Podejmowanie decyzji

Wielkość: px
Rozpocząć pokaz od strony:

Download "Podejmowanie decyzji"

Transkrypt

1 , czyli skojarzenie matematyki z socjologia XLVIII Szkoła Matematyki Pogladowej 27 stycznia 2012

2 Teoria wyboru społecznego Jak podejmować decyzje zbiorowe na podstawie opinii indywidualnych? W jaki sposób grupy ludzi podejmuja wspólne decyzje? Jakie sa cechy powszechnie stosowanych w tym celu procedur? Jakie własności powinny spełniać metody podejmowania decyzji? I jak je wyrazić formalnie? Czy istnieja metody o pożadanych własnościach? Historycznie: ekonomia, matematyka Laureaci Nagrody Nobla: Kenneth Arrow, James Buchanan, John Nash, Amartya Sen Obecnie: nauki polityczne

3 Teoria wyboru społecznego Jak podejmować decyzje zbiorowe na podstawie opinii indywidualnych? W jaki sposób grupy ludzi podejmuja wspólne decyzje? Jakie sa cechy powszechnie stosowanych w tym celu procedur? Jakie własności powinny spełniać metody podejmowania decyzji? I jak je wyrazić formalnie? Czy istnieja metody o pożadanych własnościach? Historycznie: ekonomia, matematyka Laureaci Nagrody Nobla: Kenneth Arrow, James Buchanan, John Nash, Amartya Sen Obecnie: nauki polityczne

4 Teoria wyboru społecznego Jak podejmować decyzje zbiorowe na podstawie opinii indywidualnych? W jaki sposób grupy ludzi podejmuja wspólne decyzje? Jakie sa cechy powszechnie stosowanych w tym celu procedur? Jakie własności powinny spełniać metody podejmowania decyzji? I jak je wyrazić formalnie? Czy istnieja metody o pożadanych własnościach? Historycznie: ekonomia, matematyka Laureaci Nagrody Nobla: Kenneth Arrow, James Buchanan, John Nash, Amartya Sen Obecnie: nauki polityczne

5 Teoria wyboru społecznego Jak podejmować decyzje zbiorowe na podstawie opinii indywidualnych? W jaki sposób grupy ludzi podejmuja wspólne decyzje? Jakie sa cechy powszechnie stosowanych w tym celu procedur? Jakie własności powinny spełniać metody podejmowania decyzji? I jak je wyrazić formalnie? Czy istnieja metody o pożadanych własnościach? Historycznie: ekonomia, matematyka Laureaci Nagrody Nobla: Kenneth Arrow, James Buchanan, John Nash, Amartya Sen Obecnie: nauki polityczne

6 Teoria wyboru społecznego Jak podejmować decyzje zbiorowe na podstawie opinii indywidualnych? W jaki sposób grupy ludzi podejmuja wspólne decyzje? Jakie sa cechy powszechnie stosowanych w tym celu procedur? Jakie własności powinny spełniać metody podejmowania decyzji? I jak je wyrazić formalnie? Czy istnieja metody o pożadanych własnościach? Historycznie: ekonomia, matematyka Laureaci Nagrody Nobla: Kenneth Arrow, James Buchanan, John Nash, Amartya Sen Obecnie: nauki polityczne

7 Teoria wyboru społecznego Jak podejmować decyzje zbiorowe na podstawie opinii indywidualnych? W jaki sposób grupy ludzi podejmuja wspólne decyzje? Jakie sa cechy powszechnie stosowanych w tym celu procedur? Jakie własności powinny spełniać metody podejmowania decyzji? I jak je wyrazić formalnie? Czy istnieja metody o pożadanych własnościach? Historycznie: ekonomia, matematyka Laureaci Nagrody Nobla: Kenneth Arrow, James Buchanan, John Nash, Amartya Sen Obecnie: nauki polityczne

8 Teoria wyboru społecznego Jak podejmować decyzje zbiorowe na podstawie opinii indywidualnych? W jaki sposób grupy ludzi podejmuja wspólne decyzje? Jakie sa cechy powszechnie stosowanych w tym celu procedur? Jakie własności powinny spełniać metody podejmowania decyzji? I jak je wyrazić formalnie? Czy istnieja metody o pożadanych własnościach? Historycznie: ekonomia, matematyka Laureaci Nagrody Nobla: Kenneth Arrow, James Buchanan, John Nash, Amartya Sen Obecnie: nauki polityczne

9 Teoria wyboru społecznego Jak podejmować decyzje zbiorowe na podstawie opinii indywidualnych? W jaki sposób grupy ludzi podejmuja wspólne decyzje? Jakie sa cechy powszechnie stosowanych w tym celu procedur? Jakie własności powinny spełniać metody podejmowania decyzji? I jak je wyrazić formalnie? Czy istnieja metody o pożadanych własnościach? Historycznie: ekonomia, matematyka Laureaci Nagrody Nobla: Kenneth Arrow, James Buchanan, John Nash, Amartya Sen Obecnie: nauki polityczne

10 Teoria wyboru społecznego Jak podejmować decyzje zbiorowe na podstawie opinii indywidualnych? W jaki sposób grupy ludzi podejmuja wspólne decyzje? Jakie sa cechy powszechnie stosowanych w tym celu procedur? Jakie własności powinny spełniać metody podejmowania decyzji? I jak je wyrazić formalnie? Czy istnieja metody o pożadanych własnościach? Historycznie: ekonomia, matematyka Laureaci Nagrody Nobla: Kenneth Arrow, James Buchanan, John Nash, Amartya Sen Obecnie: nauki polityczne

11 Paradoks Condorceta (XVIII w.) Paradoksy ujawniaja ułomności powszechnie stosowanych procedur podejmowania decyzji. Osoba I: Osoba II: Osoba III: x y z y z x z x y x y y z z x osoba I tak tak nie osoba II nie tak tak osoba III tak nie tak decyzja grupowa tak tak tak Otrzymujemy uporzadkowanie cykliczne. Niemożliwy jest wybór najlepszego rozwiazania.

12 Paradoks Condorceta (XVIII w.) Paradoksy ujawniaja ułomności powszechnie stosowanych procedur podejmowania decyzji. Osoba I: Osoba II: Osoba III: x y z y z x z x y x y y z z x osoba I tak tak nie osoba II nie tak tak osoba III tak nie tak decyzja grupowa tak tak tak Otrzymujemy uporzadkowanie cykliczne. Niemożliwy jest wybór najlepszego rozwiazania.

13 Paradoks Condorceta (XVIII w.) Paradoksy ujawniaja ułomności powszechnie stosowanych procedur podejmowania decyzji. Osoba I: Osoba II: Osoba III: x y z y z x z x y x y y z z x osoba I tak tak nie osoba II nie tak tak osoba III tak nie tak decyzja grupowa tak tak tak Otrzymujemy uporzadkowanie cykliczne. Niemożliwy jest wybór najlepszego rozwiazania.

14 Paradoks Condorceta (XVIII w.) Paradoksy ujawniaja ułomności powszechnie stosowanych procedur podejmowania decyzji. Osoba I: Osoba II: Osoba III: x y z y z x z x y x y y z z x osoba I tak tak nie osoba II nie tak tak osoba III tak nie tak decyzja grupowa tak tak tak Otrzymujemy uporzadkowanie cykliczne. Niemożliwy jest wybór najlepszego rozwiazania.

15 Paradoks Condorceta (XVIII w.) Paradoksy ujawniaja ułomności powszechnie stosowanych procedur podejmowania decyzji. Osoba I: Osoba II: Osoba III: x y z y z x z x y x y y z z x osoba I tak tak nie osoba II nie tak tak osoba III tak nie tak decyzja grupowa tak tak tak Otrzymujemy uporzadkowanie cykliczne. Niemożliwy jest wybór najlepszego rozwiazania.

16 Teoria Agregacji Preferencji Klasyczne sformułowanie problemu decyzji dotyczy preferencji: Jak podejmować decyzje społeczne na podstawie indywidualnych uporzadkowań zbioru możliwych rozwiazań?

17 Teoria Agregacji Preferencji Klasyczne sformułowanie problemu decyzji dotyczy preferencji: Jak podejmować decyzje społeczne na podstawie indywidualnych uporzadkowań zbioru możliwych rozwiazań?

18 Teoria Agregacji Preferencji Skończony, niepusty zbiór alternatyw społecznych K. Relacja preferencji R - dowolna relacja binarna na zbiorze K. xry - alternatywa x jest przynajmniej tak dobra, jak y Z relacja preferencji R wiażemy: relację mocnej preferencji P, gdzie xpy zachodzi wtedy i tylko wtedy, gdy xry i nieprawda, że yrx, relację indyferencji I taka, że xiy zachodzi wtedy i tylko wtedy, gdy xry oraz yrx. xpy - alternatywa x jest lepsza niż y xiy - alternatywa x jest równie dobra, jak y Jakie sa nasze relacje preferencji?

19 Teoria Agregacji Preferencji Skończony, niepusty zbiór alternatyw społecznych K. Relacja preferencji R - dowolna relacja binarna na zbiorze K. xry - alternatywa x jest przynajmniej tak dobra, jak y Z relacja preferencji R wiażemy: relację mocnej preferencji P, gdzie xpy zachodzi wtedy i tylko wtedy, gdy xry i nieprawda, że yrx, relację indyferencji I taka, że xiy zachodzi wtedy i tylko wtedy, gdy xry oraz yrx. xpy - alternatywa x jest lepsza niż y xiy - alternatywa x jest równie dobra, jak y Jakie sa nasze relacje preferencji?

20 Teoria Agregacji Preferencji Skończony, niepusty zbiór alternatyw społecznych K. Relacja preferencji R - dowolna relacja binarna na zbiorze K. xry - alternatywa x jest przynajmniej tak dobra, jak y Z relacja preferencji R wiażemy: relację mocnej preferencji P, gdzie xpy zachodzi wtedy i tylko wtedy, gdy xry i nieprawda, że yrx, relację indyferencji I taka, że xiy zachodzi wtedy i tylko wtedy, gdy xry oraz yrx. xpy - alternatywa x jest lepsza niż y xiy - alternatywa x jest równie dobra, jak y Jakie sa nasze relacje preferencji?

21 Teoria Agregacji Preferencji Skończony, niepusty zbiór alternatyw społecznych K. Relacja preferencji R - dowolna relacja binarna na zbiorze K. xry - alternatywa x jest przynajmniej tak dobra, jak y Z relacja preferencji R wiażemy: relację mocnej preferencji P, gdzie xpy zachodzi wtedy i tylko wtedy, gdy xry i nieprawda, że yrx, relację indyferencji I taka, że xiy zachodzi wtedy i tylko wtedy, gdy xry oraz yrx. xpy - alternatywa x jest lepsza niż y xiy - alternatywa x jest równie dobra, jak y Jakie sa nasze relacje preferencji?

22 Teoria Agregacji Preferencji Skończony, niepusty zbiór alternatyw społecznych K. Relacja preferencji R - dowolna relacja binarna na zbiorze K. xry - alternatywa x jest przynajmniej tak dobra, jak y Z relacja preferencji R wiażemy: relację mocnej preferencji P, gdzie xpy zachodzi wtedy i tylko wtedy, gdy xry i nieprawda, że yrx, relację indyferencji I taka, że xiy zachodzi wtedy i tylko wtedy, gdy xry oraz yrx. xpy - alternatywa x jest lepsza niż y xiy - alternatywa x jest równie dobra, jak y Jakie sa nasze relacje preferencji?

23 Teoria Agregacji Preferencji Skończony, niepusty zbiór alternatyw społecznych K. Relacja preferencji R - dowolna relacja binarna na zbiorze K. xry - alternatywa x jest przynajmniej tak dobra, jak y Z relacja preferencji R wiażemy: relację mocnej preferencji P, gdzie xpy zachodzi wtedy i tylko wtedy, gdy xry i nieprawda, że yrx, relację indyferencji I taka, że xiy zachodzi wtedy i tylko wtedy, gdy xry oraz yrx. xpy - alternatywa x jest lepsza niż y xiy - alternatywa x jest równie dobra, jak y Jakie sa nasze relacje preferencji?

24 Teoria Agregacji Preferencji Skończony, niepusty zbiór alternatyw społecznych K. Relacja preferencji R - dowolna relacja binarna na zbiorze K. xry - alternatywa x jest przynajmniej tak dobra, jak y Z relacja preferencji R wiażemy: relację mocnej preferencji P, gdzie xpy zachodzi wtedy i tylko wtedy, gdy xry i nieprawda, że yrx, relację indyferencji I taka, że xiy zachodzi wtedy i tylko wtedy, gdy xry oraz yrx. xpy - alternatywa x jest lepsza niż y xiy - alternatywa x jest równie dobra, jak y Jakie sa nasze relacje preferencji?

25 Teoria Agregacji Preferencji Skończony, niepusty zbiór alternatyw społecznych K. Relacja preferencji R - dowolna relacja binarna na zbiorze K. xry - alternatywa x jest przynajmniej tak dobra, jak y Z relacja preferencji R wiażemy: relację mocnej preferencji P, gdzie xpy zachodzi wtedy i tylko wtedy, gdy xry i nieprawda, że yrx, relację indyferencji I taka, że xiy zachodzi wtedy i tylko wtedy, gdy xry oraz yrx. xpy - alternatywa x jest lepsza niż y xiy - alternatywa x jest równie dobra, jak y Jakie sa nasze relacje preferencji?

26 Teoria Agregacji Preferencji Jeśli relacja preferencji R jest spójna, zwrotna i przechodnia, to nazywamy ja racjonalna relacja preferencji. x 1 x 2 x 3 - x 4 - x 5 x 6 - x 7 x 8 x 9 - x 10 Zbiór wszystkich racjonalnych relacji preferencji R na zbiorze K oznaczamy przez R. Czy nasze preferencje sa spójne, zwrotne i przechodnie?

27 Teoria Agregacji Preferencji Jeśli relacja preferencji R jest spójna, zwrotna i przechodnia, to nazywamy ja racjonalna relacja preferencji. x 1 x 2 x 3 - x 4 - x 5 x 6 - x 7 x 8 x 9 - x 10 Zbiór wszystkich racjonalnych relacji preferencji R na zbiorze K oznaczamy przez R. Czy nasze preferencje sa spójne, zwrotne i przechodnie?

28 Teoria Agregacji Preferencji Jeśli relacja preferencji R jest spójna, zwrotna i przechodnia, to nazywamy ja racjonalna relacja preferencji. x 1 x 2 x 3 - x 4 - x 5 x 6 - x 7 x 8 x 9 - x 10 Zbiór wszystkich racjonalnych relacji preferencji R na zbiorze K oznaczamy przez R. Czy nasze preferencje sa spójne, zwrotne i przechodnie?

29 Teoria Agregacji Preferencji Jeśli relacja preferencji R jest spójna, zwrotna i przechodnia, to nazywamy ja racjonalna relacja preferencji. x 1 x 2 x 3 - x 4 - x 5 x 6 - x 7 x 8 x 9 - x 10 Zbiór wszystkich racjonalnych relacji preferencji R na zbiorze K oznaczamy przez R. Czy nasze preferencje sa spójne, zwrotne i przechodnie?

30 Teoria Agregacji Preferencji Zbiór osób N = {1, 2,..., n} podejmujacych społeczna decyzję. Jest on skończony i niepusty. Jeśli dla każdej spośród n osób podejmujacych zbiorowa decyzję mamy dana jej relację preferencji R i na zbiorze alternatyw społecznych K, to otrzymujemy profil preferencji indywidualnych (R 1, R 2,..., R n ). Funkcję F, która profilowi preferencji indywidualnych (R 1, R 2,..., R n ) przyporzadkowuje relację F(R 1, R 2,..., R n ) = R na zbiorze alternatyw społecznych K, interpretowana jako relacja preferencji społecznej, nazywamy metoda agregacji. Będziemy rozpatrywać funkcje F : R n R.

31 Teoria Agregacji Preferencji Zbiór osób N = {1, 2,..., n} podejmujacych społeczna decyzję. Jest on skończony i niepusty. Jeśli dla każdej spośród n osób podejmujacych zbiorowa decyzję mamy dana jej relację preferencji R i na zbiorze alternatyw społecznych K, to otrzymujemy profil preferencji indywidualnych (R 1, R 2,..., R n ). Funkcję F, która profilowi preferencji indywidualnych (R 1, R 2,..., R n ) przyporzadkowuje relację F(R 1, R 2,..., R n ) = R na zbiorze alternatyw społecznych K, interpretowana jako relacja preferencji społecznej, nazywamy metoda agregacji. Będziemy rozpatrywać funkcje F : R n R.

32 Teoria Agregacji Preferencji Zbiór osób N = {1, 2,..., n} podejmujacych społeczna decyzję. Jest on skończony i niepusty. Jeśli dla każdej spośród n osób podejmujacych zbiorowa decyzję mamy dana jej relację preferencji R i na zbiorze alternatyw społecznych K, to otrzymujemy profil preferencji indywidualnych (R 1, R 2,..., R n ). Funkcję F, która profilowi preferencji indywidualnych (R 1, R 2,..., R n ) przyporzadkowuje relację F(R 1, R 2,..., R n ) = R na zbiorze alternatyw społecznych K, interpretowana jako relacja preferencji społecznej, nazywamy metoda agregacji. Będziemy rozpatrywać funkcje F : R n R.

33 Teoria Agregacji Preferencji Zbiór osób N = {1, 2,..., n} podejmujacych społeczna decyzję. Jest on skończony i niepusty. Jeśli dla każdej spośród n osób podejmujacych zbiorowa decyzję mamy dana jej relację preferencji R i na zbiorze alternatyw społecznych K, to otrzymujemy profil preferencji indywidualnych (R 1, R 2,..., R n ). Funkcję F, która profilowi preferencji indywidualnych (R 1, R 2,..., R n ) przyporzadkowuje relację F(R 1, R 2,..., R n ) = R na zbiorze alternatyw społecznych K, interpretowana jako relacja preferencji społecznej, nazywamy metoda agregacji. Będziemy rozpatrywać funkcje F : R n R.

34 Teoria Agregacji Preferencji Metoda zwykłej większości. W relacji preferencji społecznej R uzyskanej przy pomocy metody zwykłej większości alternatywa x jest przedkładana nad alternatywę y, jeśli więcej członków grupy przedkłada x nad y niż y nad x, czyli xpy {i N : xp i y} > {i N : yp i x}. Metoda zwykłej większości może generować relacje preferencji społecznej, które nie sa racjonalne (paradoks Condorceta).

35 Teoria Agregacji Preferencji Metoda zwykłej większości. W relacji preferencji społecznej R uzyskanej przy pomocy metody zwykłej większości alternatywa x jest przedkładana nad alternatywę y, jeśli więcej członków grupy przedkłada x nad y niż y nad x, czyli xpy {i N : xp i y} > {i N : yp i x}. Metoda zwykłej większości może generować relacje preferencji społecznej, które nie sa racjonalne (paradoks Condorceta).

36 Teoria Agregacji Preferencji Metoda zwykłej większości. W relacji preferencji społecznej R uzyskanej przy pomocy metody zwykłej większości alternatywa x jest przedkładana nad alternatywę y, jeśli więcej członków grupy przedkłada x nad y niż y nad x, czyli xpy {i N : xp i y} > {i N : yp i x}. Metoda zwykłej większości może generować relacje preferencji społecznej, które nie sa racjonalne (paradoks Condorceta).

37 Teoria Agregacji Preferencji Metoda zwykłej większości. W relacji preferencji społecznej R uzyskanej przy pomocy metody zwykłej większości alternatywa x jest przedkładana nad alternatywę y, jeśli więcej członków grupy przedkłada x nad y niż y nad x, czyli xpy {i N : xp i y} > {i N : yp i x}. Metoda zwykłej większości może generować relacje preferencji społecznej, które nie sa racjonalne (paradoks Condorceta).

38 Teoria Agregacji Preferencji Funkcje F : R n R nazywane sa funkcjami społecznego dobrobytu. Kenneth J. Arrow (1951) Social Choice and Individual Values Podejście Arrowa zostało nazwane metoda aksjomatyczna: formułujemy zestaw postulatów, wyróżniamy klasę metod je spełniajacych.

39 Teoria Agregacji Preferencji Funkcje F : R n R nazywane sa funkcjami społecznego dobrobytu. Kenneth J. Arrow (1951) Social Choice and Individual Values Podejście Arrowa zostało nazwane metoda aksjomatyczna: formułujemy zestaw postulatów, wyróżniamy klasę metod je spełniajacych.

40 Teoria Agregacji Preferencji Funkcje F : R n R nazywane sa funkcjami społecznego dobrobytu. Kenneth J. Arrow (1951) Social Choice and Individual Values Podejście Arrowa zostało nazwane metoda aksjomatyczna: formułujemy zestaw postulatów, wyróżniamy klasę metod je spełniajacych.

41 Teoria Agregacji Preferencji Funkcje F : R n R nazywane sa funkcjami społecznego dobrobytu. Kenneth J. Arrow (1951) Social Choice and Individual Values Podejście Arrowa zostało nazwane metoda aksjomatyczna: formułujemy zestaw postulatów, wyróżniamy klasę metod je spełniajacych.

42 Teoria Agregacji Preferencji Funkcje F : R n R nazywane sa funkcjami społecznego dobrobytu. Kenneth J. Arrow (1951) Social Choice and Individual Values Podejście Arrowa zostało nazwane metoda aksjomatyczna: formułujemy zestaw postulatów, wyróżniamy klasę metod je spełniajacych.

43 Twierdzenie Arrowa Optymalność Pareto. Jeśli w sytuacji, gdy wszyscy przedkładaja alternatywę x nad alternatywę y, wyznaczona relacja preferencji społecznej również przedkłada x nad y, to powiemy, że spełnia ona warunek optymalności Pareto. Dla dowolnych alternatyw x, y K zachodzi ( i N xpi y ) xpy. Czym grozi naruszenie warunku optymalności Pareto? Wybraniem na podstawie wyznaczonej relacji preferencji społecznej rozwiazania nieoptymalnego Pareto, czyli takiego, że istnieje inne jednogłośnie uznawane przez członków grupy za lepsze. Bywa nazywane kryterium racjonalności społecznej.

44 Twierdzenie Arrowa Optymalność Pareto. Jeśli w sytuacji, gdy wszyscy przedkładaja alternatywę x nad alternatywę y, wyznaczona relacja preferencji społecznej również przedkłada x nad y, to powiemy, że spełnia ona warunek optymalności Pareto. Dla dowolnych alternatyw x, y K zachodzi ( i N xpi y ) xpy. Czym grozi naruszenie warunku optymalności Pareto? Wybraniem na podstawie wyznaczonej relacji preferencji społecznej rozwiazania nieoptymalnego Pareto, czyli takiego, że istnieje inne jednogłośnie uznawane przez członków grupy za lepsze. Bywa nazywane kryterium racjonalności społecznej.

45 Twierdzenie Arrowa Optymalność Pareto. Jeśli w sytuacji, gdy wszyscy przedkładaja alternatywę x nad alternatywę y, wyznaczona relacja preferencji społecznej również przedkłada x nad y, to powiemy, że spełnia ona warunek optymalności Pareto. Dla dowolnych alternatyw x, y K zachodzi ( i N xpi y ) xpy. Czym grozi naruszenie warunku optymalności Pareto? Wybraniem na podstawie wyznaczonej relacji preferencji społecznej rozwiazania nieoptymalnego Pareto, czyli takiego, że istnieje inne jednogłośnie uznawane przez członków grupy za lepsze. Bywa nazywane kryterium racjonalności społecznej.

46 Twierdzenie Arrowa Optymalność Pareto. Jeśli w sytuacji, gdy wszyscy przedkładaja alternatywę x nad alternatywę y, wyznaczona relacja preferencji społecznej również przedkłada x nad y, to powiemy, że spełnia ona warunek optymalności Pareto. Dla dowolnych alternatyw x, y K zachodzi ( i N xpi y ) xpy. Czym grozi naruszenie warunku optymalności Pareto? Wybraniem na podstawie wyznaczonej relacji preferencji społecznej rozwiazania nieoptymalnego Pareto, czyli takiego, że istnieje inne jednogłośnie uznawane przez członków grupy za lepsze. Bywa nazywane kryterium racjonalności społecznej.

47 Twierdzenie Arrowa Optymalność Pareto. Jeśli w sytuacji, gdy wszyscy przedkładaja alternatywę x nad alternatywę y, wyznaczona relacja preferencji społecznej również przedkłada x nad y, to powiemy, że spełnia ona warunek optymalności Pareto. Dla dowolnych alternatyw x, y K zachodzi ( i N xpi y ) xpy. Czym grozi naruszenie warunku optymalności Pareto? Wybraniem na podstawie wyznaczonej relacji preferencji społecznej rozwiazania nieoptymalnego Pareto, czyli takiego, że istnieje inne jednogłośnie uznawane przez członków grupy za lepsze. Bywa nazywane kryterium racjonalności społecznej.

48 Twierdzenie Arrowa Optymalność Pareto. Jeśli w sytuacji, gdy wszyscy przedkładaja alternatywę x nad alternatywę y, wyznaczona relacja preferencji społecznej również przedkłada x nad y, to powiemy, że spełnia ona warunek optymalności Pareto. Dla dowolnych alternatyw x, y K zachodzi ( i N xpi y ) xpy. Czym grozi naruszenie warunku optymalności Pareto? Wybraniem na podstawie wyznaczonej relacji preferencji społecznej rozwiazania nieoptymalnego Pareto, czyli takiego, że istnieje inne jednogłośnie uznawane przez członków grupy za lepsze. Bywa nazywane kryterium racjonalności społecznej.

49 Twierdzenie Arrowa Niezależność od alternatyw niezwiazanych. Metoda agregacji spełnia warunek niezależności od alternatyw niezwiazanych, jeśli dla dowolnych alternatyw x, y K i dowolnych profili (R 1, R 2,..., R n ) oraz (R1, R 2,..., R n) należacych do dziedziny zachodzi ) ( i N (xr i y xri y yr ix yri x) ( ) xry xr y yrx yr x. Społeczna preferencja między alternatywami x i y zależy wyłacznie od preferencji członków grupy względem tych alternatyw i nie maja na nia wpływu preferencje zwiazane z innymi alternatywami.

50 Twierdzenie Arrowa Niezależność od alternatyw niezwiazanych. Metoda agregacji spełnia warunek niezależności od alternatyw niezwiazanych, jeśli dla dowolnych alternatyw x, y K i dowolnych profili (R 1, R 2,..., R n ) oraz (R1, R 2,..., R n) należacych do dziedziny zachodzi ) ( i N (xr i y xri y yr ix yri x) ( ) xry xr y yrx yr x. Społeczna preferencja między alternatywami x i y zależy wyłacznie od preferencji członków grupy względem tych alternatyw i nie maja na nia wpływu preferencje zwiazane z innymi alternatywami.

51 Twierdzenie Arrowa Niezależność od alternatyw niezwiazanych. Metoda agregacji spełnia warunek niezależności od alternatyw niezwiazanych, jeśli dla dowolnych alternatyw x, y K i dowolnych profili (R 1, R 2,..., R n ) oraz (R1, R 2,..., R n) należacych do dziedziny zachodzi ) ( i N (xr i y xri y yr ix yri x) ( ) xry xr y yrx yr x. Społeczna preferencja między alternatywami x i y zależy wyłacznie od preferencji członków grupy względem tych alternatyw i nie maja na nia wpływu preferencje zwiazane z innymi alternatywami.

52 Twierdzenie Arrowa Dyktatura. Jeśli istnieje taka osoba i N, że dla każdego profilu preferencji jej mocna indywidualna preferencja między dowolna para alternatyw x, y wyznacza taka sama preferencję społeczna, czyli xp i y xpy, to mamy do czynienia z dyktatura. Dyktator i nie wyznacza jednoznacznie relacji preferencji społecznej R. Metoda dyktatorska nie musi być rzutowaniem na i-ta współrzędna: xi i y xiy.

53 Twierdzenie Arrowa Dyktatura. Jeśli istnieje taka osoba i N, że dla każdego profilu preferencji jej mocna indywidualna preferencja między dowolna para alternatyw x, y wyznacza taka sama preferencję społeczna, czyli xp i y xpy, to mamy do czynienia z dyktatura. Dyktator i nie wyznacza jednoznacznie relacji preferencji społecznej R. Metoda dyktatorska nie musi być rzutowaniem na i-ta współrzędna: xi i y xiy.

54 Twierdzenie Arrowa Dyktatura. Jeśli istnieje taka osoba i N, że dla każdego profilu preferencji jej mocna indywidualna preferencja między dowolna para alternatyw x, y wyznacza taka sama preferencję społeczna, czyli xp i y xpy, to mamy do czynienia z dyktatura. Dyktator i nie wyznacza jednoznacznie relacji preferencji społecznej R. Metoda dyktatorska nie musi być rzutowaniem na i-ta współrzędna: xi i y xiy.

55 Twierdzenie Arrowa Twierdzenie Arrowa (General Possibility Theorem) Niech n 2 i niech K będzie takim zbiorem alternatyw społecznych, że K 3. Każda metoda agregacji preferencji F : R n R spełniajaca warunki optymalności Pareto i niezależności od alternatyw niezwiazanych jest dyktatura.

56 Twierdzenie Arrowa Jak sobie poradzić z niemożliwościa? Rozszerzenie przeciwdziedziny. (nie specjalnie pomaga) Ograniczenie dziedziny Dla jakich profili preferencji indywidualnych metoda zwykłej większości generuje "dobre" uporzadkowania? Pozbycie się lub osłabienie warunków optymalności Pareto i niezależnośli od alternatyw niezwiazanych.

57 Twierdzenie Arrowa Jak sobie poradzić z niemożliwościa? Rozszerzenie przeciwdziedziny. (nie specjalnie pomaga) Ograniczenie dziedziny Dla jakich profili preferencji indywidualnych metoda zwykłej większości generuje "dobre" uporzadkowania? Pozbycie się lub osłabienie warunków optymalności Pareto i niezależnośli od alternatyw niezwiazanych.

58 Twierdzenie Arrowa Jak sobie poradzić z niemożliwościa? Rozszerzenie przeciwdziedziny. (nie specjalnie pomaga) Ograniczenie dziedziny Dla jakich profili preferencji indywidualnych metoda zwykłej większości generuje "dobre" uporzadkowania? Pozbycie się lub osłabienie warunków optymalności Pareto i niezależnośli od alternatyw niezwiazanych.

59 Twierdzenie Arrowa Jak sobie poradzić z niemożliwościa? Rozszerzenie przeciwdziedziny. (nie specjalnie pomaga) Ograniczenie dziedziny Dla jakich profili preferencji indywidualnych metoda zwykłej większości generuje "dobre" uporzadkowania? Pozbycie się lub osłabienie warunków optymalności Pareto i niezależnośli od alternatyw niezwiazanych.

60 Twierdzenie Arrowa Jak sobie poradzić z niemożliwościa? Rozszerzenie przeciwdziedziny. (nie specjalnie pomaga) Ograniczenie dziedziny Dla jakich profili preferencji indywidualnych metoda zwykłej większości generuje "dobre" uporzadkowania? Pozbycie się lub osłabienie warunków optymalności Pareto i niezależnośli od alternatyw niezwiazanych.

61 Twierdzenie Arrowa Jak sobie poradzić z niemożliwościa? Rozszerzenie przeciwdziedziny. (nie specjalnie pomaga) Ograniczenie dziedziny Dla jakich profili preferencji indywidualnych metoda zwykłej większości generuje "dobre" uporzadkowania? Pozbycie się lub osłabienie warunków optymalności Pareto i niezależnośli od alternatyw niezwiazanych.

62 Twierdzenie Arrowa Ogromna popularność Arrowa oraz wpływ jaki on i jego następcy wywarli na teorię wyboru społecznego sprawiły, że teoria agregacji preferencji zajęła dominujac a pozycję w dziedzinie refleksji nad podejmowaniem decyzji zbiorowych. Nie każdy problem decyzji grupowej polega na wyznaczeniu relacji preferencji społecznej, która umożliwi wybór najlepszego spośród rozważanych rozwiazań... Często mamy do czynienia z sytuacja, gdy grupa osób ma zbiór kwestii do rozpatrzenia i musi wydać wspólna opinię, czy się z nimi zgadza czy też nie. decyzje ławy przysięgłych decyzje gron eksperckich

63 Twierdzenie Arrowa Ogromna popularność Arrowa oraz wpływ jaki on i jego następcy wywarli na teorię wyboru społecznego sprawiły, że teoria agregacji preferencji zajęła dominujac a pozycję w dziedzinie refleksji nad podejmowaniem decyzji zbiorowych. Nie każdy problem decyzji grupowej polega na wyznaczeniu relacji preferencji społecznej, która umożliwi wybór najlepszego spośród rozważanych rozwiazań... Często mamy do czynienia z sytuacja, gdy grupa osób ma zbiór kwestii do rozpatrzenia i musi wydać wspólna opinię, czy się z nimi zgadza czy też nie. decyzje ławy przysięgłych decyzje gron eksperckich

64 Twierdzenie Arrowa Ogromna popularność Arrowa oraz wpływ jaki on i jego następcy wywarli na teorię wyboru społecznego sprawiły, że teoria agregacji preferencji zajęła dominujac a pozycję w dziedzinie refleksji nad podejmowaniem decyzji zbiorowych. Nie każdy problem decyzji grupowej polega na wyznaczeniu relacji preferencji społecznej, która umożliwi wybór najlepszego spośród rozważanych rozwiazań... Często mamy do czynienia z sytuacja, gdy grupa osób ma zbiór kwestii do rozpatrzenia i musi wydać wspólna opinię, czy się z nimi zgadza czy też nie. decyzje ławy przysięgłych decyzje gron eksperckich

65 Twierdzenie Arrowa Ogromna popularność Arrowa oraz wpływ jaki on i jego następcy wywarli na teorię wyboru społecznego sprawiły, że teoria agregacji preferencji zajęła dominujac a pozycję w dziedzinie refleksji nad podejmowaniem decyzji zbiorowych. Nie każdy problem decyzji grupowej polega na wyznaczeniu relacji preferencji społecznej, która umożliwi wybór najlepszego spośród rozważanych rozwiazań... Często mamy do czynienia z sytuacja, gdy grupa osób ma zbiór kwestii do rozpatrzenia i musi wydać wspólna opinię, czy się z nimi zgadza czy też nie. decyzje ławy przysięgłych decyzje gron eksperckich

66 Twierdzenie Arrowa Ogromna popularność Arrowa oraz wpływ jaki on i jego następcy wywarli na teorię wyboru społecznego sprawiły, że teoria agregacji preferencji zajęła dominujac a pozycję w dziedzinie refleksji nad podejmowaniem decyzji zbiorowych. Nie każdy problem decyzji grupowej polega na wyznaczeniu relacji preferencji społecznej, która umożliwi wybór najlepszego spośród rozważanych rozwiazań... Często mamy do czynienia z sytuacja, gdy grupa osób ma zbiór kwestii do rozpatrzenia i musi wydać wspólna opinię, czy się z nimi zgadza czy też nie. decyzje ławy przysięgłych decyzje gron eksperckich

67 Paradoks doktryny (Kornhauser Sager 1986) Trzech sędziów ma podjać wspólna decyzję w sprawie winy podejrzanego. Musza w tym celu zajać stanowisko w czterech kwestiach: a : b : c : c a b Podejrzany popełnił zarzucany mu czyn. Czyn ten stanowi przestępstwo. Podejrzany jest winny. (doktryna prawa) a b c a b c sędzia I tak tak tak tak sędzia II tak nie tak nie sędzia III nie tak tak nie decyzja grupowa tak tak tak nie

68 Paradoks doktryny (Kornhauser Sager 1986) Trzech sędziów ma podjać wspólna decyzję w sprawie winy podejrzanego. Musza w tym celu zajać stanowisko w czterech kwestiach: a : b : c : c a b Podejrzany popełnił zarzucany mu czyn. Czyn ten stanowi przestępstwo. Podejrzany jest winny. (doktryna prawa) a b c a b c sędzia I tak tak tak tak sędzia II tak nie tak nie sędzia III nie tak tak nie decyzja grupowa tak tak tak nie

69 Paradoks doktryny (Kornhauser Sager 1986) Trzech sędziów ma podjać wspólna decyzję w sprawie winy podejrzanego. Musza w tym celu zajać stanowisko w czterech kwestiach: a : b : c : c a b Podejrzany popełnił zarzucany mu czyn. Czyn ten stanowi przestępstwo. Podejrzany jest winny. (doktryna prawa) a b c a b c sędzia I tak tak tak tak sędzia II tak nie tak nie sędzia III nie tak tak nie decyzja grupowa tak tak tak nie

70 Paradoks doktryny (Kornhauser Sager 1986) Paradoks doktryny wskazuje na konflikt pomiędzy podejmowaniem decyzji w oparciu o przesłanki a podejmowaniem decyzji w oparciu o wnioski. Zaobserwowano, że podobnie jak paradoks Condorceta, ujawnia on istotna wadę powszechnie stosowanej procedury decyzyjnej: Zastosowanie do zbioru logicznie powiazanych kwestii klasycznego sposobu podejmowania decyzji metody zwykłej większości, może dawać w rezultacie sprzeczny zbiór zdań. Paradoks ten został nazwany dylematem dyskursywnym (Pettit 2001).

71 Paradoks doktryny (Kornhauser Sager 1986) Paradoks doktryny wskazuje na konflikt pomiędzy podejmowaniem decyzji w oparciu o przesłanki a podejmowaniem decyzji w oparciu o wnioski. Zaobserwowano, że podobnie jak paradoks Condorceta, ujawnia on istotna wadę powszechnie stosowanej procedury decyzyjnej: Zastosowanie do zbioru logicznie powiazanych kwestii klasycznego sposobu podejmowania decyzji metody zwykłej większości, może dawać w rezultacie sprzeczny zbiór zdań. Paradoks ten został nazwany dylematem dyskursywnym (Pettit 2001).

72 Paradoks doktryny (Kornhauser Sager 1986) Paradoks doktryny wskazuje na konflikt pomiędzy podejmowaniem decyzji w oparciu o przesłanki a podejmowaniem decyzji w oparciu o wnioski. Zaobserwowano, że podobnie jak paradoks Condorceta, ujawnia on istotna wadę powszechnie stosowanej procedury decyzyjnej: Zastosowanie do zbioru logicznie powiazanych kwestii klasycznego sposobu podejmowania decyzji metody zwykłej większości, może dawać w rezultacie sprzeczny zbiór zdań. Paradoks ten został nazwany dylematem dyskursywnym (Pettit 2001).

73 Paradoks doktryny (Kornhauser Sager 1986) Paradoks doktryny wskazuje na konflikt pomiędzy podejmowaniem decyzji w oparciu o przesłanki a podejmowaniem decyzji w oparciu o wnioski. Zaobserwowano, że podobnie jak paradoks Condorceta, ujawnia on istotna wadę powszechnie stosowanej procedury decyzyjnej: Zastosowanie do zbioru logicznie powiazanych kwestii klasycznego sposobu podejmowania decyzji metody zwykłej większości, może dawać w rezultacie sprzeczny zbiór zdań. Paradoks ten został nazwany dylematem dyskursywnym (Pettit 2001).

74 Dylemat dyskursywny Zadaniem trzyosobowego grona ekspertów jest zajęcie wspólnego stanowiska w następujacych kwestiach: a : a b : b : Nastapi wzrost PKB. Jeśli nastapi wzrost PKB, to wzrośnie inflacja. Nastapi wzrost inflacji. a a b b osoba I tak tak tak osoba II nie tak nie osoba III tak nie nie decyzja grupowa tak tak nie

75 Dylemat dyskursywny Zadaniem trzyosobowego grona ekspertów jest zajęcie wspólnego stanowiska w następujacych kwestiach: a : a b : b : Nastapi wzrost PKB. Jeśli nastapi wzrost PKB, to wzrośnie inflacja. Nastapi wzrost inflacji. a a b b osoba I tak tak tak osoba II nie tak nie osoba III tak nie nie decyzja grupowa tak tak nie

76 Dylemat dyskursywny Zadaniem trzyosobowego grona ekspertów jest zajęcie wspólnego stanowiska w następujacych kwestiach: a : a b : b : Nastapi wzrost PKB. Jeśli nastapi wzrost PKB, to wzrośnie inflacja. Nastapi wzrost inflacji. a a b b osoba I tak tak tak osoba II nie tak nie osoba III tak nie nie decyzja grupowa tak tak nie

77 Dylemat dyskursywny a a b b osoba I tak tak tak osoba II nie tak nie osoba III tak nie nie decyzja grupowa tak tak nie Trzy niesprzeczne zbiory zdań: A 1 = {a, a b, b}, A 2 = { a, a b, b}, A 3 = {a, (a b), b}. F(A 1, A 2, A 2 ) = A, gdzie A = {a, a b, b} sprzeczny

78 Dylemat dyskursywny a a b b osoba I tak tak tak osoba II nie tak nie osoba III tak nie nie decyzja grupowa tak tak nie Trzy niesprzeczne zbiory zdań: A 1 = {a, a b, b}, A 2 = { a, a b, b}, A 3 = {a, (a b), b}. F (A 1, A 2, A 2 ) = A, gdzie A = {a, a b, b} sprzeczny

79 Teoria agregacji sadów Dietrich (2004) A generalised model of judgment aggregation Systemem logicznym nazwiemy niepusty zbiór zdań L zamknięty ze względu na negację (jeśli p L, to p L) z wyróżniona rodzina swoich podzbiorów, nazywanych niesprzecznymi. Rodzina zbiorów niesprzecznych ma następujace własności: każda para {p, p} L jest zbiorem sprzecznym, podzbiór każdego zbioru niesprzecznego jest niesprzeczny, zbiór pusty L jest niesprzeczny oraz dla każdego niesprzecznego zbioru S L istnieje niesprzeczny nadzbiór T L taki, że dla każdej pary {p, p} L mamy p T lub p T.

80 Teoria agregacji sadów Dietrich (2004) A generalised model of judgment aggregation Systemem logicznym nazwiemy niepusty zbiór zdań L zamknięty ze względu na negację (jeśli p L, to p L) z wyróżniona rodzina swoich podzbiorów, nazywanych niesprzecznymi. Rodzina zbiorów niesprzecznych ma następujace własności: każda para {p, p} L jest zbiorem sprzecznym, podzbiór każdego zbioru niesprzecznego jest niesprzeczny, zbiór pusty L jest niesprzeczny oraz dla każdego niesprzecznego zbioru S L istnieje niesprzeczny nadzbiór T L taki, że dla każdej pary {p, p} L mamy p T lub p T.

81 Teoria agregacji sadów Dietrich (2004) A generalised model of judgment aggregation Systemem logicznym nazwiemy niepusty zbiór zdań L zamknięty ze względu na negację (jeśli p L, to p L) z wyróżniona rodzina swoich podzbiorów, nazywanych niesprzecznymi. Rodzina zbiorów niesprzecznych ma następujace własności: każda para {p, p} L jest zbiorem sprzecznym, podzbiór każdego zbioru niesprzecznego jest niesprzeczny, zbiór pusty L jest niesprzeczny oraz dla każdego niesprzecznego zbioru S L istnieje niesprzeczny nadzbiór T L taki, że dla każdej pary {p, p} L mamy p T lub p T.

82 Teoria agregacji sadów Dietrich (2004) A generalised model of judgment aggregation Systemem logicznym nazwiemy niepusty zbiór zdań L zamknięty ze względu na negację (jeśli p L, to p L) z wyróżniona rodzina swoich podzbiorów, nazywanych niesprzecznymi. Rodzina zbiorów niesprzecznych ma następujace własności: każda para {p, p} L jest zbiorem sprzecznym, podzbiór każdego zbioru niesprzecznego jest niesprzeczny, zbiór pusty L jest niesprzeczny oraz dla każdego niesprzecznego zbioru S L istnieje niesprzeczny nadzbiór T L taki, że dla każdej pary {p, p} L mamy p T lub p T.

83 Teoria agregacji sadów Dietrich (2004) A generalised model of judgment aggregation Systemem logicznym nazwiemy niepusty zbiór zdań L zamknięty ze względu na negację (jeśli p L, to p L) z wyróżniona rodzina swoich podzbiorów, nazywanych niesprzecznymi. Rodzina zbiorów niesprzecznych ma następujace własności: każda para {p, p} L jest zbiorem sprzecznym, podzbiór każdego zbioru niesprzecznego jest niesprzeczny, zbiór pusty L jest niesprzeczny oraz dla każdego niesprzecznego zbioru S L istnieje niesprzeczny nadzbiór T L taki, że dla każdej pary {p, p} L mamy p T lub p T.

84 Teoria agregacji sadów Dietrich (2004) A generalised model of judgment aggregation Systemem logicznym nazwiemy niepusty zbiór zdań L zamknięty ze względu na negację (jeśli p L, to p L) z wyróżniona rodzina swoich podzbiorów, nazywanych niesprzecznymi. Rodzina zbiorów niesprzecznych ma następujace własności: każda para {p, p} L jest zbiorem sprzecznym, podzbiór każdego zbioru niesprzecznego jest niesprzeczny, zbiór pusty L jest niesprzeczny oraz dla każdego niesprzecznego zbioru S L istnieje niesprzeczny nadzbiór T L taki, że dla każdej pary {p, p} L mamy p T lub p T.

85 Teoria agregacji sadów Dietrich (2004) A generalised model of judgment aggregation Systemem logicznym nazwiemy niepusty zbiór zdań L zamknięty ze względu na negację (jeśli p L, to p L) z wyróżniona rodzina swoich podzbiorów, nazywanych niesprzecznymi. Rodzina zbiorów niesprzecznych ma następujace własności: każda para {p, p} L jest zbiorem sprzecznym, podzbiór każdego zbioru niesprzecznego jest niesprzeczny, zbiór pusty L jest niesprzeczny oraz dla każdego niesprzecznego zbioru S L istnieje niesprzeczny nadzbiór T L taki, że dla każdej pary {p, p} L mamy p T lub p T.

86 Teoria agregacji sadów Dietrich (2004) A generalised model of judgment aggregation Systemem logicznym nazwiemy niepusty zbiór zdań L zamknięty ze względu na negację (jeśli p L, to p L) z wyróżniona rodzina swoich podzbiorów, nazywanych niesprzecznymi. Rodzina zbiorów niesprzecznych ma następujace własności: każda para {p, p} L jest zbiorem sprzecznym, podzbiór każdego zbioru niesprzecznego jest niesprzeczny, zbiór pusty L jest niesprzeczny oraz dla każdego niesprzecznego zbioru S L istnieje niesprzeczny nadzbiór T L taki, że dla każdej pary {p, p} L mamy p T lub p T.

87 Teoria agregacji sadów Przykład: Systemem logicznym jest rachunek zdań. Do zbioru L należa wszystkie poprawnie zbudowane formuły rachunku zdań (a, a, b, a b, a b,...). Do rodziny zbiorów niesprzecznych zaliczamy wszystkie zbiory S L, dla których istnieje takie wartościowanie, że wartość logiczna każdego zdania p S jest równa 1. Systemy logiczne w rozumieniu powyższej definicji stanowia ponadto między innymi języki rachunku predykatów i logiki modalnej.

88 Teoria agregacji sadów Przykład: Systemem logicznym jest rachunek zdań. Do zbioru L należa wszystkie poprawnie zbudowane formuły rachunku zdań (a, a, b, a b, a b,...). Do rodziny zbiorów niesprzecznych zaliczamy wszystkie zbiory S L, dla których istnieje takie wartościowanie, że wartość logiczna każdego zdania p S jest równa 1. Systemy logiczne w rozumieniu powyższej definicji stanowia ponadto między innymi języki rachunku predykatów i logiki modalnej.

89 Teoria agregacji sadów Przykład: Systemem logicznym jest rachunek zdań. Do zbioru L należa wszystkie poprawnie zbudowane formuły rachunku zdań (a, a, b, a b, a b,...). Do rodziny zbiorów niesprzecznych zaliczamy wszystkie zbiory S L, dla których istnieje takie wartościowanie, że wartość logiczna każdego zdania p S jest równa 1. Systemy logiczne w rozumieniu powyższej definicji stanowia ponadto między innymi języki rachunku predykatów i logiki modalnej.

90 Teoria agregacji sadów Przykład: Systemem logicznym jest rachunek zdań. Do zbioru L należa wszystkie poprawnie zbudowane formuły rachunku zdań (a, a, b, a b, a b,...). Do rodziny zbiorów niesprzecznych zaliczamy wszystkie zbiory S L, dla których istnieje takie wartościowanie, że wartość logiczna każdego zdania p S jest równa 1. Systemy logiczne w rozumieniu powyższej definicji stanowia ponadto między innymi języki rachunku predykatów i logiki modalnej.

91 Teoria agregacji sadów Pojęcie niesprzeczności określa logiczne powiazania między zdaniami. Powiemy, że ze zbioru zdań A L wynika zdanie p L (ozn. A p), gdy zbiór A { p} jest sprzeczny. Zbiór kwestii, co do których grupa ma podjać zbiorowa decyzję, nazywamy agenda. Jest to niepusty podzbiór X zbioru L taki, że X = {p, p : p X + }. (skończony) Przykład: system logiczny L - rachunek zdań agenda X = {a, a, a b, (a b), b, b}

92 Teoria agregacji sadów Pojęcie niesprzeczności określa logiczne powiazania między zdaniami. Powiemy, że ze zbioru zdań A L wynika zdanie p L (ozn. A p), gdy zbiór A { p} jest sprzeczny. Zbiór kwestii, co do których grupa ma podjać zbiorowa decyzję, nazywamy agenda. Jest to niepusty podzbiór X zbioru L taki, że X = {p, p : p X + }. (skończony) Przykład: system logiczny L - rachunek zdań agenda X = {a, a, a b, (a b), b, b}

93 Teoria agregacji sadów Pojęcie niesprzeczności określa logiczne powiazania między zdaniami. Powiemy, że ze zbioru zdań A L wynika zdanie p L (ozn. A p), gdy zbiór A { p} jest sprzeczny. Zbiór kwestii, co do których grupa ma podjać zbiorowa decyzję, nazywamy agenda. Jest to niepusty podzbiór X zbioru L taki, że X = {p, p : p X + }. (skończony) Przykład: system logiczny L - rachunek zdań agenda X = {a, a, a b, (a b), b, b}

94 Teoria agregacji sadów Pojęcie niesprzeczności określa logiczne powiazania między zdaniami. Powiemy, że ze zbioru zdań A L wynika zdanie p L (ozn. A p), gdy zbiór A { p} jest sprzeczny. Zbiór kwestii, co do których grupa ma podjać zbiorowa decyzję, nazywamy agenda. Jest to niepusty podzbiór X zbioru L taki, że X = {p, p : p X + }. (skończony) Przykład: system logiczny L - rachunek zdań agenda X = {a, a, a b, (a b), b, b}

95 Teoria agregacji sadów Pojęcie niesprzeczności określa logiczne powiazania między zdaniami. Powiemy, że ze zbioru zdań A L wynika zdanie p L (ozn. A p), gdy zbiór A { p} jest sprzeczny. Zbiór kwestii, co do których grupa ma podjać zbiorowa decyzję, nazywamy agenda. Jest to niepusty podzbiór X zbioru L taki, że X = {p, p : p X + }. (skończony) Przykład: system logiczny L - rachunek zdań agenda X = {a, a, a b, (a b), b, b}

96 Teoria agregacji sadów Pojęcie niesprzeczności określa logiczne powiazania między zdaniami. Powiemy, że ze zbioru zdań A L wynika zdanie p L (ozn. A p), gdy zbiór A { p} jest sprzeczny. Zbiór kwestii, co do których grupa ma podjać zbiorowa decyzję, nazywamy agenda. Jest to niepusty podzbiór X zbioru L taki, że X = {p, p : p X + }. (skończony) Przykład: system logiczny L - rachunek zdań agenda X = {a, a, a b, (a b), b, b}

97 Teoria agregacji sadów Pojęcie niesprzeczności określa logiczne powiazania między zdaniami. Powiemy, że ze zbioru zdań A L wynika zdanie p L (ozn. A p), gdy zbiór A { p} jest sprzeczny. Zbiór kwestii, co do których grupa ma podjać zbiorowa decyzję, nazywamy agenda. Jest to niepusty podzbiór X zbioru L taki, że X = {p, p : p X + }. (skończony) Przykład: system logiczny L - rachunek zdań agenda X = {a, a, a b, (a b), b, b}

98 Teoria agregacji sadów Zbiorem sadów nazywamy zbiór zdań A X. Wyraża on opinię jednostki badź grupy. Powiemy, że zbiór sadów A jest: niesprzeczny, jeśli jest niesprzeczny w sensie danego systemu logicznego L, zupełny, jeśli dla każdego p X mamy p A lub p A, całkowicie racjonalny, jeśli jest zupełny i niesprzeczny. Aby dany zbiór sadów nazwać całkowicie racjonalnym, deklarujaca go jednostka badź grupa musi wyrazić swoje zdanie na temat każdej kwestii należacej do agendy! Zbiór wszystkich całkowicie racjonalnych podzbiorów A agendy X oznaczamy przez C.

99 Teoria agregacji sadów Zbiorem sadów nazywamy zbiór zdań A X. Wyraża on opinię jednostki badź grupy. Powiemy, że zbiór sadów A jest: niesprzeczny, jeśli jest niesprzeczny w sensie danego systemu logicznego L, zupełny, jeśli dla każdego p X mamy p A lub p A, całkowicie racjonalny, jeśli jest zupełny i niesprzeczny. Aby dany zbiór sadów nazwać całkowicie racjonalnym, deklarujaca go jednostka badź grupa musi wyrazić swoje zdanie na temat każdej kwestii należacej do agendy! Zbiór wszystkich całkowicie racjonalnych podzbiorów A agendy X oznaczamy przez C.

100 Teoria agregacji sadów Zbiorem sadów nazywamy zbiór zdań A X. Wyraża on opinię jednostki badź grupy. Powiemy, że zbiór sadów A jest: niesprzeczny, jeśli jest niesprzeczny w sensie danego systemu logicznego L, zupełny, jeśli dla każdego p X mamy p A lub p A, całkowicie racjonalny, jeśli jest zupełny i niesprzeczny. Aby dany zbiór sadów nazwać całkowicie racjonalnym, deklarujaca go jednostka badź grupa musi wyrazić swoje zdanie na temat każdej kwestii należacej do agendy! Zbiór wszystkich całkowicie racjonalnych podzbiorów A agendy X oznaczamy przez C.

101 Teoria agregacji sadów Zbiorem sadów nazywamy zbiór zdań A X. Wyraża on opinię jednostki badź grupy. Powiemy, że zbiór sadów A jest: niesprzeczny, jeśli jest niesprzeczny w sensie danego systemu logicznego L, zupełny, jeśli dla każdego p X mamy p A lub p A, całkowicie racjonalny, jeśli jest zupełny i niesprzeczny. Aby dany zbiór sadów nazwać całkowicie racjonalnym, deklarujaca go jednostka badź grupa musi wyrazić swoje zdanie na temat każdej kwestii należacej do agendy! Zbiór wszystkich całkowicie racjonalnych podzbiorów A agendy X oznaczamy przez C.

102 Teoria agregacji sadów Zbiorem sadów nazywamy zbiór zdań A X. Wyraża on opinię jednostki badź grupy. Powiemy, że zbiór sadów A jest: niesprzeczny, jeśli jest niesprzeczny w sensie danego systemu logicznego L, zupełny, jeśli dla każdego p X mamy p A lub p A, całkowicie racjonalny, jeśli jest zupełny i niesprzeczny. Aby dany zbiór sadów nazwać całkowicie racjonalnym, deklarujaca go jednostka badź grupa musi wyrazić swoje zdanie na temat każdej kwestii należacej do agendy! Zbiór wszystkich całkowicie racjonalnych podzbiorów A agendy X oznaczamy przez C.

103 Teoria agregacji sadów Zbiorem sadów nazywamy zbiór zdań A X. Wyraża on opinię jednostki badź grupy. Powiemy, że zbiór sadów A jest: niesprzeczny, jeśli jest niesprzeczny w sensie danego systemu logicznego L, zupełny, jeśli dla każdego p X mamy p A lub p A, całkowicie racjonalny, jeśli jest zupełny i niesprzeczny. Aby dany zbiór sadów nazwać całkowicie racjonalnym, deklarujaca go jednostka badź grupa musi wyrazić swoje zdanie na temat każdej kwestii należacej do agendy! Zbiór wszystkich całkowicie racjonalnych podzbiorów A agendy X oznaczamy przez C.

104 Teoria agregacji sadów Zbiorem sadów nazywamy zbiór zdań A X. Wyraża on opinię jednostki badź grupy. Powiemy, że zbiór sadów A jest: niesprzeczny, jeśli jest niesprzeczny w sensie danego systemu logicznego L, zupełny, jeśli dla każdego p X mamy p A lub p A, całkowicie racjonalny, jeśli jest zupełny i niesprzeczny. Aby dany zbiór sadów nazwać całkowicie racjonalnym, deklarujaca go jednostka badź grupa musi wyrazić swoje zdanie na temat każdej kwestii należacej do agendy! Zbiór wszystkich całkowicie racjonalnych podzbiorów A agendy X oznaczamy przez C.

105 Teoria agregacji sadów Zbiorem sadów nazywamy zbiór zdań A X. Wyraża on opinię jednostki badź grupy. Powiemy, że zbiór sadów A jest: niesprzeczny, jeśli jest niesprzeczny w sensie danego systemu logicznego L, zupełny, jeśli dla każdego p X mamy p A lub p A, całkowicie racjonalny, jeśli jest zupełny i niesprzeczny. Aby dany zbiór sadów nazwać całkowicie racjonalnym, deklarujaca go jednostka badź grupa musi wyrazić swoje zdanie na temat każdej kwestii należacej do agendy! Zbiór wszystkich całkowicie racjonalnych podzbiorów A agendy X oznaczamy przez C.

106 Teoria agregacji sadów Jeśli dla każdej spośród n osób podejmujacych zbiorowa decyzję mamy dany jej zbiór sadów, to otrzymujemy profil (A 1, A 2,..., A n ). Funkcję F, która profilowi indywidualnych zbiorów sadów (A 1, A 2,..., A n ) przyporzadkowuje zbiór F(A 1, A 2,..., A n ) = A X, interpretowany jako zbiór zdań akceptowanych przez grupę N, nazywamy metoda agregacji. Będziemy rozpatrywać funkcje F : C n C, dla których niemożliwe jest "wstrzymanie się od głosu".

107 Teoria agregacji sadów Jeśli dla każdej spośród n osób podejmujacych zbiorowa decyzję mamy dany jej zbiór sadów, to otrzymujemy profil (A 1, A 2,..., A n ). Funkcję F, która profilowi indywidualnych zbiorów sadów (A 1, A 2,..., A n ) przyporzadkowuje zbiór F(A 1, A 2,..., A n ) = A X, interpretowany jako zbiór zdań akceptowanych przez grupę N, nazywamy metoda agregacji. Będziemy rozpatrywać funkcje F : C n C, dla których niemożliwe jest "wstrzymanie się od głosu".

108 Teoria agregacji sadów Jeśli dla każdej spośród n osób podejmujacych zbiorowa decyzję mamy dany jej zbiór sadów, to otrzymujemy profil (A 1, A 2,..., A n ). Funkcję F, która profilowi indywidualnych zbiorów sadów (A 1, A 2,..., A n ) przyporzadkowuje zbiór F(A 1, A 2,..., A n ) = A X, interpretowany jako zbiór zdań akceptowanych przez grupę N, nazywamy metoda agregacji. Będziemy rozpatrywać funkcje F : C n C, dla których niemożliwe jest "wstrzymanie się od głosu".

109 Teoria agregacji sadów Jeśli dla każdej spośród n osób podejmujacych zbiorowa decyzję mamy dany jej zbiór sadów, to otrzymujemy profil (A 1, A 2,..., A n ). Funkcję F, która profilowi indywidualnych zbiorów sadów (A 1, A 2,..., A n ) przyporzadkowuje zbiór F(A 1, A 2,..., A n ) = A X, interpretowany jako zbiór zdań akceptowanych przez grupę N, nazywamy metoda agregacji. Będziemy rozpatrywać funkcje F : C n C, dla których niemożliwe jest "wstrzymanie się od głosu".

110 Teoria agregacji sadów Metoda zwykłej większości. Zdanie p X jest społecznie akceptowane, jeśli więcej członków grupy akceptuje to zdanie niż jego zaprzeczenie, czyli F (A 1, A 2,..., A n ) = {p X : {i N : p A i } > {i N : p A i } }. Metoda zwykłej większości może generować sprzeczne zbiory sadów (dylemat dyskursywny).

TEORIA WYBORU PUBLICZNEGO

TEORIA WYBORU PUBLICZNEGO TEORIA WYBORU PUBLICZNEGO Wykład 5 Teoria wyboru społecznego Katarzyna Metelska-Szaniawska 2/04/2008 PLAN WYKŁADU I II III IV Czym jest teoria wyboru społecznego? Przykłady systemów głosowania i systemów

Bardziej szczegółowo

Podstawy logiki i teorii mnogości Informatyka, I rok. Semestr letni 2013/14. Tomasz Połacik

Podstawy logiki i teorii mnogości Informatyka, I rok. Semestr letni 2013/14. Tomasz Połacik Podstawy logiki i teorii mnogości Informatyka, I rok. Semestr letni 2013/14. Tomasz Połacik 9 Relacje 9.1 Podstawowe pojęcia 9.1 Definicja (Relacja). Relacją (binarną) nazywamy dowolny podzbiór produktu

Bardziej szczegółowo

Zbiory. Specjalnym zbiorem jest zbiór pusty nie zawierajacy żadnych elementów. Oznaczamy go symbolem.

Zbiory. Specjalnym zbiorem jest zbiór pusty nie zawierajacy żadnych elementów. Oznaczamy go symbolem. Zbiory Pojęcie zbioru jest w matematyce pojęciem pierwotnym, którego nie definiujemy. Gdy a jest elementem należacym do zbioru A to piszemy a A. Stosujemy również oznaczenie a / A jeżeli (a A). Będziemy

Bardziej szczegółowo

domykanie relacji, relacja równoważności, rozkłady zbiorów

domykanie relacji, relacja równoważności, rozkłady zbiorów 1 of 8 2012-03-28 17:45 Logika i teoria mnogości/wykład 5: Para uporządkowana iloczyn kartezjański relacje domykanie relacji relacja równoważności rozkłady zbiorów From Studia Informatyczne < Logika i

Bardziej szczegółowo

Podstawy metod probabilistycznych. dr Adam Kiersztyn

Podstawy metod probabilistycznych. dr Adam Kiersztyn Podstawy metod probabilistycznych dr Adam Kiersztyn Przestrzeń zdarzeń elementarnych i zdarzenia losowe. Zjawiskiem lub doświadczeniem losowym nazywamy taki proces, którego przebiegu i ostatecznego wyniku

Bardziej szczegółowo

KIEDY METODA ZWYKŁEJ WIĘKSZOŚCI ZAPEWNIA PRZECHODNIOŚĆ PREFERENCJI SPOŁECZNEJ?

KIEDY METODA ZWYKŁEJ WIĘKSZOŚCI ZAPEWNIA PRZECHODNIOŚĆ PREFERENCJI SPOŁECZNEJ? DECYZJE nr 2 grudzień 2004 KIEDY METODA ZWYKŁEJ WIĘKSZOŚCI ZAPEWNIA PRZECHODNIOŚĆ PREFERENCJI SPOŁECZNEJ? Marta Kuc * Uniwersytet Warszawski Zasada zwykłej większości jest najczęściej stosowaną metodą

Bardziej szczegółowo

JEZYKOZNAWSTWO. I NAUKI O INFORMACJI, ROK I Logika Matematyczna: egzamin pisemny 11 czerwca Imię i Nazwisko:... FIGLARNE POZNANIANKI

JEZYKOZNAWSTWO. I NAUKI O INFORMACJI, ROK I Logika Matematyczna: egzamin pisemny 11 czerwca Imię i Nazwisko:... FIGLARNE POZNANIANKI JEZYKOZNAWSTWO I NAUKI O INFORMACJI, ROK I Logika Matematyczna: egzamin pisemny 11 czerwca 2012 Imię i Nazwisko:........................................................... FIGLARNE POZNANIANKI Wybierz

Bardziej szczegółowo

5. Algebra działania, grupy, grupy permutacji, pierścienie, ciała, pierścień wielomianów.

5. Algebra działania, grupy, grupy permutacji, pierścienie, ciała, pierścień wielomianów. 5. Algebra działania, grupy, grupy permutacji, pierścienie, ciała, pierścień wielomianów. Algebra jest jednym z najstarszych działów matematyki dotyczącym początkowo tworzenia metod rozwiązywania równań

Bardziej szczegółowo

Elementy logiki matematycznej

Elementy logiki matematycznej Elementy logiki matematycznej Przedmiotem logiki matematycznej jest badanie tzw. wyrażeń logicznych oraz metod rozumowania i sposobów dowodzenia używanych w matematyce, a także w innych dziedzinach, w

Bardziej szczegółowo

Relacje. Relacje / strona 1 z 18

Relacje. Relacje / strona 1 z 18 Relacje Relacje / strona 1 z 18 Relacje (para uporządkowana, iloczyn kartezjański) Definicja R.1. Parą uporządkowaną (x,y) nazywamy zbiór {{x},{x,y}}. Uwaga: (Ala, Ola) (Ola, Ala) Definicja R.2. (n-tka

Bardziej szczegółowo

Filtry i nety w przestrzeniach topologicznych

Filtry i nety w przestrzeniach topologicznych Filtry i nety w przestrzeniach topologicznych Magdalena Ziębowicz Streszczenie W referacie zostaną przedstawione i scharakteryzowane pojęcia związane z filtrami i ultrafiltrami, ciągami uogólnionymi oraz

Bardziej szczegółowo

LOGIKA I TEORIA ZBIORÓW

LOGIKA I TEORIA ZBIORÓW LOGIKA I TEORIA ZBIORÓW Logika Logika jest nauką zajmującą się zdaniami Z punktu widzenia logiki istotne jest, czy dane zdanie jest prawdziwe, czy nie Nie jest natomiast istotne o czym to zdanie mówi Definicja

Bardziej szczegółowo

Logika I. Wykład 3. Relacje i funkcje

Logika I. Wykład 3. Relacje i funkcje Andrzej Wiśniewski Logika I Materiały do wykładu dla studentów kognitywistyki Wykład 3. Relacje i funkcje 1 Już było... Definicja 2.6. (para uporządkowana) Parą uporządkowaną nazywamy zbiór {{x},

Bardziej szczegółowo

SYSTEM DIAGNOSTYCZNY OPARTY NA LOGICE DOMNIEMAŃ. Ewa Madalińska. na podstawie prac:

SYSTEM DIAGNOSTYCZNY OPARTY NA LOGICE DOMNIEMAŃ. Ewa Madalińska. na podstawie prac: SYSTEM DIAGNOSTYCZNY OPARTY NA LOGICE DOMNIEMAŃ Ewa Madalińska na podstawie prac: [1] Lukaszewicz,W. (1988) Considerations on Default Logic: An Alternative Approach. Computational Intelligence, 44[1],

Bardziej szczegółowo

Logika i teoria mnogości Wykład 14 1. Sformalizowane teorie matematyczne

Logika i teoria mnogości Wykład 14 1. Sformalizowane teorie matematyczne Logika i teoria mnogości Wykład 14 1 Sformalizowane teorie matematyczne W początkowym okresie rozwoju teoria mnogości budowana była w oparciu na intuicyjnym pojęciu zbioru. Operowano swobodnie pojęciem

Bardziej szczegółowo

Jest to zasadniczo powtórka ze szkoły średniej, być może z niektórymi rzeczami nowymi.

Jest to zasadniczo powtórka ze szkoły średniej, być może z niektórymi rzeczami nowymi. Logika Jest to zasadniczo powtórka ze szkoły średniej, być może z niektórymi rzeczami nowymi. Często słowu "logika" nadaje się szersze znaczenie niż temu o czym będzie poniżej: np. mówi się "logiczne myślenie"

Bardziej szczegółowo

Logika Stosowana. Wykład 1 - Logika zdaniowa. Marcin Szczuka. Instytut Informatyki UW. Wykład monograficzny, semestr letni 2016/2017

Logika Stosowana. Wykład 1 - Logika zdaniowa. Marcin Szczuka. Instytut Informatyki UW. Wykład monograficzny, semestr letni 2016/2017 Logika Stosowana Wykład 1 - Logika zdaniowa Marcin Szczuka Instytut Informatyki UW Wykład monograficzny, semestr letni 2016/2017 Marcin Szczuka (MIMUW) Logika Stosowana 2017 1 / 30 Plan wykładu 1 Język

Bardziej szczegółowo

Zbiory, relacje i funkcje

Zbiory, relacje i funkcje Zbiory, relacje i funkcje Zbiory będziemy zazwyczaj oznaczać dużymi literami A, B, C, X, Y, Z, natomiast elementy zbiorów zazwyczaj małymi. Podstawą zależność między elementem zbioru a zbiorem, czyli relację

Bardziej szczegółowo

Uwaga 1. Zbiory skończone są równoliczne wtedy i tylko wtedy, gdy mają tyle samo elementów.

Uwaga 1. Zbiory skończone są równoliczne wtedy i tylko wtedy, gdy mają tyle samo elementów. Logika i teoria mnogości Wykład 11 i 12 1 Moce zbiorów Równoliczność zbiorów Def. 1. Zbiory X i Y są równoliczne (X ~ Y), jeśli istnieje bijekcja f : X Y. O funkcji f mówimy wtedy, że ustala równoliczność

Bardziej szczegółowo

Wstęp do Matematyki (2)

Wstęp do Matematyki (2) Wstęp do Matematyki (2) Jerzy Pogonowski Zakład Logiki Stosowanej UAM www.logic.amu.edu.pl pogon@amu.edu.pl Własności relacji Jerzy Pogonowski (MEG) Wstęp do Matematyki (2) Własności relacji 1 / 24 Wprowadzenie

Bardziej szczegółowo

Podstawy logiki i teorii mnogości Informatyka, I rok. Semestr letni 2013/14. Tomasz Połacik

Podstawy logiki i teorii mnogości Informatyka, I rok. Semestr letni 2013/14. Tomasz Połacik Podstawy logiki i teorii mnogości Informatyka, I rok. Semestr letni 2013/14. Tomasz Połacik 8 Funkcje 8.1 Pojęcie relacji 8.1 Definicja (Relacja). Relacją (binarną) nazywamy dowolny podzbiór produktu kartezjańskiego

Bardziej szczegółowo

Równoliczność zbiorów

Równoliczność zbiorów Logika i Teoria Mnogości Wykład 11 12 Teoria mocy 1 Równoliczność zbiorów Def. 1. Zbiory X i Y nazywamy równolicznymi, jeśli istnieje bijekcja f : X Y. O funkcji f mówimy wtedy,że ustala równoliczność

Bardziej szczegółowo

Adam Meissner.

Adam Meissner. Instytut Automatyki i Inżynierii Informatycznej Politechniki Poznańskiej Adam Meissner Adam.Meissner@put.poznan.pl http://www.man.poznan.pl/~ameis SZTUCZNA INTELIGENCJA Podstawy logiki pierwszego rzędu

Bardziej szczegółowo

BOGDAN ZARĘBSKI ZASTOSOWANIE ZASADY ABSTRAKCJI DO KONSTRUKCJI LICZB CAŁKOWITYCH

BOGDAN ZARĘBSKI ZASTOSOWANIE ZASADY ABSTRAKCJI DO KONSTRUKCJI LICZB CAŁKOWITYCH BOGDAN ZARĘBSKI ZASTOSOWANIE ZASADY ABSTRAKCJI DO KONSTRUKCJI LICZB CAŁKOWITYCH WSTĘP Zbiór liczb całkowitych można definiować na różne sposoby. Jednym ze sposobów określania zbioru liczb całkowitych jest

Bardziej szczegółowo

Np. Olsztyn leży nad Łyną - zdanie prawdziwe, wartość logiczna 1 4 jest większe od 5 - zdanie fałszywe, wartość logiczna 0

Np. Olsztyn leży nad Łyną - zdanie prawdziwe, wartość logiczna 1 4 jest większe od 5 - zdanie fałszywe, wartość logiczna 0 ĆWICZENIE 1 Klasyczny Rachunek Zdań (KRZ): zdania w sensie logicznym, wartości logiczne, spójniki logiczne, zmienne zdaniowe, tabele prawdziwościowe dla spójników logicznych, formuły, wartościowanie zbioru

Bardziej szczegółowo

Drzewa Semantyczne w KRZ

Drzewa Semantyczne w KRZ Drzewa Semantyczne w KRZ Jerzy Pogonowski Zakład Logiki Stosowanej UAM www.logic.amu.edu.pl pogon@amu.edu.pl 7 XII 2006, 13:30 15:00 Jerzy Pogonowski (MEG) Drzewa Semantyczne w KRZ 7 XII 2006, 13:30 15:00

Bardziej szczegółowo

RACHUNEK ZDAŃ 7. Dla każdej tautologii w formie implikacji, której poprzednik również jest tautologią, następnik także jest tautologią.

RACHUNEK ZDAŃ 7. Dla każdej tautologii w formie implikacji, której poprzednik również jest tautologią, następnik także jest tautologią. Semantyczne twierdzenie o podstawianiu Jeżeli dana formuła rachunku zdań jest tautologią i wszystkie wystąpienia pewnej zmiennej zdaniowej w tej tautologii zastąpimy pewną ustaloną formułą, to otrzymana

Bardziej szczegółowo

EKONOMICZNA ANALIZA POLITYKI

EKONOMICZNA ANALIZA POLITYKI EKONOMICZNA ANALIZA POLITYKI Wykład 1 Homo Oeconomicus w świecie polityki wprowadzenie do ekonomicznej analizy polityki Katarzyna Metelska-Szaniawska SPRAWY ORGANIZACYJNE wykład + ćwiczenia strona przedmiotu:

Bardziej szczegółowo

Rachunek zdań. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak

Rachunek zdań. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak Rachunek zdań Materiały pomocnicze do wykładu wykładowca: dr Magdalena Kacprzak RACHUNEK ZDAŃ Zdania Definicja Zdanie jest to stwierdzenie w języku naturalnym, któremu można przypisać wartość prawdy lub

Bardziej szczegółowo

W pewnym mieście jeden z jej mieszkańców goli wszystkich tych i tylko tych jej mieszkańców, którzy nie golą się

W pewnym mieście jeden z jej mieszkańców goli wszystkich tych i tylko tych jej mieszkańców, którzy nie golą się 1 Logika Zdanie w sensie logicznym, to zdanie oznajmujące, o którym da się jednoznacznie powiedzieć, czy jest fałszywe, czy prawdziwe. Zmienna zdaniowa- to symbol, którym zastępujemy dowolne zdanie. Zdania

Bardziej szczegółowo

Nr 2. Grudzieñ 2004 r.

Nr 2. Grudzieñ 2004 r. Nr 2 Grudzieñ 2004 r. Warszawa 2004 DECYZJE półrocznik ul. Jagiellońska 59, 03-301 Warszawa, tel. +48 22 519 21 29 REDAKCJA: LISTA STAŁYCH RECENZENTÓW: Tadeusz Tyszka Redaktor naczelny Wyższa Szkoła Przedsiębiorczości

Bardziej szczegółowo

RELACJE I ODWZOROWANIA

RELACJE I ODWZOROWANIA RELACJE I ODWZOROWANIA Definicja. Dwuargumentową relacją określoną w iloczynie kartezjańskim X Y, X Y nazywamy uporządkowaną trójkę R = ( X, grr, Y ), gdzie grr X Y. Zbiór X nazywamy naddziedziną relacji.

Bardziej szczegółowo

1 Logika Zbiory Pewnik wyboru Funkcje Moce zbiorów Relacje... 14

1 Logika Zbiory Pewnik wyboru Funkcje Moce zbiorów Relacje... 14 Wstęp do matematyki Matematyka, I rok. Tomasz Połacik Spis treści 1 Logika................................. 1 2 Zbiory................................. 7 3 Pewnik wyboru............................ 10

Bardziej szczegółowo

I. Podstawowe pojęcia i oznaczenia logiczne i mnogościowe. Elementy teorii liczb rzeczywistych.

I. Podstawowe pojęcia i oznaczenia logiczne i mnogościowe. Elementy teorii liczb rzeczywistych. I. Podstawowe pojęcia i oznaczenia logiczne i mnogościowe. Elementy teorii liczb rzeczywistych. 1. Elementy logiki matematycznej. 1.1. Rachunek zdań. Definicja 1.1. Zdaniem logicznym nazywamy zdanie gramatyczne

Bardziej szczegółowo

Relacje. opracował Maciej Grzesiak. 17 października 2011

Relacje. opracował Maciej Grzesiak. 17 października 2011 Relacje opracował Maciej Grzesiak 17 października 2011 1 Podstawowe definicje Niech dany będzie zbiór X. X n oznacza n-tą potęgę kartezjańską zbioru X, tzn zbiór X X X = {(x 1, x 2,..., x n ) : x k X dla

Bardziej szczegółowo

Elementy logiki. Wojciech Buszkowski Wydział Matematyki i Informatyki UAM Zakład Teorii Obliczeń

Elementy logiki. Wojciech Buszkowski Wydział Matematyki i Informatyki UAM Zakład Teorii Obliczeń Elementy logiki Wojciech Buszkowski Wydział Matematyki i Informatyki UAM Zakład Teorii Obliczeń 1 Klasyczny Rachunek Zdań 1.1 Spójniki logiczne Zdaniem w sensie logicznym nazywamy wyrażenie, które jest

Bardziej szczegółowo

0.1. Logika podstawowe pojęcia: zdania i funktory, reguły wnioskowania, zmienne zdaniowe, rachunek zdań.

0.1. Logika podstawowe pojęcia: zdania i funktory, reguły wnioskowania, zmienne zdaniowe, rachunek zdań. Wykłady z Analizy rzeczywistej i zespolonej w Matematyce stosowanej Wykład ELEMENTY LOGIKI ALGEBRA BOOLE A Logika podstawowe pojęcia: zdania i funktory, reguły wnioskowania, zmienne zdaniowe, rachunek

Bardziej szczegółowo

Prawdopodobieństwo. Prawdopodobieństwo. Jacek Kłopotowski. Katedra Matematyki i Ekonomii Matematycznej SGH. 16 października 2018

Prawdopodobieństwo. Prawdopodobieństwo. Jacek Kłopotowski. Katedra Matematyki i Ekonomii Matematycznej SGH. 16 października 2018 Katedra Matematyki i Ekonomii Matematycznej SGH 16 października 2018 Definicja σ-algebry Definicja Niech Ω oznacza zbiór niepusty. Rodzinę M podzbiorów zbioru Ω nazywamy σ-algebrą (lub σ-ciałem) wtedy

Bardziej szczegółowo

1 Działania na zbiorach

1 Działania na zbiorach M. Beśka, Wstęp do teorii miary, rozdz. 1 1 1 Działania na zbiorach W rozdziale tym przypomnimy podstawowe działania na zbiorach koncentrując się na własnościach tych działań, które będą przydatne w dalszej

Bardziej szczegółowo

Rachunek logiczny. 1. Język rachunku logicznego.

Rachunek logiczny. 1. Język rachunku logicznego. Rachunek logiczny. Podstawową własnością rozumowania poprawnego jest zachowanie prawdy: rozumowanie poprawne musi się kończyć prawdziwą konkluzją, o ile wszystkie przesłanki leżące u jego podstaw były

Bardziej szczegółowo

Rodzinę spełniającą trzeci warunek tylko dla sumy skończonej nazywamy ciałem (algebrą) w zbiorze X.

Rodzinę spełniającą trzeci warunek tylko dla sumy skończonej nazywamy ciałem (algebrą) w zbiorze X. 1 σ-ciała Definicja 1.1 (σ - ciało) σ - ciałem (σ - algebrą) w danym zbiorze X (zwanym przestrzenią) nazywamy rodzinę M pewnych podzbiorów zbioru X, spełniającą trzy warunki: 1 o M; 2 o jeśli A M, to X

Bardziej szczegółowo

Tautologia (wyrażenie uniwersalnie prawdziwe - prawo logiczne)

Tautologia (wyrażenie uniwersalnie prawdziwe - prawo logiczne) Tautologia (wyrażenie uniwersalnie prawdziwe - prawo logiczne) Definicja 1: Tautologia jest to takie wyrażenie, którego wartość logiczna jest prawdą przy wszystkich możliwych wartościowaniach zmiennych

Bardziej szczegółowo

Algebrą nazywamy strukturę A = (A, {F i : i I }), gdzie A jest zbiorem zwanym uniwersum algebry, zaś F i : A F i

Algebrą nazywamy strukturę A = (A, {F i : i I }), gdzie A jest zbiorem zwanym uniwersum algebry, zaś F i : A F i Algebrą nazywamy strukturę A = (A, {F i : i I }), gdzie A jest zbiorem zwanym uniwersum algebry, zaś F i : A F i A (symbol F i oznacza ilość argumentów funkcji F i ). W rozważanych przez nas algebrach

Bardziej szczegółowo

Andrzej Wiśniewski Logika II. Materiały do wykładu dla studentów kognitywistyki

Andrzej Wiśniewski Logika II. Materiały do wykładu dla studentów kognitywistyki Andrzej Wiśniewski Logika II Materiały do wykładu dla studentów kognitywistyki Wykład 5. Wprowadzenie do semantyki teoriomodelowej cz.5. Wynikanie logiczne 1 Na poprzednim wykładzie udowodniliśmy m.in.:

Bardziej szczegółowo

1. Wstęp do logiki. Matematyka jest nauką dedukcyjną. Nowe pojęcia definiujemy za pomocą pojęć pierwotnych lub pojęć uprzednio wprowadzonych.

1. Wstęp do logiki. Matematyka jest nauką dedukcyjną. Nowe pojęcia definiujemy za pomocą pojęć pierwotnych lub pojęć uprzednio wprowadzonych. Elementy logiki i teorii zbiorów. 1. Wstęp do logiki. Matematyka jest nauką dedukcyjną. Nowe pojęcia definiujemy za pomocą pojęć pierwotnych lub pojęć uprzednio wprowadzonych. Pojęcia pierwotne to najprostsze

Bardziej szczegółowo

Metalogika (1) Jerzy Pogonowski. Uniwersytet Opolski. Zakład Logiki Stosowanej UAM

Metalogika (1) Jerzy Pogonowski. Uniwersytet Opolski. Zakład Logiki Stosowanej UAM Metalogika (1) Jerzy Pogonowski Zakład Logiki Stosowanej UAM www.logic.amu.edu.pl pogon@amu.edu.pl Uniwersytet Opolski Jerzy Pogonowski (MEG) Metalogika (1) Uniwersytet Opolski 1 / 21 Wstęp Cel: wprowadzenie

Bardziej szczegółowo

Struktury formalne, czyli elementy Teorii Modeli

Struktury formalne, czyli elementy Teorii Modeli Struktury formalne, czyli elementy Teorii Modeli Szymon Wróbel, notatki z wykładu dra Szymona Żeberskiego semestr zimowy 2016/17 1 Język 1.1 Sygnatura językowa Sygnatura językowa: L = ({f i } i I, {P j

Bardziej szczegółowo

LOGIKA Klasyczny Rachunek Zdań

LOGIKA Klasyczny Rachunek Zdań LOGIKA Klasyczny Rachunek Zdań Robert Trypuz trypuz@kul.pl 5 listopada 2013 Robert Trypuz (trypuz@kul.pl) Klasyczny Rachunek Zdań 5 listopada 2013 1 / 24 PLAN WYKŁADU 1 Alfabet i formuła KRZ 2 Zrozumieć

Bardziej szczegółowo

Uzupełnienia dotyczące zbiorów uporządkowanych (3 lutego 2011).

Uzupełnienia dotyczące zbiorów uporządkowanych (3 lutego 2011). Uzupełnienia dotyczące zbiorów uporządkowanych (3 lutego 2011). Poprzedniczka tej notatki zawierała błędy! Ta pewnie zresztą też ; ). Ćwiczenie 3 zostało zmienione, bo żądałem, byście dowodzili czegoś,

Bardziej szczegółowo

Wstęp do przestrzeni metrycznych i topologicznych oraz ich zastosowań w ekonomii

Wstęp do przestrzeni metrycznych i topologicznych oraz ich zastosowań w ekonomii Wstęp do przestrzeni metrycznych i topologicznych oraz ich zastosowań w ekonomii Mirosław Sobolewski 25 maja 2010 Definicja. Przestrzenią metryczną nazywamy zbiór X z funkcją ρ : X X R przyporządkowującą

Bardziej szczegółowo

IVa. Relacje - abstrakcyjne własności

IVa. Relacje - abstrakcyjne własności IVa. Relacje - abstrakcyjne własności Grzegorz Kosiorowski Uniwersytet Ekonomiczny w Krakowie rzegorz Kosiorowski (Uniwersytet Ekonomiczny wiva. Krakowie) Relacje - abstrakcyjne własności 1 / 22 1 Zwrotność

Bardziej szczegółowo

Logika Matematyczna (1)

Logika Matematyczna (1) Logika Matematyczna (1) Jerzy Pogonowski Zakład Logiki Stosowanej UAM www.logic.amu.edu.pl pogon@amu.edu.pl 4 X 2007 Jerzy Pogonowski (MEG) Logika Matematyczna (1) 4 X 2007 1 / 18 Plan konwersatorium Dzisiaj:

Bardziej szczegółowo

Matematyka ETId Elementy logiki

Matematyka ETId Elementy logiki Matematyka ETId Izolda Gorgol pokój 131A e-mail: I.Gorgol@pollub.pl tel. 081 5384 563 http://antenor.pol.lublin.pl/users/gorgol Zdania w sensie logicznym DEFINICJA Zdanie w sensie logicznym - zdanie oznajmujace,

Bardziej szczegółowo

FUNKCJE. (odwzorowania) Funkcje 1

FUNKCJE. (odwzorowania) Funkcje 1 FUNKCJE (odwzorowania) Funkcje 1 W matematyce funkcja ze zbioru X w zbiór Y nazywa się odwzorowanie (przyporządkowanie), które każdemu elementowi zbioru X przypisuje jeden, i tylko jeden element zbioru

Bardziej szczegółowo

FUNDAMENTALNY WKŁAD AMARTYI K. SENA DO TEORII WYBORU SPOŁECZNEGO

FUNDAMENTALNY WKŁAD AMARTYI K. SENA DO TEORII WYBORU SPOŁECZNEGO DECYZJE nr 3 czerwiec 2005 FUNDAMENTALNY WKŁAD AMARTYI K. SENA DO TEORII WYBORU SPOŁECZNEGO Grzegorz Lissowski Uniwersytet Warszawski Wstęp 14 października 1998 r. środki masowego przekazu poinformowały,

Bardziej szczegółowo

- Dla danego zbioru S zbiór wszystkich jego podzbiorów oznaczany symbolem 2 S.

- Dla danego zbioru S zbiór wszystkich jego podzbiorów oznaczany symbolem 2 S. 1 Zbiór potęgowy - Dla danego zbioru S zbiór wszystkich jego podzbiorów oznaczany symbolem 2 S. - Dowolny podzbiór R zbioru 2 S nazywa się rodziną zbiorów względem S. - Jeśli S jest n-elementowym zbiorem,

Bardziej szczegółowo

Teoria popytu. Popyt indywidualny konsumenta

Teoria popytu. Popyt indywidualny konsumenta Teoria popytu Popyt indywidualny konsumenta Koszyk towarów Definicja 1 Wektor x=(x 1,x 2,x 3,...,x n ) taki, że x i 0 dla każdego i,w którym i-ta współrzędna oznacza ilość towaru nr i, którą konsument

Bardziej szczegółowo

Logika Stosowana. Wykład 2 - Logika modalna Część 3. Marcin Szczuka. Instytut Informatyki UW. Wykład monograficzny, semestr letni 2017/2018

Logika Stosowana. Wykład 2 - Logika modalna Część 3. Marcin Szczuka. Instytut Informatyki UW. Wykład monograficzny, semestr letni 2017/2018 Logika Stosowana Wykład 2 - Logika modalna Część 3 Marcin Szczuka Instytut Informatyki UW Wykład monograficzny, semestr letni 2017/2018 Marcin Szczuka (MIMUW) Logika Stosowana 2018 1 / 36 Plan wykładu

Bardziej szczegółowo

Andrzej Wiśniewski Logika II. Materiały do wykładu dla studentów kognitywistyki. Wykład 14. Wprowadzenie do logiki intuicjonistycznej

Andrzej Wiśniewski Logika II. Materiały do wykładu dla studentów kognitywistyki. Wykład 14. Wprowadzenie do logiki intuicjonistycznej Andrzej Wiśniewski Logika II Materiały do wykładu dla studentów kognitywistyki Wykład 14. Wprowadzenie do logiki intuicjonistycznej 1 Przedstawione na poprzednich wykładach logiki modalne możemy uznać

Bardziej szczegółowo

Wielokryterialne wspomaganie

Wielokryterialne wspomaganie Wielokryterialne wspomaganie podejmowania decyzji Wykład ZARZĄDZANIE, I st. Maciej Wolny Wielokryterialne wspomaganie podejmowania decyzji Tytuł: Wprowadzenie do wielokryterialnego wspomagania decyzji

Bardziej szczegółowo

Logika dla socjologów Część 2: Przedmiot logiki

Logika dla socjologów Część 2: Przedmiot logiki Logika dla socjologów Część 2: Przedmiot logiki Rafał Gruszczyński Katedra Logiki Uniwersytet Mikołaja Kopernika 2011/2012 Spis treści 1 Działy logiki 2 Własności semantyczne i syntaktyczne 3 Błędy logiczne

Bardziej szczegółowo

Elementy logiki i teorii mnogości

Elementy logiki i teorii mnogości Elementy logiki i teorii mnogości Zdanie logiczne Zdanie logiczne jest to zdanie oznajmujące, któremu można przypisać określoną wartość logiczną. W logice klasycznej zdania dzielimy na: prawdziwe (przypisujemy

Bardziej szczegółowo

Logika dla socjologów

Logika dla socjologów Logika dla socjologów Część 6: Modele rozumowań. Pojęcie wynikania Rafał Gruszczyński Katedra Logiki Uniwersytet Mikołaja Kopernika 2011/2012 Spis treści 1 Modele rozumowań 2 Wynikanie 3 Rozumowania poprawne

Bardziej szczegółowo

Pytania i polecenia podstawowe

Pytania i polecenia podstawowe Pytania i polecenia podstawowe Liczby zespolone a) 2 i 1 + 2i 1 + 2i 3 + 4i, c) 1 i 2 + i a) 4 + 3i (2 i) 2, c) 1 3i a) i 111 (1 + i) 100, c) ( 3 i) 100 Czy dla dowolnych liczb z 1, z 2 C zachodzi równość:

Bardziej szczegółowo

Teoria gier matematyki). optymalności decyzji 2 lub więcej Decyzja wpływa na wynik innych graczy strategiami

Teoria gier matematyki). optymalności decyzji 2 lub więcej Decyzja wpływa na wynik innych graczy strategiami Teoria gier Teoria gier jest częścią teorii decyzji (czyli gałęzią matematyki). Teoria decyzji - decyzje mogą być podejmowane w warunkach niepewności, ale nie zależą od strategicznych działań innych Teoria

Bardziej szczegółowo

Relacje. Zdania opisujące stosunki dwuczłonowe mają ogólny wzór budowy: xry, co czytamy: x pozostaje w relacji R do y.

Relacje. Zdania opisujące stosunki dwuczłonowe mają ogólny wzór budowy: xry, co czytamy: x pozostaje w relacji R do y. Zdania stwierdzające relację Pewne wyrazy i wyraŝenia wskazują na stosunki, czyli relacje, jakie zachodzą między róŝnymi przedmiotami. Do takich wyrazów naleŝą m. in. wyrazy: nad, pod, za, przy, braterstwo,

Bardziej szczegółowo

Podstawowe Pojęcia. Semantyczne KRZ

Podstawowe Pojęcia. Semantyczne KRZ Logika Matematyczna: Podstawowe Pojęcia Semantyczne KRZ I rok Językoznawstwa i Informacji Naukowej UAM 2006-2007 Jerzy Pogonowski Zakład Logiki Stosowanej UAM http://www.logic.amu.edu.pl Dodatek: ściąga

Bardziej szczegółowo

1 Zbiory. 1.1 Kiedy {a} = {b, c}? (tzn. podać warunki na a, b i c) 1.2 Udowodnić, że A {A} A =.

1 Zbiory. 1.1 Kiedy {a} = {b, c}? (tzn. podać warunki na a, b i c) 1.2 Udowodnić, że A {A} A =. 1 Zbiory 1.1 Kiedy {a} = {b, c}? (tzn. podać warunki na a, b i c) 1.2 Udowodnić, że A {A} A =. 1.3 Pokazać, że jeśli A, B oraz (A B) (B A) = C C, to A = B = C. 1.4 Niech {X t } będzie rodziną niepustych

Bardziej szczegółowo

TEORIA GIER W EKONOMII WYKŁAD 6: GRY DWUOSOBOWE KOOPERACYJNE O SUMIE DOWOLNEJ

TEORIA GIER W EKONOMII WYKŁAD 6: GRY DWUOSOBOWE KOOPERACYJNE O SUMIE DOWOLNEJ TEORIA GIER W EKONOMII WYKŁAD 6: GRY DWUOSOBOWE KOOPERACYJNE O SUMIE DOWOLNEJ dr Robert Kowalczyk Katedra Analizy Nieliniowej Wydział Matematyki i Informatyki UŁ Gry dwuosobowe z kooperacją Przedstawimy

Bardziej szczegółowo

Podstawy Sztucznej Inteligencji (PSZT)

Podstawy Sztucznej Inteligencji (PSZT) Podstawy Sztucznej Inteligencji (PSZT) Paweł Wawrzyński Wnioskowanie logiczne i systemy eksperckie Systemy posługujące się logiką predykatów: część 3/3 Dzisiaj Uogólnienie Poprawność i pełność wnioskowania

Bardziej szczegółowo

Andrzej Wiśniewski Logika II. Wykłady 10b i 11. Semantyka relacyjna dla normalnych modalnych rachunków zdań

Andrzej Wiśniewski Logika II. Wykłady 10b i 11. Semantyka relacyjna dla normalnych modalnych rachunków zdań Andrzej Wiśniewski Logika II Materiały do wykładu dla studentów kognitywistyki Wykłady 10b i 11. Semantyka relacyjna dla normalnych modalnych rachunków zdań 1 Struktury modelowe Przedstawimy teraz pewien

Bardziej szczegółowo

DEFINICJA. Definicja 1 Niech A i B będą zbiorami. Relacja R pomiędzy A i B jest podzbiorem iloczynu kartezjańskiego tych zbiorów, R A B.

DEFINICJA. Definicja 1 Niech A i B będą zbiorami. Relacja R pomiędzy A i B jest podzbiorem iloczynu kartezjańskiego tych zbiorów, R A B. RELACJE Relacje 1 DEFINICJA Definicja 1 Niech A i B będą zbiorami. Relacja R pomiędzy A i B jest podzbiorem iloczynu kartezjańskiego tych zbiorów, R A B. Relacje 2 Przykład 1 Wróćmy do przykładu rozważanego

Bardziej szczegółowo

Paradoksy log o i g czne czn i inne 4 marca 2010

Paradoksy log o i g czne czn i inne 4 marca 2010 Paradoksy logiczne i inne 4 marca 2010 Paradoks Twierdzenie niezgodne z powszechnie przyjętym mniemaniem, rozumowanie, którego elementy są pozornie oczywiste, ale wskutek zawartego w nim błędu logicznego

Bardziej szczegółowo

Technologie i systemy oparte na logice rozmytej

Technologie i systemy oparte na logice rozmytej Zagadnienia I Technologie i systemy oparte na logice rozmytej Mają zastosowania w sytuacjach kiedy nie posiadamy wystarczającej wiedzy o modelu matematycznym rządzącym danym zjawiskiem oraz tam gdzie zbudowanie

Bardziej szczegółowo

Semantyka rachunku predykatów

Semantyka rachunku predykatów Relacje Interpretacja Wartość Spełnialność Logika obliczeniowa Instytut Informatyki Relacje Interpretacja Wartość Plan Plan Relacje O co chodzi? Znaczenie w logice Relacje 3 Interpretacja i wartościowanie

Bardziej szczegółowo

RACHUNEK PRAWDOPODOBIEŃSTWA - POJĘCIA WSTĘPNE MATERIAŁY POMOCNICZE - TEORIA

RACHUNEK PRAWDOPODOBIEŃSTWA - POJĘCIA WSTĘPNE MATERIAŁY POMOCNICZE - TEORIA Wydział: WiLiŚ, Transport, sem.2 dr Jolanta Dymkowska RACHUNEK PRAWDOPODOBIEŃSTWA - POJĘCIA WSTĘPNE MATERIAŁY POMOCNICZE - TEORIA Przestrzeń probabilistyczna Modelem matematycznym (tj. teoretycznym, wyidealizowanym,

Bardziej szczegółowo

Wyk lad 7 Baza i wymiar przestrzeni liniowej

Wyk lad 7 Baza i wymiar przestrzeni liniowej Wyk lad 7 Baza i wymiar przestrzeni liniowej 1 Baza przestrzeni liniowej Niech V bedzie przestrzenia liniowa. Powiemy, że podzbiór X V jest maksymalnym zbiorem liniowo niezależnym, jeśli X jest zbiorem

Bardziej szczegółowo

Wstęp do logiki. Klasyczny Rachunek Zdań II

Wstęp do logiki. Klasyczny Rachunek Zdań II Wstęp do logiki Klasyczny Rachunek Zdań II DEF. 1 (Słownik). Następujące znaki tworzą słownik języka KRZ: p 1, p 2, p 3, (zmienne zdaniowe) ~,,,, (spójniki) ), ( (nawiasy). DEF. 2 (Wyrażenie). Wyrażeniem

Bardziej szczegółowo

JEZYKOZNAWSTWO. I NAUKI O INFORMACJI, ROK I Logika Matematyczna: egzamin pisemny 18 czerwca Imię i Nazwisko:... I

JEZYKOZNAWSTWO. I NAUKI O INFORMACJI, ROK I Logika Matematyczna: egzamin pisemny 18 czerwca Imię i Nazwisko:... I JEZYKOZNAWSTWO I NAUKI O INFORMACJI, ROK I Logika Matematyczna: egzamin pisemny 18 czerwca 2013 Imię i Nazwisko:.................................................................................. I Wybierz

Bardziej szczegółowo

Przestrzenie wektorowe

Przestrzenie wektorowe Rozdział 4 Przestrzenie wektorowe Rozważania dotyczące przestrzeni wektorowych rozpoczniemy od kilku prostych przykładów. Przykład 4.1. W przestrzeni R 3 = {(x, y, z) : x, y, z R} wprowadzamy dwa działania:

Bardziej szczegółowo

MATEMATYKA DYSKRETNA, PODSTAWY LOGIKI I TEORII MNOGOŚCI

MATEMATYKA DYSKRETNA, PODSTAWY LOGIKI I TEORII MNOGOŚCI MATEMATYKA DYSKRETNA, PODSTAWY LOGIKI I TEORII MNOGOŚCI Program wykładów: dr inż. Barbara GŁUT Wstęp do logiki klasycznej: rachunek zdań, rachunek predykatów. Elementy semantyki. Podstawy teorii mnogości

Bardziej szczegółowo

KURS MATEMATYKA DYSKRETNA

KURS MATEMATYKA DYSKRETNA KURS MATEMATYKA DYSKRETNA Lekcja 17 Relacje częściowego porządku. Diagramy Hassego. ZADANIE DOMOWE www.akademia.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowiedź (tylko jedna jest prawdziwa).

Bardziej szczegółowo

Metody dowodzenia twierdzeń i automatyzacja rozumowań Tabele syntetyczne: definicje i twierdzenia

Metody dowodzenia twierdzeń i automatyzacja rozumowań Tabele syntetyczne: definicje i twierdzenia Metody dowodzenia twierdzeń i automatyzacja rozumowań Tabele syntetyczne: definicje i twierdzenia Mariusz Urbański Instytut Psychologii UAM Mariusz.Urbanski@.edu.pl Metoda tabel syntetycznych (MTS) MTS

Bardziej szczegółowo

UZASADNIENIA METOD WYBORU SPOŁECZNEGO

UZASADNIENIA METOD WYBORU SPOŁECZNEGO DECYZJE nr 14 grudzień 2010 UZASADNIENIA METOD WYBORU SPOŁECZNEGO Grzegorz Lissowski* Uniwersytet Warszawski Streszczenie: Teoria wyboru społecznego zajmuje się warunkami nakładanymi na sposoby realizacji

Bardziej szczegółowo

STATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2

STATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2 STATYSTYKA Rafał Kucharski Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2 Wybrane litery alfabetu greckiego α alfa β beta Γ γ gamma δ delta ɛ, ε epsilon η eta Θ θ theta

Bardziej szczegółowo

Rachunek prawdopodobieństwa Rozdział 4. Zmienne losowe

Rachunek prawdopodobieństwa Rozdział 4. Zmienne losowe Rachunek prawdopodobieństwa Rozdział 4. Zmienne losowe 4.0. Rozkłady zmiennych losowych, dystrybuanta. Katarzyna Rybarczyk-Krzywdzińska semestr zimowy 2016/2017 Wprowadzenie Przykład 1 Bolek, Lolek i Tola

Bardziej szczegółowo

ROZDZIAŁ 1. Rachunek funkcyjny

ROZDZIAŁ 1. Rachunek funkcyjny ROZDZIAŁ 1 Rachunek funkcyjny Niech X 1,..., X n będą dowolnymi zbiorami. Wyrażenie (formułę) ϕ(x 1,..., x n ), w którym występuje n zmiennych x 1,..., x n i które zamienia się w zdanie logiczne, gdy zamiast

Bardziej szczegółowo

Zbiory, funkcje i ich własności. XX LO (wrzesień 2016) Matematyka elementarna Temat #1 1 / 16

Zbiory, funkcje i ich własności. XX LO (wrzesień 2016) Matematyka elementarna Temat #1 1 / 16 Zbiory, funkcje i ich własności XX LO (wrzesień 2016) Matematyka elementarna Temat #1 1 / 16 Zbiory Zbiory ograniczone, kresy Zbiory ograniczone, min, max, sup, inf Zbiory ograniczone 1 Zbiór X R jest

Bardziej szczegółowo

Przykład 1 W przypadku jednokrotnego rzutu kostką przestrzeń zdarzeń elementarnych

Przykład 1 W przypadku jednokrotnego rzutu kostką przestrzeń zdarzeń elementarnych Rozdział 1 Zmienne losowe, ich rozkłady i charakterystyki 1.1 Definicja zmiennej losowej Niech Ω będzie przestrzenią zdarzeń elementarnych. Definicja 1 Rodzinę S zdarzeń losowych (zbiór S podzbiorów zbioru

Bardziej szczegółowo

Rachunek prawdopodobieństwa Rozdział 4. Zmienne losowe

Rachunek prawdopodobieństwa Rozdział 4. Zmienne losowe Rachunek prawdopodobieństwa Rozdział 4. Zmienne losowe 4.0. Rozkłady zmiennych losowych, dystrybuanta. Katarzyna Rybarczyk-Krzywdzińska Wprowadzenie Rozważmy eksperymenty 1 gra Bolka w ruletkę w kasynie;

Bardziej szczegółowo

Algebrę L = (L, Neg, Alt, Kon, Imp) nazywamy algebrą języka logiki zdań. Jest to algebra o typie

Algebrę L = (L, Neg, Alt, Kon, Imp) nazywamy algebrą języka logiki zdań. Jest to algebra o typie 3. Wykłady 5 i 6: Semantyka klasycznego rachunku zdań. Dotychczas rozwinęliśmy klasyczny rachunek na gruncie czysto syntaktycznym, a więc badaliśmy metodę sprawdzania, czy dana formuła B jest dowodliwa

Bardziej szczegółowo

Zbiory liczbowe widziane oczami topologa

Zbiory liczbowe widziane oczami topologa Zbiory liczbowe widziane oczami topologa Aleksander Błaszczyk Instytut Matematyki Uniwersytetu Ślaskiego Brenna, 25 wrzesień 2018 Aleksander Błaszczyk (UŚ) Zbiory liczbowe widziane oczami topologa Brenna,

Bardziej szczegółowo

Matematyka dyskretna. 1. Relacje

Matematyka dyskretna. 1. Relacje Matematyka dyskretna 1. Relacje Definicja 1.1 Relacją dwuargumentową nazywamy podzbiór produktu kartezjańskiego X Y, którego elementami są pary uporządkowane (x, y), takie, że x X i y Y. Uwaga 1.1 Jeśli

Bardziej szczegółowo

Wybierz cztery z poniższych pięciu zadań. Poprawne rozwiazanie dwóch zadań oznacza zdany egzamin.

Wybierz cztery z poniższych pięciu zadań. Poprawne rozwiazanie dwóch zadań oznacza zdany egzamin. Logika, II rok Etnolingwistyki UAM, 20 VI 2008. Imię i Nazwisko:.............................. GRUPA: I Wybierz cztery z poniższych pięciu zadań. Poprawne rozwiazanie dwóch zadań oznacza zdany egzamin.

Bardziej szczegółowo

vf(c) =, vf(ft 1... t n )=vf(t 1 )... vf(t n ).

vf(c) =, vf(ft 1... t n )=vf(t 1 )... vf(t n ). 6. Wykład 6: Rachunek predykatów. Język pierwszego rzędu składa się z: symboli relacyjnych P i, i I, gdzie (P i ) oznaczać będzie ilość argumentów symbolu P i, symboli funkcyjnych f j, j J, gdzie (f j

Bardziej szczegółowo

Zdarzenia losowe i prawdopodobieństwo

Zdarzenia losowe i prawdopodobieństwo Rozdział 1 Zdarzenia losowe i prawdopodobieństwo 1.1 Klasyfikacja zdarzeń Zdarzenie elementarne pojęcie aprioryczne, które nie może być zdefiniowane. Odpowiednik pojęcia punkt w geometrii. Zdarzenie elementarne

Bardziej szczegółowo

Wykład XI. Podaż dóbr publicznych. Podatek Grovesa-Clarke a

Wykład XI. Podaż dóbr publicznych. Podatek Grovesa-Clarke a Wykład XI Podaż dóbr publicznych. Podatek Grovesa-Clarke a Podaż dobra - głosowanie głosowanie większościowe => agregacja preferencji może prowadzić do nieprzechodniego porządku => manipulacja przez zmianę

Bardziej szczegółowo

Wstęp do Techniki Cyfrowej... Teoria automatów

Wstęp do Techniki Cyfrowej... Teoria automatów Wstęp do Techniki Cyfrowej... Teoria automatów Alfabety i litery Układ logiczny opisywany jest przez wektory, których wartości reprezentowane są przez ciągi kombinacji zerojedynkowych. Zwiększenie stopnia

Bardziej szczegółowo

Monoidy wolne. alfabetem. słowem długością słowa monoidem wolnym z alfabetem Twierdzenie 1.

Monoidy wolne. alfabetem. słowem długością słowa monoidem wolnym z alfabetem Twierdzenie 1. 3. Wykłady 3 i 4: Języki i systemy dedukcyjne. Klasyczny rachunek zdań. 3.1. Monoidy wolne. Niech X będzie zbiorem niepustym. Zbiór ten będziemy nazywać alfabetem. Skończony ciąg elementów alfabetu X będziemy

Bardziej szczegółowo

O WYKŁADZIE TEORIA PODEJMOWANIA DECYZJI. Ignacy Kaliszewski i Dmitry Podkopaev

O WYKŁADZIE TEORIA PODEJMOWANIA DECYZJI. Ignacy Kaliszewski i Dmitry Podkopaev Zeszyty Naukowe Wydziału Informatycznych Technik Zarządzania Wyższej Szkoły Informatyki Stosowanej i Zarządzania Współczesne Problemy Zarządzania Nr 1/2009 O WYKŁADZIE TEORIA PODEJMOWANIA DECYZJI Ignacy

Bardziej szczegółowo