazdaságtan II 3. Gyakorlathoz

TÜZÉRSÉGI TŰZVEZETŐ RENDSZEREK ÖSSZEHASONLÍTÁSA

Kísérlettervezés alapfogalmak

Gyártástechnológia alapjai Méréstechnika rész 2011.

Átírás:

KIPA módszer: Lépései:. értékelési tényezők páros elrendezése, 2. páros összehasonlítás elvégzése, 3. egyéni preferencia táblázatok felvétele, konzisztencia mutatók meghatározása, 4. aggregált preferencia táblázat elkészítése, 5. értékelési tényezők súlyszámainak meghatározása, 6. preferencia és diszkvalifikancia mutatók számítása, 7. elemzés.

Feladat a KIPA módszerre Egy magyarországi nagyvállalat az a jövő évi beruházások előkészítése során a KIPA módszer alkalmazását veszi igénybe. A lehetséges 3 helyszín (alternatíva) a következő: Veszprém, Székesfehérvár, Győr. 2

Feladat a KIPA módszerre Az értékelés tényezők súlyszámának meghatározásáról 3 fős bizottság dönt. Melyik várost választják a jövő évi beruházások céljául? Ehhez: Készítse el az aggregált preferencia táblázatot, ha a konzisztencia mutatója elvárt szintje nagyobb, mint 60 %! Számítsa ki az értékelési tényezők súlyszámát! Számítsa ki a preferencia és diszkvalifikancia mutatókat! 3

KIPA módszer: Lépései:. értékelési tényezők páros elrendezése, 2. páros összehasonlítás elvégzése, 3. egyéni preferencia táblázatok felvétele, konzisztencia mutatók meghatározása, 4. aggregált preferencia táblázat elkészítése, 5. értékelési tényezők súlyszámainak meghatározása, 6. preferencia és diszkvalifikancia mutatók számítása, 7. elemzés. 4

KIPA módszer lépései. értékelési tényezők páros elrendezése: tényezők kiválasztása (Brainstorming, Delphi módszer, NCM) tényezők relatív fontosságának meghatározása véletlenszám táblázat / sorsolás szabályos ismétlődés elkerülése! azonos tagú párok távol helyezése egymástól! 5

Feladat a KIPA módszerre Az előkészítő bizottság a szóba jöhető alternatívák kiválasztására 3 különböző értékelési kritériumot (tényezőt) rögzített: E: Milyen az adott város árszínvonalat? E2: Milyen a fizetőképes kereslet az adott városban? E3: Milyen távol van az adott város a legközelebbi autópályától? 6

KIPA módszer lépései 2. páros összehasonlítás elvégzése: szakértői csoport, kérdőív segítségével Melyik tényezőt preferálja? Kötelező állást foglalni. 7

KIPA módszer lépései 3.egyéni preferencia táblázatok felvétele, konzisztencia mutatók meghatározása: a kérdőív alapján az egyéni preferencia táblázat felrajzolása sorokban lévő értékelési tényező preferált az oszlopban lévőhöz képest 8

Az. bizottsági tag preferencia-táblázata: E E2 E3 E I I E2 E3 I Az 2. bizottsági tag preferencia-táblázatai E E2 E3 E I E2 I E3 I Az 3. bizottsági tag preferencia-táblázatai E E E2 E3 E2 I I E3 I 9

KIPA módszer lépései 3.egyéni preferencia táblázatok felvétele, konzisztencia mutatók meghatározása: a kérdőív alapján az egyéni preferencia táblázat felrajzolása sorokban lévő értékelési tényező preferált az oszlopban lévőhöz képest a i : adott értékelési tényező preferáltsága a többihez képest nem írtunk elő tranzitivitást lehetnek inkonzisztens körhármasok: száma: d = n konzisztencia mutató: ( n )( 2n ) 2 a 2 2 K 24d n n = 3 0

. bizottsági tag E E2 E3 a a 2 E I I 2 4 E2 I K>60% a 2 =5 2. bizottsági tag E E2 E3 a a 2 E I E2 I E3 0 0 E3 I d=[3*(3-)*(2*3-)]/2-5/2= =3*2*5/2 5/2= 5/2-5/2= 0 d3=0 K= - (24*0)/(3 3-3)= 0/(27-3)= -0== 00% d2=[3*(3-)*(2*3-)]/2-3/2= =5/2 3/2= 5/2-3/2= K= - (24*)/(3 3-3)= 24/(27-3)= -=0= 0% K= 00% 3. bizottsági tag E E2 E3 a a 2 E 0 0 E2 I I 2 4 E3 I a 2 =3 a 2 =5

. bizottsági tag E E2 E3 a a 2 E I I 2 4 E2 I K>60% a 2 =5 2. bizottsági tag E E2 E3 a a 2 E I E2 I E3 0 0 E3 I d=[3*(3-)*(2*3-)]/2-5/2= =3*2*5/2 5/2= 5/2-5/2= 0 d3=0 K= - (24*0)/(3 3-3)= 0/(27-3)= -0== 00% d2=[3*(3-)*(2*3-)]/2-3/2= =5/2 3/2= 5/2-3/2= K= - (24*)/(3 3-3)= 24/(27-3)= -=0= 0% K3= 00% 3. bizottsági tag E E2 E3 a a 2 E 0 0 E2 I I 2 4 E3 I a 2 =3 a 2 =5 2

KIPA módszer lépései 4. aggregált preferencia-táblázat elkészítése, az értékelők egyetértésének vizsgálata: egyéni preferenciák összesítése véleményegyezés kiszámítása 3 véleményegyezés kiszámítása egyetértési együttható (V): V=0: nincs kapcsolat a döntéshozók rangsora között V>0: vannak a döntéshozók között egyetértések (ha a szignifikancia vizsgálat igazolja). ( ) ( ) ( ) ( ) 4 8 2 2 2 + = = = = = k k n n k k n n a k a V n i i j ij n i i j ij

. bizottsági tag E E2 E3 a a 2 E I I 2 4 K>60% K= 00% 3. bizottsági tag E E2 E3 a a 2 E 0 0 E2 I E2 I I 2 4 K3= 00% E3 0 0 E3 I E E2 E3 E E2 2 E3 0 4

KIPA módszer lépései 5. értékelési tényezők súlyszámainak meghatározása: a i értékelési tényező preferencia-gyakorisága p a preferencia-arányok meghatározása: k döntéshozók száma n értékelési tényezők száma p a k ai + = 2 k n 5

5. értékelési tényezők súlyszámainak meghatározása: E E2 E3 a i P a u T Z E 2 0,5 E2 2 3 0,66 E3 0 0,33 p a k ai + = 2 k n 6

KIPA módszer lépései 5. értékelési tényezők súlyszámainak meghatározása: a i értékelési tényező preferencia-gyakorisága p a preferencia-arányok meghatározása: k döntéshozók száma n értékelési tényezők száma k ai + = 2 k n u = intervallum-skála skálaértékei (normális eloszlás táblázat - belülről) Z = 0 kezdőpontú és 00 végpont értékű skála T = kezdőpontú és 5 végpont értékű skála p a 7

PE-GTK-SzVT Segédlet a menedzsment alapjaihoz 8

5. értékelési tényezők súlyszámainak meghatározása: E E2 E3 a i P a u T Z E 2 0,5 0 3 50 E2 2 3 0,66 0,43 5 00 E3-0,33-0,43 0 E2 legfontosabb, E második legfontosabb, E3 legkevésbé fontos Z: x=[(u-min)/(max-min)]*00 T: x=[(u-min)/(max-min)]*4+ Z = 0-00 skála T = -5 skála 9