VÝBĚR NEJVHODNĚJŠÍ HOSPODY



Podobné dokumenty
Matematické metody rozhodování

Matematické metody rozhodování

Praktikum II Elektřina a magnetismus


6. T e s t o v á n í h y p o t é z

5. Maticová algebra, typy matic, inverzní matice, determinant.

Metody, jak stanovit správné váhy

Několik poznámek na téma lineární algebry pro studenty fyzikální chemie

Metody vícekriteriálního rozhodování a HTA. Josef Jablonský VŠE Praha

Metody výběru variant

V praxi pracujeme s daty nominálními (nabývají pouze dvou hodnot), kategoriálními (nabývají více

{Q={1,2};S,T;u(s,t)} (3.3) Prorovnovážnéstrategie s,t vehřesnulovýmsoučtemmusíplatit:

Pro bodový odhad při základním krigování by soustava rovnic v maticovém tvaru vypadala následovně:

2 Spojité modely rozhodování

VÍCEKRITERIÁLNÍ ROZHODOVANÍ

7 Kardinální informace o kritériích (část 1)

Jazyk matematiky Matematická logika Množinové operace Zobrazení Rozšířená číslená osa


(Auto)korelační funkce Statistické vyhodnocování exp. dat M. Čada ~ cada

Fixed management model s mûfienou heterogenitou

B a k a l ářská práce


Regresní a korelační analýza

Rozhodovací procesy 8

Praktikum III - Optika

STP022 PRAVDĚPODOBNOST A MATEMATICKÁ STATISTIKA

Problémy konstrukce a implementace modelů strukturální analýzy

Semestrální projekt. Vyhodnocení přesnosti sebelokalizace VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ. Fakulta elektrotechniky a komunikačních technologií


Vyšší odborná škola a Střední průmyslová škola elektrotechnická Božetěchova 3, Olomouc Laboratoře elektrotechnických měření

Matice se v některých publikacích uvádějí v hranatých závorkách, v jiných v kulatých závorkách. My se budeme držet zápisu s kulatými závorkami.

x y +30x, 12x+30 18y 18y 18x+54

2.2. SČÍTÁNÍ A NÁSOBENÍ MATIC

Západočeská univerzita. Lineární systémy 2

y = Spočtěte všechny jejich normy (vektor je také matice, typu n 1). Řádková norma (po řádcích sečteme absolutní hodnoty prvků matice a z nich

Kapitola 1. Tenzorový součin matic

Projekty do předmětu MF

Vícekriteriální hodnocení variant metody

Determinant. Definice determinantu. Permutace. Permutace, vlastnosti. Definice: Necht A = (a i,j ) R n,n je čtvercová matice.

Nové gastronomické a pivní koncepty společnosti Plzeňský Prazdroj, a.s. Václav Berka Starší obchodní sládek Brno

FAKULTA INFORMATIKY A MANAGEMENTU UNIVERZITA HRADEC KRÁLOVÉ MOV 1 SEMESTRÁLNÍ PRÁCE

Operační výzkum. Teorie her cv. Hra v normálním tvaru. Optimální strategie. Maticové hry.

ZNALECKÝ POSUDEK č / 15

UNIVERZITA PARDUBICE. Fakulta ekonomicko správní

PRAKTIKUM III. Oddělení fyzikálních praktik při Kabinetu výuky obecné fyziky MFF UK. Úlohač.IV

7. Analýza rozptylu.

SPOLEHLIVOST KONSTRUKCÍ & TEORIE SPOLEHLIVOSTI část 5: Aproximační techniky

Postupy při hodnocení variant a výběru nejvhodnějšího řešení. Šimon Kovář Katedra textilních a jednoúčelových strojů

VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE. Optimalizace trasy při revizích elektrospotřebičů

TRŽNÍ POSOUZENÍ NEMOVITOSTI

Úloha č.: XVII Název: Zeemanův jev Vypracoval: Michal Bareš dne Posuzoval:... dne... výsledek klasifikace...

Analýza výsledků testu čtenářské gramotnosti v PRO /11

Fakt. Každou soustavu n lineárních ODR řádů n i lze eliminací převést ekvivalentně na jednu lineární ODR

Lenka Zalabová. Ústav matematiky a biomatematiky, Přírodovědecká fakulta, Jihočeská univerzita. zima 2012

Skalární součin je nástroj, jak měřit velikost vektorů a úhly mezi vektory v reálných a komplexních vektorových prostorech.

Soustavy lineárních rovnic

ZNALECKÝ POSUDEK. č /16

Semestrální projekt. do předmětu Statistika. Vypracoval: Adam Mlejnek Oponenti: Patrik Novotný Jakub Nováček Click here to buy 2




Lineární algebra II. Adam Liška. 9. února Zápisky z přednášek Jiřího Fialy na MFF UK, letní semestr, ak. rok 2007/2008

Stavový model a Kalmanův filtr

5.3.3 Interference na tenké vrstvě

GRAFY A GRAFOVÉ ALGORITMY

Metody operačního výzkumu cvičení

Západočeská univerzita v Plzni Fakulta aplikovaných věd KKY/LS2. Plzeň, 2008 Pavel Jedlička

FYZIKÁLNÍ PRAKTIKUM FJFI ČVUT V PRAZE. Úloha 4: Balmerova série vodíku. Abstrakt

Západočeská univerzita v Plzni. Fakulta aplikovaných věd Katedra matematiky. Geometrie pro FST 1. Pomocný učební text

9. Úvod do teorie PDR

Tématické celky { kontrolní otázky.

PRAKTIKUM II Elektřina a magnetismus

Neuropočítače. podnět. vnímání (senzory)

Některé zákony rozdělení pravděpodobnosti. 1. Binomické rozdělení



DIPLOMOVÁ PRÁCE. Fuzzy rozšíření Saatyho AHP

Shluková analýza dat a stanovení počtu shluků

2.4.8 Další příklady s grafy funkcí s absolutní hodnotou

Vybrané problémy lineární algebry v programu Maple

2. Matice, soustavy lineárních rovnic


Výběr a hodnocení dodavatelů. Michal John

1 Lineární stochastický systém a jeho vlastnosti. 2 Kovarianční funkce, výkonová spektrální hustota, spektrální faktorizace,

Teorie hromadné obsluhy

12. cvičení z PSI prosince (Test střední hodnoty dvou normálních rozdělení se stejným neznámým rozptylem)

a) Základní informace o souboru Statistika: Základní statistika a tabulky: Popisné statistiky: Detaily

Regresní a korelační analýza

SOLVER UŽIVATELSKÁ PŘÍRUČKA. Kamil Šamaj, František Vižďa Univerzita obrany, Brno, 2008 Výzkumný záměr MO0 FVT

ZNALECKÝ POSUDEK č /2015

VÍCEKRITERIÁLNÍ MANAŢERSKÉ ROZHODOVÁNÍ V PODMÍNKÁCH RIZIKA A NEJISTOTY


UNIVERSITA PALACKÉHO V OLOMOUCI PŘÍRODOVĚDECKÁ FAKULTA. KATEDRA MATEMATICKÉ ANALÝZY A APLIKACÍ MATEMATIKY školní rok 2009/2010 BAKALÁŘSKÁ PRÁCE


Svobodná chebská škola, základní škola a gymnázium s.r.o. procvičení a zapamatování počítání a měření úhlů

PŘÍPADOVÁ STUDIE NA ZNALECKÝ POSUDEK ZABÝVAJÍCÍ SE ZMĚNOU STAVEBNĚ TECHNICKÉHO STAVU NEMOVITOSTI.


minimalizaci vzdálenosti od ideální varianty

Řešení elektronických obvodů Autor: Josef Sedlák

Praktikum III - Optika

Transkript:

VÝBĚR NEJVHODNĚJŠÍ HOSPODY Matematická teorie rozhodování Vypracovali: Michal Hausner Lukáš Héža Daniel Koryčanský Petr Kovalčík Tomáš Talášek

I. Přípravné práce V 18:00 chceme z kolejí Bedřicha Václavka (Šmeralova 8, Olomouc) vyrazit do hospody. Nyní se pokusíme najít nejvhodnější hospodu z následujících deseti. Budeme sledovat celkem šest kritérií. Hospody Značka piva Zábava Otvírací doba Kuchyně Kouření Vzdálenost (km) Peklo Šerák 5 5 slabší hodně 0,52 Ponorka Staropramen 4 7 slabší hodně 0,69 15 minut Svijany 4 8 ne hodně 0,49 Doga Rychtář 5 6 slabší hodně 0,11 Na Rampě Gambrinus 1 5 ne hodně 0,55 Svatováclavký pivovar U Dvou strašidel Nepasterizované 0 5 slabší ne 0,69 Nepasterizované 2 6 chuťovky slabě 0,53 Mučírna Šerák 1 6 restaurace oddělené prostory U naftaře Gambrinus 1 10 ne slabě 0,48 Jazz Tibet club Svijany 3 6 restaurace Značka piva: Svijany, nepasterizované Šerák, Rychtář Gabrinus Staropramen Vzdálenost: Je brána vzdušnou čarou od výchozího bodu. Kuchyň: restaurace slabší chuťovky ne oddělené prostory Otvírací doba: Doba, po jakou má daná hospoda otevřeno (počítá se od 18:00, maximální možná hodnota je 10). Zábava: Různé druhy zábavy jsme ohodnotili číselně, v tabulce uvažujeme součet. jukebox (1), stolní fotbal (1), šipky (1), kulečník (1), tv (1), karaoke (2), živá hudba (3) Kouření: ne oddělené prostory slabě hodně 0,52 1,08 1

Preference kritérií: značka piva zábava, otvírací doba kuchyně kouření vzdálenost Graf cílů: 2

II. Stanovení vah kritérií 1. Metody nevyužívající informace o důsledcích variant Klasifikace do tříd: velmi významné středně významné málo významné w=3 w=2 w=1 Normování: 3 K 1 :v 1 = 3+2 3+1 2 = 3 11 =0,28 2 K 2 :v 2 = 3+2 3+1 2 = 2 11 =0,18 2 K 3 :v 3 = 3+2 3+1 2 = 2 11 =0,18 2 K 4 : v 4 = 3+2 3+1 2 = 2 11 =0,18 1 K 5 :v 5 = 3+2 3+1 2 = 1 11 =0,09 1 K 6 : v 6 = 3+2 3+1 2 = 1 11 =0,09 Spojitá stupnice: Normování: 3 K 1 :v 1 = 3+2 3+1 2 = 3 11 =0,28 0,6 K 2 :v 2 = 0,85+0,6 2+0,45+0,25+0,2 = 0,6 2,95 =0,2 0,6 K 3 :v 3 = 0,85+0,6 2+0,45+0,25+0,2 = 0,6 2,95 =0,2 0,45 K 4 : v 4 = 0,85+0,6 2+0,45+0,25+0,2 = 0,45 2,95 =0,15 0,25 K 5 :v 5 = 0,85+0,6 2+0,45+0,25+0,2 = 0,25 2,95 =0,09 0,2 K 6 : v 6 = 0,85+0,6 2+0,45+0,25+0,2 = 0,2 2,95 =0,07 3

Přímá Metfesselova alokace: K 1 :v 1 =0,35 K 2 :v 2 =0,20 K 3 :v 3 =0,20 K 4 : v 4 =0,15 K 5 :v 5 =0,07 K 6 : v 6 =0,03 Nepřímá Metfeselova alokace: Stanovení hodnot vah: K 1 :v 1 = p 1 =0,35 K 2 :v 2 = p 2 (1 p 1 ) = 0,60 0,65 =0,195 2 2 K 3 :v 3 = p 2 (1 p 1 ) = 0,60 0,65 =0,195 2 2 K 4 : v 4 = p 3 (1 p 2 ) (1 p 1 )=0,55 0,40 0,65=0,14 K 5 :v 5 = p 4 (1 p 3 ) (1 p 2 ) (1 p 1 )=0,65 0,45 0,40 0,65=0,08 K 6 : v 6 =(1 p 4 ) (1 p 3 ) (1 p 2 ) (1 p 1 )=0,35 0,45 0,40 0,65=0,04 4

Metoda pořadí preferencí: w i v i K 6 1 0,0654 K 5 1,5 0,0980 K 4 2,3 0,1503 K 3 3 0,1961 K 2 3 0,1961 K 1 4,5 0,2941 Σ 15,3 1,0000 v 6 = 1 15,3 =0,0654 v 5 = 1,5 15,3 =0,0980 v 4 = 2,3 15,3 =0,1503 v 3 = 3 15,3 =0,1961 v 2 = 3 15,3 =0,1961 v 1 = 4,5 15,3 =0,2941 Metoda párového srovnání: K 1 K 2 K 3 K 4 K 5 K 6 Σ= w i v i K 1 0,5 1 1 1 1 1 5,5 0,3055 K 2 0 0,5 0,5 1 1 1 4 0,2222 K 3 0 0,5 0,5 1 1 1 4 0,2222 K 4 0 0 0 0,5 1 1 2,5 0,1389 K 5 0 0 0 0 0,5 1 1,5 0,0834 K 6 0 0 0 0 0 0,5 0,5 0,0278 Σ 18 1 Saatyho metoda: K 1 K 2 K 3 K 4 K 5 K 6 w i v i K 1 1 3 3 5 7 9 0,8049 0,4205 K 2 0,3333 1 1 3 5 9 0,387 0,2022 K 3 0,3333 1 1 3 5 9 0,387 0,2022 K 4 0,2 0,3333 0,3333 1 5 7 0,21 0,1097 K 5 0,1429 0,2 0,2 0,2 1 3 0,082 0,0428 K 6 0,1111 0,1111 0,1111 0,1429 0,3333 1 0,0432 0,0226 Σ 1,9141 1 λ max =6,3858 CI= λ max m m 1 = 6,3858 10 =0,0772 10 1 CR= CI RI (6) = 0,0772 1,252 =0,0617 CR<0,1 Saatyho matice je konzistentní a tudíž lze použít normované váhy v i. 5

2. Metody využívající informace o důsledcích variant Kompenzační metoda: Kompenzační metodu použijeme pro hospodu Ponorka a kritéria K 2 a K 3. Kritérium Hodnota kritéria Změna stavu Nová hodnota K 2 - zábava 4 zvýšíme +1 5 K 3 - otvírací doba 7 snížíme -1 6 h 2 (x)= 4 0 5 0 = 4 5 h 2 (x ' )= 5 0 5 0 =1 h 3 ( x)= 7 5 10 5 = 2 5 h 3( x ' )= 6 5 10 5 = 1 5 v 2 = h 3(x) h 3 (x ' ) v 3 h 2 (x ' ) h 2 (x) = 2 5 1 5 1 4 5 1 5 = 1 5 =1 Poměr vah se nezmění (protože kritéria jsou stejně významná). 3. Metoda korekce vah: Korekce vah kritérií vzhledem k vahám skupin kritérií: Korigovat budeme váhy ze Saatyho metody: v =(0,4205 0,2022 0,2022 0,1097 0,0428 0,0226) Porovnání součtů vah v jednotlivých skupinách: 0,2022+0,0428=0,245 0,30 0,4205+0,1097=0,5302 0,45 0,2022+0,0226=0,2248 0,25 Součty se nerovnají skupinovým vahám, proto je třeba váhy korigovat pomocí vzorce v ' i = v i w k v j j: K j L k v ' 1 = 0,4205 0,5302 0,45=0,3569 Vektor korigovaných vah: v ' =(0,3569 0,2476 0,2249 0,0931 0,0524 0,0251) 6

III. Analýza souboru kritérií 1. Nezávislost kritérií Kendallův koeficient pořadové korelace: Kendallův koeficient budeme počítat pro kritéria K 1 a K 2 Seřazení variant: K 1 - značka piva K 2 - zábava x 3, x 6, x 7, x 10 x 1, x 4 x 1, x 4, x 8 x 2,x 3 x 5,x 9 x 10 x 2 x 7 x 5, x 8, x 9 x 6 K 1, K 2 x 1 x 2 x 3 x 4 x 5 x 6 x 7 x 8 x 9 x 10 x 1 1-1 0 1-1 -1 0 1-1 x 2 0 1-1 -1-1 -1-1 -1 x 3-1 1 0 0 1 1 0 x 4 1-1 -1 0 1-1 x 5-1 1 0 0 1 x 6 0-1 -1 0 x 7 1 1 0 x 8 0 1 x 9 1 x 10 P=15, Q=17, S=P Q=15 17= 2 T= 1 2 t(t 1)= 1 2 [ 4(4 1)+3(3 1)+2(2 1)]=10 U = 1 2 u(u 1)= 1 2 [2(2 1)+2(2 1)+3(3 1)]=5 τ= S = = 0,0535 1 2 n(n 1) T 1 2 n(n 1) U 1 2 10(10 1) 10 1 2 10(10 1) 5 Kendallův koeficient pro kritéria K 1, K 2 se blíží nule, z toho plyne, že daná kritéria jsou nezávislá. 2 7

2. Analýza konzistence souboru kritérií Koeficient koexistence: Koeficient koexistence budeme počítat pro kritéria K 1, K 2,K 3 a K 4. K 1 K 2 K 3 K 4 odchylka odchylka 2 x 1 6 4,5 9 1,5 21 1 1 x 2 10 4,5 3 3,5 21 1 1 x 3 2,5 9 2 3,5 17 5 25 x 4 6 4,5 5,5 1,5 17,5 4,5 20,25 x 5 8,5 9 9 8 34,5-12,5 156,25 x 6 2,5 4,5 9 10 26-4 16 x 7 2,5 7 5,5 6 21 1 1 x 8 6 1,5 5,5 8 21 1 1 x 9 8,5 9 1 8 26,5-4,5 20,25 x 10 2,5 1,5 5,5 5 14,5 7,5 56,25 s= m(n+1) = 4(10+1) =22 2 2 S= odchylka 2 =298 m T j = 1 (t 3 12 j t j ) j =1 T 1 = 1 12 [(43 4)+(3 3 3)+(2 3 2)]=7,5 T 2 = 1 12 [(23 2)+(4 3 4)+(3 3 3)]=7,5 T 3 = 1 12 [(43 4)+(3 3 3)]=7 T 4 = 1 12 [(23 2)+(2 3 2)+(3 3 3)]=3 W = S m 1 12 m2 (n 3 n) m j =1 T j = 298 1 12 42 (10 3 10) 4(7,5+7,5+7+3) =0,2443 Hodnota koeficientu je blízká nule, kritéria proto můžeme považovat za nekonzistentní. 8

IV. Metody používané k vícekriteriálnímu hodnocení variant 1. Metody bez informace o preferencích v množině kritérií Metody Maximax, Minimax a Hurwitzovo kritérium: Název K 1 K 2 K 3 K 4 K 5 K 6 Maximax Minimax Hurvitz λ =0,6 Hurvitz λ =0,3 Peklo 0,6 1 0 0,75 0 0,57 1 0 0,6 0,3 Ponorka 0 0,8 0,4 0,75 0 0,41 0,8 0 0,48 0,24 15 minut 1 0,8 0,6 0 0 0,63 1 0 0,6 0,3 Doga 0,4 1 0,2 0,75 0 1 1 0 0,6 0,3 Na Rampě 0,25 0,2 0 0 0 0,54 0,54 0 0,32 0,16 Svatovác. pivovar U dvou strašidel 0,95 0 0 0,75 1 0,41 1 0 0,6 0,3 0,95 0,4 0,2 0,45 0,3 0,56 0,95 0,2 0,65 0,42 Mučírna 0,6 0,2 0,2 1 0,75 0,57 1 0,2 0,68 0,44 U Naftaře 0,25 0,2 1 0 0,3 0,65 1 0 0,6 0,3 Jazz Tibet club 1 0,6 0,2 1 0,75 0 1 0 0,6 0,377 Hodnoty důsledků variant vzhledem k jednotlivým kritériím jsme vypočítali pomocí vzorce u i j = x {x 0 i j je hodnota kritéria pro danou variantu i j x i j x 0, kde x 0 i j je nejhorší hodnota kritéria na daném souboru variant. i j x i j je nejlepší hodnota kritéria na daném souboru variant x i j V případě metody MAXIMAX najdeme vždy maximum z daného řádku (u MAX ). V případě metody MINIMAX najdeme vždy minimum z daného řádku (u MIN ). V případě metody Hurvitzova kritéria stanovíme kombinaci obou těchto hodnot pomocí vzorce u H (x i )=λ u MAX (x i )+(1 λ)u MIN (x i ), i=1,...,m, λ (0,1) V našem případě nám metoda Maximax našla celkem 7 optimálních výsledků, z tohoto důvodu je pro nás nepoužitelná. Metoda Minimax našla dvě optimální řešení (U dvou strašidel, Mučírna), takovýto výsledek už lze uvážit. Hurvitzova metoda nám pro obě λ našla stejné optimální řešení (Mučírna). Z výsledků lze usoudit, že nejvhodnější bude hospoda Mučírna, která jako jediná vyšla optimální pomocí všech metod. 9

2. Metody s informací ordinárního charakteru o preferencích v množině kritérií Metoda lexikografického uspořádání: Hospoda K 1 - značka piva K 2 - zábava K 3 - otvírací doba Peklo 3 1 5 Ponorka 6 2 3 15 minut 1 2 2 Doga 4 1 4 Na Rampě 5 5 5 Svatováclavský pivovar 2 6 5 U dvou strašidel 2 4 4 Mučírna 3 5 4 U Naftaře 5 5 1 Jazz Tibet club 1 3 4 Pro určení pořadí stačila první tři kritéria. Výsledná tabulka pořadí jednotlivých hospod: Hospoda K 1 - značka piva K 2 - zábava K 3 - otvírací doba 15 minut 1 2 2 Jazz Tibet club 1 3 4 U dvou strašidel 2 4 4 Svatováclavský pivovar 2 6 5 Peklo 3 1 5 Mučírna 3 5 4 Doga 4 1 4 U Naftaře 5 5 1 Na Rampě 5 5 5 Ponorka 6 2 3 10

3. Metody s kvantitativně vyjádřenou informací o preferencích v množině kritérií 3.1 Metody založené na váženém průměru dílčích hodnocení Metoda univerzální standartizace: v j - Saaty 0,4205 0,2022 0,2022 0,1097 0,0428 0,0226 Výsledné hodnocení Název K 1 K 2 K 3 K 4 K 5 K 6 m u( x i )= v j u j ( x ij ) j =1 Jazz Tibet club 1 0,6 0,2 1 0,75 0 0,7241 15 minut 1 0,8 0,6 0 0 0,63 0,7178 U dvou strašidel 0,95 0,4 0,2 0,45 0,3 0,56 0,5957 Peklo 0,6 1 0 0,75 0 0,57 0,5496 Svatovác. pivovar 0,95 0 0 0,75 1 0,41 0,5339 Doga 0,4 1 0,2 0,75 0 1 0,5157 Mučírna 0,6 0,2 0,2 1 0,75 0,57 0,4879 U Naftaře 0,25 0,2 1 0 0,3 0,65 0,3753 Ponorka 0 0,8 0,4 0,75 0 0,41 0,3342 Na Rampě 0,25 0,2 0 0 0 0,54 0,1578 Hodnoty důsledků variant vzhledem k jednotlivým kritériím jsme vypočítali pomocí vzorce u i j = x {x 0 i j je hodnota kritéria pro danou variantu i j x i j x 0, kde x 0 i j je nejhorší hodnota kritéria na daném souboru variant. i j x i j je nejlepší hodnota kritéria na daném souboru variant x i j m Výsledné hodnocení pro jednotlivé varianty: u(x i )= v j u j (x i j ) j=1 Pomocí metody univerzální standartizace vychází jako optimální varianta Jazz tibet club. 11

3.2 Metoda váženého průměru stupňů naplnění dílčích cílů Metoda váženého průměru stupňů naplnění dílčích cílů: v j - Saaty 0,4205 0,2022 0,2022 0,1097 0,0428 0,0226 Výsledné hodnocení Název K 1 K 2 K 3 K 4 K 5 K 6 m u( x i )= v j u j ( x ij ) j =1 Jazz Tibet club 0,94 0,5 0,8 0,96 0,7 0,35 0,8013 15 minut 0,94 0,7 1 0,1 0,12 0,84 0,7741 U dvou strašidel 0,9 0,3 0,8 0,3 0,3 0,81 0,6649 Peklo 0,6 0,9 0,6 0,65 0,12 0,82 0,6505 Svatovác. pivovar 0,9 0,05 0,6 0,65 1 0,68 0,6393 Doga 0,4 0,9 0,8 0,65 0,12 1 0,6109 Mučírna 0,6 0,2 0,8 0,96 0,7 0,82 0,6082 U Naftaře 0,15 0,7 1 0,65 0,12 0,68 0,4985 Ponorka 0,25 0,2 1 0,1 0,3 0,85 0,3908 Na Rampě 0,25 0,2 0,6 0,1 0,12 0,8 0,3009 Kvantitativní kritéria: Kvalitativní kritéria byla v naší práci odhadnuta expertně. Pomocí metody váženého průměru stupňů naplnění dílčích cílů vychází jako optimální varianta Jazz tibet club. 12

3.3 Metoda minimalizace vzdálenosti od ideální varianty v j - Saaty 0,4205 0,2022 0,2022 0,1097 0,0428 0,0226 Metrika Název K 1 K 2 K 3 K 4 K 5 K 6 d 1 (x i, x id ) Jazz Tibet club 1 0,6 0,2 1 0,75 0 0,27594 15 minut 1 0,8 0,6 0 0 0,63 0,28218 U dvou strašidel 0,95 0,4 0,2 0,45 0,3 0,56 0,40434 Peklo 0,6 1 0 0,75 0 0,57 0,45034 Svatovác. pivovar 0,95 0 0 0,75 1 0,41 0,46618 Doga 0,4 1 0,2 0,75 0 1 0,48429 Mučírna 0,6 0,2 0,2 1 0,75 0,57 0,51214 U Naftaře 0,25 0,2 1 0 0,3 0,65 0,62471 Ponorka 0 0,8 0,4 0,75 0 0,41 0,66582 Na Rampě 0,25 0,2 0 0 0 0,54 0,84223 x id 1 1 1 1 1 1 0 Normované důsledky variant jsou převzaty z metody MAXIMAX. Metriku d 1 (x i,x id ) vypočítáme podle vzorce: d 1 (x i, x id id )= v j u i j u j j =1 Pomocí metody minimalizace vzdálenosti od ideální varianty vychází jako optimální varianta Jazz tibet club. 3.4 Kompenzační analýza m Pro tyto účely se budeme nyní rozhodovat pouze na základě dvou kritérií: K 2 (zábava) a K 3 (otvírací doba). Pomocí kompenzační analýzy vychází jako optimální varianta hospoda Doga. 13

3.5 Metody založené na párovém srovnávání variant Metoda Saatyho AHP: Matice S 2 pro kritérium K 2 (zábava): S 2 Peklo Ponorka 15minut Doga Na Rampě Svatov. pivovar U dvou strašidel Mučírna U Naftaře Jazz Tibet c. w 2 v 2 Peklo 1 3 3 1 9 9 7 9 9 5 0,6081 0,2604 Ponorka 1/3 1 1 1/3 7 7 5 7 7 3 0,3227 0,1382 15minut 1/3 1 1 1/3 7 7 5 7 7 3 0,3227 0,1382 Doga 1 3 3 1 9 9 7 9 9 5 0,6081 0,2604 Na Rampa 1/9 1/7 1/7 1/9 1 3 1/3 1 1 1/5 0,0523 0,0223 Svatov. pivovar 1/9 1/7 1/7 1/9 1/3 1 1/5 1/3 1/3 1/5 0,0347 0,0149 U dvou strašidel 1/7 1/5 1/5 1/7 3 5 1 3 3 1/3 0,104 0,0445 Mučírna 1/9 1/7 1/7 1/9 1 3 1/3 1 1 1/5 0,0523 0,0223 U Naftaře 1/9 1/7 1/7 1/9 1 3 1/3 1 1 1/5 0,0523 0,0223 Jazz Tibet c. 1/5 1/3 1/3 1/5 5 5 3 5 5 1 0,1785 0,0764 Výsledná matice metody AHP: v j - Saaty 0,4205 0,2022 0,2022 0,1097 0,0428 0,0226 AHP Značka piva Zábava Otvírací doba Kuchyně Kouření Vzdálenost Vážený průměr řádku Jazz Tibet club 0,1756 0,2809 0,1730 0,0377 0,0938 0,0764 0,1755 Svatov. pivovar 0,1756 0,0899 0,3264 0,0589 0,0781 0,0149 0,1682 Mučírna 0,0716 0,2809 0,1730 0,0782 0,0938 0,0224 0,1350 U dvou strašidel 0,1756 0,0306 0,0819 0,0767 0,0938 0,0445 0,1100 Doga 0,0716 0,0899 0,0327 0,3697 0,0938 0,2604 0,1054 15minut 0,1756 0,0161 0,0327 0,0830 0,1250 0,1382 0,1013 Peklo 0,0716 0,0899 0,0327 0,0782 0,0781 0,2604 0,0727 U Naftaře 0,0323 0,0161 0,0819 0,0847 0,1563 0,0224 0,0499 Ponorka 0,0179 0,0899 0,0327 0,0589 0,1094 0,1382 0,0466 Na Rampa 0,0323 0,0161 0,0327 0,0739 0,0781 0,0224 0,0354 Pomocí metody Saatyho AHP vychází jako optimální varianta hospoda Jazz Tibet club. 14

Metoda Elektra III: Tabulka V: (Její prvky představují sílu preference i té varianty před j tou variantou.) V Peklo Ponorka 15minut Doga Na Rampě Svatov. pivovar U dvou strašidel Mučírna U Naftaře Jazz Tibet c. Peklo 0 0,6453 0,3119 0 0,755 0,2248 0,3345 0,2022 0,7324 0,2248 Ponorka 0,2022 0 0,1097 0,2022 0,5141 0,4044 0,5141 0,4044 0,3119 0,427 15minut 0,6453 0,6453 0 0,6227 0,8475 0,427 0,427 0,8475 0,6227 0,427 Doga 0,2248 0,6453 0,3345 0 0,9572 0,427 0,3345 0,2248 0,755 0,2248 Na Rampa Svatov. pivovar U dvou strašidel 0 0,4431 0 0 0 0,2248 0 0 0 0,0226 0,4633 0,4633 0,1525 0,4633 0,573 0 0,1525 0,4633 0,573 0,0654 0,6655 0,4859 0,1525 0,4633 1 0,427 0 0,6227 0,7324 0,0226 Mučírna 0,3547 0,5956 0,1525 0,1525 0,7978 0,5367 0,1751 0 0,573 0,0226 U Naftaře 0,2676 0,6881 0,2676 0,245 0,2676 0,427 0,2248 0,2248 0 0,2248 Jazz Tibet c. 0,7752 0,573 0,1525 0,573 0,9774 0,5141 0,3547 0,6227 0,7752 0 Použili jsme váhy ze Saatyho metody: v=(0,4205 0,2022 0,2022 0,1097 0,0428 0,0226) Sestupném uspořádání: Krok v 0 v 1 Peklo Ponorka 15 minut Doga Na Rampě Svatov. pivovar U dvou strašidel Mučírna U Naftaře 1. 1 0,9774 0 0 0 0 0 0 1 0 0 0 2. 0,9774 0,9572 0 0 0 0-1 0 0 0 1 3. 0,9572 0,8475 0 0 0 1-1 0 0 0 4. 0,8475 0,7978 0 0 1-1 0-1 0 5. 0,7978 0,755 0 0-1 0 1 0 6. 0,755 0,6881 1 0-1 0 0 7. 0,6881 0,573-1 0 0 1 8. 0,573 0,5141 0-1 1 9. 0,5141 0 1 0 Pro sestupném uspořádávání dostáváme následující pořadí : 1. U dvou strašidel (nejlepší) 2. Jazz Tibet club 3. Doga 4. 15 minut 5. Mučírna 6. Peklo 7. U Naftaře 8. Svatováclavský pivovar 9. Ponorka 10. Na Rampě (nejhorší) 15 Jazz Tibet

Vzestupné uspořádání: Krok v 0 v 1 Peklo Ponorka 15 minut Doga Na Rampě Svatov. pivovar U dvou strašidel Mučírna U Naftaře 1. 1 0,9774 0 0 0 0-1 0 1 0 0 0 2. 0,9774 0,7752 0 0 1 0 0 0-1 0 0 3. 0,7752 0,755-1 0 0 0 0 0-1 2 3.1 0,7324 0,2676 1 0 0 0 0 0-1 0 4. 0,6453 0,6227-2 1 1 0 0 0 5. 0,6227 0,5141 1-1 0 0 0 6. 0,5141 0,427 0-1 0 1 7. 0,427 0,3547 2-1 -1 7.1 0,3547 0,0226 0-1 1 Pro vzestupném uspořádávání dostáváme následující pořadí : 1. Rampa (nejhorší) 2. Mučírna 3. U Naftaře 4. Peklo 5. Ponorka 6. Doga 7. Svatováclavský pivovar 8. U dvou strašidel 9. Jazz Tibet club 10. 15 minut (nejlepší) Jazz Tibet 16

Závěr: V našem projektu jsme použili celkem 7 různých metod pro určení vah pro jednotlivá kritéria. Tyto metody byly velmi různorodé, takže nebylo lehké vybrat jednu, jejíž výsledky budeme používat pro zbytek projektu. Nakonec jsme se rozhodli pro váhy určené pomocí Saatyho metody, poněvadž odpovídaly naším představám o významnosti jednotlivých kritérií. Dále jsme měli za úkol zkontrolovat nezávislost kritérií. Tuto kontrolu jsme použili pro první dvě nejvýznamnější kritéria a ukázalo se, že jsou nezávislá. Bohužel při analýze koexistence kritérií jsme zjistili, že naše kritéria jsou nekonzistentní (a to jsme analýzu prováděli pouze pro 4 nejvýznamnější kritéria), takže hospoda, kterou budeme považovat za nejlepší bude vždy jen jakýmsi kompromisem (protože kritéria jdou proti sobě). V projektu bylo použito celkem 11 metod pro vícekriteriální hodnocení, v tabulce vidíte jednotlivé výsledky: Metoda Nejlepší hospoda Druhá nejlepší hospoda Maximax Minimax Metoda našla 7 nejlepších hospod nelze použít Metoda našla 2 nejlepší hospody Mučírna, U dvou strašidel Hurvitz λ =0,3 Mučírna U dvou strašidel Hurvitz λ =0,6 Mučírna U dvou strašidel Lexikografické uspořádání 15 minut Jazz Tibet club Univerzální standartizace Jazz Tibet club 15 Minut Vážený průměr Jazz Tibet club 15 minut Minimalizace vzdáleností Jazz Tibet club 15 minut Saatyho AHP Jazz Tibet club Svatováclavský pivovar Elektra III: sestupná U dvou strašidel Jazz Tibet club Elektra III: Vzestupná 15 minut Jazz Tibet club Jak je vidět z tabulky, nejlépe dopadl Jazz Tibet club, který se umístil celkem 7 krát, z toho 4 krát byl vyhodnocen jako nejlepší (jediné metody, které ho nezachytily jsou Maximax, Minimax a Hurvitz). Druhý nejlepší je klub 15 minut, který se v tabulce umístil celkem 5 krát, z toho 2 krát jako nejlepší. Kromě těchto vyhodnocovacích metod jsme navíc použili metodu kompenzační analýzy, ve které jsme brali v úvahu pouze dvě kritéria: K 2 (zábava) a K 3 (otvírací doba). Tato metoda určila jako nejlepší hospodu Doga. Dalo se očekávat, že pomocí různých metod dosáhneme vždy trochu jiných výsledků, nicméně je zřejmé, že za nejlepší hospodu (z dané desítky) můžeme považovat Jazz Tibet club. 17