Modele decyzyjne i tabela decyzyjna

Choose a study mode

Play Quiz
Study Flashcards
Spaced Repetition
Chat to Lesson

Podcast

Play an AI-generated podcast conversation about this lesson

Questions and Answers

Czy pokazany zbiór danych może być tabelą decyzyjną?

  • Nie, tabela decyzyjna wymaga danych liczbowych.
  • Tak, pod warunkiem zdefiniowania odpowiednich zbiorów rozmytych dla poszczególnych zmiennych lingwistycznych. (correct)
  • Nie, tabela decyzyjna wymaga danych w postaci wartości liczbowych.
  • Tak, ponieważ zawiera dane w formie tekstowej.

Jaka metoda wykorzystuje odległość euklidesową?

  • SAW
  • WSA
  • AHP
  • TOPSIS (correct)

Jaka jest odległość euklidesowa punktów o współrzędnych (1, 1, 1, 3) i (1, 1, 1, 1)?

  • √2
  • √3
  • 4
  • 2 (correct)

Do jakiej metody najlepiej pasuje pokazany graf zależności?

<p>AHP (B)</p> Signup and view all the answers

Co można stwierdzić o relacji między elementami K2 i K5 na podstawie pokazanego grafu zależności?

<p>Element K5 jest zdecydowanie ważniejszy niż K2. (D)</p> Signup and view all the answers

Co można stwierdzić o spójności całokształtu porównań na podstawie pokazanego grafu zależności?

<p>Niespójny (D)</p> Signup and view all the answers

Która z metod stosowanych w analizie decyzyjnej nie opiera się na odległości euklidesowej?

<p>AHP (C)</p> Signup and view all the answers

Jakie są główne różnice między tabelą decyzyjną a tabelą rozmytą?

<p>Tabela decyzyjna jest wykorzystywana do analizy decyzyjnej z użyciem logicznych reguł, a tabela rozmyta do analizy danych z użyciem wartości rozmytych. (A)</p> Signup and view all the answers

Tabela decyzyjna opisuje wartości kryteriów dla różnych wariantów. W przypadku zastosowania metody SAW, które informacje są dodatkowo potrzebne do wyboru optymalnego wariantu?

<p>Poziomy ważności poszczególnych kryteriów. (A)</p> Signup and view all the answers

Decydent stosuje metodę SAW i otrzymuje tabelę decyzyjną z danymi: 0,8; 0,4; 0,2; 0,6; 0,5; 0,5. Jakie informacje są niezbędne do wyboru optymalnego wariantu?

<p>Poziomy ważności kryteriów. (B)</p> Signup and view all the answers

Który z poniższych kroków nie jest konieczny w procesie przekształcenia tabeli danych wejściowych do postaci bezwymiarowej w metodzie SAW?

<p>Określenie ważności kryteriów. (B)</p> Signup and view all the answers

W tabeli decyzyjnej, gdzie dwa kryteria są kosztowe, a jedno jakościowe, nieunormowany wektor idealny dla tego zbioru danych to:

<p>Minimalne wartości dla kryteriów kosztowych, maksymalna wartość dla kryterium jakościowego. (A)</p> Signup and view all the answers

W tabeli decyzyjnej z trzema atrybutami: jakośc, koszt i czas, nieunormowany wektor negatywnie idealny dla tego zbioru danych to:

<p>Minimalne wartości dla wszystkich kryteriów. (D)</p> Signup and view all the answers

W metodzie SAW, wybór optymalnego wariantu polega na:

<p>Wybraniu wariantu z największą sumą ważonych wartości kryteriów. (C)</p> Signup and view all the answers

Które z poniższych stwierdzeń nie odnosi się do metody SAW?

<p>Metoda SAW uwzględnia zależności między poszczególnymi kryteriami. (A)</p> Signup and view all the answers

W jakich sytuacjach zastosowanie metody SAW jest najbardziej odpowiednie?

<p>W przypadku niewielkiej liczby kryteriów i prostych zależności między nimi. (B)</p> Signup and view all the answers

Jaka jest masa zbioru {A, B} w tabeli składania ewidencji pokazanej na ilustracji?

<p>0,05 (C)</p> Signup and view all the answers

Ktory ze zbiorów powinien pojawić się w komórce oznaczonej kratką?

<p>{A, B, C} (B)</p> Signup and view all the answers

W procesie składania ewidencji, jeśli w tabeli pojawi się zbiór pusty o niezerowej masie, świadczy to o:

<p>Błędzie w procesie składania ewidencji. (C)</p> Signup and view all the answers

Który ze zbiorów powinien pojawić się w komórce oznaczonej liniami pionowymi?

<p>{A, B} (C)</p> Signup and view all the answers

Jaki jest prawidłowy wniosek na temat wiarygodności dwóch niezależnych źródeł ewidencji, w oparciu o przedstawione dane?

<p>Źródła są raczej niewiarygodne, ponieważ dane wskazują na znaczne rozbieżności w ocenach zdarzeń {A} i {B}. (C)</p> Signup and view all the answers

Jaką interpretację należy nadać pojawieniu się zbioru pustego o niezerowej masie w tabeli składania ewidencji?

<p>To zdarzenie świadczy o błędach w procesie składania ewidencji. (C)</p> Signup and view all the answers

Które z poniższych stwierdzeń dotyczących asocjacji koniunkcyjnej w komórce wyróżnionej liniami pionowymi są poprawne? (Wybierz wszystkie poprawne odpowiedzi.)

<p>W komórce powinien wystąpić zbiór {A, B}. (B)</p> Signup and view all the answers

Który z przypadków (X lub Y) należy rekomendować decydentowi, biorąc pod uwagę podane wartości bel(X), pl(X), bel(Y) i pl(Y)?

<p>Oba przypadki są równoważne (A)</p> Signup and view all the answers

Jaka jest wartość domniemania dla opcji {B} na przedstawionym rozkładzie przekonań?

<p>0,2 (A)</p> Signup and view all the answers

Czy przedstawiony rozkład przekonań jest prawidłową strukturą przekonań?

<p>Tak, suma wszystkich prawdopodobieństw jest równa 1, co spełnia warunek poprawności rozkładu. (A)</p> Signup and view all the answers

Co wyraża ostatni wiersz tabeli, w którym przypisana jest masa do zbioru zawierającego wszystkie zdarzenia elementarne?

<p>Pełną pewność (A)</p> Signup and view all the answers

Zbiór {B, C} w przedstawionym rozkładzie przekonań jest przykładem:

<p>Podzbioru, będącego elementem zbioru potęgowego rozważanej ramy dyskursu. (D)</p> Signup and view all the answers

Co stanowi ramę dyskursu w przedstawionym rozkładzie przekonań?

<p>Zbiór A, B i C. (D)</p> Signup and view all the answers

Jaki jest cel użycia tabeli składania ewidencji?

<p>Zbudowanie rozkładu przekonań na podstawie danych wejściowych. (C)</p> Signup and view all the answers

Które z poniższych stwierdzeń jest prawdziwe w kontekście tabeli składania ewidencji?

<p>Tabela składania ewidencji może być używana do łączenia danych niezależnych i zależnych od siebie. (D)</p> Signup and view all the answers

Która z wartości w zaznaczonym znakiem zapytania kształcie na ilustracji zapewni spójność porównań dwójkowych?

<p>9 (A)</p> Signup and view all the answers

Jaka cecha mechanizmu porównań dwójkowych jest przedstawiona na ilustracji?

<p>Przechodniość relacji preferencji (C)</p> Signup and view all the answers

Ile tablic należy stworzyć, aby zastosować metodę AHP w problemie decyzyjnym z 10 rozważanymi wariantami i 5 kryteriami?

<p>Sześć tablic 100 elementowych (B)</p> Signup and view all the answers

Która z przedstawionych macierzy porównań dwójkowych odpowiada stwierdzeniu "Kb zdecydowanie dominuje nad Ka"?

<p>[[1,9],[1/9,1]] (D)</p> Signup and view all the answers

Jaki wynik otrzymamy po pomnożeniu macierzy danych przez jej transponowany wektor własny w metodzie AHP?

<p>Wektor priorytetów dla wariantów (A)</p> Signup and view all the answers

Co oznacza spójność porównań dwójkowych w metodzie AHP?

<p>Decydent jest konsekwentny w swoich preferencjach (D)</p> Signup and view all the answers

Jaki wpływ na wynik metody AHP ma niekonsekwencja decydenta podczas porównań dwójkowych?

<p>Wynik może być błędny, co może prowadzić do złego wyboru (D)</p> Signup and view all the answers

Które stwierdzenie najlepiej odzwierciedla pojęcie "wektora własnego" w kontekście metody AHP?

<p>Wektor własny określa znaczenie każdego wariantu w relacji do pozostałych (C)</p> Signup and view all the answers

W metodzie AHP, po utworzeniu macierzy porównań dwójkowych, uzyskany wskaźnik CR wynosi 0,05. Co to oznacza?

<p>Obliczenia są niepoprawne, ale akceptowalne. (A)</p> Signup and view all the answers

Zbiór rozmyty opisany funkcją przynależności 𝜇1 (𝑥𝑖 ) = {0.5 ; 1 } oznacza, że:

<p>Zbiór jest zbiorem wartości dyskretnych, z których wartość 5 należy do zbioru w stopniu 0,5, a 6 w stopniu 1. (C)</p> Signup and view all the answers

Który z poniższych elementów jest zaznaczony na ilustracji dotyczącej logiki rozmytej?

<p>Zmienna lingwistyczna (B)</p> Signup and view all the answers

Po pomnożeniu macierzy danych przez jej transponowany wektor własny i podzieleniu każdego elementu przez odpowiedni element wektora własnego, otrzymujemy:

<p>Jednokolumnową macierz o liczbie elementów odpowiadającej liczbie wierszy macierzy danych (D)</p> Signup and view all the answers

Co reprezentuje operacja na dwóch zbiorach rozmytych pokazana na ilustracji, gdzie zaznaczone są konkretne elementy przerywaną linią?

<p>T-norma (C)</p> Signup and view all the answers

Załóżmy, że chcemy stworzyć macierz porównań dwójkowych w metodzie AHP. Ile elementów powinno znaleźć się w tej macierzy, jeżeli rozpatrujemy 5 wariantów?

<p>15 (B)</p> Signup and view all the answers

Jaki jest związek między T-normą a T-konormą?

<p>T-norma jest odwrotnością T-konormy, tzn. jeśli dla x i y wynik T-normy wynosi z, to dla x i y wynik T-konormy wynosi 1-z. (B)</p> Signup and view all the answers

Który z poniższych elementów reprezentuje zbiór wartości zbliżonych do liczby rozpatrywanych wariantów?

<p>Wektor własny (D)</p> Signup and view all the answers

Flashcards

Tabela decyzyjna

Zbiór danych z atrybutami i decyzjami, może być rozmyty.

Odległość euklidesowa

Miara odległości między punktami w przestrzeni.

Metody oceny

Sposoby analizowania danych w podejściu decyzyjnym.

Graf zależności

Reprezentacja relacji między elementami w metodzie decyzyjnej.

Signup and view all the flashcards

Spójność porównań

Stopień, w jakim porównania są logiczne i zgodne.

Signup and view all the flashcards

Element ważności

Wskaźnik znaczenia jednego elementu względem innego.

Signup and view all the flashcards

Kryteria decyzyjne

Parametry wykorzystywane do podjęcia decyzji w analizie.

Signup and view all the flashcards

Metoda TOPSIS

Analiza wielokryterialna, ocena oparta na odległości do idealnego rozwiązania.

Signup and view all the flashcards

Metoda SAW

Metoda oceny wielokryterialnej, stosująca przekształcenia do tabeli decyzyjnej.

Signup and view all the flashcards

Normowanie danych

Przekształcenie danych do postaci bezwymiarowej mieści się w wybranym zakresie.

Signup and view all the flashcards

Wektor negatywnie idealny

Wartości odniesienia używane do oceny negatywnych aspektów w danych.

Signup and view all the flashcards

Wektor idealny

Wartości odniesienia dla pozytywnych atrybutów w zbiorze danych decyzyjnych.

Signup and view all the flashcards

Kosztowe atrybuty

Zmienna, która odnosi się do kosztów w decyzjach wielokryterialnych.

Signup and view all the flashcards

Jakościowe atrybuty

Zmienna dotycząca jakości w podejmowaniu decyzji wielokryterialnych.

Signup and view all the flashcards

Proszę wskazać wariant

Decyzja o wyborze najlepszego wariantu na podstawie oceny kryteriów.

Signup and view all the flashcards

Relacja preferencji

Zasada, która pokazuje, który element jest lepszy w danym porównaniu.

Signup and view all the flashcards

Metoda AHP

Metoda analizy hierarchicznej do porównywania decyzji i kryteriów.

Signup and view all the flashcards

Tablica porównań dwójkowych

Struktura przedstawiająca porównania między parami elementów.

Signup and view all the flashcards

Przechodniość relacji

Jeśli A > B i B > C, to A > C.

Signup and view all the flashcards

Wektor własny

Wynik, który wskazuje kierunek w analizie macierzy.

Signup and view all the flashcards

Dominacja preferencji

Sytuacja, gdy jeden element znacznie lepiej spełnia kryteria niż inny.

Signup and view all the flashcards

Macierz transponowana

Macierz uzyskana przez zamianę wierszy z kolumnami.

Signup and view all the flashcards

Jednokolumnowa macierz

Macierz z jednym wierszem o liczbie elementów odpowiadającej liczbie wierszy danych.

Signup and view all the flashcards

Transponowana macierz

Macierz otrzymana przez zamianę wierszy na kolumny.

Signup and view all the flashcards

AHP (Analytic Hierarchy Process)

Metoda podejmowania decyzji oparta na hierarchicznej strukturze i porównaniach parowych.

Signup and view all the flashcards

CR (Consistency Ratio)

Wskaźnik spójności w analizie AHP, oceniający jakość porównań.

Signup and view all the flashcards

Zbiór rozmyty

Zbiór, w którym elementy mają różne stopnie przynależności.

Signup and view all the flashcards

T-norma

Operacja, która łączy elementy dwóch zbiorów rozmytych, zwykle stosowana do koniunkcji.

Signup and view all the flashcards

Funkcja przynależności

Funkcja określająca stopień przynależności elementów do zbioru rozmytego.

Signup and view all the flashcards

bel(X)

Wartość funkcji wiary dla opcji X wynosi 0.6.

Signup and view all the flashcards

pl(Y)

Prawdopodobieństwo opcji Y wynosi 0.7.

Signup and view all the flashcards

Zalecenia dla decydenta

Porównując bel i pl, X jest bardziej rekomendowane niż Y.

Signup and view all the flashcards

Rozkład przekonań

Ilustracja wartości przekonań dla dostępnych opcji.

Signup and view all the flashcards

Poprawność rozkładu

Suma wszystkich prawdopodobieństw musi wynosić 1.

Signup and view all the flashcards

Niespójność

Przypisanie masy zbiorowi elementarnemu prowadzi do niespójności.

Signup and view all the flashcards

Zdarzenie pewne

Zbiór {B,C} nie jest zdarzeniem pewnym, ponieważ ma mniejsze prawdopodobieństwo.

Signup and view all the flashcards

Rama dyskursu

Rama dyskursu to zbiór opcji analizowanych w kontekście.

Signup and view all the flashcards

Asocjacja koniunkcyjna

Związek między zbiorami, gdzie analizowane są wspólne elementy w danej komórce.

Signup and view all the flashcards

Zbiór pusty

Zbiór, który nie zawiera żadnych elementów, oznaczany jako Ø.

Signup and view all the flashcards

Masa zbioru

Wartość przydzielona do zbioru, reprezentująca znaczenie lub częstość.

Signup and view all the flashcards

Zdarzenie naturalne

Zdarzenie, które może wystąpić, ale powinno być analizowane ostrożnie.

Signup and view all the flashcards

Wiarygodność źródła

Ocena zaufania do danych pochodzących z różnych źródeł ewidencji.

Signup and view all the flashcards

Poziom zaufania

Miara niepewności związana z danymi z różnych źródeł.

Signup and view all the flashcards

Rozbieżność danych

Różnice w ocenach zdarzeń pomiędzy różnymi źródłami ewidencji.

Signup and view all the flashcards

Składanie ewidencji

Proces zbierania i organizacji danych z różnych źródeł.

Signup and view all the flashcards

Study Notes

Tabela decyzyjna

  • Zawiera dane opisujące wartości kryteriów dla różnych wariantów.
  • Nie zawiera rankingu wariantów ani ważności kryteriów.

Metoda SAW

  • Decydent używa współczynników wagowych do wyboru najlepszego wariantu.
  • W procedurze przekształca tabelę decyzyjną i dobierze współczynniki wagowe.

Wielokryterialne modele decyzyjne

  • Proces przekształca tabelę danych wejściowych do postaci bezwymiarowej.
  • Nie ma znaczenia zakres wartości poszczególnych kryteriów w postaci bezwymiarowej.

Macierz decyzyjna

  • Ilustruje fragment macierzy decyzyjnej dla trzech atrybutów.
  • Nieunormowany wektor negatywnie idealny zawiera największe wartości dla każdego atrybutu.
  • Przykładowe wartości: 30, 10000, 30,5.

Wektor idealny

  • Ilustruje fragment macierzy decyzyjnej dla trzech atrybutów.
  • Zawiera minimalne wartości dla atrybutów kosztowych i maksymalne dla atrybutów jakościowych.
  • Przykładowe wartości: 50, 4500, 44.

Tabela decyzyjna - dane liczbowe

  • Nie może być zbiorem danych o charakterze lingwistycznym bez określonych zbiorów rozmytych dla zmiennych.

Odległości euklidesowe

  • Obliczane są w metodzie TOPSIS.

Odległość euklidesowa punktów

  • Odległość euklidesowa punktów (1, 1, 1, 3) i (1, 1, 1, 1) wynosi √3 (skrót).

Graf zależności - Metoda TOPSIS

  • Graf przedstawia zależności pomiędzy elementami.
  • Graf wskazuje metodę do zastosowania w analizie.

Graf zależności - Metoda AHP

  • Graf porównuje elementy K1, K2, K3, K5.
  • Wskazuje zależności pomiędzy elementami dotyczące ich ważności.
  • Element K2 jest równorzędny z K5 pod względem ważności.

Spójność porównań AHP

  • Porównania są niespójne, jeśli nie spełniają określonych warunków.
  • W porównaniach dwójkowych wartości powinny być spójne.

Macierz porównań dwójkowych AHP

  • Wynik z porównania dwóch elementów, np. Ka i Kb (Ka zdecydowanie niższy od Kb).
  • Tablica 1 x 1; liczby od 1 do 9; 1 - równoważne; 9 - zdecydowanie ważniejsze.

Wektor własny i macierz AHP

  • Mnożenie macierzy przez jej transponowany wektor własny.
  • Otrzymany wynik to zbiór wartości zbliżonych do liczby wariantów.

Wartość CR

  • W metodzie AHP obliczana po utworzeniu macierzy porównań dwójkowych.
  • Wartość 0,05 wskazuje na poprawną jakość porównań.

Logika rozmyta

  • Zmienne lingwistyczne, T-normy i zbiory rozmyte są używane w logice rozmytej.

Operacje na zbiorach rozmytych

  • T-norma i T-konorma są operacjami angażującymi elementy zbiorów rozmytych.

Rozkład przekonań

  • Rozkłady przekonań przedstawiają przyporządkowania prawdopodobieństw do różnych zdarzeń.
  • Suma prawdopodobieństw dla wszystkich opcji wynosi 1.

Złożenia opcji

  • Koniunkcyjne złożenie opcji określa prawdopodobieństwa dla kombinacji zdarzeń.

Ramy dyskursu

  • Są zbiorem wariantów - opcji / zdarzeń, które są przedmiotem rozważenia w analizie.

Składanie ewidencji

  • W składaniu ewidencji używane są masy opcji i zbiory.
  • W pewnych przypadkach, masy opcji przybierają wartości takie jak 0,05 lub 0,9.

Proces składania ewidencji

  • Wystąpienie zdarzenia przypisania niezerowej masy zbiorowi pustemu wskazuje na naturalny efekt ale należy uwzględnić w wnioskowaniu.

Wiarygodność źródeł

  • Podane informacje ilustrują pojęcia zaufania i rozbieżności pomiędzy źródłami w kontekście wiarygodności - źródła ocenie są rozbieżne lub nieznacznie rozbieżne).

Skrót bel(X)

  • Znaczenie skrótu bel(X) (przekonanie wartości hipotezy X) i domniemania (przekonanie o prawdziwości).

Zależności w teorii przekonań

  • Zbiory ewidencji i hipotez w teorii przekonań są wzajemnie uzupełniające (źródła danych).

Studying That Suits You

Use AI to generate personalized quizzes and flashcards to suit your learning preferences.

Quiz Team

Related Documents

More Like This

Use Quizgecko on...
Browser
Browser