Teste de Conhecimento 10

Prévia do material em texto

18/03/2023, 14:28 Estácio: Alunos
https://simulado.estacio.br/alunos/ 1/2
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.
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.
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.
1.
Adição da influência nula de funções de pertiência.
Remoção dos graus de pertinência na fuzzificação.
Valores discretos como resultado fuzzificado.
Interpretação do valor discreto fuzzificado.
Aplicação de pesos às variáveis pelas funções de pertinência.
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.
 
2.
Modelos não-booleanos.
Compreensão dual de possibilidades.
Análise superficial de dados robustos.
Eliminação de interpretação linguística.
Problemas analisados como "Verdadeiro ou Falso".
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.
 
3.
Situações com duas possibilidades de escolha.
Leitura de dados booleanos.
18/03/2023, 14:28 Estácio: Alunos
https://simulado.estacio.br/alunos/ 2/2
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.
Funções de pertinência aplicáveis.
Problemas com resultado numérico.
Variáveis isoladas sem influência entre si.
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.
 
4.
Análise de variáveis que possam admitir resultados 0 OU 1.
Decisões que dependam exclusivamente de 1 parâmetro.
Problemas com funções de pertinência vazios.
Problema com grande volume de dados.
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.
 Não Respondida Não Gravada Gravada
javascript:abre_colabore('35309','304180925','6082834164');