Eötvös Loránd Tudományegyetem

Gazdálkodástudományi Intézet

Jónás Tamás

Menedzsment kvantitatív módszerei

I. rész
A valószínűségszámítás alapjai
Bevezetés a fuzzy elméletbe

Budapest, 2020.

Menedzsment kvantitatív módszerei I. rész. A valószínűségszámítás alapjai; Bevezetés a fuzzy elméletbe 1 / 29

Bevezetés a matematikai logika
alapjaiba

Menedzsment kvantitatív módszerei I. rész. A valószínűségszámítás alapjai; Bevezetés a fuzzy elméletbe 2 / 29

Miről lesz szó és milyen céllal?

Logikai alapismeretek
A matematikai logika következmény fogalma
Állítások, tételek, bizonyítások
Cél: a későbbi (valószínűségelméleti, statisztikai, fuzzy-logikai) részek
megfelelő értelmezésének előkészítése
Korábbi tapasztalatok
Alapozás segítő szándékkal

Menedzsment kvantitatív módszerei I. rész. A valószínűségszámítás alapjai; Bevezetés a fuzzy elméletbe 3 / 29

Matematikai logika (szimbolikus logika)

Matematikai logika (szimbolikus logika)

A gondolkodás, következtetés formális szabályai
Nem az állítások jelentésével, hanem azok szerkezetével és
igazságértékével foglalkozik
A matematika (kvantitatív módszerek) megalapozása

Menedzsment kvantitatív módszerei I. rész. A valószínűségszámítás alapjai; Bevezetés a fuzzy elméletbe 4 / 29

Ítéletek, logikai műveletek

Menedzsment kvantitatív módszerei I. rész. A valószínűségszámítás alapjai; Bevezetés a fuzzy elméletbe 5 / 29

Ítéletek, logikai műveletek

A továbbiakban az ítéletkalkulus (klasszikus kétértékű logika)

alapjaival foglalkozunk
Az ítélet egy olyan állítás (kijelentés), amely vagy igaz, vagy hamis (a
kettő közül pontosan az egyik teljesül)
Egy ítélet igazságértéke lehet igaz (jelben i), vagy hamis (jelben h)
Ítéletek jelölése: A, B, C , ...

Példák
10 nagyobb 5-nél.
A Zebra a szavannán él.
Az ELTE egy felsőoktatási intézmény.

Menedzsment kvantitatív módszerei I. rész. A valószínűségszámítás alapjai; Bevezetés a fuzzy elméletbe 6 / 29

Ítéletek, logikai műveletek
A természetes nyelvekben kötőszavak segítségével ítéletekből újabb
ítéleteket állítunk elő

Példák
Nem esik az eső.
Esik az eső és fúj a szél.
Esik az eső vagy fúj a szél.
Ha esik az eső, akkor felhős az ég.
Csak akkor esik az eső, ha felhős az ég.
Akkor és csak akkor megyek strandra, ha süt a nap.

Ítéletek
"nem" kötőszóval történő módosítása
az "és", "vagy", "ha ..., akkor ...", "akkor és csak akkor ..., ha ..." kötőszavakkal
való összekapcsolása
újabb ítéletet eredményez.

Menedzsment kvantitatív módszerei I. rész. A valószínűségszámítás alapjai; Bevezetés a fuzzy elméletbe 7 / 29

Ítéletek, logikai műveletek
Definíció
(A legfontosabb műveletek) Legyen A és B két tetszőleges ítélet. Ekkor:
A negációja (tagadás művelet) a "nem A" ítélet, jele: ¬A
A és B konjunkciója (és művelet) az "A és B" ítélet, jele: A ∧ B
A és B diszjunkciója (vagy művelet) az "A vagy B" ítélet, jele: A ∨ B
A és B implikációja (kondicionálás művelet) a "Ha A, akkor B" ítélet,
jele: A → B
A és B ekvivalenciája (bikondicionálás művelet) a "Akkor és csak
akkor A, ha B" ítélet, jele: A ↔ B

¬A, A ∧ B, A ∨ B, A → B és A ↔ B logikai értéke csak A és B

logikai értékétől függ, de A és B jelentésétől nem függ!

Menedzsment kvantitatív módszerei I. rész. A valószínűségszámítás alapjai; Bevezetés a fuzzy elméletbe 8 / 29

Ítéletek, logikai műveletek
Definíció
A legfontosabb műveletek igazságtáblái (ezek definíciók).
A ¬A
i h
h i

A B A∧B A∨B A→B A↔B

i i i i i i
i h h i h h
h i h i i h
h h h h i i

A negáció és a konjunkció igazságtáblázata megfelel a hétköznapi használatnak

A diszjunkció (vagy művelet) kicsit problémásabb, az implikáció pedig még inkább...

Menedzsment kvantitatív módszerei I. rész. A valószínűségszámítás alapjai; Bevezetés a fuzzy elméletbe 9 / 29

Ítéletek, logikai műveletek

Megjegyzés (A "vagy művelet" használata)

A mindennapi nyelvhasználatban a "vagy" kötőszót kétféle módon használjuk:
(1) Esik az eső, vagy fúj a szél
(2) Kerékpárral, vagy autóval megyek a találkozóra.

(1) a "megengedő vagy", ezt definiáltuk korábban

(2) a "kizáró vagy" ("vagy-vagy"), ez felírható a következőképpen:

(A ∧ (¬B)) ∨ ((¬A) ∧ B)

A B "vagy A, vagy B"

i i h
i h i
h i i
h h h

Menedzsment kvantitatív módszerei I. rész. A valószínűségszámítás alapjai; Bevezetés a fuzzy elméletbe 10 / 29

Ítéletek, logikai műveletek

Megjegyzés (Az implikációról 1)

Miért igaz A → B, amikor A hamis? Jó ez így?
Az implikációval kapcsolatban ez a probléma abból adódik, hogy a "ha A, akkor B"
szófordulat alapján következtetésre gondolunk és A-t eleve igaz értékűnek feltételezzük.
Itt a "ha A, akkor B" nem következtetés, hanem művelet!

Példa
Azt mondja a férj a feleségének, hogy "Ha holnap nyerek a lottón, akkor este vacsorázni
viszlek."
Ez A → B, ahol A : "holnap nyerek a lottón", B : "este vacsorázni viszlek"
Tegyük fel, hogy a férj holnap nem nyer a lottón (A = h). Ebben az esetben akkor is
betartja a szavát (nem mond ellent az állításának), ha elviszi a feleségét vacsorázni
(B = i), és akkor is ha nem (B = h).
Ez alapján azt mondhatjuk, hogy a hétköznapi használattal harmonizál, ha az A → B
implikációt igaznak tekintjük akkor, amikor A hamis.
Láthatjuk, hogy A elegendő feltétele B-nek (de nem szükséges feltétele).

Menedzsment kvantitatív módszerei I. rész. A valószínűségszámítás alapjai; Bevezetés a fuzzy elméletbe 11 / 29

Ítéletek, logikai műveletek

Megjegyzés (Az implikációról 2)

Tekintsük a "Csak akkor megyek strandra, ha süt a nap." ítéletet. Ez az A : "strandra
megyek" és a B : "süt a nap" ítéletek összekapcsolása.
Tegyük fel, hogy nem süt a nap (B = h). Ekkor pontosan akkor járok el helyesen, ha nem
megyek strandara (A = h), és helytelenül akkor, ha megyek strandra (A = i).
Most tegyük fel, hogy süt a nap (B = i). Azt nem mondtam hogy ha süt a nap, akkor
strandra megyek, ezért ebben az esetben akkor is helyesen járok el, ha strandra megyek
(A = i) és akkor is ha nem megyek strandra (A = h).
Tehát a strandra menetelemnek (A) szükséges feltétele az, hogy süt a nap (B) (de nem
elegendő feltétele).
A B Csak akkor A, ha B
i i i
i h h
h i i
h h i
A "Csak akkor A, ha B." ítélet igazságtáblázata megegyezik az A → B
igazságtáblázatával.

Menedzsment kvantitatív módszerei I. rész. A valószínűségszámítás alapjai; Bevezetés a fuzzy elméletbe 12 / 29

Ítéletek, logikai műveletek

Megjegyzés (Az implikációról (összegzés))

A → B az alábbi kijelentések mindegyikével kifejezhető:
"Ha A, akkor B.", vagy másképpen "A elegendő feltétele B-nek."
"Csak akkor A, ha B.", vagy másképpen "B szükséges feltétele A-nak."

Menedzsment kvantitatív módszerei I. rész. A valószínűségszámítás alapjai; Bevezetés a fuzzy elméletbe 13 / 29

Formulák, logikai ekvivalencia

Menedzsment kvantitatív módszerei I. rész. A valószínűségszámítás alapjai; Bevezetés a fuzzy elméletbe 14 / 29

Formulák, logikai ekvivalencia

A továbbiakban A, B, C . . ., A1 , A2 , . . . , ítéletváltozókat jelölnek, azaz

olyan változókat, amelyeket ítéletek helyett fogunk használni.

Definíció (Formula)
Legyenek A1 , A2 , . . . , An ítéletváltozók (logikai változók).
(a) A1 , A2 , . . . , An mindegyike formula.
(b) Ha F és G két formula, akkor ¬F , F ∧ G, F ∨ G F → G és F ↔ G
mindegyike formula.
(c) Minden az A1 , A2 , . . . , An ítéletváltozókból képzett formula
megkapható (a) és (b) véges számú alkalmazásával.

Példák
(¬A) ∨ B, (¬B) → (¬A) és ¬(A ∧ (¬B)) formulák.

Menedzsment kvantitatív módszerei I. rész. A valószínűségszámítás alapjai; Bevezetés a fuzzy elméletbe 15 / 29

Formulák, logikai ekvivalencia

Definíció (Logikai ekvivalencia)

Az F és G logikai formulák ekvivalensek (jelben F ≡ G), ha logikai
értékük a bennük szereplő ítéletváltozók bármilyen logikai értéke mellett
megegyezik. (A két formula igazságtáblázata megegyezik.)

Menedzsment kvantitatív módszerei I. rész. A valószínűségszámítás alapjai; Bevezetés a fuzzy elméletbe 16 / 29

Formulák, logikai ekvivalencia

Példa (Logikailag ekvivalens formulák)

A B A→B (¬B) → (¬A) ¬(A ∧ (¬B))
i i i i i
i h h h h
h i i i i
h h i i i
A→B ≡ (¬B) → (¬A) ≡ ¬(A ∧ (¬B))

A következő ítéletek ekvivalensek:

(1) "Ha esik az eső, akkor felhős az ég."
(2) "Ha nem felhős az ég, akkor nem esik az eső."
(3) "Nem lehet, hogy esik az eső és nem felhős az ég."

De A → B 6≡ B → A!
A "Ha esik az eső, akkor felhős az ég." és a "Ha felhős az ég, akkor esik az eső." nem
ekvivalensek.

A → B 6≡ (¬A) → (¬B)!
A "Ha esik az eső, akkor felhős az ég." és a "Ha nem esik az eső, akkor nem felhős az ég." nem
ekvivalensek.

Menedzsment kvantitatív módszerei I. rész. A valószínűségszámítás alapjai; Bevezetés a fuzzy elméletbe 17 / 29

Formulák, logikai ekvivalencia

Példa ("Akkor és csak akkor")

A B B→A A→B (B → A) ∧ (A → B) A↔B
i i i i i i
i h i h h h
h i h i h h
h h i i i i
(B → A) ∧ (A → B) ≡ A ↔ B

Az "Akkor és csak akkor B, ha A" formula (művelet) (A ↔ B) ekvivalens a "Csak akkor B, ha

A" (B → A) és az "Akkor B, ha A" (A → B) formulák (ítéletek) konjunkciójával.

Másként: "A szükséges és elegendő feltétele B-nek" ekvivalens az "A szükséges feltétele B-nek"
(B → A) és az "A elegendő feltétele B-nek" (A → B) formulák (ítéletek) konjunkciójával.

Az "Egy háromszög akkor és csak akkor derékszögű, ha oldalhosszai pitagoraszi számhármast

alkotnak." Ez ekvivalens a következő két állítás konjunkciójával:
(1) "Ha egy háromszög derékszögű, akkor oldalhosszai pitagoraszi számhármast alkotnak."
(Pitagorasz-tétele)
(2) "Ha egy háromszög oldalhosszai pitagoraszi számhármast alkotnak, akkor a háromszög
derékszögű". (Pitagorasz-tételének megfordítása)

Menedzsment kvantitatív módszerei I. rész. A valószínűségszámítás alapjai; Bevezetés a fuzzy elméletbe 18 / 29

Formulák, logikai ekvivalencia
Fontosabb ekvivalenciák
A → B ≡ (¬A) ∨ B
A ↔ B ≡ (A → B) ∧ (B → A)

A∧A≡A A∨A≡A (idempotencia)

A∧B ≡B∧A A∨B ≡B∨A (kommutativitás)
(A ∧ B) ∧ C ≡ A ∧ (B ∧ C ) (A ∨ B) ∨ C ≡ A ∨ (B ∨ C ) (asszociativitás)
(A ∨ B) ∧ A ≡ A (A ∧ B) ∨ A ≡ A (abszorptivitás)
(A ∨ B) ∧ C ≡ (A ∧ C ) ∨ (B ∧ C ) (A ∧ B) ∨ C ≡ (A ∨ C ) ∧ (B ∨ C ) (disztributivitás)
¬(A ∧ B) ≡ (¬A) ∨ (¬B) ¬(A ∨ B) ≡ (¬A) ∧ (¬B) (De Morgan)

Menedzsment kvantitatív módszerei I. rész. A valószínűségszámítás alapjai; Bevezetés a fuzzy elméletbe 19 / 29

Az ítéletkalkulus
következményfogalma

Menedzsment kvantitatív módszerei I. rész. A valószínűségszámítás alapjai; Bevezetés a fuzzy elméletbe 20 / 29

Az ítéletkalkulus következményfogalma

Definíció (Tautológia)
Egy F logikai formulát tautológiának vagy logikailag igaz formulának nevezünk, ha az F -ben
szereplő ítéletváltozóknak minden lehetséges módon értéket adva az F formula logikai értéke
mindig igaz. Azt, hogy az F formula tautológia így jelöljük: |= F .

Példák (Tautológiák)
A ∨ (¬A), A → (A ∨ B), (A ∧ B) → A

≡, ↔ és → definíciója alapján belátható, hogy teljesül a következő tétel

állítása.
Tétel
Legyen F és G két logikai formula. Ekkor a következő feltételek ekvivalensek:
(a) F ≡ G
(b) |= F ↔ G
(c) |= F → G és |= G → F

Menedzsment kvantitatív módszerei I. rész. A valószínűségszámítás alapjai; Bevezetés a fuzzy elméletbe 21 / 29

Az ítéletkalkulus következményfogalma

Definíció (Logikai következmény)

Azt mondjuk, hogy a G formula az F1 , F2 , . . . , Fn formulák logikai
következménye, és így jelöljük: F1 , F2 , . . . , Fn |= G, ha a formulákban
szereplő logikai változóknak minden lehetséges módon értéket adva,
minden olyan esetben, amikor az F1 , F2 , . . . , Fn formulák mindegyike igaz,
G is igaz. Az F1 , F2 , . . . , Fn formulákat premisszáknak, a G formulát
konklúziónak nevezzük.

Menedzsment kvantitatív módszerei I. rész. A valószínűségszámítás alapjai; Bevezetés a fuzzy elméletbe 22 / 29

Az ítéletkalkulus következményfogalma

Példa (Modus Ponens)

A → B, A |= B

A B A→B A B
i i i i i
i h h i h
h i i h i
h h i h h
Gyakorlati alkalmazása a deduktív érvelés. Például:
Premisszák: Ha egy kutya ugatós, akkor nem harapós
Diego kutya ugatós
Konklúzió: Diego kutya nem harapós

Menedzsment kvantitatív módszerei I. rész. A valószínűségszámítás alapjai; Bevezetés a fuzzy elméletbe 23 / 29

Az ítéletkalkulus következményfogalma

Menedzsment kvantitatív módszerei I. rész. A valószínűségszámítás alapjai; Bevezetés a fuzzy elméletbe 24 / 29

Az ítéletkalkulus következményfogalma

Definíció (Kielégíthető formulahalmaz)

Azt mondjuk, hogy az {F1 , F2 , . . . , Fn } formulahalmaz kielégíthető, ha az
F1 , F2 , . . . , Fn formulákban szereplő ítéletváltozóknak adható érték úgy,
hogy F1 , F2 , . . . , Fn mindegyike igaz.

Menedzsment kvantitatív módszerei I. rész. A valószínűségszámítás alapjai; Bevezetés a fuzzy elméletbe 25 / 29

Az ítéletkalkulus következményfogalma
Az implikáció és a következmény kapcsolata
Tétel
Legyen F és G két formula. Ekkor a következő feltételek ekvivalensek:
(a) F |= G
(b) |= F → G
(c) |= (¬G) → (¬F )
(d) (¬G) |= (¬F )
(e) {F , ¬G} nem kielégíthető
(f) F ∧ (¬G) |= ellentmondás

Megjegyzés (e)-hez és (f)-hez

F → G ≡ (¬F ) ∨ G, ezért ¬(F → G) ≡ ¬((¬F ) ∨ G) ≡ F ∧ (¬G).
Ezért ha F ∧ (¬G)-ből ellentmondás következik ({F , ¬G} nem kielégíthető), akkor
F → G tautológia.

Menedzsment kvantitatív módszerei I. rész. A valószínűségszámítás alapjai; Bevezetés a fuzzy elméletbe 26 / 29

Az ítéletkalkulus következményfogalma
Egy "Ha F , akkor G" alakú tétel bizonyítása azt jelenti, hogy
megmutatjuk, hogy F → G tautológia (azaz mindig igaz).
Bizonyítási módszerek:
(1) Direkt bizonyítás (feltételes bizonyítás): feltesszük, hogy F igaz és
megmutatjuk, hogy ekkor G is igaz, azaz megmutatjuk, hogy F |= G.
(2) Bizonyítás kontrapozícióval: feltesszük, hogy ¬G igaz és
megmutatjuk, hogy ekkor ¬F is igaz, azaz megmutatjuk, hogy
¬G |= ¬F .
(2) Indirekt bizonyítás: feltesszük, hogy F igaz és közben G hamis, azaz
F ∧ (¬G) igaz, és megmutatjuk, hogy ebből ellentmondás következik.

Menedzsment kvantitatív módszerei I. rész. A valószínűségszámítás alapjai; Bevezetés a fuzzy elméletbe 27 / 29

Az ítéletkalkulus következményfogalma
Példa
Egy egyszerű (triviális) tétel: Ha n osztható 4-gyel, akkor n páros. Bizonyításai a fenti
módszerek egyszerű gyakorlása kedvéért.

(1) Direkt bizonyítás. Legyen n néggyel osztható. Ekkor n = 4k alakú, ahol k egész szám. Mivel
n = 4k = 2(2k), n osztható 2-vel, tehát páros.

(2) Bizonyítás kontrapozícióval. Tegyük fel, hogy n nem páros. Ekkor n prímtényezős
felbontásában nem szerepel a 2, ezért n nem osztható 2 egyetlen többszörösével sem, így a
4-gyel sem.

Menedzsment kvantitatív módszerei I. rész. A valószínűségszámítás alapjai; Bevezetés a fuzzy elméletbe 28 / 29

Felhasznált irodalom

Szendrei Ágnes: Diszkrét matematika: logika, algebra, kombinatorika.

Polygon Jegyzettár, Szeged, 1996.
Jónás Tamás: Üzleti folyamatok mérése és értékelése. Oktatási
segédanyag. ELTE, GTI, 2019.

Menedzsment kvantitatív módszerei I. rész. A valószínűségszámítás alapjai; Bevezetés a fuzzy elméletbe 29 / 29