analiza ˘si evaluarea riscurilor ^ n economie ˘si...
TRANSCRIPT
![Page 1: Analiza ˘si evaluarea riscurilor ^ n economie ˘si ...cefair/files/analiza_si_evaluarea_riscurilor.pdf¸si cum ar fi peret¸i de stˆanc˘a). In 1193,ˆın cartea ”Carta Picena”](https://reader030.vdocuments.us/reader030/viewer/2022040423/5e16429519e9a0235227b37c/html5/thumbnails/1.jpg)
Analiza si evaluarea riscurilor ın economie si
informaticaPartea I
I. TOFAN
![Page 2: Analiza ˘si evaluarea riscurilor ^ n economie ˘si ...cefair/files/analiza_si_evaluarea_riscurilor.pdf¸si cum ar fi peret¸i de stˆanc˘a). In 1193,ˆın cartea ”Carta Picena”](https://reader030.vdocuments.us/reader030/viewer/2022040423/5e16429519e9a0235227b37c/html5/thumbnails/2.jpg)
1. Introducere
Din ”preistoria” teoriei riscurilor amintim cateva ipoteze aflate ın circulatie
si anume: cuvantul ”risc” - provine din limba castiliana;
- provine din limba d′Oc; - ısi are originea in spatiul bizantin; - provine
din cuvantul grecesc ”rizikon” ce apare ın scrierile lui Homer (atunci cand se
refera la calatoriile lui Ulise, anume la trecerea printre Scila si Caribda);
- poate fi identificat conceptual cu un termen provenit din vocabularul
maritim (mai exact, firmele maritime indicau drept ”situatie riscanta” pentru
o nava cazul cand aceasta trebuia sa despice valuri de tip vertical, temute ca
si cum ar fi pereti de stanca).
In 1193, ın cartea ”Carta Picena” apare cuvantul ”risicu” pentru a sugera
(ceea ce numim astazi) riscul asumat de personaje ale cartii. Totusi, termenul
de risc nu era utilizat (ca si ın ıntreg secolul al XII-lea) relativ la activitatile
comerciale ci, mai degraba, ın legatura cu cele politice sau juridice lucru ce
denota ca acest termen ınca nu se bucura de o totala penetrare sociala ci mai
mult de o difuzare a cuvantului ın sectoarele vietii civile.
Dimensiunea juridica a termenului de risc era folosita pentru a indica
posibilitatea aplicarii unei pedepse, ın timp ce la nivel politic termenul era
folosit pentru a descrie pericolele ce ar aparea ın cazul declansarii unui razboi.
Literatura, de inspiratie ”cortese” mai ales, foloseste cuvantul risc pentru
a indica punerea voluntara ın pericol a eroului sau a cavalerului luptator.
Abordarea termenului ”risc” nu poate fi desprinsa de contextul istoric al
epocii ın care este folosit. Acest aspect tine, de exemplu, de permeabilitatea
ıntre clasele sociale. In secolul XI multi comercianti erau, ınainte de toate,
luptatori, ce ısi ınsotesc marfurile si le aparau ımpotriva piratilor, iar alteori
au fost ei ınsisi jefuitori, atrasi de valorea prazilor. Ca atare, nu a existat
niciodata o delimitare neta ıntre comerciantii si razboinicii din secolul XI
si, ın consecinta nu este posibila o delimitare/identificare stricta a anumitor
tipuri de risc (riscuri specifice).
2
![Page 3: Analiza ˘si evaluarea riscurilor ^ n economie ˘si ...cefair/files/analiza_si_evaluarea_riscurilor.pdf¸si cum ar fi peret¸i de stˆanc˘a). In 1193,ˆın cartea ”Carta Picena”](https://reader030.vdocuments.us/reader030/viewer/2022040423/5e16429519e9a0235227b37c/html5/thumbnails/3.jpg)
Incepand cu secolul XIII clasele sociale par sa se distinga mult mai clar.
Pe de alta parte cariera mercantila s-a institutionalizat. In secolul al XIV-lea
”scoala comerciala” (unde se preda calculul aritmetic prin intermediul soco-
titoarei de lemn) s-a impus ca un tip de educatie de ”ciclu secund” pentru
fiii comerciantilor. Acestia nu mai ınsotesc marfurile lor si inventeaza ”ce-
dolele”, precursoarele contractelor actuale. Diverse texte aparute ın Italia ın
secolele XIII si XIV pun ın evidenta faptul ca raspandirea termenului de risc
se realizeaza prin intermediul comerciantilor, ce impun, de fapt, conceptul
de ”risc comercial”. In acelasi timp se contureaza specificitatea pericoleleor
asociate conflictelor sociale, altfel spus se distinge ”riscul social”.
In secolul al XVII-lea, termenul apare ın Franta legat tot de vocabularul
maritim. Termenul ramane utilizat cu precadere ın domeniul asigurarilor
maritime dar nu numai (ın 1670 ıl gasim utilizat si ın domeniul asigurarilor
de viata si de incendiu).
Conceptul de risc s-a dezvoltat apoi si s-a propagat ın timp pentru a
ajunge pana ın timpurile noastre.
Ce trebuie ınsa remarcat este faptul ca societatea a resimtit ınca din
timpuri ındepartate necesitatea de a cuantifica riscul.
Primele tentative ın acest sens apartin calugarului parizian Antoine Ar-
nould, confrate al lui Pascal, ce apartinea manastirii ”PortRoyale”. In 1662
a fost publicata, ın cadrul confreriei, o lucrare foarte importanta ”Logica,
sau arta gandirii”, fara a fi precizate ınsa numele autorilor. In aceasta lu-
crare este utilizat pentru prima data conceptul de ”dezvoltare statistica”
adica dezvoltarea unei ipoteze pornind de la o totalitate limitata de de fapte.
Acest concept poate fi considerat o prima tentativa ın construirea Teoriei
probabilitatilor. Citim ın aceiasi carte o afirmatie cruciala pentru defini-
rea riscului: ”frica de o dauna ar trebuie sa fie proportionala nu numai cu
gravitatea acesteia dar si cu probabilitatea evenimentului”.
O formulare mai precisa apare abia ın 1711 ın opera lui Abraham De-
3
![Page 4: Analiza ˘si evaluarea riscurilor ^ n economie ˘si ...cefair/files/analiza_si_evaluarea_riscurilor.pdf¸si cum ar fi peret¸i de stˆanc˘a). In 1193,ˆın cartea ”Carta Picena”](https://reader030.vdocuments.us/reader030/viewer/2022040423/5e16429519e9a0235227b37c/html5/thumbnails/4.jpg)
Moivre, ”De Mensura Sortis”, publicata ıntr-un numar din Philosophilcal
Transactions, revista apartinand Societatii Regale.
In aceasta lucrare apare ın premiera o definitie a riscului ınteles ca posibi-
litate de pierdere: ”riscul de a pierde o suma oarecare este opusul asteptarii
si adevarata masura a riscului este produsul dintre suma riscata si probabi-
litatea de a o pierde”.
Cateva decade mai tarziu, ın 1780, termenului de risc i se atribuie un
sens abstract si general ın operele lui Condorcet si, respectiv, Tetens, opere
apartinand domeniului economic.
In acceptiune comuna se tinde a confunda termenul de ”risc” cu cel de
”incertitudine”, asociind ambilor incapacitatea umana de a prevedea evolutia
viitoarea a evenimentelor.
Doctrina stiintifica, dimpotriva, a sustinut adeseori existenta unei mari
diferente ıntre cei doi termeni, unul dintre cei mai recunoscuti sustinatori ai
acestei distinctii fiind F. Knight.
Dupa parerea acestuia, conditiile de incertitudine se realizeaza de fiecare
data cand operatorul se gaseste ın fata unor evenimente irepetabile, ale caror
rezultate posibile se cunosc, dar nu se cunosc respectivele distributii de pro-
babilitate, iar situatiile de risc, se realizeaza ın prezenta unor evenimente care
pot fi considerate repetabile ın aceleasi conditii, de aceea urmarind un numar
mare de probe, se poate defini distributia frecventelor rezultatelor posibile.
Schema statistica a observatiilor experimentale ın aceste cazuri, poate fi
considerata valabila pentru a defini probabilitatea de verificare a evenimen-
telor singulare.
Analiza continutului conceptului de risc conduce la faptul ca acesta poate
fi vazut ca o cantitate multidimensionala care include:
- probabilitatea evenimentului;
- consecintele asociate evenimentului;
- consecinta semnificativa;
4
![Page 5: Analiza ˘si evaluarea riscurilor ^ n economie ˘si ...cefair/files/analiza_si_evaluarea_riscurilor.pdf¸si cum ar fi peret¸i de stˆanc˘a). In 1193,ˆın cartea ”Carta Picena”](https://reader030.vdocuments.us/reader030/viewer/2022040423/5e16429519e9a0235227b37c/html5/thumbnails/5.jpg)
- populatia expusa pericolului; aceasta observatie conducand la o even-
tuala formula de cuantificare a riscului.
Remarcam si ca definitia actuala data conceptului de risc, prezenta ın
dictionare ıi releva conotatiile negative si se refera la posibilitatea aparitiei
unor evenimente nedorite, cu impact negativ. Detalierile conduc la diverse
categorii mari (cu diviziunile respective) cum ar fi: riscuri tehnologice (nu-
cleare, chimice,etc.), riscuri naturale (seismice, vulcanice, etc.), riscuri eco-
nomice, financiare, informatice, etc. Fiecare caz ın parte, alaturi de formulele
generale ce i se pot aplica, presupune metode specifice de evaluare, monito-
rizare si control.
O continuare a discutiei presupune distingerea ıntre incertitudine masu-
rabila si, respectiv nemasurabila precum si incursiuni ın teoria informatiei
utilizand clasificari de genul: informatii cantitative/calitative; metrice/per-
ceptionale, etc.
Vom ıncepe prin a preciza ca ın teoria clasica a multimilor se pleaca si de
la urmatoarele premise:
- prin obiect se ıntelege ceea ce este sau poate fi cunoscut (la nivel ”fizic”
sau la nivel ”ideal”);
- prin multime se ıntelege o colectie de obiecte (numite elementele multimii)
bine determinate, considerate ca o enitate (notam multimile prin A,B, . . .).
- un obiect a capata ”calitatea” de a fi element prin constientizarea fap-
tului ca face parte dintr-o multime (A) (notam a ∈ A).A da o multime ınseamna fie a enumera elementele sale (posibil ın cazul
ın care numarul acestora este finit) fie a preciza o proprietate caracteristica
(pe care o au elementele multimii respective si numai acestea). Pentru cea
de a doua varianta ın general, se accepta ca, pentru un domeniu ın discutie
exista o multime U (numita multime universala - a respectivului domeniu) ce
contine obiectele de interes pentru acesta. Atunci formularea x ∈ U ∣P (x)semnifica multimea elementelor din U ce satisfac proprietatea P .
5
![Page 6: Analiza ˘si evaluarea riscurilor ^ n economie ˘si ...cefair/files/analiza_si_evaluarea_riscurilor.pdf¸si cum ar fi peret¸i de stˆanc˘a). In 1193,ˆın cartea ”Carta Picena”](https://reader030.vdocuments.us/reader030/viewer/2022040423/5e16429519e9a0235227b37c/html5/thumbnails/6.jpg)
In descrierea sistemelor concrete ale lumii reale, a sistemelor abstracte
cat si a relatiilor dintre sisteme se utilizeaza notiuni (obiecte sau prorietati)
si predicate (relatii ıntre notiuni).
Conceptul de proprietate ce apare ın formularile anterioare este intrinsec
legat de cel de informatie.
Din punctul de vedere al acestei conexiuni distingem
- informatii:
- obtinute prin masurare;
- perceptionale;
- informatii:
- exacte;
- aproximative;
- informatii:
- cantitative;
- calitative.
In fine putem avea si urmatoarea clasificare
- informatii:
- declarative (date, fapte);
- procedurale (reguli, strategii);
- structurale (organizare, relatii ıntre concepte);
- metainformatii (logica asociata).
6
![Page 7: Analiza ˘si evaluarea riscurilor ^ n economie ˘si ...cefair/files/analiza_si_evaluarea_riscurilor.pdf¸si cum ar fi peret¸i de stˆanc˘a). In 1193,ˆın cartea ”Carta Picena”](https://reader030.vdocuments.us/reader030/viewer/2022040423/5e16429519e9a0235227b37c/html5/thumbnails/7.jpg)
Detaliind unele aspecte remarcam urmatoarele:
i) informatiile pot fi de natura metrica (de exemplu, ınaltimea unui ar-
bore), informatii quasimetrice (de exemplu, arbore ınalt), informatii per-
ceptionale (de exemplu, frumos sau (si) arbore ınalt);
Informatiile de natura metrica pot fi, la randul lor, informatii perfect
determinabile sau (nu ın mod disjunctiv) informatii de natura probabilista.
In ceea ce priveste informatiile quasimetrice este necesara stabilirea unor
multimi de valori acceptabile ce depind de context, de exemplu, pentru arbore
ınalt [15m,20m] sau pentru om ınalt [1,80m,2m]) precum si a unor grade de
”preferinta” pentru valorile numerice punctuale considerate. Remarcam si ca
informatiile de natura metrica conduc de obicei la informatii quasimetrice (de
exemplu, ”temperatura” sau ”ınaltimea unui arbore” sunt informatii metrice,
ın timp ce ”temperatura mare”, ”arbore ınalt” sunt informatii quasimetrice).
Acestea din urma pot fi clasificate si ca informatii perceptionale.
ii) informatiile obtinute prin masuratori au un corespondent perceptional
(de exemplu, ”x are 30 ani” ”x este tanar”, sau ”afaraa sunt 30” ”Este
cald”). Reciproca nu este ınsa ıntotdeauna adevarata;
iii) putem avea informatii derivate (obtinute prin adaugarea de atribute
(de exemplu, ınalt foarte ınalt)) fapt ce poate fi interpretat si ca o rafinare
a informatiilor.
Se constata ın legatura cu informatia atat sub aspectul de ”concept” cat
si sub cel de ”predicat” prezenta incertitudinii (anterior a aparut ın sintagma
”grad de preferinta”). Aceasta se gaseste ın relatie directa cu ıncrederea (mai
exact cu lipsa de ıncredere) ın informatia obtinuta (dependenta de sursa, de
modul de obtinere, etc.) si cu precizia continutului informatiei. Distingem:
- incertitudinea ce rezulta drept consecinta a cunoasterii incomplete a
modului de functionare a sistemelor abstracte sau concrete si se refera ın
mod special la fenomenele dinamice;
- imprecizia ce rezulta din limbaj sau are un sens mai concret legat de
7
![Page 8: Analiza ˘si evaluarea riscurilor ^ n economie ˘si ...cefair/files/analiza_si_evaluarea_riscurilor.pdf¸si cum ar fi peret¸i de stˆanc˘a). In 1193,ˆın cartea ”Carta Picena”](https://reader030.vdocuments.us/reader030/viewer/2022040423/5e16429519e9a0235227b37c/html5/thumbnails/8.jpg)
procesul de masurare;
- ”vagul” referitor la notiuni (sursele sale pot fi: limbajul, modul uman
de gandire, un tip de indeterminism aprioric).
Reamintim ca ın matematica traditionala (clasica) pentru ”a da multimi”
se folosesc doar proprietati perfect determinabile (pentru care se poate ras-
punde ın mod fara echivoc daca un obiect satisface sau nu aceasta propri-
etate). Decurge aceasta si din logica bivalenta ca ”temei” al matematicii
clasice.
Rezulta imediat ca un pot intra ın discutie proprietatile quasimetrice sau
perceptionale limitandu-se astfel posibilitatile de modelare a realitatii.
O largire relativa a campului de actiune al matematicii este adusa de
teoria aproximarii si de teoria probabilitatilor. Dar modul uman de a gandi
este mult mai nuantat si permite inferente cu notiuni cu sens vag, imprecis
si accepta cu naturalete proprietati quasimetrice sau necuantificabile.
Pentru a putea modela matematic astfel de situatii se impune largirea
acceptiunii notiunii de apartenenta, anume prin introducerea unei tranzitii
graduale de la apartenenta la ne-apartenenta. Aceasta se poate realiza in-
dicand o ”functie de apartenenta” (cu valori ın intervalul [0,1]). Atunci,
de exemplu, pentru cazul proprietatii ”numar mare capata sens asertiunea
ca un numar ”merita” eticheta de ”numar mare” ıntr-o masura mai mare
(sau mai mica) decat altul. Mai mult se va putea vorbi ulterior de multimea
numerelor ce pot fi considerate ”numere mari” ıntr-un anumit grad.
Revenind la cazul clasic amintim si ca data o submultime A0 ⊆ A (spunem
ca A0 ⊆ A daca ∀a ∈ A0, a ∈ A) aceasta este perfect determinata de asa
numita ”functie caracteriastica” a sa φA0 ∶ A→ 0,1, φA0(x) =⎧⎪⎪⎪⎨⎪⎪⎪⎩
1, x ∈ A0
0, in rest.
Ulterior 0,1 va fi ınlocuita cu [0,1] ın spiritul celor anterioare.
Acceptam si existenta multimii vide (notate ∅).Amintim si ca se noteaza
cu P(A) = A0∣A0 ⊆ A si ca vom lucra cu submultimi ale unei multimi
8
![Page 9: Analiza ˘si evaluarea riscurilor ^ n economie ˘si ...cefair/files/analiza_si_evaluarea_riscurilor.pdf¸si cum ar fi peret¸i de stˆanc˘a). In 1193,ˆın cartea ”Carta Picena”](https://reader030.vdocuments.us/reader030/viewer/2022040423/5e16429519e9a0235227b37c/html5/thumbnails/9.jpg)
(multime universala).
Fie U o multime (universala) si A,B . . . ⊆ U Se definesc
- reuniunea A ∪B = x ∈ U ∣x ∈ A sau x ∈ B;- intersectia A ∩B = x ∈ U ∣x ∈ A si x ∈ B;- complementul A = x ∈ U ∣x ∉ A;- diferenta A/B = A ∩B;
- diferenta simetrica AB = (A/B) ∪ (B/A);- implicatia A→ B = A ∪B;
- echivalenta A↔ B = (A→ B) ∩ (B → A) = AB;
- produsul cartezian A ×B = (a, b)∣a ∈ A, b ∈ B.Utilizand functiile caracteristice vom avea:
φA ∶ U → 0,1, φB ∶ U → 0,1
φA∪B ∶ U → 0,1, φA∪B(x) =maxφA(x), φB(x)
φA∩B ∶ U → 0,1, φA∩B(x) =minφA(x), φB(x);
φA ∶ U → 0,1, φA(x) = 1 − φA(x),
9
![Page 10: Analiza ˘si evaluarea riscurilor ^ n economie ˘si ...cefair/files/analiza_si_evaluarea_riscurilor.pdf¸si cum ar fi peret¸i de stˆanc˘a). In 1193,ˆın cartea ”Carta Picena”](https://reader030.vdocuments.us/reader030/viewer/2022040423/5e16429519e9a0235227b37c/html5/thumbnails/10.jpg)
2. Multimi nuantate (fuzzy)
Definitie: Prin multime fuzzy (sau multime nuantata) se ıntelege o
multime de perechi (x,µx) unde x este un obiect, iar µx este un numar
din intervalul [0,1].
Observatie: Notand prin U multimea obiectelor precizate anterior se
obtine µ ∶ U → [0,1], µ(x) = µx. Se ajunge la:
Definitie: Numim multime fuzzy (de univers U) un cuplu (U,µ), undeU este o multime nevida si µ ∶ U → [0,1] este o aplicatie.
µ mai poarta numele de submultime fuzzy a lui U , iar µ(x) poate fi
interpretat drept gradul de apartenenta al elementului x la submultimea
determinata de µ.
Exemple: i) Multimea (fuzzy) a arborilor (..putin, foarte..) ınalti: ac-
ceptand o clasificare de tipul .. arbore ınalt, arbore foarte ınalt.. si faptul ca
un arbore poate fi considerat, de exemplu, ınalt (foarte ınalt) cu diverse grade
de acceptare, daca ınaltimea sa h satisface 30m < h < 30m (25m < h < 35m),
atunci notand A multimea arborilor putem considera
.................
µınalt ∶ A→ [0,1]
µfoarte ınalt ∶ A→ [0,1]
..............
date de
10
![Page 11: Analiza ˘si evaluarea riscurilor ^ n economie ˘si ...cefair/files/analiza_si_evaluarea_riscurilor.pdf¸si cum ar fi peret¸i de stˆanc˘a). In 1193,ˆın cartea ”Carta Picena”](https://reader030.vdocuments.us/reader030/viewer/2022040423/5e16429519e9a0235227b37c/html5/thumbnails/11.jpg)
5 10 15 20 25 30 35 40
mminalt
foarte inalt1
De exemplu, daca h este de 22,5 m, atunci gradul de apartenenta la
multimea arborilor ınalti este de 0.5.
Mentionam ca ın loc de triunghiuri putem utiliza, de exemplu, ”clopotul
lui Gauss”.
ii) Pentru calculul impozitelor ın concordanta cu veniturile se utlizeaza
de obicei un model tip ”functie scara”:
- venituri cuprinse ıntre 5001 si 20000 un impozit de 15%;
- pentru intervalul [20001,40000] un impozit 17%; etc.
Rezulta ca ar fi mai convenabil un venit de 20000 (impozit de 3000) ın
loc de 20200 (impozit de 3439).
Mai aproape de realitate este un model fuzzy: presupunem ca de la 500000
impozitul va fi de 35%.
Consideram µ ∶ [0,∞)→ [0,1]
µ(x) =
⎧⎪⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎪⎩
0, 0 ≤ x ≤ 5000x−5000
500000−5000 , 5000 < x < 500000
1, x ≥ 500000.
Apoi, pentru un venit ın valoare de x, impozitul va fi de 0,35.µ(x)%.
S-a obtinut un model de tipul
µ(x) =
⎧⎪⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎪⎩
0, x ≤mx −mM −m
, m < x <M
1, x ≥M
11
![Page 12: Analiza ˘si evaluarea riscurilor ^ n economie ˘si ...cefair/files/analiza_si_evaluarea_riscurilor.pdf¸si cum ar fi peret¸i de stˆanc˘a). In 1193,ˆın cartea ”Carta Picena”](https://reader030.vdocuments.us/reader030/viewer/2022040423/5e16429519e9a0235227b37c/html5/thumbnails/12.jpg)
unde m,M un o interpretare similara aceleia din exemplul anterior.
Alt model utilizat pentru indicatori ai dezvoltarii umane pleaca de la
µ(x) = 1
1 + e−a(x−b)
unde valoarile pentru a si b individualizeaza indicatorii.
Definitie: µ∅ ∈ F(U) definita de µ∅(x) = 0, ∀x ∈ U se numeste submultime
fuzzy vida a lui U . Mai notam prin ϕ.
Observatie: µU ∶ U → [0,1], µU(x) = 1, ∀x ∈ U poate fi numita si
submultime fuzzy totala a lui U . Mai notam prin U .
Notam cu F(U) familia tuturor submultimilor fuzzy ale lui U .
Observatie: Pentru orice H ⊆ U , functia φH ∶ U → 0,1 poate fi
interpretata ca avand codomeniul [0,1] si prin aceasta identificare rezulta
P(U) ⊆ F(U).Definitie:
i) Pentru µ, τ ∈ F(U), se spune ca µ este inclus ın τ , si scriem µ ⊆ τ, dacaµ(x) ≤ τ(x), ∀x ∈ U.
ii) Pentru µ, τ ∈ F(U), numim reuniune a submultimilor fuzzy µ si τ :
µ⊍ τ ∶ U → [0,1], (µ⊍ τ)(x) =maxµ(x), τ(x).
iii) Pentru µ, τ ∈ F(U), numim intersectie a submultimilor fuzzy µ si τ :
µ⩀ τ ∶ U → [0,1], (µ⩀ τ)(x) =minµ(x), τ(x).
iv) Pentru µ ∈ F(U), numim complement a lui µ submultimea fuzzy µ′ ∈F(U) asa ıncat µ′(x) = 1 − µ(x), ∀x ∈ U.
12
![Page 13: Analiza ˘si evaluarea riscurilor ^ n economie ˘si ...cefair/files/analiza_si_evaluarea_riscurilor.pdf¸si cum ar fi peret¸i de stˆanc˘a). In 1193,ˆın cartea ”Carta Picena”](https://reader030.vdocuments.us/reader030/viewer/2022040423/5e16429519e9a0235227b37c/html5/thumbnails/13.jpg)
Observatie:
Pot fi definite si alte operatii ın F(U):”+”, data de µ + τ ∶ U → [0,1],
(µ + τ)(x) = µ(x) + τ(x) − µ(x)τ(x);
”⋅”, data de µ ⋅ τ ∶ U → [0,1],
(µ ⋅ τ)(x) = µ(x)τ(x);
”⊕”, data de µ⊕ τ ∶ U → [0,1],
(µ⊕ τ)(x) =min1, µ(x) + τ(x);
”⊙”, data de µ⊙ τ ∶ U → [0,1],
(µ⊙ τ)(x) =max0, µ(x) + τ(x) − 1.
Vom nota ın mod generic prin ∩t operatiile ⩀, ⋅ si ⊙, respectiv prin ∪toperatiile (corespondente) ⊍, +, ⊕.
In mod corespunzator se introduc operatiile derivate, de exemplu:
µt− η ∶ U → [0,1], µ t− η = µ ∩t η;
µtÐ→ η ∶ U → [0,1], µ tÐ→ η = µ ∪t η.
Definitie: Prin relatie fuzzy ıntre multimileX si Y se ıntelege o submultime
fuzzy a produsului cartezian X ×Y. In cazul ın care X = Y, se obtine o relatie
fuzzy pe X.
Daca ρ ∶ X × Y → [0,1], atunci ρ−1 ∶ Y ×X → [0,1], ρ−1(y, x) = ρ(x, y)este numita inversa relatiei fuzzy ρ.
Definitie: O relatie fuzzy ρ pe (X,µ) este numita:
i) relatie fuzzy reflexiva daca ρ(x,x) = µ(x),∀x ∈X;
13
![Page 14: Analiza ˘si evaluarea riscurilor ^ n economie ˘si ...cefair/files/analiza_si_evaluarea_riscurilor.pdf¸si cum ar fi peret¸i de stˆanc˘a). In 1193,ˆın cartea ”Carta Picena”](https://reader030.vdocuments.us/reader030/viewer/2022040423/5e16429519e9a0235227b37c/html5/thumbnails/14.jpg)
ii) relatie fuzzy s-reflexiva daca ρ(x,x) = 1, ∀x ∈X;
iii) relatie fuzzy simetrica daca ρ(x, y) = ρ(y, x), pentru orice x, y ∈X;
iv) relatie fuzzy antisimetrica daca x ≠ y ⇒ ρ(x, y) ≠ ρ(y, x) sau ρ(x, y) =ρ(y, x) = 0, pentru orice x, y ∈X.
v) relatie fuzzy z-tranzitiva daca, pentru orice x, z ∈X avem
ρ(x, z) ≥ supy∈Xminρ(x, y), ρ(y, z),
In cazul tranzitivitatii se mai utilizeaza si alte variante: ρ este numita
relatie fuzzy w-tranzitiva daca ρ(x, y) ≥ supy∈Xmax0, ρ(x, y) + ρ(y, z) − 1,etc.
Definitie: O relatie fuzzy s-reflexiva, simetrica si z-transitiva mai este
numita relatie fuzzy de similitudine.
In unele lucrari s-reflexivitatea este ınlocuita cu reflexivitatea ceea ce
duce la invalidarea unora dintre proprietatile relatiilor respective.
Exemplu: daca X = [0,∞), ρ ∶X ×X → [0,1]
ρ(x, y) =⎧⎪⎪⎪⎨⎪⎪⎪⎩
1, daca x = y;
e−maxx,y, daca x ≠ y;
este o relatie de similitudine.
Propozitie. Relatia ρ ∶X ×X → [0,1] este o relatie de similutudine daca
si numai daca ∀α ∈ [0,1], ρ(X ×X)α este o relatie de echivalenta pe X.
14
![Page 15: Analiza ˘si evaluarea riscurilor ^ n economie ˘si ...cefair/files/analiza_si_evaluarea_riscurilor.pdf¸si cum ar fi peret¸i de stˆanc˘a). In 1193,ˆın cartea ”Carta Picena”](https://reader030.vdocuments.us/reader030/viewer/2022040423/5e16429519e9a0235227b37c/html5/thumbnails/15.jpg)
3. Numere nuantate (fuzzy)
Puternica proliferare a aplicatiilor potenteaza interesul pentru studiul nu-
merelor fuzzy ınca suficient aprofundate din punct de vedere teoretic. Vom
prezenta pe scurt problemele principale relative la numere fuzzy.
Definitie: Numim numar fuzzy o aplicate µ ∶ R → [0,1] (unde R este
multimea numerelor reale) convexa, asa ıncat:
i) exista xµ ∈ R astfel ıncat µ(xµ) = 1;
ii) multimea x∣µ(x) ≠ 0 este marginita.
Pentru orice r ∈ R, aplicatia
r ∶ R→ [0,1], r(x) =⎧⎪⎪⎪⎨⎪⎪⎪⎩
1, daca x = r;
0, ın caz contrar,
este numit numar fuzzy degenerat.
De obicei, se utilizeaza numere fuzzy de tipul urmator:
(∗) µ(x) =
⎧⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎩
0, daca x < a
π1(x), daca x ∈ [a, b)
1, daca x ∈ [b, c];
π2(x), daca x ∈ (c, d]
0, daca x > d
unde a ≤ b ≤ c ≤ d sunt numere reale si π1, π2 ∶ R→ R sunt astfel ınca conditiile
cerute de definitie sunt satisfacute.
Daca π1(x) = x−ab−a , π2(x) = d−x
d−c , µ este numit numar fuzzy trapezoidal si
daca, ın plus, b = c, µ este numit numar fuzzy triunghiular. Notam cu (a, b, c)un numar fuzzy triunghiular.
15
![Page 16: Analiza ˘si evaluarea riscurilor ^ n economie ˘si ...cefair/files/analiza_si_evaluarea_riscurilor.pdf¸si cum ar fi peret¸i de stˆanc˘a). In 1193,ˆın cartea ”Carta Picena”](https://reader030.vdocuments.us/reader030/viewer/2022040423/5e16429519e9a0235227b37c/html5/thumbnails/16.jpg)
Semnificatia numerelor a, b, c poate fi:
a(b)=cea mai mica (mare) valoare posibila;
c=cea mai probabila valoare.
Diferenta c − a poate fi interpretata drept ”cantitatea de incertitudine”
continuta de numarul fuzzy triunghiular (a, b, c).Mai mult, pentru (a, b, c), b − a respectiv c− b reprezinta, indeterminarea
(incertitudinea) la stanga respectiv dreapta. Notand λ = b − a, ρ = c − bobtinem o noua reprezentare a numerelor fuzzy triunghiulare, anume (b, λ, ρ).Pentru (a, b, c), λ = b−a, ρ = c−b si din (b, λ, ρ) obtinem reprezentarea (a, b, c)unde a = b − λ, c = b + ρ.
In problema ordonarii numerelor fuzzy (ın cazul numerelor fuzzy triun-
ghiulare), asociem numarului A = (a, b, c) fuzzy un numar dat de
A = ka + 2(2 − k)b + kc4
(k ∈ N)
Atunci A ≼ B daca:
c1 ≤ a2,
sau a2 ≤ c1, dar A < B,
sau a2 ≤ c1, A = B, dar b1 < b2,
sau a2 = c1, A = B, b1 = b2 dar c1 − a1 < c2 − a2.
De exemplu, fie A1 = (−2,3,5), A2 = (−1,3,7), A3 = (0,2,8), A4 =(−1,3,5), A5 = (−2,3,8), A6 = (1,2,7). Avem (pentru k = 1),
A1 =9
4, A2 = 3, A3 = 3, A4 =
5
2, A5 = 3, A6 = 3
deci
A3 ≼ A1 ≼ A4 ≼ A6 ≼ A5 ≼ A2.
16
![Page 17: Analiza ˘si evaluarea riscurilor ^ n economie ˘si ...cefair/files/analiza_si_evaluarea_riscurilor.pdf¸si cum ar fi peret¸i de stˆanc˘a). In 1193,ˆın cartea ”Carta Picena”](https://reader030.vdocuments.us/reader030/viewer/2022040423/5e16429519e9a0235227b37c/html5/thumbnails/17.jpg)
In legatura cu operatiile cu numere fuzzy definim:
(a, λ, ρ)⊕ (b, λ′, ρ′) = (a + b,maxλ,λ′,maxρ, ρ′);
(a,λ, ρ)⊙ (b, λ′, ρ′) = (ab,maxλ,λ′,maxρ, ρ′)
si relatia ”∼” data de
(a, λ, ρ) ∼ (b, λ′, ρ′)daca⎧⎪⎪⎪⎨⎪⎪⎪⎩
a = b
λ − λ′ = ρ − ρ′.
Se obtine ca
(i) ⊕,⊙ sunt comutative si asociative;
(ii) ⊙ este distributiva ın relatie cu ⊕;
(iii) (0,0,0) este element neutru relativ la ⊕; (1,0,0) este element neutru
relativ la ⊙;
(iv) (a, λ, ρ)⊕ (−a, ρ, λ) ∼ (0,0,0); daca a ≠ 0 (a, λ, ρ)⊙ ( 1a , ρ, λ) ∼ (1,0,0);
(v) ”∼” este relatie de echivalenta pe Rt.
17
![Page 18: Analiza ˘si evaluarea riscurilor ^ n economie ˘si ...cefair/files/analiza_si_evaluarea_riscurilor.pdf¸si cum ar fi peret¸i de stˆanc˘a). In 1193,ˆın cartea ”Carta Picena”](https://reader030.vdocuments.us/reader030/viewer/2022040423/5e16429519e9a0235227b37c/html5/thumbnails/18.jpg)
4. Probabilitati nuantate (fuzzy) si aplicatii
In cazul clasic fie Ω ≠ ∅.Definitie: Prin camp de evenimente (relativ la Ω) se ıntelege K ⊆ P(Ω)
asa ıncat:
i) Ω ∈K;
ii) A,B ∈K ⇒ A ∪B ∈K;
iii) A ∈K ⇒ A ∈K.
Observatie: Fie K un camp de evenimente. Avem:
i) A,B ∈K ⇒ A ∩B ∈K;
ii) A,B ∈K ⇒ A/B ∈K;
iii) A,B ∈K ⇒ A→ B ∈K;
iv) A,B ∈K ⇒ AB ∈K;
v) A,B ∈K ⇒ A↔ B ∈K;
vi) ∅ ∈K.
Fie K un camp de evenimente.
Definitie: Prin probabilitate pe K se ıntelege P ∶K → [0,1] astfel ıncat:
i) P (Ω) = 1;
ii) A ∩B = ∅⇒ P (A ∪B) = P (A) + P (B).
Observatie: Avem:
i) P (∅) = 0;
18
![Page 19: Analiza ˘si evaluarea riscurilor ^ n economie ˘si ...cefair/files/analiza_si_evaluarea_riscurilor.pdf¸si cum ar fi peret¸i de stˆanc˘a). In 1193,ˆın cartea ”Carta Picena”](https://reader030.vdocuments.us/reader030/viewer/2022040423/5e16429519e9a0235227b37c/html5/thumbnails/19.jpg)
ii) P (A) = 1 − P (A);
iii) P (A/B) = P (A) − P (A ∩B);
iv) P (A ∩B) + P (A ∪B) = P (A) + P (B);
v) P (A→ B) = 1 − P (A) + P (A ∩B);
vi) P (A) + P (A→ B) = P (B) + P (B → A).
Observatie: Daca P ∶ K → [0,1] satisface P (∅) = 0, P (Ω) = 1, atunciii), (din definitie) si vi) (din observatie) sunt echivalente.
In cazul fuzzy fie Ω ≠ ∅ si F(Ω) si ∩t,∪t fixate.Prin camp de evenimente fuzzy se ıntelege K ⊆ F(Ω) asa ıncat:
i) Ω ∈K
ii) µ, η ∈K ⇒ µ⋃t η ∈K;
iii) µ ∈K ⇒ µ ∈K.
Observatie: Avem:
i) ϕ ∈K;
ii) µ, η ∈K ⇒ µ⋂t η ∈K; µt− η ∈K, µ
t→ η ∈K;
iii) (µ ∈K ⇒ µ ∈K)⇔ (µ, η ∈K ⇒ µt− η ∈K)⇔ (µ, η ∈K ⇒ µ
t→ η ∈K).
Fie K un camp de evenimente fuzzy.
Definitie: Prin probabilitate pe K se ıntelege P ∶K → [0,1] asa ıncat
i) P (Ω) = 1
ii) µ⋂t η = ϕ⇒ P (µ⋃t η) = P (µ) + P (η).
19
![Page 20: Analiza ˘si evaluarea riscurilor ^ n economie ˘si ...cefair/files/analiza_si_evaluarea_riscurilor.pdf¸si cum ar fi peret¸i de stˆanc˘a). In 1193,ˆın cartea ”Carta Picena”](https://reader030.vdocuments.us/reader030/viewer/2022040423/5e16429519e9a0235227b37c/html5/thumbnails/20.jpg)
In cazul cuplului ⩀,⊍, presupunand ca µ, η ∈ K ⇒ µ⩀η ∈ K, vom nota
P (µ/η) = P (µ⩀ η)/P (η)(P (η) ≠ 0).
Propozitie:
P (µ/η) = P (µ)P (η/µ)P (µ)P (η/µ) + P (η)P (µ/η)
.
Propozitie: Daca µ1, . . . , µn ∈K si µi⩀µj = ∅ pentru orice i ≠ j, atunciP (µ1⋃t, . . . ,⋃t µn) = P (µ1) + . . . + P (µn).
Urmatorul pas consta ın ınlocuirea intervalului [0,1] (ın definitia proba-
biliatii) cu
It = (a, λ, ρ) ∈ Rt/λ ≤ a, ρ ≤ 1 − a, a ∈ [0,1].
Observatie: Daca (a, λ, ρ) este asa ıncat a ∈ [0,1], atunci exista (a′, λ′, ρ′) ∈It asa ıncat (a,λ, ρ) ∼ (a′, λ′, ρ′).
Fie K un camp de evenimente fuzzy.
Definitie: Prin probabilitate pe K se ıntelege P ∶K → It asa ıncat
i) P (ϕ) = 0;
ii) µ⋂t η = ϕ⇒ P (µ⋃t η) ∼ P (µ)⊕ P (η);
iii) Daca P (µ) = (α,λ, ρ) atunci P (µ) = (1 − a, ρ, λ).
Obsevatie: Pentru a obtine mai multe proprietati ii), poate fi ınlocuita
prin ii′) P (µ)⊕ P (η) ∼ P (µ⋂t η) ⊞ P (µ⋃t η).O alta posibilitate consta ın considerarea operatiilor:
(a, λ, ρ)+(a′, λ′, ρ′) = (a+ a′ − aa′, a+ a′ − aa′ −maxa+λ, a′ +λ′,mina+ρ + a′ + ρ′,1 − a − a′ + aa′)(a, λ, ρ)⋅(a′, λ′, ρ) = (aa′, aa′−maxa−λ+a′−λ′−1,0mina+ρ, a′+ρ′−aa′)Pentru cazul scrierii (a, b, c) (a ≤ b ≤ c), operatiile devin
(a, b, c)+(a′, b′, c′) = (maxa, a′, b + b′ − bb′,minc + c′,1)
20
![Page 21: Analiza ˘si evaluarea riscurilor ^ n economie ˘si ...cefair/files/analiza_si_evaluarea_riscurilor.pdf¸si cum ar fi peret¸i de stˆanc˘a). In 1193,ˆın cartea ”Carta Picena”](https://reader030.vdocuments.us/reader030/viewer/2022040423/5e16429519e9a0235227b37c/html5/thumbnails/21.jpg)
(a, b, c)⋅(a′, b′, c′) = (maxa + a′ − 1,0, bb′,minc, c′).
Observatie:
0 ≤maxa, a′ ≤ b + b′ − bb′ ≤minc + c′,1 ≤ 1
0 ≤maxa + a′ − 1,0 ≤ bb′ ≤minc, c′ ≤ 11.
Putem atunci propune:
Definitie: Prin probabilitate fuzzy se ıntelege P ∶K → It asa ıncat
i) P (Ω) = (1,1,1), P (ϕ) = (0,0,0);
ii) P (µ)+P (η) = P (µ⋂t η)+P (µ⋃t η);
iii) µ ≤ η, P (µ) ≲ P (η).
In final vom prezenta doua aplicatii:
1. Introducerea jocurilor fuzzy are ın vedere faptul ca, ın general, informatiile
utilizate de jucatori ın luarea deciziilor sunt ın cea mai mare parte de na-
tura perceptionala (cunoastere de natura euristica). Pentru exemplificare
consideram jocurile de 2 persoane.
Precizam ıntai ca prin matrice fuzzy se ıntelege o matrice cu elemen-
tele numere fuzzy operatiile cu matrice fiind cele ce deriva din operatiile cu
numere fuzzy definite anterior.
Fie un joc de doua persoane, ne-cooperativ. Notam jucatorii cu G1,G2 si
multimile corespunzatoare de strategii X = x1, . . . , xm si Y = y1, . . . , yn.Presupunem ca oricare dintre strategii poate fi utilizata ıntr-un procent
cuprins ıntre 0% si 100% Intrucat modul uman de a gandi foloseste cu
predilectie atribute lingvistice consideram A = a1, . . . , ak (multime de atri-
bute lingvistice) reprezentate de µ1, . . . , µk (asa ıncat pentru orice x ∈ [0,100]exista cel mult doua µi, µj, (i ≠ j) pentru care µi(x) ≠ 0 ≠ µj(x). De exemplu,
ın cazul A = mic,mediu,mare putem avea
21
![Page 22: Analiza ˘si evaluarea riscurilor ^ n economie ˘si ...cefair/files/analiza_si_evaluarea_riscurilor.pdf¸si cum ar fi peret¸i de stˆanc˘a). In 1193,ˆın cartea ”Carta Picena”](https://reader030.vdocuments.us/reader030/viewer/2022040423/5e16429519e9a0235227b37c/html5/thumbnails/22.jpg)
mic mediu mare
1
50 1001
Pentru orice pereche (xi, ak), (yj, ah)G1 siG2 se stabilesc indici de preferinta
(numere ıntre 0 si 1) H(ℓ,h)1(i,j) si respectiv H
(ℓ,h)2(i,j).
Fie strategiile xi, yi utilizate ın procent de x respectiv y.
Practic se obtine o rafinare (se obtin strategii noi) anume xi(x), yj(y).Pentru x(y) exista cel mult doua µp, µq pentru care µp(x) ≠ 0 ≠ µq(x)
(respectiv µr, µs pentru care µr(y) ≠ 0 ≠ µs(y)).Pentru (xi(x), yj(y)) consideram
Hxi(x),yj(y)1 = (minµp(x), µr(y)Hp,r
1(i,j) +minµp(x), µs(y)H(p,s)1(i,j)+
+minµq(x), µr(y)Hq,r1(i,j) +minµq(x), µs(y)H(q,s)1(i,j))/
(minµp(x), µr(y) +minµp(x), µs(y) +minµq(x), µr(y)+
+minµq(x), µs(y)),
si analog Hxi(x)yj(y)2 .
Se ajunge la cazul clasic al jocurilor matriceale.
Rezulta ca orice joc fuzzy de tipul prezentat anterior admite solutie (ın
sens Nash).
2. In cazul in care apar operatii aritmetice (de exemplu, ın calculul
primelor de asigurare) se pot utiliza tehnicile fuzzy dupa cum urmeaza. Ne
vom ocupa de cazul general al sumelor de forma:
Γ = S0 +S1
1 + i1+ . . . + Sn
1 + in.
22
![Page 23: Analiza ˘si evaluarea riscurilor ^ n economie ˘si ...cefair/files/analiza_si_evaluarea_riscurilor.pdf¸si cum ar fi peret¸i de stˆanc˘a). In 1193,ˆın cartea ”Carta Picena”](https://reader030.vdocuments.us/reader030/viewer/2022040423/5e16429519e9a0235227b37c/html5/thumbnails/23.jpg)
Este plauzibila situtia ın care previziunile pentru rata procentuala ik sa
fie mai corect exprimate prin triplete ik = (rk,mk, sk); altfel spus prin nu-
mere fuzzy triunghiulare. Interpretarea este aceea ca valoarea ratei procen-
tuale pentru anul k poate fi estimata ca fiind cuprinsa ıntre rk si sk, iar
cea mai probabila estimare este mk. De remarcat ca acest numar fuzzy re-
prezinta ın mod suficient de exact atributele lingvistice cu impact ın teoria
asigurarilor. De exemplu (55,70,75) reprezinta multimea oamenilor batrani,
iar (70,80,90) multimea oamenilor foarte batrani. In mod grafic avem:
50 60 70 80 90
1,0
0,5
0,3
0,2
Atunci, de exemplu, o persoana avand 60 ani poate fi considerata batrana
cu gradul de apartenenta la multimea oamenilor batrani 0,3 (conform figurii
anterioare). La 68 ani avem ca gradul de apartenenta la multimea oameni-
lor batrani este de 0,2, iar cel de apartenenta la multimea oamenilor foarte
batrani este 0,5. O alta modalitate de reprezentare a multimii oamenilor
batrani (discutia va fi reluata la sfarsitul paragrafului) ar fi cea reprezentata
de graficul:
Abordarea prin intermediul numerelor fuzzy triunghiulare aduce o corecta
trecere ıntre nivelurile ce se ıntalnesc ın tabelele statistice ce discretizeaza
caracteristici continue (de exemplu, varsta, timpul, etc.).
23
![Page 24: Analiza ˘si evaluarea riscurilor ^ n economie ˘si ...cefair/files/analiza_si_evaluarea_riscurilor.pdf¸si cum ar fi peret¸i de stˆanc˘a). In 1193,ˆın cartea ”Carta Picena”](https://reader030.vdocuments.us/reader030/viewer/2022040423/5e16429519e9a0235227b37c/html5/thumbnails/24.jpg)
10
1
20 30 40 50 60 70
In acest context pentru calculul lui Γ, ın situatia ik = (rk,mk, sk) vomavea intervalele de incredere (ik)α = [rk(α), sk(α)] si:
Γα =⎡⎢⎢⎢⎢⎣
S0 + S1
1+s1(α) +S2
(1+s1(α))(1+s2(α)) + . . . +Sn
(1+s1(α))...(1+sn(α)) ,
S0 + S1
1+r1(α) +S2
(1+r1(α))(1+s2(α)) + . . . +Sn
(1+r1(α))...(1+rn(α)) ,
⎤⎥⎥⎥⎥⎦
Se deduce astfel valoarea lui Γ ca numar fuzzy triunghiular.
De exemplu: pentru
i1 = (8,10,13), (i1)α = [8 + 2α,13 − 3α];
i2 = (9,12,15), (i2)α = [9 + 3α,15 − 3α];
i3 = (7,10,12), (i3) = [7 + 3α,12 − 2α],
exprimate ın procente luand S0 = 3000, S1 = 5000, S2 = 4000, S3 = 2000
obtinem: Γ = (11876,12267,12615). In cazul Sk = (S1k , S
2k , S
3k) (si ik = (rk,mk, sk))
ın prima varianta se obtine ca:
Γ = (n
∑k=0
S1krk,
n
∑k=0
S2knk,
n
∑k=0
S3ksk) .
Pentru a evita ”diluarea” informatiei (amintita anterior) pot fi utilizate noile
operatii definite anterior ⊕ si ⊙.
24