informe final smic prob expert pdmot mdc parcial

S M I C - P D M O T - M D C / 49

Informe Smic-Prob-Expert

PDMOT-MDC

El método SMIC ha sido creado por Michel Godet y desarrollado dentro en el LIPSOR - Cf M.Godet, Manuel de prospective stratégique, Tome 2 Editions Dunod 2001 - Cf M.Godet, Creating Futures Scenario Planning as a strategic Management Tool, Editions Economica

S M I C - P D M O T - M D C / 49

S U M A R I O

I. PRESENTACIÓN DE LOS PARTICIPANTES..............................................................5

1. Lista de usuarios......................................................................................................................... 5

2. Descripción de los participantes..................................................................................................5

1. Ochoa (Rodolfo)..............................................................................................................................52. Carias (Fernando)...........................................................................................................................53. Botero (MaHelena).........................................................................................................................54. Melgar (Marvin)..............................................................................................................................55. Baide (Mario)..................................................................................................................................66. Guardiola (Luis)...............................................................................................................................67. Quinonez (Jorge).............................................................................................................................68. Mencia (Oscar)................................................................................................................................69. Caballero (Lilly)...............................................................................................................................6

II. LAS HIPÓTESIS............................................................................................................ 6

1. Lista de hipótesis........................................................................................................................ 6

2. Descripción de las hipótesis......................................................................................................... 7

1. gestión integral del recurso hídrico (Agua).....................................................................................72. descentralización administrativa del gobierno local (Descentrar)..................................................73. desconcentración y fortalecimiento de las actividades productivas y comerciales (PolosDesar). . .74. Municipio con atractivos turísticos consolidados (Cultura)............................................................75. infraestructura social y calidad de los servicios públicos (InfrastSoc).............................................76. cobertura y calidad del servicio de transporte de uso público (Transporte)...................................7

III. LOS EXPERTOS............................................................................................................ 8

1. Lista de grupos de expertos......................................................................................................... 8

2. Lista de expertos......................................................................................................................... 8

3. Descripción de los expertos.........................................................................................................9

1. MaHelena Botero...........................................................................................................................92. Fernando Carias..............................................................................................................................93. Rodolfo Ochoa................................................................................................................................94. Luis Guardiola.................................................................................................................................95. Mario Baide....................................................................................................................................96. Lilly Caballero..................................................................................................................................97. Antonio Carias................................................................................................................................98. Suyapa Zelaya Amaya.....................................................................................................................9


S M I C - P D M O T - M D C / 49

9. Nelly Calix....................................................................................................................................1010. Oscar Mandujano.....................................................................................................................1011. Silvia Gomez..............................................................................................................................1012. Oscar Mencía............................................................................................................................1013. Adriana Ortega.........................................................................................................................1014. Gerson Urtecho........................................................................................................................1015. Sandra Aleman..........................................................................................................................1016. Diana Fernadez.........................................................................................................................1117. Jorge Quinonez Zepeda............................................................................................................1118. Alfredo Kaegi............................................................................................................................1119. Ricardo Zavala Bowker..............................................................................................................11

IV. EL ESTUDIO SMIC-PROB-EXPERT.......................................................................11

1. Infraestructura Social................................................................................................................ 11

1. Oscar (Mandujano).......................................................................................................................11

2. Agua y Saneamiento................................................................................................................. 12

1. Rodolfo (Ochoa)............................................................................................................................122. Adriana (Ortega)...........................................................................................................................133. Gerson (Urtecho)..........................................................................................................................144. Sintesis de grupo : Agua y Saneamiento.......................................................................................15

3. Social........................................................................................................................................ 15

1. Lilly (Caballero).............................................................................................................................15

4. Ambiente.................................................................................................................................. 16

1. Nelly (Calix)..................................................................................................................................162. Jorge (Quinonez Zepeda)..............................................................................................................173. Alfredo (Kaegi)..............................................................................................................................184. Sintesis de grupo : Ambiente........................................................................................................19

5. GestionRiesgos.......................................................................................................................... 19

1. Fernando (Carias).........................................................................................................................19

6. Gestion Territorial..................................................................................................................... 20

1. MaHelena (Botero).......................................................................................................................202. Luis (Guardiola).............................................................................................................................213. Mario (Baide)................................................................................................................................224. Antonio (Carias)............................................................................................................................235. Oscar (Mencía)..............................................................................................................................246. Sandra (Aleman)...........................................................................................................................257. Diana (Fernadez)...........................................................................................................................268. Sintesis de grupo : Gestion Territorial...........................................................................................27


S M I C - P D M O T - M D C / 49

7. CambioClimatico....................................................................................................................... 27

1. Suyapa (Zelaya Amaya).................................................................................................................27

8. Docencia................................................................................................................................... 28

1. Silvia (Gomez)...............................................................................................................................282. Ricardo (Zavala Bowker)...............................................................................................................293. Sintesis de grupo : Docencia.........................................................................................................30

9. Synthèse sur l'ensemble des experts.................................................Error! Bookmark not defined.


S M I C - P D M O T - M D C / 49

I . P R E S E N TA C I Ó N D E L O S PA R T I C I PA N T E S

1 . L I S T A D E U S U A R I O S

Ochoa (Rodolfo) Carias (Fernando) Botero (MaHelena) Melgar (Marvin) Baide (Mario) Guardiola (Luis) Quinonez (Jorge) Mencia (Oscar) Caballero (Lilly)

2 . D E S C R I P C I Ó N D E L O S P A R T I C I P A N T E S

1 . O c h o a ( R o d o l f o )

Rol : DIAT SANAASociedad : Agua y SaneamientoProfesión : IngenieroDirección : TegucigalpaTeléfono : 2220-6506E-mail : [email protected] : La descentralización del gobierno local sin acompañante del gobierno

central es un error en políticas, estrategias y vigilancia principalmente.

No es suficiente el incremento de cobertura del servicio es eficiente la diversificación del transporte (por ejemplo llevamos 120 años de atraso con el ferrocarril nacional) en la ciudad los tranvías, terrestres y aéreos ya serán una necesidad.

2 . C a r i a s ( F e r n a n d o )

Rol : COPECOSociedad : Gestión de RiesgosProfesión : IngenieroDirección : TegucigalpaE-mail : [email protected]

3 . B o t e r o ( M a H e l e n a )

Rol : Prospectiva ColombiaSociedad : Planificación ProspectivaProfesión : PolitologaDirección : ColombiaE-mail : [email protected]

4 . M e l g a r ( M a r v i n )

Rol : Gestor y Planificador TerritorialSociedad : Escuela de Planificacion Organica Evolutiva -EPOE


S M I C - P D M O T - M D C / 49

Profesión : Gestor y Planificador TerritorialDirección : TegucigalpaE-mail : [email protected]

5 . B a i d e ( M a r i o )

Rol : Gestor PlanificaciónSociedad : SEPLANProfesión : ArquitectoDirección : TegucigalpaE-mail : [email protected]

6 . G u a r d i o l a ( L u i s )

Rol : Gestor PlanificadorSociedad : SEPLANProfesión : Ingeniero CivilDirección : TegucigalpaE-mail : [email protected]

7 . Q u i n o n e z ( J o r g e )

Rol : Gestor PlanificadorSociedad : SEPLANProfesión : Ingeniero AmbientalDirección : TegucigalpaE-mail : [email protected]

8 . M e n c i a ( O s c a r )

Rol : Gestor PlanificadorSociedad : UMPEGProfesión : ArquitectoDirección : TegucigalpaTeléfono : 99 95 92 41E-mail : [email protected]

9 . C a b a l l e r o ( L i l l y )

Sociedad : UNAHProfesión : Social

I I . L A S H I P Ó T E S I S

1 . L I S T A D E H I P Ó T E S I S

gestión integral del recurso hídrico (Agua) descentralización administrativa del gobierno local (Descentrar) desconcentración y fortalecimiento de las actividades productivas y

comerciales (PolosDesar) Municipio con atractivos turísticos consolidados (Cultura) infraestructura social y calidad de los servicios públicos (InfrastSoc) cobertura y calidad del servicio de transporte de uso público (Transporte)


S M I C - P D M O T - M D C / 49

2 . D E S C R I P C I Ó N D E L A S H I P Ó T E S I S

1 . g e s t i ó n i n t e g r a l d e l r e c u r s o h í d r i c o ( A g u a )

Descripción : La gestión integral del recurso hídrico asegurará un suministro de agua capaz de satisfacer la demanda de la población actual y futura del municipio. [Palabras claves: Represas y captación, Planes de Manejo, Red de Distribución, Pagos por Servicios Ambientales,Tarifas diferenciadas, municipalización del servicio.

2 . d e s c e n t r a l i z a c i ó n a d m i n i s t r a t i v a d e l g o b i e r n o l o c a l ( D e s c e n t r a r )

Descripción : La descentralización administrativa del gobierno local, aunado a la adecuada regulaciòn de los usos del suelo, contribuirá al crecimiento ordenado, la reducción de la exposición de la población ante amenazas y efectos del cambio climático; asimismo, a una mayor eficiencia y representatividad en la gestión del territorio, entre otros. Unidades de Planificación Zonales, Uso del Suelo, Gestión de Riesgos, Cambio Climático, Crecimiento, Densificación

3 . d e s c o n c e n t r a c i ó n y f o r t a l e c i m i e n t o d e l a s a c t i v i d a d e s p r o d u c t i v a s y c o m e r c i a l e s ( P o l o s D e s a r )

Descripción : La desconcentración y fortalecimiento de las actividades productivas y comerciales contribuirá al crecimiento económico y social equilibrado del Municipio. Polos de Desarrollo, Financiamiento,MIPYMES,Inversión]

4 . M u n i c i p i o c o n a t r a c t i v o s t u r í s t i c o s c o n s o l i d a d o s ( C u l t u r a )

Descripción : Un Municipio con atractivos turísticos consolidados/desarrollados y que fomente las áreas y expresiones culturales, contribuirá al fortalecimiento de la economía local y a forjar un sentido de pertenencia de la población. Revitalización Centro Histórico, Eventos Culturales, Identidad, desarrollo socioeconómico

5 . i n f r a e s t r u c t u r a s o c i a l y c a l i d a d d e l o s s e r v i c i o s p ú b l i c o s ( I n f r a s t S o c )

Descripción : Un incremento en la cobertura de la infraestructura social y calidad de los servicios públicos, contribuirá al desarrollo de la población y mejoras sustanciales en su calidad de vida. [Seguridad, Desarrollo Social, Servicios Públicos, Salud, Educación, Vivienda]

6 . c o b e r t u r a y c a l i d a d d e l s e r v i c i o d e t r a n s p o r t e d e u s o p ú b l i c o ( T r a n s p o r t e )

Descripción : El incremento de la cobertura y calidad del servicio de transporte de uso público, aunado al mejoramiento de la infraestructura y ordenamiento vial, contribuirá a la movilidad eficiente de la población, interconectividad entre nodos/polos de desarrollo y el crecimiento socioeconómico equilibrado del municipio. Interconectividad, eficiencia energética, Ordenamiento Vial, Transporte Masivo


S M I C - P D M O T - M D C / 49

I I I . L O S E X P E R T O S

1 . L I S T A D E G R U P O S D E E X P E R T O S

Infraestructura Social Agua y Saneamiento Social Ambiente GestionRiesgos Gestion Territorial CambioClimatico Docencia

2 . L I S T A D E E X P E R T O S

Infraestructura Social Oscar Mandujano

Agua y Saneamiento Rodolfo Ochoa Adriana Ortega Gerson Urtecho

Social Lilly Caballero

Ambiente Nelly Calix Jorge Quinonez Zepeda Alfredo Kaegi

GestionRiesgos Fernando Carias

Gestion Territorial MaHelena Botero Luis Guardiola Mario Baide Antonio Carias Oscar Mencía Sandra Aleman Diana Fernadez

CambioClimatico Suyapa Zelaya Amaya

Docencia Silvia Gomez Ricardo Zavala Bowker


S M I C - P D M O T - M D C / 49

3 . D E S C R I P C I Ó N D E L O S E X P E R T O S

1 . M a H e l e n a B o t e r o

Sociedad : PlanificaciónProfesión : PolitologaDirección : TegucigalpaGrupo de expertos : Gestion TerritorialPeso : 1

2 . F e r n a n d o C a r i a s

Grupo de expertos : GestionRiesgosPeso : 1

3 . R o d o l f o O c h o a

Grupo de expertos : Agua y SaneamientoPeso : 1

4 . L u i s G u a r d i o l a

Grupo de expertos : Gestion TerritorialPeso : 1

5 . M a r i o B a i d e


6 . L i l l y C a b a l l e r o

Sociedad : UNAHProfesión : Trabajo SocialGrupo de expertos : SocialPeso : 1

7 . A n t o n i o C a r i a s

Sociedad : UNAH Facultad de Ciencias Espaciales FACESGrupo de expertos : Gestion TerritorialPeso : 1

8 . S u y a p a Z e l a y a A m a y a

Sociedad : Fundacion de Iniciativas de Cambio Climatico de HondurasProfesión : IngenieraDirección : www.fundacioncambioclimatico.hnTeléfono : 504 22573685E-mail : [email protected] de expertos : CambioClimaticoPeso : 1


S M I C - P D M O T - M D C / 49

9 . N e l l y C a l i x

Sociedad : Centro de Estudios y Control de Contaminantes CESCCO SERNAProfesión : Ingeniera AmbientalTeléfono : (504) 2231-1006 Ext. 105Grupo de expertos : AmbientePeso : 1

1 0 . O s c a r M a n d u j a n o

Sociedad : FHIS Barrio CiudadProfesión : Ingeniero AmbientalGrupo de expertos : Infraestructura SocialPeso : 1

1 1 . S i l v i a G o m e z

Sociedad : UNAHProfesión : IngenieraTeléfono : 22266777E-mail : [email protected] de expertos : DocenciaPeso : 1

1 2 . O s c a r M e n c í a

Sociedad : PNUD-UMPEG-AMDCProfesión : ArquitectoDirección : Miraflores b24 c 2341Teléfono : 99 95 92 41E-mail : [email protected] de expertos : Gestion TerritorialPeso : 1

1 3 . A d r i a n a O r t e g a

Sociedad : SANAA Departamento de cuencasProfesión : Ingeniera AmbientalGrupo de expertos : Agua y SaneamientoPeso : 1

1 4 . G e r s o n U r t e c h o

Sociedad : SANAA DIATProfesión : Ingeniero AmbientalGrupo de expertos : Agua y SaneamientoPeso : 1

1 5 . S a n d r a A l e m a n



S M I C - P D M O T - M D C / 49

1 6 . D i a n a F e r n a d e z

Sociedad : Dirección General de Ordenamiento TerritorialProfesión : ArquitectaGrupo de expertos : Gestion TerritorialPeso : 1

1 7 . J o r g e Q u i n o n e z Z e p e d a

Sociedad : SEPLANProfesión : Ingeniero AmbientalGrupo de expertos : AmbientePeso : 1

1 8 . A l f r e d o K a e g i

Sociedad : SEPLANProfesión : Ingeniero AmbientalGrupo de expertos : AmbientePeso : 1

1 9 . R i c a r d o Z a v a l a B o w k e r

Sociedad : UNAH Escuela de ArquitecturaProfesión : ArquitectoGrupo de expertos : DocenciaPeso : 1

I V. E L E S T U D I O S M I C - P R O B - E X P E R T

1 . I N F R A E S T R U C T U R A S O C I A L

1 . O s c a r ( M a n d u j a n o )

a) Los datos brutos

(1) Datos brutos : probabilidades simples (Oscar)

1 : Agua

2 : Descentrar

3 : PolosDesar

4 : Cultura

5 : InfrastSoc

6 : Transporte

Probabilidades

0,8

0,6

0,8

0,8

0,6

0,8

© LIP

SO

R-E

PIT

A-P

RO

B-E

XP

ER

T


S M I C - P D M O T - M D C / 49

Los valores están comprendidos entre 0 y 1.

(2) Datos brutos : probabilidades condicionales si no realización (Oscar)

1 : Agua

2 : Descentrar

3 : PolosDesar

4 : Cultura

5 : InfrastSoc

6 : Transporte

Agua

Descentrar

PolosD

esar

Cultura

InfrastSoc

Transporte

0 0,6 0,8 0,8 0,8 0,8

0,5 0 0,6 0,6 0,6 0,6

0,5 0,5 0 0,6 0,6 0,6

0 0,5 0,5 0 0,5 0,5

0,5 0,5 0,5 0 0 0,5

0 0,5 0,5 0 0,5 0

© LIP

SO

R-E

PIT

A-P

RO

B-E

XP

ER

T


2 . A G U A Y S A N E A M I E N T O

1 . R o d o l f o ( O c h o a )

a) Los datos brutos

(1) Datos brutos : probabilidades simples (Rodolfo)

1 : Agua

2 : Descentrar

3 : PolosDesar

4 : Cultura

5 : InfrastSoc

6 : Transporte

Probabilidades

0,8

0,5

0,8

0,8

0,8

0,5

© LIP

SO

R-E

PIT

A-P

RO

B-E

XP

ER

T


(2) Datos brutos : probabilidades condicionales si no realización (Rodolfo)


S M I C - P D M O T - M D C / 49

1 : Agua

2 : Descentrar

3 : PolosDesar

4 : Cultura

5 : InfrastSoc

6 : Transporte

Agua

Descentrar

PolosD

esar

Cultura

InfrastSoc

Transporte

0 0 0 0 0 0

0 0 0 0 0 0

0 0 0 0 0 0

0 0 0 0 0 0

0 0 0 0 0 0

0 0 0 0 0 0

© LIP

SO

R-E

PIT

A-P

RO

B-E

XP

ER

T


2 . A d r i a n a ( O r t e g a )

a) Los datos brutos

(1) Datos brutos : probabilidades simples (Adriana)

1 : Agua

2 : Descentrar

3 : PolosDesar

4 : Cultura

5 : InfrastSoc

6 : Transporte

Probabilidades

0,8

0,8

0,8

1

1

0,8

© LIP

SO

R-E

PIT

A-P

RO

B-E

XP

ER

T


(2) Datos brutos : probabilidades condicionales si no realización (Adriana)

1 : Agua

2 : Descentrar

3 : PolosDesar

4 : Cultura

5 : InfrastSoc

6 : Transporte

Agua

Descentrar

PolosD

esar

Cultura

InfrastSoc

Transporte

0 0 0 0 0 0

0 0 0,6 0 0,6 0,6

1 1 0 0 0,6 0,6

1 0,6 0,6 0 0,8 0,8

0 0,6 0 0 0 0

0,6 0 0,6 0 0,8 0

© LIP

SO

R-E

PIT

A-P

RO

B-E

XP

ER

T


S M I C - P D M O T - M D C / 49


3 . G e r s o n ( U r t e c h o )

a) Los datos brutos

(1) Datos brutos : probabilidades simples (Gerson)

1 : Agua

2 : Descentrar

3 : PolosDesar

4 : Cultura

5 : InfrastSoc

6 : Transporte

Probabilidades

1

0,5

0,8

1

0,8

0,6

© LIP

SO

R-E

PIT

A-P

RO

B-E

XP

ER

T


(2) Datos brutos : probabilidades condicionales si no realización (Gerson)

1 : Agua

2 : Descentrar

3 : PolosDesar

4 : Cultura

5 : InfrastSoc

6 : Transporte

Agua

Descentrar

PolosD

esar

Cultura

InfrastSoc

Transporte

0 0 0,5 0 0 0

0 0 0,5 0,6 0,5 0,6

0,5 0 0 0 0,5 0,5

0,5 0,8 0,6 0 0,6 0,8

0 0,8 0,5 0 0 0,6

0,5 0,6 0,6 0 0 0

© LIP

SO

R-E

PIT

A-P

RO

B-E

XP

ER

T


4 . S i n t e s i s d e g r u p o : A g u a y S a n e a m i e n t o

3 . S O C I A L

1 . L i l l y ( C a b a l l e r o )


S M I C - P D M O T - M D C / 49

a) Los datos brutos

(1) Datos brutos : probabilidades simples (Lilly)

1 : Agua

2 : Descentrar

3 : PolosDesar

4 : Cultura

5 : InfrastSoc

6 : TransporteProbabilidades

0,8

0,8

0,6

0,6

0,8

0,8©

LIPS

OR

-EP

ITA

-PR

OB

-EX

PE

RT


(2) Datos brutos : probabilidades condicionales si no realización (Lilly)

1 : Agua

2 : Descentrar

3 : PolosDesar

4 : Cultura

5 : InfrastSoc

6 : Transporte

Agua

Descentrar

PolosD

esar

Cultura

InfrastSoc

Transporte

0 0 0 0,5 0 0,5

0 0 0 0 0 0

0,5 0,5 0 0,6 0,5 0,5

0,6 0,6 0,5 0 0,5 0

0 0,5 0 0,5 0 0,5

0,5 0,5 0,5 0,5 0 0

© LIP

SO

R-E

PIT

A-P

RO

B-E

XP

ER

T


4 . A M B I E N T E

1 . N e l l y ( C a l i x )

a) Los datos brutos

(1) Datos brutos : probabilidades simples (Nelly )


S M I C - P D M O T - M D C / 49

1 : Agua

2 : Descentrar

3 : PolosDesar

4 : Cultura

5 : InfrastSoc

6 : Transporte

Probabilidades

0,8

0,8

0,6

0,6

0,8

0,6

© LIP

SO

R-E

PIT

A-P

RO

B-E

XP

ER

TLos valores están comprendidos entre 0 y 1.

(2) Datos brutos : probabilidades condicionales si no realización (Nelly )

1 : Agua

2 : Descentrar

3 : PolosDesar

4 : Cultura

5 : InfrastSoc

6 : Transporte

Agua

Descentrar

PolosD

esar

Cultura

InfrastSoc

Transporte

0 0,5 0,8 0,5 0 1

0,6 0 0 0,6 0,5 0,5

0,8 1 0 0,5 0,8 0,6

1 1 0,8 0 0,8 0,8

0,5 0,8 0,6 0 0 0,8

1 0,8 1 0,5 0,8 0

© LIP

SO

R-E

PIT

A-P

RO

B-E

XP

ER

T


2 . J o r g e ( Q u i n o n e z Z e p e d a )

a) Los datos brutos

(1) Datos brutos : probabilidades simples (Jorge)


S M I C - P D M O T - M D C / 49

1 : Agua

2 : Descentrar

3 : PolosDesar

4 : Cultura

5 : InfrastSoc

6 : Transporte

Probabilidades

0,6

0,8

0,6

0,6

0,8

0,6

© LIP

SO

R-E

PIT

A-P

RO

B-E

XP

ER


(2) Datos brutos : probabilidades condicionales si no realización (Jorge)

1 : Agua

2 : Descentrar

3 : PolosDesar

4 : Cultura

5 : InfrastSoc

6 : Transporte

Agua

Descentrar

PolosD

esar

Cultura

InfrastSoc

Transporte

0 0,5 0,5 0,5 0,5 0,5

0,5 0 0,5 0,5 0,5 0,5

0,5 0,5 0 0,8 0,5 0,5

0,5 0,5 0,8 0 0,5 0,5

0,5 0,5 0,5 0,5 0 0,8

0,5 0,5 0,5 0,5 0,8 0

© LIP

SO

R-E

PIT

A-P

RO

B-E

XP

ER

T


3 . A l f r e d o ( K a e g i )

a) Los datos brutos

(1) Datos brutos : probabilidades simples (Alfredo)


S M I C - P D M O T - M D C / 49

1 : Agua

2 : Descentrar

3 : PolosDesar

4 : Cultura

5 : InfrastSoc

6 : Transporte

Probabilidades

0,5

0,5

0,8

0,8

0,8

0,8

© LIP

SO

R-E

PIT

A-P

RO

B-E

XP

ER


(2) Datos brutos : probabilidades condicionales si no realización (Alfredo)

1 : Agua

2 : Descentrar

3 : PolosDesar

4 : Cultura

5 : InfrastSoc

6 : Transporte

Agua

Descentrar

PolosD

esar

Cultura

InfrastSoc

Transporte

0 0,5 0 0 0 0

0 0 0,5 0,5 0,5 0,5

0,5 0,5 0 0,5 0 0

0,5 0,5 0,5 0 0,5 0,5

0 0,5 0 0,5 0 0,5

0,5 0 0 0 0,5 0

© LIP

SO

R-E

PIT

A-P

RO

B-E

XP

ER

T


4 . S i n t e s i s d e g r u p o : A m b i e n t e

5 . G E S T I O N R I E S G O S

1 . F e r n a n d o ( C a r i a s )

a) Los datos brutos

(1) Datos brutos : probabilidades simples (Fernando)


S M I C - P D M O T - M D C / 49

1 : Agua

2 : Descentrar

3 : PolosDesar

4 : Cultura

5 : InfrastSoc

6 : Transporte

Probabilidades

0,6

0,6

0,6

0,5

0,6

0,6

© LIP

SO

R-E

PIT

A-P

RO

B-E

XP

ER


(2) Datos brutos : probabilidades condicionales si no realización (Fernando)

1 : Agua

2 : Descentrar

3 : PolosDesar

4 : Cultura

5 : InfrastSoc

6 : Transporte

Agua

Descentrar

PolosD

esar

Cultura

InfrastSoc

Transporte

0 0,6 0,6 0,5 0,6 0,6

0,7 0 0,6 0,5 0,7 0,6

0,6 0,6 0 0,6 0,8 0,8

0,6 0,4 0,6 0 0,4 0,4

0,6 0,8 0,6 0,7 0 0,3

0,5 0,8 0,8 0,8 0,8 0

© LIP

SO

R-E

PIT

A-P

RO

B-E

XP

ER

T


6 . G E S T I O N T E R R I T O R I A L

1 . M a H e l e n a ( B o t e r o )

a) Los datos brutos

(1) Datos brutos : probabilidades simples (MaHelena)


S M I C - P D M O T - M D C / 49

1 : Agua

2 : Descentrar

3 : PolosDesar

4 : Cultura

5 : InfrastSoc

6 : Transporte

Probabilidades

0,5

0,8

0,8

0,8

0,8

0,5

© LIP

SO

R-E

PIT

A-P

RO

B-E

XP

ER


(2) Datos brutos : probabilidades condicionales si no realización (MaHelena)

1 : Agua

2 : Descentrar

3 : PolosDesar

4 : Cultura

5 : InfrastSoc

6 : Transporte

Agua

Descentrar

PolosD

esar

Cultura

InfrastSoc

Transporte

0 0,5 0 0,5 0,5 0,5

0,5 0 0 0,5 0 0

0 0,5 0 0 0 0,5

0,5 0,5 0,5 0 0 0,5

0 0 0,5 0,5 0 0

0,5 0,5 0 0 0 0

© LIP

SO

R-E

PIT

A-P

RO

B-E

XP

ER

T


2 . L u i s ( G u a r d i o l a )

a) Los datos brutos

(1) Datos brutos : probabilidades simples (Luis)


S M I C - P D M O T - M D C / 49

1 : Agua

2 : Descentrar

3 : PolosDesar

4 : Cultura

5 : InfrastSoc

6 : Transporte

Probabilidades

0,5

0,6

0,8

0,8

0,5

0,8

© LIP

SO

R-E

PIT

A-P

RO

B-E

XP

ER


(2) Datos brutos : probabilidades condicionales si no realización (Luis)

1 : Agua

2 : Descentrar

3 : PolosDesar

4 : Cultura

5 : InfrastSoc

6 : Transporte

Agua

Descentrar

PolosD

esar

Cultura

InfrastSoc

Transporte

0 0,8 0,5 0,5 0 0,5

0,5 0 0 0,5 0 0

0,6 0,5 0 0,5 0,6 0,5

0,6 0,6 0,6 0 0,6 0,6

0 0,5 0 0,5 0 0,5

0,5 0,5 0 0,5 0,5 0

© LIP

SO

R-E

PIT

A-P

RO

B-E

XP

ER

T


3 . M a r i o ( B a i d e )

a) Los datos brutos

(1) Datos brutos : probabilidades simples (Mario)


S M I C - P D M O T - M D C / 49

1 : Agua

2 : Descentrar

3 : PolosDesar

4 : Cultura

5 : InfrastSoc

6 : Transporte

Probabilidades

0,6

0,8

0,5

0,8

1

0,8

© LIP

SO

R-E

PIT

A-P

RO

B-E

XP

ER


(2) Datos brutos : probabilidades condicionales si no realización (Mario)

1 : Agua

2 : Descentrar

3 : PolosDesar

4 : Cultura

5 : InfrastSoc

6 : Transporte

Agua

Descentrar

PolosD

esar

Cultura

InfrastSoc

Transporte

0 0 0 0,5 0 0,6

0 0 0 0,5 0 0

0,5 0 0 0 0 0

0,5 0,5 0,5 0 0 0

0 0,6 0,6 0,5 0 0,5

0 0,6 0,6 0,6 0,6 0

© LIP

SO

R-E

PIT

A-P

RO

B-E

XP

ER

T


4 . A n t o n i o ( C a r i a s )

a) Los datos brutos

(1) Datos brutos : probabilidades simples (Fernando)


S M I C - P D M O T - M D C / 49

1 : Agua

2 : Descentrar

3 : PolosDesar

4 : Cultura

5 : InfrastSoc

6 : Transporte

Probabilidades

0,6

0,6

0,6

0,5

0,6

0,6

© LIP

SO

R-E

PIT

A-P

RO

B-E

XP

ER


(2) Datos brutos : probabilidades condicionales si no realización (Fernando)

1 : Agua

2 : Descentrar

3 : PolosDesar

4 : Cultura

5 : InfrastSoc

6 : Transporte

Agua

Descentrar

PolosD

esar

Cultura

InfrastSoc

Transporte

0 0,6 0,6 0,5 0,6 0,6

0,7 0 0,6 0,5 0,7 0,6

0,6 0,6 0 0,6 0,8 0,8

0,6 0,4 0,6 0 0,4 0,4

0,6 0,8 0,6 0,7 0 0,3

0,5 0,8 0,8 0,8 0,8 0

© LIP

SO

R-E

PIT

A-P

RO

B-E

XP

ER

T


5 . O s c a r ( M e n c í a )

a) Los datos brutos

(1) Datos brutos : probabilidades simples (Oscar)


S M I C - P D M O T - M D C / 49

1 : Agua

2 : Descentrar

3 : PolosDesar

4 : Cultura

5 : InfrastSoc

6 : Transporte

Probabilidades

0,8

1

0,8

0,6

0,8

1

© LIP

SO

R-E

PIT

A-P

RO

B-E

XP

ER


(2) Datos brutos : probabilidades condicionales si no realización (Oscar)

1 : Agua

2 : Descentrar

3 : PolosDesar

4 : Cultura

5 : InfrastSoc

6 : Transporte

Agua

Descentrar

PolosD

esar

Cultura

InfrastSoc

Transporte

0 0,8 0,8 0,6 0,6 0,5

0,6 0 0,4 0,8 0,8 0,8

0,8 0,6 0 0,4 0,4 0,4

0,8 0,8 0,8 0 0,8 0,8

0,4 0,6 0,6 0,4 0 0,6

0,8 0,4 0,4 0,6 0,4 0

© LIP

SO

R-E

PIT

A-P

RO

B-E

XP

ER

T


6 . S a n d r a ( A l e m a n )

a) Los datos brutos

(1) Datos brutos : probabilidades simples (Sandra)


S M I C - P D M O T - M D C / 49

1 : Agua

2 : Descentrar

3 : PolosDesar

4 : Cultura

5 : InfrastSoc

6 : Transporte

Probabilidades

0,6

0,8

0,8

0,6

0,5

0,8

© LIP

SO

R-E

PIT

A-P

RO

B-E

XP

ER


(2) Datos brutos : probabilidades condicionales si no realización (Sandra)

1 : Agua

2 : Descentrar

3 : PolosDesar

4 : Cultura

5 : InfrastSoc

6 : Transporte

Agua

Descentrar

PolosD

esar

Cultura

InfrastSoc

Transporte

0 0,8 0,8 0,6 0,5 0,8

0,6 0 0,8 0,6 0,5 0,8

0,6 0,8 0 0,6 0,5 0,8

0,6 0,8 0,8 0 0,5 0,8

0,6 0,8 0,8 0,6 0 0,8

0,6 0,8 0,8 0,6 0,5 0

© LIP

SO

R-E

PIT

A-P

RO

B-E

XP

ER

T


7 . D i a n a ( F e r n a d e z )

a) Los datos brutos

(1) Datos brutos : probabilidades simples (Diana)


S M I C - P D M O T - M D C / 49

1 : Agua

2 : Descentrar

3 : PolosDesar

4 : Cultura

5 : InfrastSoc

6 : Transporte

Probabilidades

0,6

0,6

0,6

0,6

0,6

0,6

© LIP

SO

R-E

PIT

A-P

RO

B-E

XP

ER


(2) Datos brutos : probabilidades condicionales si no realización (Diana)

1 : Agua

2 : Descentrar

3 : PolosDesar

4 : Cultura

5 : InfrastSoc

6 : Transporte

Agua

Descentrar

PolosD

esar

Cultura

InfrastSoc

Transporte

0 0,6 0,6 0,6 0,5 0,5

0,5 0 0,6 0,6 0,5 0,5

0,6 0,6 0 0,5 0,5 0,5

0,5 0,5 0,5 0 0,5 0,5

0,5 0,5 0,5 0,5 0 0,5

0,5 0,5 0,5 0,5 0,5 0

© LIP

SO

R-E

PIT

A-P

RO

B-E

XP

ER

T


8 . S i n t e s i s d e g r u p o : G e s t i o n T e r r i t o r i a l

7 . C A M B I O C L I M A T I C O

1 . S u y a p a ( Z e l a y a A m a y a )

a) Los datos brutos

(1) Datos brutos : probabilidades simples (Suyapa)


S M I C - P D M O T - M D C / 49

1 : Agua

2 : Descentrar

3 : PolosDesar

4 : Cultura

5 : InfrastSoc

6 : Transporte

Probabilidades

0,5

0

0,5

0,5

0,5

0,5

© LIP

SO

R-E

PIT

A-P

RO

B-E

XP

ER


(2) Datos brutos : probabilidades condicionales si no realización (Suyapa)

1 : Agua

2 : Descentrar

3 : PolosDesar

4 : Cultura

5 : InfrastSoc

6 : Transporte

Agua

Descentrar

PolosD

esar

Cultura

InfrastSoc

Transporte

0 0 0 0 0,5 0

0 0 0 0 0,5 0

0,5 0 0 0 0 0

0,5 0 0 0 0 0

0,5 0 0 0 0 0

0,5 0 0 0 0 0

© LIP

SO

R-E

PIT

A-P

RO

B-E

XP

ER

T


8 . D O C E N C I A

1 . S i l v i a ( G o m e z )

a) Los datos brutos

(1) Datos brutos : probabilidades simples (Silvia)


S M I C - P D M O T - M D C / 49

1 : Agua

2 : Descentrar

3 : PolosDesar

4 : Cultura

5 : InfrastSoc

6 : Transporte

Probabilidades

1

0,8

0,8

0,6

0,8

0,6

© LIP

SO

R-E

PIT

A-P

RO

B-E

XP

ER


(2) Datos brutos : probabilidades condicionales si no realización (Silvia)

1 : Agua

2 : Descentrar

3 : PolosDesar

4 : Cultura

5 : InfrastSoc

6 : Transporte

Agua

Descentrar

PolosD

esar

Cultura

InfrastSoc

Transporte

0 0,6 0,5 0,5 0,5 0,6

0,6 0 0,5 0,6 0,5 0,6

0,6 0,6 0 0,5 0,6 0,6

0,8 0,6 0,6 0 0,5 0,6

0,8 0,6 0,5 0,5 0 0,6

0,6 0,6 0,5 0,5 0,5 0

© LIP

SO

R-E

PIT

A-P

RO

B-E

XP

ER

T


2 . R i c a r d o ( Z a v a l a B o w k e r )

a) Los datos brutos

(1) Datos brutos : probabilidades simples (Ricardo)


S M I C - P D M O T - M D C / 49

1 : Agua

2 : Descentrar

3 : PolosDesar

4 : Cultura

5 : InfrastSoc

6 : Transporte

Probabilidades

0,8

0,6

0,5

0,8

0,8

0,5

© LIP

SO

R-E

PIT

A-P

RO

B-E

XP

ER


(2) Datos brutos : probabilidades condicionales si no realización (Ricardo)

1 : Agua

2 : Descentrar

3 : PolosDesar

4 : Cultura

5 : InfrastSoc

6 : Transporte

Agua

Descentrar

PolosD

esar

Cultura

InfrastSoc

Transporte

0 0,6 0 0,5 0 0,6

0,5 0 0,6 0,5 0 0

0,8 0,8 0 0 0,5 0,6

0,8 0,5 0,5 0 0,5 0,8

0,5 0,6 0 0 0 0,6

0,8 0 0,6 0 0,6 0

© LIP

SO

R-E

PIT

A-P

RO

B-E

XP

ER

T


3 . S i n t e s i s d e g r u p o : D o c e n c i a


S M I C - P D M O T - M D C / 49

9 . D E S C R I P C I Ó N D E L M É T O D O S M I C - P R O B - E X P E R T

El método Smic-Prob-Expert :Probabilización de los escenarios

Finalidad del métodoEntre los métodos de impactos cruzados, el método Smic presenta la ventaja de una puesta en marcha bastante simple basada sobre el establecimineto de un cuestionario. Es poco costosa y rápida para la obtención de resultados facilmente interpretables. El método Smic consiste en preguntar un panel de una manera tan racional y objetiva posible, pasando un umbral (la treintena de personas interrogadas) a partir del cual las experiencias pasadas parecen mostrar que la ley de los grandes números comienza a jugar cuando se dirije a un medio relativamente reducido. Dicho de otra manera, obtendríamos muy probablemente los mismos resultados interrogando a 100 o 150 personas.

Descripción del métodoAdemás, el método funciona generalmente bajo forma de una interrogación por vía postal y permite, eliminar la parte de subjetividad debido al encuestador ya que en lugar de juzgar según las frases, se juzga según las respuestas cifradas. La imprecisión de las respuestas del experto es reducida ya que se le pide apreciar la probabilidad de realización de una hipótesis con la ayuda de una probabilidad que va de 1 (probabilidad muy débil) a 5 (acontecimiento muy probable). Después se le pide apreciar, bajo forma de probabilidades condicionales, la realización de una hipótesis en función de todas otras. La nota 6 corresponde entonces a la independencia de la hipótesis. En consecuencia, el experto está obligado a revisar varias veces su juicio y, de algún modo, está forzado a revelar la coherencia implícita de su razonamiento. El reverso de la moneda reside en el hecho de que está obligado a caracterizar el futuro de un fenómeno complejo por un número limitado de hipótesis contrariamente a lo que hacen algunos sondeos. Pero éstos no tienen en cuenta la interdependencia entre las cuestiones realizadas y acaban a menudo en respuestas aparentemente contradictorias lo cual puede ser a veces una ventaja. El método obliga a realizar un trabajo de información y de reflexión muy importante con el fin de seleccionar las hipótesis esenciales. De ahí la importancia del análisis estructural y de la comprensión de los juegos de actores para identificar las variables clave y formular las hipótesis estratégicas. Veremos que la cantidad de información recogida en una encuesta SMIC, de 60 a 80 preguntas, a las cuales responden en general de 40 a 60 expertos, es del mismo órden de grandeza que la cantidad de información provista en un sondeo clásico sobre dos o tres cuestiones en una muestra de 1000 personas representativas de la populación francesa.


S M I C - P D M O T - M D C / 49

De esta manera se entiende que hay que hacer una elección entre una representación fuerte para un número débil de preguntas y un análisis en profundidad de la « visión del mundo » de un pequeño número de expertos.


S M I C - P D M O T - M D C / 49

El objetivo y principio de SMIC - Prob Expert

La realización, a un horizonte dado, de una hipótesis constituye un acontecimiento y el conjunto de las hipótesis constituye un referente en el cual hay tantos estados posibles, es decir tantas imágenes finales que de combinaciones de juegos de hipótesis. El método Smic permite, a partir de informaciones provistas por expertos,elegir, entre las 2 n imágenes posibles, aquellas que merecen ser más estudiadas, teniendo en cuenta sus probabilidades de realización. A los expertos interrogados se les pide (en grupo o de forma aislada) proveer información : - la lista de n hipótesis consideradas como fundamentales para el objetivo del estudio : H = (H1, H2 n) ; - las probabilidades simples de realización a un horizonte dado :P(i) probabilidad de la hipótesis Hi ; - las probabilidades condicionales de las hipótesis cogidas de dos :P (i/j) probabilidad de i si j se realizaP (i/ ) probabilidad de i si j no se realiza. En la práctica, las opiniones que se dan sobre ciertas cuestiones particulares sobre hipótesis no independientes, son incoherentes con los problemas clásicos sobre las probabilidades. Estas opiniones brutas deben ser de tal manera que los resultados netos respeten las condiciones que aquí se señalan : a) O < P(i) < 1b) P(i/j).P(j) = P(j/i).P(i) = P(i.j)c) P(i/j).P(j) + P(i/ noj).P(noj) = P(i) El principio del método Smic consiste en corregir las opiniones brutas expresadas por los expertos de manera que se obtengan resultados netos coherentes (es decir que satisfagan los problemas clásicos sobre las probabilidades), los más cercanos posibles de las estimaciones iniciales. El método tiene en cuenta el hecho de que las opiniones emitidas a raíz de ciertas cuestiones particulares, sobre hipótesis no independientes, encierra una cierta parte de incoherencia comparando con la opinión global expresada, pero implícita, si se considera el conjunto de respuestas a otras cuestiones. Se puede pensar en optimizar una cierta función de las probabilidades individuales y condicionales bajo el problema aquí descrito. Pero la no-linearidad de los problemas sobre las probabilidades de las hipótesis aisladas impone condiciones particulares al óptimo : ésto nos lleva a interesarnos a las probabilidades de combinaciones de hipótesis, es decir escenarios de situación. El principio retenido es el obtener probabilidades netas y coherentes sobre las hipótesis a partir de probabilidades de juegos de hipótesis, es decir de la opinión global inexpresada pero implícita sobre los escenarios.


S M I C - P D M O T - M D C / 49

Resultados : jerarquía de los escenarios y análisis de sensibilidad.El programa provee primero una solución llamada mediana de repartición de probabilidades sobre los juegos de hipótesis. Esta solución que, minimizando la forma cuadrática, es la menos alejada posible de la solución equiprobable, que daría a cada escenario la misma probabilidad. Por oposición, hay en la infinidad de soluciones posibles en ∏ algunos que dan valores extremums a cada uno de los escenarios. El programa da la secuencia de 8 primeros extremums. Para cada 8 primeros extremums, el programa provee también las incertidudes entre el valor mínimo y máximo que puede tomar cada escenario. El módulo de cálculo Prob-Expert da para cada experto las secuencias de probabilidades

de los r escenarios que afecta el valor más elevado al escenario más probable :

Así obtenemos una clasificación cardinal de los escenarios posibles, lo que permite delimitar el dominio de los realizables reteniendo sólo aquellos que tengan una probabilidad nula. En el interior del dominio de los realizables, se pueden distinguir escenarios más probables que otros, entre los cuales se podrá elegir situaciones de referencia y situaciones contrastadas. De las probabilidades de juegos de hipótesis, se puede deducir probabilidades simples y condicionales coherentes de las hipótesis, es decir satisfaciendo a las condiciones a, b, c recordadas más arriba. La continuación del método consiste en un análisis de sensibilidad y permite deducir variables motrices (o dominantes) y variables dominadas.

Los efectos de la acción sobre cada hipótesis se miden con los coeficientes de elasticidad eij. Así se construye una matriz de elasticidad en el cual los totales marginales en línea dan, por una variación relativa de la probabilidad de i (10 % por ejemplo), las sumas (en valor absoluto) de las variaciones relativas inducidas sobre las probabilidades de otras hipótesis. Esta suma traduce de alguna manera la motricidad de la hipótesis i sobre las otras. De la misma manera, los totales marginales en columna permiten apreciar la dependencia de las hipótesis.


S M I C - P D M O T - M D C / 49

El análisis de sensibilidad indica cuales son las hipótesis que hay que favorecer o impedir para que el sistema evolue en el sentido deseado. Estas elasticidades se pueden calcular por simulación (haciendo girar varias veces el modelo de relaciones entre las probabilidades). Sin embargo, para un gran número de expertos, es posible medir el impacto de un acontecimiento sobre otro por

comparación de desplazamientos de histogramas de los Elección de imágenes finalesDisponemos, para cada experto retenido, de la solución mediana y de probabilidades de los escenarios. El programa calcula entonces la media de probabilidades de los escenarios, para el conjunto de los expertos. La clasificación media que se obtiene así permite despejar el núcleo más probable. Así, para seis acontecimientos y 64 escenarios posibles, constatamos, en general, que un tercio de los escenarios concentra 90 % de la probabilidad y un sexto entre 60 % y 75 %. Es teniendo en cuenta esta información sobre las probabilidades de escenarios por grupo de expertos y como media que se elige uno o varios escenarios de referencia (escenarios a menudo citados, y con una fuerte media de probabilidades) y de los escenarios contrastados por su naturaleza y su combinación de hipótesis y a menudo caracterizadas por su probabilidad media más débil. Finalmente, el rol del método Smic se resume esencialmente en delimitar los futuros más probables que serán objeto del método de los escenarios. Una vez que se determinan las imágenes finales, el objeto del método de los escenarios consiste en describir de manera coherente los diferentes caminos que, partiendo de la situación actual, conducen a ellos, teniendo en cuenta mecanismos de las evoluciones y comportamientos de actores analizados en la base. Utilidades y límitesLos métodos dichos de interacción probabilistas constituyen un progreso en comparación al Delphi ya que presentan la ventaja de tener en cuenta las interacciones entre acontecimientos. Contrariamente al Delphi, el método SMIC-PROB-EXPERT tiene en cuenta la interdependencia entre las cuestiones realizadas y asegura la coherencia de las respuestas. Su puesta en marcha es bastante simple. Su funcionamiento es bastante rápido y los resultados obtenidos en general son fácilmente comprensibles. Constituye también un excelente « guarda loco » intelectual que permite a menudo poner en cuestión ciertas ideas recibidas y sobretodo verificar que los escenarios estudiados cubran una parte razonable del campo de las probables, es decir, que haya al menos, según los expertos, de 6 a 7 oportunidades sobre diez que la realidad futura corresponda a uno de los escenarios.Sin embargo hay que ser vigilantes y evitar hacer una aplicación demasiado mecánica de este tipo de métodos y no olvidar que las probabilidades obtenidas son probabilidades subjetivas, es decir que no reposan sobre frecuencias observadas sino sobre opiniones.La información recojida a lo largo de un SMIC-PROB-EXPERT es considerable ya que hay tantas jerarquías de escenarios que de expertos interrogados. Nos hallamos entonces ante un problema de agregación de respuestas de varios expertos. Una de las soluciones consiste en redactar una tipología de expertos en función de las proximidad de sus respuestas, o en considerarlos por grupos de actores. En efecto, el análisis de respuestas de diferentes grupos de expertos contribuye también a poner a la luz los juegos de ciertos grupos de acrores. Los datos brutos y netos obtenidos (y representados lo más a menudo bajo forma de histogramas), permiten en efecto destacar ciertos


S M I C - P D M O T - M D C / 49

consensos, de hacer aparecer, gracias a los análisis de sensibilidad, escuelas de pensamiento, y de esta manera identificar ciertos grupos de expertos y de actores. Bibliografía• BENASSOULI P., MONTI R., “La planificación por escenarios, el caso Axa France 2005”, Futuribles, n°203, noviembre 1995.• DUCOS G., “Delphi y análisis de interacción”, Futuribles, n°71.• GODET M., “Impactos cruzados : ejemplos de aplicaciones”, Futuribles, n°71, noviembre 1983.• GODET M., Manual de prospectiva estratégica, Dunod, Paris, 2001.• GODET M., Creating Futures : scenario-building as a strategic management tool, Economica-Brookings, Paris, 2001.• HELMER O., Looking forward : a guide to futures research, Sage publications, 1983.• MARTINO J.P., Technological forecasting for decision making, Mac Graw Hill, 1993.


S M I C - P D M O T - M D C / 49

Probabilidades de los escenarios

El objetivo del método Smic-Prob-Expert es determinar la probabilidad de los escenarios creados en función de las hipótesis definidas. Para cada experto, se calcula, a partir de un método de minimización cuadrática, la probabilidad de cada escenario. Los resultados son también disponibles por grupo de experto y sobre el conjunto de los expertos, estableciendo la media ponderada de las probabilidades calculadas para cada experto. Los resultados se presentan bajo la forma de matrices o histogramas.


S M I C - P D M O T - M D C / 49


S M I C - P D M O T - M D C / 49

Cálculo de datos netos

El método Smic-Prob-Expert transformará las probabilidades de hipótesis definidas por los expertos en datos coherentes, es decir respetando las fórmulas de base de las probabilidades.Los datos brutos provistos por los expertos se remplazarán por datos netos calculados por el programa. Los resultados se presentan bajo forma de matriz.

1 : Agua

2 : Descentrar

3 : PolosDesar

4 : Cultura

5 : InfrastSoc

6 : Transporte

Probabilidades

0,532

0,558

0,572

0,59

0,581

0,562

© LIP

SO

R-E

PIT

A-P

RO

B-E

XP

ER

T

Los valores expresan las probabilidades simples netas

1 : Agua

2 : Descentrar

3 : PolosDesar

4 : Cultura

5 : InfrastSoc

6 : Transporte

Agua

Descentrar

PolosD

esar

Cultura

InfrastSoc

Transporte

0,532 0,761 0,662 0,64 0,735 0,648

0,797 0,558 0,747 0,7 0,736 0,751

0,712 0,766 0,572 0,744 0,754 0,737

0,71 0,741 0,767 0,59 0,778 0,783

0,803 0,766 0,765 0,766 0,581 0,788

0,684 0,757 0,723 0,745 0,762 0,562

© LIP

SO

R-E

PIT

A-P

RO

B-E

XP

ER

T

Los valores expresan las probabilidades condicionales netas si realización


S M I C - P D M O T - M D C / 49

1 : Agua

2 : Descentrar

3 : PolosDesar

4 : Cultura

5 : InfrastSoc

6 : Transporte

Agua

Descentrar

PolosD

esar

Cultura

InfrastSoc

Transporte

0 0,244 0,358 0,376 0,251 0,383

0,285 0 0,305 0,353 0,311 0,309

0,413 0,328 0 0,326 0,321 0,362

0,454 0,401 0,354 0 0,33 0,344

0,329 0,347 0,335 0,315 0 0,316

0,422 0,316 0,346 0,298 0,285 0

© LIP

SO

R-E

PIT

A-P

RO

B-E

XP

ER

T

Los valores expresan las probabilidades condicionales netas si no realización


S M I C - P D M O T - M D C / 49

Matriz de efectos de hipótesis

La aplicación Smic contiene dos matrices que permiten evaluar el impacto de realización o de no realización de una hipótesis j sobre la probabilidad de realización de una hipótesis i. La matriz de efectos de hipótesis si realización está determinada de la manera siguiente :Meffets(i,j) = P(i, j) – P(i) La matriz de efectos de hipótesis si no realización está determinada de la manera siguiente :Meffets(i,j) = P(i, nonj) – P(i) Los valores positivos significan que la realización/no realización de la hipótesis j aumentará la probabilidad de realización de la hipótesis i.Los valores negativos significan que la realización/no realización de la hipótesis j disminuirá la probabilidad de realización de la hipótesis i.

1 : Agua

2 : Descentrar

3 : PolosDesar

4 : Cultura

5 : InfrastSoc

6 : Transporte

Agua

Descentrar

PolosD

esar

Cultura

InfrastSoc

Transporte

0 0,228 0,13 0,108 0,203 0,116

0,239 0 0,189 0,142 0,178 0,194

0,14 0,194 0 0,171 0,181 0,164

0,12 0,15 0,177 0 0,188 0,192

0,222 0,185 0,184 0,185 0 0,207

0,123 0,195 0,161 0,183 0,2 0

© LIP

SO

R-E

PIT

A-P

RO

B-E

XP

ER

T

Los valores corresponden a la sustracción de los datos netos P(i/j)- P(i).

1 : Agua

2 : Descentrar

3 : PolosDesar

4 : Cultura

5 : InfrastSoc

6 : Transporte

Agua

Descentrar

PolosD

esar

Cultura

InfrastSoc

Transporte

-0,532 -0,288 -0,174 -0,156 -0,282 -0,149

-0,272 -0,558 -0,253 -0,204 -0,247 -0,248

-0,159 -0,244 -0,572 -0,247 -0,251 -0,211

-0,137 -0,189 -0,236 -0,59 -0,26 -0,247

-0,252 -0,234 -0,246 -0,266 -0,581 -0,265

-0,139 -0,246 -0,216 -0,264 -0,277 -0,562

© LIP

SO

R-E

PIT

A-P

RO

B-E

XP

ER

T

Los valores corresponcen a la sustracción de los datos netos P(i/non j)- P(i).


S M I C - P D M O T - M D C / 49

Plano de proximidades entre expertos y escenarios Este plano permite obtener los escenarios privilegiados por los expertos, así como las convergencias de posicionamiento existentes entre los diferentes expertos.Cuanto más cerca esté un experto de un escenario, más probable será su realización.De la misma manera, la proximidad entre expertos permite identificar sus posiciones convergentes en cuanto a la probabilidad de realización de los escenarios puestos en juego. Se trata de un cálculo de AFC (Análisis Factorial de Correspondencias) que se determina a partir de vectores medianos de probabilidades de los escenarios de diferentes expertos y grupos.

Análisis de sensibilidad El análisis de sensibilidad conduce a estimar la variación Pj de la probabilidad Pj del acontecimiento j como consecuencia de una variación Pi de la probabilidad Pi del acontecimiento i. Los resultados se presentan bajo forma de una matriz de elasticidad :


S M I C - P D M O T - M D C / 49

Los efectos de la acción sobre cada hipótesis se miden por coeficientes de elasticidad eij. Así se construye una matriz de elasticidad el cual los totales marginales en línea dan, por una variación relativa de la probabilidad de i (10 % por ejemplo), las sumas (en valor absoluto) de las variaciones relativas deducidas sobre las probabilidades de otras hipótesis. Esta suma traduce de alguna manera la motricidad de la hipótesis i sobre las otras. De la misima manera, los totales marginales en columna permiten apreciar la dependencia de las hipótesis. El análisis de sensibilidad indica pués cuáles son las hipótesis que hay que favorecer o impedir para que el sistema se desarrolle en el sentido deseado. Estas elasticidades pueden ser calculadas por simulación ( haciendo girar varias veces el modelo de realaciones entre las probabilidades). Sin embargo, para un gran número de expertos, es también posible medir el impacto de un acontecimiento sobre otro a través de comparación de desplazamientos de los histogramas de P(i), P(i/ j), P(i/ -j) Matriz de impactos brutosEsta matriz contiene los resultados de la fórmula de elasticidad presentada aquí arriba.

1 : Agua

2 : Descentrar

3 : PolosDesar

4 : Cultura

5 : InfrastSoc

6 : Transporte

Agua

Descentrar

PolosD

esar

Cultura

InfrastSoc

Transporte

0,38 0,024 -0,003 -0,009 0,019 -0,008

0,029 0,367 0,011 0,001 0,009 0,015

0 0,017 0,364 0,006 0,009 0,005

-0,009 0 0,009 0,352 0,01 0,014

0,036 0,022 0,021 0,018 0,364 0,028

-0,016 0,009 0,001 0,005 0,011 0,361

© LIP

SO

R-E

PIT

A-P

RO

B-E

XP

ER

T

Los valores permiten obtener la influencia de las variables entre ellas. Se calculan con una variación igual a 0.1.

Matriz de elasticidadEsta matriz contiene los resultados de la fórmula de elasticidad normalizada, es decir que se ha dividido cada línea por el valor correspondiente de la diagonal.


S M I C - P D M O T - M D C / 49

1 : Agua

2 : Descentrar

3 : PolosDesar

4 : Cultura

5 : InfrastSoc

6 : Transporte

7 : Suma absoluta

Agua

Descentrar

PolosD

esar

Cultura

InfrastSoc

Transporte

Sum

a absoluta1 0,063 -0,007 -0,024 0,049 -0,021 0,164

0,079 1 0,029 0,003 0,023 0,041 0,176

0 0,047 1 0,015 0,026 0,015 0,104

-0,027 0 0,024 1 0,029 0,04 0,121

0,098 0,061 0,056 0,05 1 0,076 0,341

-0,045 0,025 0,003 0,014 0,032 1 0,118

0,249 0,196 0,12 0,106 0,16 0,193 _

© LIP

SO

R-E

PIT

A-P

RO

B-E

XP

ER

T

Los valores permiten obtener la influencia de las variables entre ellas. Se calculan con una variación igual a 0.1. Histogramas de sensibilidadDos histogramas recapitulan las sumas en línea (influencia) y en columna (dependencia) de la matriz de elasticidad. Permiten obtener rápidamente las hipótesis más influyentes y más dependientes.


S M I C - P D M O T - M D C / 49


S M I C - P D M O T - M D C / 49

Análisis de soluciones contrastadas Este módulo tiene como finalidad el presentar valores extremos de probabilidades de los escenarios del proyecto. Una vez que se calculan las soluciones intermediarias de probabilidad de los escenarios, se introduce un criterio de elección : se retiene como solución óptima aquella que corresponda al conjunto de

(probabilidades de los escenarios) de tal forma que el escenario más probable tenga el valor más elevado posible, aquel que corresponda a la realidad, en la medida que la mayoría de los expertos piensen, cuando responden al cuestionario Smic-Prob-Expert, una imagen final que consideren como nétamente más probable que las demás.

La solución que responde a este criterio es decir Max (max ) se obtiene por el algoritmo del simplexe, ya que se trata de una función lineal en ∏ a optimizar bajo problemas lineales.


S M I C - P D M O T - M D C / 49

Matriz de soluciones contrastadasEsta matriz contiene las soluciones contrastadas, es decir deducidas del algoritmo del simplexe. Por razones de resultados, el número de vectores de probabilidades de los escenarios está limitado a 8.Cada vector representa así los valores afectados a las probabilidades de diferentes escenarios cuando se quiera maximizar el escenario más probable luego el segundo más probable,… Histograma de los extremumsEste histograma permite identificar los límites de definición de probabilidades de escenarios comparando el conjunto de los valores contenidos en la matriz de soluciones contrastadas.En efecto, para cada escenario, será posible visualizar la probabilidad más débil y más fuerte que se le pueda afectar.


S M I C - P D M O T - M D C / 49


informe final smic prob expert pdmot mdc parcial

Documents

los expertos

los participantes

cobertura y calidad

carias fernando

fernando carias

informe smicprob

antonio carias

ochoa rodolfo