Vous êtes sur la page 1sur 20

UNIVERSIDAD CENTRAL DE VENEZUELA

FACULTAD DE CIENCIAS ECONMICAS Y SOCIALES


COMISIN DE ESTUDIOS DE POST GRADO
DOCTORADO EN ECONOMA










ESTIMACIN DE LA INCIDENCIA DE LA MATEMTICA
DE LA INCERTIDUMBRE EN LA ECONONOMIA


Autor: Rodolfo Luis Quijada Marval


Caracas, Mayo de 2012


1.- Planteamiento del Problema

Los esquemas de la matemtica clsica (mecanicista), resultaron una herramienta
eficaz para el modelado de fenmenos econmicos del mundo real. Sin embargo, en su
esencia la misma se encuentra en oposicin al mundo real, debido a su exactitud,
rigurosidad y abstraccionismo, en contraste con lo impreciso y la vaguedad del mundo real.
De esta, la manera la exactitud de los objetos matemticos proyectados sobre los
sistemas y procesos econmicos reales se convierten en una ilusin, y empezamos a
entender que las construcciones y mtodos desarrollados en el anlisis econmico clsico y
contemporneo son slo aproximaciones a lo que existe en la realidad. En muchas
situaciones, tales aproximaciones han dando una representacin lo suficientemente
adecuada en el estudio de fenmenos econmicos. Sin embargo, los cientficos y,
especialmente, los economistas han descubierto una gran cantidad de casos en que dichos
mtodos no funcionan porque los referidos mtodos son una aproximacin demasiado
alejada de la realidad bajo estudio.
Los esquemas mecanicistas, que haban resultado de utilidad en la creacin de la
ciencia econmica, iban siendo menos adecuados para describir primero y tratar despus
los nuevos fenmenos econmicos que han tenido lugar a lo largo de los aos ha ido
conformando nuevas realidades en nuestro siglo. La vida ha ido cambiando y han
aparecido nuevos fenmenos que han hecho que el contexto de cierta estabilidad,
caracterstica del siglo pasado, haya sido turbado por un proceso de evolucin, que ha
dado lugar a movimientos cada vez ms difciles de estimar a travs de las magnitudes
localizadas en el futuro.
Surgen entonces unas primeras voces que claman por un cambio conceptual,
tcnico y metodolgico de los estudios econmicos y aparece, as, una segunda
generacin de intelectuales y cientficos que intentan dar respuesta a una serie de
fenmenos, para los que no resulta fcil dar solucin con el empleo de los estudios
clsicos. De nuevo, unos investigadores giran la cabeza para mirar qu sucede en otras
ciencias, y se dan cuenta de que en el campo de la qumica, por ejemplo, un ensayo se
puede repetir muchas veces, prcticamente en las mismas condiciones. A partir de estas

repeticiones, aunque no siempre los resultados son los mismos, se consigue en muchas
ocasiones establecer una ley de comportamiento. De la misma manera que se utiliza la
matemtica del azar para describir los fenmenos fsicos y qumicos por qu no se
puede hacer lo mismo para los fenmenos econmicos? Es posible establecer leyes
econmicas a travs de la utilizacin de la ley emprica del azar? Al dar respuesta
afirmativa a esta pregunta, se inicia la incorporacin de la estadstica en el campo de la
economa. Adems de una matemtica de la certeza, tambin se aplica en economa una
matemtica del azar.
Pero, a medida que transcurre el tiempo, la fenomenologa econmica va
cambiando con mayor rapidez y esta mayor rapidez hace que la direccin de los
acontecimientos no sea siempre en el mismo sentido, sino que se producen movimientos
en zigzag. Resulta cada vez ms difcil tomar los datos del pasado como base para
estimar las realidades esperadas del futuro. Consecuencia de todo ello es la aparicin de
toda una gama de hechos y fenmenos que resultan de difcil explicacin formal y que
van siendo aparcados en lo que se ha llamado rincn de las anomalas. En el
transcurrir del tiempo, estos rincones de anomalas se han ido agrandando hasta formar
verdaderos edificios anmalos. La insatisfaccin de aquellos que buscan respuestas a
tantos problemas econmicos va en aumento y cada vez es mayor el grupo de
intelectuales que no estn de acuerdo con el tratamiento que se est dando a la
fenomenologa econmica. Surge la disidencia y aparecen los primeros heterodoxos que
pretenden buscar nuevos caminos a la investigacin que, de alguna manera, permitan
vaciar en lo posible los edificios anmalos, es decir, las bolsas de ignorancia.
Los intentos para terminar con esta situacin no son nuevos. En efecto, desde
hace ms de sesenta aos, grandes matemticos y filsofos, como Roussell, Lukaciewicz,
Lee, Gdel, Moisil, etc., intentaron dar un paso adelante en este sentido, aunque siempre
se encontraron con callejones sin salida. Quiz la respuesta se halla en el hecho de que
entre los principios bsicos sobre los que se asienta el conocimiento cientfico hay uno
que ha permanecido intacto a lo largo de los aos. Este principio es el llamado
principio del tercio excluso que, como es conocido, anuncia que una proposicin o es
verdadera o es falsa, pero no puede ser verdadera y falsa a la vez. Es un principio aristo-

tlico (algunos creen que es de Crispides), que ha pesado como una gran losa en la
cabeza de los cientficos durante ms de 2.000 aos. Sobre este princi pio se ha
elaborado una lgica conocida como lgica booleana o lgica binaria. Es la conocida
lgica del s-no, blanco-negro, pasa corriente-no pasa corriente, que fue desarrollada
hace algo ms de ciento cincuenta aos por George Boole en su obra Laws of Thought y
que ha sido un importante apoyo para el avance de la llamada matemtica moderna.
Esta lgica, y la matemtica que en ella se apoya, resulta muy adecuada cuando se
trata de formalizar las relaciones entre mquinas, entre robots o entre el ser humano y la
mquina, ya que a la mquina no se le pueden dar instrucciones matizadas sino que
necesita instrucciones precisas. Prueba de ello es que cuando esa lgica y esa matemtica
se han utilizado adecuadamente, han dado lugar a unos frutos maravillosos: el hombre ha
ido a la Luna, se utilizan fantsticos ordenadores, se ha avanzado en la electrnica,
viajamos a unas velocidades de vrtigo, etc., y se espera que en el futuro seguirn
obtenindose importantes consecuciones.
Sin embargo, parece que constituye un abuso el pretender que esta matemtica
rebase los lmites para los que ha resultado hasta ahora eficaz. Y no parece honesto el
empleo estricto de esta matemtica por el tratamiento de las relaciones entre los seres
humanos o entre los grupos sociales. Por su propia esencia el ser humano es capaz de
matizar, parece que como consecuencia del efecto cruzado de las dos partes de nuestro
cerebro. Entre el s y el no es susceptible de concebir toda una gama de quizs, de
la misma manera que entre el blanco y el negro se da una amplia gama de grises.
Haba que romper el principio del tercio excluso, y el origen de la ruptura se produce
en el ao 1965, cuando un profesor iran nacionalizado norteamericano, Zadeh, publica
dos artculos con el ttulo genrico de conjuntos borrosos. Estos artculos caen en el
olvido durante algn tiempo, pero poco a poco parece que algunos matemticos
encuentran en ellos algo que puede dar lugar a un cambio en la perspectiva del
conocimiento.
Visto as, cabe preguntar ahora si existe contradiccin entre la lgica binaria y la
lgica borrosa. La respuesta es evidentemente negativa, ya que es fcil comprobar que
la lgica binaria es un caso particular de la borrosa, ms general. Se pone de manifiesto

tambin que la aritmtica de la incertidumbre es una generalizacin de la aritmtica
normal.
En este mundo cambiante ha aparecido, as, un camino que est dando importantes
resultados, al disponerse ya de elementos suficientes para poder tratar la compleja
realidad actual. Se puede decir que ahora, adems de una matemtica de la certeza y una
matemtica del azar, disponemos de una matemtica de la incertidumbre y el estudio de
los fenmenos inciertos en economa y gestin tiene lugar con el uso de esta nueva
lgica, esta nueva matemtica.

2.- PREGUNTA DE LA INVESTIGACIN
2.1.- Cules son los fundamentos de la matemtica borrosa aplicables a la economa?
2.2.- Cules son los aportes de las ecuaciones borrosas y de las ecuaciones en diferencia
y ecuaciones diferenciales borrosas en la economa?
2.3.- Cmo es el comportamiento de una variable econmica difusa a travs del anlisis de
regresin difusa y del Anlisis de Componentes Principales (ACP) difuso?
2.4.- Cmo se aplica teora de la matemtica difusa en la gestin y valoracin financiera?
2.5.- Es posible aplicar la matemtica difusa al comportamiento de modelos clsicos de la
teora econmica?
2.6.- Es posible simular modelos de dinmica de sistemas econmicos con variables
difusas cualitativas?












3.- OBJETIVOS
3.1.- OBJETIVO PRINCIPAL:
ESTIMAR LA INCIDENCIA DE LA MATEMTICA DE LA INCERTIDUMBRE EN
LA ECONOMA
3.2.- OBJETIVOS ESPECFICOS
3.2.1.- Describir los Fundamentos de la matemtica para el tratamiento de la
incertidumbre.
3.2.2.- Analizar los nuevos aportes de las ecuaciones borrosas y de las ecuaciones en
diferencia y ecuaciones diferenciales borrosas en la economa.
3.2.3.- Explicar el comportamiento de una variable econmica difusa a travs del anlisis
de regresin difusa y del Anlisis de Componentes Principales (ACP) difuso.
3.2.4.- Formular problemas de gestin y valoracin financiera utilizando la teora de los
subconjuntos borrosos.
3.2.5.- Estimar el comportamiento de modelos de la teora econmica a travs de la
matemtica difusa
3.2.6.- Simular modelos de dinmica de sistemas econmicos con variables difusas
cualitativas

4.- PLANTEAMIENTO ONTO EPISTEMOLGICO

Este trabajo de investigacin pretende destacar el giro copernicano que introduce la
perspectiva de la epistemologa de la complejidad y de sus herramientas conceptuales,
lgicas y metodolgicas, la cual se revela como una ayuda con un valor incalculable para
explicar justamente las dinmicas que no pueden ser explicadas y mucho menos resueltas
con la ciencia normal imperante hasta el momento en la economa. Desde este innovador
paradigma la realidad no se concibe como algo simple, monoltico y atemporal sino que en
su ms diversas manifestaciones, aparece en el nuevo contexto, constituidas por
fluctuaciones, iteraciones, borrosidad, turbulencia, catstrofes, fractales, bifurcaciones,
atractores extraos, etc.

La epistemologa de la complejidad est conformada por la teora de los objetos
fractales, la teora de las catstrofes, la teora del caos y la teora de la matemticas difusa,
siendo esta ltima en la que se fundamenta la presente investigacin.
La base de la teora de la matemtica difusa se halla en los mecanismos que las
personas utilizan para comprenderse y comprender el mundo que los rodea. La capacidad
de percibir y valorar los distintos grados de nuestra propia realidad y de los contextos y
situaciones sociales en que nos vemos envueltos conlleva un inevitable proceso de
"difuminacin de los significados" que es inherente a la condicin humana. De esta manera,
la perspectiva difusa propone partir del conocimiento, de nuestras limitaciones cognitivas,
de la incertidumbre que resulta inseparable de nuestras limitaciones y, consecuentemente,
de la necesidad de abandonar el ideal de la precisin en la medida en que, an cuando la
estructura de la realidad fuera tal que pudiramos exponerla en formulaciones precisas,
existe una degradacin de la correspondencia entre el conocimiento y su objeto que es
inevitable en razn de nuestras limitaciones
Como puede apreciarse en este contexto, y apoyndonos en las observaciones de
Zadeth, la teora de la matemtica difusa bien puede pensarse como la herramienta
conceptual adecuada para explicar la dinmica de este proceso de generacin de
conocimiento y de su inevitable degradacin, esto es, lo que hemos denominado borrosidad
cognitiva.
La borrosidad cognitiva es un fenmeno estrictamente epistemolgico, de manera
que si estamos en lo cierto, la teora de la matemtica y de la lgica difusa se hallara en
una perspectiva que parte no del objeto sino de nuestro conocimiento del objeto, esto es,
nos hallaramos en una perspectiva ya no ontolgica sino epistemolgica.

5.- ESTRUCTURA DE LA TESIS

La tesis que se presenta se divide en SEIS (6) bloques. A saber:
5.1.- Fundamentos de la matemtica para el tratamiento de la incertidumbre
5.2.- Nuevos aportes al estudio de las ecuaciones borrosas y de las ecuaciones en diferencia
y ecuaciones diferenciales borrosas.

5.3.- Estudio del anlisis de regresin difusa como enfoque especfico del anlisis de
regresin y estudio del Anlisis de Componentes Principales (ACP) difuso.
5.4.- Estudiar problemas de gestin y valoracin financiera utilizando la teora de los
subconjuntos borrosos.
5.5.- Aplicaciones de la matemtica de la incertidumbre al comportamiento de modelos de
la teora econmica.
5.6.- Modelo y simulacin econmica en incertidumbre.

PRIMER BLOQUE: FUNDAMENTOS DE LA MATEMTICA PARA EL
TRATAMIENTO DE LA INCERTIDUMBRE
1.- Nociones De lgica. Mostrar las ideas bsicas de la lgica binaria introduciendo las
definiciones de T-normas y S-conormas de la lgica borrosa y estudiar algunos de sus
propiedades.
2.- Subconjuntos borrosos. Exponer exhaustivamente de las definiciones y los teoremas
referentes a los subconjuntos borrosos, las diferentes operaciones, las diferentes formas de
discriminar los conjuntos borrosos.
3.- Aproximacin de Nmeros borrosos. Se estudian los nmeros borrosos desde un
punto de vista terico, como un caso particular de los conjuntos borrosos. Realizar
operaciones con nmeros borrosos, haciendo nfasis a las compatibilidades del principio de
extensin de las operaciones con los -cuts. Con una parte fundamental para desarrollar el
segundo y tercer bloque de la tesis fijando prioritariamente la atencin en los nmeros
borrosos triangulares, trapezoidales y los del tipo R-L. Aproximacin a travs de un
nmero L-L de Dubois y Prade una funcin de nmeros L-L de Dubois y Prade. Una
metodologa para medir la calidad de la aproximacin a travs de un nmero borroso
triangular de una funcin de nmeros borrosos triangulares que mantenga su mismo soporte
y ncleo.




SEGUNDO BLOQUE: NUEVOS APORTES AL ESTUDIO DE LAS ECUACIONES
BORROSAS Y DE LAS ECUACIONES EN DIFERENCIA Y ECUACIONES
DIFERENCIALES BORROSAS.

4.- Ecuaciones borrosas. A partir de la solucin de Buckley y Qu (1991) donde se plantea
un nuevo enfoque dirigido a resolver ecuaciones borrosas con coeficientes dentro de los
nmeros borrosos triangulares y plantean un mtodo que permita conservar la estructura
triangular de la solucin a partir de un indicador de aproximacin prefijado.
5.- Derivadas, ecuaciones en diferencia y ecuaciones diferenciales borrosas. En este
captulo se plantea las condiciones necesarias y suficientes que permitan garantizar la
estructura triangular de la derivada en un punto. As mismo, nos servir para hacer un
estudio completo de las ecuaciones en diferencia y de las ecuaciones diferenciales lineales
con coeficientes constantes.

TERCER BLOQUE: ESTUDIO DEL ANLISIS DE REGRESIN DIFUSA COMO
ENFOQUE ESPECFICO DEL ANLISIS DE REGRESIN Y ESTUDIO DEL
ANLISIS DE COMPONENTES PRINCIPALES (ACP) DIFUSO.

6.- La Regresin Difusa: Este captulo est orientado a formalizar, generalizar y extender
las propuestas que se han formulado hasta la fecha sobre la Regresin Difusa, con el claro
objetivo de proporcionar un instrumental metodolgico aplicables a problemas en que los
datos disponibles estn afectados por imprecisin e incertidumbre.
7.- Anlisis de Componentes Principales Difusos: Este captulo est orientado a
formalizar y extender las propuestas que se han formulado sobre Anlisis de Componentes
Principales sobre datos disponibles afectados por imprecisin e incertidumbre.





CUARTO BLOQUE: ESTUDIAR PROBLEMAS DE GESTIN Y VALORACIN
FINANCIERA UTILIZANDO LA TEORA DE LOS SUBCONJUNTOS BORROSOS.

8.- Valoracin financiera con intereses borrosos: Una de las aplicaciones de la
valoracin financiera es hallar el precio en un momento dado de cualquier derecho u
obligacin econmico, por tanto traducibles a un devengo de cuantas monetarias con un
diferimiento futuro, tenindose en cuenta el grado de preferencia por la liquidez que exigir
el valorador hasta el devengo de dichas cuantas. El instrumento por excelencia de la
valoracin financiera es el inters compuesto, y ser por tanto este instrumento de
valoracin el que analizaremos nosotros en este apartado, suponindose que el inters de
valoracin viene estimado por nmeros borrosos.

QUINTO BLOQUE: APLICACIONES DE LA MATEMATICA DE LA
INCERTIDUMBRE AL COMPORTAMIENTO DE MODELOS DE LA TEORIA
ECONOMICA.

10.- Anlisis de equilibrio parcial de mercado a travs de un modelo lineal borroso
11.- Optimizacin dinmica borrosa.-
12.- Modelando la incertidumbre keynesiana con modelos borrosos
13.- Anlisis del modelo establecido en la Teora del Preajuste Financiero a travs de un
modelo lineal borroso.

SEXTO BLOQUE:
MODELO Y SIMULACIN ECONMICA EN INCERTIDUMBRE
Este captulo est orientado a formalizar y simular un modelo econmico complejo usando
informacin de carcter lingstico con la tcnica denominada Computacin con Palabras
(CWW del ingls Computer with words) introducida por Zadeth en 1973 y se basa en la
modelizacin del lenguaje natural usando conjuntos borrosos.



6.- METODOLOGA

6-1. Objetivos metodolgicos
Como una de las finalidades principales de la investigacin me planteo el manejo de
la incertidumbre en muchos fenmenos de la vida econmica y en la economa, abriendo
las puertas a un reconocimiento de grados de verdad y la contradiccin, en razn de que la
posesin de muchsimas propiedades difusas constituye un indicio de que la realidad es
gradual y contradictoria.
En segundo lugar hemos apelado a nuestras mejores aptitudes con la intencin de
aplicar, en trminos metodolgicos un enfoque ampliamente interdisciplinario,
integrando varios niveles filosfico, econmico, social, poltico y cultural en el
anlisis. La suposicin de que parto es que, estando la realidad social constituida como
una totalidad que se basa en un determinado esquema de integracin y de tensin que
envuelve sus varios planos difusos, el anlisis solo podra aprendeher correctamente esa
realidad si a su vez tampoco secciona este todo.
6-2.-. Mtodos y tcnicas
Los mtodos a ser usados son resultado de la discusin metodolgica general
anteriormente presentada. Creo posible resumirlos aqu en cuatro fases:
La primera fase es descriptiva; se traduce en la bsqueda de datos y formulaciones
tericas ya disponibles; constituye as una investigacin exploratoria cuya principal
funcin es mostrar lneas posibles de anlisis.
La segunda fase es ms difcil, pues se destina, con los elementos obtenidos en la
primera, a construir categoras que hagan inteligible el proceso. Claro est que no
todas las categoras a ser utilizadas en la investigacin sern originales, pero algunas
tendrn que serlo.
La tercera fase es la de retorno a lo real, disponiendo ya del instrumental terico
elaborado: slo ah puede comenzar la recoleccin efectiva de datos econmicos, esto
es, los hechos no aparecen desde entonces como un amontonamiento un tanto catico

ordenado slo cronolgicamente, sino que ya ser posible intentar otras formas de
relacin.
La cuarta fase acta nuevamente en el plano abstracto, tendiendo a la construccin
del modelo, tan simple y tan exhaustivo como sea posible.
Las tcnicas y los tipos de datos que me parecen convenientes para esta realizacin
pueden ser aprehendidos del desdoblamiento de las fases que pretende contener la
investigacin.

BIBLIOGRAFIA
An, P.T. and Hai N.N. (2004) -Convexity in Normed Linear Spaces, Numerical Functional
Analysis and Optimization, v. 25, No. 5& 6, pp. 407 - 422.
Aoki, N. and Hiraide, K. Topological Theory of Dynamical Systems: Recent Advances,
North-Holland, Amsterdam/London/New York, 1994.
Atanasov, K. Intuitionistic Fuzzy Sets: Theory and Applications, Physica-verlag, 1999.
Aubin, J.-P. and Frankowska, H. Set-valued analysis, Birkhauser, Boston, MA, 1990.
Averbukh, V. I. and Smolyanov, O. G. (1968) The various definitions of the derivative in
linear topological spaces, Russ Math Surv, v. 23, No. 4, pp. 67-113.
Averkin, A.N., Batyrshin, I.Z., Blishun, A.F., Silov, V.B., and Tarasov, V.B. (1986) Fuzzy
Sets in Models of Control and Artificial Intelligence, Moscow, Nauka.
Axer, H., Sdfeld, D., van Keyserlingk, D. G. and Berks, G. (2001) Fuzzy sets in human
anatomy, Artificial Intelligence in Medicine, v. 21, No. 1-3, pp. 147-152.
Baez, S., Balachandran, A. P., Vaidya, S. and Ydri, B. (2000) Monopoles and Solitons in
Fuzzy Physics, Commun. Math. Phys., v. 208, pp.787-798.
Banon, G. (1981) Distinction between several subsets of fuzzy measures, Fuzzy Sets and
Systems, v. 5, pp. 291-305.
Barn B., Rojas A., Brtez D., and Barn L., Measurement and Analysis of Poverty and
Welfare using Fuzzy Sets, International Conference Systemics, Cybernetics and
Informatics SCI'99, Orlando, Florida, 1999.
Barth, E., Zetzsche, C. and Krieger, G. (1998) Curvature measures in visual information
processing, Open Systems and Information Dynamics, v. 5, pp. 25-39.

Bartle, R.G. Modern Theory of Integration, American Mathematical Society, Providence,
Rhode Island, 2001.
Bhounek, L. and Cintula, P. (2005) Fuzzy Class Theory as Foundations for Fuzzy
Mathematics, in "Fuzzy Logic, Soft Computing and Computational Intelligence: Eleventh
International Fuzzy Systems Association World Congress", Tsinghua University
Press/Springer, Beijing, pp.1233-1238.
Bhounek, L. and Cintula, P. (2005a) Fuzzy class theory, Fuzzy Sets and Systems, v. 154,
pp. 3455.
Bekenstein, J.D. (1981) Universal upper bound on the entropy-to-energy ratio for bounded
systems, Phys. Rev. D, Part. Fields, v. 23, pp. 287-298.
Bell, J.L. Set Theory: Boolean-Valued Models and Independence Proofs, Third Edition,
Clarendon Press, Oxford, 2005.
Bers, L. Topology, Courant Institute of Mathematical Sciences, New York, 1957.
Blizard, W.D. (1989) Real-valued Multisets and Fuzzy Sets, Fuzzy Sets and Systems, v. 33,
pp. 77-97.
Boyer, C. A History of Mathematics, Princeton University Press, Princeton, 1985.
Bromwich, T. J. and MacRobert, T. M. An Introduction to the Theory of Infinite Series,
Chelsea, New York, 1991.
Brown, J.G. (1971) A Note on Fuzzy Sets, Information and Control, v. 18, pp. 32-39.
Bruhat, F. (1962) Integration p-adic, Sm. Bourbaki 14, Nr. 229, 16 p.
Buckley, J.J., and Qu.Yunxia, (1991) On Fuzzy Complex Analysis, I, Differentiation,
Fuzzy
Sets and Systems, 41, pp. 269-284.
Bugajski, S. (1995) Fuzzy Dynamical Systems, Fuzzy Random Fields, Reports on Math.
Physics, v. 36, No. 2/3, pp. 263-274.
Bula, I. (1996) Stability of the Bohl-Brouwer-Schauder Theorem, Nonlinear Analysis:
Theory, Methods and Applications, v. 26, pp. 1859-1868.
Bula, I. (2003) Discontinuous functions in Gale economic model, Mathematical Modelling
and Analysis, vol.8(2), pp. 93-102.
Bula, I. and Rika, D. (2006) Arrow-Hahn economic models with weakened conditions of

continuity, Banach Center Publ., v. 71, pp. 47-61.
Bula, I. and Weber, M.R. (2002) On Discontinuous Functions and their Application to
Equilibria in Some Economic Models, Preprint of Technische Universitat Dresden,
MATH-AN-02-02, 20 p.
Burden, R.L. and Faires, J.D. Numerical Analysis, Brooks/Cole, Australia/USA/
Canada, 2001.
Burgin, M. (1995) Neoclassical Analysis: Fuzzy Continuity and Convergence, Fuzzy Sets
and Systems, v. 75, pp. 291-299.
Burgin, M. (1999) General Approach to Continuity Measures, Fuzzy Sets and Systems, v.
105, No. 2, pp. 225-231.
Burgin, M. (1999a) Extended Fuzzy Continuity, Abstracts presented to the American
Mathematical Society, v.20, No. 1, p. 230.
Burgin, M. (2000) Theory of Fuzzy Limits, Fuzzy Sets and Systems, v. 115, No. 3, pp. 433-
443.
Burgin, M. (2001) Uncertainty and Imprecision in Analytical Context: Fuzzy Limits and
Fuzzy Derivatives, International Journal of Uncertainty, Fuzziness and Knowledge-
Based Systems, v. 9, No. 5, pp. 563-685.
Burgin, M. (2001a) Mathematical Models for Computer Simulation, in Proceedings of the
Business and Industry Simulation Symposium, SCS, Seattle, Washington, pp. 111-118.
Burgin, M. Fuzzy Sets of Strong, Weak, and Conditional Derivatives, Elsevier, Preprint
0110014, 2001b, 41 p. (electronic edition: http://www.mathpreprints.com/math/
Preprint/).
Burgin, M. (2001c) Topological Algorithms, in Proceedings of the ISCA 16th International
Conference Computers and their Applications, ISCA, Seattle, Washington, pp. 61-64.
Burgin, M. (2002) Theory of Hypernumbers and Extrafunctions: Functional Spaces and
Differentiation, Discrete Dynamics in Nature and Society, v. 7, No. 3, 2002, pp. 201-212.
Burgin, M. Monotonicity, Fuzzy Extrema, and Fuzzy Conditional Derivatives of Real
Functions, University of California, Los Angeles, Mathematics Report Series, MRS
Report 03-13, 2003, 73 p..
Burgin, M. (2004) Fuzzy Optimization of Real Functions, International Journal of

Uncertainty, Fuzziness and Knowledge-Based Systems, v. 12, No. 4, pp. 471-497.
Burgin, M. Unified Foundations of Mathematics, Preprint in Mathematics LO/0403186,
2004c, 39 p. (electronic edition: http://arXiv.org).
Burgin, M. (2004d) Optimization Calculus, in Proceedings of the Business and Industry
Simulation Symposium, Society for Modeling and Simulation International, Arlington,
Virginia, 2004, pp. 193-198.
Burgin, M. (2005) Recurrent Points of Fuzzy Dynamical Systems, Journal of Dynamical
Systems and Geometric Theories, v. 3, No. 1, pp.1-14.
Burgin, M. Fuzzy Continuity in Scalable Topology, Preprint in Mathematics
math.GN/0512627, 2005a, 30 p. (electronic edition: http://arXiv.org).
Burgin, M. Series Summation in Hypernumbers, University of California, Los Angeles,
Mathematics Report Series, MRS Report 05-07, 2005b.
Burgin, M. (2006) Scalable Topological Spaces, 5th Annual International Conference on
Statistics, Mathematics and Related Fields, 2006 Conference Proceedings, Honolulu,
Hawaii, pp. 1865-1896.
Burgin, M. and Glushchenko V. (1997) Decision Making Based on Function Fluctuation
Measurement, 5th European Congress on Intelligent Technologies and Soft Computing,
Proceedings, Aachen, pp.1666-1670.
Burgin, M. and Glushchenko V. (1998) Composition Decision Making in Fuzzy
Conditions, 6th European Congress on Intelligent Technologies and Soft Computing,
Proceedings, v. 1, Aachen, pp. 169-173.
Burgin, M. and Kalina, M. (2005) Fuzzy Conditional Convergence and Nearness Relations,
Fuzzy Sets and Systems, v. 149, No. 3, pp. 383-398.
Burgin, M. and Kalina, M. (2005a) Calculus versus topology: comprehension versus
abstraction, Fuzzy Sets and Systems, 2005, v. 149, No. 3, pp. 413-414.
Burgin, M. S. and Karasik, A. Yu. Construction of Matrix Operators, Problems of Radio-
Electronics, 1976, No. 8, pp. 9-25 (in Russian).
Burgin, M. and ostak, A. (1992) Towards the Theory of Continuity Defect and continuity
Measure for Mappings of Metric Spaces, Matematika, Riga, pp. 45-62.
Burgin, M. and ostak, A. (1994) Fuzzyfication of the Theory of Continuous Functions,

Fuzzy Sets and Systems, v. 62, pp. 71-81.
Burgin, M. and Westman, J. (2000) Fuzzy Calculus Approach to Computer Simulation,
Proceedings of the Business and Industry Simulation Symposium, Washington, pp. 41-46.
Burke, H.E. (1986) Handbook of Magnetic Phenomena, New York.
Burton, D.M. The History of Mathematics, The McGrow Hill Co., New York, 1997.
Carvalho, J.P.: Mapas Cognitivos Baseados em Regras Difusas: Modelacao e Simulacao
da Dinamica de Sistemas Qualitativos, PhD thesis, Instituto Superior Tecnico,
Universidade Tecnica de Lisboa, Portugal (2002)
Carvalho, J.P., Jos, A., Tome, J.A.: Qualitative Optimization of Fuzzy Causal Rule
Bases using Fuzzy Boolean Nets. Fuzzy Sets and Systems 158(17), 19311946 (2007)
Carvalho, J.P., Tome, J.A.: Fuzzy Mechanisms for Qualitative Causal Relations. In:
Seising, R. (ed.) Views on Fuzzy Sets and Systems from Different Perspectives. Philosophy
and Logic, Criticisms and Applications. Studies in Fuzziness and Soft Computing,
Springer, Berlin (2009)
Carvalho, J.P., Tome, J.A.: Rule Based Fuzzy Cognitive Maps -D Qualitative Systems
Dynamics. In: Proceedings of the 19th International Conference of the North American
Fuzzy Information Processing Society, NAFIPS 2000, Atlanta (2000)
Carvalho, J.P., Tome, J.A.: Issues on the Stability of Fuzzy Cognitive Maps and Rule-
Based Fuzzy Cognitive Maps. In: Proceedings of the 21st International Conference of
the North American Fuzzy Information Processing Society, NAFIPS 2002, New Orleans
(2002)
Carvalho, J.P., Tome, J.A.: Fuzzy Mechanisms For Causal Relations. In: Proceedings
of the Eighth International Fuzzy Systems Association World Congress, IFSA 1999,
Taiwan (1999)
Carvalho, J.P., Tome, J.A.: Rule Based Fuzzy Cognitive Maps - Expressing Time in
Qualitative System Dynamics. In: Proceedings of the 2001 FUZZ-IEEE, Melbourne,
Australia (2001)
Carvalho, J.P., Tome, J.A.: Rule Based Fuzzy Cognitive Maps and Fuzzy Cognitive
Maps - A Comparative Study. In: Proceedings of the 18th International Conference of
the North American Fuzzy Information Processing Society, NAFIP 1999, New York

(1999)
Carvalho, J.P., Tome, J.A.: Using Interpolated Linguistic Term to Express Uncertainty
in Rule Based Fuzzy Cognitive Maps. In: Proceedings of the 22nd International Conference
of the North American Fuzzy Information Processing Society, NAFIPS 2003,
Chicago (2003)
Chaitin, G.J. (2006) How real are real numbers? International Journal of Bifurcation and
Chaos , v. 16, pp. 1841-1848.
Chaitin, G.J. The Unknowable, Springer-Verlag, Berlin/Heidelberg/New York, 1999.
Chang, C.L. (1968) Fuzzy topological spaces, J. Math. Anal. Appl., v. 24, pp. 182-190.
Chapin. E.W. (1974) Set-valued Set Theory, I, Notre Dame J. Formal Logic, v. 15, pp. 619-
634.
Chen, C.C. and Keisler, H.J. Continuous Model Theory, Princeton University Press,
Princeton, 1966.
Chen, Y.-Z. (2004) Fixed Points for Discontinuous Monotone Operators, Journal of
Mathematical Analysis and Applications, v. 291, No. 1, pp. 282-291.
Chen, Z., Osadetz, K.G., Embry, A.F., and Hannigan, P. (2001) Geological Favourability
Chidume, C.E., Zegeye, H. and Aneke, S.J. (2002) Approximation of fixed points of
weakly contractive nonself maps in Banach spaces, Journal of Mathematical Analysis and
Applications, v. 270, No. 1 , pp. 189-199.
Clark F.H. Optimization and Nonsmooth Analysis, John Willy & Sons, New York, 1983.
Collins, J.C. (1984) Renormalization, Cambridge, Cambridge University Press.
Connolly, J.H., Chamberlain, A. and Philips, I.W. (2006) A Discourse-based Approach to
Human-Computer Communication, Semiotica, v. 160, No. 1/4, 2006, pp. 203-218.
Cornelis, C., De Cock, M., and Kerre, E. E. (2003) Intuitionistic fuzzy rough sets: at the
crossroads of imperfect knowledge, Expert Systems, v. 20, No. 5, pp. 260-269.
Cornelis, C., Deschrijver, C., and Kerre, E. E. (2004) Implication in intuitionistic and
interval-valued fuzzy set theory: construction, classification, application, International
Journal of Approximate Reasoning , v. 35, pp. 55-95.
Forrester, J.W.: Several papers available online at http://sysdyn.mit.edu/sd-intro/home.html
Halanay, A., Samuel, J.: Differential Equations, Discrete Systems and Control: Economic

Models. Mathematical Modelling: Theory and Applications. Kluwer Academic (1997)
http://www.euribor.org/html/content/euribordata.html
Kosko, B.: Fuzzy Cognitive Maps. International Journal of Man-Machine Studies (1986)
Kosko, B.: Fuzzy Engineering. Prentice-Hall International Editions (1997)
Kosko, B.: Neural Networks and Fuzzy Systems: A Dynamical Systems Approach to
Machine Intelligence. Prentice-Hall International Editions (1992)
Zadeh, L.A.: Fuzzy Sets and Applications: Selected Papers. Wiley Interscience (1987)
Zhang, W.-B.: Differential Equations, Bifurcations and Chaos in Economics. World
Scientific (2005)



























6.- BIBLIOGRAFA