Grile Vechi MS

Modelare şi Simulare
— An3_S2_2010 —
A Modelare şi Simulare – An4_Mi_Zifrid — Multiple Choice – 18 subiecte

B Modelare şi Simulare – An4_Mi_Zifrid — Adevarat / Fals – 26 subiecte
C Modelare şi Simulare – An4_Mi_Zifrid — Completion – 16 subiecte
D Cercetări Operaţionale – Arhiva – Matematica
E Info_idzi_modele_limbaje_simulare 2007–2008
verner
……AGENDA…… simularii (A) se modifica pe parcursul simularii conform relatiei de dinamica:
A A AEgen  AEelim , unde AEgen = multimea evenimentelor generate pe parcursul unui ciclu, iar
E 153
AEelim = multimea evenimentelor eliminate cu ocazia prelucrarii AEC (AEC = agenda evenimentelor
curente).
Agenda simularii (A) se modifica pe parcursul simularii conform relatiei de dinamica:
c. A A AEgen  AEelim , unde AEC = agenda evenimentelor curente, AEV=agenda eve-

E 68 C
nimentelor viitoare, AEgen = multimea evenimentelor generate pe parcursul unui ciclu,
iar AEelim = multimea evenimentelor eliminate cu ocazia prelucrarii AEC
Aplicând metoda coltului N-V să se determine o soluţie iniţială de bază a problemei de transport: ???
D 100 x11 80 x12 20 x13 0 C

c. X : x21 0 x22 50 x23 50 f0 8200
x31 0 x32 0 x33 50
Aplicând metoda costului minim din tabel să se determine o soluţie iniţială de bază pentru programul de
transport având tabloul alăturat.
B1 B2 Disponibil
A1 10 25 15
D 95 x11 x12 B
A2 6 15 25
x21 x22
Necesar 20 20
b. x11 = 15, x12 = 0, x21 = 5, x22 = 20, f = 480

Conceptele de baza ale unui model de simulare sunt:
E 64 C
c. ceasul simularii şi agenda simularii
E 149 Conceptele de baza ale unui model de simulare sunt: ceasul simularii şi …AGENDA….. simularii
E 189
Daca Xt t T
este un proces stochastic, multimea t , X t t T se numeste …TRAIECTORIE….. a
procesului stochastic.
Daca Xt este un proces stochastic, multimea t , X t t T se numeste ….TRAIECTORIE….. a
C 1 t T
procesului stochastic.
Daca o familie de variabile aleatoare are proprietatea ca suma a doua variabile independente este tot o vari-
E 134 abila din aceeasi familie spunem ca familia de variabile aleatoare este ........Betta.......................
Daca o stare i a unui lanţ omogen are proprietatea că există un j, j ≠ i astfel incat pij 0 , atunci starea i
B 14 A
este stare de tranzitie.
Daca o stare i a unui lanţ omogen are proprietatea că există un j, j ≠i astfel incat pij 0 , atunci starea i es-
B 15 F
te stare absorbanta.
1 din 13
Daca o stare i a unui lanţ omogen are proprietatea că există un j, j ≠ i astfel incat pij 1 atunci starea i este
B 16 A
stare absorbanta.
B 17
Daca o stare i a unui lanţ omogen are proprietatea că există un j, j ≠ i astfel incat pij 0,1 , atunci starea F
i este stare absorbanta.
Daca 0 a 1, 0 b 1 şi U1 , U 2 sunt variabile aleatoare uniforme 0−1 şi independente, şi daca
1 1
E 136 a
V
V U ,T
1 U 2b , atunci repartitia variabilei X conditionata de V + T < 1 este repartitia
V T
.............NORMALE..................
n
E 133
Daca Z i , i 1,..., n sunt variabile Exp(1) independente, atunci variabila X Z i este o
i 1
variabila ...........Erlang...................
Daca U este o variabila uniforma 0−1 atunci V = ..... a b a U ............ este o variabila uniforma pe
E 132 [a,b] şi reciproc, daca V este o variabila aleatoare uniforma pe [a,b] atunci variabila U V a este uni-
b a
forma 0−1.
Daca un proces stationar satisface proprietatea lui Markov, se spune ca procesul ……NU ARE MEMO-
E 190 RIE…….
De regula, intrarea în stoc se realizeaza în cantitati mari (numite comenzi) care se introduc în stoc la inter-
B 2 A
vale de timp numite cicluri de reaprovizionare.
B 3 F
vale de timp numite inventare.
E 37 A
vale de timp numite cicluri de reaprovizionare.
De regula, intrarea în stoc se realizeaza în cantitati mari (numite comenzi) care se introduc în stoc la in-
E 38 F
tervale de timp numite inventare.
După aplicarea metodei costurilor minime, o problemă de transport are tabloul de mai jos şi solutia iniţială
de bază corespunzătoare f0
B1 B2 B3
A1 7 1 3
0 30 0
A2 9 2 4
10 30 50
D 101 A3 3 8 12 D
30 0 0
Verificarea optimalitătii presupune evaluarea unor cicluri ij cij xij asociate celulelor libere şi ale căror
moduri corespund componentelor bazice. Să se precizeze câte cicluri ij se pot determina şi să se evalueze
11
d. 4 cicluri ; 11 1
Dupa natura variabilelor folosite în modelele matematice acestea se clasifica în:
E 62 C
c. statice/dinamice, deterministe/stochastice, continue/discrete
Dupa structura (topologia componentelor în care se descompun) modelele matematice se clasifica în:
E 63 B
b. cu o componenta / cu mai multe componente în paralel, serie, retea
B 19 Ecuatia Poisson este un caz particular de ecuatie de tip eliptic. A
E 54 Ecuatia Poisson este un caz particular de ecuatie de tip eliptic. A
Fie o problemă de transport unde a1 ,..., am sunt cantitătile disponibile, b1 ,..., bn cererile şi cij costurile.
D 18 Utilizând metoda diagonalei se alege în primul pas componenta bazică x11 min a1 , b1 modificând A
concomitent valorile lui a1 şi b1 .
2 din 13
Fie o problemă de transport. Pentru determinarea solutiei de bază prin metoda costurilor minime în primul
D 17 pas se determină componenta xkh pentru care ckh min cij şi se ia xkh max ak , bh , unde F
a1 ,..., am sunt cantitătile disponibile iar b1 ,..., bn cererile corespunzătoare.
Fie problema de transport
B1 B2 B3
A1 2 3 1 10
D 89 A2 4 1 2 20 A
A3 3 2 5 30
15 30 15
Utilizând metoda diagonalei o soluţie de bază este
a. f = 150
B1 B2 B3
A1 2 1 3 7
D 83 A2 5 3 1 8 C
A3 2 4 3 5
6 7 7
Utilizând metoda diagonalei o soluţie este
c. x11=6; x12=1; x22=6; x23=2; x33=5
B1 B2 B3
A1 2 1 3 7
D 84 A2 5 3 1 8 A
A3 2 4 3 5
6 7 7
Utilizând metoda costurilor minime o soluţie este
a. x12=7; x21=1; x22=7; x31=5
B1 B2 B3 B4
A1 1 2 2 3 70
D 85 A2 2 2 1 4 10 D
A3 3 2 2 1 20
50 25 15 10
d. f = 135
B1 B2 B3 B4
A1 1 2 2 3 70
D 86 A2 2 2 1 4 10 D
A3 3 2 2 1 20
50 25 15 10
d. f = 135
B1 B2 B3
A1 2 3 1 10
D 90 A2 4 1 2 20 C
A3 3 2 5 30
15 30 15
Utilizând metoda costurilor minime o soluţie de bază este
c. f = 120
3 din 13
B1 B2 B3 Disponibil
A1 10 1 15 30
A2 12 5 7 40
Necesar 20 15 40
D 94 Notăm: m – numărul centrelor de consum C
n – numărul depozitelor
m n
a ai , b bj
i 1 j 1
Atunci:
c. m = 2, n = 3, a = 70, b = 75
Fie problema de transport cu o tabelă iniţială
B1 B2 B3 B4
1 2
A1 2 3 70
50 20
1 4
D 87 A2 2 2 10 A
5 5
2 1
A3 3 2 20
10 10
50 25 15 10
Să se justifice că f = 135 nu este soluţie optimă.
a. toti ij 0
Fie problema de transport cu o tabelă iniţială
B1 B2 B3
A1 2 3 1 10
10
A2 4 1 2 20
D 92 20 C
A3 3 2 5 30
15 10 5
15 30 15
Să se justifice că f = 110 este soluţie optimă.
c. toti ij 0
Fie problema de transport. O soluţie iniţială a problemei este:
Centre de
consum B1 B2 B3 B4 Disponibil
Depozite
A1 10 0 20 11 15
D 93 C
A2 12 7 9 20 25
A3 0 14 16 18 5
a
Necesar 5 15 15 10
b
Atunci:
c. Problema este echilibrată, a = b = 45
Fie urmatoarea problema de transport
B1 B2 B3 B4 Disponibil
D1 5 6 2 3 70
D 47 D2 3 2 1 4 70 D
D3 6 8 3 4 70
Necesar 50 75 25 60
Folosind metoda diagonalei (coltului N-V) determinati x34
d. 60
4 din 13
D1 70
D 43 D2 10 C
D3 20
Necesar 50 25 15 10
Folosind metoda coltului de NV stabiliti valoarea lui x11 şi a lui x33
c. x11 =50, x33=10
D1 5 6 2 3 70
D2 2 2 1 4 10
D 44 C
D3 6 8 3 4 20
Necesar 50 25 15 10
Folosind metoda costurilor minime (din tablou) stabiliti valoarea lui x14 şi a lui x32
c. x14 =10, x32=20

D1 5 6 2 3 70
D 46 D2 3 2 1 4 10 A
D3 6 8 3 4 20
Necesar 50 25 15 10
Folosind metoda costurilor minime pe linie stabiliti valoarea lui x14 şi a lui x32
a. x14=10, x32=15
D1 5 6 2 3 70
D 48 D2 3 2 1 4 70 C
D3 6 8 3 4 70
Necesar 50 75 25 60
c. 10
D1 5 6 2 3 70
D 49 D2 3 2 1 4 70 B
D3 6 8 3 4 70
Necesar 50 75 25 60
b. 50
D1 5 6 2 3 70
D 50 D2 3 2 1 4 70 C
D3 6 8 3 4 70
Necesar 50 75 25 60
c. 55
5 din 13
D1 5 6 2 3 70
D 51 D2 3 2 1 4 70 C
D3 6 8 3 4 70
Necesar 50 75 25 60
c. 20
D1 5 6 2 3 70
D 52 D2 3 2 1 4 70 B
D3 6 8 3 4 70
Necesar 50 75 25 60
Folosind metoda diagonalei (coltului N-V) determinati costul de transport
b. 765
Folosind metoda costului minim pe linie să se determine o soluţie iniţială de bază a problemei de transport
a cărui tablou este:
B1 B2 B3 Disponibil
A1 15 35 0 50
D 98 x11 x12 x13 C
A2 15 0 15 30
x21 x22 x23
Necesar 30 35 15
c. altă variantă
Folosind metoda costului minim să se determine o soluţie iniţială de bază a problemei de transport:
B1 B2 B3 Disponibil
A1 10 0 20 15
x11 x12 x13
A2 12 7 9 25
D 96 C
x21 x22 x23
A3 14 16 18 5
x32 x33 x34
Necesar 5 15 10
c. altă variantă
Folosind metoda costului minin pe linie să se scrie o soluţie iniţială de bază pentru problema de transport:
B1 B2 B3 Disponibil
A1 50 10 40 100
x11 x12 x13
A2 30 20 50 100
D 99 B
x21 x22 x23
A3 0 40 10 50
x31 x32 x33
Necesar 80 70 100
b. Altă variantă
În diverse modele de stocare se pot da costurile h, s şi / sau d, se da rata cererii r şi timpul de avans L şi se
B 21 A
cer q, P optime. Cand r, L nu sunt aleatoare, modelul se numeste determinist.
B 22 A
cer q, P optime. Cand cel putin una din variabilele r, L este aleatoare, modelul este stochastic.
B 23 F
cer q, P optime. Cand r, L nu sunt aleatoare, modelul se numeste stochastic.
B 24 F
cer q, P optime. În cazul cand cel putin una din variabilele r, L este aleatoare, modelul este determinist..
6 din 13
B 20 cer q, P optime. O multime de elemente ce definesc un mecanism de aprovizionare se spune ca determina o A
politica de reaprovizionare.
E 55 cer q, P optime. O multime de elemente ce definesc un mecanism de aprovizionare se spune ca determina o A
politica de reaprovizionare.
E 56 A
cer q, P optime. Cand r, L nu sunt aleatoare, modelul se numeste determinist.
E 57 A
cer q, P optime. Cand cel putin una din variabilele r, L este aleatoare, modelul este stochastic.
E 58 F
cer q, P optime. Cand r, L nu sunt aleatoare, modelul se numeste stochastic.
E 59 F
cer q, P optime. În cazul cand cel putin una din variabilele r, L este aleatoare, modelul este determinist..
E 152 În modelele de simulare, ……CEASUL….. simularii este cu crestere variabila sau cu crestere constanta
În modelele de simulare, agenda simularii se compune din n parti, unde:
E 66 a. n=2 A
E 151 În modelele de simulare, agenda simularii se compune dintr-un numar de parti egal cu .......2.........
În modelele de simulare, ceasul simularii este de “n” tipuri, unde:
E 65 A
a. n=2
E 150 În modelele de simulare, ceasul simularii este de un numar de tipuri egal cu ......2.........
În modelele de simulare, ceasul simularii poate fi:
E 67 A
a. cu crestere variabila sau cu crestere constanta
În modelul clasic al ...............LIPSEI DE STOC................, functia obiectiv de minimizat este
2
E 203 C hS 2 d rT S
C S,T
T 2rT 2rT
În modelul clasic al .......LIPSEI DE STOC..........., functia obiectiv de minimizat este
2
C 12 C hS 2 d rT S
C S,T
T 2rT 2rT
În modelul clasic al lipsei de stoc, ...............PLANUL...............de reaprovizionare este:
E 204 2rs 2rs 1
Sˆ1 , qˆ1 , , unde 0,1 .
h h
În modelul clasic al lipsei de stoc, …………..COSTUL MINIM............. al intretinerii stocului este
E 205
Cˆ1 2rsh , unde 0,1
În modelul cu ceas variabil, ceasul variabil al simularii nu apare explicit (el este implicit), în sensul ca de
B 10 fapt pentru alegerea evenimentului ce trebuie prelucrat se foloseste regula primului eveniment urmator, care A
este o consecinta a tehnicii bazate pe ceasul cu crestere variabila.
În modelul de .....ASTEPTARE........... Exp(λ) / Exp(μ) / 1 : (∞, FIFO) solutia procesului de nastere şi deces
E 208 n
asociat este pn 1 , unde 0,1 .
În modelul de asteptare Exp / ..Exp...... /N: , FIFO , lungimea medie a cozii este
N
E 215
E WL 2
, unde
N 1! N
În modelul de asteptare Exp / Exp /N: , FIFO , lungimea medie a cozii este:
N 1
E 214 NN *
E WL , unde * este ………....INTENSITATEA DE TRAFIC..............
N! 1 * 2 N N
a sistemului de asteptare.
7 din 13
În modelul de asteptare Exp / Exp /1: , FIFO , numarul mediu de statii care lenevesc este
E 213
....E[NIT]..... 1 , unde 0,1 este intensitatea de trafic a clientilor prin sistem.
În modelul de asteptare Exp / Exp /1: , FIFO lungimea medie a cozii este
2
E 212
……....E[WL].......... , unde 0,1
1
În modelul lui …………...WILSON.......... costul total de intretinere a stocului pe unitatea de timp este
C 9 hq sr
C q
2 q
În modelul lui …………...WILSON........... costul total de intretinere a stocului pe unitatea de timp este
E 200 hq sr
C q
2 q
E 202 În modelul lui Wilson ..............COSTUL OPTIM.............. al intretinerii stocului este Cˆ 0 2srh
C 11 În modelul lui Wilson …….....COSTUL OPTIM............... al intretinerii stocului este Cˆ 0 2srh
2rs 2 s
C 10 În modelul lui Wilson, …....POLITICA OPTIMA........ de reaprovizinare este qˆ0 , Tˆ0 ,
h rh
2rs 2 s
E 201 În modelul lui Wilson, ………...CICLUL......... de reaprovizinare este qˆ0 , Tˆ0 ,
h rh
În teoria stocurilor, ................NIVELUL STOCULUI................. la momentul t este
t
C 8 I t I0 b x a x dx , unde I 0 este nivelul initial al stocului, a(t) este rata intrarii în stoc la
0
momentul t, iar b(t) este rata iesirii din stoc la momentul t.
În teoria stocurilor, .............NIVELUL STOCULUI.................. la momentul t este
t
E 199 I t I0 b x a x dx , unde I 0 este nivelul initial al stocului, a(t) este rata intrarii în stoc la
0
momentil t, iar b(t) este rata iesirii din stoc la momentul t.
Intervalul de timp, dintre doua evenimente rare consecutive care intervine în definitia repartitiei Poisson
E 188
are repartitia .......Exp.............
Într-un sistem de asteptare cu c statii de serviciu numarul mediu de ..........STATII............ care lenevesc este
c
C 15
E NID c n pn
n 0
Într-un sistem de asteptare cu c statii de serviciu numarul mediu de ……..STATII….... care lenevesc este
c
E 210
E NID c n pn
n 0
Într-un sistem de asteptare cu c statii de serviciu, lungimea ….…..MEDIE.......... a cozii de asteptare este
C 16
E WL n c pn
n c
Într-un sistem de asteptare cu c statii de serviciu, lungimea ……....MEDIE............ a cozii de asteptare este
E 211
E VL n c pn
n c
C 14 Într-un sistem de asteptare, numarul ...MEDIU....... de clienti din sistem este E NT npn
n 0
8 din 13
E 209 Într-un sistem de asteptare, numarul ……...MEDIU.......... de clienti din sistem este E NT npn
n 0
Metoda Monte Carlo pentru calculul integralelor în care se foloseste repartitia uniforma pentru a returna in-
1 n
1
C 6 tegrala f x dx cu media aritmetica n f U i se numeste metoda Monte Carlo ………
0
n i 1
…………….……..BRUTA…………
B 4 Modelul clasic al lotului economic este cunoscut şi sub numele de modelul lui Wilson A
B 5 Modelul clasic al lotului economic este cunoscut şi sub numele de modelul clasic al lipsei de stoc. F
B 25
Modelul: Exp / Exp /1: , FIFO . Este un exemplu de model matematic de asteptare cu o A
staţie de serviciu.
E 60
Modelul: Exp / Exp /1: , FIFO . Este un exemplu de model matematic de asteptare cu o A
staţie de serviciu.
Modelul: Exp / Exp / N paralel : , FIFO este un model matematic de asteptare cu N
B 26 statii paralele presupuse identice (adica au aceeasi repartitie pentru ST-ul fiecareia), coada poate fi infinita, A
iar disciplina este standard (primul venit primul servit).
Modelul: Exp / Exp / N paralel : , FIFO este un model matematic de asteptare cu N
E 61 statii paralele presupuse identice (adica au aceeasi repartitie pentru ST -ul fiecareia), coada poate fi infinita, F
iar disciplina este standard (primul venit primul servit).
Numarul metodelor necesare reducerii dispersiei estimatorului secundar pentru calculul integralelor prin
A 2 metoda Monte Carlo bruta este: D
d. 6
O familie de variabile aleatoare, Xt t T
,T R , deprinzand de parametrul real t (presupus a fi timpul)
A 3 se numeste ................... A
a. proces stochastic
O familie de variabile aleatoare, Xt t T
,T R deprinzand de parametrul real t (presupus a fi timpul) se
E 113 numeste ................... A
a. proces stochastic
Pentru realizarea unui experiment de simulare este necesara parcurgerea unui numar de pasi egal cu
E 131 ……...9……... 9
Pentru solutia problema de transport
B1 B2 B3 B4
1 2
A1 2 3 70
50 20
1 4
D 88 A2 2 2 10 C
5 5
2 1
A3 3 2 20
10 10
50 25 15 10
Dacă 32 0 o soluţie îmbunătătită este
c. f = 125
9 din 13
Pentru solutia problema de transport
B1 B2 B3
A1 2 3 1 10
10
A2 4 1 2 20
D 91 20 A
A3 3 2 5 30
15 10 5
15 30 15
Dacă 23 0 , o soluţie îmbunătătită este
a. f = 110
Problema de transport
B1 B2 B3 B4
A1 1 2 2 3
70
50 20
D 19 A2 2 2 1 4 A
10
5 5
A3 3 2 2 1
20
10 10
50 25 15 10
are soluţie multiplă
Procesul Xt t T
discret, este un proces .............. daca satisface proprietatea
A 5 P X tn xn X tn 1 xn 1 ,..., X t1 x1 P X tn xn X tn 1 xn adica procesul nu are memorie B
1
b. slab stationar
Procesul ............ este un caz particular de proces de nastere şi deces, mai precis este un proces de nastere
pur cu intensitatea n , a carui repartitie satisface ecuatiile diferentiale
E 121 A
P0 t P0 t , Pn t Pn t Pn 1 t , 1
a. Poisson
Procesul ................. Xt t T
este descris de urmatoarele relatii de recurenta
1
E 120
X0 V0 , X t Xt 1 1 Vt , 0 1 unde Vt , t 0,1, 2,... sunt variable aleatoare B
1
2
independente şi identic repartizate avand proprietatile E Vt 0, Var Vt
b. zgomotului alb
n
t
t t
A 13 Procesul avand repartitia Pn t e , t u du se numeste proces Poisson A
n! 0
a. neomogen
n
t t
A 12 Procesul avand repartitia Pn t e se numeste proces Poisson ................ A
n!
a. omogen
n
t t
E 122 Procesul avand repartitia Pn t e se numeste proces Poisson ................ A
n!
a. omogen
n t
t t
E 123
Procesul avand repartitia Pn t e , t u du se numeste proces Poisson……. A
n! 0
a. neomogen
10 din 13
Procesul Xt t T
discret, este un proces .............. daca satisface proprietatea
E 115 P X tn xn X tn 1 xn 1 ,..., X t1 x1 P X tn xn X tn 1 xn adica procesul nu are memorie C
1
c. Markov
Procesul stochastic discret N(t), cu cresteri independente, se numeste proces de nastere şi moarte, daca sa-
tisface urmatoarele proprietati:
P N t t n 1 N t n n t o t
E 41 P N t t n 1 N t n n t o t A
P N t t n i N t n o t ,i 1
unde P A B inseamna probabilitatea lui
Procesul stochastic Xt t T
se numeste ....................... daca n, h R, t1 t2 ... tn avem
A 4 Ft1 x1 , x2 ,..., xn Ft1 ,t2 ,...,tn x1 , x2 ,..., xn B
h ,t 2 h ,...,tn h
b. stationar tare
Procesul stochastic Xt t T
se numeste ....................... daca n, h R, t1 t2 ... tn avem
E 114 Ft1 x1 , x2 ,..., xn Ft1 ,t2 ,..,tn x1 , x2 ,..., xn B
h ,t2 h ,...,tn h
b. stationar tare
Să se scrie solutia de bază f0 pentru problema de transport după aplicarea metodei costului minim din tabel:
15 0 12
10 25 0
20 13 40
D 97 D
15 5 3
17 18 5
0 30 10
d. f0 = 1225
Se considera problema de transport:
Disponibil
B1 B2 B3
N1 2 1 3 20
D 20 N2 1 4 2 45 A
N3 3 5 4 65
Necesar 30 40 60
O soluţie initiala de baza obtinuta prin metoda coltului N-V este
a. x11 20, x21 10, x22 35, x32 5, x33 60, in restxij 0
Se considera problema de transport:
Disponibil
B1 B2 B3
N1 2 1 3 20
D 21 N2 1 4 2 45 C
N3 3 5 4 65
Necesar 30 40 60
O soluţie initiala de baza obtinuta prin metoda costului minim pe linie este
c. x12 20, x21 30, x23 15, x32 20, x33 45, in restxij 0
11 din 13
Se considera urmatoarea problema de transport:
N1 4 6 5 2 35
D 7 A
N2 3 2 7 8 30
N3 2 10 5 6 50
Necesar 20 25 45 25
Problema de transport este echilibrata.
N1 4 6 5 2 35
N2 3 2 7 8 30
D 8 A
N3 2 10 5 6 50
Necesar 20 25 45 25
O soluţie initiala de baza determinata folosind metoda coltului de N-V este
x11 = 20, x12 = 15, x22 = 10, x23 = 20, x33 = 25, x34 = 25, x13 = x14 = x21 = x24 = x31 = x32 = 0.
N1 4 6 5 2 35
N2 3 2 7 8 30
D 9 A
N3 2 10 5 6 50
Necesar 20 25 45 25
O soluţie initiala de baza determinata folosind metoda costului minim pe linie este
x11 = 10, x14 = 25, x21 = 5, x22 = 25, x31 = 5, x33 = 45, x12 = x13 = x23 = x24 = x32 = x34 = 0.
E 130 Structura de multimi: S T , X , , ,Y , , se numeste ........SISTEM.............
Sub denumirea de metode ...................... sunt cuprinse o serie de tehnici de rezolvare a diverse probleme
utilizand numere aleatoare, variabile aleatoare sau procese stochastice simulate cu calculatorul.
A 14 A
a. Monte Carlo
Sub denumirea de metode ...................... sunt cuprinse o serie de tehnici de rezolvare a diverse probleme
E 124 A
a. Monte Carlo
Sub denumirea de metode Monte Carlo sunt cuprinse o serie de tehnici de rezolvare a diverse probleme u-
B 18 A
tilizand numere aleatoare, variabile aleatoare sau procese stochastice simulate cu calculatorul.
Sub denumirea de metode Monte Carlo sunt cuprinse o serie de tehnici de rezolvare a diverse probleme
E 53 A
Tehnica de realizare a experimentelor cu calculatorul, care implica utilizarea unor modele matematice şi
E 129 logice care descriu comportarea unui sistem real de-a lungul unor perioade mari de timp se numeste
.....SIMULARE.........
Tehnica urmatoare " Sa presupunem ca se cunoaste repartitia initiala 1 , 2 ,..., m şi matricea
probabilitatilor de tranzitie P pij . Atunci starea initiala I i se simuleaza ca variabila discreta", per-
B 12 1, 2, ..., m A
mite simularea unui lanţ Markov. I : . Daca lantul se afla în starea i atunci starea
1, 2, ..., m
1, 2, .., m
aleatoare urmatoare în care trece lantul se simuleaza ca variabila discreta J:
pi1 , pi 2 , ..., pim
12 din 13
Tehnica urmatoare " Sa presupunem ca se cunoaste repartitia initiala 1 , 2 ,..., m şi matricea pro-
babilitatilor de tranzitie P pij . Atunci starea initiala I i se simuleaza ca variabila discreta" ,

1, 2, ..., m
B 13 permite simularea unui proces gausian stationar. I: Daca lantul se afla în starea i F
1 , 2 , ..., m
atunci starea aleatoare urmatoare în care trece lantul se simuleaza ca variabila discreta
1, 2, .., m
J:
pi1 , pi 2 , ..., pim
Trei depozite D1 ,D2 ,D3 aprovizioneaza cu produse de larg consum 4 magazine B1 ,B2 ,B3, B4 astfel:
D1 3 2 1 2 30
D 2 F
D2 4 3 3 2 20
D3 2 1 4 5 40
Necesar 10 15 15 40
Problema este echilibrata
B 1 Un stoc este o resursa de orice fel care are o valoare economica, caracterizata prin intrări şi ieşiri A
E 36 Un stoc este o resursa de orice fel care are o valoare economica, caracterizata prin intrări şi ieşiri A
Următoarea problemă de transport este echilibrată
B1 B2 B3
D 14 A1 1 2 4 5 F
A2 3 1 2 15
A3 5 6 1 10
6 4 10
Următoarea problemă de transport este echilibrată
B1 B2 B3 B4
D 15 A1 1 3 1 2 15 F
A2 2 4 1 3 25
A3 3 2 4 2 20
30 25 15 20
Următoarea problemă de transport nu este echilibrată
B1 B2 B3
D 16 A1 1 2 3 10 F
A2 2 1 4 25
A3 3 1 2 35
20 35 15
13 din 13
Multiple Choice
Identify the letter of the choice that best completes the statement or answers the question.
D
____ 1. Procesul stochastic {X t }t ∈T pentru care exista si sunt finite
m t = E[X t ], σ st = Cov [X s , X t ], s < t si m t = m = constant, σ st = σ (t − s )
se numeste :
a. stationar tare; c. cu timp discret;

b. cu timp continuu; d. stationar slab
D
____ 2. Numarul metodelor necesare reducerii dispersiei estimatorului secundar pentru calculul integralelor
prin metoda Monte Carlo bruta este:
a. 3 b. 4 c. 5 d. 6
A
____ 3. O familie de variabile aleatoare, {X t }t∈T , T ⊂ R , deprinzand de parametrul real t (presupus a fi
timpul) se numeste ...................
a. proces stochastic c. proces cu stari discrete
b. lant d. proces cu stari continue
B
____ 4. Procesul stochastic {X t }t∈T se numeste ....................... daca ∀n, h ∈ R , t1 < t 2 < ... < t n avem
Ft1 + h ,t2 + h ,..., tn + h ( x1 , x 2 ,..., x n ) = Ft1 ,t2 ,..., tn ( x1 , x 2 ,..., x n )
a. stationat c. stationar slab

b. stationar tare
B
____ 5. Procesul {X t }t∈T discret, este un proces .............. daca satisface proprietatea
( ) (
P X tn = x n X tn −1 = x n −1 ,..., X t1 = x1 = P X tn = x n X tn −1 = x n −1 )
adica procesul nu are memorie
a. stochastic c. Markov
b. slab stationar
C
____ 6. Probabilitatile de tranzitie santisfac relatia lui ......................, adica
Pij (s, t ) = ∑ ∑ P (s, r )P (rt )
ik kj
k∈S s ≤ r ≤t
Pij (s, t ) definesc matrice de probabilitati de tranzitie care au proprietatea

∑ P (s , t ) = 1
j∈S
ij
a. Markov
b. Dirichlet
c. Chapman-Kolmogorov
A
____ 7. Fie procesul stationar care are functia de .....................
φ(t ) = Cov( X s , X s + t ) , t = 0,1,2,... , φ(0) = Var ( X t ) = σ 2
si fara a pierde generalitatea consideram mt = m = 0 . Daca notam ρ( X s , X t + s ) = Corr ( X s , X t + s )
rezulta ca ρ( X s , X t + s ) = ρ(t ) , t = 1,2,...
a. autocovarianta
b. repartitie
c. autocorelatie
B
____ 8.
Fie procesul stationar care are functia de autocovarianta
φ(t ) = Cov( X s , X s + t ) , t = 0,1,2,... , φ(0) = Var ( X t ) = σ 2
si fara a pierde generalitatea consideram mt = m = 0 . Daca notam ρ( X s , X t + s ) = Corr ( X s , X t + s )
rezulta ca ρ( X s , X t + s ) = ρ(t ) , t = 1,2,... Functia ρ(t ) este functia de ................. a procesului.
a. repartitie
b. autocorelatie
B
____ 9.
Procesul gausian cu funtie de autocorelatie ............
φ(t )
ρ(t ) = = θ t , t = 0,1,2,... , 0 < θ < 1
φ(0)
si σ 2 dispersia sa, se simuleaza cu formula de recurenta
Z 0 ~ → N (0,1) , Z t +1 = θZ t + 1 − θ 2 ε t , t = 1,2,... , X t +1 = σZ t +1
unde ε t , t = 1,2,... sunt variabile N (0,1) independente si independente de Z t .
a. liniara
b. exponentiala
B
____ 10. Procesul ................. {X t }t∈T este descris de urmatoarele relatii de recurenta
1− θ
X0 = V0 , X t = θX t −1 + (1 − θ )Vt , 0 < θ < 1
1+ θ
unde Vt , t = 0,1,2,... sunt variable aleatoare independente si identic repartizate avand proprietatile
E [Vt ] = 0 , Var (Vt ) = σ 2 .
a. gausian
b. zgomotului alb
c. gausian stationar
A
____ 11. Procesul ............ este un caz particular de proces de nastere si deces, mai precis este un proces de
nastere pur cu intensitatea λ n = λ , a carui repartitie satisface ecuatiile diferentiale
′ ′
P0 (t ) = −λP0 (t ) , Pn (t ) = −λPn (t ) + λPn −1 (t ) , ≥ 1 .
a. Poisson
b. procesul de zgomot alb
c. procesul de zgomot alb pur
(λt )n e −λt
A
____ 12. Procesul avand repartitia Pn (t ) = se numeste proces Poisson ................
n!
a. omogen
b. neomogen
c. simplu
(Λ (t )) − Λ (t )
n t
A
____ 13. Procesul avand repartitia P (t ) =
n e , Λ(t ) = ∫ λ(u )du se numeste proces Poisson
n! 0
.............. .
a. neomogen
b. omogen
c. simplu
A
____ 14. Sub denumirea de metode ...................... sunt cuprinse o serie de tehnici de rezolvare a diverse
probleme utilizand numere aleatoare, variabile aleatoare sau procese stochastice simulate cu
calculatorul.
a. Monte Carlo
b. Dirichlet
c. legea numerelor mari
d. Poisson
A
____ 15.
Metoda urmatoare:
"Sa presupunem ca alegem o functie ϕ (ca in cazul metodei variabilei de control) astfel incat
1 1 1
θ = ∫ ϕ(u )du + ∫ ( f (u ) − ϕ(u ) )du unde integrala μ = ∫ ϕ(u )du se poate calcula exact si usor. Daca
0 0 0
in plus se alege ϕ astfel incat
Var (ϕ(U ) ) − 2Cov(ϕ(U ), f (U ) ) < 0
atunci, de asemenea se poate realiza reducerea dispersiei deoarece
( )
Var ϕ* (U ) = Var ( f (U ) − ϕ(U ) ) =
= Var ( f (U ) ) + Var (ϕ(U ) ) − 2Cov( f (U ) − ϕ(U ) ) < “
< Var ( f (U ) )
se numeste metoda variabilelor ...................
a. corelate
b. antitetice
c. de control
____
A 16. Metoda urmatoare:
1
"Fie integrala θ = ∫ f ( x)dx care se scrie θ = E [τ] = E [ f (U )] , sa alegem un alt estimator

0
primar
*
f (U ) , [
θ = E f * (U ) ] si sa consideram estimatorul primar ϕ = f * (1 − U ) ,
[ ]
E [ϕ(U )] = E f * (1 − U ) = θ . Atunci, putem considera estimatorul primar ψ =
1
2
(τ + ϕ) pentru care
1
avem Va r (ψ ) = (Var (τ) + Var (ϕ) + 2Cov(τ + ϕ)) si Cov(τ + ϕ) < 0 . Daca se alege f * astfel incat
4
Var (ψ ) < Var (τ ) (1). Atunci estimatorul ψ realizeaza reducerea dispersiei. Uneori puntem alege
simplu ϕ = f (1 −U ) care satisface (1).” Se numeste metoda variabilelor .....................
a. antitetice b. corelate c. de control
A 17. Fie ecuatia cu derivate partiale de ordinul doi
____
∂ 2V ∂ 2V ∂ 2V ∂V ∂V
β11 + 2β 12 + β 22 + 2α 1 + 2α 2 = F ( x, y ) (1)
∂x 2
∂x∂y ∂y ∂x ∂y
cu conditia
V ( x, y ) = ϕ(x, y ) , ( x, y ) ∈ C (2)
unde V ( x, y ) este o functie necunoscuta pe domeniul marginit D ⊂ R , coeficientii β ij , α i ,
2
i, j = 1,2 sunt functii reale cunoscute definite pe D , functia ϕ( x, y ) este de asemenea cunoscuta, iar
C = ∂D este frontiera lui D . Rezolvarea ecuatiei (1) cu conditia pe contur (2) este cunoscuta sub
numele de problema .......................
a. Dirichlet c. Monte Carlo

b. Poisson
____
A 18. Un caz particular de ecuatie de tip eliptic este ecuatia ..............., adica ∇V (P ) = F (P ) , sau
∂ 2V ∂ 2V
+ = F ( x, y ) cu conditia pe contur V (P ) = ϕ(P ) , P ∈ C , C = D ⊂ R 2 .
∂x 2 ∂y 2
a. Poisson
b. Dirichlet
c. Monte Carlo
True/False
Indicate whether the sentence or statement is true or false.
____
A 1. Un stoc este o resursa de orice fel care are o valoare economica, caracterizata prin intrari si iesiri
____
A 2. De regula, intrarea in stoc se realizeaza in cantitati mari (numite comenzi) care se introduc in stoc la
intervale de timp numite cicluri de reaprovizionare.
____
F 3. De regula, intrarea in stoc se realizeaza in cantitati mari (numite comenzi) care se introduc in stoc la
intervale de timp numite inventare.
____
A 4. Modelul clasic al lotului economic este cunoscut si sub numele de modelul lui Wilson
____
F 5. Modelul clasic al lotului economic este cunoscut si sub numele de modelul clasic al lipsei de stoc.
____
A 6. Procesul stochastic discret N (t ) , cu cresteri independente, se numeste proces de nastere si moarte,
daca satisface urmatoarele proprietati:
P ([N (t + Δt ) = n + 1][N (t ) = n]) = λ n Δt + o(Δt )
P ([N (t + Δt ) = n − 1][N (t ) = n ]) = μ n Δt + o(Δt )
P ([N (t + Δt ) = n ± i ][N (t ) = n]) = o(Δt ) , i > 1
unde P ( A B ) inseamna probabilitatea lui A conditionata de B , constantele {λ n , n ≥ 0},
{μ n , n ≥ 1} sunt siruri de numere pozitive date, iar o(Δt ) este un element al unei clase de functii ce
satisfac conditiile
o(Δt )
lim o(Δt ) = 0 , lim =0
Δt →0 Δt →0 Δt
____
F 7. Procesul stochastic discret N (t ) , cu cresteri independente, se numeste proces Marcov simplu, daca
satisface urmatoarele proprietati:
P ([N (t + Δt ) = n + 1][N (t ) = n]) = λ n Δt + o(Δt )
P ([N (t + Δt ) = n − 1][N (t ) = n ]) = μ n Δt + o(Δt )
P ([N (t + Δt ) = n ± i ][N (t ) = n]) = o(Δt ) , i > 1
unde P ( A B ) inseamna probabilitatea lui A conditionata de B , constantele {λ n , n ≥ 0},
{μ n , n ≥ 1} sunt siruri de numere pozitive date, iar o(Δt ) este un element al unei clase de functii ce
satisfac conditiile
o(Δt )
lim o(Δt ) = 0 , lim =0
Δt →0 Δt →0 Δt
A
____ 8. Procesul de nastere si moarte este stationar daca Pn (t ) = p n = const. adica repartitia sa nu depinde
de timp.
____
F 9. Procesul de nastere si moarte este nestationar daca Pn (t ) = p n = const. adica repartitia sa nu
depinde de timp.
____
A 10. In modelul cu ceas variabil, ceasul variabil al simularii nu apare explicit (el este implicit), in sensul
ca de fapt pentru alegerea evenimentului ce trebuie prelucrat se foloseste regula primului eveniment
urmator, care este o consecinta a tehnicii bazate pe ceasul cu crestere variabila.
____
A 11. Procesele si lanturile Markov sunt acelea care satisfac proprietatea lui Markov.
′
A 12. Tehnica urmatoare " Sa presupunem ca se cunoaste repartitia initiala π = (π1 , π 2 ,..., π m )
____ si
matricea probabilitatilor de tranzitie P = p ij . Atunci starea initiala I = i se simuleaza ca variabila
discreta" permite simularea unui lant Markov.
⎛ 1, 2, ..., m ⎞
I : ⎜⎜ ⎟⎟
π
⎝ 1 , π 2 , ..., π m⎠
Daca lantul se afla in starea i atunci starea aleatoare urmatoare in care trece lantul se simuleaza ca
variabila discreta
⎛ 1, 2, ..., m ⎞
J : ⎜⎜ ⎟
⎝ pi1 , pi 2 , ..., pim ⎟⎠
′
____
F 13. Tehnica urmatoare " Sa presupunem ca se cunoaste repartitia initiala π = (π1 , π 2 ,..., π m ) si matricea
probabilitatilor de tranzitie P = p ij . Atunci starea initiala I = i se simuleaza ca variabila discreta"
permite simularea unui proces gausian stationar.
⎛ 1, 2, ..., m ⎞
I : ⎜⎜ ⎟⎟
π
⎝ 1 , π 2 , ..., π m⎠
Daca lantul se afla in starea i atunci starea aleatoare urmatoare in care trece lantul se simuleaza ca
variabila discreta
⎛ 1, 2, ..., m ⎞
J : ⎜⎜ ⎟
⎝ pi1 , pi 2 , ..., pim ⎟⎠
____
A 14. Daca o stare i a unui lant omogen are proprietatea ca exista un j , j ≠ i astfel incat pij > 0 , atunci
starea i este stare de tranzitie.
____
F 15. Daca o stare i a unui lant omogen are proprietatea ca exista un j , j ≠ i astfel incat pij > 0 , atunci
starea i este stare absorbanta.
____
A 16. Daca o stare i a unui lant omogen are proprietatea ca exista un j , j ≠ i astfel incat p ii = 1 atunci
starea i este stare absorbanta.
____
F 17. Daca o stare i a unui lant omogen are proprietatea ca exista un j , j ≠ i astfel incat ,
atunci starea i este stare absorbanta.
____
A 18. Sub denumirea de metode Monte Carlo sunt cuprinse o serie de tehnici de rezolvare a diverse
probleme utilizand numere aleatoare, variabile aleatoare sau procese stochastice simulate cu
calculatorul.
____
A 19. Ecuatia Poisson este un caz particular de ecuatie de tip eliptic.
____
A 20. În diverse modele de stocare se pot da costurile h , s si/sau d , se da rata cererii r si timpul de
avans L si se cer q , P optime. O multime de elemente ce definesc un mecanism de aprovizionare
se spune ca determina o politica de reaprovizionare.
____
A 21. In diverse modele de stocare se pot da costurile h , s si/sau d , se da rata cererii r si timpul de
avans L si se cer q , P optime. Cand r , L nu sunt aleatoare, modelul se numeste determinist.
____
A 22. In diverse modele de stocare se pot da costurile h , s si/sau d , se da rata cererii r si timpul de
avans L si se cer q , P optime. Cand cel putin una din variabilele r , L este aleatoare, modelul
este stochastic.
____
F 23. In diverse modele de stocare se pot da costurile h , s si/sau d , se da rata cererii r si timpul de
avans L si se cer q , P optime. Cand r , L nu sunt aleatoare, modelul se numeste stochastic.
____
F 24. In diverse modele de stocare se pot da costurile h , s si/sau d , se da rata cererii r si timpul de
avans L si se cer q , P optime. In cazul cand cel putin una din variabilele r, L este aleatoare,
modelul este determinist..
____
A 25. Modelul:
Exp(λ ) / Exp(μ ) / 1 : (∞, FIFO )
Este un exemplu de model matematic de asteptare cu o statie de serviciu.
____
A 26. Modelul:
Exp(λ ) / Exp(μ ) / N ( paralel) : (∞, FIFO )
este un model matematic de asteptare cu N statii paralele presupuse identice (adica au aceeasi
repartitie pentru ST -ul fiecareia), coada poate fi infinita, iar disciplina este standard (primul venit
primul servit).
Completion
Complete each sentence or statement.
1. Daca {X t }t ∈T este un proces stochastic, multimea {(t , X t ) | t ∈ T } se numeste

TRAIECTORIE
………………………….. a procesului stochastic.
2. Daca un proces stationar satisface proprietatea lui Markov, se spune ca procesul
NU ARE MEMORIE
……………………….
3. Relatiile urmatoare, satisfacute de probabilitatile de trecere ale unui lant Markov:

Pij (s , t ) = ∑ ∑ Pik (s , r )Pkj (r , t ), i , j ∈ S = {1,2 ,3 ,..., m},
k ∈S s ≤ r ≤ t
s , t ∈ T = {0 ,1,2 ,..., n}.
se numesc relatiile lui …………………………
CHAPMAN KOLMOGOROV
(se vor scrie cuvintele cu spatiu intre ele fara alt semn)
4. Intr-un lant Markov cu un numar finit de stari, matricea Pij (s , t ) , s , t ∈ ℵ se numeste matrice
de trecere in …………
t-s ?? pasi.
5. Daca intr-un lant Markov cu un numar finit de stari, probabilitatile de trecere intr-un pas nu depind
OMOGEN
de momentele cand au loc tranzitiile , spunem ca lantul este ………………sau stationar
6. Metoda Monte Carlo pentru calculul integralelor in care se foloseste repartitia uniforma pentru a
1 n
1
returna integrala θ = ∫ f ( x )dx cu media aritmetica θ n = ∑ f (U i ) se numeste metoda
0 n i =1
Monte Carlo …………………………
BRUTA
7. Lantul Markov asociat metodei Monte Carlo de rezolvare a problemei Dirichlet poarta numele de
……………………..
MERS LA INTAMPLARE in plan
t
8. In teoria stocurilor, NIVELUL STOCULUI

........................ la momentul t este I(t) = I 0 + ∫ (b( x ) − a ( x ))dx , unde I0 este
0
nivelul initial al stocului, a(t) este rata intrarii in stoc la momentil t, iar b(t) este rata iesirii din stoc la
momentul t.
WILSON
9. In modelul lui ................. costul total de intretinere a stocului pe unitatea de timp este C(q) =
hq sr
+
2 q
POLITICA OPTIMA ⎛ ∧ ∧
⎞ ⎛ 2rs 2 s ⎞
10. In modelul lui Wilson, ............. de reaprovizinare este ⎜ q 0 ,T0 ⎟ = ⎜ ⎟
⎝ ⎠ ⎜ h , rh ⎟
⎝ ⎠
COSTUL OPTIM ∧
11. In modelul lui Wilson .............. al intretinerii stocului este C 0 = 2 srh
LIPSEI DE STOC
12. In modelul clasic al ............................., functia obiectiv de minimizat este C(S,T) =
C hS 2 d (rT − S )
2
+ +
T 2rT 2rT
ERGODIC
13. Solutia sistemului de ecuatii diferentiale asociat unui proces de nastere si deces .................. sau
−1
λ
n ⎡ ∞ n −1 λ ⎤
stationar este pn = ∏ α p0 , unde p0 = ⎢1 + ∑∏μα ⎥
α = 0 μα + 1 ⎣ n = 1α = 0 α + 1 ⎦
∞
MEDIU
14. Intr-un sistem de asteptare, numarul ............ de clienti din sistem este E[NT]= ∑ np n
n =0
STATII
15. Intr-un sistem de asteptare cu c statii de serviciu numarul mediu de .......... care lenevesc este E[NID]
c
= ∑ (c − n) pn
n =0
MEDIE
16. Intr-un sistem de asteptare cu c statii de serviciu, lungimea ............ a cozii de asteptare este E[WL] =
∞
∑ (n − c) pn
n=c
MODELAREA SI SIMULAREA PROCESELOR ECONOMICE
1)Selectaţi afirmaţia falsă despre utilizarea modelelor economico-matematice.

1 modelul este o reprezentare simplificată şi izomorfă a realităţii, menită să permită studiul
acesteia altfel decât prin experimentare directă;
2 modelul reflectă într-un mod convenţional principalele caracteristici ale realităţii, conside-
rate esenţiale pentru scopul cercetării;
3 cu ajutorul modelelor se identifică soluţii optime la probleme complexe, formulate ambi-
guu şi cu date de intrare imprecise şi incomplete;
4 un model trebuie să fie simplu, robust, uşor de aplicat şi de controlat;
5 „manipularea” modelului presupune transformări ale valorilor exogene în valori
căutate/studiate ale variabilelor endogene care descriu caracteristicile esenţiale ale obiectu-
lui studiat.
ANS: 3
2)Expresia matematică care limitează intervalul în care variabilele rezultat ar putea fi calculate este
echivalentă:
1 unei funcţii obiectiv;

2 unui criterii de decizie;
3 unei restricţii;
4 unei funcţii de utilitate;
5 unei variabile duale.
ANS: 3
3) O soluţie optimă se identifică:
1 din mulţimea soluţiilor admisibile folosind un anume criteriu de decizie sau o funcţie
scop;
2 din mulţimea valorilor variabilelor independente;
3 cu ajutorul unei tehnici de simulare sau a unor metode euristice;
4 cu ajutorul mai multor criterii de decizie / funcţii scop (independente) considerate simul-
tan;
5 luând în considerare subiectivismul cercetătorului decidentului.
ANS: 1
4) Spre deosebire de programarea liniară sau programarea dinamică, simularea nu se bazează pe un

model analitic. Aceasta presupune că rezultatele obţinute prin simulare sunt:
1 valori optime;
2 simplificate;
3 euristice;
4 aproximări ale unor valori reale;
5 nerealiste.
ANS: 4
5) Printre aspectele relevante pentru diferenţierea modelelor normative (bazate pe optimizare) şi
cele descriptive (bazate pe satisfacţie) nu se enumeră:
1 mulţimea condiţiilor ce trebuie satisfăcute;

2 alternative studiate;
3 ordonarea şi testarea alternativelor;
4 numărul de decidenţi;
5 modelul de testare utilizat
ANS: 4
6) In funcţie de natura datelor, modelele se împart în următoarele categorii:
1 deterministe / stochastice / fuzzy;

2 multiatribut / multiobiectiv;
3 modele de optimizare / de simulare;
4 de previziune, de organizare, de coordonare, de antrenare, de control;
5 normative /descriptive.
ANS: 1
7)Selectaţi afirmaţia falsă din următoarele propoziţii referitoare la avantajele oferite de tehnica simulă-
rii:
1 simularea poate fi folosită pentru a verifica o soluţie nesigură obţinută pe cale analitică;
2 simularea permite controlul fenomenelor reale, prin soluţiile oferite putându-se corecta de-
ciziile efectuate anterior;
3 simularea permite intuirea unor fenomene reale, verificându-se verosimilitatea unor ipo-
teze de evoluţie;
4 prin simulare se pun în evidenţă acele variabile semnificative pentru studiul fenomenului
real şi legăturile dintre acestea;
5 prin formularea şi experimentarea unor modele, prin simulare se pot culege în mod sistem-
atic date concludente şi sugestive pentru evoluţia fenomenelor reale.
ANS: 1
8) Determinaţi din următoarea enumerare:
conceptul folosit pentru a descrie mulţimea finită de operaţii / instrucţiuni / comenzi care execu-
tate într-o anumită succesiune duc la transformarea datelor de intrare într-un set de valori de
ieşire.
1 vector
2 algoritm
3 structură
4 model
5 problemă
ANS: 2
9) Mărimile care caracterizează procesele economice din punct de vedere al preciziei lor pot fi
clasificate în mărimi:
A. Fuzzy/vagi;
B. Aproximative;
C. Euristice;
D. Exacte;
E. Stochastice;
F. Deterministe;
G. Precise;
H. Imprecise.
Indicaţi combinaţia corectă:
1 A+B+H
2 D+F+G
3 A+E+F
4 C+E+H
5 A+B+G
ANS: 3
10) Atunci când gradul ridicat de precizie a datelor folosite se asociază unui grad mediu de completi-
tudine se recomandă utilizarea:
1 analogiilor;
2 modelelor deterministe;
3 abordării stochastice;
4 mulţimilor vagi (fuzzy);
5 informaţiilor nerelevante.
ANS: 2
11) Selectaţi afirmaţia falsă referitoare la experimentarea unui model economico-matematic:
1 aceasta se poate face în plan real, prin intervenţia cercetătorului în definirea cadrului de
experimentare;
2 aceasta se poate realiza "în plan virtual" pe eşantioane de mari dimensiuni, furnizând
estimări complete la costuri rezonabile;
3 este o etapă necesară a procesului de modelare fiind precedată de identificarea problemei
prin cunoaşterea detaliată a realităţii şi de construirea modelului propriu-zis;
4 este o etapă necesară a procesului de modelare fiind urmată de rezolvarea şi implementa-
rea modelului şi, eventual, de actualizarea soluţiei prin analiza de senzitivitate;
5 aceasta se poate face "in plan real" prin observarea completă sau exhaustivă a realităţii.
ANS: 5
12) Referitor la o problemă de programare liniară, introducerea impreciziei (relaxarea datelor inex-
acte), prin care coeficienţii variabilelor sau termenii liberi ai restricţiilor sunt mulţimi vagi, con-
duce la:
1 programarea dinamică;
2 programarea fuzzy;
3 programarea în numere întregi;
4 programarea stochastică;
5 programarea în numere întregi.
ANS: 2
13) În cazul problemelor de dimensiuni mari, de natură stochastică sau vagă, se recomandă:
1 algoritmi exacţi;
2 algoritmi euristici;
3 algoritmi bazaţi pe tehnici de optimizare;
4 algoritmi lingvistici;
5 algoritmi de programare liniară cu variabile 0/1.
ANS: 2
14)Metodele de tip determinist se folosesc, în general, atunci când:

1 problema descrisă este complexă şi se pot crea scenarii de evoluţie probabilă descrise prin
variabile aleatoare;
2 dispunem de date inexacte, dar problema este de dimensiuni mari;
3 dispunem de date suficient de precise şi în cantitate mare;
4 dispunem de date inexacte; dar problema este de dimensiuni mici;
5 se doreşte previzionarea comportamentului unui sistem economico-social caracterizat prin
mai multe stări posibile.
ANS: 3
15) Soluţia oferită prin aplicarea modelelor euristice este:
1 soluţie optimă;
2 soluţie optimă cu o anumită probabilitate;
3 o soluţie "bună" fără să se arate că este "cea mai bună posibilă";
4 soluţie suboptimală cu o anumită probabilitate;
5 soluţie întreagă.
ANS: 3
16)Selectaţi afirmaţia falsă: "Recunoaşterea faptului că în studiul fenomenelor socio-economice, creş-

terea preciziei datelor afectează în sens invers proporţional completitudinea acestora conduce la:
1 abordarea stochastică a problemelor".;

2 folosirea teoriei jocurilor";
3 abordarea cu ajutorul mulţimilor vagi";
4 abordarea prin strategii de tipul "încercare şi eroare".;
5 folosirea tehnicilor de optimizare".
ANS: 5
17) Pentru rezolvarea unor probleme în care volumul de date disponibile este redus se pot folosi:
1 modele deterministe;
2 modele stochastice;
3 modele probabilistice;
4 modele fuzzy;
5 modele econometrice.
ANS: 2
18) Modelele de simulare au un caracter:
1 deductiv;
2 stochastic;
3 probabilist;
4 procedural;
5 determinist.
ANS: 4
19) Selectaţi afirmaţia falsă:
1 scăderea simultană a preciziei şi completitudinii datelor folosite într-un model economico-

matematic permite o abordare optimală cu ajutorul modelelor deterministe.
2 precizia şi completitudinea reprezintă atribute distincte, care dau măsura utilităţii unui set
de date pentru extragerea unor informaţii necesare procesului decizional.
3 scăderea alternativă a preciziei sau completitudinii datelor conduce la o abordare
stochastică, la folosirea teoriei jocurilor strategice sau a mulţimilor fuzzy.
4 precizia şi completitudinea ridicate ale datelor folosite într-un model economic-matematic
fac posibilă aplicarea cu bune rezultate a tehnicilor de învăţare de tip "încercare şi eroare".
5 cel mai adesea, complexitatea fenomenelor şi proceselor economico-sociale conduc la im-
posibilitatea obţinerii simultane a unei precizii ridicate şi a unui grad de completitudine
mare a informaţiilor disponibile.
ANS: 1
20) Selectaţi afirmaţia falsă referitoare la decizia economică:
1 „decizia presupune alegerea între mai multe variante de decizie (formulate ca alternative
mutual exclusive)”;
2 „decizia economică presupune activitatea de căutare conştientă a unei variante de acţiune
menită să contribuie la atingerea unui obiectiv stabilit anterior”;
3 „decizia rezultă ca urmare a procesării în mod conştient şi raţional a unor informaţii şi cu-
noştinţe”;
4 „decizia aparţine unei persoane sau grup de persoane care dispune de autoritatea necesară
şi care răspunde de gestiunea eficientă a unor resurse într-o organizaţie”;
5 „decizia economică implică folosirea unor algoritmi de tip determinist, aplicaţi pentru date
de intrare exacte, rezultatul deciziei fiind o strategie optimă de acţiune”.
ANS: 5
21)Diferenţa dintre valoarea obţinută prin decizia optimă pentru o anumită stare a naturii şi valoarea re-
zultată din oricare altă alegere a variantei decizionale se numeşte:
1 risc;
2 raţionalitate;
3 regret;
4 incertitudine;
5 eroare.
ANS: 3
22)Diferenţa principală dintre modul în care acţionează natura (mediul înconjurător) şi modul în care ar
acţiona un partener conştient constă în faptul că:
1 timpul de reacţie de care dispune decidentul este mai scurt;

2 mediul extern „acţionează” fără un scop;
3 acţiunile mediului pot fi prevăzute în ipoteza de raţionalitate;
4 în general, natura „acţionează” în favoarea decidentului;
5 natura este "previzibilă".
ANS: 2
23) Caracteristic situaţiei decizionale în condiţii de certitudine este faptul că:
1 fiecărei variante decizionale îi corespund mai multe consecinţe decizionale pentru care nu
se cunosc probabilităţile de apariţie;
2 fiecărei variante decizionale îi corespund mai multe consecinţe decizionale pentru care se
cunosc probabilităţile de apariţie;
3 elementele procesului decizional sunt variabile controlabile, cu caracteristici cunoscute, cu
evoluţii ce pot fi anticipate cu precizie acceptabilă;
4 numărul de variabile (atât controlabile, cât şi necontrolabile) este ridicat, totuşi anticiparea
evoluţiei celor necontrolabile este posibilă (cu un grad satisfăcător de aproximaţie);
5 probabilitatea de apariţie a unor consecinţe decizionale poate fi determinată prin estimări
subiective sau prin studiul statistic al frecvenţei de apariţie a unor elemente aleatoare.
ANS: 3
24) Ca regulă de identificare a variantei optime de decizie nu poate fi considerată:
1 exprimarea preferinţei subiective sau intuitive a decidentului;

2 compararea „calităţii” fiecărei variante decizionale cu ajutorul unei reguli de decizie;
3 folosirea unor metode analitice;
4 folosirea unor metode euristice;
5 compararea „utilităţii” fiecărei variante decizionale.
ANS: 1
25) Decizii în condiţii de incertitudine se iau atunci când:
1 nu există informaţii privind probabilităţile de realizare ale stărilor naturii;

2 managerul dispune de informaţii complete asupra desfăşurării viitoare a procesului anali-
zat;
3 nu se pot identifica elementele generale ale unui model de decizie;
4 se cunosc probabilităţile de realizare a stărilor naturii;
5 fiecărei variante îi corespunde o singură consecinţă/ un singur rezultat.
ANS: 1
26) Ca metodă de raţionalizare a deciziilor în condiţii de incertitudine se recomandă folosirea:
1 numai a tehnicii de tip pesimist sau prudent (Wald) având în vedere ipoteza aversiunii faţă
de risc a agenţilor economici;
2 numai a tehnicii de tip optimist având în vedere ipoteza înclinaţiei faţă de risc a agenţilor
economici;
3 indicatorului de tip speranţă matematică a consecinţelor decizionale;
4 indicatorului de tip speranţă matematică pentru matricea regretelor;
5 următoarelor tehnici: Wald, Savage, Hurwicz, Laplace.
ANS: 5
27)Deciziile în condiţii de risc se deosebesc de cele în condiţii de incertitudine prin faptul că:
1 la primele se cunosc probabilităţile asociate stărilor obiective ale naturii;
2 la primele, decidentul foloseşte conceptul de utilitate;
3 primele se referă la mai multe criterii;
4 primele presupun pierderi mai mari decât celelalte;
5 primele sunt condiţionate de celelalte.
ANS: 1
28) În cazul unei probleme decizionale cu consecinţe de tip profit, alegerea variantei decizionale op-
time în condiţii de incertitudine cu criteriul Savage se face aplicând formula:
unde:
Cij - consecinţa economică (de tip profit) a alegerii variantei de decizie i, i=1,...,m, în condiţiile în
care s-a produs starea naturii j, j=1,...,n;
V* - variantă optimă;
pj – probabilitatea manifestării pentru starea naturii SNj.
1 max i min j C ij → V *
2 1 n
→
maxi ∑ Cij
n j=1
V∗
3 min i max j C ij → V *
4 n
∑p C
j =1
j ij →V*,
max
5 min i max j R ij → V* , unde R ij = max i C ij − C ij
ANS: 5
29) În cazul unei probleme decizionale cu consecinţe de tip profit, alegerea variantei decizionale op-
time în condiţii de incertitudine cu criteriul Wald se face aplicând formula:
unde:
Cij consecinţa economică a alegerii variantei de decizie i, i=1,...,m, în condiţiile în care s-a
produs starea obiectivă j, j=1,...,n;
V* variantă optimă;
pj – probabilitatea manifestării stării a naturii j.
1 max min Cij → V *

i = 1 ,m j = 1 ,n
;
2 1 n
max
i =1 ,m n
∑C
j =1
ij →V*
3 min max Cij → V *

i = 1 ,m j = 1,n
4 n
max
i = 1 ,n
∑p
j =1
j ⋅ Cij → V *
5 min max Rij Ri j = max Cij − Cij

j = 1 ,n
i =1,m j = 1,n
unde
ANS: 1
30) Selectaţi afirmaţia falsă:

1 Ca tehnică de raţionalizare a deciziilor în condiţii de risc se foloseşte transformarea unor
judecăţi calitative de verosimilitate în echivalenţe numerice (valori în intervalul [0,1]).
2 Deciziile în condiţii de risc se adoptă întotdeauna pe baza unor ipoteze privind rezultatele
potenţiale pentru fiecare variantă decizională în parte.
3 Deciziile în condiţii de risc se adoptă pe baza preferinţei decidentului pentru consecinţele
decizionale exprimate prin atitudinea faţă de risc (neutralitate, de înclinaţie, de aversiune).
4 Pentru raţionalizarea deciziilor în condiţii de nedeterminare se folosesc probabilităţi esti-
mate subiectiv de către decident (pe baza experienţei, intuiţiei) sau determinate obiectiv
(prin metode statistico-matematice).
5 Luarea deciziilor în condiţii de risc poate fi efectuată prin compararea valorii aşteptate
asociate variantelor decizionale cu valoarea identificată de regula prudentă maximin
(Wald).
ANS: 5
31) Selectaţi afirmaţia adevărată referitoare la valoarea informaţiei perfecte (VIP):

unde:
Cij consecinţa economică (de tip profit) a alegerii variantei de decizie i, i=1,...,m, în condiţiile în
care s-a produs starea obiectivă j, j=1,...,n;
pj – probabilitatea manifestării stării a naturii j.
1 este dată de diferenţa dintre profitul estimat a fi obţinut în condiţiile cunoaşterii complete a
informaţiilor şi costul achiziţionării informaţiilor perfecte (C);
2 rolul informaţiei perfecte este dat de posibilitatea (teoretică) de a preschimba situaţia deci-
zională din una în condiţii de risc într-una în condiţii de incertitudine;
3 valoarea VIP pentru modelele de decizii incerte este mai mică în comparaţie cu valoare
VIP calculată pentru decizii în condiţii de risc;
4 n n
∑p j ⋅ max Cij − max ⋅ ∑ p j ⋅ Cij

i i
se calculează cu formula: VIP =; j =1 j =1
5 dacă VIP > C nu se recomandă achiziţionarea informaţiei perfecte / adiţionale.

ANS: 4
32) Metoda arborilor de decizie presupune:
1 evaluarea nodurilor iniţiale înaintea celor finale;

2 evaluarea tuturor nodurilor de decizie înaintea celor de tip incertitudine;
3 eliminarea din calcul a variantelor aparent nefavorabile la un anumit moment;
4 alegerea variantei cu cea mai mare probabilitate de realizare;
5 evaluarea nodurilor de tip eveniment înaintea nodurilor de tip decizie.
ANS: 5
33) Selectaţi afirmaţia falsă referitoare la metoda arborelui de decizie:
O întreprindere din sectorul public are la dispoziţie trei variante de extindere a activităţii din
care doreşte să selecteze varianta optimă în condiţiile minimizării investiţiilor (tabelul 1 – sume
necesare stabilite pe baza informaţiilor din studiile de fezabilitate) şi în trei scenarii posibile /
stări ale naturii (evoluţie favorabilă, satisfăcătoare, nefavorabilă a economiei în următorii ani).
Tabelul 1. Matricea consecinţelor
Variante decizionale
Stările naturii
S1 S2 S3
V1 14000 11125 8250
V2 13800 11050 8300
V3 13500 11000 8500
1 se aplică la situaţiile decizionale de mare complexitate, în care sunt implicate evenimente

aleatorii care se produc succesiv;
2 în reprezentarea diagramei apar trei tipuri de noduri (de decizie, de tip eveniment /de tip
consecinţă sau finale);
3 fiecare nod are mai multe noduri ascendente şi descendente;
4 alegerea variantei optime se realizează pe baza analizei comparative a speranţelor matema-
tice calculate până la nivelul nodului iniţial;
5 găsirea unei soluţii „optime” este echivalentă cu alegerea unui drum complet în arbore
(pornind de la nodurile finale ale arborelui şi până la nodul iniţial).
ANS: 3
34) Indicaţi răspunsul correct:
Folosind teoria deciziilor în condiţii de incertitudine şi programul informatic WINQSB/ modu-

lul Decision Analysis s-au obţinut rezultatele prezentate în tabelul 2.Tabelul 2. Rezultatele
obţinute cu WINQSB/DA
Criterion Best Decision Decision Value
Maximin V3 ($13500)
Maximax V1 ($8250)
Hurwicz (p=0.8) V1 ($9400)
Minimax Regret V3 $250
Expected Value V3 ($11000)
Equal Likelihood V3 ($11000)
Expected Regret V3 $83.33
Expected Value without any Information = ($11000)
Expected Value with Perfect Information= ($10916.67)
Expected Value of Perfect Information = $83.33
In cazul unui decident neutru faţă de risc, varianta optimă:
1 este varianta 1;
2 este varianta 2;
3 este varianta 3;
4 poate oricare dintre variante, în mod indiferent;
5 nu se poate preciza optimalitatea pentru nici o variantă.
ANS: 5

lul Decision Analysis s-au obţinut rezultatele prezentate în tabelul 2. Tabelul 2. Rezultatele
obţinute cu WINQSB/DA
Maximin V3 ($13500)
Maximax V1 ($8250)
Hurwicz (p=0.8) V1 ($9400)
Selectaţi afirmaţia falsă referitoare la valoarea informaţiei perfecte (VIP) pentru această prob-
lema decizională:
1 dacă se dispune de posibilitatea achiziţiei de informatie completă, iar pretul acesteia este
de 83,33 u.m., nu se recomandă achiziţionarea informatiei;
2 dacă se dispune de posibilitatea achiziţiei de informaţie completă, iar pretul acesteia este
de mai mic de 83,33 u.m., nu se recomandă completarea informaţiilor;
3 valoarea informaţiei perfecte este de 83,33 u.m.
4 valoarea asteptată a profitului în condiţiile dispunerii de informaţie perfectă este de
10916.67 u.m.;
5 valoarea asteptată a profitului fără informaţie perfectă este de 11000 u.m.
ANS: 2

lul Decision Analysis s-au obţinut rezultatele prezentate în tabelul 2.
Stările naturii
S1 S2 S3
V1 14000 11125 8250
V2 13800 11050 8300
V3 13500 11000 8500
Tabelul 2. Rezultatele obţinute cu WINQSB/DA

Maximin V3 ($13500)
Maximax V1 ($8250)
Hurwicz (p=0.8) V1 ($9400)
În condiţii de risc (prin acordarea unor probabilităţi celor 3 stări ale naturii), valoarea
informaţiei perfecte:
1 se păstrează constantă;
2 se reduce cu 83,33 um.:
3 creşte cu 83.33. um:
4 creşte cu o valoare care se poate calcula cu informaţiile disponibile în tabelul 1;
5 se reduce cu o valoare care se poate calcula cu informaţiile disponibile în tabelul 1
ANS: 5

lul Decision Analysis s-au obţinut rezultatele prezentate în tabelul 2.
Stările naturii
S1 S2 S3
V1 14000 11125 8250
V2 13800 11050 8300
V3 13500 11000 8500
Tabelul 2. Rezultatele obţinute cu WINQSB/DA

Maximin V3 ($13500)
Maximax V1 ($8250)
Hurwicz (p=0.8) V1 ($9400)
Pentru modelul matriceal în condiţii de risc, folosind aceeaşi matrice a consecinţelor (tabelul 1),
informaţia disponibilă se suplimentează cu vectorul de probabilităţi asociate stărilor naturii:
(0,35, 0,45, 0,2). Atunci, rezultatul (vezi tabelul 2) se modifică în cazul aplicării criteriului:
1 maxmin (criteriul Wald);

2 maxmax (criteriul superoptimist);
3 Hurwicz;
4 expected value (valoare aşteptată);
5 equal likelihood (criteriul Laplace).
ANS: 4
38)Indicaţi răspunsul corect.

Construind arborele de decizie pentru matricea consecinţelor din tabelul 1 şi folosind probabil-
ităţile asociate stărilor naturii de 0,35, 0,45 şi 0,2 se obţine figura 1 - rezolvarea corespunde celei
din produsul informatic WINQSB/modulul Decision Analysis.
Stările naturii
S1 S2 S3
V1 14000 11125 8250
V2 13800 11050 8300
V3 13500 11000 8500
Valoarea nodului 4 s-a calculat:
1 alegând minimul dintre valorile nodurilor imediat următoare;

2 prin calculul valorii aşteptate utilizând valorile nodurilor imediat următoare şi probabil-
ităţile asociate;
3 prin media aritmetică;
4 independent de probabilităţi;
5 pe baza valorii din nodul 1.
ANS: 2

Construind arborele de decizie pentru matricea consecinţelor din tabelul 1 şi folosind probabi-
lităţile asociate stărilor naturii de 0,35, 0,45 şi 0,2 se obţine figura 1 - rezolvarea corespunde ce-
lei din produsul informatic WINQSB/modulul Decision Analysis.
Stările naturii
S1 S2 S3
V1 14000 11125 8250
V2 13800 11050 8300
V3 13500 11000 8500
Selectaţi afirmaţia falsă despre nodul 4:
1 este un nod de tip decizie;

2 este un nod de tip eveniment / şansă;
3 valoarea sa este de -11375 u.m.;
4 valoarea se calculează prin speranţa matematică a valorile din nodurile imediat următoare;
5 nu este luat în considerare pentru identificarea soluţiei optime.
ANS: 1

Construind arborele de decizie pentru matricea consecinţelor din tabelul 1 şi folosind probabil-
ităţile asociate stărilor naturii de 0,35, 0,45 şi 0,2 se obţine figura 1 - rezolvarea corespunde celei
din produsul informatic WINQSB/modulul Decision Analysis. I
Stările naturii
S1 S2 S3
V1 14000 11125 8250
V2 13800 11050 8300
V3 13500 11000 8500
Valoarea asociată nodului 1:
1 desemnează strategia optimă pentru procesul decizional;

2 este calculată ca speranţă matematică a valorilor din nodurile 2, 3 şi 4;
3 este o valoare neafectată de risc;
4 exprimă înclinaţia faţă de risc a decidentului;
5 este determinată prin compararea valorilor din nodurile 2, 3 şi 4 (noduri imediat urmă-
toare).
ANS: 5
41) Selectaţi afirmaţia falsă despre optimizarea multicriterială:
1 în cazul optimizării multiobiectiv, mulţimea variantelor de decizie este finită;

2 conceptul de multicriterialitate este strâns legat de optimizarea flexibilă;
3 cazul optimizării multiobiectiv se tratează distinct de cazul optimizării multiatribut;
4 în marea lor majoritate, problemele decizionale economice sunt multicriteriale;
5 orice problemă de optimizare multicriterială evidenţiază o soluţie suboptimală care rezultă
prin considerarea tuturor criteriilor simultan.
ANS: 1
42) In teoria ştiinţifică a deciziilor, utilitatea reprezintă:
1 o valoare subiectivă asociată unui anumit rezultat economic şi asigură comparabilitatea

variantelor decizionale evaluate cu ajutorul mai multor criterii;
2 o curbă ce exprimă valoarea aşteptată în condiţii de informaţii perfecte şi riscul asociat;
3 o curbă ce reprezintă valoarea aşteptată a indicatorului în funcţie de timp;
4 valoarea câştigului estimat pentru cea mai defavorabilă situaţie / stare a naturii;
5 valoarea pierderii estimate pentru cea mai defavorabilă situaţie / stare a naturii.
ANS: 1
43) Selectaţi afirmaţia falsă: „În cazul optimizării multiatribut:
1 mulţimea alternativelor/variantelor de acţiune este finită;

2 fiecare alternativă este caracterizată de mai multe atribute;
3 alternativa optimă aleasă este aceea care satisface cel mai bine toate atributele;
4 există metode specifice pentru situaţii caracterizate de risc şi incertitudine;
5 mulţimea soluţiilor posibile este infinită”.
ANS: 5
44) Pe baza tabelelor 3 şi 4, indicaţi răspunsul corect:
In vederea achiziţionării unui scanner de mare productivitate, o instituţie publică a întocmit un

caiet de sarcini care a indicat următoarele criterii ca foarte importante pentru adjudecarea oferte-
lor de licitaţie:
Criteriul C1 – valoarea echipamentului (mii lei)

Criteriul C2 – cheltuieli de exploatare (mii lei la 1000 pagini A4 scanate)
Criteriul C3 – timpul mediu de funcţionare normală (număr de ore / 1000 ore de funcţionare)
Criteriul C4 – posibilitatea de asigurare a service-ului după expirarea perioadei de garanţie.
Principalele caracteristici în funcţie de criteriile menţionate sunt prezentate pentru cele mai inter-
esante 4 oferte în tabelul 3:
Tabel 3 – Informaţii preliminare
Coef de importanţă C1 C2 C3 C4
0,4 0,3 0,2 0,1
Oferta 1 14900 36.5 987 Resurse proprii
Oferta 2 14780 38.0 979 intermediari

Oferta 4 14850 37.5 989 posibil

Tabelul 4 – Matricea utilităţilor
0,4 0,3 0,2 0,1
Oferta 1 0.625 1 0.46 1
Oferta 2 1 0.666 0 0.66
Oferta 3 0 0 1 1
Oferta 4 0.781 0.77 0.33 0.33
Indicaţi oferta cea mai convenabilă din punctul de vedere al celei mai mari utilităţi sinteză:
1 oferta 1;
2 oferta 2;
3 oferta 3;
4 oferta 4;
5 nu se poate distinge cea mai bună ofertă pe baza informaţiilor disponibile.
ANS: 1

lor de licitaţie:

0,4 0,3 0,2 0,1


0,4 0,3 0,2 0,1
Oferta 1 0.625 1 0.46 1
Oferta 2 1 0.666 0 0.66
Oferta 3 0 0 1 1
Oferta 4 0.781 0.77 0.33 0.33
Selectaţi afirmaţia adevărată:
1 coeficienţii de importanţă nu influenţează asupra alegerii variantei preferate;

2 soluţia aleasă este optimă;
3 selecţia ofertelor este absolut obiectivă;
4 ordinea de preferinţă a ofertelor se modifică odată cu schimbarea importanţei criteriilor;
5 se recomandă ca utilitatea sinteză să fie cât mai aproape de 1.
ANS: 4

lor de licitaţie:

0,4 0,3 0,2 0,1


0,4 0,3 0,2 0,1
Oferta 1 0.625 1 0.46 1
Oferta 2 1 0.666 0 0.66
Oferta 3 0 0 1 1
Oferta 4 0.781 0.77 0.33 0.33
Setul de utilităţi corespunzătoare criteriului C4 se determină:
1 aj max − aij
cu ajutorul unei formule de tipul aj max − aj min
;
2 prin extrapolare;
3 obiectiv - cu ajutorul unui procedeu de optimizare;
4 subiectiv – prin acordarea de valori în intervalul [0,1];
5 prin simulare.
ANS: 5

lor de licitaţie:

0,4 0,3 0,2 0,1


0,4 0,3 0,2 0,1
Oferta 1 0.625 1 0.46 1
Oferta 2 1 0.666 0 0.66
Oferta 3 0 0 1 1
Oferta 4 0.781 0.77 0.33 0.33
Setul de utilităţi corespunzătoare criteriului C2 se determină:
1 aj max − aij
cu ajutorul unei formule de tipul aj max − aj min ;
2 aij − aj min
cu ajutorul unei formule de tipul aj max − aj min ;
3 cu ajutorul estimărilor decidentului;
4 subiectiv – prin acordarea de valori în intervalul [0,1];
5 prin simulare.
ANS: 1
48) Selectaţi afirmaţia falsă referitoare la metoda programării scop (Goal Programming):
1 Se poate aplica în două variante: cu obiective de importanţă egală şi cu priorităţi diferite

acordate obiectivelor;
2 În cazul în care obiectivele sunt exprimate în unităţi de măsură diferite, pentru minimiza-
rea deviaţiilor faţă de nivelurile de aspiraţie este necesară determinarea unor costuri de
«penalizare» ale deviaţiilor.
3 Ideea de bază a acestei metode, constă în transformarea obiectivelor în «restricţii scop»
prin specificarea pentru fiecare obiectiv a unui nivel de aspiraţie;
4 Nivelurile de aspiraţie pot fi precizate de către decident sau calculate prin rezolvarea unor
modele de programare liniară formate din fiecare funcţie obiectiv şi sistemul de restricţii;
5 Se caută acea soluţie care atinge toate nivelurile de aspiraţie, fără a permite înregistrarea
de abateri
ANS: 5
49) Selectaţi afirmaţia falsă: ”În cazul optimizării multiobiectiv:
1 mulţimea soluţiilor posibile este finită;

2 criteriile de optim se prezintă sub forma unor funcţii obiectiv care trebuie maximizate sau
minimizate;
3 în această categorie, cel mai frecvent utilizată este metoda de programare liniară cu mai
multe funcţii obiectiv;
4 soluţia conduce la abateri cât mai mici faţă de scopurile specificate de decident;
5 criteriile de decizie pot avea diferite priorităţi”.
ANS: 1
50)Selectaţi afirmaţia adevărată referitoare la metoda programării scop (Goal Programming) aplicată
pentru r obiective:
1 Ideea de bază a acestei metode, constă în agregarea obiectivelor în într-o funcţie de utilit-
ate sinteză prin specificarea pentru fiecare obiectiv a unei utilităţi;
2 Nivelurile dorite sau prestabilite sunt identificate cu ajutorul unor modele de programare
liniară multicriteriale formate din r-1 funcţii obiectiv şi sistemul de restricţii;
3 Se caută acea soluţie care atinge toate nivelurile de aspiraţie, fără a permite înregistrarea
de abateri;
4 Fiecărei restricţii scop i se ataşează câte o pereche de variabile de abatere (care măsoară
deviaţia în plus, respectiv în minus faţă de scopul propus de decident) care sunt ambele di-
ferite de zero;
5 În cazul în care obiectivele sunt exprimate în unităţi de măsură diferite, pentru minimiza-
rea deviaţiilor faţă de nivelurile de aspiraţie este necesară determinarea unor costuri de
«penalizare» ale deviaţiilor.
ANS: 5
51) Încercarea de a lua în considerare factorii (controlabili sau nu) ce acţionează asupra unei organi-
zaţii conduce la utilizarea unor metode specifice de previziune. Metodele bazate pe serii de timp
se utilizează:
1 pentru prognoze pe termen lung (mai ales când intervin factori externi) sau atunci când nu
există date istorice sau acestea sunt limitate şi se bazează pe estimări subiective, mai de-
grabă decât pe date;
2 în situaţiile în care este posibilă identificarea unor relaţii funcţionale de tipul Y=f(x1, x2, …,
xn) unde Y variabila dependentă este exprimată în funcţie de nivelul factorilor
explicativi/independenţi (x1, x2, … xn);
3 în cazul în care evoluţia curentă a unui indicator depinde de nivelul anterior (în ipoteza
păstrării unui comportament inerţial al fenomenului): Y = f ( Y ,Y ,...) ;
t t −1 t −2
4 în cazul unor ecuaţii simultane sau sisteme de ecuaţii ce descriu în formă matematică dife-
rite legităţi economice şi pentru rezolvarea cărora este necesar un set de date iniţiale;
5 în situaţia în care se pot identifica factori externi care pot fi controlaţi prin intervenţie
controlată şi acţiune conştientă
ANS: 3
52) Printre trăsăturile funcţiei de previziune nu se numără:
1 precede celelalte funcţii (ajută şi iniţiază procesul decizional);

2 pune în evidenţă necesitatea practicării unui management previzional;
3 prin exercitarea ei, se anticipează evoluţia condiţiilor în care se va afla organizaţia, precum
şi starea, comportarea şi funcţionarea acesteia;
4 identifică tendinţele existente;
5 analizează procesele şi fenomenele de organizare şi coordonare a tuturor activităţilor.
ANS: 5
53) Între obiectivele analizei seriilor de timp, nu se numără:
1 obţinerea unei descrieri cât mai concise a unei serii de timp particulare;
2 determinarea unei reprezentări cât mai corecte a mecanismului de generare a procesului
care a produs realizarea dată (construirea unui model);
3 realizarea, pe baza rezultatelor obţinute anterior, a predicţiei valorilor viitoare ale seriei,
utilizând valorile anterioare;
4 demonstrarea legăturii care există între o variabilă dependentă şi alte variabile independ-
ente printr-o ecuaţie de regresie;
5 conducerea procesului care a generat seria, prin examinarea a ceea ce se poate întâmpla
dacă se modifică anumiţi parametri ai modelului sau prin stabilirea unei politici de inter-
venţie, atunci când deviaţiile procesului în raport cu un obiectiv depăşesc o anumită
valoare.
ANS: 3
54) Selectaţi afirmaţia adevărată de maximă generalitate; „Intre componentele esenţiale ale unei serii
dinamice se includ:
1 variaţiile ciclice şi oscilaţiile pur aleatoare”.

2 variaţiile sezoniere şi oscilaţiile pur aleatoare”.
3 tendinţa şi oscilaţiile pur aleatoare”.
4 variaţiile ciclice şi cele sezoniere”.
5 tendinţa, variaţiile ciclice, cele sezoniere şi oscilaţiile pur aleatoare”.
ANS: 5
55) Selectaţi din următoarea enumerare, componenta care nu este specifică analizei seriei temporale
a unui indicator sau fenomen economic (de exemplu: cursul de schimb):
1 trendul (tendinţa);
2 variaţia ciclică;
3 variaţia sezonieră;
4 fluctuaţiile neregulate/întâmplătoare;
5 viteza de creştere/descreştere a mărimii indicatorului.
ANS: 5
56) În modelul ajustării exponenţiale, alegerea unei valori apropiate de 0 pentru ? va conduce:
1 la apariţia unor erori de previziune mici;

2 la obţinerea unor valori îndepărtate de valorile ajustate (previzionate) din momentul ante-
rior;
3 la o pantă pozitivă a dreptei de regresie;
4 la ajustarea puternică a oscilaţiilor din seria de date reale;
5 la valori descrescătoare ale valorilor ajustate (previzionate).
ANS: 4
57)Procedeele de previziune bazate pe modelul Brown (cu un singur factor de nivelare în jurul mediei)
pot fi aplicate în practică dacă:
1 prognoza se face pe termen lung;

2 există informaţii din perioadele trecute asupra evoluţiei indicatorului considerat;
3 se produc schimbări majore în evoluţia fenomenului studiat;
4 se poate determina valoarea factorului de nivelare prin metoda celor mai mici pătrate;
5 coeficienţii de nivelare se pot determina foarte riguros.
ANS: 2
58)”In modelul ajustării exponenţiale primare, coeficientul de nivelare α:

1 are o valoare unică α=0,5, stabilită ca medie a valorilor minimă şi maximă pentru ?;
2 influenţează modul în care observaţiile trecute (datele istorice) sunt ponderate;
3 este o variabilă aleatoare uniform distribuită cu valori în intervalul [0,1];
4 nu influenţează acurateţea prognozei;
5 se poate obţine prin tehnica optimizării (prin programare liniară cu variabile 0 şi 1”.
ANS: 2
59) Selectaţi afirmaţia falsă: "In metoda ajustării exponenţiale a lui Brown (cu un singur factor de
nivelare, α ∈ [0,1] ):
1 formula F t+1 = α y t + (1 - α ) F t se recomandă în cazul seriilor de date cu caracter staţionar

şi pentru care nu se înregistrează un trend liniar şi/sau variaţii sezoniere".
2 pentru determinarea lui α se apelează la tehnici de simulare".
3 pentru seriile de date ce înregistrează fluctuaţii mari se recomandă valori mici ale lui α ".
4 calitatea ajustării se apreciază prin calculul erorilor de ajustare".
5 se pot estima valorile indicilor de sezonalitate".
ANS: 5
60) Pentru a aprecia acurateţei metodei de ajustare exponenţială se poate folosi:
1 testul de admisibilitate, în anumite limite, a valorilor ajustate;

2 un criteriu de optim;
3 media erorilor pătratice sau absolute;
4 coeficientul de corelaţie sau de determinare;
5 coeficientul de variaţie.
ANS: 3
61) Indicaţi răspunsul corect pe baza datelor şi rezultatelor din tabelul 5.
Pe baza datelor referitoare la evoluţia cursului de schimb leu-dolar (date reale pentru România
ian 2003- feb 2004 - medii lunare) şi folosind metoda ajustării exponenţiale simple (SES din
WINQSB/ modulul Forecasting), s-au obţinut următoarele rezultate – tabelul 5.
Actual Data Forecast by SES Forecast by SES
Ian 03 33448
Feb 03 32883,95 33448 33448
Mar 03 33134,5 33391,59 32940,36
Apr 03 33702,67 33365,88 33115,09
Mai 03 32501,71 33399,56 33643,91
Iun 03 32616,43 33309,78 32615,93
Iul 03 32667,43 33240,44 32616,38
Aug 03 33359,14 33183,14 32662,32
Sep 03 33799,32 33200,74 33289,46
Oct 03 33157,17 33260,6 33748,33
Noi 03 34108,8 33250,26 33216,29
Dec 03 33012,55 33336,11 34019,55
Ian 04 32571,9 33303,76 33113,25
Feb 04 32072,5 33230,57 32626,04
33114,76 32127,85
CFE -3332,365 -1466,828
MAD 559,3989 563,9823
MSE 402414,5 424108,3
MAPE 1,69986 1,703991
Trk.Signal -5,957047 -2,600841
Alpha=0,1 Alpha=0,9
Cea mai “corectă” previziune a cursului de schimb ROL/USD pentru luna martie 2004 este:
1 32072,5 ROL/USD;
2 33230,57 ROL/USD;
3 32626,04 ROL/USD;
4 33114,76 ROL/USD;
5 32127,85 ROL/USD.
ANS: 4
Ian 03 33448
Feb 03 32883,95 33448 33448
Mar 03 33134,5 33391,59 32940,36
Apr 03 33702,67 33365,88 33115,09
Mai 03 32501,71 33399,56 33643,91
Iun 03 32616,43 33309,78 32615,93
Iul 03 32667,43 33240,44 32616,38
Aug 03 33359,14 33183,14 32662,32
Sep 03 33799,32 33200,74 33289,46
Oct 03 33157,17 33260,6 33748,33
Noi 03 34108,8 33250,26 33216,29
Dec 03 33012,55 33336,11 34019,55
Ian 04 32571,9 33303,76 33113,25
Feb 04 32072,5 33230,57 32626,04
33114,76 32127,85
CFE -3332,365 -1466,828
MAD 559,3989 563,9823
MSE 402414,5 424108,3
MAPE 1,69986 1,703991
Trk.Signal -5,957047 -2,600841
Alpha=0,1 Alpha=0,9
Eroarea medie pătratică (MSE) în cazul celei mai “corecte” previziuni a cursului de schimb me-
diu zilnic ROL/USD este:
1 424108,3;
2 mai mare decât 424108,3;
3 402414,5;
4 mai mică decât 402414,5;
5 cuprinsă în intervalul [402414,5; 424108,3].
ANS: 3
Ian 03 33448
Feb 03 32883,95 33448 33448
Mar 03 33134,5 33391,59 32940,36
Apr 03 33702,67 33365,88 33115,09
Mai 03 32501,71 33399,56 33643,91
Iun 03 32616,43 33309,78 32615,93
Iul 03 32667,43 33240,44 32616,38
Aug 03 33359,14 33183,14 32662,32
Sep 03 33799,32 33200,74 33289,46
Oct 03 33157,17 33260,6 33748,33
Noi 03 34108,8 33250,26 33216,29
Dec 03 33012,55 33336,11 34019,55
Ian 04 32571,9 33303,76 33113,25
Feb 04 32072,5 33230,57 32626,04
33114,76 32127,85
CFE -3332,365 -1466,828
MAD 559,3989 563,9823
MSE 402414,5 424108,3
MAPE 1,69986 1,703991
Trk.Signal -5,957047 -2,600841
Alpha=0,1 Alpha=0,9
Pentru o aplicare riguroasă a metodei nivelării exponenţiale simple, în previziunea unui feno-
men, semnalul de urmărire (Trk. Signal – eng.) trebuie să ia valori:
1 TS > 5;
2 TS < -5;
3 TS ∉ ( −5 ,5 ) ;
4 TS = 10;
5 TS ∈ ( −5 , 5 ) .
ANS: 5

Ian 03 33448
Feb 03 32883,95 33448 33448
Mar 03 33134,5 33391,59 32940,36
Apr 03 33702,67 33365,88 33115,09
Mai 03 32501,71 33399,56 33643,91
Iun 03 32616,43 33309,78 32615,93
Iul 03 32667,43 33240,44 32616,38
Aug 03 33359,14 33183,14 32662,32
Sep 03 33799,32 33200,74 33289,46
Oct 03 33157,17 33260,6 33748,33
Noi 03 34108,8 33250,26 33216,29
Dec 03 33012,55 33336,11 34019,55
Ian 04 32571,9 33303,76 33113,25
Feb 04 32072,5 33230,57 32626,04
33114,76 32127,85
CFE -3332,365 -1466,828
MAD 559,3989 563,9823
MSE 402414,5 424108,3
MAPE 1,69986 1,703991
Trk.Signal -5,957047 -2,600841
Alpha=0,1 Alpha=0,9
In cazul previziunii cu cea mai mică eroare medie pătratică (MSE), constanta de nivelare ?
propusă ca optimă este:
1 0,1;
2 0,3;
3 1;
4 0,9;
5 0,5.
ANS: 1
65) In general, determinarea valorii optime a constantei de nivelare se poate face în cazul aplicaţiilor
economico - sociale după criteriul de minimizare a:
1 erorii de tip MAD;

2 a erorii de tip MSE;
3 a erorii de tip CFE;
4 a semnalului de urmărire;
5 a erorii de tip MAPE.
ANS: 2
66) Atunci când gradul ridicat de precizie a datelor folosite se asociază unui grad mediu de comple-
titudine se recomandă utilizarea:
1 analogiilor;
2 modelelor deterministe;
3 abordării stochastice;
4 mulţimilor vagi (fuzzy);
5 informaţiilor nerelevante.
ANS: 4
67) Una din premisele utilizării lanţurilor Markov pentru modelarea evoluţiei ponderii pe piaţă a
unor produse concurenţiale este următoarea:
1 număr infinit de mărci;

2 număr finit şi constant de mărci;
3 probabilităţile de trecere de la o marcă la alta variază în timp.
4 clientul alege mai multe mărci simultan;
5 alegerea unei mărci de către un client la un moment dat nu depinde de marca aleasă în per-
ioada imediat precedentă.
ANS: 2
68)Selectaţi afirmaţia falsă despre un lanţ Markov:

1 matricea probabilităţilor de tranziţie poate fi constantă în timp sau variabilă de la o etapă
la alta;
2 suma elementelor de pe fiecare coloană din matricea probabilităţilor de tranziţie este 1;
3 pe diagonala principală se regăsesc informaţii despre menţinerea sistemului în aceeaşi
stare de la o etapă la alta;
4 matricea probabilităţilor de tranziţie poate fi înlocuită cu o diagramă de trecere sau cu un
graf;
5 orice lanţ Markov este definit complet prin matricea sa de tranziţie (P) şi probabilităţile in-
iţiale (sub forma unui vector linie).
ANS: 2
69) Unele din premisele utilizării lanţurilor Markov pentru modelarea evoluţiei pe piaţă a unor pro-
duse concurenţiale sunt următoarele:
A. pe piaţă există un număr finit şi constant de produse concurente;

B. în matricea probabilităţilor, suma pe coloană este 1;
C. probabilităţile de a cumpăra o marcă se estimează prin sondaj statistic;
D. o probabilitate pij arată ponderea clienţilor care cumpără marca j, după ce anterior a
cumpărat marca i;
E. suma coeficienţilor de fidelitate este 1;
F. probabilităţile trecerii de la o marcă la alta sunt variabile pe o anumită perioadă de timp.
Indicaţi combinaţia corectă:
1 A+C+D
2 B+C+D
3 A+C+F
4 C+D+E
5 A+E+F
ANS: 1
70) Produsul AA1 al unei societăţi comerciale este în concurenţă pe piaţă cu produsele AA2 şi AA3
realizate de firme concurente. Cu ajutorul unor sondaje de marketing, efectuate de firmă în urma
campaniei de publicitate a firmei concurente AA3 din luna martie, s-au obţinut datele necesare
pentru determinarea ponderilor pe piaţă ale celor trei produse concurenţiale în perioada aprilie -
iunie. Evoluţia ponderilor pe piaţă începând din luna martie a fost determinată cu produsul in-
formatic WINQSB/ Mkp:
Tabelul 6. Date iniţiale
From \ To AA1 AA2 AA3
AA1 0.6 0.2 0.2
AA2 0.1 0.7 0.2
AA3 0.1 0.1 0.8
Initial Prob. 0.55 0.25 0.20
Tabelul 7. Time Parametric Analysis for "Evolutia pe piata a unor produse concurentiale"
Time Period Probability of State Probability of State Probability of State
AA1 AA2 AA3
1 0.3750 0.3050 0.3200
2 0.2875 0.3205 0.3920
3 0.2438 0.3211 0.4352
Tabelul 8. Steady State for "Evolutia pe piata a unor produse concurentiale"

State Name State Probability Recurrence Time
CS1 0.2000 5
CR2 0.3000 3.3333
CR3 0.5000 2.0000
Ponderea pe piaţă a produsului AA1 în luna martie este:
1 0,375;
2 0,2875;
3 0,2438
4 0,2;
5 0,55
ANS: 5
AA1 0.6 0.2 0.2
AA2 0.1 0.7 0.2
AA3 0.1 0.1 0.8
Initial Prob. 0.55 0.25 0.20
AA1 AA2 AA3
1 0.3750 0.3050 0.3200
2 0.2875 0.3205 0.3920
3 0.2438 0.3211 0.4352

CS1 0.2000 5
CR2 0.3000 3.3333
CR3 0.5000 2.0000
Coeficientul de fidelitate de la o lună la următoarea lună pentru produsul AA2 este:
1 0,7;
2 0,53;
3 0,433;
4 0,1;
5 0,2.
ANS: 1
AA1 0.6 0.2 0.2
AA2 0.1 0.7 0.2
AA3 0.1 0.1 0.8
Initial Prob. 0.55 0.25 0.20
AA1 AA2 AA3
1 0.3750 0.3050 0.3200
2 0.2875 0.3205 0.3920
3 0.2438 0.3211 0.4352

CS1 0.2000 5
CR2 0.3000 3.3333
CR3 0.5000 2.0000
Probabilitatea de reorientare a unui cumpărător al produsului AA2 în luna aprilie a.c. către pro-
dusul AA3 în luna mai este:
1 0,392;
2 0,32;
3 0,2;
4 0,3;
5 0,8.
ANS: 3
AA1 0.6 0.2 0.2
AA2 0.1 0.7 0.2
AA3 0.1 0.1 0.8
Initial Prob. 0.55 0.25 0.20
AA1 AA2 AA3
1 0.3750 0.3050 0.3200
2 0.2875 0.3205 0.3920
3 0.2438 0.3211 0.4352

CS1 0.2000 5
CR2 0.3000 3.3333
CR3 0.5000 2.0000
Probabilitatea ca un cumpărător al produsului AA3 în luna martie să cumpere produsul AA1 în

starea staţionară a pieţei este:
1 0,5;
2 0,3;
3 0,2;
4 0,1;
5 0,55.
ANS: 1
74) O companie producătoare de detergenţi şi produse chimice similare este interesată în studiul
pieţei pentru una dintre mărcile sale. Informaţiile căutate sunt estimări ale cotei de piaţă în com-
paraţie cu cele ale unor mărci concurente (fie acestea desemnate prin B, respectiv C). Pentru
acest produs, în oricare din cele trei mărci, intervalul dintre cumpărări succesive este de aproxi-
mativ, o lună, iar studiul de piaţă a relevat următoarele informaţii referitoare la comportamentul
a 10000 de persoane chestionate (tabelul 9).
Tabelul 9. Date generale – descrierea comportamentului clienţilor
Numărul Schimbarea opţiunii de cumpărare
clienţilor
De la A De la B De la C Total “de la”
Produs de 4500 - 675 675 1350
marcă A
Produs de 3500 875 - 525 1400
marcă B
Produs de 2000 600 400 - 1000
marcă C
total 10000 1475 1075 1200 -
Tabel 10. Evoluţia cotelor de piaţă pentru 4 momente de timp

timp Cota de piaţa pentru produs Cota de piaţa pentru Cota de piaţa pentru produs C
A produs B
1 0.4625 0.3175 0.2200
2 0.4691 0.3039 0.2270
3 0.4725 0.2981 0.2295
4 0.4741 0.2956 0.2303
Tabel 11. Rezultatele de tip stare de echilibru şi timp de recurenţă

Produs stare de echilibru timp de recurenţă
1 Produs A 0.4755 2.1029
2 Produs B 0.2937 3.4048
3 Produs C 0.2308 4.3333
Selectaţi afirmaţia falsă:
1 In categoria date iniţiale se înscriu cotele de piaţă la momentul iniţial S0 ={p1(0), p2(0), ….,
pn(0)} pentru cele n produse existente pe piaţă;
2 probabilitatea pi(0) este fracţiunea din mulţimea tuturor consumatorilor care achiziţionează
marca i în perioada 0 (pi(0) poate fi identificată cu cota actuală de piaţă a mărcii)
metoda lanţurilor Markov presupune calculul vectorial potrivit relaţiei S t = S t −1 ⋅ Pt / t −1
3
formulând matematic următorul raţionament: starea curentă a pieţei exprimată prin S t

(vectorul cotelor de piaţă la momentul t) depinde numai de starea anterioară S t −1 (vectorul
cotelor de piaţă anterioare) şi de modul în care piaţa a evoluat între cele două momente de
timp (relevat de matricea probabilităţilor de tranziţie Pt / t −1 ).
4 cotele de piaţă la momentul iniţial S0 ={p1(0), p2(0), …., pn(0)} pentru cele n produse
existente pe piaţă au valorile {47.55%; 29.37%, 23.08%};
5  0.7 0.15 0.15 
 
P =  0.25 0.6 0.15 
 0.3 0.2 0.5 
matricea probabilităţilor de tranziţie este:  .
ANS: 4
clienţilor
Produs de 4500 - 675 675 1350
marcă A
Produs de 3500 875 - 525 1400
marcă B
Produs de 2000 600 400 - 1000
marcă C
total 10000 1475 1075 1200 -

A produs B
1 0.4625 0.3175 0.2200
2 0.4691 0.3039 0.2270
3 0.4725 0.2981 0.2295
4 0.4741 0.2956 0.2303

1 Produs A 0.4755 2.1029
2 Produs B 0.2937 3.4048
3 Produs C 0.2308 4.3333
Ponderea pe piaţă a produsului A în luna curentă este:
1 0,45;
2 0,35;
3 0,20;
4 0,4626;
5 0,4755.
ANS: 1
clienţilor
Produs de 4500 - 675 675 1350
marcă A
Produs de 3500 875 - 525 1400
marcă B
Produs de 2000 600 400 - 1000
marcă C
total 10000 1475 1075 1200 -

A produs B
1 0.4625 0.3175 0.2200
2 0.4691 0.3039 0.2270
3 0.4725 0.2981 0.2295
4 0.4741 0.2956 0.2303

1 Produs A 0.4755 2.1029
2 Produs B 0.2937 3.4048
3 Produs C 0.2308 4.3333
Coeficientul de fidelitate de la o lună la următoarea lună pentru produsul A este:
1 0,7;
2 0,5;
3 0,6;
4 0,15,
5 0,25.
ANS: 1
clienţilor
Produs de 4500 - 675 675 1350
marcă A
Produs de 3500 875 - 525 1400
marcă B
Produs de 2000 600 400 - 1000
marcă C
total 10000 1475 1075 1200 -

A produs B
1 0.4625 0.3175 0.2200
2 0.4691 0.3039 0.2270
3 0.4725 0.2981 0.2295
4 0.4741 0.2956 0.2303

1 Produs A 0.4755 2.1029
2 Produs B 0.2937 3.4048
3 Produs C 0.2308 4.3333
Selectaţi afirmaţia falsă „Componentele din vectorul starea de echilibru (SE);
1 reprezintă modul de distribuţie a cotelor de piaţă corespunzătoare produselor concurenţiale

analizate în ipoteza că matricea probabilităţilor de tranziţie nu se modifice termen lung
(astfel încât între momente diferite de timp nu mai au loc redistribuiri între clienţii/
cumpărătorii produselor).
2 sunt cotele de piaţă pentru starea de echilibru sunt {47.55%; 29.37%, 23.08%} pentru pro-
dusele A, B şi C - în această ordine
3 permit calculul pentru timpul de recurenţă (TR) adică intervalul de timp între două
cumpărări succesive ale aceluiaşi produs.
4 S = S ⋅ PT
se determină rezolvând ecuaţia: T 0 .
5 reprezintă starea de stabilitate pentru cele n mărci (deoarece pe termen lung, probabilita-
tea ca un consumator să cumpere o marcă dată i tinde să se stabilizeze apropiindu-se din
ce în ce mai mult de probabilitatea pi.
ANS: 4
78) Analiza de senzitivitate:
1 reprezintă o tehnică de studiu a modificărilor unor concluzii, rezultate în urma unor cer-
cetări, faţă de variaţiile posibile ale valorilor factorilor, sau faţă de erorile diferitelor mări-
mi conţinute în estimaţiile făcute;
2 este echivalentă cu aplicarea tehnicii de optimizare;
3 presupune utilizarea mulţimilor fuzzy sau stochastice ca modalitate de a compensa nede-
terminarea datelor iniţiale
4 se desfăşoară numai în legătură cu programarea liniară;
5 identifică soluţia optimă într-o problemă multicriterială.
ANS: 1
79) Identificaţi afirmaţia falsă în legătură cu desfăsurarea unei analize de sensitivitate.
1 „Analiza de senzitivitate permite o mai bună înţelegere a riscului pe care îl comportă dife-
rite variante de acţiune, cât şi stabilitatea în timp a deciziei pentru care a optat decidentul”.
2 „Analiza de senzitivitate facilitează comunicarea, prin faptul că: face recomandările mai
credibile, uşor de înţeles; ajută decidentul să încorporeze şi alte perspective asupra proble-
mei, precum cele culturale, politice, psihologice etc. în recomandările manageriale ştiinţi-
fice; ajută managerii să îşi selecteze o anumită abordare a problemelor decizionale.
3 „Analiza de senzitivitate permite reducerea incertitudinii şi controlul riscurilor pentru dife-
rite variante de acţiune, cât şi a stabilităţii deciziei pentru care a optat decidentul”.
4 „Analiza de senzitivitate creşte înţelegerea sistemelor, întrucât: estimează relaţiile între va-
riabilele de intrare şi de ieşire; permite înţelegerea relaţiilor între variabilele de intrare şi
de ieşire; dezvoltă testarea ipotezelor”.
5 „Analiza de senzitivitate ajută la dezvoltarea modelelor, prin faptul că: testează acurateţea
şi validitatea modelelor; identifică erorile în model, simplifică şi calibrează modelul”.
ANS: 3
80) Analiza de senzitivitate ajută decidenţii în luarea deciziei şi în formularea de recomandări, deoa-
rece:
1 testează robusteţea soluţiei optimale;

2 identifică valorile critice sau valorile punctului critic când au loc schimbări ale
strategiei/soluţiei optime;
3 dezvoltă recomandări flexibile care depind de circumstanţe;
4 compară valorile unei simple sau complexe strategii de decizie;
5 identifică soluţiile optime.
ANS: 5
81) La o întreprindere de dimensiuni mari se pune problema achiziţionării unei noi linii tehnologice
în următoarele condiţii: echipamentul este estimat iniţial la I = 220000 um (plata se efectuează
integral), durata normată de funcţionare este de n = 5 ani (la sfârşitul cărora se apreciază că va-
loarea reziduală a echipamentului va fi 0); pentru funcţionarea sa nu se iau în calcul deocamdată
cheltuielile de exploatare. Prin această lărgire a capacităţii de producţie, se estimează că între-
prinderea va vinde pe piaţă în următorii 5 ani un volum constant de V=14000 unităţi fizice (u.f)
din produsul A, la preţul de P = 22 um, consumând resurse în valoare de:
L = 9 um – costul unitar cu forţa de muncă,
M = 8 um cu materiale şi materii prime.
Factorul de actualizare (costul capitalului) se presupune:
r = 10% sau r = 0.1.
Se doreşte aprecierea oportunităţii pentru noua achiziţie de utilaj cu ajutorul VNA şi a ordinii de
importanţă a factorilor de influenţă ai VNA.Identificaţi răspunsurile corecte:
Selectaţi afirmaţia falsă: „Fluxul de numerar a investiţiei este:
1 14000*(22-(9+8))=70000 um/an. pentru oricare din cei 5 ani.

2 14000*(22-(9+8))=70000 um/an. în variantă actualizată.
3 n
în ipotezele veniturilor anuale egale şi constante în timp, VNA = − I + V ⋅ [ P − ( L + M )] ⋅ Ar
n
unde Ar reprezintă valoarea prezentă a unui factor de anuitate.
4 VNA= -220000+70000*3.791=45370 m.u. pentru cei 5 ani.
5 VNA= -220000+70000*5=130000 m.u. pentru cei 5 ani.
ANS: 4
r = 10% sau r = 0.1.
Pe baza estimărilor făcute şi în baza ipotezelor de evoluţie (vânzări constante pe parcursul celor
5 ani, plata întregii investiţii în anul 0, valoarea reziduală zero etc.), se poate accepta că proiectul
poate fi iniţiat deoarece:
1 criteriul de decizie VNA>0 este satisfăcut.

2 investiţia iniţială se acoperă după primii 4 ani de axploatare.
3 plata întregii investiţii se face în anul 0;
4 vânzări constante pe parcursul celor 5 ani
5 valoarea reziduală este presupusă zero.
ANS: 1
r = 10% sau r = 0.1.
Analiza de senzitivitate pentru factorii de influenţă (tabelul 12) pune în evidenţă că cel mai sen-
sibil factor este:
Tabelul 12. Analiza de senzitivitate pentru factorii de influenţă

Factor Valoarea iniţial estim- Valoarea „critică” (XC) Abaterea procentuală în
ată(X0) (din ecuaţia VNA=0 formă absolută∗ (%)
I 220000 m.u. 265370 20.62
V 14000 uf 11606 17.10
P 22 um 21.14 3.90
L 9 um 9.85 9.44
M 8 um 8.85 10.62
1 investiţia iniţială;
2 volumul de vânzări;
3 preţul produsului;
4 costul cu forţa de muncă;
5 costul cu materiile prime.
ANS: 3
84)Indicaţi care din afirmaţiile următoare referitoare la tehnica simulării este falsă:
1 simularea reprezintă o tehnică de realizare a unor experimente cu ajutorul calculatorului;
tehnica implică construirea unor modele matematice şi logice care descriu comportarea
unui sistem real de-a lungul unei perioade mari de timp.
2 prin soluţiile exacte pe care le oferă, simularea este o tehnică de cercetare eficientă pentru
fenomenele reale dificil de studiat analitic.
3 după construirea modelului, simularea constă în variaţia variabilelor şi parametrilor de in-
trare cu scopul de a deduce, ca rezultat al calculelor, efectele asupra variabilelor de ieşire.
4 modelele de simulare au caracter procedural.
5 rezolvarea modelelor de simulare se bazează pe prelucrarea unor experimente create în ca-
drul sistemului.
ANS: 2
85)Simularea permite obţinerea:

1 unei variante optime de decizie;
2 unor rezultate certe;
3 mai multor variante de decizie, din care managerul o va alege pe cea preferată, cores-
punzătoare condiţiilor existente la un moment dat;
4 înlocuirea decidentului uman prin sisteme de inteligenţă artificială;
5 soluţiilor optime ale problemelor manageriale.
ANS: 3
86)Simularea nu permite, în general:

1 structurarea mai bună a problemei investigate;
2 realizarea experimentelor cu calculatorul electronic;
3 testarea diferitelor căi de acţiune care nu pot fi formulate direct în cadrul modelului;
4 determinarea formei funcţionale de exprimare a legăturilor dintre fenomenele cercetate şi
estimarea valorilor parametrului modelului;
5 optimizarea unor probleme care fac obiectul deciziei.
ANS: 5
87) Numerele pseudoaleatoare:
1 sunt repartizate uniform pe axa numerelor reale;

2 nu sunt statistic independente;
3 nu sunt reproductibile;
4 au aceleaşi caracteristici cu numerele aleatoare;
5 sunt generate cu ajutorul calculatorului.
ANS: 5
88) Numerele aleatoare satisfac unele din următoarele condiţii:
A. sunt statistic interdependente;

B. nu sunt reproductibile;
C. sunt repartizate uniform într-un interval dat;
D. funcţia de repartiţie este stabilă;
E. şirul generat are o perioadă de repetiţie mare;
F. funcţia de repartiţie se schimbă în timpul rulării programului de simulare;
G. perioada de repetiţie nu se poate predetermina;
H. generarea lor nu necesită utilizarea calculatorului electronic.
XC − X0
⋅ 100
XC
Indicaţi combinaţia corectă: ∗ calculată potrivit formulei
1 A+B+D
2 C+F+G
3 C+D+E
4 A+D+E
5 B+F+G
ANS: 1
89) Eliminaţi varianta necorespunzătoare: „Pentru generarea numerelor aleatoare se pot folosi în
mod tradiţional:
1 metodele bazate pe utilităţi;

2 metodele bazate pe consultarea experţilor;
3 metodele bazate pe creativitate;
4 metodele informale;
5 metodele decizionale”
ANS: 3
90)Metoda de simulare Monte Carlo poate fi folosită eficient:
1 în cazul unor procese cu probabilitate mică;
2 pentru fundamentarea deciziilor optime;
3 în cazul unei probleme de reoptimizare;
4 pentru determinarea structurii optime a ofertei de mărfuri;
5 toate răspunsurile anterioare este incorecte.
ANS: 5
91)Rezolvarea modelelor de simulare se face prin:

1 prelucrarea unor experimente create în cadrul sistemului;
2 raţionamente deductive;
3 analogii cu modul de rezolvare a unor probleme asemănătoare;
4 folosirea intuiţiei şi experienţei decidentului;
5 prin prelucrarea unor serii de date din trecut.
ANS: 5
92) Selectaţi varianta falsă din afirmaţiile referitoare la precizia şi proprietăţile metodei Monte
Carlo. "Pentru ca rezultatele obţinute cu ajutorul metodei Monte Carlo să poată fi concludente
trebuie să se ţină seama de următorul aspect:
1 dacă după n experimente s-a determinat o valoare medie statistică (m) a unei variabile
aleatoare, atunci valoarea medie reală se va situa în intervalul [m - ∆ , m + ∆ ] ".
2 precizia metodei este determinată de numărul de încercări independente şi variaţia lor"
3 nu este recomandată folosirea metodei pentru studiul unor procese cu probabilitate mică,
deoarece ar presupune un număr foarte mare de cicluri de simulare".
4 numărul de încercări variază direct proporţional cu probabilitatea de realizare a fenomenu-
lui analizat".
5 precizia metodei poate fi estimată corect pe parcursul desfăşurării calculelor".
ANS: 4
93)Selectaţi afirmaţia falsă referitoare la tehnica simulării:

1 parametrii de intrare ai modelului trebuie estimaţi în prealabil din observaţii statistice asu-
pra procesului sau sistemului ce urmează fi studiat;
2 testarea parametrilor de intrare se face folosind testele de semnificaţie statistică;
3 în desfăşurarea experimentelor de simulare, se verifică dacă modelul de simulare conţine
toate variabilele şi parametrii esenţiali şi relaţiile funcţionale necesare pentru reprezentarea
interdependenţelor esenţiale ale sistemului real;
4 modelele de simulare au caracter deductiv;
5 în situaţia în care caracteristicile operative iau forma unor ipoteze statistice asupra legilor
de distribuţie ale variabilelor de intrare, se aplică teste de concordanţă (Kolmogorov, Smir-
nov, etc.) pentru verificarea acestor ipoteze.
ANS: 4
94)Selectaţi afirmaţia falsă despre metoda euristicii:

1 modelarea euristică presupune construirea unui sistem analog cu cel investigat (sistemul
real);
2 euristica este o clasă de metode şi reguli care dirijează subiectul spre cea mai simplă şi
economică soluţie a problemelor;
3 majoritatea algoritmilor euristici se bazează pe ideea că, dacă sunt respectate anumite re-
stricţii este avantajos ca în fiecare etapă de calcul, să se obţină cât mai mult pe linia fun-
cţiei scop;
4 ipoteza se află în centrul preocupărilor euristicii
5 metoda euristicii oferă reguli care garantează obţinerea soluţiei optime pe calea cea mai
avantajoasă.
ANS: 5
95)Algoritmii euristici nu se folosesc, în general, atunci când:

1 problema descrisă este complexă;
2 dispunem de date exacte, dar problema este de dimensiuni mari;
3 dispunem de date inexacte într-o problemă de dimensiuni mari;
4 dispunem de date inexacte;
5 rezolvarea problemei se poate face cu ajutorul unor algoritmi de optimizare.
ANS: 5
96)Când se desfăşoară mai multe experimente de simulare pentru un anume sistem, modificând unul
sau mai mulţi parametri de intrare, consistenţa şi comparabilitatea rezultatelor este asigurată prin
folosirea:
1 aceleiaşi secvenţe de numere aleatoare pentru rulări diferite;

2 unor legi diferite de distribuţie pentru variabilele aleatoare folosite;
3 unor eşantioane de date de volume diferite din colectivitatea reală;
4 aceleiaşi metode de generare a numerelor pseudoaleatoare;
5 aceloraşi teste de semnificaţie statistică.
ANS: 5
97)Rezolvarea modelelor de simulare se face prin:

1 prelucrarea unor experimente create în cadrul sistemului;
2 de obicei cu ajutorul unor aplicaţii software;
3 analogii cu modul de rezolvare a unor probleme asemănătoare;
4 folosirea unor decizii de grup
5 prin apelul la tehnici de optimizare.
ANS: 2
98) Soluţia oferită prin aplicarea modelelor euristice este:
1 variabilă lingvistică;
2 soluţie cu valori 0 sau 1;
3 o soluţie "bună" fără să se arate că este "cea mai bună posibilă";
4 soluţie optimală cu o anumită probabilitate;
5 soluţie întreagă.
ANS: 3
99)Conceptul fundamental al modelării dinamice (cu ajutorul dinamicii Forrester) este:

1 ciclul informaţie – decizie - acţiune;
2 ciclul informaţie - decizie;
3 cuplul informaţie - decizie;
4 cuplul acţiune-retroacţiune;
5 ciclul informaţie - eroare.
ANS: 1

Grile Vechi MS

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Grile Vechi MS

Încărcat de

Drepturi de autor:

Formate disponibile

Modelare şi Simulare

A Modelare şi Simulare – An4_Mi_Zifrid — Multiple Choice – 18 subiecte

Agenda simularii (A) se modifica pe parcursul simularii conform relatiei de dinamica:

c. A A AEgen  AEelim , unde AEC = agenda evenimentelor curente, AEV=agenda eve-

D 100 x11 80 x12 20 x13 0 C

b. x11 = 15, x12 = 0, x21 = 5, x22 = 20, f = 480

c. x14 =10, x32=20

Pentru solutia problema de transport

Tehnica urmatoare " Sa presupunem ca se cunoaste repartitia initiala 1 , 2 ,..., m şi matricea

babilitatilor de tranzitie P pij . Atunci starea initiala I i se simuleaza ca variabila discreta" ,

a. stationar tare; c. cu timp discret;

a. stationat c. stationar slab

Pij (s, t ) definesc matrice de probabilitati de tranzitie care au proprietatea

"Fie integrala θ = ∫ f ( x)dx care se scrie θ = E [τ] = E [ f (U )] , sa alegem un alt estimator

a. Dirichlet c. Monte Carlo

1. Daca {X t }t ∈T este un proces stochastic, multimea {(t , X t ) | t ∈ T } se numeste

3. Relatiile urmatoare, satisfacute de probabilitatile de trecere ale unui lant Markov:

8. In teoria stocurilor, NIVELUL STOCULUI

1)Selectaţi afirmaţia falsă despre utilizarea modelelor economico-matematice.

1 unei funcţii obiectiv;

3) O soluţie optimă se identifică:

4) Spre deosebire de programarea liniară sau programarea dinamică, simularea nu se bazează pe un

1 mulţimea condiţiilor ce trebuie satisfăcute;

6) In funcţie de natura datelor, modelele se împart în următoarele categorii:

1 deterministe / stochastice / fuzzy;

8) Determinaţi din următoarea enumerare:

Indicaţi combinaţia corectă:

11) Selectaţi afirmaţia falsă referitoare la experimentarea unui model economico-matematic:

14)Metodele de tip determinist se folosesc, în general, atunci când:

15) Soluţia oferită prin aplicarea modelelor euristice este:

16)Selectaţi afirmaţia falsă: "Recunoaşterea faptului că în studiul fenomenelor socio-economice, creş-

1 abordarea stochastică a problemelor".;

18) Modelele de simulare au un caracter:

19) Selectaţi afirmaţia falsă:

1 scăderea simultană a preciziei şi completitudinii datelor folosite într-un model economico-

20) Selectaţi afirmaţia falsă referitoare la decizia economică:

1 timpul de reacţie de care dispune decidentul este mai scurt;

23) Caracteristic situaţiei decizionale în condiţii de certitudine este faptul că:

24) Ca regulă de identificare a variantei optime de decizie nu poate fi considerată:

1 exprimarea preferinţei subiective sau intuitive a decidentului;

25) Decizii în condiţii de incertitudine se iau atunci când:

1 nu există informaţii privind probabilităţile de realizare ale stărilor naturii;

26) Ca metodă de raţionalizare a deciziilor în condiţii de incertitudine se recomandă folosirea:

1 max min Cij → V *

3 min max Cij → V *

5 min max Rij Ri j = max Cij − Cij

30) Selectaţi afirmaţia falsă:

31) Selectaţi afirmaţia adevărată referitoare la valoarea informaţiei perfecte (VIP):

∑p j ⋅ max Cij − max ⋅ ∑ p j ⋅ Cij

5 dacă VIP > C nu se recomandă achiziţionarea informaţiei perfecte / adiţionale.

32) Metoda arborilor de decizie presupune:

1 evaluarea nodurilor iniţiale înaintea celor finale;

1 se aplică la situaţiile decizionale de mare complexitate, în care sunt implicate evenimente

34) Indicaţi răspunsul correct:

Folosind teoria deciziilor în condiţii de incertitudine şi programul informatic WINQSB/ modu-

35) Indicaţi răspunsul correct:

Folosind teoria deciziilor în condiţii de incertitudine şi programul informatic WINQSB/ modu-

36) Indicaţi răspunsul correct:

Folosind teoria deciziilor în condiţii de incertitudine şi programul informatic WINQSB/ modu-

Tabelul 2. Rezultatele obţinute cu WINQSB/DA

37) Indicaţi răspunsul correct:

Folosind teoria deciziilor în condiţii de incertitudine şi programul informatic WINQSB/ modu-

Tabelul 2. Rezultatele obţinute cu WINQSB/DA