Sensitivity analysis of the TOPSIS method in respect of initial data distributions

Abstract

The present article investigates the sensitivity of the multiple criteria decision-making method TOPSIS in respect of attribute probability distributions. To carry out research, in itial data – attribute values – were generated according to a normal, log-normal, uniform, and beta distributions. Decision matrixes were constructed from the generated data. By applying the TOPSIS method to the matrixes generated, result samples were received. A statistical analysis was conducted for the results obtained, which revealed that the distributions of the initial data comply with the distributions of the result s received by the TOPSIS met hod. According to the most common alternative rank value, it was ascertained that the TOPSIS method is the most sensitive for data distribution according to beta distribution, and the least sensitive for data distribution according to lognormal distribution.

Straipsnyje nagrinėjamas daugiakriterinio sprendimo pri ė mimo metodo TOPSIS jautrumas rodiklių tikimybinių skirstinių atžvilgiu. Tyrimui atlikti, pradiniai duomenys – rodiklių reikšmės, buvo generuojamos pagal normalųjį, lognormalųjį, tolygųjį ir beta skirstinius. Iš sugeneruotų duomenų buvo konstruojamos sprendimo matricos. Taikant TOPSIS metodą sugeneruotoms matricoms, gautos rezultatų imtys. Buvo atliekama gautų rezultatų statistinė analizė, kuri parodė, jog pradinių duomenų skirstiniai nebūtinai sutampa su TOPSIS metodu gautų rezultatų skirstiniais. Pagal dažniausiai pasitaikančią alternatyvos rango reikšmę nustatyta, jog metodas TOPSIS yra labiausiai jautrus duomenų pasiskirstymui pagal beta skirstinį, mažiausiai jautrus duomenų pasiskirstymui pagal lognormalųjį skirstinį.