Sunteți pe pagina 1din 29

CIG_AN_III_ZI_SIST_INF_PT_ASISTAREA_DEC

TESTE GRILA SISTEME INFORMATICE PENTRU ASISTAREA DECIZIEI

TRUE/FALSE

1. 2. 3.

Modelul ofer un mod simplificat sau abstractizat de abordare a realitii.

Nivelul de detaliu (granularitatea) hipercubului reprezint numrul de membri ai unei dimensiuni.

Datele din depozitul de date sunt accesate selectiv de manageri n funcie de necesitile acestora. n acest fel se creaz colecii specializate pe diverse domenii care se numesc magazii de date (Data Marts). Magaziile de date se pot utiliza i ca structuri intermediare pentru colectarea datelor din surse primare i al cror coninut este descrcat periodic n depozitul de date.

4. 5.

Utilizarea tehologiei Data Mining presupune c procesarea datelor se face cu intervenia utilizatorilor.

n cubul OLAP, dimensiunile se materializeaz n setul de valori posibile care formeaz domeniul caracteristicii respective, valori care poart numele de membrii dimensiunii.

6. n cubul OLAP, o caracteristic a dimensiunii este a ceea c poate avea multipli adic grupe de valori ale dimensiunii cu o caracteristic comun. 7.

Dimensiunile mpreun cu multiplii lor formeaz structuri arborescente care sunt recunoscute de OLAP ca fiind ierarhii.

8. Modelul unei probleme de programare liniar const n determinarea unui min sau max pentru funcia obiectiv care depinde de una sau mai multe variabile care satisfac restriciile modelului (condiii implicite) sau care se refer la valorile ce pot fi luate de variabile (condiii explicite). 9.
Gradul de simplificare oferit de simulare este mult mai mare dect n cazul modelelor tradiionale.

10. Pentru regresia liniar simpl exist mai multe variabile pentru care se face previziunea, dependente de o singur alt variabil.

11. n cazul programri euristice, spaiul de rezolvare a problemelor implic: spaiul strilor, spaiul operatorilor, starea iniial, starea sau strile finale fr a fi necesar informaia asociat fiecrei stri. 12. Programarea euristic se aplic n cazul n care datele de care se dispune pentru o problem complex sunt insuficiente sau are un grad mare de inexactitate, gradul de complexitate al problemei nu permite utilizarea modelelor de optimizare, nu exist soluie algoritmic iar modelul de simulare simplific inadmisibil de mult problema i trebuie obinut o soluie rapid.
Facilitile oferite de un SGM (sistem de gestiune a modelelor) se pot grupa n cteva categorii: stocarea modelelor; utilizarea modelelor deja existente; faciliti de acces i de regsire a modelelor; faciliti de mentabilitate a modelelor existente cu posibiliti de pstrare a soluiilor; construirea unor modele noi pe baza celor existente; flexibilitate, care const n trecerea rapid de la o abordare la alta; inconsistena.

13.

Datele, mai precis structurile de date care fac obiectul sistemelor informatice de asistare a deciziilor 14. sunt denumite depozite de date (Data Warehouse). Caracteristicile acestor structuri este faptul c ele pot nmagazina volume mari de date preluate din arhive i/sau din bazele de date ale aplicaiilor informatice specifice activitii curente a ntreprinderii (sunt volume de ordin 1012 terabytes).

Depozitul de date (Data Warehouse) este o colecie de date orientate pe subiecte, integrate, corelate n 15. timp i volatile care sprijin decizia.

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

16.

17.

Proiectarea structurii depozitului de date se face prin modelare multidimensional.

18. n etapa de concepie a unui depozit de date se folosesc modele dimensionale care grupeaz datele din tabelele relaionale n scheme de tip stea sau fulg de zpad. 19. Depozitele de date pot fi surse pentru Data Mining, iar rezultatele obinute pot completa cmpurile nregistrrilor din depozitele de date, care apoi pot fi valorificate prin proieciile multidimensionale specifice OLAP. 20. Msurile identificate prin dimensiuni vor fi stocate ntr-un tabel relaional care este denumit tabel de fapte, iar codurile utilizate sau asociate criteriilor de agregare sunt date de tabelele de tip nomeclator asociate fiind cu tabelele de fapte i n acest fel schema relaional va fi de tip fulg de zpad. 21. OLAP nu dispune de existena unor tehnici care permit de la o navigare i selecie simpl a datelor pn la analiza detaliat i complex.

22.

Aplicaiile care se rezolv pe baza tehnologiei OLAP au la baz analiza rapid a informaiei multidimensional dispersat n locaii multiple dar accesibile unui mare numr de utilizatori.

23.

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

24. OLAP presupune c analiza datelor (care pot fi de tip numeric sau statistic) poate fi predefinit de cel care creeaz aplicaia sau chiar de utilizatorul final.
Modelarea dimensional presupune conceptualizarea i reprezentarea aspectelor msurabile ale 25. activitii studiate n interdependen cu contextul n care acesta se desfoar, aspect identificat prin parametrii activitii.

26. Prin modelare dimensional se ofer un model conceptual comun pentru rapoarte i pentru agreagarea lor ntr-o structur uniform i flexibil. 27. 28.
Cubul OLAP nu constituie un element structural pentru datele din procesul on-line.

n bazele de date tranzacionale, dimensiunile sunt de fapt cmpuri care conin caracteristicile unei tranzacii adic datele de identificare ale tranzaciilor care sunt de obicei chei externe care fac legtura cu nomenclatoarele care le expliciteaz.

29. 30.

n tehnologia OLAP, o caracteristic a dimensiunii este aceea c nu poate avea multipli.

n tehnologia OLAP, masca de interogare se obine prin exploatarea structurii ierarhice a metadatelor de unde se pot extrage seturi de membri pentru dimensiunile desemnate prin specificatorii de axe.

31.

n tehnologia OLAP, structura metadatelor este de tip ierarhic, fiecare dimensiune fiind stocat ntr-o structur arborescent cu o singur rdcin (all) i cu o multitudine de ramuri care pot conine frunze comune (ierarhii alternative).

32. n tehnologia OPAL, un hipercub este proiectat astfel nct el s aib n vedere nivelul de detaliu necesar n procesul de analiz. 33.
n tehnologia OLAP, nivelul de detaliu (granularitatea) nu reprezint numrul de membri ai unei dimensiuni.

34. n tehnologia OLAP, datele pot fi vizualizate printr-o selecie n hipercub pe baza unui criteriu ierarhic care ar putea fi de exemplu structura organizaional pe care o conduce un anumit manager.

35. 36.

n tehnologia OLAP, orice nivel al unei ierarhii poart un nume dar nu conine de membri.

Data Mining reprezint un proces de extragere de informaii noi din coleciile de date existente.

Prin tehnologia Data Mining se prelucreaz date care refer perioade anterioare (date istorice), care 37. sunt examinate i sunt deja cunoscute.

Ca i alte tipuri de sisteme informatice, SIAD-urile au ca baz un suport soft care le ofer un mediu de ntreinere, dezvoltare i funcionalitate, ele funcionnd ntr-un mediu creat de sisteme suport de asistare a deciziei (SSAD).

38.

39. n procesul decizional, design-ul sau modul de concepere al procesului de asistare a deciziei conine subetapele de identificare a problemei, descompunerea ei, stabilirea responsabilitilor i are ca rezultat descrierea formal a problemei, a categoriei din care aceasta face parte i a tuturor responsabilitilor care decurg de aici.
Un sistem suport pentru SIAD (SSAD) este gestionat de un produs soft denumit sistemul de gestiune 40. al interfeei cu utilizatorul (SGIU), format din programe speciale cum sunt: interfa grafic (GUI), prezentarea datelor sub diverse forme (grafice, figuri, tabele), dialog cu utilizatorul n diverse moduri i altele.

41. Funcionarea SIAD pe baz de modele se axeaz pe utilizarea modelelor pentru rezolvarea unor probleme cu care sunt confruntai managerii, dac aceste probleme pot fi parial modelate. 42. 43. 44.
Soluia final obinut prin programarea euristic poate fi un eec sau un succes.

Principala caracteristic a SIAD pe baz de modele este modelarea analitic.

Analiza decizional presupune ataarea unor valori cunoscute (precise) pentru fiecare alternativ i care se vor nscrie ntr-un tabel sau un graf.

45.

n analiza decizional, numrul de consecine trebuie s fie mai mare sau egal cu numrul de criterii.

ANS: T

46.
optim.

Simularea reprezint o metod descriptiv, deci nu exist o procedur prin care s se obin o soluie

47.

Procesul de simulare prezint i dezavantaje cum este obinerea soluiei optime.

MULTIPLE CHOICE 1. Procesul de modelare implic:

a b c

partea de concepere a problemei; partea de abstractizare a problemei n expresii cantitative sau calitative; partea de concepere a problemei i partea de abstractizare n expresii cantitative sau calitative. a a+b b

1 2 3

2. Programarea euristic:

c d

conduce la generarea unei soluii aproximate pentru probleme complexe de obicei nestructurate; pentru astfel de probleme nu se poate descrie un algoritm care nu poate oferi soluii optime ntr-un numr finit de pai; se poate utiliza i pentru probleme complexe structurale, ntruct poate conduce la opiunea mai rapid a soluiilor fa de un algoritm de optimizare (de exemplu sunt problemele combinatoriale cu extrem de multe soluii posibile); soluia final obinut prin programarea eurstic poate fi un eec sau un succes; se are n vedere evaluarea rezultatelor care va ine cont de calea raionamentului, de paii de parcurs ulterior, precum i de experiena acumulat n probleme similare i nu n ultimul rnd i de model. se aplic n cazul n care datele de care se dispune pentru o problem complex sunt insuficiente sau are un grad mare de inexactitate, gradul de complexitate al problemei nu permite utilizarea modelelor de optimizare, nu exist soluie algoritmic iar modelul de simulare simplific inadmisibil de mult problema i trebuie obinut o soluie rapid. a+b+c a+b+c a+b+c+d+e b+c+d b+c+d+e

1 2 3 4 5

3. La modelul de programare liniar utilizat n SIAD-uri, n forma canonic toate restriciile sunt concordante i toate variabilele sunt>=0: a x f (x ) = c x in f (x ) = c x m m a) d)
x B A x 0

b)

i n f (x ) = c x m x > B A a x f (x ) = c x m x B A x = 0

e)

max f ( x ) = cx x 0
i n f (x ) = c x m x = B A x 0

x > B A x 0

c)

f)

1 2 3 4 5

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

4.

Care dintre urmtoarele subsisteme nu face parte din arhitectura unui sistem suport pentru SIAD (SSAD)? a) subsistemul de gestiune a datelor; d) subsistemul de gestiune a abloanelor; b) subsistemul de gestiune a modelelor; e) subsistemul de gestiune a parametrilor; c) subsistemul de gestiune a f) subsistemul de gestiune a dialogului cunotinelor; (sau interfaa cu utilizatorul). a+b b+c c+d d+e e+f Care dintre etapele de mai jos nu este specific tehnicilor de Data Mining? identificarea surselor de date colectarea i selectarea datelor pregtirea datelor definirea i construirea modelului a+b b+c d+e e+f f+g Funciile unui SIAD sunt: gestiunea datelor, gestiunea modelelor, gestiunea cunotinelor i gestiunea comunicrii ntre utilizator i sistem i ntre intrri i ieiri; gestiunea datelor, gestiunea modelelor, gestiunea soft-ului i gestiunea hard-ului. gestiunea intrrilor, gestiunea ieirilor, gestiunea cunotinelor i gestiunea comunicrii ntre utilizator i sistem i ntre date i modele, cunotine; gestiunea datelor, gestiunea ieirilor, gestiunea legturilor i gestiunea comunicrii ntre utilizator i sistem i ntre date i modele, cunotine; gestiunea datelor, gestiunea modelelor, gestiunea cunotinelor i gestiunea comunicrii ntre utilizator i sistem i ntre date i modele, cunotine. Un sistem suport pentru SIAD (SSAD) prezint n arhitectura sa urmtoarele subsisteme: sistemul de gestiune a datelor; subsistemul de gestiune a intrrilor; subsistemul de gestiune a programelor; subsistemul de gestiune a dialogului (sau interfaa cu utilizatorul); subsistemul de gestiune a datelor; subsistemul de gestiune a modelelor; subsistemul de gestiune a cunotinelor; subsistemul de gestiune a dialogului (sau interfaa cu utilizatorul); subsistemul de gestiune a ieirilor; subsistemul de gestiune a soft-ului; subsistemul de gestiune a cunotinelor; e) f) g) h) integrarea modelului construirea ablonului intermediar procesarea cuvintelor evaluarea modelului

1 2 3 4 5 5. a) b) c) d) 1 2 3 4 5 6. 1 2 3 4 5

7. 1

subsistemul de gestiune a dialogului (sau interfaa cu utilizatorul); subsistemul de gestiune a datelor; subsistemul de gestiune a modelelor; subsistemul de gestiune a cunotinelor; subsistemul de gestiune a bazelor de date; subsistemul de gestiune a datelor; subsistemul de gestiune a relaiilor dintre utilizatori; subsistemul de gestiune a cunotinelor; subsistemul de gestiune a dialogului (sau interfaa cu utilizatorul). Gradul de abstractizare al unui model este dat de mai multe criterii, dup care se face i clasificarea

8. lor: 1 2 3 4 5 9. 1 2 3 4 5 10. 1 2 3 4 5

modele iconice, modele calitative, modele cantitative (matematice); modele statistice, modele analitice, modele cantitative (matematice); modele iconice, modele analitice, modele cantitative (matematice); modele calitative, modele statistice, modele cantitative (matematice); modele iconice, modele analitice, modele calitative (matematice). Principalele componente structurale ale modelului sunt: variabilele de decizie, parametrii ce nu influeneaz rezultatul, variabilele rezultat; variabilele de decizie, parametrii ce influeneaz rezultatul, variabilele de intrare; variabilele de ieire, parametrii ce influeneaz rezultatul, variabilele rezultat; variabilele de decizie, parametrii ce influeneaz rezultatul, variabilele rezultat ; variabilele de intrare, parametrii ce influeneaz rezultatul, variabilele rezultat. n cazul programrii euristice, spaiul de rezolvare a problemelor implic: spaiul strilor, spaiul operatorilor, starea iniial, starea sau strile finale precum i informaia asociat fiecrei stri; spaiul strilor, spaiul intrrilor, starea iniial, starea sau strile finale precum i informaia asociat fiecrei stri; spaiul strilor, spaiul operatorilor, starea iniial, starea sau strile intermediare precum i informaia asociat fiecrei stri; spaiul ieirilor, spaiul operatorilor, starea iniial, starea sau strile finale precum i informaia asociat fiecrei stri; spaiul strilor, spaiul operatorilor, starea iniial, starea sau strile finale precum i informaia asociat ultimei stri. Pentru ca un depozit de date s poat fi procesat este necesar existena: unui set specializat de instrumente pentru descrierea literar a surselor de date, validarea, curirea i transformarea datelor care urmeaz a fi scoase din depozitul de date, utilizatorii finali; unui set specializat de instrumente pentru descrierea formal a surselor de date, validarea, curirea i transformarea datelor care urmeaz a fi stocate n depozitul de date, utilizatorii finali; unui set specializat de instrumente pentru: descrierea fizic i logic a surselor de date, a depozitelor sau a magaziei de date n care acestea urmeaz s fie ncorporate; validarea, curirea i transformarea datelor care urmeaz a fi stocate n depozitul de date, utilizatorii finali;

11. 1

unui set specializat de instrumente pentru descrierea aleatoare a surselor de date, validarea, curirea i transformarea datelor care urmeaz a fi stocate n depozitul de date, utilizatorii finali; unor intrri pentru descrierea fizic i logic a surselor de date, validarea, curirea i transformarea datelor care urmeaz a fi stocate n depozitul de date, utilizatorii finali. Clasificarea deciziilor n funcie de nivelul decizional i gradul de structurare este: decizii de marketing, decizii de control operaional, decizii tactice - de control managerial, decizii n ceea ce privete cunotinele, decizii structurate sau programabile, decizii nestructurate (neprogramabile), decizii semistructurate; decizii strategice, decizii de control pentru date de intrare, decizii tactice - de control managerial, decizii n ceea ce privete cunotinele, decizii structurate sau programabile, decizii nestructurate (neprogramabile), decizii semistructurate; decizii strategice, decizii de control operaional, decizii tactice - de control managerial, decizii n ceea ce privete cunotinele, decizii structurate sau programabile, decizii nestructurate (neprogramabile), decizii semistructurate; decizii strategice, decizii de control operaional, decizii tactice - de control pentru situaii finale, decizii n ceea ce privete cunotinele, decizii structurate sau programabile, decizii nestructurate (neprogramabile), decizii semistructurate; decizii strategice, decizii de control operaional, decizii tactice - de control managerial, decizii n ceea ce privete cunotinele, decizii pentru crearea bazelor de date sau programabile, decizii nestructurate (neprogramabile), decizii semistructurate.

12. 1

13. 1 2 3 4 5

Care este varianta corect pentru clasificarea deciziilor:


decizii n condiii de certitudine, decizii n condiii de incertitudine, decizii n condiii de risc; decizii n condiii de nelegere a contextului de luare a deciziei, decizii n condiii de incertitudine, decizii n condiii de risc; decizii ale sistemelor informatice, decizii n condiii de incertitudine, decizii n condiii de risc; decizii n condiii de certitudine, decizii n condiii de securitate maxim, decizii n condiii de risc; decizii n condiii de certitudine, decizii n condiii de incertitudine, decizii n condiii impuse de piaa extern. In asistarea deciziilor, pentru a gsi soluia optim, metodele analitice utilizeaz: modele euristice; formule matematice; modele de cutare exhaustiv; modele nematematice; metode euristice. Metodele de cutare exhaustiv au la baz: un proces neghidat, proces n urma cruia se alege soluia optim; un proces aleator; un model matematic care ofer soluii aproximativ apropiate de evoluia fenomenului studiat; un model euristic; o combinaie ntre un model matematic i un model euristic.

14. 1 2 3 4 5 15. 1 2 3 4 5

16. Pentru procesul decizional structurat i pentru cel semistructurat se pot folosi modelele cantitative bazate pe metode i modele ale cercetrii operaionale. Aceast abordare presupune automatizarea total sau parial a procesului de adoptare a deciziei i const n urmtorii pai: 1 descrierea i definirea problemei, gsirea categoriei din care face parte cubul OLAP, elaborarea unui model matematic care s se plieze cel mai bine pe descrierea problemei, alegerea soluiei; descrierea i definirea intrrilor i ieirilor, elaborarea unui model matematic care s se plieze cel mai bine pe descrierea problemei, alegerea soluiei; descrierea i definirea problemei, gsirea categoriei din care face parte problema, elaborarea unui model matematic care s se plieze cel mai bine pe descrierea problemei, alegerea acelor date de intrare care vor folosi la crearea bazei de date; descrierea i definirea modelului euristic, gsirea categoriei din care face parte problema, elaborarea unui model matematic care s se plieze cel mai bine pe descrierea problemei, alegerea soluiei; descrierea i definirea problemei, gsirea categoriei din care face parte problema, elaborarea unui model matematic care s se plieze cel mai bine pe descrierea problemei, alegerea soluiei.

2 3

17. Clasificarea SIAD-urilor se face dup mai multe criterii, cel mai des utilizat fiind gradul de analiz a datelor pe care se bazeaz soluia: 1 SIAD-uri care au la baz metode aleatoare, SIAD-uri bazate pe date, SIAD-uri bazate pe cunotine; 2 SIAD-uri care au la baz modele, SIAD-uri bazate pe deciziile managerului, SIAD-uri bazate pe cunotine; 3 SIAD-uri care au la baz modele, SIAD-uri bazate pe date, SIAD-uri bazate pe rezultate finale; 4 SIAD-uri care au la baz modele, SIAD-uri bazate pe date, SIAD-uri bazate pe cunotine; 5 SIAD-uri care au la baz experiena managerului, SIAD-uri bazate pe date, SIAD-uri bazate pe cunotine; 18. Subsistemul de gestiune a datelor din arhitectura unui sistem suport pentru SIAD are urmtoarele componente: 1 baza de cunotine, SGBD ce este de obicei ncorporat n SIAD, dicionarul de date (Data Dictionary), facilitile de separare a datelor ce se refer la nonexistena limbajelor declarative de interogare; 2 baza de date, SGBD care nu este de obicei ncorporat n SIAD, dicionarul de date (Data Dictionary), facilitile de integrare a datelor ce se refer la existena limbajelor declarative de interogare; 3 baza de date, SGBD ce este de obicei ncorporat n SIAD, dicionarul de date (Data Dictionary), facilitile de integrare a datelor ce se refer la nonexistena limbajelor declarative de programare; 4 baza de date, SGBD ce este de obicei ncorporat n SIAD, dicionarul de date (Data Dictionary), lipsa facilitilor de integrare a datelor; 5 baza de date, SGBD ce este de obicei ncorporat n SIAD, dicionarul de date (Data Dictionary), facilitile de integrare a datelor ce se refer la existena limbajelor declarative de interogare. 19. Subsistemul de gestiune a modelelor din arhitectura unui sistem suport pentru SIAD are urmtoarele componente:

1 2 3 4 5

modelele, sistemul de gestiune al modelelor (similar SGBD), dicionarul (catalogul) de modele), procesul de execuie i integrare a modelelor; modelele, sistemul de gestiune al modelelor (similar SGBD), dicionarul (catalogul) de modele), procesul de creare i verificare a modelelor; metodele, sistemul de gestiune al bazelor de date, dicionarul (catalogul) de modele), procesul de execuie i integrare a modelelor; modelele, sistemul de gestiune al modelelor (similar SGBD), bazele de date, procesul de execuie i integrare a modelelor; bazele de date, sistemul de gestiune al modelelor (similar SGBD), dicionarul (catalogul) de modele), procesul de execuie i integrare a modelelor; Analiza decizional conine: alternative generate de crize majore ale organizaiei, alternative decizionale, consecine decizionale; stri generale, alternative decizionale, consecine decizionale; stri generale, alternative repetitive, consecine decizionale; stri generate de inconsistena bazei de date, alternative decizionale, consecine decizionale; stri generale, alternative la exploatarea bazei de date, consecine decizionale;

20. 1 2 3 4 5

21. n programarea euristic, cnd se execut evaluarea rezultatelor: a b c d evaluarea rezultatelor se realizeaz cu ajutorul funciei de evaluare care depinde de stare i de informaiile referitoare la acea stare; starea va fi acceptat dac funcia de evaluare va depi un anumit prag prestabilit; evaluarea rezultatelor se realizeaz cu ajutorul funciei ptratice care depinde de stare i de informaiile referitoare la acea stare; starea va fi acceptat dac funcia de evaluare este mai bun dect valorile strilor n ateptare. a+b+d a+b+c b+c+d

1 2 3

22. a b c

n programarea euristic, euristicile se pot grupa n: cantitative, dac sunt n baza de modele a unui sistem informatic de asistare a deciziei; calitative, dac furnizeaz cunotine pentru un sistem expert; cantitative, dac sunt n baza de modele a unui sistem informatic de asistare a deciziei i calitative, dac furnizeaz cunotine pentru un sistem expert. a+b a b

1 2 3

23. 1

Paii de urmat ntr-un proces de simulare pot fi: definirea bazei de date, obinerea modelului de simulare, testarea i validarea modelului, modelul de efectuare a experimentelor, evaluarea experimentelor, implementarea rezultatelor simulrii;

definirea problemei, obinerea deciziei managerului referitoare la datele de ieire, testarea i validarea modelului , modelul de efectuare a experimentelor, evaluarea experimentelor, implementarea rezultatelor simulrii; definirea problemei, obinerea modelului de simulare, testarea i validarea modelului, modelul de efectuare a experimentelor, evaluarea experimentelor, implementarea rezultatelor simulrii; definirea problemei, obinerea modelului de simulare, testarea i validarea modelului , modelul de efectuare a experimentelor, evaluarea intrrilor i ieirilor, implementarea rezultatelor simulrii; definirea problemei, obinerea modelului semantic, testarea i validarea modelului, implementarea testelor, evaluarea experimentelor, implementarea rezultatelor simulrii;

24. Pentru a alctui un model de regresie se va ine cont de urmtoarele etape:


1 analiza, specificarea, estimarea parametrilor modelului, testarea semnificaiei parametrilor estimai, validarea (verificarea) modelului, utilizarea modelului n operaii de simulare i predicie; analiza, specificarea, estimarea datelor de intrare, testarea semnificaiei parametrilor estimai, validarea (verificarea) modelului, utilizarea modelului n operaii de simulare i predicie; analiza, sinteza, estimarea parametrilor modelului, testarea semnificaiei parametrilor estimai, validarea (verificarea) modelului, utilizarea modelului n operaii de simulare i predicie; analiza, specificarea, estimarea parametrilor modelului, testarea semnificaiei datelor de ieire, validarea (verificarea) modelului, utilizarea modelului n operaii de simulare i predicie; analiza, specificarea, estimarea parametrilor modelului, testarea semnificaiei parametrilor estimai, validarea (verificarea) modelului, utilizarea rezultatelor n operaii de simulare.

25. Pentru previzionarea variabilei Y din regresia liniar simpl Y=f(x) se poate folosi una din urmtoarele
metode: 1 2 3 4 5 metode exhaustive, metoda filtrajului adaptiv, metoda regresiei liniare simple, metoda regresiei liniare multiple; metoda glisajului exponenial, metoda filtrajului adaptiv, metoda regresiei liniare simple, metoda regresiei liniare multiple; metoda glisajului exponenial, metode empirice, metoda regresiei liniare simple, metoda regresiei liniare multiple; metoda glisajului exponenial, metoda filtrajului adaptiv, metode bazate pe puncte critice, metoda regresiei liniare multiple; metode retrograde, metoda filtrajului adaptiv, metoda regresiei liniare simple, metoda regresiei liniare multiple. n raionamentul bazat pe cazuri, exist dou funcii fundamentale de prelucrare: msurarea distanei dintre membrii cotizani ai organizaiei; combinarea rezultatelor obinute din msurare pentru a obine suma total cotizat; msurarea distanei dintre membrii minori i majori ai organizaiei; combinarea rezultatelor obinute de la minori n rspunsul propus pentru majori; msurarea distanei dintre membrii fiecrui cuplu managerial al organizaiei pentru a afla vecinele cele mai apropiate; combinarea rezultatelor obinute de la vecine n rspunsul propus pentru cazul curent;

26.
1 2 3

msurarea distanei dintre membrii fiecrui cuplu de nregistrri pentru a afla vecinele cele mai apropiate; combinarea rezultatelor obinute de la vecine n rspunsul propus pentru cazul curent; msurarea distanei dintre vecine; combinarea rezultatelor obinute de la vecine n rspunsul propus pentru cazul curent; Metoda raionamentului bazat pe cazuri se poate aplica pentru: clasificri i predicii; raionamente infinite; cazuistica din procesele economice penale; cupluri manageriale; revizuiri ale datelor istorice ale organizaiei. Tehnicile de Data Mining se pot aplica: aleatoriu; condescendent; numai descendent numai ascendant; att ascendent ct i descendent. Gradul de structurabilitate a deciziei depinde de: experiena acumulat de decident precum i de nivelul i importana ei; experiena acumulat de executant precum i de nivelul i importana ei; experiena acumulat de colaboratori precum i de nivelul i importana ei; experiena acumulat de decident precum i de istoricul cazuisticii acumulate; experiena acumulat de decident precum i de afinitile acestuia fa de una sau alta dintre variantele existente.

27.
1 2 3 4 5

28.
1 2 3 4 5

29.
1 2 3 4 5

30.
1 2 3 4 5

Termenul de asistare a deciziei trebuie definit la modul general ca fiind: o serie de operaii cum sunt sortarea clasificarea, selectarea, evaluarea ce au ca scop final distribuirea informaiei, creterea incertitudinii i obinerea de variante de rezolvare; o serie de operaii cum sunt sortarea clasificarea, selectarea, evaluarea ce au ca scop final diseminarea informaiei, reducerea incertitudinii i obinerea de variante de rezolvare; o serie de operaii cum sunt sortarea clasificarea, selectarea, evaluarea ce au ca scop final organizarea informaiei, reducerea incertitudinii i obinerea de variante de rezolvare; o serie de operaii cum sunt sortarea clasificarea, selectarea, evaluarea ce au ca scop final exploatarea informaiei, reducerea incertitudinii i obinerea de variante de rezolvare; o serie de operaii cum sunt sortarea clasificarea, selectarea, evaluarea ce au ca scop final organizarea informaiei, reducerea incertitudinii i obinerea unei singure variante de rezolvare. Procesul de adoptare a deciziilor este constituit din urmtoarele etape: informarea general, design-ul sau modul de alegere al procesului de asistare a deciziei i implementarea;

31.
1

2 3 4 5

informarea particular, design-ul sau modul de concepere al procesului de asistare a deciziei, alegerea i implementarea; informarea general, design-ul sau modul de concepere al procesului de implementare a deciziei i alegerea; informarea general, design-ul sau modul de concepere al procesului de asistare a deciziei, alegerea i implementarea; informarea general, design-ul sau modul de implementare al procesului de asistare a deciziei i alegerea. Sistemele de asistare a deciziei orientate pe date: funcioneaz pe baza sintezei i dezagregrii datelor i au ca funcii accesul imediat la date, dispun de un mecanism pentru analiza imediat a datelor, creeaz statistici; funcioneaz pe baza analizei i agregrii datelor i au ca funcii accesul imediat la date, dispun de un mecanism pentru analiza imediat a datelor, creeaz statistici; funcioneaz pe baza analizei i agregrii datelor i au ca funcii accesul ntrziat la date, dispun de un mecanism pentru analiza ntrziat a datelor, creeaz statistici; funcioneaz pe baza segregrii cunotinelor i au ca funcii accesul imediat la cunotine, dispun de un mecanism pentru analiza imediat a cunotinelor, creeaz statistici; funcioneaz pe baza sintezei i dezagregrii datelor i au ca funcii accesul ntrziat la date, dispun de un mecanism pentru analiza ntrziat a datelor, creeaz statistici. Adoptarea deciziilor constituie un proces care pe lng suportul tehnic are nevoie de un suport: structural care este asigurat de partea arhitectural component integrant a sistemului decizional; comportamental care este asigurat de partea funcional component integrant a sistemului decizional; credibil care este asigurat de partea scris pe hrtie component integrant a sistemului decizional; informativ care este asigurat de partea informatic component integrant a sistemului decizional; cognitiv care este asigurat de partea uman component integrant a sistemului decizional.

32.
1 2 3 4 5

33.
1 2 3 4 5

Sistemele informatice de asistare inteligent a deciziei sunt sisteme informatice de asistare a deciziei 34. bazate pe: 1 2 3 4 5 date; cunotine; baze de date; manageri; sisteme informatice.

35.
a)

b)

Caracteristicile principale ale SIAD (DSS) sunt: rezolvarea acelor probleme care nu se d) soluiile sunt obinute prin manipulri pot rezolva cu sisteme destinate de date, cutri de informaii, modele, cuantificrii cantitative; calcule; rol de asistare a decidenilor e) timpul de rspuns pentru obinerea unei (managerilor) la nivel individual sau de soluii acceptabile este limitat. grup n toate etapele procesului

c)

decizional timpul de rspuns pentru obinerea unei soluii acceptabile este nelimitat; a+b+c b+c+d+e a+b+d+e b+c+d a+b+c+d

1 2 3 4 5

Clasificarea sistemelor informatice de asistare a deciziei (SIAD), oferit de Holsapple i Whinston, 36. grupeaz sistemele SIAD n tipurile: SIAD bazate pe analiza textelor; SIAD bazate pe funcii; a) d) SIAD baze de date; SIAD bazate pe reguli. b) e) SIAD procesoare de tabele; c) 1 2 3 4 5 a+b+c a+b+c+d a+b+c+d+e b+c+d+e c+d+e Sistemele informatice pentru asistarea deciziei de grup (Groupware) au ca scop: creterea calitii procesului decizional datorit lucrului n echip precum i creterea gradului de creativitate al grupului; creterea cantitii informaiei procesului decizional datorit lucrului n echip precum i creterea gradului de creativitate al grupului; creterea ponderii procesului decizional bazat pe date informale datorit lucrului n echip precum i creterea gradului de creativitate al grupului; diversificarea procesului decizional datorit lucrului n echip precum i creterea gradului de creativitate al grupului; creterea importanei procesului decizional datorit lucrului n echip precum i creterea gradului de creativitate al grupului.

37.
1 2 3 4 5

Referitor la subsistemele componente ale unui sistem suport pentrru SIAD, care dintre afirmaiile 38. prezentate mai jos nu este corect? 1 Subsistemul de gestiune a datelor conine baza de date ce poate fi proprie SIAD sau se poate crea prin extragere de date din alte baze de date sau dintr-un depozit de date. Ea poate fi utilizat de unul sau mai muli decideni pentru diverse aplicaii. Datele pot proveni din mai multe surse interne organizaiei sau chiar din afara ei, ele putnd fi incluse n baza de date proprie sau pot fi accesate direct doar n momentul n care se utilizeaz sistemul; Subsistemul de gestiune a modelelor, conine un sistem de gestiune al modelelor (similar SGBD), destinat pentru crearea de noi modele cu ajutorul limbajelor de programare, subrutine, sau de actualizare a modelelor deja existente; Subsistemul de gestiune a datelor conine facilitile de integrare a datelor n care nu trebuie s existe limbaje declarative de interogare; Subsistemul de gestiune a cunotinelor nglobeaz sisteme expert ce ofer pentru SIAD soluii pentru aspectele calitative nestructurate;

3 4

Subsistemul de dialog cu utilizatorul sau interfaa este o component care asigur interactivitatea SIAD.

39.
1 2 3 4 5

Care dintre regulile prezentate mai jos nu exist pentru soluia optim a problemei de decizie multicriterial n condiii de incertitudine? Criteriul WARD (al prudenei) Criteriul SAVAGE sau regula regretului Criteriul Laplace Criteriul Hurwicz Criteriul Schwarz Care dintre metodele prezentate mai jos nu aparin programrii liniare multidimensionale? metoda utilitii globale metoda de rafinare imediat a datelor d) metoda P.O.P. metoda STEM e) metoda R.O.S. a+b+c b+c+d c+d a+d+e a+b+c+d

40.
a) b) c) 1 2 3 4 5

41.
a)

Facilitile oferite de un sistem de gestiune a modelelor (SGM) se pot grupa n categoriile: stocarea modelelor; faciliti de mentabilitate a modelelor existente cu posibiliti de pstrare a soluiilor; f) construirea unor modele noi pe baza celor existente; g) consistena care d posibilitatea ca acelai model i aceleai date s fie accesate de mai muli utilizatori. e)

b) c)

utilizarea modelelor deja existente; faciliti de acces i de regsire a modelelor; flexibilitate, care const n trecerea rapid de la o abordare la alta; a+b+c+d a+c+d+e b+c+d a+b+c+d+e+f+g c+d+e+g

d)

1 2 3 4 5

42.
1

Managerii utilizeaz sistemele informatice pentru: planificarea, organizarea, coordonarea, controlul i previziunea activitilor lor, dar i pentru comunicarea dintre persoane, stabilirea reelelor n interiorul organizaiei ct i la rezolvarea problemelor curente; analiza i proiectarea sistemelor informatice de gestiune; analiza i proiectarea sistemelor expert; planificarea, organizarea, coordonarea, controlul i previziunea sarcinilor didactice, dar i

2 3 4

pentru comunicarea dintre persoane, stabilirea reelelor n interiorul organizaiei ct i la rezolvarea problemelor curente; analiza i proiectarea sistemelor informatice pentru asistarea deciziei. n cazul deciziilor n condiii de risc: Aceste decizii presupun c decidentul cunoate aproximativ evoluia viitoare a fenomenului, posibilul trend al variabilelor necontrolabile i chiar ce rezultate are fiecare strategie analizat pe baza criteriului speranei matematice; d) Procesul de decizie va avea o multitudine de consecine, iar fiecreia i se va asocia o probabilitate. Se obine o distribuie a probabilitilor din care se va alege varianta cu sperana matematic cea mai bun. Dac exist variante de decizie care au aceeai speran matematic, atunci se va calcula intervalul de variaie i abaterea standard. Ca variant optim se va alege aceea care are cea mai mic abatere standard; Aceste decizii presupun o cunoatere a evoluiei fenomenelor viitoare, ceea ce se petrece mai rar n realitatea economic. O astfel de decizie se bazeaz pe criteriul costului minim de funcionare.

43.
a)

b)

c)

Aceste decizii presupun cunoaterea e) evoluiei anterioare a fenomenului economic. Acest mod de cunoatere va permite o previziune i o alegere ct de ct corect a variantei de decizie. Acest tip de decizie face parte din clasa general a deciziilor de orientare n care alegerea unei variante se face n funcie de previziunile viitoare ale decidentului precum i de criterii obiective care presupun raionament logic; Aceste decizii presupun un ansamblu de decizii anterioare, cu verificarea rezultatelor n practic; a+b+c a+d b+c+d c+d+e a+c+e n cazul deciziilor n condiii de certitudine:

1 2 3 4 5

44.
1

Aceste decizii presupun c decidentul cunoate aproximativ evoluia viitoare a fenomenului, posibilul trend al variabilelor necontrolabile i chiar ce rezultate are fiecare strategie analizat pe baza criteriului speranei matematice; Aceste decizii presupun cunoaterea evoluiei anterioare a fenomenului economic. Acest mod de cunoatere va permite o previziune i o alegere ct de ct corect a variantei de decizie. Acest tip de decizie face parte din clasa general a deciziilor de orientare n care alegerea unei variante se face n funcie de previziunile viitoare ale decidentului precum i de criterii obiective care presupun raionament logic; Aceste decizii presupun un ansamblu de decizii anterioare, cu verificarea rezultatelor n practic;

Procesul de decizie va avea o multitudine de consecine, iar fiecreia i se va asocia o probabilitate. Se obine o distribuie a probabilitilor din care se va alege varianta cu sperana matematic cea mai bun. Dac exist variante de decizie care au aceeai speran matematic, atunci se va calcula intervalul de variaie i abaterea standard. Ca variant optim se va alege aceea care are cea mai mic abatere standard; Aceste decizii presupun o cunoatere a evoluiei fenomenelor viitoare, ceea ce se petrece mai rar n realitatea economic. O astfel de decizie se bazeaz pe criteriul costului minim de funcionare.

45.
1

n cazul deciziilor n condiii de incertitudine: Aceste decizii presupun c decidentul cunoate aproximativ evoluia viitoare a fenomenului, posibilul trend al variabilelor necontrolabile i chiar ce rezultate are fiecare strategie analizat pe baza criteriului speranei matematice; Aceste decizii presupun cunoaterea evoluiei anterioare a fenomenului economic. Acest mod de cunoatere va permite o previziune i o alegere ct de ct corect a variantei de decizie. Acest tip de decizie face parte din clasa general a deciziilor de orientare n care alegerea unei variante se face n funcie de previziunile viitoare ale decidentului precum i de criterii obiective care presupun raionament logic; Aceste decizii presupun un ansamblu de decizii anterioare, cu verificarea rezultatelor n practic; Procesul de decizie va avea o multitudine de consecine, iar fiecreia i se va asocia o probabilitate. Se obine o distribuie a probabilitilor din care se va alege varianta cu sperana matematic cea mai bun. Dac exist variante de decizie care au aceeai speran matematic, atunci se va calcula intervalul de variaie i abaterea standard. Ca variant optim se va alege aceea care are cea mai mic abatere standard; Aceste decizii presupun o cunoatere a evoluiei fenomenelor viitoare, ceea ce se petrece mai rar n realitatea economic. O astfel de decizie se bazeaz pe criteriul costului minim de funcionare. n etapa de alegere pentru adoptarea deciziei, metodele de cutare euristice se bazeaz pe: o riguroas analiz a problemei sau printr-o cutare prin ncercri succesive a spaiului soluiilor; folosesc formule matematice pentru a gsi soluia optim; d) folosesc formule financiare pentru a gsi soluia optim; raionamentul fcut prin parcurgerea spaiului de cutare a soluiilor ce permite trecerea prin toate stadiile intermediare ctre o stare final care poate fi un rezultat satisfctor sau o nereuit (eec).

3 4

46.
a)

b)

e)

c)

folosesc formule statistice pentru a gsi soluia optim; a+b+c a+c+e a+e b+c+d c+e

1 2 3 4 5

47. Sistemele informatice de asistare a deciziei orientate pe date sunt rezultatul crerii unor tehnologii speciale cum sunt:

a)

b)

c) 1 2 3 4 5

exploatarea datelor prin procesarea d) online a tranzaciilor (OLTP, OnLine Transation Processing); depozitarea unor volume enorme de e) date istorice ale organizaiei (Data Warehousing); birotica; a+b+c b+d c+d+e d+e a+e

exploatarea depozitelor de date prin procesare analitic on-line (OLAP, OnLine Analytical Processing); Automatizarea lucrrilor de birou (OAS, Office Automation Systems);

48.
1 2 3 4 5

Diferena dintre sistemele informatice pentru management (MIS) i sistemele informatice pentru asistarea deciziei, SIAD (DSS) const n aceea c: MIS pleac de la decident i de la decizie pe cnd SIAD-ul pornete de la date i relaiile dintre acestea; MIS pleac de la relaiile interumane pe cnd SIAD-ul pornete de la relaiile dintre sistemele informatice; MIS pleac de la date i relaiile dintre acestea pe cnd SIAD-ul pornete de la decident i de la decizie; MIS pleac de la relaiile dintre sistemele informatice pe cnd SIAD-ul pornete de la relaiile interumane; MIS pleac de la decident i de la decizie pe cnd SIAD-ul pornete de la relaiile interumane. Sistemele informatice de sprijin al executivului, ESS (EIS), sunt sisteme informatice: destinate asistrii deciziilor pe cel mai d) au posibilitatea de a oferi decidentului de jos nivel al managementului tendine, analize pentru activitatea organizaional; concurenial; destinate asistrii deciziilor pe cel mai e) destinate asistrii deciziilor pe nivelul nalt nivel al managementului de mijoc al managementului organizaional; organizaional. ajut la identificarea i rezolvarea problemelor prin sesizarea de noi oportuniti; a+b+c+d b+c+d c+d+e a+b+e a+c

49.
a)

b)

c)

1 2 3 4 5

50.
1 2 3 4

Modelarea este considerat esenial pentru sistemele informatice de asistare a deciziei i implic: partea de implementare a problemei de rezolvat; partea de sintez a problemei i partea de concretizare n expresii cantitative sau calitative; partea de discreditare a problemei de rezolvat; partea de discretizare a problemei de rezolvat;

partea de concepere a problemei i partea de abstractizare n expresii cantitative sau calitative. Modelul unei probleme de programare liniar poate fi sintetizat astfel: determinarea unei valori medii pentru funcia obiectiv care depinde de una sau mai multe variabile care satisfac restriciile modelului (condiii implicite) sau care se refer la valorile ce pot fi luate de variabile (condiii explicite); problemele de programare liniar au restricii de tip inegaliti i condiii explicite puse unora dintre variabile; determinarea unui min sau max pentru funcia obiectiv care depinde de una sau mai multe variabile care satisfac restriciile modelului (condiii implicite) sau care se refer la valorile ce pot fi luate de variabile (condiii explicite); problemele de programare liniar au restricii de tip inegaliti i condiii explicite puse unora dintre variabile; determinarea unui min sau max pentru funcia obiectiv care depinde de una sau mai multe variabile care satisfac restriciile modelului (condiii implicite) sau care se refer la valorile ce pot fi luate de variabile (condiii explicite); problemele de programare liniar au restricii de tip egaliti i condiii explicite puse unora dintre variabile; determinarea unei valori medii pentru funcia obiectiv care depinde de una sau mai multe variabile care satisfac restriciile modelului (condiii implicite) sau care se refer la valorile ce pot fi luate de variabile (condiii explicite); problemele de programare liniar au restricii de tip egaliti i condiii explicite puse unora dintre variabile; determinarea unui min sau max pentru funcia obiectiv care nu depinde de nici o variabil; problemele de programare liniar au restricii de tip inegaliti i condiii explicite puse unora dintre variabile; n SIAD-urile bazate pe analiza i sinteza datelor, analiza datelor presupune: a gsi relaii ntre datele distribuite, cum ar fi: disocieri, corelaii structurale, cauzale sau funcionale; a gsi relaii ntre datele centralizate cum ar fi: asocieri, corelaii structurale, cauzale sau funcionale; a gsi relaii ntre datele tranzacionale cum ar fi: asocieri, corelaii structurale, cauzale sau funcionale; a gsi relaii ntre datele sintetizate cum ar fi: disocieri, corelaii structurale, cauzale sau funcionale; a gsi relaii ntre datele sintetizate cum ar fi: asocieri, corelaii structurale, cauzale sau funcionale. n SIAD-urile bazate pe analiza i sinteza datelor, rezultatul procesului de observare analitic este: obinerea unor tipare, corelaii i uneori modele din care se pot deduce tendine sau se poate previziona cu o anumit probabilitate cum vor arta datele pe o perioad ulterioar; obinerea unor tipare, corelaii i uneori modele din care nu se pot deduce tendine sau nu se poate previziona cu o anumit probabilitate cum vor arta datele pe o perioad ulterioar; obinerea unor modele din care se pot dezvolta SIAD-uri bazate pe modele; obinerea unor tipare, corelaii i uneori modele din care nu se pot deduce tendine, dar se poate previziona cu o anumit probabilitate cum vor arta datele pe o perioad ulterioar; obinerea unor tipare, corelaii i uneori modele din care se pot deduce tendine, dar nu se poate previziona cu o anumit probabilitate cum vor arta datele pe o perioad ulterioar.

51.
1

52.
1 2 3 4 5

53.
1 2

3 4 5

54. Programarea euristic prezint o serie de avantaje:

a b c 1 2 3

sunt metode uor de aplicat i implementat; produc mai multe soluii acceptabile; se poate face o msurare empiric sau teoretic a calitii soluiei obinute. a+b b+c a+b+c

55. Programarea euristic prezint o serie de dezavantaje: 1 2 3 incertitudinea obinerii unei soluii optime; exist riscul de a nu anticipa corect consecinele alegerilor fcute n cazul n care se fac alegeri secveniale ntr-o decizie; incertitudinea obinerii unei soluii optime i exist riscul de a nu anticipa corect consecinele alegerilor fcute n cazul n care se fac alegeri secveniale ntr-o decizie.

56.
1 2 3 4 5

Sistemele de asistare a deciziei care au la baz sinteza i analiza datelor realizeaz: modele necesare pentru a obine informaii care s reliefeze factorii care influeneaz pozitiv sau negativ performanele companiei; dispersarea, distribuirea, decorelarea i regruparea datelor pentru a obine informaii care s reliefeze factorii care influeneaz pozitiv sau negativ performanele companiei; condiionarea datelor pentru a obine informaii care s reliefeze factorii care influeneaz pozitiv sau negativ performanele companiei; comasarea, sistematizarea, corelarea i gruparea datelor pentru a obine informaii care s reliefeze factorii care influeneaz pozitiv sau negativ performanele companiei; comasarea, sistematizarea, corelarea i gruparea datelor pentru a obine informaii care s reliefeze factorii care nu influeneaz performanele companiei.

57.
a) b)

c) 1 2 3 4 5

Principalele inconveniente ale depozitelor de date sunt: timpul mic necesar exploatrii lor; d) integritatea i coerena bazei de date; aglomerarea motorului bazei de e) aglomerarea motorului bazei de date cu task-uri de centralizare date cu task-uri de centralizare care grbete astfel tranzaciile care ncetinete astfel tranzaciile curente; curente. timpul mare necesar exploatrii lor; a+b+c b+c+d c+d+e c+e a+c+e Fr ca utilizatorul s poat interveni, n depozitul de date se pot stoca: arhive de date privind activitatea d) decizii ale managementului anterioar; strategic; interogri curente; e) hotrri ale managementului strategic; date referitoare la tranzacii ulterioare;

58.
a) b) c)

1 2 3 4 5

a+b+c b+c+d c+d a+c a+d+e Diferenele dintre depozitul de date i baza de date sunt urmtoarele: datele coninute de un sistem de d) bazele de date construite pentru prelucrare a tranzaciilor, OLTP (Onsisteme tranzacionale sunt Line Transaction Processing) sunt de proiectate i realizate pe baza unor tip operaional, iar datele coninute de cerine cunoscute i certe, un depozit de date sunt specifice modificrile care intervin datorit asistrii deciziilor, sunt date adaptrii sistemului la schimbrile centralizate sau derivate din date intervenite reiau anumite faze ale operaionale, nu se modific n timp ciclului de via. Dar odat i sunt destinate utilizatorilor finali; implementate ele funcioneaz perioade lungi de timp fr modificri. n SIAD cerinele sunt cunoscute doar parial n momentul proiectrii i realizrii lor, ceea ce oblig depozitul de date s se adapteze din mers cerinelor. De aceea se observ c datele gestionate pentru sisteme tranzacionale sunt privite ca un ntreg, pe cnd cele din depozitele de date sunt organizate pe seciuni deoarece ele sunt organizate n funcie de subiectul de analiz; n cazul sistemelor tranzacionale, e) sistemele tranzacionale reflect de performanele se refer la integritate, obicei fluxul datelor din activiti confidenialitate, siguran i timp de curente, pe cnd depozitele de date rspuns ntruct un numr mare de sunt orientate pe subiecte cum ar fi utilizatori introduc date n sistem, n de exemplu: resurse, produse, timp ce n cazul SIAD (deci a clieni, furnizori. depozitelor de date) numrul de utilizatori finali (manageri) este foarte mic. Astfel i securitatea i sigurana n exploatare nu sunt supuse unor riscuri majore, procedurile de salvare i restaurare fiind mai puin utilizate dect n cazul sistemelor tranzacionale; datele procesate n sistemele tranzacionale sunt n seturi relativ mici, introduse recent i compact, astfel nct prelucrarea se face destul de rapid. n procesele decizionale, datele necesare acestora sunt n volum mare, stocate dispersat ceea ce duce la o prelucrare mai lent;

59.
a)

b)

c)

1 2 3 4 5

a+b+c b+c+e c+d+e a+b+d+e a+b+c+d+e Depozitul de date (Data Warehouse) este o colecie de date care sprijin decizia, n care datele sunt: orientate pe subiecte; d) non-volatile; neintegrate; e) integrate. corelate n timp; a+b+c+d a+c+d+e b+c+d+e a+c+e b+c+d

60.
a) b) c) 1 2 3 4 5

61. Una din subetapele design-ului sau modului de concepere al procesului de asistare a deciziei este modelarea ce implic:
1 2 3 o etap n care sunt analizate evenimentele aprute n organizaie i depistate cauzele lor de apariie; etapa n care se face declanarea aciunii alese (propuse) de decident; modul de concepere a problemei precum i abstractizarea ei cantitativ i/sau calitativ; experiena decidentului i pune amprenta pe modul de alegere a modelului dintr-o multitudine existent; dezvolt proceduri mentale care ajut la ncadrarea problemei de rezolvat ntr-o anume clas de modele existente; etapa de baz pentru adoptarea deciziei deoarece n cadrul ei se concretizeaz rezultatele obinute n celelalte etape; decidentul alege o singur aciune din multitudinea existent n funcie de criteriul de selecie propus i de modelul decizional pe care l-a ales; att analiza, ct i adoptarea deciziei.

62.
a) b) c)

Mediul n care se construiete i se exploateaz un depozit de date conine urmtoarele elemente: surse de date tranzacionale; d) sistemul de gestiune al bazei de date; instrumente de proiectare-dezvoltare; e) instrumente de acces i analiz a datelor; instrument de extracie i transformare f) instrumente de administrare. a datelor; a+b+c+d b+c+d+e a+b+c+d+e+f a+d+e+f c+d+e+f Dintre cele 11 principii formulate de Ted Codd (1992) care stau la baza tehnologiei OLAP, fac parte: abordarea conceptual d) accesibilitatea asigurat utilizatorului multidimensional a datelor; prin asistarea implicrii acestuia n modalitile tehnice de furnizare a datelor;

1 2 3 4 5

63.
a)

b)

c)

asigurarea unei transparene sporite e) prin existena unei arhitecturi deschise a sistemului; numr limitat de niveluri de agregare i de dimensiuni; a+b+c+d a+b+d+e b+c+d+e c+d+e a+c+e

complexitatea dimensional a analizei ofer performane stabile;

1 2 3 4 5

64.
a)

Dintre cele 11 principii formulate de Ted Codd (1992) care stau la baza tehnologiei OLAP, fac parte: posibilitatea de acces a unui singur utilizator (mono-user) la aceeai faz (etap) de analiz; d) gestionarea dinamic a matricilor ncruciate prin facilitatea de a elimina combinaiile dimensionale nule, pentru a nu ncrca memoria calculatorului; posibilitile de acces simultan a mai multor utilizatori (multiuser) la aceeai faz (etap) de analiz.

b)

utilizarea arhitecturii client-server, e) unde server-ul are ca scop omogenizarea datelor; posibilitatea de a efectua aceleai operaii asupra tuturor dimensiunilor i care poart numele de prelucrare generic a dimensiunilor; a+b+c+d b+c+d+e a+c+d+e a+c+d a+d+e

c)

1 2 3 4 5

65.
a)

b)

c)

Dintre cele 11 principii formulate de Ted Codd (1992) care stau la baza tehnologiei OLAP, fac parte: operaii nerestrictive, ceea ce d d) numr nelimitat de niveluri de posibilitatea executrii fr restricii a agregare i de dimensiuni; calculelor pentru toate combinrile de dimensiuni i niveluri ierarhice; numr limitat de niveluri de agregare i e) operaii restrictive, ceea ce d de dimensiuni; posibilitatea executrii cu restricii a calculelor pentru toate combinrile de dimensiuni i niveluri ierarhice; posibilitatea manipulrii intuitive a datelor; a+b+c a+c+d c+d+e a+b+e c+e

1 2 3 4 5

66. Testul cu 5 reguli denumit FASMI (Fast Analysis Shared Multidimensional Information) pentru definirea caracteristicilor unei aplicaii OLAP se refer la: rapid; multidimensional; a) d) analiz; informaie. b) e) partajat; c)
1 2 3 4 5 a+b+c+d+e b+c+d+e c+d+e d+e e

67. Testul cu 5 reguli denumit FASMI (Fast Analysis Shared Multidimensional Information) pentru definirea caracteristicilor unei aplicaii OLAP se refer la: 1 informaie unidimensional prin analiz partajat rapid; 2 informaie multidimensional prin analiz partajat rapid; 3 informaie multidimensional prin analiz partajat lent; 4 informaie multidimensional prin analiz nepartajat rapid; 5 informaie unidimensional prin analiz partajat ncetinit; 68.
a) b) c) 1 2 3 4 5 Tehnologia OLAP se caracterizeaz prin: perspectiva unidimensional a datelor; d) perspectiva multidimensional a e) datelor; capacitatea de calcul ponderat; a+c+e b+d+e c+d+e a+b+c a+b+c+d+e n tehnologia OLAP, perspectiva multidimensional al datelor este dat de posibilitatea: de a integra un aspect care caracterizeaz activitatea unei ntreprinderi cu un aspect care caracterizeaz activitatea altei ntreprinderi; de a integra multiplele aspecte care caracterizeaz activitatea unei ntreprinderi i care sunt considerate dintr-o singur perspectiv (a banilor); de a integra un aspect care caracterizeaz activitatea unei ntreprinderi cu un aspect care caracterizeaz activitatea altei ntreprinderi, din perspectiva profitului comun; de a integra un aspect care caracterizeaz activitatea unei ntreprinderi cu un aspect care caracterizeaz activitatea altei ntreprinderi, din perspectiva activitilor comune; de a integra multiplele aspecte care caracterizeaz activitatea unei ntreprinderi i care sunt considerate din perspective multiple ca: timp, bani, produse. n tehnologia OLAP, conceptul de dimensiune este folosit: cu neles de aspect, dimensiunile fiind independente i cu uniti de msur specifice dimensiunii respective;

capacitatea de calcul intensiv; orientare n timp (time intelligence).

69.
1 2 3 4 5

70.
1

2 3 4 5

cu neles de unitate de msur; cu neles de generator de date, dimensiunile fiind dependente unele de altele i cu uniti de msur specifice dimensiunii respective; cu neles de baz de date, dimensiunile fiind dependente unele de altele i cu uniti de msur specifice dimensiunii respective; cu neles definit de contextul n care se folosesc datele. n tehnologia OLAP, unitile de msur pot constitui: criterii de dezagregare a datelor; criterii de agregare a datelor; criterii de distribuie a datelor; criterii de repartizare a datelor ctre utilizatori; criterii de definire contextual a datelor. n tehnologia OLAP, fiecare dimensiune este definit n genere prin mai multe: linii; coloane niveluri; tabele; matrici. n tehnologia OLAP, nivelele unei dimensiuni formeaz: baza pentru nivelele altei dimensiuni; o baz de date; un depozit de date; ierarhia; un raft de date. n tehnologia OLAP, modelarea multidimensional este caracterizat de cteva concepte de baz: cuantificarea activitii (aspectul d) faptele; cantitativ); dimensiunile activitii; e) consecinele. criteriile; a+b+c b+c+d a+b+d a+d+e a+b+c+e Cubul OLAP este: o structur unidimensional prin care se modeleaz complexul de activiti pe o perioad ndelungat de timp; o structur cu o singur dimensiune prin care se modeleaz complexul de activiti pe o perioad ndelungat de timp; o structur multidimensional prin care se modeleaz complexul de activiti pe o perioad ndelungat de timp;

71.
1 2 3 4 5

72.
1 2 3 4 5

73.
1 2 3 4 5

74.
a) b) c) 1 2 3 4 5

75.
1 2 3

4 5

perioad ndelungat de timp; o structur multidimensional prin care se modeleaz complexul de activiti numai ntrun moment de timp definit de administrator; o structur multidimensional prin care se modeleaz o baz de date tranzacional. n cubul OLAP, prin operaia drill-down se obin: date de conjunctur; detalii; date sintetice; date elementare; date complexe. n cubul OLAP, prin operaia drill-up se obin: date de conjunctur; detalii; date sintetice; date elementare; date complexe.

76.
1 2 3 4 5

77.
1 2 3 4 5

78.
1

n cubul OLAP, prin secionare (slicing) se creeaz posibilitatea: selectrii prin vizualizare doar pentru un membru al unei dimensiuni, adic un plan din cubul tridimensional. Seciunea astfel obinut va apare ca un tabel pilot cu valorile dimensiunilor pe laturi i cu specificarea valorii alese pentru dimensiunea suprimat; proieciei unei dimensiuni pe o alta. De obicei o dimensiune din primul plan este combinat cu o alt dimensiune din adncime. Acest proces se mai numete imbricarea dimensiunilor; selectrii prin vizualizare simultan a tuturor dimensiunilor din cubul tridimensional; selectrii prin vizualizare a tuturor nregistrrilor din baza de date; proieciei unei dimensiuni pe ea nsi. n cubul OLAP, defalcarea (dicing) este operaia de: selectare prin vizualizare doar pentru un membru al unei dimensiuni, adic un plan din cubul tridimensional. Seciunea astfel obinut va apare ca un tabel pilot cu valorile dimensiunilor pe laturi i cu specificarea valorii alese pentru dimensiunea suprimat; proiecie a unei dimensiuni pe o alta. De obicei o dimensiune din primul plan este combinat cu o alt dimensiune din adncime. Acest proces se mai numete imbricarea dimensiunilor; selectare prin vizualizare simultan a tuturor dimensiunilor din cubul tridimensional; selectare prin vizualizare a tuturor nregistrrilor din baza de date; proiecie a unei dimensiuni pe ea nsi. Pentru realizarea unei aplicaii OLAP sunt necesare urmtoarele etape: crearea operatorilor i d) crearea interfeei aplicaiei ntroperanzilor specifici; un mediu de programare visual Visual Basic; crearea bazei de date relaionale e) crearea secvenelor de cod care s

3 4 5

79.
1

3 4 5

80.
a)

b)

c)

(tranzacionale) care va conine datele curente ale organizaiei rezultate din tranzacii; crearea bazei de date multidimensionale, a cuburilor i tabelelor de fapte care preiau datele din baza de date relaional. Datele sunt extrase, transformate i ncrcate n tabelele de fapte din tabelele relaionale; a+b+c+d b+c+d c+d+e a+e b+e

realizeze interogri.

1 2 3 4 5

81. Depozitele de date: a sunt o concentrare de date care organizeaz, consolideaz i centralizeaz datele din surse eterogene i care vor constitui baza procesrilor analitice att de necesare proceselor de decizie; b se construiesc progresiv, adic permit completri i dezvoltri ulterioare; c sunt supuse unui proces de curire i transformare, menionnd i maniera de obinere a unor date colectate pe baza celor existente, acest proces ducnd la o calitate sporit a datelor i la micorarea timpului cerut pentru obinerea unor rapoarte finale; d sunt supuse unor procese de denormalizare care nu modific integritatea datelor i care grbesc procesul de regsire; e n depozitele de date redundana datelor nu este permis. 1 2 3 4 5 a+c+d+e a+b+c+d a+b+c+e a+b+c+d+e b+c+d+e

82.
a)

b) c)

n Microsoft SQL Server, crearea cuburilor OLAP se efectueaz prin parcurgerea urmtorilor pai: alegerea tabelelor din baza de date d) pentru fiecare dimensiune se relaional din care se import stabilesc nivelurile ierarhice; datele; stabilirea tabelului de fapte; e) alegerea dimensiunilor care intr n configuraia cubului; crearea i configurarea f) stabilirea opiunilor de stocare dimensiunilor; i procesare a datelor din cubul OLAP. a+b+c+d b+c+d+e a+b+c+d+e+f c+d+e+f

1 2 3 4

d+e+f Ciclul n utilizarea Data Mining cuprinde etapele: analiza problemei; d) adoptarea deciziilor i aciunilor n urma informaiilor rezultate; definirea oportunitilor comerciale e) cuantificarea ct mai corect a i a datelor pe care se face rezultatelor concrete pentru a exploatarea; identifica i alte ci de exploatare a datelor. obinerea de informaii din coleciile de date existente prin tehnici Data Mining; a+b+c+d b+c+d+e a+c+e a+d+e a+c Destinaia aciunilor oferite de Data Mining este: clasificarea; d) estimarea; e) predicia; a+b+c+d b+c+d+e a+c+d+e b+d+e c+e Data Mining presupune parcurgerea urmtoarelor etape: definirea problemei; definirea i construirea e) modelului; identificarea surselor de date; evaluarea modelului; f) colectarea i selectarea datelor; integrarea modelului. g) pregtirea datelor; a+b+c+d+e+f+g b+c+d+e+f c+d+e f+g a+c+e+f+g

83.
a) b)

c)

1 2 3 4 5

84.
a) b) c) 1 2 3 4 5

gruparea; eantionarea.

85.
a) b) c) d) 1 2 3 4 5

86.
a) b)

Factorii care au dus la necesitatea Data Mining sunt: arhivele de date memorate pe suporturi arhivele de date stocate pe suport d) informatice; hrtie; arhivele de date stocate n memoria creterea capacitii de memorare i e) operativ a sistemului de calcul; prelucrare a calculatoarelor care permit tratarea corelativ a

volumelor mari de date. c) existena i perfecionarea algoritmilor i a produselor program dedicate; a+b+c+d a+c+e c+d+e b+c d+e Informaiile care se pot obine prin Data Mining sunt: date complexe; retroactive; complementare sau periodice; date elementare; predictive sau descriptive. Prin tehnologia Data Mining se prelucreaz date care se refer la: perioade viitoare (date viitoare), care sunt presupuse i nu sunt cunoscute, pe baza lor constituindu-se un model; perioade diverse, care sunt examinate i sunt cunoscute din relatrile experilor, pe baza lor constituindu-se un model; perioade anterioare (date istorice) i perioade viitoare (date prognozate), care sunt examinate pe baza flerului analitilor, pe baza lor constituindu-se un model; perioade anterioare (date istorice), care sunt examinate i sunt deja cunoscute, pe baza lor constituindu-se un model; perioade anterioare (date istorice), care nu pot fi examinate din cauza complexitii lor, pe baza lor constituindu-se un model.

1 2 3 4 5

87.
1 2 3 4 5

88.
1 2 3 4 5