ISSN 1984-8218 Sobre Probabilidades Fuzzy Intervalares∗ Jorge Braga Ribes Graçaliz Pereira Dimuro Programa de Pós-Graduação em Modelagem Computacional, Programa de Pós-Graduação em Computação Centro de Ciências Computacionais, Universidade Federal do Rio Grande, 96201-900, Rio Grande, RS E-mail: [email protected], [email protected] RESUMO Conjuntos fuzzy foram originalmente definidos por funções de pertinência da forma µA : U → [0, 1], onde o grau de pertinência de um elemento x do universo U a um subconjunto fuzzy A ⊆ U é um número exato µA (x) ∈ [0, 1]. Entretanto, nem sempre se tem o conhecimento completo sobre a função de pertinência ou os graus de pertinência que devem ser adotados em uma determinada aplicação. Para lidar com a falta de informação sobre funções de pertinência, surgiram algumas extensões dos conjuntos fuzzy, tais como os conjuntos fuzzy de tipo-n [8, 6]. Por exemplo, conjuntos fuzzy intervalares permitem modelar não somente a informação vaga (falta de exatidão na determinação dos limites das fronteiras dos conjuntos – graduações na noção de pertinência), como também a incerteza (falta de informação sobre a função de pertinência), presente em diversas aplicações. [1, 5, 7] Este trabalho adota a formalização para números fuzzy intervalares apresentada por Dimuro em [4] para introduzir probabilidades fuzzy intervalares, com base na abordagem proposta por Buckley [2, 3] para cálculo de probabilidades fuzzy, a qual não trabalha com a Teoria de Probabilidade Fuzzy. Seja X = {x1 , . . . , xn } um conjunto finito e P : ℘(X) → [0; 1] uma função de probabilidade definida para todos os subconjuntos de X, tal que com P ({xi }) = φi , com 1 ≤ i ≤ n, 0 ≤ φi ≤ 1 e Pn i=1 φi = 1. Logo, (X, P ) caracteriza uma distribuição de probabilidades finita e discreta, representada pelo conjunto Φ = {φ1 , . . . , φn }. No entanto, os elementos de Φ muitas vezes são valores obtidos pela opinião de especialistas, e nem sempre representam valores precisos e de consenso. Para modelar essa incerteza, podem-se utilizar números fuzzy intervalares, e, assim, todos os valores φi ∈ Φ são substituídos por números fuzzy intervalares φ̃i , e esse novo conjunto será denotado por Φ̃, mesmo que apenas alguns de seus elementos sejam imprecisos. Para os valores conhecidos e exatos, ainda se utilizará a notação fuzzy intervalar mesmo que eles representem números crisp. Para que (X, Φ̃) represente de fato uma distribuição finita e discreta de probabilidades fuzzy intervalares, é necessário que se faça uma restrição aritmética (em sintonia com o proposto por Buckley [2, 3] para probabilidades fuzzy), pois a soma intervalar dos [α1 ; α2 ]-níveis de todos os φ̃i dificilmente resultará P em 1. Então, para todo 0 ≤ α1 ≤ α2 ≤ 1, escolhe-se de cada [α1 ; α2 ]-nível φ̃i [α1 ; α2 ] um ei tal que ni=1 ei = 1. Ou seja, ao invés da soma intervalar dos [α1 ; α2 ]-níveis resultar em 1, basta que se obtenha apenas um valor crisp ei para cada intervalo φ̃i [α1 ; α2 ] que somados resultem em 1. Para definir formalmente essa restrição aritmética, considera-se o conjunto de vetores estocásticos: ( ) n X E = (e1 , . . . , en ) ∈ [0; 1]n | ei = 1 (1) i=1 eo [α ;α ] conjunto AΦ̃ 1 2 formado pelo produto cartesiano dos [α1 ; α2 ]-níveis dos [α ;α ] AΦ̃ 1 2 = φ̃1 [α1 ; α2 ] × . . . × φ̃n [α1 ; α2 ] = (φ̃1 [α1 ] ∩ φ̃1 [α2 ]) × . . . × elementos de Φ̃: (φ̃n [α1 ] ∩ φ̃n [α2 ]), (2) que, na verdade, é o produto de n intervalos fechados (isso porque um [α1 ; α2 ]-nível é dado como uma intersecção de α-níveis (intervalos) que nunca é vazia [4]), produzindo um “retângulo” no espaço n dimensional. Obtém-se então o conjunto ∗ Apoio financeiro do CNPq (Proc. 483257/09-5, 560118/10-4, 476234/2011-5), FAPERGS (Proc. 11/0872-3) e CAPES. 116 ISSN 1984-8218 [α ;α2 ] SΦ̃ 1 [α ;α2 ] = AΦ̃ 1 ∩ E, (3) onde E é dado na Eq. (1), que será o domínio da função que caracterizará a restrição aritmética pretendida. Supondo Xk = {x1 , . . . , xk } ⊆ X, com 1 ≤ k < n, então define-se a função: k fΦ̃,[α [α ;α2 ] 1 ;α2 ] : SΦ̃ 1 → [0; 1] (e1 , . . . , en ) 7→ k X (4) ei , i=1 [α ;α ] onde 0 ≤ α1 ≤ α2 ≤ 1 e SΦ̃ 1 2 é dado na Eq. (3). A probabilidade fuzzy intervalar de um subconjunto Xk ⊆ X é obtida, através de seus [α1 ; α2 ]-níveis, como: n o [α1 ;α2 ] k P̃ (Xk )[α1 ; α2 ] = fΦ̃,[α (e) | e = (e , . . . , e ) ∈ S , (5) 1 n ;α ] Φ̃ 1 2 [α ;α ] k onde fΦ̃,[α : SΦ̃ 1 2 → [0; 1] é a função de restrição aritmética definida na Eq. (4). 1 ;α2 ] Observa-se que primeiro se escolhe uma distribuição de probabilidade discreta completa dos [α1 ; α2 ]níveis antes de se calcular uma probabilidade na Eq. (5). Observa-se também que P̃ (Xk )[α1 ; α2 ] não é a soma dos intervalos φ̃i [α1 ; α2 ], com 1 ≤ i ≤ k, usando aritmética intervalar. Proposition 1. P̃ (Xk ) é um número fuzzy intervalar. k Prova. É imediato que a função fΦ̃,[α 1 ;α2 ] , definida na Eq. (4) para algum k = 1, . . . , n, é contínua, e [α ;α ] que seu domínio SΦ̃ 1 2 é formado por intervalos conexos, fechados e limitados, cuja interseção não vazia também é formado por intervalos conexos, fechados e limitados, o que implica que a imagem de [α ;α ] k k , dada por fΦ̃,[α (S 1 2 ) = P̄ (Xk )[α1 ; α2 ], é uma interseção de intervalos de números fΦ̃,[α ;α ] Φ̃ ;α ] 1 2 1 2 reais, fechados e limitados. Logo, P̃ (Xk )[α1 ; α2 ] representa os [α1 ; α2 ]-níveis de um conjunto fuzzy [1;1] [1;1] k intervalar P̃ (Xk ). Além disso, fΦ̃,[1;1] (SΦ̃ ) = P̃ (Xk )[1; 1] 6= ∅, pois como (φ1 , . . . , φn ) ∈ SΦ̃ , então φ1 + . . . + φk ∈ P̃ (Xk )[1; 1], o que faz com que P̃ (Xk ) seja um número fuzzy intervalar. Mesmo que P̃ (Xk ) denote uma probabilidade fuzzy intervalar, as seguintes propriedades da probabilidade clássica são mantidas: (a) 0 ≤ P̃ (Xk ) ≤ 1, ∀ Xk ; (b) P̃ (∅) = 0; (c) P̃ (X) = 1. Uma abordagem análoga permite também definir outros conceitos importantes, tal como a média fuzzy intervalar µ̃rΦ̄ ponderando as probabilidades fuzzy intervalares em Φ̃ = {φ˜1 , . . . , φ˜n } por valores reais em r = (r1 , . . . , rn ) ∈ Rn , de modo a garantir que a restrição aritmética seja respeitada. Palavras-chave: Conjuntos Fuzzy Intervalares, Números Fuzzy Intervalares, Probabilidades Fuzzy Referências [1] B.C. Bedregal, G.P. Dimuro, R.N. Santiago and R.S. Reiser, On interval fuzzy S-implications, Information Sciences, 180(8) (2010) 373-1389. [2] J. J. Buckley, “Fuzzy Probabilities: New Approach and Applications”, Springer, Berlin, 2005. [3] J.J. Buckley and E. Eslami, Uncertain probabilities I: the discrete case, Soft Computing - A Fusion of Foundations, Methodologies and Applications, 7 (2003) 500–505. [4] G.P. Dimuro, On interval fuzzy numbers, in “Workshop-School on Theoretical Computer Science” (S.A. Costa et al., eds.) pp 3–8, IEEE, Los Alamitos, 2011. [5] G.P. Dimuro, B.C. Bedregal, R.N. Santiago and R.S. Reiser, Interval additive generators of interval t-norms and interval t-conorms, Information Sciences, 181(18) (2011) 3898 - 3916. [6] I. Grattan-Guiness, Fuzzy membership mapped onto interval and many-valued quantities, Zeitschrift für mathematische Logik und Grundlagen der Mathematik, 22(1) (1976) 149–160. [7] W.A. Lodwick, Preface, Reliable Computing, 10(4) (2004) 247–248. [8] L.A. Zadeh, The concept of a linguistic variable and its application to approximate reasoning - I, Information Sciences, 8(3) (1975), 199–249. 117