Composição probabilística de preferências com abordagem empírica em problemas multicritério

Abstract

Resumo Este artigo teve por objetivo apresentar uma abordagem empírica ao método de Composição Probabilística de Preferências (CPP). O método CPP se destina a escolha, ordenação e classificação de alternativas em problemas multicritério. O CPP tem explorado ampla variedade de aplicações a partir de distribuições de probabilidades contínuas. Entretanto, o uso de probabilidades empíricas, sem a necessidade de conhecer ou assumir uma função de probabilidade conjunta que origina as preferências, pode contribuir para lidar com determinados tipos de problema com escalas ordinais de preferência. A abordagem empírica é aqui aplicada em três casos, com a finalidade de ilustrar suas principais características e limitações. A proposta se mostrou satisfatória para o tratamento de preferências de avaliadores, especialmente quando o número de alternativas é reduzido em relação às opções da escala de pontos de avaliação e ao número de avaliadores, por contribuir para elevar a capacidade discriminatória dos resultados.

Prioritizing Barriers to Be Solved to the Implementation of Reverse Logistics of E-Waste in Brazil under a Multicriteria Decision Aid Approach

“…The method from the MCDA approach applied was, specifically, the Composition of Probabilistic Preferences (CPP) [22]. This method was selected because it considers the imprecision present in the elicitation process and the inherent subjectivity-to avoid errors that occur during individual and/or group decision making [22,23,57].…”

“…In Formula (3) x i , for i = 1 up to the number of criteria, F Xj is the cumulative distribution of the variable x j , f xj is the density function and D xi represents the support of the random variable x i [73] . The calculations were made for each alternative (barrier) referring to each criterion [23].…”

“…Some studies have been developed using Multiple Criteria Decision Aid (MCDA), such as the Analytic Hierarchy Process (AHP), the Technique for Order Preference by Similarity to Ideal Solution (TOPSIS), the Decision Making Trial and Evaluation Laboratory Method (DEMATEL), and the Interpretive Structural Modeling (ISM) [17,[19][20][21]. In addition to these MCDA methods, there is the Composition of Probabilistic Preferences (CPP) approach [22], which is a recent method that takes into account imprecision, which is intrinsic to subjectivity, present in the whole decision process [22,23]. This method employs a probabilistic view in order to reduce the effects of errors in the measurements of the criteria, allowing to simplify the modeling and to take into account the inherent uncertainty in the measurements [22].…”