PPD - Testy (1) – AM (Środa, 4 stycznia 2023) PDF

PPD - Testy (1) – AM (środa, 4 stycznia 2023) C:\Udostępniony\nowe_wykłady\zbiory testów\2023-24\testyPPD.docx 1. Tabela decyzyjna to zbiór danych opisujący: a. wartości kryteriów dla rozważanych wariantów,...

PPD - Testy (1) – AM (środa, 4 stycznia 2023) C:\Udostępniony\nowe_wykłady\zbiory testów\2023-24\testyPPD.docx 1. Tabela decyzyjna to zbiór danych opisujący: a. wartości kryteriów dla rozważanych wariantów, a) b. rankingowe wartości dla rozważanych wariantów, c. poziomy ważności poszczególnych kryteriów. 0,8 0,4 2. Decydent stosuje metodę SAW i po wszystkich niezbędnych przekształceniach tabeli 0,2 0,6 decyzyjnej oraz doborze współczynników wagowych otrzymał dane pokazane obok. b) Który z rozważanych wariantów powinien wybrać: 0,5 a. pierwszy, 0,5 b. drugi, c. trudno powiedzieć, brak specyfikacji kryteriów. 3. Jednym z pierwszych kroków na drodze do rozwiązania wielokryterialnego modelu decyzyjnego jest przekształcenie tabeli danych wejściowych do postaci: a. bezwymiarowej, w ten sposób, aby wszystkie mieściły się w wybranym zakresie wartości, b. bezwymiarowej, zakresy wartości nie mają znaczenia, c. dwuwymiarowej macierzy liczb całkowitych. jakość koszt koszt 4. Na ilustracji obok pokazano fragment macierzy decyzyjnej dla trzech A B C atrybutów. Nieunormowany wektor negatywnie idealny dla tego zbioru 30 10000 30,5 danych to: 20 9000 44 a. 30; 10000; 30,5, 50 4500 25 b. 20; 10000; 44, c. 50; 4500; 44. 5. Na ilustracji obok pokazano fragment macierzy decyzyjnej dla trzech A B C atrybutów. Nieunormowany wektor idealny dla tego zbioru danych to: 30 10000 30,5 a. 30; 10000; 30,5, 20 9000 44 b. 20; 10000; 25, c. 50; 4500; 44. 50 4500 25 d. trudno powiedzieć, bez znajomości typów atrybutów {kosztowe, jakościowe} problem ten nie może zostać rozstrzygnięty. 6. Na ilustracji obok pokazano fragment danych dotyczących ocen trzech atrybutów dla trzech różnych wariantów. Czy pokazany zbiór danych może K1 K2 K3 być tabelą decyzyjną? dobra słaba bliska a. nie, tabela decyzyjna wymaga danych liczbowych, wystarczająca silna daleka b. tak, pod warunkiem zdefiniowania odpowiednich zbiorów bardzo rozmytych dla poszczególnych zmiennych lingwistycznych, bardzo dobra średnia daleka c. trudno powiedzieć. 7. Odległości euklidesowe oblicza się w metodzie: a. TOPSIS, b. SAW, c. AHP. 8. Jaka jest odległość euklidesowa punktów o współrzędnych (1, 1, 1, 3) i (1, 1, 1, 1): a. trudno powiedzieć, punkty o czterech współrzędnych nie istnieją, b. 2, c. 4, d. 3. 9. Na ilustracji obok pokazano przykład grafu zależności, który powinien być kojarzony przede wszystkim z metodą: K2 7 a. TOPSIS, b. Fuzzy TOPSIS, 2 c. SAW, 2 d. AHP. 10. Na ilustracji obok pokazano przykład grafu 1/5 K5 zależności, w którym porównywane są elementy K1 4 K3 zaznaczone, jako Ki. Na podstawie ilustracji można powiedzieć, że: a. element K2 jest zdecydowanie ważniejszy niż K5, b. element K5 jest zdecydowanie ważniejszy niż K2, c. element K2 jest pod względem ważności równoważny K5. 11. Na ilustracji powyżej pokazano przykład grafu zależności, w którym porównywane są elementy zaznaczone, jako Ki. Na podstawie ilustracji można powiedzieć, że całokształt porównań jest: a. niespójny, b. zdecydowanie spójny, c. niemożliwy do oceny.  PPD - Testy (1) – AM (środa, 4 stycznia 2023) C:\Udostępniony\nowe_wykłady\zbiory testów\2023-24\testyPPD.docx 12. Na ilustracji obok pokazano przykład grafu zależności, w którym porównywane są elementy zaznaczone, jako Ki. Stopnie preferencji dla dwóch krawędzi zaznaczono na rysunku. Jaka powinna być wartość w zaznaczonym znakiem zapytania kształcie, aby całokształt porównań dwójkowych uznać za spójny: a. 5, b. 0,2, K2 2 7 c. 9. 13. Na ilustracji obok pokazano przykład grafu zależności. Z jaką właściwością mechanizmu porównań dwójkowych należy utożsamiać K3 pokazany diagram: a. ogólną zasadą dominacji preferencji, ? K1 b. przechodniością relacji preferencji, c. możliwością obliczenia wartości elementów wektora własnego. 14. W problemie decyzyjnym występuje 10 rozważanych wariantów oraz pięć kryteriów. Zastosowanie metody AHP wymaga obliczeń angażujących: a. pięć tablic 100 elementowych, b. tablicę 50 elementową, c. pięć tablic 100 elementowych i jednej 25 elementowej, d. sześć tablic 100 elementowych. 15. Podczas porównania binarnego elementów Ka i Kb decydent stwierdza, że: Kb zdecydowanie dominuje nad Ka. Obok pokazano trzy macierze porównań dwójkowych skonstruowane zgodnie z wytycznymi dla metody AHP. Która z pokazanych struktur odpowiada przytoczonemu a) stwierdzeniu: Ka Kb a. b), Ka 1 9 b. c), Kb 1/9 1 c. a). b) 16. W pewnej metodzie obliczono wektor własny dla macierzy danych, po czym Ka Kb pomnożono tą macierz przez jej transponowany wektor własny. W wyniku tej operacji otrzymano: K a 9 1/9 a. bliżej nie określony zbiór wartości, Kb 9 9 b. jednokolumnową macierz o liczbie elementów odpowiadającej liczbie c) wierszy macierzy danych, Ka Kb c. zbiór wartości zbliżonych do liczby rozpatrywanych wariantów. Ka 1 1/9 17. W pewnej metodzie obliczono wektor własny dla macierzy danych, po czym Kb 9 1 pomnożono tą macierz przez jej transponowany wektor własny. W ten sposób otrzymano wektor, którego każdy element podzielono przez odpowiedni w wektorze własnym. W wyniku tej operacji otrzymano: a. bliżej nie określony zbiór wartości, b. jednokolumnową macierz o liczbie elementów odpowiadającej liczbie wierszy macierzy danych, c. zbiór wartości zbliżonych do liczby rozpatrywanych wariantów. 18. W metodzie AHP po utworzeniu macierzy porównań dwójkowych obliczono CR, którego wartość wynosi 0,05. Całokształt obliczeń oraz jakość porównań należy uznać za: a. poprawny, b. niepoprawny ale akceptowalny, c. zdecydowanie niepoprawny. 19. Na rysunku obok pokazano ilustrację pewnego elementu związanego z logiką rozmytą. Ilustracja dotyczy: a. pojęcia T-normy, b. dyskretnego zbioru rozmytego, c. zmiennej lingwistycznej. 20. Na rysunku obok pokazano ilustrację pewnej operacji na dwóch zbiorach rozmytych. Działanie to angażuje zaznaczone linią przerywaną elementy. Operacja ta, to: a. Tnorma, b. T  konorma, c. S  norma.  PPD - Testy (1) – AM (środa, 4 stycznia 2023) C:\Udostępniony\nowe_wykłady\zbiory testów\2023-24\testyPPD.docx 0,5 1 21. Dany jest zbiór rozmyty, dla których funkcja przynależności ma postać: 𝜇1 (𝑥𝑖 ) = { ; }. Oznacza to, że: 5 6 a. zbiór jest zbiorem wartości ciągłych, spośród których wartość 5 należy do tego zbioru w stopniu 0,5; a 6 w stopniu 1, b. zbiór jest zbiorem wartości dyskretnych, spośród których wartość 5 należy do tego zbioru w stopniu 0,5; a 6 w stopniu 1, c. zbiór jest zbiorem dwóch wartości, z których pierwsza należy do tego zbioru w stopniu 0,1; a drugi w stopniu 0,16666. 22. Stosując procedurę składania i odpowiednie zależności otrzymano bel(X) =0.6; pl(X)=0.65 oraz bel(Y) =0.5; pl(Y)=0.7. Który z rozważanych przypadków należy zarekomendować decydentowi: a. X, b. Y, c. obydwa przypadki są równoważne. 23. Na ilustracji poniżej pokazano przykład rozkładu przekonań dla podanych zbiorów opcji. Wartość domniemania dla opcji {B} wynosi: a. 0,5, b. 0,7, c. 0,1, d. 0,2. 24. Na ilustracji obok pokazano przykład rozkładu przekonań dla podanych zbiorów opcji. Czy rozkład ten jest poprawną strukturą przekonań: a. tak, suma wszystkich prawdopodobieństw jest równa 1 i jest to warunek konieczny poprawności rozkładu, b. nie, w warunkach gdy opcja {A} posiada przypisane prawdopodobieństwo 0,2; a poziom zaufania do {B} wynosi 0,2; to złożeniu tych opcji {A, B} nie może być przypisana wartość 0,3. 25. Na ilustracji obok pokazano przykład rozkładu przekonań dla podanych zbiorów opcji. Ostatni wiersz tabeli wyraża przyporządkowanie pewnej masy zbiorowi zawierającemu wszystkie zdarzenia elementarne, w ten sposób wyraża się: a. niespójność, b. niepewność, opcje m(..) c. obiektywność. {A} 0,2 26. Na ilustracji obok pokazano przykład rozkładu przekonań dla podanych zbiorów opcji. Zbiór {B, C} jest przykładem: {B} 0,2 a. podzbioru, będącego elementem zbioru potęgowego rozważanej ramy {C} 0,1 dyskursu, {A, B} 0,3 b. ramy rozważań (dyskursu), {B, C} 0,1 c. zdarzenia pewnego. {A, B, C} 0,1 27. Na ilustracji obok pokazano przykład rozkładu przekonań dla podanych zbiorów opcji. Dla tego przypadku ramę dyskursu stanowią: a. zbiór A, B i C, b. wszystkie opcje umieszczone w pierwszej kolumnie, c. opcje umieszczone w trzech ostatnich wierszach. 28. Na ilustracji obok pokazano przykład tabeli składania ewidencji. Podczas asocjacji koniunkcyjnej w komórce wyróżnionej liniami pionowymi powinny zbiór {A} {B} {A, B} wystąpić: a. zbiór pusty , masa 0,09, masa 0,05 0,9 0,05 b. zbiór {B, C}, masa 1, {A} c. zbiór {A, B, C}, masa 0,005. 0,8 29. Na ilustracji obok pokazano przykład tabeli składania ewidencji. Podczas {C} asocjacji koniunkcyjnej w komórce wyróżnionej kratką powinny wystąpić: 0,1 a. zbiór {A}, masa 0,055, b. zbiór {A}, masa 0,005, {A, B, C} c. zbiór {A, B, C}, masa 0,005. 0,1  PPD - Testy (1) – AM (środa, 4 stycznia 2023) C:\Udostępniony\nowe_wykłady\zbiory testów\2023-24\testyPPD.docx 30. W procesie składania ewidencji wystąpił przypadek przypisania zbiorowi pustemu, pewnej niezerowej masy. O takim przypadku mówimy, jako o zdarzeniu: a. naturalnym, jednak takie przypadki należy wyeliminować podczas wyciągania ostatecznych wniosków, b. naturalnym, i nie wpływającym na ostateczne wnioskowanie, c. nie mogącym wystąpić, gdyż świadczy o błędach w procesie składania. 31. Na ilustracji obok pokazano przykład tabeli składania ewidencji pochodzących z dwóch niezależnych źródeł. Na podstawie przedstawionych danych źródła te powinniśmy ocenić jako: a. wiarygodne, przedstawione dane nie świadczą o znacznych rozbieżnościach w ocenach poszczególnych zdarzeń dla każdego ze zbiór {A} {B} {A, B} źródeł ewidencji, masa 0,05 0,9 0,05 b. raczej wiarygodne, przedstawione dane świadczą o znacznych {A} poziomach zaufania do obydwu źródeł wyrażających się poprzez małe 0,8 wartości niepewności, {B} c. raczej niewiarygodne, przedstawione dane świadczą o znacznych rozbieżnościach w ocenach zdarzeń{A} i {B} dla każdego ze źródeł 0,1 ewidencji. {A, B} 32. Na ilustracji obok pokazano przykład tabeli składania ewidencji pochodzących z 0,1 dwóch niezależnych źródeł. Cechą charakterystyczną dla wyniku złożenia koniunkcyjnego będzie: a. duża wartość prawdopodobieństwa przypisana zdarzeniu A, b. duża wartość prawdopodobieństwa przypisana zdarzeniu B, c. duża wartość prawdopodobieństwa przypisana zdarzeniu pustemu. 33. Stosowany w teorii przekonań skrót bel(X), oznacza: a. przekonanie, co do prawdziwości twierdzenia (hipotezy) X, b. domniemanie, co do prawdziwości twierdzenia (hipotezy) X, c. wiarę w to, że stwierdzenie X nie jest prawdziwe. 34. Stosowane w teorii przekonań zbiory ewidencji i hipotez pozostają między sobą w zależności: a. tożsamej, obydwa oznaczają to samo, b. wzajemnie uzupełniającej się, w zbiorze ewidencji powinny istnieć przesłanki dotyczące prawdziwości poszczególnych elementów zbioru hipotez, c. wzajemnie uzupełniającej się, w zbiorze hipotez istnieją przesłanki dotyczące prawdziwości poszczególnych fragmentów ewidencji. 35. Na ilustracji obok pokazano przykład tabeli składania ewidencji, w której przedstawiono zbiór {A}  tak zwane proste rozkłady przekonań, charakteryzują się one oceną prawdziwości masa 0,72 0,08 pewnego stwierdzenia A i niepewnością tej oceny . Proszę uzupełnić brakujące {A} elementy w tabeli składania koniunkcyjnego (pamiętać należy o tym, że 0,8 0.576 0.064 {A} = {A}).  0,1 0.072 0.008