Sunteți pe pagina 1din 41

Facultatea de Management Financiar Contabil Bucureşti Anul universitar 2006-2007

Specializarea Contabiiltate şi informatică de gestiune


Sisteme informatice de asistare a deciziei Conf. univ. dr. Zenovic Gherasim

Întrebări pentru examen

Test de tipul cu corespondenţă (Matching):

1. Precizaţi esenţa fiecărei metode utilizate în problemele de programare liniară


multidimensională, prin indicarea corespondenţei între denumirea metodei (A,B,C) şi enunţul
care descrie esenţa metodei (1…4):

A. metoda utilităţii 1. algoritmul care descrie această metodă presupune o ordonare a


globale soluţiilor în funcţie de criterii de preferinţă definite de decident
B. metoda STEM 2. constă în definirea unei funcţii de utilitate care înlocuieşte
funcţia obiectiv
C. metoda P.O.P. 3. constă în definirea unei funcţii obiectiv de sinteză cu
coeficienţi care vor fi ataşaţi fiecărui criteriu
4. problema de programare liniară este luată drept o problemă de
decizie multidimensională.

Teste de tipul alegere multiplă (MULTIPLE CHOICE)

2. La modelul de programare liniară utilizat în SIAD-uri, în forma canonică toate restricţiile sunt
concordante şi toate variabilele sunt>=0:

a)  max f ( x )= cx d)  min f ( x ) = cx
 
 Ax ≤ B  Ax > B
x ≥ 0 x ≥ 0
 
b)  min f ( x ) = cx

e) max f (x ) = cx
 Ax > B 

 x ≥ 0
c)  max f ( x ) = cx f)  min f ( x ) = cx
 
 Ax ≤ B  Ax = B
x = 0 x ≥ 0
 

3. Care dintre următoarele subsisteme nu face parte din arhitectura unui sistem suport
pentru SIAD (SSAD)?

a) subsistemul de gestiune a datelor; d) subsistemul de gestiune a şabloanelor;

1
b) subsistemul de gestiune a modelelor; e) subsistemul de gestiune a parametrilor;
c) subsistemul de gestiune a f) subsistemul de gestiune a dialogului
cunoştinţelor; (sau interfaţa cu utilizatorul).

Test de tipul Adevărat/Fals (True/False):

4. Răspundeţi cu ADEVĂRAT (True) sau FALS (False):


Nivelul de detaliu (granularitatea) hipercubului reprezintă numărul de membri ai unei
dimensiuni.

Test de tipul DA/NU (Yes/No):

5. Răspundeţi cu DA(Yes) sau NU (No):


Ca acţiune oferită de Data Mining, estimarea va atribui o valoare unei variabile pe baza
celorlalte date de intrare. Rezultatele obţinute în urma estimării sunt valori continue.

Test de tipul cu completare (Completion):

6. Completaţi cuvântul lipsă din afirmaţia următoare:


Sistemele de asistare a deciziei orientate pe date lucrează cu date ce se găsesc în
_____________________ al organizaţiei.

Test de tipul cu răspuns numeric (Numeric Response):

7. Pe câte principii formulate de Ted Codd în 1992 se bazează tehnologia OLAP?

Test de tipul alegere multiplă (MULTIPLE CHOICE)

8. Care dintre etapele de mai jos nu este specifică tehnicilor de Data Mining?

a) identificarea surselor de date e) integrarea modelului


b) colectarea şi selectarea datelor f) construirea şablonului intermediar
c) pregătirea datelor g) procesarea cuvintelor
d) definirea şi construirea modelului h) evaluarea modelului

Teste de tipul cu completare (Completion):

9. Sistemul este o colecţie de părţi (elemente) organizate şi______________pentru îndeplinirea


unui anumit scop.

10. Sistemul, în plan conceptual, este expresia abstractizării unor fapte, fenomene, procese,
obiecte din universul real pe baza unei structuri____________predefinite.

2
11. Evoluţia tehnologiilor informaţiei şi ale comunicaţiilor, IT&C influenţează evoluţia
procesului managerial prin oferta de mijloace şi instrumente din ce în ce mai performante pentru
rezolvarea sarcinilor managerilor, sintetizate în ESS, ____________, DSS, KWS, OAS.

12. Sistemele informatice oferă un nivel rapid de obţinere, analiză şi interpretare a unei mari
cantităţi de date şi informaţie, ajutând la o adaptare rapidă a ______________într-un mediu
economic în permanenţă dinamică.

13. Decizia se poate defini şi ca fiind rezultatul unor activităţi conştiente de alegere a unei căi
de acţiune, alegere care presupune alocarea unor ______________.

14. În organizaţia economică, resursele alocate sunt umane, materiale, ___________şi


informaţionale.

15. O clasificare a deciziilor poate fi făcută în funcţie de ____________de care dispune


decidentul referitoare la evoluţia problemei pe care o are de rezolvat.

16. Procesul decizional este ansamblul de activităţi executat de o persoană/grup de persoane care
sunt puse în faţa unui fenomen care poate genera mai multe variante de acţiune şi având drept
obiectiv alegerea uneia dintre ele care să răspundă cel mai bine _____________de valori ale
persoanei, grupului de persoane sau organizaţiei în ansamblul său.

17. Alegerea este etapa de bază pentru adoptarea deciziei deoarece în cadrul ei se concretizează
___________obţinute în celelalte etape.

18. Decidentul alege o singură acţiune din multitudinea existentă în funcţie de


______________de selecţie propus şi de modelul decizional pe care l-a ales.

19. Decidentul alege între posibilităţile în funcţie de soluţionarea definitivă


a_______________de selectarea celei mai adecvate alternative şi tot el selectează planul pentru
implementare.

20. Metodele analitice sunt utilizate în asistarea deciziei datorită utilizării formulelor
________________pentru a găsi soluţia optimă.

21. Utilizarea metodelor analitice în asistarea deciziei este _________________de natura


problemelor, iar acestea trebuie să fie structurate.

22. Se pot aplica metode analitice pentru probleme de gestiune a __________________sau de


alocare a resurselor.

23. Modelarea personalizată este un ________________________ _____________________şi


a dat şi numele primelor sisnteme: sisteme interactive de asistare a deciziei.
24. Sistemele de asistare a deciziei orientate pe date se găsesc în ___________ ________
_____________al organizaţiei.

3
25. Semantic, un sistem informatic de asistare a deciziei este
o________________________abordată unitar, care presupune un dialog permanent cu
utilizatorul, dar decizia finală este adoptată de utilizator şi nu de sistem.

26. Subsistemul de gestiune a cunoştinţelor, cu înglobarea de sisteme expert, oferă pentru SIAD
soluţii pentru aspectele ______________________.

27. Simularea prezintă avantaje deoarece modelul este obţinut de obicei din perspectiva
decidentului; este unica metodă din cadrul SIAD care se poate utiliza pentru problemele
nestructurate, surprinde complexitatea reală a problemei şi se poate aplica unor mari diversităţi
de probleme_______________.
28. Modelele predictive au ca scop anticiparea evoluţiei viitoare a sistemului considerat în
funcţie de evoluţiile sale ____________________.

29. Predicţia are un caracter limitat faţă de ___________________(prognoză) care înseamnă


depăşirea cadrului statistic permis de modelele de regresie.

30. Programarea euristică conduce la generarea unei soluţii ___________________pentru


probleme complexe de obicei nestructurate.

31. La programarea euristică, evaluarea rezultatelor se realizează cu ajutorul funcţiei de


__________________care depinde de stare şi de informaţiile referitoare la acea stare.

32. La programarea euristică, când se execută evaluarea rezultatelor, starea va fi acceptată dacă
funcţia de evaluare va depăşi un anumit ______________prestabilit sau dacă este mai bună decât
valorile stărilor în aşteptare.

33. Euristicile se pot grupa în: _________________dacă sunt în baza de modele a unui sistem
informatic de asistare a deciziei; __________________________dacă furnizează cunoştinţe
pentru un sistem expert.

34. La SIAD-urile bazate pe analiza şi sinteza datelor, dezvoltarea tehnicilor de observare a dus
la apariţia tehnicilor de observare automată bazate pe ______________________.

35. Tehnicile de observare analitică a datelor se regăsesc într-o tehnologie modernă denumită
_____________ ________________.

36. Datele care formează suportul pentru tranzacţiile primare sunt prelucrate pentru a se obţine
informaţii de ________________ necesare planificării şi luării deciziilor şi sunt tratate de
instrumentele SGBD.

37. Depozitul de date se construieşte _______________________adică el permite completări şi


dezvoltări ulterioare.

4
38. Popularea depozitelor de date se face prin preluare din sisteme tranzacţionale, dar care vor fi
supuse unor procese complexe de _________________________care să corespundă structurii
depozitului care a fost proiectat.

39. În exploatarea curentă a depozitului de date, frecvent vor apare noi cerinţe informaţionale
care vor duce neapărat la extinderea structurii, la popularea cu extensii cuprinzând
date____________, precum şi la integrarea noilor date încorporate în aplicaţii de analiză.

40. În etapa de concepţie a unui depozit de date se folosesc modele ________________ care
grupează datele din tabelele relaţionale în scheme de tip stea sau fulg de zăpadă.

41. La depozitele de date, criteriile de agregare sunt denumite ______________________.

42. La depozitele de date, schemele de tip stea, fulg de nea sau constelaţie sunt modele
conceptuale ____________________________ale acestor depozite, având ca rol organizarea
datelor pe subiecte necesare procesului de decizie.

43. OLAP presupune că analiza datelor (care pot fi de tip numeric sau statistic) poate fi
____________ de cel care creează aplicaţia sau chiar de utilizatorul final.

44. În tehnica OLAP, privite din punct de vedere multidimensional, datele sunt reprezentate în
______________de date, prin extinderea cubului tridimensional la cel n-dimensional.

45. Baza de date multidimensională este formată din două structuri: structura __________în care
se stochează măsurile activităţilor preluate din tabela de fapte a depozitului de date. Datele vor fi
prezentate utilizatorului în celulele tabelelor pivot; structura ___________________care este
formată din totalitatea dimensiunilor şi membrilor acestora precum şi din structurile ierarhice ale
dimensiunilor. Utilizatorul poate vizualiza această structură ca nume de coloane şi linii care
reprezintă informaţiile de pe axele cuburilor.

46. La un hipercub OLAP, nivelul de detaliu (granularitatea) reprezintă numărul de


___________ ai unei dimensiuni.

47. Ajustarea nivelului de granularitate este realizată de OLAP prin exploatarea ierarhiilor
dimensiunilor prin comasări şi descompuneri ale măsurilor prin proceduri care poartă numele de
___________şi ________________.

48. În Data Mining, clasificarea are ca scop plasarea obiectelor prelucrate într-un grup limitat de
____________predefinite.

Teste de tipul alegere multiplă (MULTIPLE CHOICE)

5
49. Datele pot proveni din mai multe surse interne organizaţiei sau chiar din afara ei, ele putând
fi incluse în baza de date proprie sau pot fi accesate direct doar în momentul în care se utilizează
sistemul:

a) SGBD, dicţionarul de date, facilităţi d) SE, SGBD, procese decizionale, definiţii


de integrare a datelor; de date;
b) SGBD, SIAD, SE, dicţionar de date; e) dicţionar de date, SE, facilităţi de
integrare a datelor.
c) catalogul bazei de date, SIAD,
integrarea datelor;

50. Funcţiile unui SIAD sunt:

a) gestiunea datelor, gestiunea d) gestiunea datelor, gestiunea ieşirilor,


modelelor, gestiunea cunoştinţelor şi gestiunea legăturilor şi gestiunea
gestiunea comunicării între utilizator comunicării între utilizator şi sistem şi
şi sistem şi între intrări şi ieşiri; între date şi modele, cunoştinţe;
b) gestiunea datelor, gestiunea e) gestiunea datelor, gestiunea modelelor,
modelelor, gestiunea soft-ului şi gestiunea cunoştinţelor şi gestiunea
gestiunea hard-ului. comunicării între utilizator şi sistem şi
între date şi modele, cunoştinţe.
c) gestiunea intrărilor, gestiunea ieşirilor,
gestiunea cunoştinţelor şi gestiunea
comunicării între utilizator şi sistem şi
între date şi modele, cunoştinţe;

51. Un sistem suport pentru SIAD (SSAD) prezintă în arhitectura sa următoarele subsisteme:

a) sistemul de gestiune a datelor; d) subsistemul de gestiune a datelor;


subsistemul de gestiune a intrărilor; subsistemul de gestiune a modelelor;
subsistemul de gestiune a programelor; subsistemul de gestiune a cunoştinţelor;
subsistemul de gestiune a dialogului subsistemul de gestiune a bazelor de
(sau interfaţa cu utilizatorul); date;

b) subsistemul de gestiune a datelor; e) subsistemul de gestiune a datelor;


subsistemul de gestiune a modelelor; subsistemul de gestiune a relaţiilor
subsistemul de gestiune a cunoştinţelor; dintre utilizatori; subsistemul de
subsistemul de gestiune a dialogului gestiune a cunoştinţelor; subsistemul de
(sau interfaţa cu utilizatorul); gestiune a dialogului (sau interfaţa cu
utilizatorul).
c) subsistemul de gestiune a ieşirilor;
subsistemul de gestiune a soft-ului;
subsistemul de gestiune a cunoştinţelor;
subsistemul de gestiune a dialogului
(sau interfaţa cu utilizatorul);

6
52. Gradul de abstractizare al unui model este dat de mai multe criterii, după care se face şi
clasificarea lor:

a) modele iconice, modele calitative, d) modele calitative, modele statistice,


modele cantitative (matematice); modele cantitative (matematice);
b) modele statistice, modele analitice, e) modele iconice, modele analitice,
modele cantitative (matematice); modele calitative (matematice).
c) modele iconice, modele analitice,
modele cantitative (matematice);

53. Principalele componente structurale ale modelului sunt:

a) variabilele de decizie, parametrii ce nu d) variabilele de decizie, parametrii ce


influenţează rezultatul, variabilele influenţează rezultatul, variabilele
rezultat; rezultat ;
b) variabilele de decizie, parametrii ce e) variabilele de intrare, parametrii ce
influenţează rezultatul, variabilele de influenţează rezultatul, variabilele
intrare; rezultat.
c) variabilele de ieşire, parametrii ce
influenţează rezultatul, variabilele
rezultat;

54. În cazul programării euristice, spaţiul de rezolvare a problemelor implică:

a) spaţiul stărilor, spaţiul operatorilor, d) spaţiul ieşirilor, spaţiul operatorilor,


starea iniţială, starea sau stările finale starea iniţială, starea sau stările finale
precum şi informaţia asociată fiecărei precum şi informaţia asociată fiecărei
stări; stări;
b) spaţiul stărilor, spaţiul intrărilor, starea e) spaţiul stărilor, spaţiul operatorilor,
iniţială, starea sau stările finale precum starea iniţială, starea sau stările finale
şi informaţia asociată fiecărei stări; precum şi informaţia asociată ultimei
stări.
c) spaţiul stărilor, spaţiul operatorilor,
starea iniţială, starea sau stările
intermediare precum şi informaţia
asociată fiecărei stări;

55. Pentru ca un depozit de date să poată fi procesat este necesară existenţa:

a) unui set specializat de instrumente d) unui set specializat de instrumente


pentru descrierea literară a surselor de pentru descrierea aleatoare a surselor de
date, validarea, curăţirea şi date, validarea, curăţirea şi
transformarea datelor care urmează a fi transformarea datelor care urmează a fi
scoase din depozitul de date, utilizatorii stocate în depozitul de date, utilizatorii
finali; finali;

7
b) unui set specializat de instrumente e) unor intrări pentru descrierea fizică şi
pentru descrierea formală a surselor de logică a surselor de date, validarea,
date, validarea, curăţirea şi curăţirea şi transformarea datelor care
transformarea datelor care urmează a fi urmează a fi stocate în depozitul de date,
stocate în depozitul de date, utilizatorii utilizatorii finali.
finali;
c) unui set specializat de instrumente
pentru: descrierea fizică şi logică a
surselor de date, a depozitelor sau a
magaziei de date în care acestea
urmează să fie încorporate; validarea,
curăţirea şi transformarea datelor care
urmează a fi stocate în depozitul de
date, utilizatorii finali;

56. Clasificarea deciziilor în funcţie de nivelul decizional şi gradul de structurare este:

a) decizii de marketing, decizii de control d) decizii strategice, decizii de control


operaţional, decizii tactice - de control operaţional, decizii tactice - de control
managerial, decizii în ceea ce priveşte pentru situaţii finale, decizii în ceea ce
cunoştinţele, decizii structurate sau priveşte cunoştinţele, decizii structurate
programabile, decizii nestructurate sau programabile, decizii nestructurate
(neprogramabile), decizii (neprogramabile), decizii
semistructurate; semistructurate;
b) decizii strategice, decizii de control e) decizii strategice, decizii de control
pentru date de intrare, decizii tactice - operaţional, decizii tactice - de control
de control managerial, decizii în ceea ce managerial, decizii în ceea ce priveşte
priveşte cunoştinţele, decizii structurate cunoştinţele, decizii pentru crearea
sau programabile, decizii nestructurate bazelor de date sau programabile, decizii
(neprogramabile), decizii nestructurate (neprogramabile), decizii
semistructurate; semistructurate.
c) decizii strategice, decizii de control
operaţional, decizii tactice - de control
managerial, decizii în ceea ce priveşte
cunoştinţele, decizii structurate sau
programabile, decizii nestructurate
(neprogramabile), decizii
semistructurate;

57. Care este varianta corectă pentru clasificarea deciziilor:


a) decizii în condiţii de certitudine, decizii d) decizii în condiţii de certitudine, decizii
în condiţii de incertitudine, decizii în în condiţii de securitate maximă, decizii
condiţii de risc; în condiţii de risc;
b) decizii în condiţii de înţelegere a e) decizii în condiţii de certitudine, decizii
contextului de luare a deciziei, decizii în condiţii de incertitudine, decizii în

8
în condiţii de incertitudine, decizii în condiţii impuse de piaţa externă.
condiţii de risc;
c) decizii ale sistemelor informatice,
decizii în condiţii de incertitudine,
decizii în condiţii de risc;

58. In asistarea deciziilor, pentru a găsi soluţia optimă, metodele analitice utilizează:
a) modele euristice; d) modele nematematice;
b) formule matematice; e) metode euristice.
c) modele de căutare exhaustivă;

59. Metodele de căutare exhaustivă au la bază:


a) un proces neghidat, proces în urma d) un model euristic;
căruia se alege soluţia optimă;
b) un proces aleator; e) o combinaţie între un model matematic
şi un model euristic.
c) un model matematic care oferă soluţii
aproximativ apropiate de evoluţia
fenomenului studiat;

60. Pentru procesul decizional structurat şi pentru cel semistructurat se pot folosi modelele
cantitative bazate pe metode şi modele ale cercetării operaţionale. Această abordare presupune
automatizarea totală sau parţială a procesului de adoptare a deciziei şi constă în următorii paşi:
a) descrierea şi definirea problemei, d) descrierea şi definirea modelului
găsirea categoriei din care face parte euristic, găsirea categoriei din care face
cubul OLAP, elaborarea unui model parte problema, elaborarea unui model
matematic care să se plieze cel mai bine matematic care să se plieze cel mai bine
pe descrierea problemei, alegerea pe descrierea problemei, alegerea
soluţiei; soluţiei;
b) descrierea şi definirea intrărilor şi e) descrierea şi definirea problemei, găsirea
ieşirilor, elaborarea unui model categoriei din care face parte problema,
matematic care să se plieze cel mai bine elaborarea unui model matematic care să
pe descrierea problemei, alegerea se plieze cel mai bine pe descrierea
soluţiei; problemei, alegerea soluţiei.
c) descrierea şi definirea problemei,
găsirea categoriei din care face parte
problema, elaborarea unui model
matematic care să se plieze cel mai bine
pe descrierea problemei, alegerea acelor
date de intrare care vor folosi la crearea
bazei de date;

61. Clasificarea SIAD-urilor se face după mai multe criterii, cel mai des utilizat fiind gradul de
analiză a datelor pe care se bazează soluţia:

9
a) SIAD-uri care au la bază metode d) SIAD-uri care au la bază modele, SIAD-
aleatoare, SIAD-uri bazate pe date, uri bazate pe date, SIAD-uri bazate pe
SIAD-uri bazate pe cunoştinţe; cunoştinţe;
b) SIAD-uri care au la bază modele, e) SIAD-uri care au la bază experienţa
SIAD-uri bazate pe deciziile managerului, SIAD-uri bazate pe date,
managerului, SIAD-uri bazate pe SIAD-uri bazate pe cunoştinţe;
cunoştinţe;
c) SIAD-uri care au la bază modele,
SIAD-uri bazate pe date, SIAD-uri
bazate pe rezultate finale;

62. Subsistemul de gestiune a datelor din arhitectura unui sistem suport pentru SIAD are
următoarele componente:
a) baza de cunoştinţe, SGBD ce este de d) baza de date, SGBD ce este de obicei
obicei încorporat în SIAD, dicţionarul încorporat în SIAD, dicţionarul de date
de date (Data Dictionary), facilităţile de (Data Dictionary), lipsa facilităţilor de
separare a datelor ce se referă la integrare a datelor;
nonexistenţa limbajelor declarative de
interogare;
b) baza de date, SGBD care nu este de e) baza de date, SGBD ce este de obicei
obicei încorporat în SIAD, dicţionarul încorporat în SIAD, dicţionarul de date
de date (Data Dictionary), facilităţile de (Data Dictionary), facilităţile de
integrare a datelor ce se referă la integrare a datelor ce se referă la
existenţa limbajelor declarative de existenţa limbajelor declarative de
interogare; interogare.
c) baza de date, SGBD ce este de obicei
încorporat în SIAD, dicţionarul de date
(Data Dictionary), facilităţile de
integrare a datelor ce se referă la
nonexistenţa limbajelor declarative de
programare;

63. Subsistemul de gestiune a modelelor din arhitectura unui sistem suport pentru SIAD are
următoarele componente:
a) modelele, sistemul de gestiune al d) modelele, sistemul de gestiune al
modelelor (similar SGBD), dicţionarul modelelor (similar SGBD), bazele de
(catalogul) de modele), procesul de date, procesul de execuţie şi integrare a
execuţie şi integrare a modelelor; modelelor;
b) modelele, sistemul de gestiune al e) bazele de date, sistemul de gestiune al
modelelor (similar SGBD), dicţionarul modelelor (similar SGBD), dicţionarul
(catalogul) de modele), procesul de (catalogul) de modele), procesul de
creare şi verificare a modelelor; execuţie şi integrare a modelelor;
c) metodele, sistemul de gestiune al
bazelor de date, dicţionarul (catalogul)
de modele), procesul de execuţie şi

10
integrare a modelelor;

64. Analiza decizională conţine:

a) alternative generate de crize majore ale d) stări generate de inconsistenţa bazei de


organizaţiei, alternative decizionale, date, alternative decizionale, consecinţe
consecinţe decizionale; decizionale;
b) stări generale, alternative decizionale, e) stări generale, alternative la exploatarea
consecinţe decizionale; bazei de date, consecinţe decizionale;
c) stări generale, alternative repetitive,
consecinţe decizionale;

65. Paşii de urmat într-un proces de simulare pot fi:

a) definirea bazei de date, obţinerea d) definirea problemei, obţinerea modelului


modelului de simulare, testarea şi de simulare, testarea şi validarea
validarea modelului, modelul de modelului , modelul de efectuare a
efectuare a experimentelor, evaluarea experimentelor, evaluarea intrărilor şi
experimentelor, implementarea ieşirilor, implementarea rezultatelor
rezultatelor simulării; simulării;
b) definirea problemei, obţinerea deciziei e) definirea problemei, obţinerea modelului
managerului referitoare la datele de semantic, testarea şi validarea
ieşire, testarea şi validarea modelului , modelului, implementarea testelor,
modelul de efectuare a experimentelor, evaluarea experimentelor,
evaluarea experimentelor, implementarea rezultatelor simulării;
implementarea rezultatelor simulării;
c) definirea problemei, obţinerea
modelului de simulare, testarea şi
validarea modelului, modelul de
efectuare a experimentelor, evaluarea
experimentelor, implementarea
rezultatelor simulării;

66. Pentru a alcătui un model de regresie se va ţine cont de următoarele etape:

a) analiza, specificarea, estimarea d) analiza, specificarea, estimarea


parametrilor modelului, testarea parametrilor modelului, testarea
semnificaţiei parametrilor estimaţi, semnificaţiei datelor de ieşire, validarea
validarea (verificarea) modelului, (verificarea) modelului, utilizarea
utilizarea modelului în operaţii de modelului în operaţii de simulare şi
simulare şi predicţie; predicţie;
b) analiza, specificarea, estimarea datelor e) analiza, specificarea, estimarea
de intrare, testarea semnificaţiei parametrilor modelului, testarea
parametrilor estimaţi, validarea semnificaţiei parametrilor estimaţi,

11
(verificarea) modelului, utilizarea validarea (verificarea) modelului,
modelului în operaţii de simulare şi utilizarea rezultatelor în operaţii de
predicţie; simulare.
c) analiza, sinteza, estimarea parametrilor
modelului, testarea semnificaţiei
parametrilor estimaţi, validarea
(verificarea) modelului, utilizarea
modelului în operaţii de simulare şi
predicţie;

67. Pentru previzionarea variabilei Y din regresia liniară simplă Y=f(x) se poate folosi una din
următoarele metode:

a) metode exhaustive, metoda filtrajului d) metoda glisajului exponenţial, metoda


adaptiv, metoda regresiei liniare simple, filtrajului adaptiv, metode bazate pe
metoda regresiei liniare multiple; puncte critice, metoda regresiei liniare
multiple;
b) metoda glisajului exponenţial, metoda e) metode retrograde, metoda filtrajului
filtrajului adaptiv, metoda regresiei adaptiv, metoda regresiei liniare simple,
liniare simple, metoda regresiei liniare metoda regresiei liniare multiple.
multiple;
c) metoda glisajului exponenţial, metode
empirice, metoda regresiei liniare
simple, metoda regresiei liniare
multiple;

68. În raţionamentul bazat pe cazuri, există două funcţii fundamentale de prelucrare:

a) măsurarea distanţei dintre membrii d) măsurarea distanţei dintre membrii


cotizanţi ai organizaţiei; combinarea fiecărui cuplu de înregistrări pentru a
rezultatelor obţinute din măsurare afla vecinele cele mai apropiate;
pentru a obţine suma totală cotizată; combinarea rezultatelor obţinute de la
“vecine” în răspunsul propus pentru
cazul curent;
b) măsurarea distanţei dintre membrii e) măsurarea distanţei dintre vecine;
minori şi majori ai organizaţiei; combinarea rezultatelor obţinute de la
combinarea rezultatelor obţinute de la “vecine” în răspunsul propus pentru
minori în răspunsul propus pentru cazul curent;
majori;
c) măsurarea distanţei dintre membrii
fiecărui cuplu managerial al organizaţiei
pentru a afla vecinele cele mai
apropiate; combinarea rezultatelor
obţinute de la “vecine” în răspunsul
propus pentru cazul curent;

12
69. Metoda raţionamentului bazat pe cazuri se poate aplica pentru:

a) clasificări şi predicţii; d) cupluri manageriale;


b) raţionamente infinite; e) revizuiri ale datelor istorice ale
organizaţiei.
c) cazuistica din procesele economice
penale;

70. Tehnicile de Data Mining se pot aplica:

a) aleatoriu; d) numai ascendant;


b) condescendent; e) atât ascendent cât şi descendent.
c) numai descendent

71. Gradul de structurabilitate a deciziei depinde de:

a) experienţa acumulată de decident d) experienţa acumulată de decident


precum şi de nivelul şi importanţa ei; precum şi de istoricul cazuisticii
acumulate;
b) experienţa acumulată de executant e) experienţa acumulată de decident
precum şi de nivelul şi importanţa ei; precum şi de afinităţile acestuia faţă de
una sau alta dintre variantele existente.
c) experienţa acumulată de colaboratori
precum şi de nivelul şi importanţa ei;

72. Termenul de “asistare a deciziei” trebuie definit la modul general ca fiind:

a) o serie de operaţii cum sunt sortarea d) o serie de operaţii cum sunt sortarea
clasificarea, selectarea, evaluarea ce au clasificarea, selectarea, evaluarea ce au
ca scop final distribuirea informaţiei, ca scop final exploatarea informaţiei,
creşterea incertitudinii şi obţinerea de reducerea incertitudinii şi obţinerea de
variante de rezolvare; variante de rezolvare;
b) o serie de operaţii cum sunt sortarea e) o serie de operaţii cum sunt sortarea
clasificarea, selectarea, evaluarea ce au clasificarea, selectarea, evaluarea ce au
ca scop final diseminarea informaţiei, ca scop final organizarea informaţiei,
reducerea incertitudinii şi obţinerea de reducerea incertitudinii şi obţinerea unei
variante de rezolvare; singure variante de rezolvare.
c) o serie de operaţii cum sunt sortarea
clasificarea, selectarea, evaluarea ce au
ca scop final organizarea informaţiei,
reducerea incertitudinii şi obţinerea de
variante de rezolvare;

73. Procesul de adoptare a deciziilor este constituit din următoarele etape:

13
a) informarea generală, design-ul sau d) informarea generală, design-ul sau
modul de alegere al procesului de modul de concepere al procesului de
asistare a deciziei şi implementarea; asistare a deciziei, alegerea şi
implementarea;
b) informarea particulară, design-ul sau e) informarea generală, design-ul sau
modul de concepere al procesului de modul de implementare al procesului de
asistare a deciziei, alegerea şi asistare a deciziei şi alegerea.
implementarea;
c) informarea generală, design-ul sau
modul de concepere al procesului de
implementare a deciziei şi alegerea;

74. Sistemele de asistare a deciziei orientate pe date:

a) funcţionează pe baza sintezei şi d) funcţionează pe baza segregării


dezagregării datelor şi au ca funcţii cunoştinţelor şi au ca funcţii accesul
accesul imediat la date, dispun de un imediat la cunoştinţe, dispun de un
mecanism pentru analiza imediată a mecanism pentru analiza imediată a
datelor, creează statistici; cunoştinţelor, creează statistici;
b) funcţionează pe baza analizei şi e) funcţionează pe baza sintezei şi
agregării datelor şi au ca funcţii accesul dezagregării datelor şi au ca funcţii
imediat la date, dispun de un mecanism accesul întârziat la date, dispun de un
pentru analiza imediată a datelor, mecanism pentru analiza întârziată a
creează statistici; datelor, creează statistici.
c) funcţionează pe baza analizei şi
agregării datelor şi au ca funcţii accesul
întârziat la date, dispun de un mecanism
pentru analiza întârziată a datelor,
creează statistici;

75. Adoptarea deciziilor constituie un proces care pe lângă suportul tehnic are nevoie de un
suport:

a) structural care este asigurat de partea d) informativ care este asigurat de partea
arhitecturală componentă integrantă a informatică componentă integrantă a
sistemului decizional; sistemului decizional;
b) comportamental care este asigurat de e) cognitiv care este asigurat de partea
partea funcţională componentă umană componentă integrantă a
integrantă a sistemului decizional; sistemului decizional.
c) credibil care este asigurat de partea
scrisă pe hârtie componentă integrantă a
sistemului decizional;

76. Sistemele informatice de asistare inteligentă a deciziei sunt sisteme informatice de asistare a
deciziei bazate pe:

14
a) date; d) manageri;
b) cunoştinţe; e) sisteme informatice.
c) baze de date;

77. Caracteristicile principale ale SIAD (DSS) sunt:

a) rezolvarea acelor probleme care nu se d) soluţiile sunt obţinute prin manipulări de


pot rezolva cu sisteme destinate date, căutări de informaţii, modele,
cuantificării cantitative; calcule;
b) rol de asistare a decidenţilor e) timpul de răspuns pentru obţinerea unei
(managerilor) la nivel individual sau de soluţii acceptabile este limitat.
grup în toate etapele procesului
decizional
c) timpul de răspuns pentru obţinerea unei
soluţii acceptabile este nelimitat;

78. Clasificarea sistemelor informatice de asistare a deciziei (SIAD), oferită de Holsapple şi


Whinston, grupează sistemele SIAD în tipurile:

a) SIAD bazate pe analiza textelor; d) SIAD bazate pe funcţii;


b) SIAD baze de date; e) SIAD bazate pe reguli.
c) SIAD procesoare de tabele;

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

a) creşterea calităţii procesului decizional d) diversificarea procesului decizional


datorită lucrului în echipă precum şi datorită lucrului în echipă precum şi
creşterea gradului de creativitate al creşterea gradului de creativitate al
grupului; grupului;
b) creşterea cantităţii informaţiei e) creşterea importanţei procesului
procesului decizional datorită lucrului decizional datorită lucrului în echipă
în echipă precum şi creşterea gradului precum şi creşterea gradului de
de creativitate al grupului; creativitate al grupului.
c) creşterea ponderii procesului decizional
bazat pe date informale datorită lucrului
în echipă precum şi creşterea gradului
de creativitate al grupului;

80. Referitor la subsistemele componente ale unui sistem suport pentrru SIAD, care dintre
afirmaţiile prezentate mai jos nu este corectă?

a) Subsistemul de gestiune a datelor d) Subsistemul de gestiune a cunoştinţelor


conţine baza de date ce poate fi proprie înglobează sisteme expert ce oferă
SIAD sau se poate crea prin extragere pentru SIAD soluţii pentru aspectele
de date din alte baze de date sau dintr- calitative nestructurate;

15
un depozit de date. Ea poate fi utilizată
de unul sau mai mulţi decidenţi pentru
diverse aplicaţii. Datele pot proveni din
mai multe surse interne organizaţiei sau
chiar din afara ei, ele putând fi incluse
în baza de date proprie sau pot fi
accesate direct doar în momentul în care
se utilizează sistemul;
b) Subsistemul de gestiune a modelelor, e) Subsistemul de dialog cu utilizatorul sau
conţine un sistem de gestiune al interfaţa este o componentă care asigură
modelelor (similar SGBD), destinat interactivitatea SIAD.
pentru crearea de noi modele cu ajutorul
limbajelor de programare, subrutine, sau
de actualizare a modelelor deja
existente;
c) Subsistemul de gestiune a datelor
conţine facilităţile de integrare a
datelor în care nu trebuie să existe
limbaje declarative de interogare;

81. Care dintre regulile prezentate mai jos nu există pentru soluţia optimă a problemei de decizie
multicriterială în condiţii de incertitudine?

a) Criteriul WARD (al prudenţei) d) Criteriul Hurwicz


b) Criteriul SAVAGE sau regula regretului e) Criteriul Schwarz
c) Criteriul Laplace

82. Care dintre metodele prezentate mai jos nu aparţin programării liniare multidimensionale?

a) metoda utilităţii globale d) metoda de rafinare imediată a datelor


b) metoda P.O.P. e) metoda STEM
c) metoda R.O.S.

83. Facilităţile oferite de un sistem de gestiune a modelelor (SGM) se pot grupa în categoriile:

a) stocarea modelelor; e) facilităţi de mentabilitate a modelelor


existente cu posibilităţi de păstrare a
soluţiilor;
b) utilizarea modelelor deja existente; f) construirea unor modele noi pe baza
celor existente;
c) facilităţi de acces şi de regăsire a g) consistenţa care dă posibilitatea ca
modelelor; acelaşi model şi aceleaşi date să fie
accesate de mai mulţi utilizatori.
d) flexibilitate, care constă în trecerea
rapidă de la o abordare la alta;

16
84. Managerii utilizează sistemele informatice pentru:

a) planificarea, organizarea, coordonarea, d) planificarea, organizarea, coordonarea,


controlul şi previziunea activităţilor lor, controlul şi previziunea sarcinilor
dar şi pentru comunicarea dintre didactice, dar şi pentru comunicarea
persoane, stabilirea reţelelor în dintre persoane, stabilirea reţelelor în
interiorul organizaţiei cât şi la interiorul organizaţiei cât şi la rezolvarea
rezolvarea problemelor curente; problemelor curente;
b) analiza şi proiectarea sistemelor e) analiza şi proiectarea sistemelor
informatice de gestiune; informatice pentru asistarea deciziei.
c) analiza şi proiectarea sistemelor expert;

85. În cazul deciziilor în condiţii de risc:

a) Aceste decizii presupun că decidentul d) Procesul de decizie va avea o


cunoaşte aproximativ evoluţia viitoare a multitudine de consecinţe, iar fiecăreia i
fenomenului, posibilul trend al se va asocia o probabilitate. Se obţine o
variabilelor necontrolabile şi chiar ce distribuţie a probabilităţilor din care se
rezultate are fiecare strategie analizată va alege varianta cu speranţa matematică
pe baza criteriului speranţei matematice; cea mai bună. Dacă există variante de
decizie care au aceeaşi speranţă
matematică, atunci se va calcula
intervalul de variaţie şi abaterea
standard. Ca variantă optimă se va alege
aceea care are cea mai mică abatere
standard;
b) Aceste decizii presupun cunoaşterea e) Aceste decizii presupun o cunoaştere a
evoluţiei anterioare a fenomenului evoluţiei fenomenelor viitoare, ceea ce
economic. Acest mod de cunoaştere va se petrece mai rar în realitatea
permite o previziune şi o alegere cât de economică. O astfel de decizie se
cât corectă a variantei de decizie. Acest bazează pe criteriul costului minim de
tip de decizie face parte din clasa funcţionare.
generală a deciziilor de orientare în care
alegerea unei variante se face în funcţie
de previziunile viitoare ale decidentului
precum şi de criterii obiective care
presupun raţionament logic;
c) Aceste decizii presupun un ansamblu de
decizii anterioare, cu verificarea
rezultatelor în practică;

86. În cazul deciziilor în condiţii de certitudine:

a) Aceste decizii presupun că decidentul d) Procesul de decizie va avea o


cunoaşte aproximativ evoluţia viitoare a multitudine de consecinţe, iar fiecăreia i
fenomenului, posibilul trend al se va asocia o probabilitate. Se obţine o

17
variabilelor necontrolabile şi chiar ce distribuţie a probabilităţilor din care se
rezultate are fiecare strategie analizată va alege varianta cu speranţa matematică
pe baza criteriului speranţei matematice; cea mai bună. Dacă există variante de
decizie care au aceeaşi speranţă
matematică, atunci se va calcula
intervalul de variaţie şi abaterea
standard. Ca variantă optimă se va alege
aceea care are cea mai mică abatere
standard;
b) Aceste decizii presupun cunoaşterea e) Aceste decizii presupun o cunoaştere a
evoluţiei anterioare a fenomenului evoluţiei fenomenelor viitoare, ceea ce
economic. Acest mod de cunoaştere va se petrece mai rar în realitatea
permite o previziune şi o alegere cât de economică. O astfel de decizie se
cât corectă a variantei de decizie. Acest bazează pe criteriul costului minim de
tip de decizie face parte din clasa funcţionare.
generală a deciziilor de orientare în care
alegerea unei variante se face în funcţie
de previziunile viitoare ale decidentului
precum şi de criterii obiective care
presupun raţionament logic;
c) Aceste decizii presupun un ansamblu de
decizii anterioare, cu verificarea
rezultatelor în practică;

87. În cazul deciziilor în condiţii de incertitudine:

a) Aceste decizii presupun că decidentul d) Procesul de decizie va avea o


cunoaşte aproximativ evoluţia viitoare a multitudine de consecinţe, iar fiecăreia i
fenomenului, posibilul trend al se va asocia o probabilitate. Se obţine o
variabilelor necontrolabile şi chiar ce distribuţie a probabilităţilor din care se
rezultate are fiecare strategie analizată va alege varianta cu speranţa matematică
pe baza criteriului speranţei matematice; cea mai bună. Dacă există variante de
decizie care au aceeaşi speranţă
matematică, atunci se va calcula
intervalul de variaţie şi abaterea
standard. Ca variantă optimă se va alege
aceea care are cea mai mică abatere
standard;
b) Aceste decizii presupun cunoaşterea e) Aceste decizii presupun o cunoaştere a
evoluţiei anterioare a fenomenului evoluţiei fenomenelor viitoare, ceea ce
economic. Acest mod de cunoaştere va se petrece mai rar în realitatea
permite o previziune şi o alegere cât de economică. O astfel de decizie se
cât corectă a variantei de decizie. Acest bazează pe criteriul costului minim de
tip de decizie face parte din clasa funcţionare.
generală a deciziilor de orientare în care
alegerea unei variante se face în funcţie

18
de previziunile viitoare ale decidentului
precum şi de criterii obiective care
presupun raţionament logic;
c) Aceste decizii presupun un ansamblu de
decizii anterioare, cu verificarea
rezultatelor în practică;

88. În etapa de alegere pentru adoptarea deciziei, metodele de căutare euristice se bazează pe:

a) o riguroasă analiză a problemei sau d) folosesc formule financiare pentru a găsi


printr-o căutare prin încercări succesive soluţia optimă;
a spaţiului soluţiilor;
b) folosesc formule matematice pentru a e) raţionamentul făcut prin parcurgerea
găsi soluţia optimă; spaţiului de căutare a soluţiilor ce
permite trecerea prin toate stadiile
intermediare către o stare finală care
poate fi un rezultat satisfăcător sau o
nereuşită (eşec).
c) folosesc formule statistice pentru a găsi
soluţia optimă;

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

a) exploatarea datelor prin procesarea d) exploatarea depozitelor de date prin


online a tranzacţiilor (OLTP, OnLine procesare analitică on-line (OLAP,
Transation Processing); OnLine Analytical Processing);
b) depozitarea unor volume enorme de e) Automatizarea lucrărilor de birou (OAS,
date istorice ale organizaţiei (Data Office Automation Systems);
Warehousing);
c) birotica;

90. Diferenţa dintre sistemele informatice pentru management (MIS) şi sistemele informatice
pentru asistarea deciziei, SIAD (DSS) constă în aceea că:

a) MIS pleacă de la decident şi de la d) MIS pleacă de la relaţiile dintre


decizie pe când SIAD-ul porneşte de la sistemele informatice pe când SIAD-ul
date şi relaţiile dintre acestea; porneşte de la relaţiile interumane;
b) MIS pleacă de la relaţiile interumane pe e) MIS pleacă de la decident şi de la
când SIAD-ul porneşte de la relaţiile decizie pe când SIAD-ul porneşte de la
dintre sistemele informatice; relaţiile interumane.
c) MIS pleacă de la date şi relaţiile dintre
acestea pe când SIAD-ul porneşte de la
decident şi de la decizie;

19
91. Sistemele informatice de sprijin al executivului, ESS (EIS), sunt sisteme informatice:

a) destinate asistării deciziilor pe cel mai d) au posibilitatea de a oferi decidentului


de jos nivel al managementului tendinţe, analize pentru activitatea
organizaţional; concurenţială;
b) destinate asistării deciziilor pe cel mai e) destinate asistării deciziilor pe nivelul de
înalt nivel al managementului mijoc al managementului organizaţional.
organizaţional;
c) ajută la identificarea şi rezolvarea
problemelor prin sesizarea de noi
oportunităţi;

92. Modelarea este considerată esenţială pentru sistemele informatice de asistare a deciziei şi
implică:

a) partea de implementare a problemei de d) partea de discretizare a problemei de


rezolvat; rezolvat;
b) partea de sinteză a problemei şi partea e) partea de concepere a problemei şi
de concretizare în expresii cantitative partea de abstractizare în expresii
sau calitative; cantitative sau calitative.
c) partea de discreditare a problemei de
rezolvat;

93. Modelul unei probleme de programare liniară poate fi sintetizat astfel:

a) determinarea unei valori medii pentru d) determinarea unei valori medii pentru
funcţia obiectiv care depinde de una funcţia obiectiv care depinde de una sau
sau mai multe variabile care satisfac mai multe variabile care satisfac
restricţiile modelului (condiţii restricţiile modelului (condiţii
implicite) sau care se referă la valorile implicite) sau care se referă la valorile
ce pot fi luate de variabile (condiţii ce pot fi luate de variabile (condiţii
explicite); problemele de programare explicite); problemele de programare
liniară au restricţii de tip inegalităţi şi liniară au restricţii de tip egalităţi şi
condiţii explicite puse unora dintre condiţii explicite puse unora dintre
variabile; variabile;
b) determinarea unui min sau max pentru e) determinarea unui min sau max pentru
funcţia obiectiv care depinde de una funcţia obiectiv care nu depinde de nici
sau mai multe variabile care satisfac o variabilă; problemele de programare
restricţiile modelului (condiţii liniară au restricţii de tip inegalităţi şi
implicite) sau care se referă la valorile condiţii explicite puse unora dintre
ce pot fi luate de variabile (condiţii variabile;
explicite); problemele de programare
liniară au restricţii de tip inegalităţi şi
condiţii explicite puse unora dintre
variabile;

20
c) determinarea unui min sau max pentru
funcţia obiectiv care depinde de una
sau mai multe variabile care satisfac
restricţiile modelului (condiţii
implicite) sau care se referă la valorile
ce pot fi luate de variabile (condiţii
explicite); problemele de programare
liniară au restricţii de tip egalităţi şi
condiţii explicite puse unora dintre
variabile;

94. În SIAD-urile bazate pe analiza şi sinteza datelor, analiza datelor presupune:

a) a găsi relaţii între datele distribuite, cum d) a găsi relaţii între datele sintetizate cum
ar fi: disocieri, corelaţii structurale, ar fi: disocieri, corelaţii structurale,
cauzale sau funcţionale; cauzale sau funcţionale;
b) a găsi relaţii între datele centralizate e) a găsi relaţii între datele sintetizate cum
cum ar fi: asocieri, corelaţii structurale, ar fi: asocieri, corelaţii structurale,
cauzale sau funcţionale; cauzale sau funcţionale.
c) a găsi relaţii între datele tranzacţionale
cum ar fi: asocieri, corelaţii structurale,
cauzale sau funcţionale;

95. În SIAD-urile bazate pe analiza şi sinteza datelor, rezultatul procesului de observare


analitică este:

a) obţinerea unor tipare, corelaţii şi uneori d) obţinerea unor tipare, corelaţii şi uneori
modele din care se pot deduce tendinţe modele din care nu se pot deduce
sau se poate previziona cu o anumită tendinţe, dar se poate previziona cu o
probabilitate cum vor arăta datele pe o anumită probabilitate cum vor arăta
perioadă ulterioară; datele pe o perioadă ulterioară;
b) obţinerea unor tipare, corelaţii şi uneori e) obţinerea unor tipare, corelaţii şi uneori
modele din care nu se pot deduce modele din care se pot deduce tendinţe,
tendinţe sau nu se poate previziona cu o dar nu se poate previziona cu o anumită
anumită probabilitate cum vor arăta probabilitate cum vor arăta datele pe o
datele pe o perioadă ulterioară; perioadă ulterioară.
c) obţinerea unor modele din care se pot
dezvolta SIAD-uri bazate pe modele;

96. Sistemele de asistare a deciziei care au la bază sinteza şi analiza datelor realizează:

a) modele necesare pentru a obţine d) comasarea, sistematizarea, corelarea şi


informaţii care să reliefeze factorii care gruparea datelor pentru a obţine
influenţează pozitiv sau negativ informaţii care să reliefeze factorii care
performanţele companiei; influenţează pozitiv sau negativ
performanţele companiei;

21
b) dispersarea, distribuirea, decorelarea şi e) comasarea, sistematizarea, corelarea şi
regruparea datelor pentru a obţine gruparea datelor pentru a obţine
informaţii care să reliefeze factorii care informaţii care să reliefeze factorii care
influenţează pozitiv sau negativ nu influenţează performanţele
performanţele companiei; companiei.
c) condiţionarea datelor pentru a obţine
informaţii care să reliefeze factorii care
influenţează pozitiv sau negativ
performanţele companiei;

97. Principalele inconveniente ale depozitelor de date sunt:

a) timpul mic necesar exploatării lor; d) integritatea şi coerenţa bazei de date;


b) aglomerarea motorului bazei de date cu e) aglomerarea motorului bazei de date cu
task-uri de centralizare care grăbeşte task-uri de centralizare care încetineşte
astfel tranzacţiile curente; astfel tranzacţiile curente.
c) timpul mare necesar exploatării lor;

98. Fără ca utilizatorul să poată interveni, în depozitul de date se pot stoca:

a) arhive de date privind activitatea d) decizii ale managementului strategic;


anterioară;
b) interogări curente; e) hotărâri ale managementului strategic;
c) date referitoare la tranzacţii ulterioare;

99. Diferenţele dintre depozitul de date şi baza de date sunt următoarele:

a) datele conţinute de un sistem de d) bazele de date construite pentru sisteme


prelucrare a tranzacţiilor, OLTP (On- tranzacţionale sunt proiectate şi
Line Transaction Processing) sunt de realizate pe baza unor cerinţe cunoscute
tip operaţional, iar datele conţinute de şi certe, modificările care intervin
un depozit de date sunt specifice datorită adaptării sistemului la
asistării deciziilor, sunt date centralizate schimbările intervenite reiau anumite
sau derivate din date operaţionale, nu se faze ale ciclului de viaţă. Dar odată
modifică în timp şi sunt destinate implementate ele funcţionează perioade
utilizatorilor finali; lungi de timp fără modificări. În SIAD
cerinţele sunt cunoscute doar parţial în
momentul proiectării şi realizării lor,
ceea ce obligă depozitul de date să se
adapteze din mers cerinţelor. De aceea
se observă că datele gestionate pentru
sisteme tranzacţionale sunt privite ca un
întreg, pe când cele din depozitele de
date sunt organizate pe secţiuni deoarece
ele sunt organizate în funcţie de

22
subiectul de analiză;
b) în cazul sistemelor tranzacţionale, e) sistemele tranzacţionale reflectă de
performanţele se referă la integritate, obicei fluxul datelor din activităţi
confidenţialitate, siguranţă şi timp de curente, pe când depozitele de date sunt
răspuns întrucât un număr mare de orientate pe subiecte cum ar fi de
utilizatori introduc date în sistem, în exemplu: resurse, produse, clienţi,
timp ce în cazul SIAD (deci a furnizori.
depozitelor de date) numărul de
utilizatori finali (manageri) este foarte
mic. Astfel şi securitatea şi siguranţa în
exploatare nu sunt supuse unor riscuri
majore, procedurile de salvare şi
restaurare fiind mai puţin utilizate decît
în cazul sistemelor tranzacţionale;
c) datele procesate în sistemele
tranzacţionale sunt în seturi relativ
mici, introduse recent şi compact, astfel
încât prelucrarea se face destul de rapid.
În procesele decizionale, datele
necesare acestora sunt în volum mare,
stocate dispersat ceea ce duce la o
prelucrare mai lentă;

100. Depozitul de date (Data Warehouse) este o colecţie de date care sprijină decizia, în care
datele sunt:

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


b) neintegrate; e) integrate.
c) corelate în timp;

101. Una din subetapele design-ului sau modului de concepere al procesului de asistare a
deciziei este modelarea ce implică:

a) o etapă în care sunt analizate d) etapa de bază pentru adoptarea deciziei


evenimentele apărute în organizaţie şi deoarece în cadrul ei se concretizează
depistate cauzele lor de apariţie; rezultatele obţinute în celelalte etape;
decidentul alege o singură acţiune din
multitudinea existentă în funcţie de
criteriul de selecţie propus şi de modelul
decizional pe care l-a ales;
b) etapa în care se face declanşarea e) atât analiza, cât şi adoptarea deciziei.
acţiunii alese (propuse) de decident;
c) modul de concepere a problemei
precum şi abstractizarea ei cantitativă
şi/sau calitativă; experienţa decidentului
îşi pune amprenta pe modul de alegere a

23
modelului dintr-o multitudine existentă;
dezvoltă proceduri mentale care ajută la
încadrarea problemei de rezolvat într-o
anume clasă de modele existente;

102. Mediul în care se construieşte şi se exploatează un depozit de date conţine următoarele


elemente:

a) surse de date tranzacţionale; d) sistemul de gestiune al bazei de date;


b) instrumente de proiectare-dezvoltare; e) instrumente de acces şi analiză a datelor;
c) instrument de extracţie şi transformare a f) instrumente de administrare.
datelor;

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

a) abordarea conceptuală d) accesibilitatea asigurată utilizatorului


multidimensională a datelor; prin asistarea implicării acestuia în
modalităţile tehnice de furnizare a
datelor;
b) asigurarea unei transparenţe sporite prin e) complexitatea dimensională a analizei
existenţa unei arhitecturi deschise a oferă performanţe stabile;
sistemului;
c) număr limitat de niveluri de agregare şi
de dimensiuni;

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

a) posibilitatea de acces a unui singur d) gestionarea dinamică a matricilor


utilizator (mono-user) la aceeaşi fază încrucişate prin facilitatea de a elimina
(etapă) de analiză; combinaţiile dimensionale nule, pentru a
nu încărca memoria calculatorului;
b) utilizarea arhitecturii client-server, e) posibilităţile de acces simultan a mai
unde server-ul are ca scop multor utilizatori (multi-user) la
omogenizarea datelor; aceeaşi fază (etapă) de analiză.
c) posibilitatea de a efectua aceleaşi
operaţii asupra tuturor dimensiunilor şi
care poartă numele de prelucrare
generică a dimensiunilor;

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

a) operaţii nerestrictive, ceea ce dă d) număr nelimitat de niveluri de agregare


posibilitatea executării fără restricţii a şi de dimensiuni;

24
calculelor pentru toate combinările de
dimensiuni şi niveluri ierarhice;
b) număr limitat de niveluri de agregare şi e) operaţii restrictive, ceea ce dă
de dimensiuni; posibilitatea executării cu restricţii a
calculelor pentru toate combinările de
dimensiuni şi niveluri ierarhice;
c) posibilitatea manipulării intuitive a
datelor;

106. Testul cu 5 reguli denumit FASMI (Fast Analysis Shared Multidimensional Information)
pentru definirea caracteristicilor unei aplicaţii OLAP se referă la:

a) rapidă; d) multidimensională;
b) analiză; e) informaţie.
c) partajată;

107. Testul cu 5 reguli denumit FASMI (Fast Analysis Shared Multidimensional Information)
pentru definirea caracteristicilor unei aplicaţii OLAP se referă la:

a) informaţie unidimensională prin analiză d) informaţie multidimensională prin


partajată rapidă; analiză nepartajată rapidă;
b) informaţie multidimensională prin e) informaţie unidimensională prin analiză
analiză partajată rapidă; partajată încetinită;
c) informaţie multidimensională prin
analiză partajată lentă;

108. Tehnologia OLAP se caracterizează prin:

a) perspectiva unidimensională a datelor; d) capacitatea de calcul intensiv;


b) perspectiva multidimensională a datelor; e) orientare în timp (time intelligence).
c) capacitatea de calcul ponderat;

109. În tehnologia OLAP, perspectiva multidimensională al datelor este dată de posibilitatea:

a) de a integra un aspect care d) de a integra un aspect care


caracterizează activitatea unei caracterizează activitatea unei
întreprinderi cu un aspect care întreprinderi cu un aspect care
caracterizează activitatea altei caracterizează activitatea altei
întreprinderi; întreprinderi, din perspectiva
activităţilor comune;
b) de a integra multiplele aspecte care e) de a integra multiplele aspecte care
caracterizează activitatea unei caracterizează activitatea unei
întreprinderi şi care sunt considerate întreprinderi şi care sunt considerate din
dintr-o singură perspectivă (a banilor); perspective multiple ca: timp, bani,

25
produse.
c) de a integra un aspect care
caracterizează activitatea unei
întreprinderi cu un aspect care
caracterizează activitatea altei
întreprinderi, din perspectiva profitului
comun;

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

a) cu înţeles de aspect, dimensiunile fiind d) cu înţeles de bază de date, dimensiunile


independente şi cu unităţi de măsură fiind dependente unele de altele şi cu
specifice dimensiunii respective; unităţi de măsură specifice dimensiunii
respective;
b) cu înţeles de unitate de măsură; e) cu înţeles definit de contextul în care se
folosesc datele.
c) cu înţeles de generator de date,
dimensiunile fiind dependente unele de
altele şi cu unităţi de măsură specifice
dimensiunii respective;

111. În tehnologia OLAP, unităţile de măsură pot constitui:

a) criterii de dezagregare a datelor; d) criterii de repartizare a datelor către


utilizatori;
b) criterii de agregare a datelor; e) criterii de definire contextuală a datelor.
c) criterii de distribuţie a datelor;

112. În tehnologia OLAP, fiecare dimensiune este definită în genere prin mai multe:

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

113. În tehnologia OLAP, nivelele unei dimensiuni formează:

a) baza pentru nivelele altei dimensiuni; d) ierarhia;


b) o bază de date; e) un raft de date.
c) un depozit de date;

114. În tehnologia OLAP, modelarea multidimensională este caracterizată de câteva concepte de


bază:

a) cuantificarea activităţii (aspectul d) faptele;


cantitativ);

26
b) dimensiunile activităţii; e) consecinţele.
c) criteriile;

115. Cubul OLAP este:

a) o structură unidimensională prin care se d) o structură multidimensională prin care


modelează complexul de activităţi pe o se modelează complexul de activităţi
perioadă îndelungată de timp; numai într-un moment de timp definit de
administrator;
b) o structură cu o singură dimensiune e) o structură multidimensională prin care
prin care se modelează complexul de se modelează o bază de date
activităţi pe o perioadă îndelungată de tranzacţională.
timp;
c) o structură multidimensională prin care
se modelează complexul de activităţi pe
o perioadă îndelungată de timp;

116. În cubul OLAP, prin operaţia drill-down se obţin:

a) date de conjunctură; d) date elementare;


b) detalii; e) date complexe.
c) date sintetice;

117. În cubul OLAP, prin operaţia drill-up se obţin:

a) date de conjunctură; d) date elementare;


b) detalii; e) date complexe.
c) date sintetice;

118. În cubul OLAP, prin secţionare (slicing) se creează posibilitatea:

a) selectării prin vizualizare doar pentru d) selectării prin vizualizare a tuturor


un membru al unei dimensiuni, adică un înregistrărilor din baza de date;
plan din cubul tridimensional. Secţiunea
astfel obţinută va apare ca un tabel pilot
cu valorile dimensiunilor pe laturi şi cu
specificarea valorii alese pentru
dimensiunea suprimată;
b) proiecţiei unei dimensiuni pe o alta. De e) proiecţiei unei dimensiuni pe ea însăşi.
obicei o dimensiune din primul plan
este combinată cu o altă dimensiune din
adâncime. Acest proces se mai numeşte
imbricarea dimensiunilor;

c) selectării prin vizualizare simultană a

27
tuturor dimensiunilor din cubul
tridimensional;

119. În cubul OLAP, defalcarea (dicing) este operaţia de:

a) selectare prin vizualizare doar pentru un d) selectare prin vizualizare a tuturor


membru al unei dimensiuni, adică un înregistrărilor din baza de date;
plan din cubul tridimensional. Secţiunea
astfel obţinută va apare ca un tabel pilot
cu valorile dimensiunilor pe laturi şi cu
specificarea valorii alese pentru
dimensiunea suprimată;
b) proiecţie a unei dimensiuni pe o alta. e) proiecţie a unei dimensiuni pe ea însăşi.
De obicei o dimensiune din primul plan
este combinată cu o altă dimensiune din
adâncime. Acest proces se mai numeşte
imbricarea dimensiunilor;
c) selectare prin vizualizare simultană a
tuturor dimensiunilor din cubul
tridimensional;

120. Pentru realizarea unei aplicaţii OLAP sunt necesare următoarele etape:

a) crearea operatorilor şi operanzilor d) crearea interfeţei aplicaţiei într-un


specifici; mediu de programare visual – Visual
Basic;
b) crearea bazei de date relaţionale e) crearea secvenţelor de cod care să
(tranzacţionale) care va conţine datele realizeze interogări.
curente ale organizaţiei rezultate din
tranzacţii;
c) crearea bazei de date
multidimensionale, a cuburilor şi
tabelelor de fapte care preiau datele din
baza de date relaţională. Datele sunt
extrase, transformate şi încărcate în
tabelele de fapte din tabelele relaţionale;

121. Crearea tabelelor în Microsoft SQL Server se realizază prin utilizarea de scripturi, aşa cum
se prezintă în exemplul de mai jos:

a) create table volcredite (Agentie d) generate cube volcredite (Agentie


varchar(20), Durata varchar(20), varchar(20), Durata varchar(20),
Moneda varchar(20), Tipjur Moneda varchar(20), Tipjur
varchar(30), Timp varchar(20), varchar(30), Timp varchar(20),
Garantiecredit varchar(20), Garantiecredit varchar(20),

28
Sectoractivitate varchar(20), volcredite Sectoractivitate varchar(20), volcredite
numeric); numeric);
b) generate table volcredite (Agentie e) creeaza tabel volcredite (Agentie
varchar(20), Durata varchar(20), varchar(20), Durata varchar(20),
Moneda varchar(20), Tipjur Moneda varchar(20), Tipjur
varchar(30), Timp varchar(20), varchar(30), Timp varchar(20),
Garantiecredit varchar(20), Garantiecredit varchar(20),
Sectoractivitate varchar(20), volcredite Sectoractivitate varchar(20), volcredite
numeric); numeric).
c) create cube volcredite (Agentie
varchar(20), Durata varchar(20),
Moneda varchar(20), Tipjur
varchar(30), Timp varchar(20),
Garantiecredit varchar(20),
Sectoractivitate varchar(20), volcredite
numeric);

122. Crearea tabelelor în Microsoft SQL Server se realizază prin utilizarea de scripturi, aşa cum
se prezintă în exemplul de mai jos:

a) generate table agentie (Agentie d) generate cube agentie (Agentie


varchar(20), Zona varchar(10), Tara varchar(20), Zona varchar(10), Tara
varchar(10)); varchar(10));
b) creeaza tabel agentie (Agentie e) create table agentie (Agentie
varchar(20), Zona varchar(10), Tara varchar(20), Zona varchar(10), Tara
varchar(10)); varchar(10));
c) create cube agentie (Agentie
varchar(20), Zona varchar(10), Tara
varchar(10));

123. Crearea tabelelor în Microsoft SQL Server se realizază prin utilizarea de scripturi, aşa cum
se prezintă în exemplul de mai jos:

a) generate table voldepozite (Agentie d) create table voldepozite (Agentie


varchar(20), Durata varchar(20), varchar(20), Durata varchar(20),
Moneda varchar(20), Tipjur Moneda varchar(20), Tipjur
varchar(30), Timp varchar(20), varchar(30), Timp varchar(20),
Tipdepozit varchar(30), voldep Tipdepozit varchar(30), voldep
numeric); numeric);
b) creeaza tabel voldepozite (Agentie e) create cube voldepozite (Agentie
varchar(20), Durata varchar(20), varchar(20), Durata varchar(20),
Moneda varchar(20), Tipjur Moneda varchar(20), Tipjur
varchar(30), Timp varchar(20), varchar(30), Timp varchar(20),
Tipdepozit varchar(30), voldep Tipdepozit varchar(30), voldep
numeric); numeric);
c) generate cube voldepozite (Agentie

29
varchar(20), Durata varchar(20),
Moneda varchar(20), Tipjur
varchar(30), Timp varchar(20),
Tipdepozit varchar(30), voldep
numeric);

124. În Microsoft SQL Server, crearea cuburilor OLAP se efectuează prin parcurgerea
următorilor paşi:

a) alegerea tabelelor din baza de date d) pentru fiecare dimensiune se stabilesc


relaţională din care se importă datele; nivelurile ierarhice;
b) stabilirea tabelului de fapte; e) alegerea dimensiunilor care intră în
configuraţia cubului;
c) crearea şi configurarea dimensiunilor; f) stabilirea opţiunilor de stocare şi
procesare a datelor din cubul OLAP.

125. Ciclul în utilizarea Data Mining cuprinde etapele:

a) analiza problemei; d) adoptarea deciziilor şi acţiunilor în


urma informaţiilor rezultate;
b) definirea oportunităţilor comerciale şi a e) cuantificarea cât mai corectă a
datelor pe care se face exploatarea; rezultatelor concrete pentru a identifica
şi alte căi de exploatare a datelor.
c) obţinerea de informaţii din colecţiile de
date existente prin tehnici Data Mining;

126. Destinaţia acţiunilor oferite de Data Mining este:

a) clasificarea; d) gruparea;
b) estimarea; e) eşantionarea.
c) predicţia;

127. Data Mining presupune parcurgerea următoarelor etape:

a) definirea problemei; e) definirea şi construirea modelului;


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

128. Factorii care au dus la necesitatea Data Mining sunt:

a) arhivele de date memorate pe suporturi d) arhivele de date stocate pe suport hârtie;


informatice;
b) arhivele de date stocate în memoria e) creşterea capacităţii de memorare şi
operativă a sistemului de calcul; prelucrare a calculatoarelor care permit

30
tratarea corelativă a volumelor mari de
date.
c) existenţa şi perfecţionarea algoritmilor
şi a produselor program dedicate;

129. Informaţiile care se pot obţine prin Data Mining sunt:

a) date complexe; d) date elementare;


b) retroactive; e) predictive sau descriptive.
c) complementare sau periodice;

130. Prin tehnologia Data Mining se prelucrează date care se referă la:

a) perioade viitoare (date viitoare), care d) perioade anterioare (date istorice), care
sunt presupuse şi nu sunt cunoscute, pe sunt examinate şi sunt deja cunoscute,
baza lor constituindu-se un model; pe baza lor constituindu-se un model;
b) perioade diverse, care sunt examinate şi e) perioade anterioare (date istorice), care
sunt cunoscute din relatările experţilor, nu pot fi examinate din cauza
pe baza lor constituindu-se un model; complexităţii lor, pe baza lor
constituindu-se un model.
c) perioade anterioare (date istorice) şi
perioade viitoare (date prognozate),
care sunt examinate pe baza flerului
analiştilor, pe baza lor constituindu-se
un model;

Teste de tipul cu corespondenţă (Matching):

131. Precizaţi esenţa fiecărui tip de SIAD, prin indicarea corespondenţei între denumirea SIAD
(A,B,C) şi enunţul care descrie esenţa acelui tip de SIAD (1…4):

A. SIAD bazat pe 1. se referă la un volum apreciabil de date stocate în sistemul


modele informatic al organizaţiei şi oferă posibilitatea de a extrage
informaţii utile din multitudinea de date de care dispune.
Aceste tipuri de SIAD-uri au la bază depozitele de date (Data
Warehouse), iar prelucrarea este asigurată de tehnologia
OLAP;
B. SIAD bazat pe date 2. utilizează tehnologiile inteligenţei artificiale şi de aceea se mai
numesc şi SIIAD (sisteme informatice inteligente de asistare a
deciziei);
C. SIAD bazat pe 3. modelul cantitativ este sprijinit de o interfaţă care facilitează
cunoştinţe utilizarea;
4. folosesc atât modelele, cât şi depozitele de date şi tehnologiile
inteligenţei artificiale.

31
132. Dacă problema de decizie multicriterială este în condiţii de incertitudine, soluţia optimă va
fi dată urmând una dintre reguli:

A. Criteriul WARD 1. calculul unui indicator decizional ca medie ponderată a


rezultatelor extreme;
B. Criteriul SAVAGE 2. nu se admite sub nici o formă riscul;
C. Criteriul Laplace 3. regula regretului;
D. Criteriul Hurwicz 4. stările se consideră a fi echiprobabile.

133. Pentru utilizarea metodelor de previziune trebuie parcurse etapele:

A. formularea şi 1. se face pentru a alege variabilele care trebuie incluse în ecuaţia


înţelegerea de regresie. Specific domeniului economic este fenomenul de
conţinutului multicoliniaritate adică nivelul înalt de interdependenţă între
problemei variabile diverse. La încheierea acestei etape se vor reţine doar
trei sau patru ecuaţii de regresie care vor fi ulterior analizate;
B. selectarea 2. se verifică dacă condiţiile de regresie sunt corecte;
indicatorilor
economici
C. analiza matricei de 3. presupune ca managerul sau decidentul să definească în
corelaţie simplă termeni cât mai apropiaţi de realitate problema, aceasta
incluzând variabilele care trebuie explicitate şi a căror valori
vor face obiectul previziunii. În această etapă se descrie
situaţia decizională, se identifică variabila sau variabilele care
vor constitui obiectul predicţiei ca şi variabilele dependente de
acestea;
D. alegerea unei ecuaţii 4. presupune a se găsi alături de variabilele independente şi acei
de regresie factori suplimentari care influenţează variabila dependentă,
factori ce vor trebui incluşi în ecuaţia de regresie;
E. verificarea 5. presupune stabilirea unui interval de încredere pentru
corectitudinii previziunile individuale şi ce precizie are fiecare variabilă
condiţiilor de regresie independentă;

F. pregătirea previziunii 6. calculatorul determină coeficienţii de regresie şi elementele


care permit testarea semnificaţiei acestora. Se reţin ecuaţiile
semnificative şi se încearcă ridicarea progresivă a valorii
coeficientului de corelaţie R2 prin introducerea unor noi
variabile independente. După fiecare iteraţie de mărire
progresivă a acestui coeficient se verifică testele de
semnificaţie.

134. Soluţiile oferite de informatică pentru procesul de sintetizare a datelor sunt:

A. programe 1. oferite de generatoarele de rapoarte care permit indicarea

32
ierarhiilor criteriilor de grupare;
B. interogări 2. specifice şi dedicate;
C. funcţii de total şi 3. generează structuri de baze de date;
subtotal
4. oferă posibilitatea grupării datelor după criterii stabilite şi oferă
funcţii pentru domeniile astfel create.

Teste de tipul Adevărat/Fals (True/False):

135. Figura de mai jos reprezintă un cub OLAP.

136. Datele din depozitul de date sunt accesate selectiv de manageri în funcţie de necesităţile
acestora. În acest fel se crează colecţii specializate pe diverse domenii care se numesc magazii de
date (Data Marts). Magaziile de date se pot utiliza şi ca structuri intermediare pentru colectarea
datelor din surse primare şi al căror conţinut este descărcat periodic în depozitul de date.

137. Utilizarea tehologiei Data Mining presupune că procesarea datelor se face cu intervenţia
utilizatorilor.

138. În cubul OLAP, dimensiunile se materializează în setul de valori posibile care formează
domeniul caracteristicii respective, valori care poartă numele de membrii dimensiunii.

139. În cubul OLAP, o caracteristică a dimensiunii este a ceea că poate avea multipli adică grupe
de valori ale dimensiunii cu o caracteristică comună.

33
140. Dimensiunile împreună cu multiplii lor formează structuri arborescente care sunt
recunoscute de OLAP ca fiind ierarhii.

141. Modelul unei probleme de programare liniară constă în determinarea unui min sau max
pentru funcţia obiectiv care depinde de una sau mai multe variabile care satisfac restricţiile
modelului (condiţii implicite) sau care se referă la valorile ce pot fi luate de variabile (condiţii
explicite).

142. Gradul de simplificare oferit de simulare este mult mai mare decât în cazul modelelor
tradiţionale.

143. Pentru regresia liniară simplă există mai multe variabile pentru care se face previziunea,
dependente de o singură altă variabilă.

144. În cazul programări euristice, spaţiul de rezolvare a problemelor implică: spaţiul stărilor,
spaţiul operatorilor, starea iniţială, starea sau stările finale fără a fi necesară informaţia asociată
fiecărei stări.

145. Programarea euristică se aplică în cazul în care datele de care se dispune pentru o
problemă complexă sunt insuficiente sau are un grad mare de inexactitate, gradul de
complexitate al problemei nu permite utilizarea modelelor de optimizare, nu există soluţie
algoritmică iar modelul de simulare simplifică inadmisibil de mult problema şi trebuie obţinută o
soluţie rapidă.

146. Facilităţile oferite de un SGM (sistem de gestiune a modelelor) se pot grupa în câteva
categorii: stocarea modelelor; utilizarea modelelor deja existente; facilităţi de acces şi de regăsire
a modelelor; facilităţi de mentabilitate a modelelor existente cu posibilităţi de păstrare a
soluţiilor; construirea unor modele noi pe baza celor existente; flexibilitate, care constă în
trecerea rapidă de la o abordare la alta; inconsistenţa.

147. Datele, mai precis structurile de date care fac obiectul sistemelor informatice de asistare a
deciziilor sunt denumite depozite de date (Data Warehouse). Caracteristicile acestor structuri
este faptul că ele pot înmagazina volume mari de date preluate din arhive şi/sau din bazele de
date ale aplicaţiilor informatice specifice activităţii curente a întreprinderii (sunt volume de ordin
1012 terabytes).

148. Modelul oferă un mod simplificat sau abstractizat de abordare a realităţii.

149. Depozitul de date (Data Warehouse) este o colecţie de date orientate pe subiecte, integrate,
corelate în timp şi volatile care sprijină decizia.

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

151. Proiectarea structurii depozitului de date se face prin modelare multidimensională.

34
152. În etapa de concepţie a unui depozit de date se folosesc modele dimensionale care grupează
datele din tabelele relaţionale în scheme de tip stea sau fulg de zăpadă.

153. Măsurile identificate prin dimensiuni vor fi stocate într-un tabel relaţional care este denumit
tabel de fapte, iar codurile utilizate sau asociate criteriilor de agregare sunt date de tabelele de tip
nomeclator asociate fiind cu tabelele de fapte şi în acest fel schema relaţională va fi de tip fulg
de zăpadă.

154. OLAP nu dispune de existenţa unor tehnici care permit de la o navigare şi selecţie simplă a
datelor până la analiza detaliată şi complexă.

155. Aplicaţiile care se rezolvă pe baza tehnologiei OLAP au la bază analiza rapidă a informaţiei
multidimensională dispersată în locaţii multiple dar accesibile unui mare număr de utilizatori.

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

157. OLAP presupune că analiza datelor (care pot fi de tip numeric sau statistic) poate fi
predefinită de cel care creează aplicaţia sau chiar de utilizatorul final.

158. Modelarea dimensională presupune conceptualizarea şi reprezentarea aspectelor măsurabile


ale activităţii studiate în interdependenţă cu contextul în care acesta se desfăşoară, aspect
identificat prin parametrii activităţii.

159. Prin modelare dimensională se oferă un model conceptual comun pentru rapoarte şi pentru
agreagarea lor într-o structură uniformă şi flexibilă.

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

161. În bazele de date tranzacţionale, dimensiunile sunt de fapt câmpuri care conţin
caracteristicile unei tranzacţii adică datele de identificare ale tranzacţiilor care sunt de obicei chei
externe care fac legătura cu nomenclatoarele care le explicitează.

162. În tehnologia OLAP, o caracteristică a dimensiunii este aceea că nu poate avea multipli.

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

35
164. În tehnologia OLAP, structura metadatelor este de tip ierarhic, fiecare dimensiune fiind
stocată într-o structură arborescentă cu o singură rădăcină (all) şi cu o multitudine de ramuri
care pot conţine frunze comune (ierarhii alternative).

165. În tehnologia OPAL, un hipercub este proiectat astfel încât el să aibă în vedere nivelul de
detaliu necesar în procesul de analiză.

166. În tehnologia OLAP, nivelul de detaliu (granularitatea) nu reprezintă numărul de membri


ai unei dimensiuni.

167. În tehnologia OLAP, datele pot fi vizualizate printr-o selecţie în hipercub pe baza unui
criteriu ierarhic care ar putea fi de exemplu structura organizaţională pe care o conduce un
anumit manager.

168. În tehnologia OLAP, orice nivel al unei ierarhii poartă un nume dar nu conţine de membri.

169. Data Mining reprezintă un proces de extragere de informaţii noi din colecţiile de date
existente.

170. Prin tehnologia Data Mining se prelucrează date care referă perioade anterioare (date
istorice), care sunt examinate şi sunt deja cunoscute.

171. Depozitele de date pot fi surse pentru Data Mining, iar rezultatele obţinute pot completa
câmpurile înregistrărilor din depozitele de date, care apoi pot fi valorificate prin proiecţiile
multidimensionale specifice OLAP.

Teste de tipul DA/NU (Yes/No):

172. Tehnicile de Data Mining se pot aplica atât ascendent cât şi descendent. Pentru abordarea
descendentă nu se iau în considerare ipotezele formulate în prealabil prin alte mijloace.

173. Abordarea ascendentă în Data Mining urmăreşte extragerea de cunoştinţe sau informaţii noi
din date disponibile, această căutare putând fi dirijată sau nedirijată.

174. Căutarea dirijată în Data Mining presupune că se ia în considerare un atribut sau un câmp
ale cărui valori se explică prin celelalte câmpuri.

36
175. Căutarea nedirijată în Data Mining identifică relaţiile sau structurile din datele examinate
fără a asigura prioritate unui câmp sau a altuia.

176. Ceea ce se exploatează prin Data Mining nu sunt colecţii de date constituite pentru alte
scopuri (de exemplu, tranzacţii derulate pe o perioadă de timp).

177. În tehnologia OLAP, defalcarea (dicing) este operaţia de proiecţie a unei dimensiuni pe o
alta.

178. În tehnologia OLAP, dimensiunile unui cub pot fi private dar nu pot fi utilizate în comun şi
de alte cuburi.

179. Proiectarea structurilor depozitelor de date şi a cuburilor OLAP este un proces ce se


desfăşoară continuu pe tot parcursul existenţei (vieţii) aplicaţiei.

180. Aplicaţiile construite cu tehnologia OLAP îşi găsesc locul în multiplele domenii ale
activităţii întreprinderilor, de la finanţe, bănci, marketing până la producţie şi vânzări. De
exemplu, activitatea de producţie poate fi susţinută de aplicaţii OLAP cum sunt: planificarea
operaţiilor, controlul calităţii produselor, analiza rebuturilor, analiza optimizării raportului dintre
cost-beneficii.

Teste de tipul cu corespondenţă (Matching):

181. Clasificarea deciziilor în funcţie de nivelul decizional este:

A. decizii strategice 1. în mod curent şi pe termen scurt, determină cât de eficiente au


fost folosite resursele;
B. decizii de control 2. se referă la obiectivele, resursele şi politicile organizaţiei, pe
operaţional termen mediu şi lung;
C. decizii tactice - de 3. determină modul în care sunt duse la îndeplinire sarcinile de la
control managerial nivelele superioare;
4. hotărâre a managerului luată în condiţii de stres maxim.

182. Clasificarea deciziilor în funcţie de gradul de structurare este:

A. decizii structurate sau 1. decizii care se bazează pe flerul şi modul de judecată al


programabile decidentului care analizează problema. Acest tip de decizie se
referă la tipuri de probleme atipice pentru organizaţie, pentru
care nu există proceduri prestabilite; elementele sale sunt de tip
calitativ, obiectivele şi finalitatea nu sunt precise şi nu există
un algoritm cunoscut pentru rezolvarea lor;
B. decizii nestructurate 2. decizii uzuale pentru care există proceduri realizate. Acest tip

37
(neprogramabile) de decizii intervin în momentul în care apare un proces
cunoscut. Dacă decizia este supusă procesului de
informatizare, ea este descrisă printr-un program a cărui
execuţie este fixă, deci nu pot exista reveniri, iar calea
raţionamentelor nu este schimbată nici prin program şi nici de
utilizatori;
C. decizii 3. decizii care pot fi rezolvate parţial cu proceduri cunoscute,
semistructurate întrucât acestea au elemente predominant cantitative, scopurile
nu sunt precise, iar procedura de rezolvare nu asigură
ansamblul elementelor problemei.

183. Clasificarea deciziilor în funcţie de cunoştinţele de care dispune decidentul referitoare la


evoluţia problemei pe care o are de rezolvat este:

A. decizii în condiţii de 1. presupun că decidentul cunoaşte aproximativ evoluţia viitoare


certitudine a fenomenului, posibilul trend al variabilelor necontrolabile şi
chiar ce rezultate are fiecare strategie analizată pe baza
criteriului speranţei matematice. În acest caz procesul de
decizie va avea o multitudine de consecinţe, iar fiecăreia i se
va asocia o probabilitate. Se obţine o distribuţie a
probabilităţilor din care se va alege varianta cu speranţa
matematică cea mai bună. Dacă există variante de decizie care
au aceeaşi speranţă matematică, atunci se va calcula intervalul
de variaţie şi abaterea standard. Ca variantă optimă se va alege
aceea care are cea mai mică abatere standard;
B. decizii în condiţii de 2. presupun o cunoaştere a evoluţiei fenomenelor viitoare, ceea
incertitudine ce se petrece mai rar în realitatea economică. O astfel de
decizie se bazează pe criteriul costului minim de funcţionare;
C. decizii în condiţii de 3. presupun cunoaşterea evoluţiei anterioare a fenomenului
risc economic. Acest mod de cunoaştere va permite o previziune şi
o alegere cât de cât corectă a variantei de decizie. Acest tip de
decizie face parte din clasa generală a deciziilor de orientare în
care alegerea unei variante se face în funcţie de previziunile
viitoare ale decidentului precum şi de criterii obiective care
presupun raţionament logic.

184. Diferenţele dintre depozitul de date şi baza de date sunt următoarele:

A. depozit de date 1. datele conţinute sunt de tip operaţional;


B. bază de date 2. numărul de utilizatori finali (manageri) este foarte mic. Astfel şi
securitatea şi siguranţa în exploatare nu sunt supuse unor riscuri
majore, procedurile de salvare şi restaurare fiind mai puţin utilizate
decît în cazul celorlalte sisteme;
3. datele conţinute sunt specifice asistării deciziilor;
4. datele nu se modifică în timp şi sunt destinate utilizatorilor finali;

38
5. performanţele se referă la integritate, confidenţialitate, siguranţă şi
timp de răspuns întrucât un număr mare de utilizatori introduc date
în sistem;
6. datele procesate sunt în seturi relativ mici, introduse recent şi
compact, astfel încât prelucrarea se face destul de rapid;
7. datele necesare acestora sunt în volum mare, stocate dispersat ceea
ce duce la o prelucrare mai lentă;
8. aceste organizări ale datelor sunt proiectate şi realizate pe baza unor
cerinţe cunoscute şi certe, modificările care intervin datorită
adaptării sistemului la schimbările intervenite reiau anumite faze
ale ciclului de viaţă. Dar odată implementate ele funcţionează
perioade lungi de timp fără modificări;
9. cerinţele pentru această organizare a datelor sunt cunoscute doar
parţial în momentul proiectării şi realizării lor, ceea ce obligă
adaptarea din mers cerinţelor;
10. reflectă de obicei fluxul datelor din activităţi curente;
11. sunt orientate pe subiecte cum ar fi de exemplu: resurse, produse,
clienţi, furnizori.

185. Structura datelor şi structura metadatelor pentru o bază de date multidimensională sunt
formate din:

A. dimensiune 1. ianuarie, februarie, …, decembrie


B. ierarhie 2. 12
C. set de membri ai subdimensiunii 3. Timp
D. subdimensiune 4. 4
E. număr de membri 5. Timp, an, semestru, trimestru, lună, dată
calendaristică
F. nivel 6. lună

186. Structura datelor şi structura metadatelor pentru o bază de date multidimensională sunt
formate din:

A. dimensiune 1. tara
B. ierarhie 2. Agentie
C. set de membri ai subdimensiunii 3. 4
D. subdimensiune 4. Agentie, tara, zona, agentie
E. număr de membri 5. 1
F. nivel 6. Romania, Ungaria, Ucraina, Bulgaria

187. Tehnologia OLAP se caracterizează prin:

A. perspectiva multidimensională a 1. presupune flexibilitatea exploatării acestei


datelor dimensiuni care este necesară pentru
comparaţii şi aprecieri de valoare în analizale

39
economice. Această dimensiune este luată de
obicei din calendarele tranzacţiilor
economice aşa cum se află în bazele de date
ale sistemului informatic al companiei;
B. capacitatea de calcul intensiv 2. posibilitatea de a integra multiplele aspecte
care caracterizează activitatea unei
întreprinderi şi care sunt considerate din
perspective multiple ca: timp, bani, produse;
C. orientare în timp (time intelligence) 3. prelucrarea într-un timp cât mai scurt a unui
volum mare de date.

188 Caracteristicile acţiunilor oferite de Data Mining sunt :

A. Clasificarea 1. poate duce la determinarea acelor obiecte care apar cel mai fecvent
împreună. Un exemplu este “analiza coşului gospodăriei” în evaluările
statistice;
B. Estimarea 2. poate clasa înregistrările luate în considerare în funcţie de un anumit
comportament sau o valoare viitoare estimată. De aceea se va recurge
la o colecţie de exemple care vizează date din trecut, în care valorile
variabilei de previzionat sunt deja cunoscute. Cu ajutorul lor se va
construi un model care va putea explica comportamentul observat;
C. Predicţia 3. are ca scop plasarea obiectelor prelucrate într-un grup limitat de clase
predefinite. De exemplu, vânzarea unui produs nou se poate încadra
într-una din următoarele categorii de risc: scăzut, mediu, ridicat;
D. Gruparea 4. va atribui o valoare unei variabile pe baza celorlalte date de intrare.
Rezultatele obţinute în urma aceste acţiuni sunt valori continue. Pentru
acest tip de prelucrări se pot utiliza reţelele neuronale.

189. În Data Mining se folosesc:

A. Căutarea dirijată 1. identifică relaţiile sau structurile din datele examinate fără a
asigura prioritate unui câmp sau a altuia;
B. Căutarea nedirijată 2. utilizează o tehnică aleatoare;
3. presupune că se ia în considerare un atribut sau un câmp, ale
cărui valori se explică prin celelalte câmpuri.

190. Sistemele informatice integrate economice au în compunere, în funcţie de nivelurile de


management ale organizaţiei, următoarele tipuri de sisteme informatice:

A. TPS 1. sisteme de automatizare a lucrărilor de birou;


B. OAS 2. sisteme informatice pentru asistarea deciziei;
C. KWS 3. sisteme informatice pentru procesarea tranzacţiilor;
D. DSS 4. sisteme informatice de sprijin al executivului;

40
E. MIS 5. sisteme informatice pentru management;
F. ESS 6. sisteme de lucru cu cunoştinţe.

Teste de tipul Adevărat/Fals (True/False):

191. Ca şi alte tipuri de sisteme informatice, SIAD-urile au ca bază un suport soft care le oferă
un mediu de întreţinere, dezvoltare şi funcţionalitate, ele funcţionând într-un mediu creat de
sisteme suport de asistare a deciziei (SSAD).

192. În procesul decizional, design-ul sau modul de concepere al procesului de asistare a


deciziei conţine subetapele de identificare a problemei, descompunerea ei, stabilirea
responsabilităţilor şi are ca rezultat descrierea formală a problemei, a categoriei din care aceasta
face parte şi a tuturor responsabilităţilor care decurg de aici.

193. Un sistem suport pentru SIAD (SSAD) este gestionat de un produs soft denumit sistemul de
gestiune al interfeţei cu utilizatorul (SGIU), format din programe speciale cum sunt: interfaţă
grafică (GUI), prezentarea datelor sub diverse forme (grafice, figuri, tabele), dialog cu
utilizatorul în diverse moduri şi altele.

194. Funcţionarea SIAD pe bază de modele se axează pe utilizarea modelelor pentru rezolvarea
unor probleme cu care sunt confruntaţi managerii, dacă aceste probleme pot fi parţial modelate.

195. Principala caracteristică a SIAD pe bază de modele este modelarea analitică.


196. Analiza decizională presupune ataşarea unor valori cunoscute (precise) pentru fiecare
alternativă şi care se vor înscrie într-un tabel sau un graf.

197. În analiza decizională, numărul de consecinţe trebuie să fie mai mare sau egal cu numărul
de criterii.

198. Simularea reprezintă o metodă descriptivă, deci nu există o procedură prin care să se
obţină o soluţie optimă.

199. Procesul de simulare prezintă şi dezavantaje cum este obţinerea soluţiei optime.

200. Soluţia finală obţinută prin programarea euristică poate fi un eşec sau un succes.

41