Teste de Conhecimento A10V1 Modelos para tomada de decisão

Prévia do material em texto

Pode-se tomar uma boa decisão e o resultado pode ser adverso. Ou mesmo, tomar uma decisão ruim e o resultado pode
ser vantajoso, quando se baseia a tomada de decisões em uma lógica binária.
Assinale a alternativa que apresenta como a lógica nebulosa pode colaborar na tomadad de decisões.
As decisões podem ser de natureza binária, mas certamente não deve haver restrições à utilidade da informação difusa no
processo de tomada de decisão.
Assinale a alternativa que apresenta etapas envolvidas na utilização da lógica fuzzy no processo de tomada de decisões.
1.
Funções de pertinência aplicáveis.
Problemas com resultado numérico.
Variáveis isoladas sem influência entre si.
Situações com duas possibilidades de escolha.
Leitura de dados booleanos.
Explicação:
O processo de tomada de decisão é um empreendimento científico, social e econômico de extrema importância. A habilidade
de fazer escolhas consistentes e acertadas é a essência de qualquer processo de decisão que possuem naturalmente algum
nível de incerteza.
A lógica fuzzy usa conjuntos com intervalos entre 0 e 1 para descrever certas interações de diversas variáveis de processos
que seriam difíceis de elaborar em lógica tradicional para algoritmos. Funções chamadas de pertinência são ajustadas com
regras de decisões elaboradas por especialistas.
2.
Remoção dos graus de pertinência na fuzzificação.
Aplicação de pesos às variáveis pelas funções de pertinência.
Adição da influência nula de funções de pertiência.
Valores discretos como resultado fuzzificado.
Interpretação do valor discreto fuzzificado.
Explicação:
Os valores numéricos (discretos) são obtidos na fonte, os quais serão processados e analisados de acordo com funções de
pertinência adequados.
A fuzzificação desses valores dará a cada um deles pesos em cada uma das funções de pertinência, que são os graus de
pertinência.
Em seguida a influência de cada um desses graus é reconvertida em valores numéricos para serem lidos e analisados para
que se tenham dados robustos o suficiente para uma boa tomada de decisões.
https://simulado.estacio.br/bdq_simulados_exercicio.asp#
https://simulado.estacio.br/bdq_simulados_exercicio.asp#
https://simulado.estacio.br/bdq_simulados_exercicio.asp#
https://simulado.estacio.br/bdq_simulados_exercicio.asp#
https://simulado.estacio.br/bdq_simulados_exercicio.asp#
https://simulado.estacio.br/bdq_simulados_exercicio.asp#
https://simulado.estacio.br/bdq_simulados_exercicio.asp#
https://simulado.estacio.br/bdq_simulados_exercicio.asp#
As decisões tomadas em qualquer situação, quase sempre levam em consideração fatores empíricos, como experiências
anteriores e situações similares. Nem sempre, ao considerar as probabilidades, toma-se uma decisão acertada.
Assinale a alternativa que apresenta um exemplo de como a lógica nebulosa pode colaborar para trazer mais confiabilidade
ao processo decisório.
Apesar do treinamento formal nessa área e do senso comum sobre como essa noção de incerteza é clara, vemos que ela
é violada com boa frequência na realidade empresarial. Assinale a alternativa que apresenta uma situação na qual a lógica
fuzzy pode auxiliar o processo de tomada de decisões.
3.
Problemas analisados como "Verdadeiro ou Falso".
Modelos não-booleanos.
Eliminação de interpretação linguística.
Compreensão dual de possibilidades.
Análise superficial de dados robustos.
Explicação:
A lógica nebulosa permite uma análise dos dados de forma mais aprofundada, ou seja, diversos modelos não podem ser
interpretados apenas com o sistema "Verdadeiro ou Falso". 
Na fuzzificação de variáveis, é possível compreender melhor como as diversas possibilidades (funções de pertinência) são
distribuídas no sistema e com qual nível de influência cada uma delas pode afetar o resultado final (grau de pertinência).
Através dessa análise as decisões tomadas podem estar melhor embasadas.
4.
Problemas com funções de pertinência vazios.
Decisões que dependam exclusivamente de 1 parâmetro.
Problema com grande volume de dados.
Análise de variáveis que possam admitir resultados 0 OU 1.
Pequeno volume de dados a serem analisados.
Explicação:
Quando o volume de dados de entrada a serem analisados é muito grande, a utilização de métodos numéricos se mostra
uma excelente ferramenta na tomada de decisões.
Decisões pertinentes a investimentos financeiros é um dos exemplos mais vistos na literatura sobre aplicações fuzzy, onde
uma série de parâmetros devem ser analisados, como flutuação cambial, taxação sobre transações, variações de valores de
ativos, entre diversos outros.
https://simulado.estacio.br/bdq_simulados_exercicio.asp#
https://simulado.estacio.br/bdq_simulados_exercicio.asp#
https://simulado.estacio.br/bdq_simulados_exercicio.asp#
https://simulado.estacio.br/bdq_simulados_exercicio.asp#
https://simulado.estacio.br/bdq_simulados_exercicio.asp#
https://simulado.estacio.br/bdq_simulados_exercicio.asp#
https://simulado.estacio.br/bdq_simulados_exercicio.asp#
https://simulado.estacio.br/bdq_simulados_exercicio.asp#