Made available in DSpace on 2014-06-12T15:54:40Z (GMT). No. of bitstreams: 1 license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2005 / O presente trabalho estabelece uma extensão à Teoria Matemática da Evidência, também conhecida como Teoria de Dempster-Shafer, através da adoção de uma nova regra de combinação de evidências e de um arcabouço conceitual associado. Essa extensão resolve os problemas de comportamento contra-intuitivo apresentados originalmente pela teoria, amplia o poder expressional da mesma e permite a representação da incerteza nos resultados. A representação da incerteza implica a disponibilidade da mesma como um recurso estratégico a ser utilizado nas decisões baseadas nas evidências combinadas, bem como deixa explícita a relação entre os resultados numéricos obtidos e a probabilidade clássica

Made available in DSpace on 2014-06-12T15:55:07Z (GMT). No. of bitstreams: 2 arquivo9565_1.pdf: 714901 bytes, checksum: e1602dd43ff228b49b6ff591a1e8915a (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2005 / O presente trabalho estabelece uma extensão `a Teoria Matemática da Evidência, também conhecida como Teoria de Dempster-Shafer, através da adoção de uma nova regra de combinação de evidências e de um arcabouço conceitual associado. Essa extensão resolve os problemas de comportamento contra-intuitivo apresentados originalmente pela teoria, amplia o poder expressional da mesma e permite a representação da incerteza nos resultados. A representação da incerteza implica a disponibilidade da mesma como um recurso estratégico a ser utilizado nas decisões baseadas nas evidências combinadas, bem como deixa explícita a relação entre os resultados numéricos obtidos e a probabilidade clássica

[pt] Existem três tipos de incerteza: a de natureza aleatória, a gerada pelo conhecimento incompleto e a que ocorre em função do conhecimento vago ou impreciso. Há casos em que dois tipos de incerteza estão presentes, em especial nos experimentos aleatórios a partir de dados imprecisos. Para modelar a aleatoriedade quando a distribuição de probabilidade que rege o experimento não é conhecida, deve-se utilizar um método de estimação nãoparamétrico, tal como a janela de Parzen. Já a incerteza de medição, presente em qualquer medida de uma grandeza física, dá origem a dados imprecisos, tradicionalmente modelados por conceitos probabilísticos. Entretanto, como a probabilidade se aplica à análise de eventos aleatórios, mas não captura a imprecisão no evento, esta incerteza pode ser melhor representada por um número fuzzy segundo a transformação probabilidade-possibilidade superior. Neste trabalho é proposto um método de estimação não-paramétrico baseado em janela de Parzen para estimação da probabilidade fuzzy a partir de dados imprecisos. / [en] There are three kinds of uncertainty: one due to randomness, another due to incomplete knowledge and a third one due to vague or imprecise knowledge. Sometimes two kinds of uncertainty occur at the same time, especially in random experiments based on imprecise data. To model randomness when the probability distribution related to an experiment is unknown, a non-parametric estimation method must be used, such as the Parzen window. Uncertainty in measurement originates imprecise data, traditionally modelled through probability concepts. However, as probability applies to random events but does not capture their imprecision, this sort of uncertainty is better represented by a fuzzy number, through the superior probability-possibility transformation. This thesis proposes a non-parametric estimation method based on Parzen window to estimate fuzzy probability from imprecise data.