用模糊数学方法做调查问卷我现在要做一个调查问卷,之前师兄告诉我说我的药用模糊数学方法,可是看了一点模糊数学的知识,发现它

模糊数学又称FUZZY 数学.“模糊”二字译自英文“FUZZY ”一词,该词除了有模糊意思外,还有“不分明”等含意.有人主张音义兼顾译之为“乏晰”等.但他们都没有“模糊”含意深刻.模糊数学是研究和处理模糊性现象的一种数学理论和方法.

一般来说普通数学只能解决十分精确的问题,比如一个东西长度是多少,宽度是多少等等,多为客观的判断.
模糊数学是利用给定的条件,来进行类似主观的判断,比如一个人是高还是矮,是胖还是瘦,是像他父亲还是像母亲等等.
记得我们考模糊数学时,最后一道题就是判断一个孩子像他父亲还是像母亲,我班一个同学的答案是像邻居.

这是运用模糊综合分析法,通过设定因素集以及评价集得到评判矩阵.由评价矩阵来确定权重集.而给出的表示应该是因素集.

不简单

美国加利福尼亚大学控制论教授扎得（L、A、Zadeh）经过多年的琢磨,终于在1965年首先发表了题为《模糊集》的论文.指出：若对论域（研究的范围）U中的任一元素x,都有一个数A（x）∈[0,1]与之对应,则称A为U上的模糊集,A（x ）称为x对A的隶属度.当x在U中变动时,A（ x）就是一个函数,称为A的隶属函数.隶属度A（x）越接近于1,表示x属于A的程度越高,A（x）越接近于0表示x属于A的程度越低.用取值于区间[0,1]的隶属函数A（x）表征x 属于A的程度高低,这样描述模糊性问题比起经典集合论更为合理.隶属度属于模糊评价函数里的概念：模糊综合评价是对受多种因素影响的事物做出全面评价的一种十分有效的多因素决策方法,其特点是评价结果不是绝对地肯定或否定,而是以一个模糊集合来表示.
[编辑本段]隶属度函数及其确定方法分类
隶属度函数是模糊控制的应用基础,正确构造隶属度函数是能否用好模糊控制的关键之一.隶属度函数的确定过程,本质上说应该是客观的,但每个人对于同一个模糊概念的认识理解又有差异,因此,隶属度函数的确定又带有主观性.隶属度函数的确立目前还没有一套成熟有效的方法,大多数系统的确立方法还停留在经验和实验的基础上.对于同一个模糊概念,不同的人会建立不完全相同的隶属度函数,尽管形式不完全相同,只要能反映同一模糊概念,在解决和处理实际模糊信息的问题中仍然殊途同归.下面介绍几种常用的方法.(1)模糊统计法：模糊统计法的基本思想是对论域U上的一个确定元素vo是否属于论域上的一个可变动的清晰集合A3作出清晰的判断.对于不同的试验者,清晰集合 A3可以有不同的边界,但它们都对应于同一个模糊集A.模糊统计法的计算步骤是:在每次统计中,vo是固定的,A3的值是可变的,作 n次试验,其模糊统计可按下式进行计算 v0对 A 的隶属频率 = v0∈A 的次数 / 试验总次数 n 随着 n的增大,隶属频率也会趋向稳定,这个稳定值就是 vo对A 的隶属度值.这种方法较直观地反映了模糊概念中的隶属程度,但其计算量相当大.(2)例证法：例证法的主要思想是从已知有限个μA的值,来估计论域 U 上的模糊子集 A 的隶属函数.如论域 U代表全体人类,A 是“高个子的人”.显然 A 是一个模糊子集.为了确定μA,先确定一个高度值 h,然后选定几个语言真值(即一句话的真实程度)中的一个来回答某人是否算“高个子”.如语言真值可分为“真的”、“大致真的”、“似真似假”、“大致假的”和“假的”五种情况,并且分别用数字1、0.75、0.5、0.25、0来表示这些语言真值.对 n个不同高度h1、h2、…、hn都作同样的询问,即可以得到 A 的隶属度函数的离散表示.(3)专家经验法：专家经验法是根据专家的实际经验给出模糊信息的处理算式或相应权系数值来确定隶属函数的一种方法.在许多情况下,经常是初步确定粗略的隶属函数,然后再通过“学习”和实践检验逐步修改和完善,而实际效果正是检验和调整隶属函数的依据.(4)二元对比排序法：二元对比排序法是一种较实用的确定隶属度函数的方法.它通过对多个事物之间的两两对比来确定某种特征下的顺序,由此来决定这些事物对该特征的隶属函数的大体形状.二元对比排序法根据对比测度不同,可分为相对比较法、对比平均法、优先关系定序法和相似优先对比法等.
[编辑本段]举例
【例一】 A(x )=表示模糊集“年老”的隶属函数,A表示模糊集“年老”,当年龄x≤50时A（x）=0表明x不属于模糊集A（即“年老”）,当x ≥100时,A（x）=1表明x 完全属于A,当50くx〈100时,0〈A（x）〈1,且x越接近100,A（x）越接近1,x属于A的程度就越高.这样的表达方法显然比简单地说：“100岁以上的人是年老的,100岁以下的人就不年老.”更为合理.【例二】 按照模糊综合分析法,我们对某企业效绩进行评价.1.设因素集U：U={u1,u2,……u9} 综合我国现行评价体系和平衡记分法(SEC),我们选取了u1(净资产收益状况)、u2(资产营运状况)、u3(长期偿债能力)、u4(短期偿债能力).U5(销售增长状况),u6(市场占有能力)、u7(技术能力)、u8(发展创新能力)、u9(学习能力)等9个指标为反映企业效绩的主要指标.其中,u1、u2、u3、u4、u5是财务业绩方面的指标,原来都用精确的比率指标反映,但对它们适当地模糊化更能客观真实地反映企业效绩.例如,在评价企业短期偿债能力时,该企业流动比率为1.8,但专家们发现该企业存货数额庞大,占了流动资产的较大部分,说明其资产的流动性并不好,因而仍可评定该指标为较低等级.U6是客户方面业绩指标,u7内部经营过程方面业绩指标,u8、u9是学习与增长方面业绩指标.2.设评价集V={v1,v2……v4} .简便起见,我们设v1：优秀,v2：良好,v3：平均,v4：较差.3.我们选取了该企业的注册会计师、熟悉该企业情况的专家组成评判组,得到评价矩阵 4.根据专家意见,我们确定权重集A为：5.按照M(,+)模型 所以,根据最大隶属度原则,该企业效绩评定为“良好”.事后,该企业领导认为这个评价结果比较符合实际情况.

(⊙o⊙)…这个……佩服~自己想

例题:判断一个人是否是儿童
将一个人接近儿童的程度记为A,即模糊数学中的隶属度,若其年龄在15或15岁以下,则其隶属度为1（1为最大值）,给出计算公式：隶属度=1/(1+(年龄-15)/10),此时年龄大于或等于15岁,如25岁的隶属度为0.5,容易看出,年龄越大,隶属度越小(其最小值为0)
模糊数学就是用定量的,精确的方法处理模糊性问题

模糊数学是研究现实中许多界限不分明问题的一种数学工具,其基本概念之一是模糊集合.利用模糊数学和模糊逻辑,能很好地处理各种模糊问题.
模式识别是计算机应用的重要领域之一.人脑能在很低的准确性下有效地处理复杂问题.如计算机使用模糊数学,便能大大提高模式识别能力,可模拟人类神经系统的活动.在工业控制领域中,应用模糊数学,可使空调器的温度控制更为合理,洗衣机可节电、节水、提高效率.在现代社会的大系统管理中,运用模糊数学的方法,有可能形成更加有效的决策.
模糊数学这种相当新的数学方法和思想方法,虽有待于不断完善,但其应用前景却非常广阔.

上层的人说错了!
不一定是,首现要知道模糊信息决策到底是不是有关于数学,如果关于数学的话,就要看它模不模糊.
你给我的数据不清楚所以不能给你一个准确的回答.

百科有

模糊数学 讲究的是头脑清楚 但却要用稍微模糊一点的思维去分析!因为模糊数学 题目出的就比较模糊 就像大家说的 “大概,估计.”等等.
你有不会的题就发出来!
就算是 hard 的 也可以!

这里是正与负的定义问题
一般数学上『负负得正』中的负是有严格定义,是绝对的
而生活事件上的『负』只不过对某个人而言主观上的『负』,对其他人可能为『正』,因此不是绝对的

模糊数、学模糊、合成算子、象句号一样的、小圆圈.

层次分析法重点是为了算出各种因素的在问题中的权重,设该矩阵为w；而模糊数学中为了求出矩阵B,（一般资料都有的,我是为了让你将他们联系起来）,B的算法是w*R（R是模糊矩阵,这点一般资料也都有）.所以说在运用模糊数学时,都套用有层次分析法.附加回答：模糊数学中的R矩阵有自己主观强加得到的,还有运用隶属函数得到的.不知道我给的答案能不能帮你把知识串起来.

数独求解是通过给定的已知数字来推断出其余未知数字,通过模糊的方法来获取其解是不正确的.

你说的应该是物理学里的灯泡的符号
其他没有这样的符号了!

应用回归分析、矩阵分析、模糊数学都是物理的数学基础方法,前两个相对应用更多
而对于量子物理,显然矩阵应用更多,薛定谔和海森堡分别采用的就是波函数和矩阵的方式来描述
信息论与密码更应该算是物理的一个方面,而现在的量子密码学、量子信息学是密码学、信息学在量子物理引出的交叉学科,也是现今热门的内容

A=(0,1,2)意思是A是一个三角模糊数,写成分段函数如下：
当x

上标