Sisteme informatice pentru asistarea deciziei

TRUE/FALSE

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

ANS: T PTS: 1

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

ANS: F PTS: 1

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

ANS: T PTS: 1

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.

ANS: T PTS: 1

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

ANS: T PTS: 1

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

ANS: F PTS: 1

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.

ANS: T PTS: 1

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

ANS: T PTS: 1

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

ANS: F PTS: 1

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

ANS: F PTS: 1

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

ANS: T PTS: 1

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

ANS: F PTS: 1

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.

ANS: T PTS: 1

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

ANS: T PTS: 1

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.

ANS: T PTS: 1

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

ANS: T PTS: 1

17. Cubul OLAP nu constituie un element structural pentru datele din procesul on-line

ANS: T PTS: 1

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

ANS: F PTS: 1

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).

ANS: T PTS: 1

20. 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

ANS: T PTS: 1

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

ANS: F PTS: 1

22. Data Mining reprezinta un proces de extragere de informatii noi din colectiile de date existente.

ANS: T PTS: 1

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

ANS: T PTS: 1

24. 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.

ANS: F PTS: 1

25. Principala caracteristica a unui sistem informatic pentru management pe baza de modele este modelarea analitica

ANS: F PTS: 1

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

ANS: F PTS: 1

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

ANS: T PTS: 1

28. Solutia finala obtinuta prin programarea euristica poate fi un esec sau un succes

ANS: T PTS: 1

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

ANS: T PTS: 1

MULTIPLE CHOICE

1. La modelul de programare liniara utilizat in Sistemele informatice pentru asistarea deeciziei , in forma canonica toate restrictiile sunt concordante si toate variabilele sunt >=0

a)		d)
b)		e)
c)		f)

a.	a+b	d.	b+c
b.	a+c	e.	e+f
c.	a+d

ANS: C PTS: 1

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

a)	subsistemul de gestiune a datelor;	d)	subsistemul de gestiune a sabloanelor;
b)	subsistemul de gestiune a modelelor;	e)	subsistemul de gestiune a parametrilor;
c)	subsistemul de gestiune a cunostintelor;	f)	subsistemul de gestiune a dialogului (sau interfata cu utilizatorul).

a.	a+b	d.	d+f
b.	b+c	e.	a+b+c
c.	d+e

ANS: C PTS: 1

3. Care dintre etapele de mai jos nu sunt specifice tehnicilor de Data Mining?

a)	identificarea surselor de date	e)	integrarea modelului
b)	colectarea si selectarea datelor	f)	construirea sablonului intermediar
c)	pregatirea datelor	g)	procesarea cuvintelor
d)	definirea si construirea modelului	h)	evaluarea modelului

a.	a+b	d.	e+f
b.	b+c	e.	f+g
c.	d+e

ANS: E PTS: 1

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

a.	modele iconice, modele calitative, modele cantitative (matematice);	d.	modele calitative, modele statistice, modele cantitative (matematice);
b.	modele statistice, modele analitice, modele cantitative (matematice);	e.	modele iconice, modele analitice, modele calitative (de decizie)
c.	modele iconice, modele analitice, modele cantitative (matematice)

ANS: C PTS: 1

5. Principalele componente structurale ale modelului sunt

a.	variabilele de decizie, parametrii ce nu influenteaza rezultatul, variabilele rezultat	d.	variabilele de decizie, parametrii ce influenteaza rezultatul, variabilele rezultat
b.	variabilele de decizie, parametrii ce influenteaza rezultatul, variabilele de intrare	e.	variabilele de intrare, parametrii ce influenteaza rezultatul, variabilele rezultat
c.	variabilele de iesire, parametrii ce influenteaza rezultatul, variabilele rezultat

ANS: D PTS: 1

6. În cazul programarii euristice, spatiul de rezolvare a problemelor implica

a.	spatiul starilor, spatiul operatorilor, starea initiala, starea sau starile finale precum si informatia asociata fiecarei stari;	d.	spatiul iesirilor, spatiul operatorilor, starea initiala, starea sau starile finale precum si informatia asociata fiecarei stari;
b.	spatiul starilor, spatiul intrarilor, starea initiala, starea sau starile finale precum si informatia asociata fiecarei stari;	e.	spatiul starilor, spatiul operatorilor, starea initiala, starea sau starile finale precum si informatia asociata ultimei stari.
c.	spatiul starilor, spatiul operatorilor, starea initiala, starea sau starile intermediare precum si informatia asociata fiecarei stari;

ANS: A PTS: 1

7. Care este varianta corecta pentru clasificarea deciziilor

a.	decizii in conditii de certitudine, decizii in conditii de incertitudine, decizii in conditii de risc;	d.	decizii in conditii de certitudine, decizii in conditii de securitate maxima, decizii in conditii de risc;
b.	decizii in conditii de intelegere a contextului de luare a deciziei, decizii in conditii de incertitudine, decizii in conditii de risc;	e.	decizii in conditii de certitudine, decizii in conditii de incertitudine, decizii in conditii impuse de piata externa
c.	decizii ale sistemelor informatice, decizii in conditii de incertitudine, decizii in conditii de risc;

ANS: A PTS: 1

8. In asistarea deciziilor, pentru a gasi solutia optima, metodele analitice utilizeaza

a.	modele euristice;	d.	modele nematematice
b.	formule matematice;	e.	metode euristice.
c.	modele de cautare exhaustiva;

ANS: B PTS: 1

9. Metodele de cautare exhaustiva au la baza

a.	un proces neghidat, proces in urma caruia se alege solutia optima	d.	un model euristic;
b.	un proces aleator;	e.	o combinatie intre un model matematic si un model euristic.
c.	un model matematic care ofera solutii aproximativ apropiate de evolutia fenomenului studiat;

ANS: A PTS: 1

10. 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:

a.	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;	d.	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;
b.	descrierea si definirea intrarilor si iesirilor, elaborarea unui model matematic care sa se plieze cel mai bine pe descrierea problemei, alegerea solutiei;	e.	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.
c.	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;

ANS: E PTS: 1

11. Analiza decizionala contine

a.	alternative generate de crize majore ale organizatiei, alternative decizionale, consecinte decizionale;	d.	stari generate de inconsistenta bazei de date, alternative decizionale, consecinte decizionale;
b.	stari generale, alternative decizionale, consecinte decizionale	e.	stari generale, alternative la exploatarea bazei de date, consecinte decizionale
c.	stari generale, alternative repetitive, consecinte decizionale;

ANS: B PTS: 1

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

a.	definirea bazei de date, obtinerea modelului de simulare, testarea si validarea modelului, modelul de efectuare a experimentelor, evaluarea experimentelor, implementarea rezultatelor simularii;	d.	definirea problemei, obtinerea modelului de simulare, testarea si validarea modelului , modelul de efectuare a experimentelor, evaluarea intrarilor si iesirilor, implementarea rezultatelor simularii;
b.	definirea problemei, obtinerea deciziei managerului referitoare la datele de iesire, testarea si validarea modelului , modelul de efectuare a experimentelor, evaluarea experimentelor, implementarea rezultatelor simularii;	e.	definirea problemei, obtinerea modelului semantic, testarea si validarea modelului, implementarea testelor, evaluarea experimentelor, implementarea rezultatelor simularii;
c.	definirea problemei, obtinerea modelului de simulare, testarea si validarea modelului, modelul de efectuare a experimentelor, evaluarea experimentelor, implementarea rezultatelor simularii

ANS: C PTS: 1

13. Functiile unui SIAD sunt:

a.	gestiunea datelor, gestiunea modelelor, gestiunea cunostintelor si gestiunea comunicarii intre utilizator si sistem si intre intrari si iesiri	c.	gestiunea datelor, gestiunea iesirilor, gestiunea legaturilor si gestiunea comunicarii intre utilizator si sistem si intre date si modele, cunostinte;
b.	gestiunea datelor, gestiunea modelelor, gestiunea soft-ului si gestiunea hard-ului.	d.	gestiunea datelor, gestiunea modelelor, gestiunea cunostintelor si gestiunea comunicarii intre utilizator si sistem si intre date si modele, cunostinte.

ANS: D PTS: 1

14. 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:

1. bazele de date relationale;

2. bazele de date tranzactionale;

3. bazele de date periodice;

4. depozitele de date - Data Warehouses;

5. bazele de date obiecturale;

6. bazele de date in tehnologii avansate

a.	1+2+3+4+5+6	d.	1+2+4+5+6
b.	1+3+6	e.	1+4+6
c.	2+3+5+6

ANS: D PTS: 1

15. 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).

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

ANS: C PTS: 1

16. 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

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

ANS: C PTS: 1

17. 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).

a.	1+2+3+4+5+6+7+8+9	d.	2+3+5+6+8
b.	1+2+3+4+5+6+7	e.	2+4+5+6
c.	1+2+3+5+6+7+8+9

ANS: C PTS: 1

18. 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.

a.	1+2+4+5+6	c.	2+3+4+5+6
b.	1+2+3+4+5+6+7	d.	1+2+3+4+5+6

ANS: A PTS: 1

19. Simularea prin metoda Monte Carlo presupune ca:

a.	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.	c.	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.
b.	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.	d.	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.

ANS: A PTS: 1

20. Prin tehnologia Data Mining se prelucreaza date care se refera la:

a.	perioade viitoare (date viitoare), care sunt presupuse si nu sunt cunoscute, pe baza lor constituindu-se un model;	d.	perioade anterioare (date istorice), care sunt examinate si sunt deja cunoscute, pe baza lor constituindu-se un model;
b.	perioade diverse, care sunt examinate si sunt cunoscute din relatarile expertilor, pe baza lor constituindu-se un model;	e.	perioade anterioare (date istorice), care nu pot fi examinate din cauza complexitatii lor, pe baza lor constituindu-se un model.
c.	perioade anterioare (date istorice) si perioade viitoare (date prognozate), care sunt examinate pe baza flerului analistilor, pe baza lor constituindu-se un model;

ANS: D PTS: 1

21. Informatiile care se pot obtine prin Data Mining sunt:

a.	date complexe;	d.	date elementare;
b.	retroactive;	e.	predictive sau descriptive.
c.	complementare sau periodice;

ANS: E PTS: 1

22. 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.

a.	a+b+c+d	d.	b+c
b.	a+c+e	e.	d+e
c.	c+d+e

ANS: B PTS: 1

23.

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 modeluluii

a.	a+b+c+d+e+f+g	c.	c+d+e
b.	b+c+d+e+f	d.	f+g

ANS: A PTS: 1

24.

Destinatia actiunilor oferite de Data Mining este:

a)clasificarea;

b) estimarea;

c) predictia;

d) gruparea;

e) esantionarea.

a.	a+b+c+d	d.	b+d+e
b.	b+c+d+e	e.	c+e
c.	a+c+d+e

ANS: A PTS: 1

25.

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.

a.	a+b+c+d	d.	a+d+e
b.	b+c+d+e	e.	a+c
c.	a+c+e

ANS: B PTS: 1

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

a.	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;	d.	selectare prin vizualizare a tuturor inregistrarilor din baza de date;
b.	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;	e.	proiectie a unei dimensiuni pe ea insasi.
c.	selectare prin vizualizare simultana a tuturor dimensiunilor din cubul tridimensional;

ANS: B PTS: 1

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

a.	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;	d.	selectarii prin vizualizare a tuturor inregistrarilor din baza de date;
b.	selectarii prin vizualizare simultana a tuturor dimensiunilor din cubul tridimensional;	e.	proiectiei unei dimensiuni pe ea insasi.
c.	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;

ANS: A PTS: 1

28. În cubul OLAP, prin operatia drill-up se obtin:

a.	date de conjunctura;	d.	date elementare;
b.	detalii;	e.	date complexe.
c.	date sintetice;

ANS: C PTS: 1

29. În cubul OLAP, prin operatia drill-down se obtin:

a.	date de conjunctura;	d.	date elementare;
b.	detalii;	e.	date complexe.
c.	date sintetice;

ANS: B PTS: 1

30. Cubul OLAP este:

: 3

a.	o structura unidimensionala prin care se modeleaza complexul de activitati pe o perioada indelungata de timp;	c.	o structura cu o singura dimensiune prin care se modeleaza complexul de activitati pe o perioada indelungata de timp;
b.	o structura multidimensionala prin care se modeleaza complexul de activitati pe o perioada indelungata de timp;	d.	o structura multidimensionala prin care se modeleaza complexul de activitati numai intr-un moment de timp definit de administrator;

ANS: B PTS: 1

31. În tehnologia OLAP, modelarea multidimensionala este caracterizata de cateva concepte de baza:

a) cuantificarea activitatii (aspectul cantitativ);

b) dimensiunile activitatii;

c) criteriile;

d) faptele;

e) consecintele.

a.	a+b+d	d.	a+b+c+d
b.	a+b+c	e.	a+b+c+d+e
c.	b+c+d

ANS: A PTS: 1

32. În tehnologia OLAP, nivelele unei dimensiuni formeaza:

a.	baza pentru nivelele altei dimensiuni;	d.	ierarhia;
b.	o baza de date;	e.	un raft de date.
c.	un depozit de date;

ANS: D PTS: 1

33. În tehnologia OLAP, fiecare dimensiune este definita in genere prin mai multe:

a.	linii;	d.	tabele;
b.	coloane	e.	matrici.
c.	niveluri;

ANS: C PTS: 1

34. În tehnologia OLAP, unitatile de masura pot constitui:

a.	criterii de dezagregare a datelor;	d.	criterii de repartizare a datelor catre utilizatori;
b.	criterii de agregare a datelor;	e.	criterii de definire contextuala a datelor.
c.	criterii de distributie a datelor;

ANS: B PTS: 1

35. În tehnologia OLAP, conceptul de dimensiune este folosit:

a.	cu inteles de aspect, dimensiunile fiind independente si cu unitati de masura specifice dimensiunii respective;	d.	cu inteles de baza de date, dimensiunile fiind dependente unele de altele si cu unitati de masura specifice dimensiunii respective;
b.	cu inteles de unitate de masura;	e.	cu inteles definit de contextul in care se folosesc datele.
c.	cu inteles de generator de date, dimensiunile fiind dependente unele de altele si cu unitati de masura specifice dimensiunii respective;

ANS: A PTS: 1

36. În tehnologia OLAP, perspectiva multidimensionala asupra datelor este data de posibilitatea:

a.	de a integra un aspect care caracterizeaza activitatea unei intreprinderi cu un aspect care caracterizeaza activitatea altei intreprinderi;	d.	de a integra un aspect care caracterizeaza activitatea unei intreprinderi cu un aspect care caracterizeaza activitatea altei intreprinderi, din perspectiva activitatilor comune;
b.	de a integra multiplele aspecte care caracterizeaza activitatea unei intreprinderi si care sunt considerate dintr-o singura perspectiva (a banilor);	e.	de a integra multiplele aspecte care caracterizeaza activitatea unei intreprinderi si care sunt considerate din perspective multiple ca: timp, bani, produse.
c.	de a integra un aspect care caracterizeaza activitatea unei intreprinderi cu un aspect care caracterizeaza activitatea altei intreprinderi, din perspectiva profitului comun;

ANS: E PTS: 1

37. 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).

a.	b+d+e	c.	a+b+C
b.	a+b+c+d+e	d.	a+b+d+e

ANS: A PTS: 1

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

a.	informatie unidimensionala prin analiza partajata rapida;	d.	informatie multidimensionala prin analiza nepartajata rapida;
b.	informatie multidimensionala prin analiza partajata rapida;	e.	informatie unidimensionala prin analiza partajata incetinita;
c.	informatie multidimensionala prin analiza partajata lenta;

ANS: B PTS: 1

39. 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

a.	a+b+c	c.	a+b+c+d+e
b.	a+b+d+e	d.	b+c+d

ANS: C PTS: 1

40.

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;

a.	a+b+c	d.	a+b+e
b.	a+c+d	e.	c+e
c.	c+d+e

ANS: B PTS: 1

41. 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 (multi-user) la aceeasi faza (etapa) de analiza.

a.	a+b+c+d+e	d.	a+b+e
b.	a+c+d	e.	c+e
c.	c+d+e

ANS: B PTS: 1

42. 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 trRASPparente sporite prin existenta unei arhitecturi deschise a sistemului;

c) accesibilitatea asigurata utilizatorului prin asistarea implicarii acestuia in modalitatile tehnice de furnizare a datelor;

d) complexitatea dimensionala a analizei ofera performante stabile;

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

a.	a+b+c+d	d.	c+d+e
b.	a+b+d+e	e.	a+c+e
c.	b+c+d+e

ANS: A PTS: 1

43. 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.

a.	a+b+c+d+e+f	d.	a+b+c+d
b.	b+c+d+e	e.	a+e+f
c.	a+d+e+f

ANS: A PTS: 1

44. Una din subetapele design-ului sau modului de concepere al procesului de asistare a deciziei este modelarea ce implica

a.	o etapa in care sunt analizate evenimentele aparute in organizatie si depistate cauzele lor de aparitie;	d.	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;
b.	etapa in care se face declRASParea actiunii alese (propuse) de decident;	e.	atat analiza, cat si adoptarea deciziei.
c.	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;

ANS: C PTS: 1

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

a)orientate pe subiecte;

b) neintegrate;

c) corelate in timp;

d) non-volatile;

e) integrate

a.	a+b+c+d	d.	a+c+e
b.	a+c+d+e	e.	b+c+d
c.	b+c+d+e

ANS: B PTS: 1

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

a)datele continute de un sistem de prelucrare a tranzactiilor, OLTP (On-Line TrRASPaction 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 relativ 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.

a.	a+b+c+d	d.	b+c+d+e
b.	a+b+c	e.	c+d+e
c.	a+b+c+d+e

ANS: C PTS: 1

47. 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 anterioare;

d)decizii ale managementului strategic;

e)hotarari ale managementului strategic;

a.	a+b+c+d	d.	a+b+c
b.	a+c	e.	b+d
c.	c+d+e

ANS: B PTS: 1

48. Sistemele de asistare a deciziei care au la baza sinteza si analiza datelor realizeaza:

a.	modele necesare pentru a obtine informatii care sa reliefeze factorii care influenteaza pozitiv sau negativ performantele companiei;	d.	comasarea, sistematizarea, corelarea si gruparea datelor pentru a obtine informatii care sa reliefeze factorii care influenteaza pozitiv sau negativ performantele companiei;
b.	dispersarea, distribuirea, decorelarea si regruparea datelor pentru a obtine informatii care sa reliefeze factorii care influenteaza pozitiv sau negativ performantele companiei;	e.	comasarea, sistematizarea, corelarea si gruparea datelor pentru a obtine informatii care sa reliefeze factorii care nu influenteaza performantele companiei.
c.	conditionarea datelor pentru a obtine informatii care sa reliefeze factorii care influenteaza pozitiv sau negativ performantele companiei;

ANS: D PTS: 1

49.

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

a.	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;	d.	obtinerea unor modele din care se pot dezvolta SIAD-uri bazate pe modele;
b.	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;	e.	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;
c.	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.

ANS: A PTS: 1

50. În SIAD-urile bazate pe analiza si sinteza datelor, analiza datelor presupune:

a.	a gasi relatii intre datele distribuite, cum ar fi: disocieri, corelatii structurale, cauzale sau functionale;	d.	a gasi relatii intre datele sintetizate cum ar fi: disocieri, corelatii structurale, cauzale sau functionale;
b.	a gasi relatii intre datele centralizate cum ar fi: asocieri, corelatii structurale, cauzale sau functionale;	e.	a gasi relatii intre datele sintetizate cum ar fi: asocieri, corelatii structurale, cauzale sau functionale.
c.	a gasi relatii intre datele tranzactionale cum ar fi: asocieri, corelatii structurale, cauzale sau functionale;

ANS: E PTS: 1

51.

Modelul unei probleme de programare liniara poate fi sintetizat astfel:

a.	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;	d.	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 egalitati si conditii explicite puse unora dintre variabile;
b.	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;	e.	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;
c.	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 egalitati si conditii explicite puse unora dintre variabile;

ANS: B PTS: 1

52. Modelarea este considerata esentiala pentru sistemele informatice de asistare a deciziei si implica:

a.	partea de implementare a problemei de rezolvat;	d.	partea de discretizare a problemei de rezolvat;
b.	partea de sinteza a problemei si partea de concretizare in expresii cantitative sau calitative;	e.	partea de concepere a problemei si partea de abstractizare in expresii cantitative sau calitative.
c.	partea de discreditare a problemei de rezolvat;

ANS: E PTS: 1

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

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

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

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

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

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

a.	a+b+c+d	d.	a+b+e
b.	b+c+d	e.	a+c
c.	c+d+e

ANS: B PTS: 1

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

a.	MIS pleaca de la decident si de la decizie pe cand SIAD-ul porneste de la date si relatiile dintre acestea;	d.	MIS pleaca de la relatiile dintre sistemele informatice pe cand SIAD-ul porneste de la relatiile interumane;
b.	MIS pleaca de la relatiile interumane pe cand SIAD-ul porneste de la relatiile dintre sistemele informatice;	e.	MIS pleaca de la decident si de la decizie pe cand SIAD-ul porneste de la relatiile interumane
c.	MIS pleaca de la date si relatiile dintre acestea pe cand SIAD-ul porneste de la decident si de la decizie;

ANS: C PTS: 1

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

a.	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;	d.	baza de date, SGBD ce este de obicei incorporat in SIAD, dictionarul de date (Data Dictionary), lipsa facilitatilor de integrare a datelor;
b.	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;	e.	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.
c.	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;

ANS: E PTS: 1

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

a.	modelele, sistemul de gestiune al modelelor (similar SGBD), dictionarul (catalogul) de modele),  procesul de executie si integrare a modelelor;	d.	modelele, sistemul de gestiune al modelelor (similar SGBD), bazele de date,  procesul de executie si integrare a modelelor;
b.	metodele, sistemul de gestiune al bazelor de date, dictionarul (catalogul) de modele),  procesul de executie si integrare a modelelor;	e.	bazele de date, sistemul de gestiune al modelelor (similar SGBD), dictionarul (catalogul) de modele),  procesul de executie si integrare a modelelor;
c.	modelele, sistemul de gestiune al modelelor (similar SGBD), dictionarul (catalogul) de modele),  procesul de creare si verificare a modelelor;

ANS: A PTS: 1

57. Analiza decizionala contine:

a.	alternative generate de crize majore ale organizatiei, alternative decizionale, consecinte decizionale;	d.	stari generate de inconsistenta bazei de date, alternative decizionale, consecinte decizionale;
b.	stari generale, alternative decizionale, consecinte decizionale	e.	stari generale, alternative la exploatarea bazei de date, consecinte decizionale
c.	stari generale, alternative repetitive, consecinte decizionale

ANS: B PTS: 1

58.

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

a.	definirea problemei, obtinerea modelului semantic, testarea si validarea modelului, implementarea testelor, evaluarea experimentelor, implementarea rezultatelor simularii;	d.	definirea problemei, obtinerea modelului de simulare, testarea si validarea modelului, modelul de efectuare a experimentelor, evaluarea experimentelor, implementarea rezultatelor simularii;
b.	definirea problemei, obtinerea deciziei managerului referitoare la datele de iesire, testarea si validarea modelului , modelul de efectuare a experimentelor, evaluarea experimentelor, implementarea rezultatelor simularii;	e.	definirea bazei de date, obtinerea modelului de simulare, testarea si validarea modelului, modelul de efectuare a experimentelor, evaluarea experimentelor, implementarea rezultatelor simularii;
c.	definirea problemei, obtinerea modelului de simulare, testarea si validarea modelului , modelul de efectuare a experimentelor, evaluarea intrarilor si iesirilor, implementarea rezultatelor simularii;

ANS: D PTS: 1

59.

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

a.	analiza, specificarea, estimarea parametrilor modelului, testarea semnificatiei parametrilor estimati, validarea (verificarea) modelului, utilizarea modelului in operatii de simulare si predictie;	d.	analiza, sinteza, estimarea parametrilor modelului, testarea semnificatiei parametrilor estimati, validarea (verificarea) modelului, utilizarea modelului in operatii de simulare si predictie;
b.	analiza, specificarea, estimarea parametrilor modelului, testarea semnificatiei datelor de iesire, validarea (verificarea) modelului, utilizarea modelului in operatii de simulare si predictie;	e.	analiza, specificarea, estimarea datelor de intrare, testarea semnificatiei parametrilor estimati, validarea (verificarea) modelului, utilizarea modelului in operatii de simulare si predictie;
c.	analiza, specificarea, estimarea parametrilor modelului, testarea semnificatiei parametrilor estimati, validarea (verificarea) modelului, utilizarea rezultatelor in operatii de simulare.

ANS: A PTS: 1

60.

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

a.	metode exhaustive, metoda filtrajului adaptiv, metoda regresiei liniare simple, metoda regresiei liniare multiple;	d.	metoda glisajului exponential, metoda filtrajului adaptiv, metode bazate pe puncte critice, metoda regresiei liniare multiple;
b.	metoda glisajului exponential, metoda filtrajului adaptiv, metoda regresiei liniare simple, metoda regresiei liniare multiple;	e.	metode retrograde, metoda filtrajului adaptiv, metoda regresiei liniare simple, metoda regresiei liniare multiple.
c.	metoda glisajului exponential, metode empirice, metoda regresiei liniare simple, metoda regresiei liniare multiple;

ANS: B PTS: 1

61.

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

a.	masurarea distantei dintre membrii cotizanti ai organizatiei; combinarea rezultatelor obtinute din masurare pentru a obtine suma totala cotizata;	d.	masurarea distantei dintre vecine; combinarea rezultatelor obtinute de la “vecine” in raspunsul propus pentru cazul curent;
b.	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;	e.	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;
c.	masurarea distantei dintre membrii minori si majori ai organizatiei; combinarea rezultatelor obtinute de la minori in raspunsul propus pentru majori;

ANS: E PTS: 1

62.

Metoda rationamentului bazat pe cazuri se poate aplica pentru:

a.	clasificari si predictii;	d.	cupluri manageriale;
b.	rationamente infinite;	e.	revizuiri ale datelor istorice ale organizatiei
c.	cazuistica din procesele economice penale;

ANS: A PTS: 1

63.

Tehnicile de Data Mining se pot aplica:

a.	aleatoriu;	d.	numai ascendent;
b.	condescendent	e.	atat ascendent cat si descendent.
c.	numai descendent

ANS: E PTS: 1

64.

Gradul de structurabilitate a deciziei depinde de:

a.	experienta acumulata de decident precum si de nivelul si importanta ei	d.	experienta acumulata de decident precum si de istoricul cazuisticii acumulate
b.	experienta acumulata de executant precum si de nivelul si importanta ei;	e.	experienta acumulata de decident precum si de afinitatile acestuia fata de una sau alta dintre variantele existente
c.	experienta acumulata de colaboratori precum si de nivelul si importanta ei

ANS: A PTS: 1

65.

Procesul de adoptare a deciziilor este constituit din urmatoarele etape:

a.	informarea generala, design-ul sau modul de alegere al procesului de asistare a deciziei si implementarea;	d.	informarea generala, design-ul sau modul de concepere al procesului de asistare a deciziei, alegerea si implementarea;
b.	informarea particulara, design-ul sau modul de concepere al procesului de asistare a deciziei, alegerea si implementarea;	e.	informarea generala, design-ul sau modul de implementare al procesului de asistare a deciziei si alegerea.
c.	informarea generala, design-ul sau modul de concepere al procesului de implementare a deciziei si alegerea;

ANS: D PTS: 1

66. Sistemele de asistare a deciziei orientate pe date:

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

ANS: B PTS: 1

67.

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

a.	structural care este asigurat de partea arhitecturala componenta integranta a sistemului decizional;	d.	informativ care este asigurat de partea informatica componenta integranta a sistemului decizional;
b.	comportamental care este asigurat de partea functionala componenta integranta a sistemului decizional;	e.	cognitiv care este asigurat de partea umana componenta integranta a sistemului decizional.
c.	credibil care este asigurat de partea scrisa pe hartie componenta integranta a sistemului decizional;

ANS: E PTS: 1

68.

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

1

2

3

4

5

a.	date;	d.	manageri;
b.	cunostinte;	e.	sisteme informatice.
c.	baze de date;

ANS: B PTS: 1

MATCHING

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

a.	metoda utilitatii globale	c.	metoda P.O.P.
b.	metoda STEM

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.

1. ANS: C PTS: 1

2. ANS: A PTS: 1

3. ANS: B PTS: 1

4. ANS: A PTS: 1

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

a.	calculul unui indicator decizional ca medie ponderata a rezultatelor extreme;	c.	regula regretului;
b.	nu se admite sub nici o forma riscul;	d.	starile se considera a fi echiprobabile.

5. Criteriul Ward

6. Criteriul Savage

7. Criteriul Laplace

8. Criteriul Hurwics

5. ANS: B PTS: 1

6. ANS: C PTS: 1

7. ANS: D PTS: 1

8. ANS: A PTS: 1