Podcast
Questions and Answers
Czy pokazany zbiór danych
może być tabelą decyzyjną?
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?
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)?
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?
Do jakiej metody najlepiej pasuje pokazany graf zależności?
Co można stwierdzić o relacji między elementami K2 i K5 na podstawie pokazanego grafu zależności?
Co można stwierdzić o relacji między elementami K2 i K5 na podstawie pokazanego grafu zależności?
Co można stwierdzić o spójności całokształtu porównań na podstawie pokazanego grafu zależności?
Co można stwierdzić o spójności całokształtu porównań na podstawie pokazanego grafu zależności?
Która z metod stosowanych w analizie decyzyjnej nie opiera się na odległości euklidesowej?
Która z metod stosowanych w analizie decyzyjnej nie opiera się na odległości euklidesowej?
Jakie są główne różnice między tabelą decyzyjną a tabelą rozmytą?
Jakie są główne różnice między tabelą decyzyjną a tabelą rozmytą?
Tabela decyzyjna opisuje wartości kryteriów dla różnych wariantów. W przypadku zastosowania metody SAW, które informacje są dodatkowo potrzebne do wyboru optymalnego wariantu?
Tabela decyzyjna opisuje wartości kryteriów dla różnych wariantów. W przypadku zastosowania metody SAW, które informacje są dodatkowo potrzebne do wyboru optymalnego wariantu?
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?
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?
Który z poniższych kroków nie jest konieczny w procesie przekształcenia tabeli danych wejściowych do postaci bezwymiarowej w metodzie SAW?
Który z poniższych kroków nie jest konieczny w procesie przekształcenia tabeli danych wejściowych do postaci bezwymiarowej w metodzie SAW?
W tabeli decyzyjnej, gdzie dwa kryteria są kosztowe, a jedno jakościowe, nieunormowany wektor idealny dla tego zbioru danych to:
W tabeli decyzyjnej, gdzie dwa kryteria są kosztowe, a jedno jakościowe, nieunormowany wektor idealny dla tego zbioru danych to:
W tabeli decyzyjnej z trzema atrybutami: jakośc, koszt i czas, nieunormowany wektor negatywnie idealny dla tego zbioru danych to:
W tabeli decyzyjnej z trzema atrybutami: jakośc, koszt i czas, nieunormowany wektor negatywnie idealny dla tego zbioru danych to:
W metodzie SAW, wybór optymalnego wariantu polega na:
W metodzie SAW, wybór optymalnego wariantu polega na:
Które z poniższych stwierdzeń nie odnosi się do metody SAW?
Które z poniższych stwierdzeń nie odnosi się do metody SAW?
W jakich sytuacjach zastosowanie metody SAW jest najbardziej odpowiednie?
W jakich sytuacjach zastosowanie metody SAW jest najbardziej odpowiednie?
Jaka jest masa zbioru {A, B} w tabeli składania ewidencji pokazanej na ilustracji?
Jaka jest masa zbioru {A, B} w tabeli składania ewidencji pokazanej na ilustracji?
Ktory ze zbiorów powinien pojawić się w komórce oznaczonej kratką?
Ktory ze zbiorów powinien pojawić się w komórce oznaczonej kratką?
W procesie składania ewidencji, jeśli w tabeli pojawi się zbiór pusty o niezerowej masie, świadczy to o:
W procesie składania ewidencji, jeśli w tabeli pojawi się zbiór pusty o niezerowej masie, świadczy to o:
Który ze zbiorów powinien pojawić się w komórce oznaczonej liniami pionowymi?
Który ze zbiorów powinien pojawić się w komórce oznaczonej liniami pionowymi?
Jaki jest prawidłowy wniosek na temat wiarygodności dwóch niezależnych źródeł ewidencji, w oparciu o przedstawione dane?
Jaki jest prawidłowy wniosek na temat wiarygodności dwóch niezależnych źródeł ewidencji, w oparciu o przedstawione dane?
Jaką interpretację należy nadać pojawieniu się zbioru pustego o niezerowej masie w tabeli składania ewidencji?
Jaką interpretację należy nadać pojawieniu się zbioru pustego o niezerowej masie w tabeli składania ewidencji?
Które z poniższych stwierdzeń dotyczących asocjacji koniunkcyjnej w komórce wyróżnionej liniami pionowymi są poprawne? (Wybierz wszystkie poprawne odpowiedzi.)
Które z poniższych stwierdzeń dotyczących asocjacji koniunkcyjnej w komórce wyróżnionej liniami pionowymi są poprawne? (Wybierz wszystkie poprawne odpowiedzi.)
Który z przypadków (X lub Y) należy rekomendować decydentowi, biorąc pod uwagę podane wartości bel(X), pl(X), bel(Y) i pl(Y)?
Który z przypadków (X lub Y) należy rekomendować decydentowi, biorąc pod uwagę podane wartości bel(X), pl(X), bel(Y) i pl(Y)?
Jaka jest wartość domniemania dla opcji {B} na przedstawionym rozkładzie przekonań?
Jaka jest wartość domniemania dla opcji {B} na przedstawionym rozkładzie przekonań?
Czy przedstawiony rozkład przekonań jest prawidłową strukturą przekonań?
Czy przedstawiony rozkład przekonań jest prawidłową strukturą przekonań?
Co wyraża ostatni wiersz tabeli, w którym przypisana jest masa do zbioru zawierającego wszystkie zdarzenia elementarne?
Co wyraża ostatni wiersz tabeli, w którym przypisana jest masa do zbioru zawierającego wszystkie zdarzenia elementarne?
Zbiór {B, C} w przedstawionym rozkładzie przekonań jest przykładem:
Zbiór {B, C} w przedstawionym rozkładzie przekonań jest przykładem:
Co stanowi ramę dyskursu w przedstawionym rozkładzie przekonań?
Co stanowi ramę dyskursu w przedstawionym rozkładzie przekonań?
Jaki jest cel użycia tabeli składania ewidencji?
Jaki jest cel użycia tabeli składania ewidencji?
Które z poniższych stwierdzeń jest prawdziwe w kontekście tabeli składania ewidencji?
Które z poniższych stwierdzeń jest prawdziwe w kontekście tabeli składania ewidencji?
Która z wartości w zaznaczonym znakiem zapytania kształcie na ilustracji zapewni spójność porównań dwójkowych?
Która z wartości w zaznaczonym znakiem zapytania kształcie na ilustracji zapewni spójność porównań dwójkowych?
Jaka cecha mechanizmu porównań dwójkowych jest przedstawiona na ilustracji?
Jaka cecha mechanizmu porównań dwójkowych jest przedstawiona na ilustracji?
Ile tablic należy stworzyć, aby zastosować metodę AHP w problemie decyzyjnym z 10 rozważanymi wariantami i 5 kryteriami?
Ile tablic należy stworzyć, aby zastosować metodę AHP w problemie decyzyjnym z 10 rozważanymi wariantami i 5 kryteriami?
Która z przedstawionych macierzy porównań dwójkowych odpowiada stwierdzeniu "Kb zdecydowanie dominuje nad Ka"?
Która z przedstawionych macierzy porównań dwójkowych odpowiada stwierdzeniu "Kb zdecydowanie dominuje nad Ka"?
Jaki wynik otrzymamy po pomnożeniu macierzy danych przez jej transponowany wektor własny w metodzie AHP?
Jaki wynik otrzymamy po pomnożeniu macierzy danych przez jej transponowany wektor własny w metodzie AHP?
Co oznacza spójność porównań dwójkowych w metodzie AHP?
Co oznacza spójność porównań dwójkowych w metodzie AHP?
Jaki wpływ na wynik metody AHP ma niekonsekwencja decydenta podczas porównań dwójkowych?
Jaki wpływ na wynik metody AHP ma niekonsekwencja decydenta podczas porównań dwójkowych?
Które stwierdzenie najlepiej odzwierciedla pojęcie "wektora własnego" w kontekście metody AHP?
Które stwierdzenie najlepiej odzwierciedla pojęcie "wektora własnego" w kontekście metody AHP?
W metodzie AHP, po utworzeniu macierzy porównań dwójkowych, uzyskany wskaźnik CR wynosi 0,05. Co to oznacza?
W metodzie AHP, po utworzeniu macierzy porównań dwójkowych, uzyskany wskaźnik CR wynosi 0,05. Co to oznacza?
Zbiór rozmyty opisany funkcją przynależności 𝜇1 (𝑥𝑖 ) = {0.5 ; 1 } oznacza, że:
Zbiór rozmyty opisany funkcją przynależności 𝜇1 (𝑥𝑖 ) = {0.5 ; 1 } oznacza, że:
Który z poniższych elementów jest zaznaczony na ilustracji dotyczącej logiki rozmytej?
Który z poniższych elementów jest zaznaczony na ilustracji dotyczącej logiki rozmytej?
Po pomnożeniu macierzy danych przez jej transponowany wektor własny i podzieleniu każdego elementu przez odpowiedni element wektora własnego, otrzymujemy:
Po pomnożeniu macierzy danych przez jej transponowany wektor własny i podzieleniu każdego elementu przez odpowiedni element wektora własnego, otrzymujemy:
Co reprezentuje operacja na dwóch zbiorach rozmytych pokazana na ilustracji, gdzie zaznaczone są konkretne elementy przerywaną linią?
Co reprezentuje operacja na dwóch zbiorach rozmytych pokazana na ilustracji, gdzie zaznaczone są konkretne elementy przerywaną linią?
Załóżmy, że chcemy stworzyć macierz porównań dwójkowych w metodzie AHP. Ile elementów powinno znaleźć się w tej macierzy, jeżeli rozpatrujemy 5 wariantów?
Załóżmy, że chcemy stworzyć macierz porównań dwójkowych w metodzie AHP. Ile elementów powinno znaleźć się w tej macierzy, jeżeli rozpatrujemy 5 wariantów?
Jaki jest związek między T-normą a T-konormą?
Jaki jest związek między T-normą a T-konormą?
Który z poniższych elementów reprezentuje zbiór wartości zbliżonych do liczby rozpatrywanych wariantów?
Który z poniższych elementów reprezentuje zbiór wartości zbliżonych do liczby rozpatrywanych wariantów?
Flashcards
Tabela decyzyjna
Tabela decyzyjna
Zbiór danych z atrybutami i decyzjami, może być rozmyty.
Odległość euklidesowa
Odległość euklidesowa
Miara odległości między punktami w przestrzeni.
Metody oceny
Metody oceny
Sposoby analizowania danych w podejściu decyzyjnym.
Graf zależności
Graf zależności
Signup and view all the flashcards
Spójność porównań
Spójność porównań
Signup and view all the flashcards
Element ważności
Element ważności
Signup and view all the flashcards
Kryteria decyzyjne
Kryteria decyzyjne
Signup and view all the flashcards
Metoda TOPSIS
Metoda TOPSIS
Signup and view all the flashcards
Metoda SAW
Metoda SAW
Signup and view all the flashcards
Normowanie danych
Normowanie danych
Signup and view all the flashcards
Wektor negatywnie idealny
Wektor negatywnie idealny
Signup and view all the flashcards
Wektor idealny
Wektor idealny
Signup and view all the flashcards
Kosztowe atrybuty
Kosztowe atrybuty
Signup and view all the flashcards
Jakościowe atrybuty
Jakościowe atrybuty
Signup and view all the flashcards
Proszę wskazać wariant
Proszę wskazać wariant
Signup and view all the flashcards
Relacja preferencji
Relacja preferencji
Signup and view all the flashcards
Metoda AHP
Metoda AHP
Signup and view all the flashcards
Tablica porównań dwójkowych
Tablica porównań dwójkowych
Signup and view all the flashcards
Przechodniość relacji
Przechodniość relacji
Signup and view all the flashcards
Wektor własny
Wektor własny
Signup and view all the flashcards
Dominacja preferencji
Dominacja preferencji
Signup and view all the flashcards
Macierz transponowana
Macierz transponowana
Signup and view all the flashcards
Jednokolumnowa macierz
Jednokolumnowa macierz
Signup and view all the flashcards
Transponowana macierz
Transponowana macierz
Signup and view all the flashcards
AHP (Analytic Hierarchy Process)
AHP (Analytic Hierarchy Process)
Signup and view all the flashcards
CR (Consistency Ratio)
CR (Consistency Ratio)
Signup and view all the flashcards
Zbiór rozmyty
Zbiór rozmyty
Signup and view all the flashcards
T-norma
T-norma
Signup and view all the flashcards
Funkcja przynależności
Funkcja przynależności
Signup and view all the flashcards
bel(X)
bel(X)
Signup and view all the flashcards
pl(Y)
pl(Y)
Signup and view all the flashcards
Zalecenia dla decydenta
Zalecenia dla decydenta
Signup and view all the flashcards
Rozkład przekonań
Rozkład przekonań
Signup and view all the flashcards
Poprawność rozkładu
Poprawność rozkładu
Signup and view all the flashcards
Niespójność
Niespójność
Signup and view all the flashcards
Zdarzenie pewne
Zdarzenie pewne
Signup and view all the flashcards
Rama dyskursu
Rama dyskursu
Signup and view all the flashcards
Asocjacja koniunkcyjna
Asocjacja koniunkcyjna
Signup and view all the flashcards
Zbiór pusty
Zbiór pusty
Signup and view all the flashcards
Masa zbioru
Masa zbioru
Signup and view all the flashcards
Zdarzenie naturalne
Zdarzenie naturalne
Signup and view all the flashcards
Wiarygodność źródła
Wiarygodność źródła
Signup and view all the flashcards
Poziom zaufania
Poziom zaufania
Signup and view all the flashcards
Rozbieżność danych
Rozbieżność danych
Signup and view all the flashcards
Składanie ewidencji
Składanie ewidencji
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.