Decision-Making under Uncertainty Processed by Lattice-Valued Possibilistic Measures

0080797 - ÚI 2007 RIV CZ eng J - Journal Article
Kramosil, Ivan
Decision-Making under Uncertainty Processed by Lattice-Valued Possibilistic Measures.
[Rozhodování za nejistoty s použitím posibilistických měr s hodnotami ve svazu.]
Kybernetika. Roč. 42, č. 6 (2006), s. 629-646. ISSN 0023-5954
R&D Projects: GA AV ČR IAA100300503
Institutional research plan: CEZ:AV0Z10300504
Keywords : decision making under uncertainty * complete lattice * lattice-valued possibilistic measures * possibilistic decision functions * minimax and Bayesian optimization
Subject RIV: BA - General Mathematics
Impact factor: 0.293, year: 2006
http://dml.cz/handle/10338.dmlcz/135741

The notion and the theory of statistical decision functions are re-considered and modified to the case when the uncertainties in question are quantified and processed using lattice-valued possibilistic measures, so emphasizing rather the qualitative then the quantitative properties of the resulting possibilistic decision functions. Possibilistic variants of both the minimax (the worst case) and the Bayesian optimization principles are introduced and analyzed.

Statistické rozhodovací funkce a jejich teorie jsou aplikovány a modifikovány pro případ, kdy uvažované nejistoty jsou kvantifikovány a zpracovány s použitím posibilistických měr s hodnotami v úplném svazu, čímž jsou zdůrazněny spíše kvalitativní než kvantitativní vlastnosti výsledných posibilistických rozhodovacích funkcí. Jsou odvozeny a podrobněji analyzovány posibilistické varianty minimaxového („podle nejhoršího případu“) a Bayesova principu optimalizace.
Permanent Link: http://hdl.handle.net/11104/0144861