Robustness of priority deriving methods for pairwise comparison matrices against rank reversal: A probabilistic approach

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F47813059%3A19520%2F24%3AA0000442" target="_blank" >RIV/47813059:19520/24:A0000442 - isvavai.cz</a>

Výsledek na webu

<a href="https://link.springer.com/article/10.1007/s10479-023-05753-0" target="_blank" >https://link.springer.com/article/10.1007/s10479-023-05753-0</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/s10479-023-05753-0" target="_blank" >10.1007/s10479-023-05753-0</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Robustness of priority deriving methods for pairwise comparison matrices against rank reversal: A probabilistic approach

Popis výsledku v původním jazyce

This work aims to answer the natural question of how probable it is that a given method produces rank reversal in a priority vector (PV) if a decision maker (DM) introduces perturbations to the pairwise comparison matrix (PCM) under concern. We focus primarily on the concept of robustness against rank reversal, independent of specific methods, and provide an in-depth statistical insight into the application of the Monte Carlo (MC) approach in this context. This concept is applied to three selected methods, with a special emphasis on scenarios where a method may not provide outputs for all possible PCMs. All results presented in this work are replicable using our open-source implementation.

Název v anglickém jazyce

Robustness of priority deriving methods for pairwise comparison matrices against rank reversal: A probabilistic approach

Popis výsledku anglicky

This work aims to answer the natural question of how probable it is that a given method produces rank reversal in a priority vector (PV) if a decision maker (DM) introduces perturbations to the pairwise comparison matrix (PCM) under concern. We focus primarily on the concept of robustness against rank reversal, independent of specific methods, and provide an in-depth statistical insight into the application of the Monte Carlo (MC) approach in this context. This concept is applied to three selected methods, with a special emphasis on scenarios where a method may not provide outputs for all possible PCMs. All results presented in this work are replicable using our open-source implementation.

Druh

J_imp - Článek v periodiku v databázi Web of Science

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

<a href="/cs/project/GA21-03085S" target="_blank" >GA21-03085S: Párové porovnání a data mining při podpoře rozhodovacích procesů</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2024

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název periodika

Annals of Operations Research

ISSN

0254-5330

e-ISSN

1572-9338

Svazek periodika

333

Číslo periodika v rámci svazku

1

Stát vydavatele periodika

CH - Švýcarská konfederace

Počet stran výsledku

25

Strana od-do

249-273

Kód UT WoS článku

001124467900001

EID výsledku v databázi Scopus

2-s2.0-85179734615