CIG Sisteme Informatice de Asistare a Deciziei

7/29/2019 CIG Sisteme Informatice de Asistare a Deciziei

1/36

1

Facultatea de Management Financiar Contabil Bucureti Anul universitar 2007-2008Specializarea Contabilitate i Informatic de Gestiune Semestrul 2Anul III

SSiisstteemmee iinnffoorrmmaattiiccee ddee aassiissttaarreeaa ddeecciizziieeiiProf. univ. dr. Zenovic Gherasim

nnttrreebbrrii ppeennttrruu eexxaammeenn

ADEVRAT/FALS

1) Nivelul de detaliu saugranularitatea hipercubului reprezinta numarul de membri ai uneidimensiuni.

2) Utilizarea tehologieiData Miningpresupune ca procesarea datelor se face cu interventiautilizatorilor.

3) n cubul OLAP, dimensiunile se materializeaza in setul de valori posibile care formeazadomeniul caracteristicii respective, valori care poarta numele de membrii dimensiunii.

4) n cubul OLAP, o caracteristica a dimensiunii este a ceea ca poate avea multipli adicagrupe de valori ale dimensiunii cu o caracteristica comuna.

5) Dimensiunile impreuna cu multiplii lor formeazastructuri arborescente care suntrecunoscute de OLAP ca fiind ierarhii.

6) Gradul de simplificare oferit desimulare este mult mai mare decat in cazul modelelortraditionale.

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

8) Modelulofera un mod simplificat sau abstractizat de abordare a realitatii.

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 suntsupuse unor procese complexe de transformare ce nu corespund structurii depozitului care a fost proiectat.

11) Proiectareastructurii depozitului de date se face prin modelare multidimensionala.

12) OLAP nu dispune de existenta unor tehnici care permit de la o navigare si selectiesimpla a datelorpana la analiza detaliata si complexa.

13) Aplicatiile care se rezolva pe baza tehnologiei OLAPau la baza analiza rapida ainformatiei multidimensionala dispersata in locatii multiple dar accesibile unui mare numar de utilizatori.

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

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


2/36

2

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

17) Cubul OLAPnu constituie un element structural pentru datele din procesul on-line.

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

19) n tehnologia OLAP,structura metadateloreste de tip ierarhic, fiecare dimensiune fiindstocata intr-o structura arborescenta cu o singura radacina (all) si cu o multitudine de ramuri care pot

contine frunze comune (ierarhii alternative).

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

21) n tehnologia OLAP, datele pot fi vizualizate printr-oselectie in hipercub pe baza unuicriteriuierarhic care ar putea fi de exemplu structura organizationala pe care o conduce un anumitmanager.

22) n tehnologia OLAP, orice nivelal unei ierarhii poarta un nume dar nu contine demembri.

23) Data Miningreprezinta un proces de extragere de informatii noi din colectiile de date

existente.

24) Prin tehnologiaData Miningse prelucreaza date care refera perioade anterioare (dateistorice), care sunt examinate si sunt deja cunoscute.

25) n procesul decizional, design-ul sau modul de concepere al procesului de asistare adecizieicontinesubetapele de identificare a problemei, descompunerea ei, stabilirea responsabilitatilor siare ca rezultatdescrierea formala a problemei, a categoriei din care aceasta face parte si a tuturorresponsabilitatilor care decurg de aici.

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

27) Analiza decizionala presupune atasarea unorvalori cunoscute (precise) pentru fiecarealternativa si care se vor inscrie intr-un tabel sau un graf.

28) n analiza decizionala, numarul de consecinte trebuie sa fie mai mare sau egal cunumarul de criterii.

29) Solutia finala obtinuta prinprogramarea euristica poate fi un esec sau un succes.

30) n tehnologia OLAP, defalcarea (dicing) este operatia deproiectie a unei dimensiuni pe oalta.

ALEGERE

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

=

0

max

x

BAx

cxxf d) ( )

>

=

0

min

x

BAx

cxxf

b) ( )

>

=

BAx

cxxfmin e) ( )

=

0

max

x

cxxf


3/36

3

c) ( )

=

=

0

max

x

BAx

cxxf f) ( )

=

=

0

min

x

BAx

cxxf

1 a+b2 a+c3 a+d4 b+c5 e+f

2) Care dintre urmatoarele subsisteme nu face parte din arhitectura unui sistem suportpentru 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).

1 a+b2 b+c3 c+d4 d+e5 e+f

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

a) identificarea surselor de date e) integrarea modeluluib) colectarea si selectarea datelor f) construirea sablonului intermediarc) pregatirea datelor g) procesarea cuvintelord) definirea si construirea modelului h) evaluarea modelului

1 a+b2 b+c3 d+e4 e+f5 f+g

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

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 comunicariiintre 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.


4/36

4

6) Gradul de abstractizare al unui modeleste dat de mai multe criterii, dupa care se face siclasificarea 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) n cazulprogramarii euristice,spatiul de rezolvare a problemelorimplica:

1 spatiul starilor, spatiul operatorilor, starea initiala, starea sau starile finale precum siinformatia 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 derisc;

2 decizii in conditii de intelegere a contextului de luare a deciziei, decizii in conditii deincertitudine, decizii in conditii de risc;

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

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

5 decizii in conditii de certitudine, decizii in conditii de incertitudine, decizii in conditiiimpuse 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.


5/36

5

12) Pentruprocesul decizionalstructurat si pentru cel semistructurat se pot folosi modelelecantitativebazate pe metode si modele ale cercetarii operationale. Aceasta abordare presupune automatizarea totalasau partiala aprocesului de adoptare a deciziei si consta in urmatoriipasi:

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 seplieze 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 fiindgradulde 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;

14) Subsistemul de gestiune a datelordin arhitectura unuisistem suport pentru SIAD areurmatoarele 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 limbajelordeclarative de interogare;

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

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

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

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

15) Subsistemul de gestiune a modelelordin arhitectura unui sistem suport pentru SIAD areurmatoarele 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)


6/36

6

de modele), procesul de executie si integrare a modelelor;

16) Analiza decizionala contine:

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

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;

17) Pasii de urmat intr-unproces de simulare pot fi:

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

2 definirea problemei, obtinerea deciziei managerului referitoare la datele de iesire, testareasi 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, implementarearezultatelor 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 parametrilorestimati, validarea (verificarea) modelului, utilizarea modelului in operatii de simulare sipredictie;

2 analiza, specificarea, estimarea datelor de intrare, testarea semnificatiei parametrilorestimati, validarea (verificarea) modelului, utilizarea modelului in operatii de simulare sipredictie;

3 analiza, sinteza, estimarea parametrilor modelului, testarea semnificatiei parametrilorestimati, validarea (verificarea) modelului, utilizarea modelului in operatii de simulare sipredictie;

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

5 analiza, specificarea, estimarea parametrilor modelului, testarea semnificatiei parametrilorestimati, 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 dinurmatoarele metode:

1 metode exhaustive, metoda filtrajului adaptiv, metoda regresiei liniare simple, metodaregresiei 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, metodaregresiei 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, metodaregresiei liniare multiple.


7/36

7

20) n 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 raspunsulpropus pentru cazul curent;

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

5 masurarea distantei dintre vecine; combinarea rezultatelor obtinute de la vecine inraspunsul 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 deData Miningse pot aplica:

1 aleatoriu;2 condescendent;3 numai descendent4 numai ascendant;5 atat ascendentcat 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.

24) Procesul de adoptare a deciziiloreste constituit din urmatoarele etape:

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

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

3 informarea generala, design-ul sau modul de concepere al procesului de implementare adeciziei 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 adeciziei 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 ladate, 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;


8/36

8

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 ladate, dispun de un mecanism pentru analiza intarziata a datelor, creeaza statistici.

26) Adoptarea deciziilorconstituie un proces care pe langa suportul tehnic are nevoie de unsuport:

1 structuralcare este asigurat de partea arhitecturala componenta integranta a sistemuluidecizional;

2 comportamentalcare este asigurat de partea functionala componenta integranta asistemului decizional;

3 credibilcare este asigurat de partea scrisa pe hartie componenta integranta a sistemuluidecizional;

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

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

27) Sistemele informatice de asistare inteligenta a deciziei sunt sisteme informatice deasistare 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 destinatecuantificarii cantitative;

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

b) rol de asistare a decidentilor(managerilor) la nivel individual sau degrup in toate etapele procesuluidecizional

e) timpul de raspuns pentru obtinerea uneisolutii acceptabile este limitat.

c) timpul de raspuns pentru obtinerea uneisolutii acceptabile este nelimitat;

1 a+b+c2 b+c+d+e3 a+b+d+e4 b+c+d5 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; d) SIAD bazate pefunctii;b) SIAD baze de date; e) SIAD bazate pe reguli.c) SIADprocesoare de tabele;

1 a+b+c2 a+b+c+d3 a+b+c+d+e4 b+c+d+e5 c+d+e


9/36

9

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

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

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

3 cresterea ponderii procesului decizional bazat pe date informale datorita lucrului inechipa precum si crestereagradului 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 dintreafirmatiile prezentate mai jos nu este corecta?

1 Subsistemul de gestiune a datelorcontinebaza de date ce poate fi proprie SIAD sau sepoate crea prin extragere de date din alte baze de date sau dintr-un depozit de date. Eapoate fi utilizata de unul sau mai multi decidenti pentru diverse aplicatii. Datele potproveni din mai multe surse interne organizatiei sau chiar din afara ei, ele putand fi inclusein baza de date proprie sau pot fi accesate direct doar in momentul in care se utilizeazasistemul;

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

3 Subsistemul de gestiune a datelorcontinefacilitatile de integrare a datelorin care nutrebuie sa existe limbaje declarative de interogare;

4 Subsistemul de gestiune a cunostinteloringlobeaza sisteme expert ce ofera pentru SIADsolutii pentru aspectele calitative nestructurate;

5 Subsistemul de dialog cu utilizatorulsau interfata este o componenta care asigurainteractivitatea SIAD.

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

1 Criteriul WARD (al prudentei)2 Criteriul SAVAGE sau regula regretului3 Criteriul Laplace4 Criteriul Hurwicz5 Criteriul Schwarz

33) Care dintre metodele prezentate mai jos nu apartin programarii liniaremultidimensionale?

a) metoda utilitatii globale d) metoda de rafinare imediata a datelorb) metoda P.O.P. e) metoda STEMc) metoda R.O.S.

1 a+b+c2 b+c+d3 c+d4 a+d+e5 a+b+c+d

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

a) stocarea modelelor; e) facilitati de mentabilitate a modelelorexistente cu posibilitati de pastrare a


10/36

10

solutiilor;b) utilizarea modelelor deja existente; f) construirea unormodele noi pe baza

celor existente;c) facilitati de acces si de regasire a

modelelor;g) consistenta care da posibilitatea ca

acelasi model si aceleasi date sa fieaccesate de mai multi utilizatori.

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

1 a+b+c+d2 a+c+d+e3 b+c+d4 a+b+c+d+e+f+g5 c+d+e+g

35) Managerii utilizeazasistemele informatice pentru:

1 planificarea, organizarea, coordonarea, controlul si previziunea activitatilor lor, dar sipentru comunicarea dintre persoane, stabilirea retelelor in interiorul organizatiei cat si larezolvarea 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 larezolvarea problemelor curente;

5 analiza si proiectarea sistemelor informatice pentru asistarea deciziei.

36) n cazul deciziilor in conditii de risc:

a) Aceste decizii presupun ca decidentulcunoaste aproximativ evolutia viitoarea fenomenului, posibilul trend alvariabilelor necontrolabile si chiar cerezultate are fiecare strategie analizata

pe baza criteriului speranteimatematice;

d) Procesul de decizie va avea omultitudine de consecinte, iar fiecareiai se va asocia o probabilitate. Se obtineo distributie a probabilitatilor din carese va alege varianta cu speranta

matematica cea mai buna. Daca existavariante de decizie care au aceeasisperanta matematica, atunci se vacalcula intervalul de variatie si abatereastandard. Ca varianta optima se vaalege aceea care are cea mai micaabatere standard;

b) Aceste decizii presupun cunoastereaevolutiei anterioare a fenomenuluieconomic. Acest mod de cunoastere vapermite o previziune si o alegere catde cat corecta a variantei de decizie.Acest tip de decizie face parte din

clasa generala a deciziilor de orientarein care alegerea unei variante se facein functie de previziunile viitoare aledecidentului precum si de criteriiobiective care presupun rationamentlogic;

e) Aceste decizii presupun o cunoastere aevolutiei fenomenelor viitoare, ceea cese petrece mai rar in realitateaeconomica. O astfel de decizie sebazeaza pe criteriul costului minim defunctionare.

c) Aceste decizii presupun un ansamblude decizii anterioare, cu verificarearezultatelor in practica;

1 a+b+c


11/36

11

2 a+d3 b+c+d4 c+d+e5 a+c+e

37) n cazul deciziilor in conditii de certitudine:

1 Aceste decizii presupun ca decidentul cunoaste aproximativ evolutia viitoare afenomenului, 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 dedecizie. Acest tip de decizie face parte din clasa generala a deciziilor de orientare in carealegerea unei variante se face in functie de previziunile viitoare ale decidentului precum side criterii obiective care presupun rationament logic;

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

4 Procesul de decizie va avea o multitudine de consecinte, iar fiecareia i se va asocia oprobabilitate. Se obtine o distributie a probabilitatilor din care se va alege varianta cusperanta matematica cea mai buna. Daca exista variante de decizie care au aceeasisperanta matematica, atunci se va calcula intervalul de variatie si abaterea standard. Cavarianta 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 petrecemai rar in realitatea economica. O astfel de decizie se bazeaza pe criteriul costului minimde functionare.

38) n cazul deciziilor in conditii de incertitudine:

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

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

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

4 Procesul de decizie va avea o multitudine de consecinte, iar fiecareia i se va asocia oprobabilitate. Se obtine o distributie a probabilitatilor din care se va alege varianta cusperanta matematica cea mai buna. Daca exista variante de decizie care au aceeasisperanta matematica, atunci se va calcula intervalul de variatie si abaterea standard. Cavarianta 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 petrecemai rar in realitatea economica. O astfel de decizie se bazeaza pe criteriul costului minimde functionare.

39) n etapa de alegere pentru adoptarea deciziei, metodele de cautare euristicese bazeazape:

a) o riguroasa analiza a problemei sauprintr-o cautare prin incercarisuccesive a spatiului solutiilor;

d) folosesc formule financiare pentru a gasisolutia optima;

b) folosesc formule matematice pentrua gasi solutia optima;

e) rationamentul facut prin parcurgereaspatiului de cautare a solutiilor ce permitetrecerea prin toate stadiile intermediarecatre o stare finala care poate fi unrezultat satisfacatorsau o nereusita(esec).


12/36

12

c) folosesc formule statistice pentru agasi solutia optima;

1 a+b+c2 a+c+e3 a+e4 b+c+d5 c+e

40) Sistemele informatice de asistare a deciziei orientate pe date sunt rezultatul crearii unortehnologii speciale cum sunt:a) exploatarea datelor prinprocesarea

online a tranzactiilor(OLTP,OnLine Transation Processing);

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

b) depozitarea unor volume enorme dedate istorice ale organizatiei (DataWarehousing);

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

c) birotica;

1 a+b+c2 b+d3 c+d+e4 d+e5 a+e

41) Diferenta dintresistemele informatice pentru management(MIS) sisistemele informaticepentruasistarea 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 relatiiledintre acestea;

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

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

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

d) au posibilitatea de a oferi decidentuluitendinte, analize pentru activitateaconcurentiala;

b) destinate asistarii deciziilor pe cel maiinalt nivel al managementuluiorganizational;

e) destinate asistarii deciziilor pe nivelulde mijoc al managementuluiorganizational.

c) ajuta la identificarea si rezolvarea

problemelor prin sesizarea de noioportunitati;

1 a+b+c+d2 b+c+d3 c+d+e4 a+b+e5 a+c

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


13/36

13

1 partea de implementare a problemei de rezolvat;2 partea desinteza 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 multevariabile care satisfac restrictiile modelului (conditii implicite) sau care se refera lavalorile ce pot fi luate de variabile (conditii explicite); problemele de programare liniaraau 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 maimulte variabile care satisfac restrictiile modelului (conditii implicite) sau care se refera lavalorile ce pot fi luate de variabile (conditii explicite); problemele de programare liniaraau 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 lavalorile 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 multe

variabile care satisfac restrictiile modelului (conditii implicite) sau care se refera lavalorile ce pot fi luate de variabile (conditii explicite); problemele de programare liniaraau 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 ovariabila; problemele de programare liniara au restrictii de tip inegalitati si conditiiexplicite puse unora dintre variabile;

45) n SIAD-urile bazate pe analiza si sinteza datelor, analiza datelorpresupune:

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

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

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

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

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

46) n SIAD-urile bazate pe analiza si sinteza datelor, rezultatul procesului de observareanalitica este:

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

2 obtinerea unortipare, corelatii si uneori modele din care nu se pot deduce tendinte sau nuse poatepreviziona cu o anumita probabilitate cum vor arata datele pe o perioadaulterioara;

3 obtinerea unormodele din care se pot dezvolta SIAD-uri bazate pe modele;4 obtinerea unortipare, corelatii si uneori modele din care nu se pot deduce tendinte, dar se

poatepreviziona cu o anumita probabilitate cum vor arata datele pe o perioada ulterioara;5 obtinerea unortipare, corelatii si uneori modele din care se pot deduce tendinte, dar nu se

poatepreviziona 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 datelorrealizeaza:

1 modele necesare pentru a obtine informatii care sa reliefeze factorii care influenteaza


14/36

14

pozitiv sau negativ performantele companiei;2 dispersarea, distribuirea, decorelarea si regruparea datelorpentru a obtine informatii

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

pozitiv sau negativ performantele companiei;4 comasarea, sistematizarea, corelarea sigruparea datelorpentru a obtine informatii care

sa reliefeze factorii care influenteaza pozitiv sau negativ performantele companiei;5 comasarea, sistematizarea, corelarea sigruparea datelorpentru 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; d) integritatea si coerenta bazei de

date;b) aglomerarea motorului bazei de

date cu task-uri de centralizarecare grabeste astfel tranzactiilecurente;

e) aglomerarea motorului bazei dedate cu task-uri de centralizarecare incetineste astfel tranzactiilecurente.

c) timpul mare necesar exploatarii lor;

1 a+b+c2 b+c+d3 c+d+e4 c+e5 a+c+e

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

anterioara;d) decizii ale managementului

strategic;b) interogari curente; e) hotarari ale managementului

strategic;c) date referitoare la tranzactii ulterioare;

1 a+b+c2 b+c+d

3 c+d4 a+c5 a+d+e

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

a) datele continute de un sistem deprelucrare a tranzactiilor, OLTP (On-Line Transaction Processing) sunt detip operational, iar datele continute deun depozit de date sunt specificeasistarii deciziilor, sunt datecentralizate sau derivate din date

operationale, nu se modifica in timpsi sunt destinate utilizatorilor finali;

d) bazele de date construite pentrusisteme tranzactionale suntproiectate si realizate pe baza unorcerinte cunoscute si certe,modificarile care intervin datoritaadaptarii sistemului la schimbarileintervenite reiau anumite faze ale

ciclului de viata. Dar odataimplementate elefunctioneazaperioade lungi de timp fara

modificari. n SIAD cerintele suntcunoscute doar partial in momentul

proiectarii si realizarii lor, ceea ceobliga depozitul de date sa se

adapteze din mers cerintelor. Deaceea se observa ca datelegestionate pentru sistemetranzactionale sunt privite ca un


15/36

15

intreg, pe cand cele din depozitelede date sunt organizate pe sectiunideoarece ele sunt organizate infunctie de subiectul de analiza;

b) in cazul sistemelor tranzactionale,performantele se refera la integritate,confidentialitate,siguranta si timp deraspuns intrucat un numar mare deutilizatori introduc date in sistem, in

timp ce in cazul SIAD (deci adepozitelor de date) numarul deutilizatori finali (manageri) este

foarte mic. Astfel si securitatea sisiguranta in exploatare nu sunt supuseunor riscuri majore, procedurile desalvare si restaurare fiind mai putinutilizate decit in cazul sistemelortranzactionale;

e) sistemele tranzactionale reflecta deobicei fluxul datelor din activitaticurente, pe cand depozitele de datesunt orientate pe subiecte cum ar fide exemplu: resurse, produse,

clienti, furnizori.

c) datele procesate in sistemeletranzactionale sunt in seturi relativmici, introduse recent si compact,astfel incat prelucrarea se face destulde rapid. n procesele decizionale,datele necesare acestora sunt in

volum mare, stocate dispersat ceea ceduce la o prelucrare mai lenta;

1 a+b+c2 b+c+e3 c+d+e4 a+b+d+e5 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+d2 a+c+d+e3 b+c+d+e4 a+c+e5 b+c+d

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

1 o etapa in care sunt analizate evenimentele aparute in organizatie si depistate cauzele lorde 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-omultitudine existenta; dezvolta proceduri mentale care ajuta la incadrarea problemei derezolvat intr-o anume clasa de modele existente;

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


16/36

16

5 atat analiza, cat si adoptarea deciziei.

53) Mediul in care se construieste si se exploateaza un depozit de date contine urmatoareleelemente:a) surse de date tranzactionale; d) sistemul de gestiune al bazei de date;b) instrumente de proiectare-dezvoltare; e) instrumente de acces si analiza a

datelor;c) instrument de extractie si transformare

a datelor;f) instrumente de administrare.

1 a+b+c+d2 b+c+d+e3 a+b+c+d+e+f4 a+d+e+f5 c+d+e+f

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

a) abordarea conceptualamultidimensionala a datelor;

d) accesibilitatea asigurata utilizatoruluiprin asistarea implicarii acestuia inmodalitatile tehnice de furnizare adatelor;

b) asigurarea unei transparente sporiteprin existenta unei arhitecturideschise a sistemului;

e) complexitatea dimensionala a analizeioferaperformante stabile;

c) numar limitat de niveluri deagregare si de dimensiuni;

1 a+b+c+d2 a+b+d+e3 b+c+d+e4 c+d+e5 a+c+e

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

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

d) gestionarea dinamica a matricilorincrucisate prin facilitatea de aelimina combinatiile dimensionalenule, pentru a nu incarca memoriacalculatorului;

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

e) posibilitatile de acces simultan amai multor utilizatori (multi-user) la aceeasi faza (etapa) deanaliza.

c) posibilitatea de a efectua aceleasi

operatii asupra tuturor dimensiunilorsi care poarta numele de prelucraregenerica a dimensiunilor;

1 a+b+c+d2 b+c+d+e3 a+c+d+e4 a+c+d5 a+d+e


17/36

17

56) Dintre cele 11 principii formulate de Ted Codd (1992) care stau la baza tehnologieiOLAP, fac parte:a) operatii nerestrictive, ceea ce da

posibilitatea executarii fara restrictii acalculelor pentru toate combinarile dedimensiuni si niveluri ierarhice;

d) numar nelimitat de niveluri deagregare si de dimensiuni;

b) numar limitat de niveluri de agregare side dimensiuni;

e) operatii restrictive, ceea ce daposibilitatea executarii cu restrictii acalculelor pentru toate combinarile

de dimensiuni si niveluri ierarhice;c) posibilitatea manipularii intuitive a

datelor;

1 a+b+c2 a+c+d3 c+d+e4 a+b+e5 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; d) multidimensionala;b) analiza; e) informatie.c) partajata;

1 a+b+c+d+e2 b+c+d+e3 c+d+e4 d+e5 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; d) capacitatea de calcul intensiv;b) perspectiva multidimensionala a

datelor;e) orientare in timp (time intelligence).

c) capacitatea de calcul ponderat;

1 a+c+e2 b+d+e

3 c+d+e4 a+b+c5 a+b+c+d+e

60) n tehnologia OLAP, perspectiva multidimensionala asupra datelor este data deposibilitatea:

1 de a integra un aspectcare caracterizeaza activitatea unei intreprinderi cu un aspectcarecaracterizeaza activitatea altei intreprinderi;

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


18/36

18

3 de a integra un aspectcare caracterizeaza activitatea unei intreprinderi cu un aspectcarecaracterizeaza activitatea altei intreprinderi, dinperspectiva profitului comun;

4 de a integra un aspectcare caracterizeaza activitatea unei intreprinderi cu un aspectcarecaracterizeaza activitatea altei intreprinderi, dinperspectiva activitatilor comune;

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

61) n 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 degenerator 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 contextulin care se folosesc datele.

62) n 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) n tehnologia OLAP, fiecare dimensiune este definita in genere prin mai multe:

1 linii;2 coloane3 niveluri;4 tabele;5 matrici.

64) n 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) n tehnologia OLAP, modelarea multidimensionala este caracterizata de cateva conceptede baza:

a) cuantificarea activitatii (aspectulcantitativ);

d) faptele;

b) dimensiunile activitatii; e) consecintele.

c) criteriile;

1 a+b+c2 b+c+d3 a+b+d4 a+d+e5 a+b+c+e

66) Cubul OLAPeste:

1 ostructura unidimensionala prin care se modeleaza complexul de activitati pe o perioadaindelungata de timp;


19/36

19

2 ostructura cu o singura dimensiune prin care se modeleaza complexul de activitati pe operioada indelungata de timp;

3 ostructura multidimensionala prin care se modeleaza complexul de activitati pe operioada indelungata de timp;

4 ostructura multidimensionala prin care se modeleaza complexul de activitati numai intr-un moment de timp definit de administrator;

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

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

1 date de conjunctura;2 detalii;3 date sintetice;4 date elementare;5 date complexe.

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

1 date de conjunctura;2 detalii;3 date sintetice;4 date elementare;

5 date complexe.

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

1 selectarii prin vizualizare doar pentru un membru al unei dimensiuni, adica un plan dincubul tridimensional. Sectiunea astfel obtinuta va apare ca un tabelpilotcu valoriledimensiunilorpe laturi si cuspecificarea valorii alese pentru dimensiunea suprimata;

2 proiectiei unei dimensiuni pe o alta. De obicei o dimensiune din primul plan estecombinata cu o alta dimensiune din adancime. Acest proces se mai numeste imbricareadimensiunilor;

3 selectarii prin vizualizare simultana a tuturordimensiunilordin cubul tridimensional;4 selectarii prin vizualizare a tuturor inregistrarilor din baza de date;5 proiectiei unei dimensiuni pe ea insasi.

70) n 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 tabelpilotcu valoriledimensiunilorpe laturi si cuspecificarea valorii alese pentru dimensiunea suprimata;

2 proiectie a unei dimensiuni pe o alta. De obicei o dimensiune din primul plan estecombinata cu o alta dimensiune din adancime. Acest proces se mai numeste imbricareadimensiunilor;

3 selectare prin vizualizare simultana a tuturordimensiunilordin cubul tridimensional;4 selectare prin vizualizare a tuturor inregistrarilor din baza de date;5 proiectie a unei dimensiuni pe ea insasi.

71) Ciclulin utilizareaData Miningcuprinde etapele:a) analiza problemei; d) adoptarea deciziilor si actiunilor

in urma informatiilor rezultate;b) definirea oportunitatilorcomerciale

si a datelor pe care se faceexploatarea;

e) cuantificarea cat mai corecta arezultatelorconcrete pentru aidentifica si alte cai de exploatare adatelor.

c) obtinerea de informatii din colectiilede date existente prin tehniciDataMining;

1 a+b+c+d


20/36

20

2 b+c+d+e3 a+c+e4 a+d+e5 a+c

72) Destinatia actiunilor oferite deData Miningeste:a) clasificarea; d) gruparea;b) estimarea; e) esantionarea.c) predictia;

1 a+b+c+d2 b+c+d+e3 a+c+d+e4 b+d+e5 c+e

73) Data Miningpresupune parcurgerea urmatoareloretape:a) definirea problemei; e) definirea si construirea

modelului;b) identificarea surselor de date; f) evaluarea modelului;c) colectarea si selectarea datelor; g) integrarea modelului.

d) pregatirea datelor;1 a+b+c+d+e+f+g2 b+c+d+e+f3 c+d+e4 f+g5 a+c+e+f+g

74) Factorii care au dus la necesitateaData Miningsunt:a) arhivele de date memorate pe suporturi

informatice;d) arhivele de date stocate pe suport

hartie;b) arhivele de date stocate in memoria

operativa a sistemului de calcul;e) cresterea capacitatii de memorare si

prelucrare a calculatoarelor care

permit tratarea corelativa avolumelor mari de date.c) existenta si perfectionarea algoritmilorsi

aproduselor program dedicate;

1 a+b+c+d2 a+c+e3 c+d+e4 b+c5 d+e

75) Informatiile care se pot obtine prinData Miningsunt:

1 date complexe;2 retroactive;3 complementare sauperiodice;4 date elementare;5 predictive sau descriptive.

76) Prin tehnologiaData Miningse prelucreaza date care se refera la:

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

2 perioade diverse, care sunt examinate si sunt cunoscute din relatarile expertilor, pe baza


21/36

21

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, pe baza lor

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

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 pringenerarea 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 pringenerarea 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 pringenerarea 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 pringenerarea unor variabile aleatoare legate de solutie se realizeaza experienta pe model.

78) Principalele etape de desfasurare a unuijoc de intreprindere sunt urmatoarele:1) etapa de instruire a participantilor;2) etapa de gandire initiala asupra strategiei jocului;3) etapa de adoptare a deciziilor de catre participanti;4) etapa in care arbitrul efectueaza calculele prin evaluare consecintelor aparute dupa primirea de laparticipanti a deciziilor adoptate si a perturbatiilor de la consilieri;5) etapa in care arbitrul publica o informare asupra rezultatelor obtinute, in urma carora jucatorii fac larandul lor o analiza rezultatelor;6) etapa de efectuare a unui test de continuare sau de incetare a jocului de catre arbitru;7) etapa de anuntare a sfarsitului jocului si a rezultatelor finale.

1 1+2+3+4+5+62 1+2+3+4+6+73 2+3+4+5+6+74 1+3+4+5+6+7

79) Procesul de depozitare a datelor (Data Warehousing) contine urmatoarele componentemajore: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 usorde 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+52 1+2+4+5+63 1+2+4+6+74 2+3+4+5+65 2+4+5+6+7

80) Caracteristicile fundamentale ale depozitelor de date (Inmon 2005, Tuban 2007) sunturmatoarele:1) orientarea pe subiecte;2) integrarea;


22/36

22

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+8

2 2+3+4+5+6+7+8+93 1+2+3+5+6+7+8+94 1+3+4+5+6+7+8+9

81) Integrarea datelor intr-un depozit de date contine trei procese majore. Alegeti-le dinurmatoarea 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 surselede date de tip intreprindere.

1 1+2+32 2+3+43 3+4+54 1+3+55 2+3+5

82) Turban (2007) diferentiaza trei tipuri principale de depozite de date. Alegeti-le dinurmatoarea 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+32 2+3+43 1+2+44 1+2+55 1+3+5

83) In principiu, procesulData Miningpoate fi aplicat asupra oricarui tip de depozit de date,precum si asuprafluxurilor 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.

1 1+2+3+4+52 1+2+4+5+63 2+3+4+5+64 1+3+4+5+6


23/36

23

COMPLETARI

1) Sistemele de asistare a deciziei orientate pe date lucreaza cu date ce se gasesc in_________ _____ ____________ al organizatiei.

2) Sistemul este o colectie de parti (elemente) organizate si ______________ pentruindeplinirea unui anumit scop.

3) Sistemul, in plan conceptual, este expresia abstractizarii unor fapte, fenomene, procese,

obiecte din universul real pe baza unei structuri ____________ predefinite.

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

5) Sistemele informatice ofera un nivel rapid de obtinere, analiza si interpretare a unei maricantitati de date si informatie, ajutand la o adaptare rapida a ______________intr-un mediu economic inpermanenta dinamica.

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

7) n organizatia economica, resursele alocate sunt umane, materiale, ___________siinformationale.

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

9) Procesul decizionaleste ansamblul de activitati executat de o persoana/grup de persoanecare sunt puse in fata unui fenomen care poate genera mai multe variante de actiune si avand dreptobiectiv alegerea uneia dintre ele care sa raspunda cel mai bine _____________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 seconcretizeaza ___________obtinute in celelalte etape.

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

12) Decidentul alege intre posibilitati in functie de solutionarea definitivaa_______________de selectarea celei mai adecvate alternative si tot el selecteaza planul pentruimplementare.

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

14) Utilizarea metodelor analitice in asistarea deciziei este _________________de naturaproblemelor, iar acestea trebuie sa fiestructurate.

15) Se pot aplica metode analitice pentru probleme de gestiune a __________________sau dealocare a resurselor.

16) Sistemele de asistare a deciziei orientate pe date se gasesc in ___________ de date alorganizatiei.

17) Semantic, un sistem informatic de asistare a deciziei esteo________________________abordata unitar, care presupune un dialog permanent cu utilizatorul, dardecizia finala este adoptata de utilizator si nu de sistem.


24/36

24

18) Subsistemul de gestiune a cunostintelor, cu inglobarea de sisteme expert, ofera pentruSIAD solutii pentru aspectele ______________________.

19) Simularea prezinta avantaje deoarece modelul este obtinut de obicei din perspectivadecidentului; 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 deprobleme_______________.

20) Modelele predictive au ca scop anticiparea evolutiei viitoare a sistemului considerat in

functie de evolutiile sale ____________________.

21) Predictia are un caracter limitat fata de ___________________(prognoza) care inseamnadepasirea cadrului statistic permis de modelele de regresie.

22) Programarea euristica conduce la generarea unei solutii ___________________pentruprobleme complexe de obicei nestructurate.

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

24) Tehnicile de observare analitica a datelor se regasesc intr-o tehnologie modernadenumita Data ________________.

25) Datele care formeaza suportul pentru tranzactiile primare sunt prelucrate pentru a seobtine informatii de ________________ necesare planificarii si luarii deciziilor si sunt tratate deinstrumentele SGBD.

26) Depozitul de date se construieste _______________________adica el permite completarisi dezvoltari ulterioare.

27) Popularea depozitelor de date se face prin preluare din sisteme tranzactionale, dar carevor fi supuse unorprocese complexe de _________________________care sa corespunda structuriidepozitului care a fost proiectat.

28) n exploatarea curenta a depozitului de date, frecvent vor apare noi cerinteinformationale care vor duce neaparat la extinderea structurii, la popularea cu extensii cuprinzanddate____________, precum si la integrarea noilor date incorporate in aplicatii de analiza.

29) n etapa de conceptie a unui depozit de date se folosesc modele ________________caregrupeaza datele din tabelele relationale inscheme de tip stea saufulg de zapada.

30) La depozitele de date, criteriile de agregare sunt denumite ______________________.

31) La depozitele de date, schemele de tip stea, fulg de nea sau constelatie sunt modeleconceptuale ____________________________ale acestor depozite, avand ca rol organizarea datelor pesubiecte necesare procesului de decizie.

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

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

34) Baza de date multidimensionala este formata din doua structuri:structura datelorin carese stocheaza masurile activitatilor preluate din tabela de fapte a depozitului de date. Datele vor fiprezentate utilizatorului in celulele tabelelor pivot;structura ___________________care este formata dintotalitatea 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 peaxele cuburilor.


25/36

25

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

36) Ajustarea nivelului de _______________ este realizata de OLAP prin exploatareaierarhiilor dimensiunilor prin comasari si descompuneri ale masurilorprin proceduri care poarta numelede roll-up si drill-down.

37) n Data Mining, clasificarea are ca scop plasarea obiectelor prelucrate intr-un grup

limitat de ____________predefinite.

POTRIVIRE

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

1 metoda utilitatii globale2 metoda STEM3 metoda P.O.P.

1) algoritmul care descrie aceasta metoda presupune o ordonare a solutiilor in functie decriterii 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 atasatifiecarui criteriu

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

1) ____

2) ____

3) ____

4) ____

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

1 se refera la un volum apreciabil de date stocate in sistemul informatic al organizatiei siofera 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 prelucrareaeste asigurata de tehnologia OLAP;

2 utilizeaza tehnologiile inteligentei artificiale si de aceea se mai numesc si SIIAD (sistemeinformatice 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

5) ____


26/36

26

6) ____

7) ____

Daca problema de decizie multicriteriala este in conditii de incertitudine, solutia optima va fi data urmanduna 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

8) ____

9) ____

10) ____

11) ____

Pentru utilizarea metodelor de previziune trebuie parcurse etapele:

1 se face pentru a alege variabilele care trebuie incluse in ecuatia de regresie. Specificdomeniului economic este fenomenul de multicoliniaritate adica nivelul inalt deinterdependenta intre variabile diverse. La incheierea acestei etape se vor retine doar treisau 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 valorivor face obiectul previziunii. n aceasta etapa se descriesituatia decizionala, se identificavariabila sau variabilele care vor constitui obiectul predictiei ca si variabilele dependentede acestea;

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

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

6 calculatorul determina coeficientii de regresie si elementele care permit testareasemnificatiei acestora. Se retin ecuatiile semnificative si se incearca ridicarea progresiva avalorii coeficientului de corelatie R2 prin introducerea unor noi variabile independente.Dupa fiecare iteratie de marire progresiva a acestui coeficient se verifica testele desemnificatie.

12) formularea si intelegerea continutului problemei

13) selectarea indicatorilor economici

14) analiza matricei de corelatie simpla

15) alegerea unei ecuatii de regresie


27/36

27

16) verificarea corectitudinii conditiilor de regresie

17) pregatirea previziunii

12) _____

13) _____

14) _____

15) _____

16) _____

17) _____

Solutiile oferite de informatica pentruprocesul de sintetizare a datelorsunt:

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 domeniileastfel create.

18) programe

19) interogari

20) functii de total si subtotal

18) _____

19) _____

20) _____

Clasificarea deciziilorin functie de nivelul decizionaleste: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

21) _____

22) _____

23) _____

Clasificarea deciziilorin functie degradul de structurare este:1 decizii care se bazeaza pe flerul si modul de judecata al decidentului care analizeaza


28/36

28

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 pentrurezolvarea lor;

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

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

24) decizii structurate sauprogramabile

25) decizii nestructurate (neprogramabile)

26) decizii semistructurate

24) ____

25) ____

26) ____

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

1 presupun ca decidentul cunoaste aproximativ evolutia viitoare a fenomenului, posibilultrend al variabilelor necontrolabile si chiar ce rezultate are fiecare strategie analizata pebaza criteriului sperantei matematice. n acest caz procesul de decizie va avea omultitudine de consecinte, iar fiecareia i se va asocia o probabilitate. Se obtine odistributie a probabilitatilor din care se va alege varianta cu speranta matematica cea maibuna. Daca exista variante de decizie care au aceeasi speranta matematica, atunci se vacalcula intervalul de variatie si abaterea standard. Ca varianta optima se va alege aceeacare are cea mai mica abatere standard;

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

3 presupun cunoasterea evolutiei anterioare a fenomenului economic. Acest mod decunoastere 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 alegereaunei variante se face in functie de previziunile viitoare ale decidentului precum si decriterii obiective care presupun rationament logic.

27) decizii in conditii de certitudine

28) decizii in conditii de incertitudine

29) decizii in conditii de risc

27) _____

28) _____

29) _____


29/36

29

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

1 depozit de date2 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 putinutilizate 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 raspunsintrucat un numar mare de utilizatori introduc date in sistem;

35) datele procesate sunt inseturi relativ mici, introduse recentsi compact, astfel incatprelucrarea se face destul de rapid;

36) datele necesare acestora sunt in volum mare,stocate dispersatceea ce duce la oprelucrare mai lenta;

37) aceste organizari ale datelor sunt proiectate si realizate pe baza unorcerinte cunoscute sicerte, modificarile care intervin datorita adaptarii sistemului la schimbarile intervenite reiau anumite fazeale ciclului de viata. Dar odata implementate elefunctioneaza perioade lungi de timp fara modificari;

38) cerintele pentru aceasta organizare a datelor sunt cunoscute doarpartialin momentulproiectarii si realizarii lor, ceea ce obliga adaptarea din mers cerintelor;

39) reflecta de obiceifluxul datelor din activitati curente;

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

30) _____

31) _____

32) _____

33) _____

34) _____

35) _____

36) _____

37)_____

38) _____

39) _____

40) _____

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


30/36

30

1 ianuarie, februarie, , decembrie2 123 Timp4 45 Timp, an, semestru, trimestru, luna, data calendaristica6 luna

41) dimensiune

42) ierarhie

43) set de membri ai subdimensiunii

44) subdimensiune

45) numar de membri

46) nivel

41) _____

42) _____

43) _____

44) _____

45) _____

46) _____

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

1 tara2 Agentie3 44 Agentie, tara, zona, agentie5 16 Romania, Ungaria, Ucraina, Bulgaria

47) dimensiune

48) ierarhie

49) set de membri ai subdimensiunii

50) subdimensiune

51) numar de membri

52) nivel

47) _____

48) _____


31/36

31

49) _____

50) _____

51) _____

52) _____

Tehnologia OLAPse caracterizeaza prin:

1 presupune flexibilitatea exploatarii acestei dimensiuni care este necesara pentru comparatiisi aprecieri de valoare in analizale economice. Aceasta dimensiune este luata de obicei dincalendarele tranzactiilor economice asa cum se afla in bazele de date ale sistemuluiinformatic al companiei;

2 posibilitatea de a integra multiplele aspecte care caracterizeaza activitatea uneiintreprinderi 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)

53) _____

54) _____

55) _____

Caracteristicile actiunilor oferite deData Miningsunt :

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

2 poate clasa inregistrarile luate in considerare in functie de un anumit comportament sau ovaloare viitoare estimata. De aceea se va recurge la o colectie de exemple care vizeazadate din trecut, in care valorile variabilei de previzionat sunt deja cunoscute. Cu ajutorullor 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. Deexemplu, vanzarea unui produs nou se poate incadra intr-una din urmatoarele categorii derisc: scazut, mediu, ridicat;

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

56) Clasificarea

57) Estimarea

58) Predictia

59) Gruparea

56) _____

57) _____


32/36

32

58) _____

59) _____

n Data Miningse 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

60) _____

61) _____

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

62) _____

63) _____

64) _____

65) _____

66) _____

67) _____

Simularea unui sistem economic porneste de la definirea evenimentelor care survin in derulareaprocesului 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 :


33/36

33

1 Dupa natura evenimentelor2 Dupa natura conditionarilor dintre evenimente3 Dupa modul de prelucrare care este asociat evenimentului

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

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

70) evenimente sistem si evenimente program.

68) _____

69) _____

70) _____

In SIAD-uri bazate pe modele:

1 Ceasul cu incrementare finita

2 Programul de simulare3 Ceasul cu crestere variabila4 Timpul simulat

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

72) genereaza pe parcursul procesului de simulare o crestere constanta T>0.

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 esteincrementat acesta este egala cu intervalul de timp de trecere de la o stare notata Si la starea determinatade aparitia celui mai apropiat eveniment notata cu Si+1.

71) _____

72) _____

73) _____

74) _____

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

1 modelul Kimball2 modelul Gary3 modelul Gyssens si Lakshmanan

75) fundamentat pe o extensie ale algebrei relationale;

76) fundamentat peschema tip stea ca o reprezentare relationala a cubului n-dimensional; dinaceasta s-au dezvoltatschema tip fulg de nea sischema tip constelatie;


34/36

34

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

75) _____

76) _____

77) _____

Tipurile majore de OLAPsunt:

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 navigatorWeb;

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

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

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

78) _____

79) _____

80) _____

81) _____

82) _____

83) _____

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

1 Descrierea clasa/concept2 Mineritul modelelor frecvente3 Clasificarea si predictia4 Analiza grupurilor5 Analiza exceptiilor6 Analiza evolutiei


35/36

35

84)este functia sistemului Data Miningrealizata prin executarea sarcinilorData Miningdeclasificare date si predictie care au ca rezultat modele Data Mining de clasificare (clasificator) sipredictie (predictor);

85)este functia sistemului Data Mining realizata prin executarea sarcinii Data Mining deanaliza a evolutiei datelor care are ca rezultat un modelData Miningtendintelor de evolutie (a datelor);

86)este functia sistemului Data Mining realizata prin executarea sarcinilorData Miningasociatie date si corelatie date care au ca rezultat modeleData Miningfrecvente;

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

88)este functia sistemului Data Mining realizata prin executarea sarcinilorData 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 deanaliza a exceptiilor care are ca rezultat un modelData Miningal exceptiilor(date atipice);

84) _____

85) _____

86) _____

87) _____

88) _____

89) _____

O interogare Data Miningeste formata din asa numitele primitive Data Miningcare, prin definitie,reprezinta elementele fundamentale (de baza) necesare pentru specificarea unei sarciniData Miningsub forma de interogareData Mining. Acestea sunt:

1 Setul de date relevante pe sarcinaData Mining2 Categoria de cunostinte care trebuie minerita3 Cunostintele de baza4 Masurile interesului pe care il reprezinta un model de date pentru utilizator5 Reprezentarea modelului extras pentru vizualizare

90) sunt cunostinte despre domeniul care trebuie minerit necesare pentru directionareaprocesuluiData Miningsi pentru evaluarea modelelor de date;

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

92) cuprinde specificatiile datelor minerite prin executia sarciniiData Miningde catresistemulData Mining;

93) se utilizeaza pentru directionarea procesului data miningcatre extragerea modelelor dedate care prezinta interes pentru utilizator, precum si pentru evaluarea modelelor de date extrase; spreexemplu, regulile de asociere cusuportsi incredere sub limitele specificate de utilizator sunt considerateneinteresante;


36/36

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

90) _____

91) _____

92) _____

93) _____

94) _____

Sistemul Data Mining este, in esenta sa, un produs software cu functii Data Mining denumit genericaplicatieData Miningcare cuprinde:

1 InterfataData Mining2 ServerulData Mining3 TehnicileData Mining

95) modulul software care gestiuneaza cererileData Miningadresate de utilizator;

96) module software care fac analiza datelor stocate in depozitele de date pentru descoperireamodelelor de date si evaluarea acestora, atat ca interes pentru utilizator, cat si ca baza de cunostinte,raspunzand astfel cererilorData Miningefectuate de utilizator;

97) modulul software care asigura interactiunea (comunicarea) cu utilizatorii care formuleazacereriData Mining(solicitari de executie a sarcinilorData Miningpentru extragerea de modele de date).

95) _____

96) _____

97) _____

Dupagradul de urgenta, deciziile sunt:

1 decizii luate strict in timp real2 decizii luate aproape in timp real3 decizii care nu sunt urgente

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

99) sunt adoptate pentru managementul situatiilor de criza (de exemplu, pentru conducereaunor 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 organizatiecum sunt, de exemplu, oportunitatile de afaceri, lansarea unui produs nou, prefalimentul firmei etc.

98) _____

Documents

CIG Sisteme Informatice de Asistare a Deciziei