Trattamento probabilistico dell’incertezza tramite il principio di coerenza e la logica fuzzy

Si vogliono realizzare modelli e relativi algoritmi risolutivi per il trattamento dell’incertezza nell’assegnazione e propagazione di probabilita' intervallari, su una famiglia di eventi condizionati arbitraria, utilizzando la logica sfocata (fuzzy) e individuando un adeguato grado di coerenza.

Obiettivi Il trattamento probabilistico dell’incertezza e' uno strumento ampliamente utilizzato in situazioni di conoscenza parziale o vaga, tipiche dei mercati economico-finanziari. La costruzione di scenari o di belief con tecniche di apprendimento di tipo bayesiano richiede l’assegnazione di probabilita' precise su una famiglia di eventi con una opportuna struttura algebrica. Un approccio generale e flessibile che consenta di affrontare tali aspetti si basa sul principio di coerenza di de Finetti e sue opportune generalizzazioni per le probabilita' imprecise. Obiettivo di tale ricerca e' la costruzione di modelli per il trattamento dell’incertezza al fine di assegnare, con un certo grado di fiducia, probabilita' intervallari su una famiglia di eventi condizionati arbitraria. Si valutera' se la logica sfocata (fuzzy) puo' essere un valido strumento per la definizione di un adeguato grado di coerenza. Metodi Partendo da una valutazione probabilistica intervallare con un grado di fiducia su una famiglia arbitraria di eventi condizionati, si vogliono realizzare algoritmi che consentano di propagare intervalli coerenti di probabilita' su nuovi eventi condizionati. Tali algoritmi sfruttano sia tecniche di ottimizzazione che l’eventuale presenza di regole di logica fuzzy.