Optimalizace prodeje prošlého zboží
|
|
- Julie Krausová
- před 8 lety
- Počet zobrazení:
Transkript
1 Západočeská univerzita v Plzni
2 Plán prezentace Seznámení se s problematikou a popis matematického modelu Analytické vyjádření zisku v jednotlivých případech, kromě posledního Stochastický model posledního případu a jeho řešení Porovnání jednotlivých strategíı obchodníka Závěr
3 Úvod Prošlé zboží - jak s ním naložit prodat se slevou - zisk z prodeje, risk snížení poptávky po novém zboží vyloučit z prodeje - ztráta zisků z prodeje prošlého zboží, zajištění poptávky po novém zboží Cíl Obchodník nás požádal, abychom mu poradili, kolik bochníků chleba má pravidelně objednávat a jak má naložit s den starým ( tvrdým ) chlebem. Obchodník chce nejen poradit, co má dělat ve své situaci, ale zajímá jej obezně za jakých podmínek bude jeho rozhodnutí optimální.
4 Matematický model Ceny jsou uváděny v USD. Poptávka (bochníků chleba) sytý den: D p = 400 hladový den: D h = 200 den je sytý s pravděpodobností α Nákladová cena bochníku chleba je c = 3. Cena bochníku čerstvého chleba je p f = 4. Hodnota bochníku čerstvého chleba pro zákazníka je v f = 5 a tvrdého chloebu je v o = 4. Obchodník musí rozhodnout (zvolit strategii) Kolik chleba objednávat 1 N = D h 2 N = D p 3 D h < N < D p Tvrdý chléb () a) neprodávat b) prodávat za p o,b = 3.2 c) prodávat za p o,c = 2.8
5 Přehled značení Symbol Hodnota Význam D h 200 Poptávka po chleba v hladový den D p 400 Poptávka po chleba v sytý den α 0.5 Pravděpodobnost výskytu sytého dne c 3 Nákladová cena bochníku chleba p f 4 Cena čerstvého chleba p o,b 3.2 Cena tvrdého chleba v případě b) p o,c 2.8 Cena tvrdého chleba v případě c) N 1. D h Počet bochníků chleba, který obchodník 2. D p objednává 3. proměnný v f 5 Hodnota čerstvého chleba pro zákazníka v o 4 Hodnota tvrdého chleba pro zákazníka
6 Minimální a maximální objednávka Poznámka: Náklady, výnosy a zisk jsou míněny za 1 den. 2. Maximální objednávka N = D p = Minimální objednávka N = D h = 200 Každý den se prodá D h bochníků chleba a žádný nezbyde. Výnos činí R = D h p f Náklady jsou E = D h c Zisk U = R E je U 1 = D h (p f c). Každý den je dostatek čerstvého chleba, proto se nevyplatí tvrdý chléb nabízet. V hladový den se prodá D h bochníků a v sytý den D p bochníků. Průměrný výnos činí R = D h p f + α(d p D h )p f Náklady jsou E = D p c Průměrný zisk je U 2 = (D h p f D p c)+α(d p D h )p f.
7 3. Střední objednávka D h < N < D p a) Tvrdý chléb se vyhazuje V hladový den se prodá D h bochníků a v sytý den N bochníků. Průměrný zisk je U 3a = D h p f Nc + α(n D h )p f. b) Tvrdý chléb se nabízí za p o,b = 3.2 Každý zákazník preferuje čerstvý chléb před tvrdým, protože v o p o,b = < 5 4 = v f p f V hladový den se prodá D h bochníků. V sytý den, který následuje po hladovém dnu, se prodá M = min{n D h, D p N} bochníků a v sytý den následujícím po sytém dnu N bochníků. Průměrný zisk je U 3b = (D h p f Nc) + α[(n D h )p f + Mp o,b ] α 2 Mp o,b.
8 3. Střední objednávka D h < N < D p b) Tvrdý chléb se nabízí za p o,b = 2.8 Každý zákazník preferuje tvrdý chléb před čerstvým, protože v o p o,c = > 5 4 = v f p f Stav zásob tvrdého chleba závisí velikosti poptávky v předchozích dnech. Je nutno použít stochastický model. Necht x je počet bochníků tvrdého chleba na začátku dne. Potom na konci dne zůstane min{x + N D h, N} bochníků čerstvého chleba pokud den byl hladový a max{x + N D p, 0} bochníků čerstvého chleba pokud den byl sytý.
9 3.c) Stochastický model Množství tvrdého chleba na začátku dne popíšeme stavem k {0,..., K}. Stav k odpovídá s k = k N K bochníkům tvrdého chleba. Náhodnou veličinu udávající stav zásob n-tý den od začátku prodeje označme X n. Stochastický proces {X n, n N 0 } tvorí Markovův řetězec. Matice pravděpodobností přechodu je α α. 1 α. α.. P = α 1 α α 1 α.... α α
10 3.c) Průměrný zisk Numericky nalezneme vektor stacionárního rozdělení π = {π k } K k=0 (tj. sloupcový vektor pro který π T P = π T a π 1 ). Výnosy za den, jsou-li zásoby tvrdého chleba ve stavu k, jsou R k = α(s k p o,c + min{n, D p s k }p f ) + (1 α)(min{s k, D h }p o,c + max{d h s k, 0}p f ) Průměrné výnosy potom jsou R = K k=0 π kr k.
11 Porovnání případů 1., 2., 3a U 1 = D h (p f c) = 200 U 2 = (D h p f D p c) + α(d p D h )p f = α U 3a = D h p f Nc + α(n D h )p f (= α) Utility Α 200 U 1 U 2 U 3 a 400
12 Porovnání případů 1., 2., 3a U 1 = D h (p f c) = 200 U 2 = (D h p f D p c) + α(d p D h )p f = α U 3a = D h p f Nc + α(n D h )p f (= α) Utility Α 200 U 1 U 2 U 3 a 400 U 3a = Dp N D p D h U 1 + N D h D p D h U 2
13 Porovnání případů 3a, 3b U 3b = (D h p f Nc) + α[(n D h )p f + Mp o,b ] α 2 Mp o,b, kde M = min{n D h, D p N}. Konkrétně pro N = 300 U 3b = α 320α 2. Utility Α 200 U 1 U 2 U 3 a 400 U 3 b
14 Porovnání případů 3b, 3c Α N Α N Α N Α N
15 Kolik objednat v případě 3b) Definujme a 1 = p f + p o,b D 1 2p o,b, D 1 = (p f + p o,b ) 2 4p o,b c. a 2 = p f + p o,b D 2 2p o,b, D 2 = (p f p o,b ) 2 + 4p o,b c. Potom obchodníkovo optimální rozhodnutí zavisí na hodnotě α: α (0, a 1 ], minimální objednávka N = D h α (a 1, a 2 ), střední objednávka N = 1 2 (D h + D p ) α [a 2, 1), maximální objednávka N = D p
16 Závěr Shrnutí Určili jsme, k jakým ziskům vedou jednotlivé strategie. Zjistili jsme, že ve většině případů je nejvýhodnější volit cenu prošlého zboží tak, že zákazník preferuje nové zboží. Obchodník se rozhoduje mezi minimální, střední, nebo maximální objednávkou zboží podle toho, s jakou pravděpodobností je poptávka vysoká, nebo nízká. Jak by bylo možné matematický model vylepšit Zahrnout do zisku obchodníka faktor pověsti. Tj. spokojenost zákazníka vynásobená koeficientem. Tím získáme zjednodušený model použitelný pro oligopolní prostředí. Uvažovat poptávku jako náhodnou veličinu s nějakým spojitým rozdělením (namísto rozdělení alternativního). Zohlednit fakt, že každý zákazník si jinak cení prošlé zboží.
17 Děkuji vám za pozornost... Použitá literatura P. W. Jones, P. Smith Stochastic procesis: An introduction. Hodder Arnold Fudenberg, Drew a Tirole, Jean. Game Theory. MIT Press, 1991.
Stochastické modely Informace k závěrečné zkoušce
Stochastické modely Informace k závěrečné zkoušce Jan Zouhar Katedra ekonometrie, FIS VŠE v Praze, zouharj@vse.cz 10. února 2015 Průběh zkoušky. Zkouška je ústní s přípravou na potítku. Každý si vylosuje
VíceMarkovské metody pro modelování pravděpodobnosti
Markovské metody pro modelování pravděpodobnosti rizikových stavů 1 Markovský řetězec Budeme uvažovat náhodný proces s diskrétním časem (náhodnou posloupnost) X(t), t T {0, 1, 2,... } s konečnou množinou
VíceSimulační modely. Kdy použít simulaci?
Simulační modely Simulace z lat. Simulare (napodobení). Princip simulace spočívá v sestavení modelu reálného systému a provádění opakovaných experimentů s tímto modelem. Simulaci je nutno považovat za
VícePredikce roční spotřeby zemního plynu po ceníkových pásmech
Predikce roční spotřeby zemního plynu po ceníkových pásmech Ondřej Konár, Marek Brabec, Ivan Kasanický, Marek Malý, Emil Pelikán Ústav informatiky AV ČR, v.v.i. ROBUST 2014 Jetřichovice 20. ledna 2014
Více4EK201 Matematické modelování. 7. Modely zásob
4EK201 Matematické modelování 7. Modely zásob 7. Zásobovací procesy poptávka objednávka Firma Prodejna výdej Firemní sklad dodávka Dodavatel Velkosklad Mgr. Sekničková Jana, Ph.D. 2 7. Charakter poptávky
VíceMODELY ŘÍZENÍ ZÁSOB nákladově orientované modely poptávka pořizovací lhůta dodávky předstih objednávky deterministické stochastické
MODELY ŘÍZENÍ ZÁSOB Význam zásob spočívá především v tom, že - vyrovnávají časový nebo prostorový nesoulad mezi výrobou a spotřebou - zajišťují plynulou výrobu nebo plynulé dodávky zboží i při nepředvídaných
VíceTeorie rozhodování (decision theory)
Umělá inteligence II Roman Barták, KTIML roman.bartak@mff.cuni.cz http://ktiml.mff.cuni.cz/~bartak Teorie pravděpodobnosti (probability theory) popisuje v co má agent věřit na základě pozorování. Teorie
VíceÚvod Modely zásob Shrnutí. Teorie zásob. Kristýna Slabá. 9. ledna 2009
Teorie zásob Kristýna Slabá 9. ledna 2009 Obsah 1 Úvod Teorie Klasifikace zásob 2 Modely zásob Teorie Klasifikace modelů zásob Model zásob s okamžitou dodávkou Příklad Model zásob s postupnou dodávkou
VíceMiroslav Hanzelka, Václav Rozhoň června 2013
Matematický popis systémů interagujících částic Miroslav Hanzelka, Václav Rozhoň Gymnázium Česká Lípa, Žitavská 2969; mirekhanzelka@gmail.com Gymnázium J. V. Jirsíka, Fráni Šrámka 23, České Budějovice;
VíceZpracování náhodného vektoru. Ing. Michal Dorda, Ph.D.
Ing. Michal Dorda, Ph.D. 1 Př. 1: Cestující na vybraném spoji linky MHD byli dotazováni za účelem zjištění spokojenosti s kvalitou MHD. Legenda 1 Velmi spokojen Spokojen 3 Nespokojen 4 Velmi nespokojen
VíceVÝBĚR A JEHO REPREZENTATIVNOST
VÝBĚR A JEHO REPREZENTATIVNOST Induktivní, analytická statistika se snaží odhadnout charakteristiky populace pomocí malého vzorku, který se nazývá VÝBĚR neboli VÝBĚROVÝ SOUBOR. REPREZENTATIVNOST VÝBĚRU:
VíceRegionální produkty a jejich využití pro zvýšení tržeb maloobchodní jednotky
VYSOKÁ ŠKOLA TECHNICKÁ A EKONOMICKÁ V ČESKÝCH BUDĚJOVICÍCH ÚSTAV PODNIKOVÉ STRATEGIE Regionální produkty a jejich využití pro zvýšení tržeb maloobchodní jednotky Autor bakalářské práce: Markéta Jirásková
Více13. Lineární procesy
. Lineární procesy. Lineární procesy Našim cílem je studovat lineární (iterované) procesy. Každý takový proces je zadán čtvercovou maticí A Mat k k (R). Dále víme, že systém se v čase t n nachází ve stavu
Více5 Vícerozměrná data - kontingenční tabulky, testy nezávislosti, regresní analýza
5 Vícerozměrná data - kontingenční tabulky, testy nezávislosti, regresní analýza 5.1 Vícerozměrná data a vícerozměrná rozdělení Při zpracování vícerozměrných dat se hledají souvislosti mezi dvěma, případně
VíceApriorní rozdělení. Jan Kracík.
Apriorní rozdělení Jan Kracík jan.kracik@vsb.cz Apriorní rozdělení Apriorní rozdělení (spolu s modelem) reprezentuje informaci o neznámém parametru θ, která je dostupná předem, tj. bez informace z dat.
Více12. cvičení z PSI prosince (Test střední hodnoty dvou normálních rozdělení se stejným neznámým rozptylem)
cvičení z PSI 0-4 prosince 06 Test střední hodnoty dvou normálních rozdělení se stejným neznámým rozptylem) Z realizací náhodných veličin X a Y s normálním rozdělením) jsme z výběrů daného rozsahu obdrželi
VíceAplikace při posuzování inv. projektů
Aplikace při posuzování inv. projektů Pokročilé metody investiční analýzy Výpočet bodu zvratu Citlivostní analýza Analýzy scénářů Statistické simulace Reálné opce Analýza stochastických procesů Příklad
VíceMatematické modelování 4EK201
Matematické modelování 4EK0 Ukázkový test Maimum 00 bodů. Pokud má úloha lineárního programování více optimálních řešení, pak (a) jich může být nekonečně mnoho, (b) jich musí být nekonečně mnoho.. Doplňte
Více4EK311 Operační výzkum. 7. Modely řízení zásob
4EK311 Operační výzkum 7. Modely řízení zásob 7. Charakter poptávky Poptávka Deterministická Stochastická Deterministické modely zásob Stochastické modely zásob Mgr. Sekničková Jana, Ph.D. 2 7.4 Stochastický
Více1 Projekce a projektory
Cvičení 3 - zadání a řešení úloh Základy numerické matematiky - NMNM20 Verze z 5. října 208 Projekce a projektory Opakování ortogonální projekce Definice (Ortogonální projekce). Uvažujme V vektorový prostor
VíceMatematicko-fyzikální fakulta Univerzity Karlovy
Oceňování finančních derivátů ve spojitém čase Václav Kozmík Matematicko-fyzikální fakulta Univerzity Karlovy 4. 10. 2010 Úvod Stochastický kalkulus Wienerův proces stochastické procesy Itoovo lemma změna
VíceZnačení 1.1 (posloupnost výsledků pokusu). Mějme posloupnost opakovaných (i závislých) pokusů,
Rekurentní jevy Značení. (posloupnost výsledků pokusu). Mějme posloupnost opakovaných (i závislých) pokusů, kde každý má tutéž konečnou nebo spočetnou množinu výsledků E, E,...}. Pak E j,..., E jn } značí
VíceBakalářská práce Nejslabší! Máte padáka! Strategie ukládání
Západočeská univerzita v Plzni Fakulta aplikovaných věd Katedra matematiky Bakalářská práce Nejslabší! Máte padáka! Strategie ukládání Plzeň 2015 Jiří Šebek Prohlášení Prohlašuji, že jsem bakalářskou práci
VíceValue at Risk. Karolína Maňáková
Value at Risk Karolína Maňáková Value at risk Historická metoda Model-Building přístup Lineární model variance a kovariance Metoda Monte Carlo Stress testing a Back testing Potenciální ztráta s danou pravděpodobností
VíceJana Vránová, 3. lékařská fakulta UK
Jana Vránová, 3. lékařská fakulta UK Vznikají při zkoumání vztahů kvalitativních resp. diskrétních znaků Jedná se o analogii s korelační analýzou spojitých znaků Přitom předpokládáme, že každý prvek populace
VícePravděpodobnost a statistika (BI-PST) Cvičení č. 7
Pravděpodobnost a statistika (BI-PST) Cvičení č. 7 R. Blažek, M. Jiřina, J. Hrabáková, I. Petr, F. Štampach, D. Vašata Katedra aplikované matematiky Fakulta informačních technologií České vysoké učení
VíceÚvod do teorie her
Úvod do teorie her 2. Garanční řešení, hry s nulovým součtem a smíšené strategie Tomáš Kroupa http://staff.utia.cas.cz/kroupa/ 2017 ÚTIA AV ČR Program 1. Zavedeme řešení, které zabezpečuje minimální výplatu
Víceintenzitu příchodů zákazníků za čas t intenzitu obsluhy (průměrný počet obsloužených) za čas t
Ukázka - Systémy hromadné obsluhy Příklad: Pan Pumpička se rozhodl postavit samoobslužnou čerpací stanici u obce Česká Bříza. Na základě průzkumu ví, že by čerpací stanici mohlo průměrně navštívit 32,
VíceTeorie informace: řešené příklady 2014 Tomáš Kroupa
Teorie informace: řešené příklady 04 Tomáš Kroupa Kolik otázek je třeba v průměru položit, abychom se dozvěděli datum narození člověka (den v roce), pokud odpovědi jsou pouze ano/ne a tázaný odpovídá pravdivě?
VíceVysoká škola technická a ekonomická v Českých Budějovicích. Institute of Technology And Business In České Budějovice
OPERAČNÍ VÝZKUM 11. TEORIE ZÁSOB Vysoká škola technická a ekonomická v Českých Budějovicích Institute of Technology And Business In České Budějovice Tento učební materiál vznikl v rámci projektu "Integrace
VíceANTAGONISTICKE HRY 172
5 ANTAGONISTICKÉ HRY 172 Antagonistický konflikt je rozhodovací situace, v níž vystupují dva inteligentní rozhodovatelé, kteří se po volbě svých rozhodnutí rozdělí o pevnou částku, jejíž výše nezávisí
VíceA6M33SSL: Statistika a spolehlivost v lékařství Teorie spolehlivosti
A6M33SSL: Statistika a spolehlivost v lékařství Teorie spolehlivosti Vojta Vonásek vonasek@labe.felk.cvut.cz České vysoké učení technické v Praze Fakulta elektrotechnická Katedra kybernetiky Markovovy
Více3. ANTAGONISTICKÉ HRY
3. ANTAGONISTICKÉ HRY ANTAGONISTICKÝ KONFLIKT Antagonistický konflikt je rozhodovací situace, v níž vystupují dva inteligentní rozhodovatelé, kteří se po volbě svých rozhodnutí rozdělí o pevnou částku,
VíceRegresní a korelační analýza
Regresní a korelační analýza Mějme dvojici proměnných, které spolu nějak souvisí. x je nezávisle (vysvětlující) proměnná y je závisle (vysvětlovaná) proměnná Chceme zjistit funkční závislost y = f(x).
VíceEkonomická formulace. Matematický model
Ekonomická formulace Firma balící bonboniéry má k dispozici 60 čokoládových, 60 oříškových a 85 karamelových bonbónů. Může vyrábět dva druhy bonboniér. Do první bonboniéry se dávají dva čokoládové, šest
Více1 Zobrazení 1 ZOBRAZENÍ 1. Zobrazení a algebraické struktury. (a) Ukažte, že zobrazení f : x
1 ZOBRAZENÍ 1 Zobrazení a algebraické struktury 1 Zobrazení Příklad 1.1. (a) Ukažte, že zobrazení f : x na otevřený interval ( 1, 1). x x +1 je bijekce množiny reálných čísel R (b) Necht a, b R, a < b.
VíceQopt. = (2 x C x D) / S
Příklad 1 Standartní výpočet Firma Trikot vyrábí oděvy a spotřebovává ročně 25 000 m látky. Variabilní na skladování 1 m látky jsou 22,50 Kč. Cena za 1 m látky je 80,- Kč. Variabilní na zajištění jedné
Vícedoc. Ing. Marcela Kožená, Ph.D. Fakulta ekonomicko-správní Univerzita Pardubice
doc. Ing. Marcela Kožená, Ph.D. Fakulta ekonomicko-správní Univerzita Pardubice Prodej je aktem směny, ke které dochází na trhu (místo, kde se setkává nabídka a poptávka). Směna je proces, ve kterém předmět
VíceVstup a úkoly pro 4. kapitolu LOGISTIKA V ZÁSOBOVÁNÍ. MODELY ZÁSOB. Smysl zásob
Vstup a úkoly pro 4. kapitolu LOGISTIKA V ZÁSOBOVÁNÍ. MODELY ZÁSOB. Smysl zásob Smyslem zásob je zajistit bezporuchový a plynulý výdej skladovaných položek do spotřeby. Jejich výše je ovlivněna požadavkem
VíceHledání kořenů rovnic jedné reálné proměnné metoda půlení intervalů Michal Čihák 23. října 2012
Hledání kořenů rovnic jedné reálné proměnné metoda půlení intervalů Michal Čihák 23. října 2012 Problém hledání kořenů rovnice f(x) = 0 jeden ze základních problémů numerické matematiky zároveň i jeden
VíceKvantitativní řízení rizik 7.11.2014
Kvantitativní řízení rizik 7.11.2014 Ekonomický kapitál ekonomický kapitál- kapitál potřebný k zajištění schopnosti splnit v daném časovém horizontu převzaté závazky s danou pravděpodobností L- riziko,
VíceParametrické programování
Parametrické programování Příklad 1 Parametrické pravé strany Firma vyrábí tři výrobky. K jejich výrobě potřebuje jednak surovinu a jednak stroje, na kterých dochází ke zpracování. Na první výrobek jsou
VíceVozidla jako nástroj konkurenceschopnosti železnice
Vozidla jako nástroj konkurenceschopnosti železnice Martin Kvizda Konstantinovy Lázně, říjen 2014 1 Obsah Vysvětlení pojmů Vozidla ve firemní strategii formování nabídky Vozidla ve spotřebitelské strategii
VíceNáhodné veličiny jsou nekorelované, neexistuje mezi nimi korelační vztah. Když jsou X; Y nekorelované, nemusí být nezávislé.
1. Korelační analýza V životě většinou nesledujeme pouze jeden statistický znak. Sledujeme více statistických znaků zároveň. Kromě vlastností statistických znaků nás zajímá také jejich těsnost (velikost,
VíceVstup a úkoly pro 3. kapitolu LOGISTIKA A PLÁNOVÁNÍ VÝROBY.
Vstup a úkoly pro 3. kapitolu LOGISTIKA A PLÁNOVÁNÍ VÝROBY. Podniková strategie vychází ze zpracování analýz: - okolního prostředí, - vnitřního prostředí (podnik). Podnikovou strategií rozumíme soubor
VíceSIMULACE SPOLEHLIVOSTI SYSTÉMŮ HROMADNÉ OBSLUHY. Michal Dorda. VŠB - TU Ostrava, Fakulta strojní, Institut dopravy
SIMULACE SPOLEHLIVOSTI SYSTÉMŮ HROMADNÉ OBSLUHY Michal Dorda VŠB - TU Ostrava Fakulta strojní Institut dopravy 1 Úvod V běžné technické praxi se velice často setkáváme s tzv. systémy hromadné obsluhy aniž
VíceMatematické přístupy k pojištění automobilů. Silvie Kafková. 3. 6. září 2013, Podlesí
Matematické přístupy k pojištění automobilů Silvie Kafková 3. 6. září 2013, Podlesí Obsah 1 Motivace 2 Tvorba tarifních skupin a priori 3 Motivace Obsah 1 Motivace 2 Tvorba tarifních skupin a priori 3
VíceTeorie náhodných matic aneb tak trochu jiná statistika
Teorie náhodných matic aneb tak trochu jiná statistika B. Vlková 1, M.Berg 2, B. Martínek 3, O. Švec 4, M. Neumann 5 Gymnázium Uničov 1, Gymnázium Václava Hraběte Hořovice 2, Mendelovo gymnázium Opava
VíceJednovýběrový Wilcoxonův test a jeho asymptotická varianta (neparametrická obdoba jednovýběrového t-testu)
Jednovýběrový Wilcoxonův test a jeho asymptotická varianta (neparametrická obdoba jednovýběrového t-testu) Frank Wilcoxon (1892 1965): Americký statistik a chemik Nechť X 1,..., X n je náhodný výběr ze
VíceU Úvod do modelování a simulace systémů
U Úvod do modelování a simulace systémů Vyšetřování rozsáhlých soustav mnohdy nelze provádět analytickým výpočtem.často je nutné zkoumat chování zařízení v mezních situacích, do kterých se skutečné zařízení
VíceMarkovovy modely v Bioinformatice
Markovovy modely v Bioinformatice Outline Markovovy modely obecně Profilové HMM Další použití HMM v Bioinformatice Analýza biologických sekvencí Biologické sekvence: DNA,RNA,protein prim.str. Sekvenování
Více1 Linearní prostory nad komplexními čísly
1 Linearní prostory nad komplexními čísly V této přednášce budeme hledat kořeny polynomů, které se dále budou moci vyskytovat jako složky vektorů nebo matic Vzhledem k tomu, že kořeny polynomu (i reálného)
Vícečasovém horizontu na rozdíl od experimentu lépe odhalit chybné poznání reality.
Modelování dynamických systémů Matematické modelování dynamických systémů se využívá v různých oborech přírodních, technických, ekonomických a sociálních věd. Použití matematického modelu umožňuje popsat
VíceBinární vyhledávací stromy pokročilé partie
Binární vyhledávací stromy pokročilé partie KMI/ALS lekce Jan Konečný 30.9.204 Literatura Cormen Thomas H., Introduction to Algorithms, 2nd edition MIT Press, 200. ISBN 0-262-5396-8 6, 3, A Knuth Donald
VíceNumerické metody optimalizace - úvod
Numerické metody optimalizace - úvod Petr Tichý 16. února 2015 1 Organizace přednášek a cvičení 13 přednášek a cvičení. Zápočet: úloha programování a testování úloh v Matlabu. Další informace na blogu
VíceJednofaktorová analýza rozptylu
Jednofaktorová analýza rozptylu David Hampel Ústav statistiky a operačního výzkumu, Mendelova univerzita v Brně Kurz pokročilých statistických metod Global Change Research Centre AS CR, 5 7 8 2015 Tato
VíceKapitola 4: Extrémy funkcí dvou proměnných 1/5
Kapitola 4: Extrémy funkcí dvou proměnných 1/5 Lokální extrémy Definice: Necht f : M R 2 R a (x 0, y 0 ) M. Říkáme, že fce f má v bodě (x 0, y 0 ) lokální maximum (resp. lokální minimum) jestliže existuje
VíceRovnovážné modely v teorii portfolia
3. září 2013, Podlesí Obsah Portfolio a jeho charakteristiky Definice portfolia Výnosnost a riziko aktiv Výnosnost a riziko portfolia Klasická teorie portfolia Markowitzův model Tobinův model CAPM - model
VícePoznámky k předmětu Aplikovaná statistika, 11. téma
Poznámky k předmětu Aplikovaná statistika, 11. téma Testy založené na χ 2 rozdělení V přehledu významných rozdělení jsme si uvedli, že Poissonovým rozdělením se modeluje počet událostí, které nastanou
VíceZveme Vás na přednášku na téma: Termín a místo konání: Zveme Vás na přednášku na téma: Termín a místo konání: Zveme Vás na přednášku na téma:
Více
Na zde uvedené zboží, zakoupené na adrese http://naradi.czeso.cz, Vám nabízíme individuální slevy.
, Vám nabízíme individuální slevy. , Vám nabízíme individuální slevy. , Vám nabízíme individuální slevy. , Vám nabízíme individuální slevy. , Vám nabízíme individuální slevy. , Vám nabízíme individuální
VíceSpolehlivost soustav
1 Spolehlivost soustav Spolehlivost soustav 1.1 Koherentní systémy a strukturní funkce Budeme se zabývat modelováním spolehlivosti zřízení s ohledem na spolehlivost jeho komponent. Jedním z hlavních cílů
Více2.6. VLASTNÍ ČÍSLA A VEKTORY MATIC
.6. VLASTNÍ ČÍSLA A VEKTORY MATIC V této kapitole se dozvíte: jak jsou definována vlastní (charakteristická) čísla a vektory čtvercové matice; co je to charakteristická matice a charakteristický polynom
VíceMatematická analýza pro informatiky I. Extrémy funkcí více proměnných
Matematická analýza pro informatiky I. 12. přednáška Extrémy funkcí více proměnných Jan Tomeček jan.tomecek@upol.cz http://aix-slx.upol.cz/ tomecek/index Univerzita Palackého v Olomouci 12. dubna 2011
VíceNáhodná veličina X má Poissonovo rozdělení se střední hodnotou lambda. Poissonovo rozdělení je definováno jako. P(X=k) = 0,036
Příklad : Statistika A, doc. Kropáč, str. 6, příklad 2 K benzínovému čerpadlu přijíždí průměrně 4 aut za hodinu. Určete pravděpodobnost, že během pěti minut přijede nejvýše jedno auto. Pokus: Zjištění,
VíceKOOPERATIVNI HRY DVOU HRA CˇU
8 KOOPERATIVNÍ HRY DVOU HRÁČŮ 291 V této kapitole se budeme zabývat situacemi, kdy hráči mohou před začátkem hry uzavřít závaznou dohodu o tom, jaké použijí strategie, vygenerovaný zisk si však nemohou
VíceNázev testu Předpoklady testu Testová statistika Nulové rozdělení. ( ) (p počet odhadovaných parametrů)
VYBRANÉ TESTY NEPARAMETRICKÝCH HYPOTÉZ TESTY DOBRÉ SHODY Název testu Předpoklady testu Testová statistika Nulové rozdělení test dobré shody Očekávané četnosti, alespoň 80% očekávaných četností >5 ( ) (p
Více4EK201 Matematické modelování. 10. Teorie rozhodování
4EK201 Matematické modelování 10. Teorie rozhodování 10. Rozhodování Rozhodování = proces výběru nějaké možnosti (varianty) podle stanoveného kritéria za účelem dosažení stanovených cílů Rozhodovatel =
VíceObr. P1.1 Zadání úlohy v MS Excel
Přílohy Příloha 1 Řešení úlohy lineárního programování v MS Excel V této příloze si ukážeme, jak lze řešit úlohy lineárního programování pomocí tabulkového procesoru MS Excel. Výpočet budeme demonstrovat
VíceStatistika. Regresní a korelační analýza Úvod do problému. Roman Biskup
Statistika Regresní a korelační analýza Úvod do problému Roman Biskup Jihočeská univerzita v Českých Budějovicích Ekonomická fakulta (Zemědělská fakulta) Katedra aplikované matematiky a informatiky 2008/2009
VíceEbene eins. Kapitola 1: Příručka s příkladem prodeje ze dvora Vysvětleno na obchůdku Müllerových Rakousko - Ebene zwei
Ebene eins Ebene zwei Ebene drei Modul 7: Obchodní» Ebene vierplán a kalkulace Autorka: Sabine E. Wurzer Ebene B. fünf A. Kapitola 1: Příručka s příkladem prodeje ze dvora Vysvětleno na obchůdku Müllerových
Více1. Přednáška. Ing. Miroslav Šulai, MBA
N_OFI_2 1. Přednáška Počet pravděpodobnosti Statistický aparát používaný ve financích Ing. Miroslav Šulai, MBA 1 Počet pravděpodobnosti -náhodné veličiny 2 Počet pravděpodobnosti -náhodné veličiny 3 Jevy
Vícez Matematické statistiky 1 1 Konvergence posloupnosti náhodných veličin
Příklady k procvičení z Matematické statistiky Poslední úprava. listopadu 207. Konvergence posloupnosti náhodných veličin. Necht X, X 2... jsou nezávislé veličiny s rovnoměrným rozdělením na [0, ]. Definujme
VíceNárodní informační středisko pro podporu kvality
Národní informační středisko pro podporu kvality Matematický model kontrolního stanoviště montážní linky RNDr. Jiří Michálek, CSc CQR při ÚTIA AVČR Motivace Tvorba modelu je motivována výrobou zdravotnické
Víceskladbu obou směsí ( v tunách komponenty na 1 tunu směsi):
Klíčová slova: simplexová metoda 1 Simplexová metoda Postup výpočtu: 1. Nalezení výchozího řešení. 2. Test optima: pokud je řešení optimální výpočet končí, jinak krok 3. 3. Iterační krok, poté opět test
VíceTéma 2: Pravděpodobnostní vyjádření náhodných veličin
0.025 0.02 0.015 0.01 0.005 Nominální napětí v pásnici Std Mean 140 160 180 200 220 240 260 Std Téma 2: Pravděpodobnostní vyjádření náhodných veličin Přednáška z předmětu: Pravděpodobnostní posuzování
Více9. T r a n s f o r m a c e n á h o d n é v e l i č i n y
9. T r a n s f o r m a c e n á h o d n é v e l i č i n y Při popisu procesů zpracováváme vstupní údaj, hodnotu x tak, že výstupní hodnota y závisí nějakým způsobem na vstupní, je její funkcí y = f(x).
VíceTeorie her a ekonomické rozhodování. 2. Maticové hry
Teorie her a ekonomické rozhodování 2. Maticové hry 2.1 Maticová hra Teorie her = ekonomická vědní disciplína, která se zabývá studiem konfliktních situací pomocí matematických modelů Hra v normálním tvaru
VíceZadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 2014
Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 2014 Zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia
VíceLineární algebra. Soustavy lineárních rovnic
Lineární algebra Operační program Vzdělávání pro konkurenceschopnost Název projektu: Inovace magisterského studijního programu Fakulty ekonomiky a managementu Registrační číslo projektu: CZ.1.07/2.2.00/28.0326
Více9. T r a n s f o r m a c e n á h o d n é v e l i č i n y
9. T r a n s f o r m a c e n á h o d n é v e l i č i n Při popisu procesů zpracováváme vstupní údaj, hodnotu x tak, že výstupní hodnota závisí nějakým způsobem na vstupní, je její funkcí = f(x). Pokud
VíceNÁHODNÝ VEKTOR. 4. cvičení
NÁHODNÝ VEKTOR 4. cvičení Náhodný vektor Náhodným vektorem rozumíme sloupcový vektor X=(X, X,, X n ) složený z náhodných veličin X, X,, X n, který je charakterizován sdruženým rozdělením pravděpodobnosti.
VícePřílohy. Příloha 1. Obr. P1.1 Zadání úlohy v MS Excel
Přílohy Příloha 1 Řešení úlohy lineárního programování v MS Excel V této příloze si ukážeme, jak lze řešit úlohy lineárního programování pomocí tabulkového procesoru MS Excel 2007. Výpočet budeme demonstrovat
VíceKontingenční tabulky, korelační koeficienty
Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Mějme kategoriální proměnné X a Y. Vytvoříme tzv. kontingenční tabulku. Budeme tedy testovat hypotézu
VíceTrhy výrobních faktorů
Trhy výrobních faktorů Výrobní faktory Výrobními faktory (VF) je obecně vše, co slouží k produkci statků. Tedy jsou to vstupy, které používáme k produkci výstupu. Standardní hrubé dělení: práce, kapitál
VíceIlustrační příklad odhadu LRM v SW Gretl
Ilustrační příklad odhadu LRM v SW Gretl Podkladové údaje Korelační matice Odhad lineárního regresního modelu (LRM) Verifikace modelu PEF ČZU Praha Určeno pro posluchače předmětu Ekonometrie Needitovaná
VíceOdhad stavu matematického modelu křižovatek
Odhad stavu matematického modelu křižovatek Miroslav Šimandl, Miroslav Flídr a Jindřich Duník Katedra kybernetiky & Výzkumné centrum Data-Algoritmy-Rozhodování Fakulta aplikovaných věd Západočeská univerzita
VíceANALÝZA DAT V R 7. KONTINGENČNÍ TABULKA. Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK.
ANALÝZA DAT V R 7. KONTINGENČNÍ TABULKA Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK www.biostatisticka.cz PŘEHLED TESTŮ rozdělení normální spojité alternativní / diskrétní
VíceMezi firmami v oligopolu dochází ke strategickým interakcím. Při zkoumání strategických interakcí používáme teorii her.
Teorie her a oligopol Varian: Mikroekonomie: moderní přístup, oddíly 26.1-9, 27.1-3 a 27.7-8 Varian: Intermediate Microeconomics, Sections 27.1-9, 28.1-3, 28.7-8 () 1 / 36 Obsah přednášky V této přednášce
VíceMatematika III 10. týden Číselné charakteristiky střední hodnota, rozptyl, kovariance, korelace
Matematika III 10. týden Číselné charakteristiky střední hodnota, rozptyl, kovariance, korelace Jan Slovák Masarykova univerzita Fakulta informatiky 28. 11 2. 12. 2016 Obsah přednášky 1 Literatura 2 Střední
Více8 SEMESTRÁLNÍ PRÁCE VYHLEDÁVÁNÍ A ZPRACOVÁNÍ INFORMACÍ
8 SEMESTRÁLNÍ PRÁCE VYHLEDÁVÁNÍ A ZPRACOVÁNÍ INFORMACÍ Seznámení s různými vyhledávacími databázemi vědeckých informací na internetu. Postup vyhledávání, rozšiřování a zužování vyhledávaného tématu. Vyhledávání
VíceSTATISTICKÉ ODHADY Odhady populačních charakteristik
STATISTICKÉ ODHADY Odhady populačních charakteristik Jak stanovit charakteristiky rozložení sledované veličiny v základní populaci? Populaci většinou nemáme celou k dispozici, musíme se spokojit jen s
VíceP13: Statistické postupy vyhodnocování únavových zkoušek, aplikace normálního, Weibullova rozdělení, apod.
P13: Statistické postupy vyhodnocování únavových zkoušek, aplikace normálního, Weibullova rozdělení, apod. Matematický přístup k výsledkům únavových zkoušek Náhodnost výsledků únavových zkoušek. Únavové
VíceMikroekonomie I: Trh výrobních faktorů
PhDr. Praha, VŠFS, 29.11.2010 Výrobní faktory Poptávka po výrobních faktorech Výrobní faktory = vzácné vstupy, které používáme k produkci statků-výstupu Tradiční výrobní faktory Prvotní výrobní faktory:
VíceMANAŽERSKÉ ROZHODOVÁNÍ
MANAŽERSKÉ ROZHODOVÁNÍ Téma 21 - PRAVIDLA ROZHODOVÁNÍ ZA RIZIKA A NEJISTOTY doc. Ing. Monika MOTYČKOVÁ (Grasseová), Ph.D. Univerzita obrany Fakulta ekonomika a managementu Katedra vojenského managementu
VícePoptávka po kapitálu (kapitálových statcích) kapitál je najímán firma kapitál nekupuje, ale najímá výrobní zařízení od jiné firmy, která ho vlastní
Trh kapitálu a půdy formování poptávky po kapitálu (kapitálových statcích) odvození poptávky po investicích formování nabídky úspor Kapitálový trh, investiční prostředky a příležitosti, investice a úspory
VíceSimulace pohybu chodců pomocí celulárních modelů
Simulace pohybu chodců pomocí celulárních modelů Marek Bukáček výzkumná skupina GAMS při KM KIPL FJFI ČVUT v Praze 8. červen 2011 Obsah Úvod Celulární modely úprava Floor field modelu Proč modelovat Akademický
VíceStatistika II. Jiří Neubauer
Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Zaměříme se především na popis dvourozměrných náhodných veličin (vektorů). Definice Nechť X a Y jsou
VíceVektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice
Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice Vektorové podprostory K množina reálných nebo komplexních čísel, U vektorový prostor nad K. Lineární kombinace vektorů u 1, u 2,...,u
VíceSTANOVENÍ SPOLEHLIVOSTI GEOTECHNICKÝCH KONSTRUKCÍ. J. Pruška, T. Parák
STANOVENÍ SPOLEHLIVOSTI GEOTECHNICKÝCH KONSTRUKCÍ J. Pruška, T. Parák OBSAH: 1. Co je to spolehlivost, pravděpodobnost poruchy, riziko. 2. Deterministický a pravděpodobnostní přístup k řešení problémů.
Více