Sisteme informatice pt asistarea deciziei

Informatica

ALTE DOCUMENTE

WinXP tweaking

Reteaua FDDI si standardul ISO 9314

Windows NT

Folosirea lui #error si #pragma

Introducere in Sound Forge

Prezentarea mediului de lucru Microsoft Acces

Win95 sistem de operare

INSTALAREA PROGRAMELOR IN LINUX

Backup-ul total este metoda cea mai buna pentru protejarea fisierelor si programelor de pe hard disc, dar cel mai bine este sa faceti acest lucru la f

MFC Sisteme informatice pt asistarea deciziei sem 2 Anul IV ZI, Anul universitar 2007-2008

Întrebari pentru examen GMG Prof. univ. dr. Zenovic Gherasim

ADEVARAT/FALS

1) Nivelul de detaliu sau granularitatea hipercubului reprezinta numarul de membri ai unei dimensiuni. A

2) Utilizarea tehologiei Data Mining presupune ca procesarea datelor se face cu interventia utilizatorilor.

3) În cubul OLAP, dimensiunile se materializeaza in setul de valori posibile care formeaza domeniul caracteristicii respective, valori care poarta numele de membrii dimensiunii. A

4) În cubul OLAP, o caracteristica a dimensiunii este a ceea ca poate avea multipli adica grupe de valori ale dimensiunii cu o caracteristica comuna. A

5) Dimensiunile impreuna cu multiplii lor formeaza structuri arborescente care sunt recunoscute de OLAP ca fiind ierarhii. A

6) Gradul de simplificare oferit de simulare este mult mai mare decat in cazul modelelor traditionale.

7) Programarea euristica se aplica in cazul in care datele de care se dispune pentru o problema complexa sunt insuficiente sau are un grad mare de inexactitate, gradul de complexitate al problemei nu permite utilizarea modelelor de optimizare, nu exista solutie algoritmica iar modelul de simulare simplifica inadmisibil de mult problema si trebuie obtinuta o solutie rapida. A

8) Modelul ofera un mod simplificat sau abstractizat de abordare a realitatii. A

9) Depozitul de date (Data Warehouse) este o colectie de date orientate pe subiecte, integrate, corelate in timp si volatile care sprijina decizia.

10) Popularea depozitelor de date se face prin preluare din sisteme tranzactionale, care sunt supuse unor procese complexe de transformare ce nu corespund structurii depozitului care a fost proiectat.

11) Proiectarea structurii depozitului de date se face prin modelare multidimensionala. A

12) OLAP nu dispune de existenta unor tehnici care permit de la o navigare si selectie simpla a datelor pana la analiza detaliata si complexa.

13) Aplicatiile care se rezolva pe baza tehnologiei OLAP au la baza analiza rapida a informatiei multidimensionala dispersata in locatii multiple dar accesibile unui mare numar de utilizatori. A

14) OLAP dispune de eficacitatea bazelor de date multidimensionale, dar nu are posibilitatea de a construi alternative pentru diverse probleme de decizie.

15) OLAP presupune ca analiza datelor (care pot fi de tip numeric sau statistic) poate fi predefinita de cel care creeaza aplicatia sau chiar de utilizatorul final. A

16) Prin modelare dimensionala se ofera un model conceptual comun pentru rapoarte si pentru agreagarea lor intr-o structura uniforma si flexibila. A

17) Cubul OLAP nu constituie un element structural pentru date 252g619c le din procesul on-line.

18) În tehnologia OLAP, o caracteristica a dimensiunii este aceea ca nu poate avea multipli.

19) În tehnologia OLAP, structura metadatelor este de tip ierarhic, fiecare dimensiune fiind stocata intr-o structura arborescenta cu o singura radacina (all) si cu o multitudine de ramuri care pot contine frunze comune (ierarhii alternative). A

20) În tehnologia OLAP, nivelul de detaliu (granularitatea) nu reprezinta numarul de membri ai unei dimensiuni.

21) În tehnologia OLAP, datele pot fi vizualizate printr-o selectie in hipercub pe baza unui criteriu ierarhic care ar putea fi de exemplu structura organizationala pe care o conduce un anumit manager. A

22) În tehnologia OLAP, orice nivel al unei ierarhii poarta un nume dar nu contine de membri.

23) Data Mining reprezinta un proces de extragere de informatii noi din colectiile de date existente. A

24) Prin tehnologia Data Mining se prelucreaza date care refera perioade anterioare (date istorice), care sunt examinate si sunt deja cunoscute. A

25) În procesul decizional, design-ul sau modul de concepere al procesului de asistare a deciziei contine subetapele de identificare a problemei, descompunerea ei, stabilirea responsabilitatilor si are ca rezultat descrierea formala a problemei, a categoriei din care aceasta face parte si a tuturor responsabilitatilor care decurg de aici.

26) Principala caracteristica a SIAD pe baza de modele este modelarea analitica.

27) Analiza decizionala presupune atasarea unor valori cunoscute (precise) pentru fiecare alternativa si care se vor inscrie intr-un tabel sau un graf.

28) În analiza decizionala, numarul de consecinte trebuie sa fie mai mare sau egal cu numarul de criterii. A

29) Solutia finala obtinuta prin programarea euristica poate fi un esec sau un succes. A

30) În tehnologia OLAP, defalcarea (dicing) este operatia de proiectie a unei dimensiuni pe o alta. A

ALEGERE

1) La modelul de programare liniara utilizat in SIAD-uri, in forma canonica toate restrictiile sunt concordante si toate variabilele sunt>=0:

1 a+b a+c 3 a+d 4 b+c 5 e+f

2) Care dintre urmatoarele subsisteme nu face parte din arhitectura unui sistem suport pentru SIAD (SSAD)?

a) subsistemul de gestiune a datelor; ;

b) subsistemul de gestiune a modelelor;

c) subsistemul de gestiune a cunostintelor; f) subsistemul de gestiune a dialogului (sau interfata cu utilizat

d) subsistemul de gestiune a sabloanelor

e) subsistemul de gestiune a parametrilor;

1 a+b 2 b+c 3 c+d 4 d+e 5 e+f

3) Care dintre etapele de mai jos nu este specifica tehnicilor de Data Mining?

a) identificarea surselor de date

b) colectarea si selectarea datelor

c) pregatirea datelor

d) definirea si construirea modelului

e) integrarea modelului

f) construirea sablonului intermediar

g) procesarea cuvintelor

h) evaluarea modelului

1 a+b 2 b+c 3 d+e 4 e+f 5 f+g

4) Datele pot proveni din mai multe surse interne organizatiei sau chiar din afara ei, ele putand fi incluse in baza de date proprie sau pot fi accesate direct doar in momentul in care se utilizeaza sistemul:

1 SGBD, dictionarul de date, facilitati de integrare a datelor;

2 SGBD, SIAD, SE, dictionar de date;

3 catalogul bazei de date, SIAD, integrarea datelor

4 SE, SGBD, procese decizionale, definitii de date;

5 dictionar de date, SE, facilitati de integrare a datelor.

5) Functiile unui SIAD sunt:

1 gestiunea datelor, gestiunea modelelor, gestiunea cunostintelor si gestiunea comunicarii intre utilizator si sistem si intre intrari si iesiri;

2 gestiunea datelor, gestiunea modelelor, gestiunea soft-ului si gestiunea hard-ului.

3 gestiunea intrarilor, gestiunea iesirilor, gestiunea cunostintelor si gestiunea comunicarii intre utilizator si sistem si intre date si modele, cunostinte;

4 gestiunea datelor, gestiunea iesirilor, gestiunea legaturilor si gestiunea comunicarii intre utilizator si sistem si intre date si modele, cunostinte;

5 gestiunea datelor, gestiunea modelelor, gestiunea cunostintelor si gestiunea comunicarii intre utilizator si sistem si intre date si modele, cunostinte.

6) Gradul de abstractizare al unui model este dat de mai multe criterii, dupa care se face si clasificarea lor:

1 modele iconice, modele calitative, modele cantitative (matematice);

2 modele statistice, modele analitice, modele cantitative (matematice);

3 modele iconice, modele analitice, modele cantitative (matematice);

4 modele calitative, modele statistice, modele cantitative (matematice);

5 modele iconice, modele analitice, modele calitative (matematice).

7) Principalele componente structurale ale modelului sunt:

1 variabilele de decizie, parametrii ce nu influenteaza rezultatul, variabilele rezultat;

2 variabilele de decizie, parametrii ce influenteaza rezultatul, variabilele de intrare;

3 variabilele de iesire, parametrii ce influenteaza rezultatul, variabilele rezultat;

4 variabilele de decizie, parametrii ce influenteaza rezultatul, variabilele rezultat ;

5 variabilele de intrare, parametrii ce influenteaza rezultatul, variabilele rezultat.

8) În cazul programarii euristice, spatiul de rezolvare a problemelor implica:

1 spatiul starilor, spatiul operatorilor, starea initiala, starea sau starile finale precum si informatia asociata fiecarei stari

2 spatiul starilor, spatiul intrarilor, starea initiala, starea sau starile finale precum si informatia asociata fiecarei stari;

3 spatiul starilor, spatiul operatorilor, starea initiala, starea sau starile intermediare precum si informatia asociata fiecarei stari

4 spatiul iesirilor, spatiul operatorilor, starea initiala, starea sau starile finale precum si informatia asociata fiecarei stari

5 spatiul starilor, spatiul operatorilor, starea initiala, starea sau starile finale precum si informatia asociata ultimei stari.

9) Care este varianta corecta pentru clasificarea deciziilor:

1 decizii in conditii de certitudine, decizii in conditii de incertitudine, decizii in conditii de risc;

2 decizii in conditii de intelegere a contextului de luare a deciziei, decizii in condi de incertitud, decizii in conditii de risc

3 decizii ale sistemelor informatice, decizii in conditii de incertitudine, decizii in conditii de risc;

4 decizii in conditii de certitudine, decizii in conditii de securitate maxima, decizii in conditii de risc;

5 decizii in conditii de certitudine, decizii in conditii de incertitudine, decizii in conditii impuse de piata externa.

10) In asistarea deciziilor, pentru a gasi solutia optima, metodele analitice utilizeaza:

1 modele euristice

2 formule matematice

3 modele de cautare exhaustiva

4 modele nematematice ;

5 metode euristice.

11) Metodele de cautare exhaustiva au la baza:

1 un proces neghidat, proces in urma caruia se alege solutia optima;

2 un proces aleator;

3 un model matematic care ofera solutii aproximativ apropiate de evolutia fenomenului studiat;

4 un model euristic;

5 o combinatie intre un model matematic si un model euristic.

12) Pentru procesul decizional structurat si pentru cel semistructurat se pot folosi modelele cantitative bazate pe metode si modele ale cercetarii operationale. Aceasta abordare presupune automatizarea totala sau partiala a procesului de adoptare a deciziei si consta in urmatorii pasi:

1 descrierea si definirea problemei, gasirea categoriei din care face parte cubul OLAP, elaborarea unui model matematic care sa se plieze cel mai bine pe descrierea problemei, alegerea solutiei;

2 descrierea si definirea intrarilor si iesirilor, elaborarea unui model matematic care sa se plieze cel mai bine pe descrierea problemei, alegerea solutiei;

3 descrierea si definirea problemei, gasirea categoriei din care face parte problema, elaborarea unui model matematic care sa se plieze cel mai bine pe descrierea problemei, alegerea acelor date de intrare care vor folosi la crearea bazei de date;

4 descrierea si definirea modelului euristic, gasirea categoriei din care face parte problema, elaborarea unui model matematic care sa se plieze cel mai bine pe descrierea problemei, alegerea solutiei;

5 descrierea si definirea problemei, gasirea categoriei din care face parte problema, elaborarea unui model matematic care sa se plieze cel mai bine pe descrierea problemei, alegerea solutiei.

13) Clasificarea SIAD-urilor se face dupa mai multe criterii, cel mai des utilizat fiind gradul de analiza a datelor pe care se bazeaza solutia:

1 SIAD-uri care au la baza metode aleatoare, SIAD-uri bazate pe date, SIAD-uri bazate pe cunostinte;

2 SIAD-uri care au la baza modele, SIAD-uri bazate pe deciziile managerului, SIAD-uri bazate pe cunostinte;

3 SIAD-uri care au la baza modele, SIAD-uri bazate pe date, SIAD-uri bazate pe rezultate finale;

4 SIAD-uri care au la baza modele, SIAD-uri bazate pe date, SIAD-uri bazate pe cunostinte;

5 SIAD-uri care au la baza experienta managerului, SIAD-uri bazate pe date, SIAD-uri bazate pe cunostinte;

Subsistemul de gestiune a datelor din arhitectura unui sistem suport pentru SIAD are urmatoarele componente:

1 baza de cunostinte, SGBD ce este de obicei incorporat in SIAD, dictionarul de date (Data Dictionary), facilitatile de separare a datelor ce se refera la nonexistenta limbajelor declarative de interogare;

2 baza de date, SGBD care nu este de obicei incorporat in SIAD, dictionarul de date (Data Dictionary), facilitatile de integrare a datelor ce se refera la existenta limbajelor declarative de interogare;

3 baza de date, SGBD ce este de obicei incorporat in SIAD, dictionarul de date (Data Dictionary), facilitatile de integrare a datelor ce se refera la nonexistenta limbajelor declarative de programare;

4 baza de date, SGBD ce este de obicei incorporat in SIAD, dictionarul de date (Data Dictionary), lipsa facilitatilor de integrare a datelor;

5 baza de date, SGBD ce este de obicei incorporat in SIAD, dictionarul de date (Data Dictionary), facilitatile de integrare a datelor ce se refera la existenta limbajelor declarative de interogare.

15) Subsistemul de gestiune a modelelor din arhitectura unui sistem suport pentru SIAD are urmatoarele componente:

1 modelele, sistemul de gestiune al modelelor (similar SGBD), dictionarul (catalogul) de modele), procesul de executie si integrare a modelelor;

2 modelele, sistemul de gestiune al modelelor (similar SGBD), dictionarul (catalogul) de modele), procesul de creare si verificare a modelelor;

3 metodele, sistemul de gestiune al bazelor de date, dictionarul (catalogul) de modele), procesul de executie si integrare a modelelor;

4 modelele, sistemul de gestiune al modelelor (similar SGBD), bazele de date, procesul de executie si integrare a modelelor;

5 bazele de date, sistemul de gestiune al modelelor (similar SGBD), dictionarul (catalogul) de modele), procesul de executie si integrare a modelelor;

16) Analiza decizionala contine:

1 alternative generate de crize majore ale organizatiei, alternative decizionale, consecinte decizionale;

2 stari generale, alternative decizionale, consecinte decizionale;

3 stari generale, alternative repetitive, consecinte decizionale;

4 stari generate de inconsistenta bazei de date, alternative decizionale, consecinte decizionale;

5 stari generale, alternative la exploatarea bazei de date, consecinte decizionale;

Pasii de urmat intr-un proces de simulare pot fi:

1 definirea bazei de date, obtinerea modelului de simulare, testarea si validarea modelului, modelul de efectuare a experimentelor, evaluarea experimentelor, implementarea rezultatelor simularii;

2 definirea problemei, obtinerea deciziei managerului referitoare la datele de iesire, testarea si validarea modelului , modelul de efectuare a experimentelor, evaluarea experimentelor, implementarea rezultatelor simularii;

3 definirea problemei, obtinerea modelului de simulare, testarea si validarea modelului, modelul de efectuare a experimentelor, evaluarea experimentelor, implementarea rezultatelor simularii;

4 definirea problemei, obtinerea modelului de simulare, testarea si validarea modelului , modelul de efectuare a experimentelor, evaluarea intrarilor si iesirilor, implementarea rezultatelor simularii;

5 definirea problemei, obtinerea modelului semantic, testarea si validarea modelului, implementarea testelor, evaluarea experimentelor, implementarea rezultatelor simularii;

18) Pentru a alcatui un model de regresie se va tine cont de urmatoarele etape:

1 analiza, specificarea, estimarea parametrilor modelului, testarea semnificatiei parametrilor estimati, validarea (verificarea) modelului, utilizarea modelului in operatii de simulare si predictie;

2 analiza, specificarea, estimarea datelor de intrare, testarea semnificatiei parametrilor estimati, validarea (verificarea) modelului, utilizarea modelului in operatii de simulare si predictie;

3 analiza, sinteza, estimarea parametrilor modelului, testarea semnificatiei parametrilor estimati, validarea (verificarea) modelului, utilizarea modelului in operatii de simulare si predictie;

4 analiza, specificarea, estimarea parametrilor modelului, testarea semnificatiei datelor de iesire, validarea (verificarea) modelului, utilizarea modelului in operatii de simulare si predictie;

5 analiza, specificarea, estimarea parametrilor modelului, testarea semnificatiei parametrilor estimati, validarea (verificarea) modelului, utilizarea rezultatelor in operatii de simulare.

19) Pentru previzionarea variabilei Y din regresia liniara simpla Y=f(x) se poate folosi una din urmatoarele metode:

1 metode exhaustive, metoda filtrajului adaptiv, metoda regresiei liniare simple, metoda regresiei liniare multiple;

2 metoda glisajului exponential, metoda filtrajului adaptiv, metoda regresiei liniare simple, metoda regresiei liniare multiple;

3 metoda glisajului exponential, metode empirice, metoda regresiei liniare simple, metoda regresiei liniare multiple;

4 metoda glisajului exponential, metoda filtrajului adaptiv, metode bazate pe puncte critice, metoda regresiei liniare multiple;

5 metode retrograde, metoda filtrajului adaptiv, metoda regresiei liniare simple, metoda regresiei liniare multiple.

20) În rationamentul bazat pe cazuri, exista doua functii fundamentale de prelucrare:

1 masurarea distantei dintre membrii cotizanti ai organizatiei; combinarea rezultatelor obtinute din masurare pentru a obtine suma totala cotizata;

2 masurarea distantei dintre membrii minori si majori ai organizatiei; combinarea rezultatelor obtinute de la minori in raspunsul propus pentru majori;

3 masurarea distantei dintre membrii fiecarui cuplu managerial al organizatiei pentru a afla vecinele cele mai apropiate; combinarea rezultatelor obtinute de la "vecine" in raspunsul propus pentru cazul curent;

4 masurarea distantei dintre membrii fiecarui cuplu de inregistrari pentru a afla vecinele cele mai apropiate; combinarea rezultatelor obtinute de la "vecine" in raspunsul propus pentru cazul curent;

5 masurarea distantei dintre vecine; combinarea rezultatelor obtinute de la "vecine" in raspunsul propus pentru cazul curent;

21) Metoda rationamentului bazat pe cazuri se poate aplica pentru:

1 clasificari si predictii

2 rationamente infinite

3 cazuistica din procesele economice penale

4 cupluri manageriale

5 revizuiri ale datelor istorice ale organizatiei.

22) Tehnicile de Data Mining se pot aplica:

1 aleatoriu

2 condescendent

3 numai descendent

4 numai ascendant

5 atat ascendent cat si descendent

23) Gradul de structurabilitate a deciziei depinde de:

1 experienta acumulata de decident precum si de nivelul si importanta ei;

2 experienta acumulata de executant precum si de nivelul si importanta ei;

3 experienta acumulata de colaboratori precum si de nivelul si importanta ei;

4 experienta acumulata de decident precum si de istoricul cazuisticii acumulate;

5 experienta acumulata de decident precum si de afinitatile acestuia fata de una sau alta dintre variantele existente.

Procesul de adoptare a deciziilor este constituit din urmatoarele etape:

1 informarea generala, design-ul sau modul de alegere al procesului de asistare a deciziei si implementarea;

2 informarea particulara, design-ul sau modul de concepere al procesului de asistare a deciziei, alegerea si implementarea;

3 informarea generala, design-ul sau modul de concepere al procesului de implementare a deciziei si alegerea;

4 informarea generala, design-ul sau modul de concepere al procesului de asistare a deciziei, alegerea si implementarea;

5 informarea generala, design-ul sau modul de implementare al procesului de asistare a deciziei si alegerea.

25) Sistemele de asistare a deciziei orientate pe date:

1 functioneaza pe baza sintezei si dezagregarii datelor si au ca functii accesul imediat la date, dispun de un mecanism pentru analiza imediata a datelor, creeaza statistici;

2 functioneaza pe baza analizei si agregarii datelor si au ca functii accesul imediat la date, dispun de un mecanism pentru analiza imediata a datelor, creeaza statistici;

3 functioneaza pe baza analizei si agregarii datelor si au ca functii accesul intarziat la date, dispun de un mecanism pentru analiza intarziata a datelor, creeaza statistici;

4 functioneaza pe baza segregarii cunostintelor si au ca functii accesul imediat la cunostinte, dispun de un mecanism pentru analiza imediata a cunostintelor, creeaza statistici;

5 functioneaza pe baza sintezei si dezagregarii datelor si au ca functii accesul intarziat la date, dispun de un mecanism pentru analiza intarziata a datelor, creeaza statistici.

26) Adoptarea deciziilor constituie un proces care pe langa suportul tehnic are nevoie de un suport:

1 structural care este asigurat de partea arhitecturala componenta integranta a sistemului decizional;

2 comportamental care este asigurat de partea functionala componenta integranta a sistemului decizional;

3 credibil care este asigurat de partea scrisa pe hartie componenta integranta a sistemului decizional;

4 informativ care este asigurat de partea informatica componenta integranta a sistemului decizional;

5 cognitiv care este asigurat de partea umana componenta integranta a sistemului decizional.

27) Sistemele informatice de asistare inteligenta a deciziei sunt sisteme informatice de asistare a deciziei bazate pe:

1 date 2 cunostinte 3 baze de date 4 manageri

5 sisteme informatice.

28) Caracteristicile principale ale SIAD (DSS) sunt:

a) rezolvarea acelor probleme care nu se pot rezolva cu sisteme destinate cuantificarii cantitative;

b) rol de asistare a decidentilor (managerilor) la nivel individual sau de grup in toate etapele procesului decizional

c) timpul de raspuns pentru obtinerea unei solutii acceptabile este nelimitat;

d) solutiile sunt obtinute prin manipulari de date, cautari de informatii, modele, calcule;

e) timpul de raspuns pentru obtinerea unei solutii acceptabile este limitat.

1 a+b+c 2 b+c+d+e 3 a+b+d+e 4 b+c+d 5 a+b+c+d

29) Clasificarea sistemelor informatice de asistare a deciziei (SIAD), oferita de Holsapple si Whinston, grupeaza sistemele SIAD in tipurile:

a) SIAD bazate pe analiza textelor;

b) SIAD baze de date;

c) SIAD procesoare de tabele;

d) SIAD bazate pe functii;

e) SIAD bazate pe reguli.

1 a+b+c 2 a+b+c+d 3 a+b+c+d+e 4 b+c+d+e 5 c+d+e

30) Sistemele informatice pentru asistarea deciziei de grup (Groupware) au ca scop:

1 cresterea calitatii procesului decizional datorita lucrului in echipa precum si cresterea gradului de creativitate al grupului;

2 cresterea cantitatii informatiei procesului decizional datorita lucrului in echipa precum si cresterea gradului de creativitate al grupului;

3 cresterea ponderii procesului decizional bazat pe date informale datorita lucrului in echipa precum si cresterea gradului de creativitate al grupului;

4 diversificarea procesului decizional datorita lucrului in echipa precum si cresterea gradului de creativitate al grupului;

5 cresterea importantei procesului decizional datorita lucrului in echipa precum si cresterea gradului de creativitate al grupului.

31) Referitor la subsistemele componente ale unui sistem suport pentrru SIAD, care dintre afirmatiile prezentate mai jos nu este corecta?

1 Subsistemul de gestiune a datelor contine baza de date ce poate fi proprie SIAD sau se poate crea prin extragere de date din alte baze de date sau dintr-un depozit de date. Ea poate fi utilizata de unul sau mai multi decidenti pentru diverse aplicatii. Datele pot proveni din mai multe surse interne organizatiei sau chiar din afara ei, ele putand fi incluse

in baza de date proprie sau pot fi accesate direct doar in momentul in care se utilizeaza sistemul;

2 Subsistemul de gestiune a modelelor, contine un sistem de gestiune al modelelor (similar SGBD), destinat pentru crearea de noi modele cu ajutorul limbajelor de programare, subrutine, sau de actualizare a modelelor deja existente;

3 Subsistemul de gestiune a datelor contine facilitatile de integrare a datelor in care nu trebuie sa existe limbaje declarative de interogare

4 Subsistemul de gestiune a cunostintelor inglobeaza sisteme expert ce ofera pentru SIAD solutii pentru aspectele calitative nestructurate;

5 Subsistemul de dialog cu utilizatorul sau interfata este o componenta care asigura interactivitatea SIAD.

32) Care dintre regulile prezentate mai jos nu exista pentru solutia optima a problemei de decizie multicriteriala in conditii de incertitudine?

1 Criteriul WARD (al prudentei) 2 Criteriul SAVAGE sau regula regretului 3 Criteriul Laplace

4 Criteriul Hurwicz 5 Criteriul Schwarz

33) Care dintre metodele prezentate mai jos nu apartin programarii liniare

multidimensionale?

a) metoda utilitatii globale

b) metoda P.O.P.

c) metoda R.O.S.

d) metoda de rafinare imediata a datelor

e) metoda STEM

1 a+b+c 2 b+c+d 3 c+d 4 a+d+e 5 a+b+c+d

34) Facilitatile oferite de un sistem de gestiune a modelelor (SGM) se pot grupa in categoriile:

a) stocarea modelelor;

b) utilizarea modelelor deja existente;

c) facilitati de acces si de regasire a modelelor;

d) flexibilitate, care consta in trecerea rapida de la o abordare la alta;

e) facilitati de mentabilitate a modelelor existente cu posibilitati de pastrare a solutiilor;

f) construirea unor modele noi pe baza celor existente;

g) consistenta care da posibilitatea ca acelasi model si aceleasi date sa fie accesate de mai multi utilizatori.

1 a+b+c+d 2 a+c+d+e 3 b+c+d 4 a+b+c+d+e+f+g

5 c+d+e+g

35) Managerii utilizeaza sistemele informatice pentru:

1 planificarea, organizarea, coordonarea, controlul si previziunea activitatilor lor, dar si pentru comunicarea dintre persoane, stabilirea retelelor in interiorul organizatiei cat si la rezolvarea problemelor curente

2 analiza si proiectarea sistemelor informatice de gestiune;

3 analiza si proiectarea sistemelor expert;

4 planificarea, organizarea, coordonarea, controlul si previziunea sarcinilor didactice, dar si pentru comunicarea dintre persoane, stabilirea retelelor in interiorul organizatiei cat si la rezolvarea problemelor curente;

5 analiza si proiectarea sistemelor informatice pentru asistarea deciziei.

36) În cazul deciziilor in conditii de risc:

a) Aceste decizii presupun ca decidentul cunoaste aproximativ evolutia viitoare a fenomenului, posibilul trend al variabilelor necontrolabile si chiar ce rezultate are fiecare strategie analizata pe baza criteriului sperantei matematice;

b) Aceste decizii presupun cunoasterea evolutiei anterioare a fenomenului economic. Acest mod de cunoastere va

permite o previziune si o alegere cat de cat corecta a variantei de decizie. Acest tip de decizie face parte din clasa generala a deciziilor de orientare in care alegerea unei variante se face in functie de previziunile viitoare ale

decidentului precum si de criterii obiective care presupun rationament logic;

c) Aceste decizii presupun un ansamblu de decizii anterioare, cu verificarea rezultatelor in practica;

d) Procesul de decizie va avea o multitudine de consecinte, iar fiecareia i se va asocia o probabilitate. Se obtine o distributie a probabilitatilor din care se va alege varianta cu speranta matematica cea mai buna. Daca exista variante de decizie care au aceeasi speranta matematica, atunci se va calcula intervalul de variatie si abaterea standard. Ca varianta optima se va alege aceea care are cea mai mica abatere standard;

e) Aceste decizii presupun o cunoastere a evolutiei fenomenelor viitoare, ceea ce se petrece mai rar in realitatea

economica. O astfel de decizie se bazeaza pe criteriul costului minim de functionare.

1 a+b+c 2 a+d 3 b+c+d 4 c+d+e 5 a+c+e

37) În cazul deciziilor in conditii de certitudine:

1 Aceste decizii presupun ca decidentul cunoaste aproximativ evolutia viitoare a fenomenului, posibilul trend al variabilelor necontrolabile si chiar ce rezultate are fiecare strategie analizata pe baza criteriului sperantei matematice;

2 Aceste decizii presupun cunoasterea evolutiei anterioare a fenomenului economic. Acest mod de cunoastere va permite o previziune si o alegere cat de cat corecta a variantei de decizie. Acest tip de decizie face parte din clasa generala a deciziilor de orientare in care alegerea unei variante se face in functie de previziunile viitoare ale decidentului precum si de criterii obiective care presupun rationament logic;

3 Aceste decizii presupun un ansamblu de decizii anterioare, cu verificarea rezultatelor in practica;

4 Procesul de decizie va avea o multitudine de consecinte, iar fiecareia i se va asocia o probabilitate. Se obtine o distributie a probabilitatilor din care se va alege varianta cu speranta matematica cea mai buna. Daca exista variante de decizie care au aceeasi speranta matematica, atunci se va calcula intervalul de variatie si abaterea standard. Ca

varianta optima se va alege aceea care are cea mai mica abatere standard;

5 Aceste decizii presupun o cunoastere a evolutiei fenomenelor viitoare, ceea ce se petrece mai rar in realitatea economica. O astfel de decizie se bazeaza pe criteriul costului minim de functionare.

38) În cazul deciziilor in conditii de incertitudine:

3 Aceste decizii presupun un ansamblu de decizii anterioare, cu verificarea rezultatelor in practica;

varianta optima se va alege aceea care are cea mai mica abatere standard;

5 Aceste decizii presupun o cunoastere a evolutiei fenomenelor viitoare, ceea ce se petrece mai rar in realitatea economica. O astfel de decizie se bazeaza pe criteriul costului minim de functionare.

39) În etapa de alegere pentru adoptarea deciziei, metodele de cautare euristice se bazeaza pe:

a) o riguroasa analiza a problemei sau printr-o cautare prin incercari succesive a spatiului solutiilor;

b) folosesc formule matematice pentru a gasi solutia optima;

c) folosesc formule statistice pentru a gasi solutia optima;

d) folosesc formule financiare pentru a gasi solutia optima;

e) rationamentul facut prin parcurgerea spatiului de cautare a solutiilor ce permite trecerea prin toate stadiile intermediare catre o stare finala care poate fi un rezultat satisfacator sau o nereusita (esec).

1 a+b+c 2 a+c+e 3 a+e 4 b+c+d 5 c+e

40) Sistemele informatice de asistare a deciziei orientate pe date sunt rezultatul crearii unor tehnologii speciale cum sunt:

a) exploatarea datelor prin procesarea online a tranzactiilor (OLTP, OnLine Transation Processing);

b) depozitarea unor volume enorme de date istorice ale organizatiei (Data Warehousing)

c) birotica;

d) exploatarea depozitelor de date prin procesare analitica on-line (OLAP, OnLine Analytical Processing)

e) Automatizarea lucrarilor de birou (OAS, Office Automation Systems);

1 a+b+c 2 b+d

3 c+d+e 4 d+e 5 a+e

41) Diferenta dintre sistemele informatice pentru management (MIS) si sistemele informatice pentru asistarea deciziei, SIAD (DSS) consta in aceea ca:

1 MIS pleaca de la decident si de la decizie pe cand SIAD-ul porneste de la date si relatiile dintre acestea;

2 MIS pleaca de la relatiile interumane pe cand SIAD-ul porneste de la relatiile dintre sistemele informatice;

3 MIS pleaca de la date si relatiile dintre acestea pe cand SIAD-ul porneste de la decident si de la decizie

4 MIS pleaca de la relatiile dintre sistemele informatice pe cand SIAD-ul porneste de la relatiile interumane;

5 MIS pleaca de la decident si de la decizie pe cand SIAD-ul porneste de la relatiile interumane.

42) Sistemele informatice de sprijin al executivului, ESS (EIS), sunt sisteme informatice:

a) destinate asistarii deciziilor pe cel mai de jos nivel al managementului organizational;

b) destinate asistarii deciziilor pe cel mai inalt nivel al managementului organizational;

c) ajuta la identificarea si rezolvarea problemelor prin sesizarea de noi oportunitati;

d) au posibilitatea de a oferi decidentului tendinte, analize pentru activitatea concurentiala;

e) destinate asistarii deciziilor pe nivelul de mijoc al managementului organizational.

1 a+b+c+d 2 b+c+d 3 c+d+e 4 a+b+e 5 a+c

43) Modelarea este considerata esentiala pentru sistemele informatice de asistare a deciziei si implica:

1 partea de implementare a problemei de rezolvat;

2 partea de sinteza a problemei si partea de concretizare in expresii cantitative sau calitative;

3 partea de discreditare a problemei de rezolvat;

4 partea de discretizare a problemei de rezolvat;

5 partea de concepere a problemei si partea de abstractizare in expresii cantitative sau calitative.

44) Modelul unei probleme de programare liniara poate fi sintetizat astfel:

1 determinarea unei valori medii pentru functia obiectiv care depinde de una sau mai multe variabile care satisfac restrictiile modelului (conditii implicite) sau care se refera la valorile ce pot fi luate de variabile (conditii explicite); problemele de programare liniara au restrictii de tip inegalitati si conditii explicite puse unora dintre variabile;

2 determinarea unui min sau max pentru functia obiectiv care depinde de una sau mai multe variabile care satisfac restrictiile modelului (conditii implicite) sau care se refera la valorile ce pot fi luate de variabile (conditii explicite); problemele de programare liniara au restrictii de tip inegalitati si conditii explicite puse unora dintre variabile

3 determinarea unui min sau max pentru functia obiectiv care depinde de una sau maimulte variabile care satisfac restrictiile modelului (conditii implicite) sau care se refera la valorile ce pot fi luate de variabile (conditii explicite); problemele de programare liniaraau restrictii de tip egalitati si conditii explicite puse unora dintre variabile;

4 determinarea unei valori medii pentru functia obiectiv care depinde de una sau mai multevariabile care satisfac restrictiile modelului (conditii implicite) sau care se refera la valorile ce pot fi luate de variabile (conditii explicite); problemele de programare liniara au restrictii de tip egalitati si conditii explicite puse unora dintre variabile;

5 determinarea unui min sau max pentru functia obiectiv care nu depinde de nici o variabila; problemele de programare liniara au restrictii de tip inegalitati si conditii explicite puse unora dintre variabile;

45) În SIAD-urile bazate pe analiza si sinteza datelor, analiza datelor presupune:

1 a gasi relatii intre datele distribuite, cum ar fi: disocieri, corelatii structurale, cauzale sau functionale;

2 a gasi relatii intre datele centralizate cum ar fi: asocieri, corelatii structurale, cauzale sau functionale;

3 a gasi relatii intre datele tranzactionale cum ar fi: asocieri, corelatii structurale, cauzale sau functionale;

4 a gasi relatii intre datele sintetizate cum ar fi: disocieri, corelatii structurale, cauzale sau functionale;

5 a gasi relatii intre datele sintetizate cum ar fi: asocieri, corelatii structurale, cauzale sau functionale.

46) În SIAD-urile bazate pe analiza si sinteza datelor, rezultatul procesului de observare analitica este:

1 obtinerea unor tipare, corelatii si uneori modele din care se pot deduce tendinte sau se poate previziona cu o anumita probabilitate cum vor arata datele pe o perioada ulterioara;

2 obtinerea unor tipare, corelatii si uneori modele din care nu se pot deduce tendinte sau nu se poate previziona cu o anumita probabilitate cum vor arata datele pe o perioada ulterioara;

3 obtinerea unor modele din care se pot dezvolta SIAD-uri bazate pe modele;

4 obtinerea unor tipare, corelatii si uneori modele din care nu se pot deduce tendinte, dar se poate previziona cu o anumita probabilitate cum vor arata datele pe o perioada ulterioara;

5 obtinerea unor tipare, corelatii si uneori modele din care se pot deduce tendinte, dar nu se poate previziona cu o anumita probabilitate cum vor arata datele pe o perioada ulterioara.

47) Sistemele de asistare a deciziei care au la baza sinteza si analiza datelor realizeaza:

1 modele necesare pentru a obtine informatii care sa reliefeze factorii care influenteaza pozitiv sau negativ performantele companiei;

2 dispersarea, distribuirea, decorelarea si regruparea datelor pentru a obtine informatii care sa reliefeze factorii care influenteaza pozitiv sau negativ performantele companiei;

3 conditionarea datelor pentru a obtine informatii care sa reliefeze factorii care influenteaza pozitiv sau negativ performantele companiei;

4 comasarea, sistematizarea, corelarea si gruparea datelor pentru a obtine informatii care sa reliefeze factorii care influenteaza pozitiv sau negativ performantele companiei;

5 comasarea, sistematizarea, corelarea si gruparea datelor pentru a obtine informatii care sa reliefeze factorii care nu influenteaza performantele companiei.

48) Principalele inconveniente ale depozitelor de date sunt:

a) timpul mic necesar exploatarii lor;

b) aglomerarea motorului bazei de date cu task-uri de centralizare care grabeste astfel tranzactiile curente;

c) timpul mare necesar exploatarii lor

d) integritatea si coerenta bazei de date

e) aglomerarea motorului bazei de date cu task-uri de centralizare care incetineste astfel tranzactiile curente.

1 a+b+c 2 b+c+d 3 c+d+e 4 c+e 5 a+c+e

49) Fara ca utilizatorul sa poata interveni, in depozitul de date se pot stoca:

a) arhive de date privind activitatea anterioara

b) interogari curente;

c) date referitoare la tranzactii ulterioare

d) decizii ale managementului strategic

e) hotarari ale managementului strategic;

1 a+b+c 2 b+c+d 3 c+d 4 a+c 5 a+d+e

50) Diferentele dintre depozitul de date si baza de date sunt urmatoarele:

a) datele continute de un sistem de prelucrare a tranzactiilor, OLTP (On-Line Transaction Processing) sunt de

tip operational, iar datele continute de un depozit de date sunt specifice asistarii deciziilor, sunt date centralizate sau derivate din date operationale, nu se modifica in timp si sunt destinate utilizatorilor finali;

b) in cazul sistemelor tranzactionale, performantele se refera la integritate, confidentialitate, siguranta si timp de raspuns intrucat un numar mare de utilizatori introduc date in sistem, in timp ce in cazul SIAD (deci a depozitelor de date) numarul de utilizatori finali (manageri) este foarte mic. Astfel si securitatea si siguranta in exploatare nu sunt supuse unor riscuri majore, procedurile de salvare si restaurare fiind mai putin utilizate decit in cazul sistemelor tranzactionale;

c) datele procesate in sistemele tranzactionale sunt in seturi relative mici, introduse recent si compact, astfel incat prelucrarea se face destul de rapid. În procesele decizionale, datele necesare acestora sunt in volum mare, stocate dispersat ceea ce duce la o prelucrare mai lenta;

d) bazele de date construite pentru sisteme tranzactionale sunt proiectate si realizate pe baza unor cerinte cunoscute si certe, modificarile care intervin datorita adaptarii sistemului la schimbarile intervenite reiau anumite faze ale ciclului de viata. Dar odata implementate ele functioneaza perioade lungi de timp fara modificari. În SIAD cerintele sunt cunoscute doar partial in momentul proiectarii si realizarii lor, ceea ce obliga depozitul de date sa se adapteze din mers cerintelor. De aceea se observa ca datele gestionate pentru sisteme tranzactionale sunt privite ca un intreg, pe cand cele din depozitele de date sunt organizate pe sectiuni deoarece ele sunt organizate in functie de subiectul de analiza;

e) sistemele tranzactionale reflecta de obicei fluxul datelor din activitati curente, pe cand depozitele de date sunt orientate pe subiecte cum ar fi de exemplu: resurse, produse, clienti, furnizori.

1 a+b+c 2 b+c+e 3 c+d+e 4 a+b+d+e 5 a+b+c+d+e

51) Depozitul de date (Data Warehouse) este o colectie de date care sprijina decizia, in care datele sunt:

a) orientate pe subiecte; d) non-volatile;

b) neintegrate; e) integrate.

c) corelate in timp;

1 a+b+c+d a+c+d+e 3 b+c+d+e 4 a+c+e 5 b+c+d

52) Una din subetapele design-ului sau modului de concepere al procesului de asistare a deciziei este modelarea ce implica:

1 o etapa in care sunt analizate evenimentele aparute in organizatie si depistate cauzele lor de aparitie;

2 etapa in care se face declansarea actiunii alese (propuse) de decident;

3 modul de concepere a problemei precum si abstractizarea ei cantitativa si/sau calitativa; experienta decidentului isi pune amprenta pe modul de alegere a modelului dintr-o multitudine existenta; dezvolta proceduri mentale care ajuta la incadrarea problemei de rezolvat intr-o anume clasa de modele existente;

4 etapa de baza pentru adoptarea deciziei deoarece in cadrul ei se concretizeaza rezultatele obtinute in celelalte etape; decidentul alege o singura actiune din multitudinea existenta in functie de criteriul de selectie propus si de modelul decizional pe care l-a ales;

5 atat analiza, cat si adoptarea deciziei.

53) Mediul in care se construieste si se exploateaza un depozit de date contine urmatoarele elemente:

a) surse de date tranzactionale;

b) instrumente de proiectare-dezvoltare;

c) instrument de extractie si transformare a datelor;

d) sistemul de gestiune al bazei de date;

e) instrumente de acces si analiza a datelor;

f) instrumente de administrare.

1 a+b+c+d 2 b+c+d+e 3 a+b+c+d+e+f 4 a+d+e+f 5 c+d+e+f

54) Dintre cele 11 principii formulate de Ted Codd (1992) care stau la baza tehnologiei OLAP, fac parte:

a) abordarea conceptuala multidimensionala a datelor;

b) asigurarea unei transparente sporite prin existenta unei arhitecturi deschise a sistemului;

c) numar limitat de niveluri de agregare si de dimensiuni;

d) accesibilitatea asigurata utiliz prin asistarea implicarii acestuia in modalitatile tehnice de furnizare a datelor

e) complexitatea dimensionala a analizei ofera performante stabile;

1 a+b+c+d 2 a+b+d+e 3 b+c+d+e

4 c+d+e5 a+c+e

55) Dintre cele 11 principii formulate de Ted Codd (1992) care stau la baza tehnologiei OLAP, fac parte:

a) posibilitatea de acces a unui singur utilizator (mono-user) la aceeasi faza (etapa) de analiza;

b) utilizarea arhitecturii client-server, unde server-ul are ca scop omogenizarea datelor;

c) posibilitatea de a efectua aceleasi operatii asupra tuturor dimensiunilor si care poarta numele de prelucrare generica a dimensiunilor;

d) gestionarea dinamica a matricilor incrucisate prin facilitatea de a elimina combinatiile dimensionale nule, pentru a nu incarca memoria calculatorului;

e) posibilitatile de acces simultan a mai multor utilizatori (multiuser) la aceeasi faza (etapa) de analiza.

1 a+b+c+d 2 b+c+d+e 3 a+c+d+e 4 a+c+d 5 a+d+e

56) Dintre cele 11 principii formulate de Ted Codd (1992) care stau la baza tehnologiei OLAP, fac parte:

a) operatii nerestrictive, ceea ce da posibilitatea executarii fara restrictii a calculelor pentru toate combinarile de dimensiuni si niveluri ierarhice;

b) numar limitat de niveluri de agregare si de dimensiuni;

c) posibilitatea manipularii intuitive a datelor;

d) numar nelimitat de niveluri de agregare si de dimensiuni;

e) operatii restrictive, ceea ce da posibilitatea executarii cu restrictii a calculelor pentru toate combinarile de dimensiuni si niveluri ierarhice;

1 a+b+c 2 a+c+d 3 c+d+e 4 a+b+e 5 c+e

57) Testul cu 5 reguli denumit FASMI (Fast Analysis Shared Multidimensional Information) pentru definirea caracteristicilor unei aplicatii OLAP se refera la:

a) rapida; b) analiza;

c) partajata;d) multidimensionala;e) informatie

1 a+b+c+d+e 2 b+c+d+e 3 c+d+e 4 d+e 5 e

58) Testul cu 5 reguli denumit FASMI (Fast Analysis Shared Multidimensional Information) pentru definirea caracteristicilor unei aplicatii OLAP se refera la:

1 informatie unidimensionala prin analiza partajata rapida;

2 informatie multidimensionala prin analiza partajata rapida;

3 informatie multidimensionala prin analiza partajata lenta;

4 informatie multidimensionala prin analiza nepartajata rapida;

5 informatie unidimensionala prin analiza partajata incetinita;

59) Tehnologia OLAP se caracterizeaza prin:

a) perspectiva unidimensionala a datelor;

b) perspectiva multidimensionala a datelor;

c) capacitatea de calcul ponderat;

d) capacitatea de calcul intensiv;

e) orientare in timp (time intelligence).

1 a+c+e 2 b+d+e 3 c+d+e 4 a+b+c 5 a+b+c+d+e

60) În tehnologia OLAP, perspectiva multidimensionala asupra datelor este data de posibilitatea:

1 de a integra un aspect care caracterizeaza activitatea unei intreprinderi cu un aspect care caracterizeaza activitatea altei intreprinderi;

2 de a integra multiplele aspecte care caracterizeaza activitatea unei intreprinderi si care sunt considerate dintr-o singura perspectiva (a banilor);

3 de a integra un aspect care caracterizeaza activitatea unei intreprinderi cu un aspect care caracterizeaza activitatea altei intreprinderi, din perspectiva profitului comun;

4 de a integra un aspect care caracterizeaza activitatea unei intreprinderi cu un aspect care caracterizeaza activitatea altei intreprinderi, din perspectiva activitatilor comune;

5 de a integra multiplele aspecte care caracterizeaza activitatea unei intreprinderi si care sunt considerate din perspective multiple ca: timp, bani, produse.

61) În tehnologia OLAP, conceptul de dimensiune este folosit:

1 cu inteles de aspect, dimensiunile fiind independente si cu unitati de masura specifice dimensiunii respective

2 cu inteles de unitate de masura;

3 cu inteles de generator de date, dimensiunile fiind dependente unele de altele si cu unitati de masura specifice dimensiunii respective;

4 cu inteles de baza de date, dimensiunile fiind dependente unele de altele si cu unitati de masura specifice dimensiunii respective

5 cu inteles definit de contextul in care se folosesc datele.

62) În tehnologia OLAP, unitatile de masura pot constitui:

1 criterii de dezagregare a datelor

2 criterii de agregare a datelor

3 criterii de distributie a datelor;

4 criterii de repartizare a datelor catre utilizatori

5 criterii de definire contextuala a datelor.

63) În tehnologia OLAP, fiecare dimensiune este definita in genere prin mai multe:

1 linii;2 coloane 3 niveluri; 4 tabele; 5 matrici.

64) În tehnologia OLAP, nivelele unei dimensiuni formeaza:

1 baza pentru nivelele altei dimensiuni 2 o baza de date

3 un depozit de date

4 ierarhia 5 un raft de date.

65) În tehnologia OLAP, modelarea multidimensionala este caracterizata de cateva concepte de baza:

a) cuantificarea activitatii (aspectul cantitativ);

b) dimensiunile activitatii c) criteriile e) consecintele.

d) faptele;

1 a+b+c 2 b+c+d 3 a+b+d 4 a+d+e 5 a+b+c+e

Cubul OLAP este:

1 o structura unidimensionala prin care se modeleaza complexul de activitati pe o perioada indelungata de timp;

2 o structur cu o singura dimensiune prin care se modeleaza complexul de activitati pe o perioada indelungata de timp

3 o struct multidimensionala prin care se modeleaza complexul de activitati pe o perioada indelungata d timp

4 o structura multidimensionala prin care se modeleaza complexul de activitati numai intrun moment de timp definit de administrator;

5 o structura multidimensionala prin care se modeleaza o baza de date tranzactionala.

67) În cubul OLAP, prin operatia drill-down se obtin:

1 date de conjunctura 2 detalii 3 date sintetice

4 date elementare 5 date complexe.

68) În cubul OLAP, prin operatia drill-up se obtin:

1 date de conjunctura 2 detalii 3 date sintetice

4 date elementare 5 date complexe.

69) În cubul OLAP, prin sectionare (slicing) se creeaza posibilitatea:

1 selectarii prin vizualizare doar pentru un membru al unei dimensiuni, adica un plan din cubul tridimensional. Sectiunea astfel obtinuta va apare ca un tabel pilot cu valorile dimensiunilor pe laturi si cu specificarea valorii alese pentru dimensiunea suprimata;

2 proiectiei unei dimensiuni pe o alta. De obicei o dimensiune din primul plan este combinata cu o alta dimensiune din adancime. Acest proces se mai numeste imbricarea dimensiunilor;

3 selectarii prin vizualizare simultana a tuturor dimensiunilor din cubul tridimensional;

4 selectarii prin vizualizare a tuturor inregistrarilor din baza de date;

5 proiectiei unei dimensiuni pe ea insasi.

70) În cubul OLAP, defalcarea (dicing) este operatia de:

1 selectare prin vizualizare doar pentru un membru al unei dimensiuni, adica un plan din cubul tridimensional. Sectiunea astfel obtinuta va apare ca un tabel pilot cu valorile dimensiunilor pe laturi si cu specificarea valorii alese pentru dimensiunea suprimata;

2 proiectie a unei dimensiuni pe o alta. De obicei o dimensiune din primul plan este combinata cu o alta dimensiune din adancime. Acest proces se mai numeste imbricarea dimensiunilor;

3 selectare prin vizualizare simultana a tuturor dimensiunilor din cubul tridimensional;

4 selectare prin vizualizare a tuturor inregistrarilor din baza de date;

5 proiectie a unei dimensiuni pe ea insasi.

71) Ciclul in utilizarea Data Mining cuprinde etapele:

a) analiza problemei;

b) definirea oportunitatilor comerciale si a datelor pe care se face exploatarea;

c) obtinerea de informatii din colectiile de date existente prin tehnici Data Mining;

d) adoptarea deciziilor si actiunilor in urma informatiilor rezultate;

e) cuantificarea cat mai corecta a rezultatelor concrete pentru a identifica si alte cai de exploatare a datelor.

1 a+b+c+d 2 b+c+d+e 3 a+c+e 4 a+d+e 5 a+c

72) Destinatia actiunilor oferite de Data Mining este:

a) clasificarea; b) estimarea; c) predictia; d) gruparea;

e) esantionarea.

1 a+b+c+d 2 b+c+d+e 3 a+c+d+e 4 b+d+e 5 c+e

73) Data Mining presupune parcurgerea urmatoarelor etape:

a) definirea problemei; ;

b) identificarea surselor de date; ;

c) colectarea si selectarea datelor;

d) pregatirea datelor;

e) definirea si construirea modelului

f) evaluarea modelului

g) integrarea modelului.

1 a+b+c+d+e+f+g 2 b+c+d+e+f 3 c+d+e 4 f+g

5 a+c+e+f+g

74) Factorii care au dus la necesitatea Data Mining sunt:

a) arhivele de date memorate pe suporturi informatice;

b) arhivele de date stocate in memoria operativa a sistemului de calcul;

c) existenta si perfectionarea algoritmilor si a produselor program dedicate;

d) arhivele de date stocate pe suport hartie;

e) cresterea capacitatii de memorare si prelucrare a calculatoarelor care permit tratarea corelativa a volumelor mari de date.

1 a+b+c+d 2 a+c+e 3 c+d+e 4 b+c 5 d+e

75) Informatiile care se pot obtine prin Data Mining sunt:

1 date complexe 2 retroactive

3 complementare sau periodice

4 date elementare

5 predictive sau descriptive

76) Prin tehnologia Data Mining se prelucreaza date care se refera la:

1 perioade viitoare (date viitoare), care sunt presupuse si nu sunt cunoscute, pe baza lor constituindu-se un model;

2 perioade diverse, care sunt examinate si sunt cunoscute din relatarile expertilor, p baza lor constituindu-se un model

3 perioade anterioare (date istorice) si perioade viitoare (date prognozate), care sunt examinate pe baza flerului analistilor, pe baza lor constituindu-se un model;

4 perioade anterioare (date istorice), care sunt examinate si sunt deja cunoscute, p baza lor constituindu-se un model

5 perioade anterioare (date istorice), care nu pot fi examinate din cauza complexitatii lor p baza lor constituindu-se un model

77) Simularea prin metoda Monte Carlo presupune ca:

1 unei probleme deterministe i se asociaza un model aleator, numit si probabilist, iar prin generarea unor variabile aleatoare legate de solutie se realizeaza experienta pe model.

2 unei probleme aleatoare i se asociaza un model determinist, numit si exact, iar prin generarea unor variabile deterministe legate de solutie se realizeaza experienta pe model.

3 unei probleme deterministe i se asociaza un model determinist, numit si fixist, iar prin generarea unor variabile deterministe legate de solutie se realizeaza experienta pe model.

4 unei probleme aleatoare i se asociaza un model aleator, numit si probabilist, iar prin generarea unor variabile aleatoare legate de solutie se realizeaza experienta pe model.

78) Principalele etape de desfasurare a unui joc de intreprindere sunt urmatoarele:

etapa de instruire a participantilor;

2) etapa de gandire initiala asupra strategiei jocului;

etapa de adoptare a deciziilor de catre participanti;

etapa in care arbitrul efectueaza calculele prin evaluare consecintelor aparute dupa primirea de la participanti a deciziilor adoptate si a perturbatiilor de la consilieri;

etapa in care arbitrul publica o informare asupra rezultatelor obtinute, in urma carora jucatorii fac la randul lor o analiza rezultatelor;

6) etapa de efectuare a unui test de continuare sau de incetare a jocului de catre arbitru;

etapa de anuntare a sfarsitului jocului si a rezultatelor finale.

1 1+2+3+4+5+6 2 1+2+3+4+6+7 3 2+3+4+5+6+7

79) Procesul de depozitare a datelor (Data Warehousing) contine urmatoarele componente majore:

1) Sursele de date;

2) Extragerea, transformarea si incarcarea datelor din bazele de date operationale, ETL (Extraction, Transformation and Load);

3) Personalul de specialitate;

4) Depozitul de date de tip intreprindere, EDW (Enterprise Data Warehouse);

5) Metadatele (programe soft pentru date si reguli pentru organizarea rezumatelor de date. Sunt usor de indexat si regasit, inclusiv prin instrumente Web);

6) Instrumente de tip middleware, ce asigura accesul la depozitul de date (OLAP, Data Mining, instrumente soft de intocmire a rapoartelor si de vizualizare a datelor);

7) Instrumente (Tools) de manipulare a entitatilor pe rafturile depozitului.

1 1+2+3+4+5 2 1+2+4+5+6 3 1+2+4+6+7 4 2+3+4+5+6

80) Caracteristicile fundamentale ale depozitelor de date (Inmon - 2005, Tuban - 2007) sunt urmatoarele:

1) orientarea pe subiecte

2) integrarea

3) nonvolatilitatea

4) volatilitatea

5) variabilitatea in timp (serii de timp)

6) includerea aplicatiilor bazate pe Web;

7) utilizarea arhitecturii client/server

8) utilizarea structurilor de baze de date relationale sau de baze de date multidimensionale

9) folosirea metadatelor (date despre date)

1 1+2+3+4+5+6+7+82 2+3+4+5+6+7+8+93 1+2+3+5+6+7+8+9 4 1+3+4+5+6+7+8+9

81) Integrarea datelor intr-un depozit de date contine trei procese majore. Alegeti-le din urmatoarea enumerare:

1) securizarea datelor;

2) accesul la date;

3) realizarea federatiei de date;

4) pregatirea speciala a personalului de specialitate;

5) reflectarea oportuna in depozitul de date a modificarilor semnificative ale datelor provenite din sursele de date de tip intreprindere.

1 1+2+3 2 2+3+4 3 3+4+5 4 1+3+5 5 2+3+5

82) Turban (2007) diferentiaza trei tipuri principale de depozite de date. Alegeti-le din urmatoarea enumerare:

1) rafturile de date, DM (Data Marts);

2)memoriile-tampon de date operationale, ODS (Operational Data Stores);

3)sursele de date principale, MDS, Main Data Sources;

4)depozitele de date pentru acasa, HDW, Home Data Warehouse;

5)depozitele de date de tip intreprindere, EDW (Enterprise Data Warehouse).

1 1+2+3 2 2+3+4 3 1+2+4 4 1+2+5 5 1+3+5

83) In principiu, procesul Data Mining poate fi aplicat asupra oricarui tip de depozit de date, precum si asupra fluxurilor de date ("trecatoare"). Dintre acestea cele mai uzuale sunt:

bazele de date relationale;

bazele de date tranzactionale;

3) bazele de date periodice;

depozitele de date - Data Warehouses;

bazele de date obiecturale;

bazele de date in tehnologii avansate.

1 1+2+3+4+5 2 1+2+4+5+6 3 2+3+4+5+6 4 1+3+4+5+6

COMPLETARI

1) Sistemele de asistare a deciziei orientate pe date lucreaza cu date ce se gasesc in depozitul de date al organizatiei.

2) Sistemul este o colectie de parti (elemente) organizate si interconectate pentru indeplinirea unui anumit scop.

3) Sistemul, in plan conceptual, este expresia abstractizarii unor fapte, fenomene, procese, obiecte din universul real pe baza unei structuri logice predefinite.

4) Evolutia tehnologiilor informatiei si ale comunicatiilor, IT&C influenteaza evolutia procesului managerial prin oferta de mijloace si instrumente din ce in ce mai performante pentru rezolvarea sarcinilor managerilor, sintetizate in ESS, mis, DSS, KWS, OAS.

5) Sistemele informatice ofera un nivel rapid de obtinere, analiza si interpretare a unei mari cantitati de date si informatie, ajutand la o adaptare rapida a decidentilor intr-un mediu economic in permanenta dinamica.

6) Decizia se poate defini si ca fiind rezultatul unor activitati constiente de alegere a unei cai de actiune, alegere care presupune alocarea unor resurse.

7) În organizatia economica, resursele alocate sunt umane, materiale, financiare si informationale.

8) O clasificare a deciziilor poate fi facuta in functie de cunostintele de care dispune decidentul referitoare la evolutia problemei pe care o are de rezolvat.

9) Procesul decizional este ansamblul de activitati executat de o persoana/grup de persoane care sunt puse in fata unui fenomen care poate genera mai multe variante de actiune si avand drept obiectiv alegerea uneia dintre ele care sa raspunda cel mai bine sistemului de valori ale persoanei, grupului de persoane sau organizatiei in ansamblul sau.

10) Alegerea este etapa de baza pentru adoptarea deciziei deoarece in cadrul ei se concretizeaza rezultatele obtinute in celelalte etape.

11) Decidentul alege o singura actiune din multitudinea existenta in functie de criteriul de selectie propus si de modelul decizional pe care l-a ales.

12) Decidentul alege intre posibilitati in functie de solutionarea definitiva a modelului de selectarea celei mai adecvate alternative si tot el selecteaza planul pentru implementare.

13) Metodele analitice sunt utilizate in asistarea deciziei datorita utilizarii formulelor matematice pentru a gasi solutia optima.

14) Utilizarea metodelor analitice in asistarea deciziei este restrictionata de natura problemelor, iar acestea trebuie sa fie structurate.

15) Se pot aplica metode analitice pentru probleme de gestiune a stocurilor sau de alocare a resurselor.

16) Sistemele de asistare a deciziei orientate pe date se gasesc in depozitul de date al organizatiei.

17) Semantic, un sistem informatic de asistare a deciziei este o arhitectura abordata unitar, care presupune un dialog permanent cu utilizatorul, dar decizia finala este adoptata de utilizator si nu de sistem.

18) Subsistemul de gestiune a cunostintelor, cu inglobarea de sisteme expert, ofera pentru SIAD solutii pentru aspectele calitative / nestructurate ! ? !

19) Simularea prezinta avantaje deoarece modelul este obtinut de obicei din perspectiva decidentului; este unica metoda din cadrul SIAD care se poate utiliza pentru problemele nestructurate, surprinde complexitatea reala a problemei si se poate aplica unor mari diversitati de probleme manageriale

20) Modelele predictive au ca scop anticiparea evolutiei viitoare a sistemului considerat in functie de evolutiile sale anterioare

21) Predictia are un caracter limitat fata de previziune (prognoza) care inseamna depasirea cadrului statistic permis

de modelele de regresie.

22) Programarea euristica conduce la generarea unei solutii aproximate pentru probleme complexe de obicei nestructurate

23) La programarea euristica, evaluarea rezultatelor se realizeaza cu ajutorul functiei de evaluare care depinde de stare si de informatiile referitoare la acea stare.

24) Tehnicile de observare analitica a datelor se regasesc intr-o tehnologie moderna denumita Data mining

25) Datele care formeaza suportul pentru tranzactiile primare sunt prelucrate pentru a se obtine informatii de sinteza necesare planificarii si luarii deciziilor si sunt tratate de instrumentele SGBD.

26) Depozitul de date se construieste progresiv adica el permite completari si dezvoltari ulterioare.

27) Popularea depozitelor de date se face prin preluare din sisteme tranzactionale, dar care vor fi supuse unor procese complexe de transformare care sa corespunda structurii depozitului care a fost proiectat.

28) În exploatarea curenta a depozitului de date, frecvent vor apare noi cerinte informationale care vor duce neaparat la extinderea structurii, la popularea cu extensii cuprinzand date istorice, precum si la integrarea noilor date incorporate in aplicatii de analiza.

29) În etapa de conceptie a unui depozit de date se folosesc modele dimensionale care grupeaza datele din tabelele relationale in scheme de tip stea sau fulg de zapada.

30) La depozitele de date, criteriile de agregare sunt denumite dimensiuni

31) La depozitele de date, schemele de tip stea, fulg de nea sau constelatie sunt modele conceptuale multidimensionale ale acestor depozite, avand ca rol organizarea datelor pe subiecte necesare procesului de decizie.

32) OLAP presupune ca analiza datelor (care pot fi de tip numeric sau statistic) poate fi predefinita de cel care creeaza aplicatia sau chiar de utilizatorul final.

33) În tehnica OLAP, privite din punct de vedere multidimensional, datele sunt reprezentate in hipercuburi de date, prin extinderea cubului tridimensional la cel n-dimensional.

34) Baza de date multidimensionala este formata din doua structuri: structura datelor in care se stocheaza masurile activitatilor preluate din tabela de fapte a depozitului de date. Datele vor fi prezentate utilizatorului in celulele tabelelor pivot; structura metadatelor care este formata din totalitatea dimensiunilor si membrilor acestora precum si din structurile ierarhice ale dimensiunilor. Utilizatorul poate vizualiza aceasta structura ca nume de coloane si linii care reprezinta informatiile de pe axele cuburilor.

35) La un hipercub OLAP, nivelul de detaliu (granularitatea) reprezinta numarul de membri ai unei dimensiuni.

36) Ajustarea nivelului de granularitate este realizata de OLAP prin exploatarea ierarhiilor dimensiunilor prin comasari si descompuneri ale masurilor prin proceduri care poarta numele de roll-up si drill-down.

37) În Data Mining, clasificarea are ca scop plasarea obiectelor prelucrate intr-un grup limitat de clase predefinite.

POTRIVIRE

Precizati esenta fiecarei metode utilizate in problemele de programare liniara multidimensionala, prin indicarea corespondentei intre denumirea metodei si enuntul care descrie esenta metodei:

1 metoda utilitatii globale

2 metoda STEM

3 metoda P.O.P.

1) algoritmul care descrie aceasta metoda presupune o ordonare a solutiilor in functie de

criterii de preferinta definite de decident

2) consta in definirea unei functii de utilitate care inlocuieste functia obiectiv

3) consta in definirea unei functii obiectiv de sinteza cu coeficienti care vor fi atasati fiecarui criteriu

4) problema de programare liniara este luata drept o problema de decizie multidimensionala.

Precizati esenta fiecarui tip de SIAD, prin indicarea corespondentei intre denumirea SIAD si enuntul care descrie esenta acelui tip de SIAD:

1 se refera la un volum apreciabil de date stocate in sistemul informatic al organizatiei si ofera posibilitatea de a extrage informatii utile din multitudinea de date de care dispune. Aceste tipuri de SIAD-uri au la baza depozitele de date (Data Warehouse), iar prelucrarea este asigurata de tehnologia OLAP;

2 utilizeaza tehnologiile inteligentei artificiale si de aceea se mai numesc si SIIAD (sisteme informatice inteligente de asistare a deciziei);

3 modelul cantitativ este sprijinit de o interfata care faciliteaza utilizarea.

5) SIAD bazat pe modele

6) SIAD bazat pe date

7) SIAD bazat pe cunostinte

Daca problema de decizie multicriteriala este in conditii de incertitudine, solutia optima va fi data urmand una dintre reguli:

1 calculul unui indicator decizional ca medie ponderata a rezultatelor extreme;

2 nu se admite sub nici o forma riscul;

3 regula regretului;

4 starile se considera a fi echiprobabile.

8) Criteriul WARD

9) Criteriul SAVAGE

10) Criteriul Laplace

11) Criteriul Hurwicz

Pentru utilizarea metodelor de previziune trebuie parcurse etapele:

1 se face pentru a alege variabilele care trebuie incluse in ecuatia de regresie. Specific domeniului economic este fenomenul de multicoliniaritate adica nivelul inalt de interdependenta intre variabile diverse. La incheierea acestei etape se vor retine doar trei sau patru ecuatii de regresie care vor fi ulterior analizate;

2 se verifica daca conditiile de regresie sunt corecte;

3 presupune ca managerul sau decidentul sa defineasca in termeni cat mai apropiati de realitate problema, aceasta incluzand variabilele care trebuie explicitate si a caror valori vor face obiectul previziunii. În aceasta etapa se descrie situatia decizionala, se identifica variabila sau variabilele care vor constitui obiectul predictiei ca si variabilele dependente de acestea;

4 presupune a se gasi alaturi de variabilele independente si acei factori suplimentari care influenteaza variabila dependenta, factori ce vor trebui inclusi in ecuatia de regresie;

5 presupune stabilirea unui interval de incredere pentru previziunile individuale si ce precizie are fiecare variabila independenta;

6 calculatorul determina coeficientii de regresie si elementele care permit testarea semnificatiei acestora. Se retin ecuatiile semnificative si se incearca ridicarea progresiva a valorii coeficientului de corelatie R prin introducerea unor noi variabile independente. Dupa fiecare iteratie de marire progresiva a acestui coeficient se verifica testele de

semnificatie.

12) formularea si intelegerea continutului problemei

13) selectarea indicatorilor economici

14) analiza matricei de corelatie simpla

15) alegerea unei ecuatii de regresie

16) verificarea corectitudinii conditiilor de regresie

17) pregatirea previziunii

Solutiile oferite de informatica pentru procesul de sintetizare a datelor sunt:

1 oferite de generatoarele de rapoarte care permit indicarea ierarhiilor criteriilor de grupare;

2 specifice si dedicate;

3 genereaza structuri de baze de date;

4 ofera posibilitatea gruparii datelor dupa criterii stabilite si ofera functii pentru domeniile astfel create.

18) programe

19) interogari

20) functii de total si subtotal

Clasificarea deciziilor in functie de nivelul decizional este:

1 in mod curent si pe termen scurt, determina cat de eficiente au fost folosite resursele;

2 se refera la obiectivele, resursele si politicile organizatiei, pe termen mediu si lung;

3 determina modul in care sunt duse la indeplinire sarcinile de la nivelele superioare;

4 hotarare a managerului luata in conditii de stres maxim.

21) decizii strategice

22) decizii de control operational

23) decizii tactice - de control managerial

Clasificarea deciziilor in functie de gradul de structurare este:

1 decizii care se bazeaza pe flerul si modul de judecata al decidentului care analizeaza problema. Acest tip de decizie se refera la tipuri de probleme atipice pentru organizatie, pentru care nu exista proceduri prestabilite; elementele sale sunt de tip calitativ, obiectivele si finalitatea nu sunt precise si nu exista un algoritm cunoscut pentru rezolvarea lor;

2 decizii uzuale pentru care exista proceduri realizate. Acest tip de decizii intervin in momentul in care apare un proces cunoscut. Daca decizia este supusa procesului de informatizare, ea este descrisa printr-un program a carui executie este fixa, deci nu pot exista reveniri, iar calea rationamentelor nu este schimbata nici prin program si nici de

utilizatori;

3 decizii care pot fi rezolvate partial cu proceduri cunoscute, intrucat acestea au elemente predominant cantitative, scopurile nu sunt precise, iar procedura de rezolvare nu asigura ansamblul elementelor problemei.

24) decizii structurate sau programabile

25) decizii nestructurate (neprogramabile)

26) decizii semistructurate

Clasificarea deciziilor in functie de cunostintele de care dispune decidentul referitoare la evolutia problemei pe care o are de rezolvat este:

1 presupun ca decidentul cunoaste aproximativ evolutia viitoare a fenomenului, posibilul trend al variabilelor necontrolabile si chiar ce rezultate are fiecare strategie analizata pe baza criteriului sperantei matematice. În acest caz procesul de decizie va avea o multitudine de consecinte, iar fiecareia i se va asocia o probabilitate. Se obtine o

distributie a probabilitatilor din care se va alege varianta cu speranta matematica cea mai buna. Daca exista variante de decizie care au aceeasi speranta matematica, atunci se va calcula intervalul de variatie si abaterea standard. Ca varianta optima se va alege aceea care are cea mai mica abatere standard;

2 presupun o cunoastere a evolutiei fenomenelor viitoare, ceea ce se petrece mai rar in realitatea economica. O astfel de decizie se bazeaza pe criteriul costului minim de functionare;

3 presupun cunoasterea evolutiei anterioare a fenomenului economic. Acest mod de cunoastere va permite o previziune si o alegere cat de cat corecta a variantei de decizie.

Acest tip de decizie face parte din clasa generala a deciziilor de orientare in care alegerea unei variante se face in functie de previziunile viitoare ale decidentului precum si de criterii obiective care presupun rationament logic.

27) decizii in conditii de certitudine

28) decizii in conditii de incertitudine

29) decizii in conditii de risc

Diferentele dintre depozitul de date si baza de date sunt urmatoarele:

1 depozit de date

2 baza de date

30) datele continute sunt de tip operational;

31) numarul de utilizatori finali (manageri) este foarte mic. Astfel si securitatea si siguranta in exploatare nu sunt supuse unor riscuri majore, procedurile de salvare si restaurare fiind mai putin utilizate decit in cazul celorlalte sisteme

32) datele continute sunt specifice asistarii deciziilor;

33) datele nu se modifica in timp si sunt destinate utilizatorilor finali;

34) performantele se refera la integritate, confidentialitate, siguranta si timp de raspuns intrucat un numar mare de utilizatori introduc date in sistem;

35) datele procesate sunt in seturi relativ mici, introduse recent si compact, a.i. prelucrarea se face destul de rapid

36) datele necesare acestora sunt in volum mare, stocate dispersat ceea ce duce la o prelucrare mai lenta;

37) aceste organizari ale datelor sunt proiectate si realizate pe baza unor cerinte cunoscute si certe, modificarile care intervin datorita adaptarii sistemului la schimbarile intervenite reiau anumite faze ale ciclului de viata. Dar odata implementate ele functioneaza perioade lungi de timp fara modificari;

38) cerintele pentru aceasta organizare a datelor sunt cunoscute doar partial in momentul proiectarii si realizarii lor, ceea ce obliga adaptarea din mers cerintelor;

39) reflecta de obicei fluxul datelor din activitati curente;

40) sunt orientate pe subiecte cum ar fi de exemplu: resurse, produse, clienti, furnizori.

Structura datelor si structura metadatelor pentru o baza de date multidimensionala sunt formate din:

1 ianuarie, februarie, ., decembrie

3 Timp

5 Timp, an, semestru, trimestru, luna, data calendaristica

6 luna

41) dimensiune

42) ierarhie

43) set de membri ai subdimensiunii

44) subdimensiune

45) numar de membri

46) nivel

Structura datelor si structura metadatelor pentru o baza de date multidimensionala sunt formate din:

1 tara

2 Agentie

4 Agentie, tara, zona, agentie

6 Romania, Ungaria, Ucraina, Bulgaria

47) dimensiune

48) ierarhie

49) set de membri ai subdimensiunii

50) subdimensiune

51) numar de membri

52) nivel

Tehnologia OLAP se caracterizeaza prin:

1 presupune flexibilitatea exploatarii acestei dimensiuni care este necesara pentru comparatii si aprecieri de valoare in analizale economice. Aceasta dimensiune este luata de obicei din calendarele tranzactiilor economice asa cum se afla in bazele de date ale sistemului informatic al companiei;

2 posibilitatea de a integra multiplele aspecte care caracterizeaza activitatea unei intreprinderi si care sunt considerate din perspective multiple ca: timp, bani, produse;

3 prelucrarea intr-un timp cat mai scurt a unui volum mare de date.

53) perspectiva multidimensionala a datelor

54) capacitatea de calcul intensiv

55) orientare in timp (time intelligence)

Caracteristicile actiunilor oferite de Data Mining sunt :

1 poate duce la determinarea acelor obiecte care apar cel mai fecvent impreuna. Un exemplu este "analiza cosului gospodariei" in evaluarile statistice;

2 poate clasa inregistrarile luate in considerare in functie de un anumit comportament sau o valoare viitoare estimata. De aceea se va recurge la o colectie de exemple care vizeaza date din trecut, in care valorile variabilei de previzionat sunt deja cunoscute. Cu ajutorul lor se va construi un model care va putea explica comportamentul observat;

3 are ca scop plasarea obiectelor prelucrate intr-un grup limitat de clase predefinite. De exemplu, vanzarea unui produs nou se poate incadra intr-una din urmatoarele categorii de risc: scazut, mediu, ridicat;

4 va atribui o valoare unei variabile pe baza celorlalte date de intrare. Rezultatele obtinute in urma aceste actiuni sunt valori continue. Pentru acest tip de prelucrari se pot utiliza retelele neuronale.

56) Clasificarea

57) Estimarea

58) Predictia

59) Gruparea

În Data Mining se folosesc:

1 identifica relatiile sau structurile din datele examinate fara a asigura prioritate unui camp sau a altuia;

2 utilizeaza o tehnica aleatoare;

3 presupune ca se ia in considerare un atribut sau un camp, ale carui valori se explica prin celelalte campuri.

60) Cautarea dirijata

61) Cautarea nedirijata

Sistemele informatice integrate economice au in compunere, in functie de nivelurile de management ale

organizatiei, urmatoarele tipuri de sisteme informatice:

1 sisteme de automatizare a lucrarilor de birou;

2 sisteme informatice pentru asistarea deciziei;

3 sisteme informatice pentru procesarea tranzactiilor;

4 sisteme informatice de sprijin al executivului;

5 sisteme informatice pentru management;

6 sisteme de lucru cu cunostinte.

62) TPS

63) OAS

64) KWS

65) DSS

66) MIS

67) ESS

Simularea unui sistem economic porneste de la definirea evenimentelor care survin in derularea procesului economic supus analizei si de la specificarea legaturilor existente intre evenimente. Evenimentele care intervin in procesul de simulare se clasifica in functie de anumite criterii si anume :

1 Dupa natura evenimentelor

2 Dupa natura conditionarilor dintre evenimente

3 Dupa modul de prelucrare care este asociat evenimentului

68) evenimente noncontingente in care aparitia unor evenimente nu depinde de aparitia sau existenta altor evenimente in sistem si evenimente contingente la care aparitia este influentata de aparitia altor evenimente.

69) evenimente care nu apar in urma unor decizii sau evenimente cu decizii.

70) evenimente sistem si evenimente program.

In SIAD-uri bazate pe modele:

1 Ceasul cu incrementare finita

2 Programul de simulare

3 Ceasul cu crestere variabila

4 Timpul simulat

71) se scurge perioada cu perioada, iar calculatorul va executa toate tranzactiile care au loc pas cu pas pana la expirarea orizontului de simulare.

72) genereaza pe parcursul procesului de simulare o crestere constanta T>

73) permite determinarea tuturor evenimentelor posibile care se produc in intervalul T, precum si efectele asupra starii sistemului si deciziile ce se vor adopta.

74) are la baza tehnica sau regula evenimentului urmator, deoarece marimea cu care este

incrementat acesta este egala cu intervalul de timp de trecere de la o stare notata Si la starea determinata

de aparitia celui mai apropiat eveniment notata cu Si+1

Din categoria extensiilor modelului de date relational pentru OLAP fac parte, intre altele:

1 modelul Kimball

2 modelul Gary

3 modelul Gyssens si Lakshmanan

75) fundamentat pe o extensie ale algebrei relationale;

76) fundamentat pe schema tip stea ca o reprezentare relationala a cubului n-dimensional; din aceasta s-au dezvoltat schema tip fulg de nea si schema tip constelatie;

77) fundamentat pe operatorii CUBE si ROLLUP ai clauzei Group By din limbajul de interogare structurata SQL.

Tipurile majore de OLAP sunt:

1 OLAP multidimensional (MOLAP)

2 OLAP relational (ROLAP)

3 OLAP hibrid (HOLAP)

4 OLAP baza de date (DOLAP)

5 OLAP Web (WOLAP)

6 OPAP pe desktop

78) combinatie intre MOLAP si ROLAP;

79) reprezinta o varianta de OLAP cu pret scazut, atunci cand instrumentele OLAP si bazele de date sunt localizate pe statia de lucru a utilizatorului final;

80) atunci cand se refera la date OLAP ce sunt accesibile prin intermediul unui navigator Web;

81) atunci cand cubul OLAP este implementat prin intermediul unei baze de date multidimensionale specializate (sau memorie-tampon de date - data store);

82) atunci cand se refera la un SGBDR care este proiectat pentru a gazdui structuri OLAP si a permite calcule OLAP;

83) atunci cand o baza de date OLAP este implementata in varful unei baze de date relationale existente.

Principalele functii Data Mining, sarcinile Data Mining care trebuie executate pentru realizarea lor si categoriile de modele data mining care se pot obtine ca rezultat, sunt urmatoarele:

1 Descrierea clasa/concept

2 "Mineritul" modelelor frecvente

3 Clasificarea si predictia

4 Analiza grupurilor

5 Analiza exceptiilor

6 Analiza evolutiei

84) este functia sistemului Data Mining realizata prin executarea sarcinilor Data Mining de clasificare date si predictie care au ca rezultat modele Data Mining de clasificare (clasificator) si predictie (predictor);

85) este functia sistemului Data Mining realizata prin executarea sarcinii Data Mining de analiza a evolutiei datelor care are ca rezultat un model Data Mining tendintelor de evolutie (a datelor);

86) este functia sistemului Data Mining realizata prin executarea sarcinilor Data Mining asociatie date si corelatie date care au ca rezultat modele Data Mining frecvente;

87) este functia sistemului Data Mining realizata prin executarea sarcinii Data Mining de grupare a datelor cu caracteristici reprezentative comune, care are ca rezultat un model Data Mining de grupare;

88) este functia sistemului Data Mining realizata prin executarea sarcinilor Data Mining - caracterizare date si discriminare date care au ca rezultat un model Data Mining de tip descriere, denumit in mod uzual descriere;

89) este functia sistemului Data Mining realizata prin executarea sarcinii Data Mining de analiza a exceptiilor care are ca rezultat un model Data Mining al exceptiilor (date atipice);

O interogare Data Mining este formata din asa numitele primitive Data Mining care, prin definitie, reprezinta elementele fundamentale (de baza) necesare pentru specificarea unei sarcini Data Mining sub forma de interogare Data Mining. Acestea sunt:

1 Setul de date relevante pe sarcina Data Mining

2 Categoria de cunostinte care trebuie "minerita"

3 Cunostintele de baza

4 Masurile interesului pe care il reprezinta un model de date pentru utilizator

5 Reprezentarea modelului extras pentru vizualizare

90) sunt cunostinte despre domeniul care trebuie "minerit" necesare pentru directionarea procesului Data Mining si pentru evaluarea modelelor de date;

91) specifica forma in care sunt prezentate utilizatorului modelele de date extrase; poate cuprinde reguli, tabele, harti, grafice, arbori decizionali si cuburi de date;

92) cuprinde specificatiile datelor "minerite" prin executia sarcinii Data Mining de catre sistemul Data Mining;

93) se utilizeaza pentru directionarea procesului data mining catre extragerea modelelor de date care prezinta interes pentru utilizator, precum si pentru evaluarea modelelor de date extrase; spre exemplu, regulile de asociere cu suport si incredere sub limitele specificate de utilizator sunt considerate neinteresante;

94) reprezinta categoria de modele de date de interes pentru utilizator care se extrag prin executia sarcinii Data Mining de catre sistemul Data Mining (caracterizare/discriminare, asociere/corelare, clasificare/predictie, grupare etc).

Sistemul Data Mining este, in esenta sa, un produs software cu functii Data Mining denumit generic aplicatie Data Mining care cuprinde:

1 Interfata Data Mining

2 Serverul Data Mining

3 Tehnicile Data Mining

95) modulul software care gestiuneaza cererile Data Mining adresate de utilizator;

96) module software care fac analiza datelor stocate in depozitele de date pentru descoperirea modelelor de date si evaluarea acestora, atat ca interes pentru utilizator, cat si ca baza de cunostinte, raspunzand astfel cererilor Data Mining efectuate de utilizator;

97) modulul software care asigura interactiunea (comunicarea) cu utilizatorii care formuleaza cereri Data Mining (solicitari de executie a sarcinilor Data Mining pentru extragerea de modele de date).

Dupa gradul de urgenta, deciziile sunt:

1 decizii luate strict in timp real

2 decizii luate aproape in timp real

3 decizii care nu sunt urgente

98) timpul la dispozitia decidentului este suficient pentru asiguraarea desfasurarii unei analize detaliate si obtinerea unei rezolvari optime a problemei decizionale;

99) sunt adoptate pentru managementul situatiilor de criza (de exemplu, pentru conducerea unor instalatii industriale, pentru gestionarea efectelor unor calamitati naturale - inundatii, cutremure, incendii etc.); acest tip de decizii pot fi asistate de tehnici de inteligenta artificiala;

100) sunt adoptate pentru gestionarea unor situatii decizionale importante pentru organizatie cum sunt, de exemplu, oportunitatile de afaceri, lansarea unui produs nou, prefalimentul firmei etc.

Document Info

Accesari: 7055
Apreciat:

Comenteaza documentul:

Nu esti inregistrat
Trebuie sa fii utilizator inregistrat pentru a putea comenta

Creaza cont nou

A fost util?

Daca documentul a fost util si crezi ca merita
sa adaugi un link catre el la tine in site

Copiaza codul:
in pagina web a site-ului tau.

eCoduri.com - coduri postale, contabile, CAEN sau bancare

Politica de confidentialitate | Termenii si conditii de utilizare