1) TEORIE ROZHODOVÁNÍ

Rozměr: px
Začít zobrazení ze stránky:

Download "1) TEORIE ROZHODOVÁNÍ"

Transkript

1 1) TEORIE ROZHODOVÁNÍ 1. Uveďte stručný popis libovolného praktického problému, který by bylo možné řešit pomocí rozhodovacího modelu. Zdůvodněte, proč je použití tohoto modelu v dané situaci adekvátní. např. zavedení výroby nového výrobku v podniku musíme si uvědomit všechny alternativy, zvážit všechny možnosti, které mohou nastat (o výrobek bude x nebude zájem) rozhodovací matice promítá všechny důsledky rozhodnutí při různých variantách 2. Co je to rozhodovací proces? Stručně popište jeho jednotlivé fáze. rozhodovací proces proces řešení problému s více než jednou variantou fáze: inteligence zkoumání reality, identifikace problému, zajištění podmínek rozhodování design konstrukce modelu, shromáždění dat, analýza choice volba řešení, hodnocení jednotlivých možností variant reviw kontrola výsledku, porovnání toho, čeho jsme chtěli dosáhnout a výsledku 3. Klasifikujte konfliktní situace. Co rozumíme pojmem inteligence hráče? inteligentní hráč hráč, kterému záleží na výsledku (zainteresován na výsledku) konflikt rozpor mezi dvěma hráči konflikt 2 inteligentních hráčů teorie her hra proti neinteligentnímu hráči inteligentní hráč hraje proti neovladatelnému hráči (přírodě) teorie rozhodování 4. Co je podstatou modelů teorie rozhodování? Popište komponenty těchto modelů. cíl volba nejlepšího řešení rozhodnutí činí inteligentní rozhodovatel rozhodnutí je ovlivněno působením neovladatelného faktoru (přírody) komponenty: alternativy rozhodnutí, stavy okolností, rozhodovací kritérium, vektor rizik 5. Odlište případy rozhodování za jistoty, za úplné nejistoty a za rizika. Ke každému případu uveďte příklad. Rozhodování za podmínek jistoty znamená, že rozhodovatel ví, který stav okolností nastane. Rozhodování za podmínek nejistoty znamená, že rozhodovatel nemá žádné info o tom, jaký stav okolností nastane. Rozhodování za podmínek rizika znamená, že rozhodovatel je schopen částečně určit, který stav okolností nastane. 6. Co je to rozhodovací tabulka? Jaké informace obsahuje? Rozhodovací model ve formě rozhodovací tabulky má následující strukturu: Jestliže je m alternativ a n stavů okolností, vzniká výplatní matice rozměru m x n, která se nazývá výplatní nebo rozhodovací tabulkou (a možné alternativy, s možné stavy okolností, v příslušné výplaty) obsahuje: stavy okolností, alternativy, riziko (pravděpodobnosti) základní formy rozhodovacích modelů: rozhodovací tabulka, rozhodovací strom 7. Co je to rozhodovací strom? Z čeho se skládá a jaké informace reprezentuje? Zobrazuje graficky postup rozhodování. Uzly rozhodovacího stromu se rozlišují na uzly rozhodovací možnostní, které zobrazují okamžik výběru alternativ a situační, které zobrazují okamžik realizace stavů okolností. Hrany rozhodovacího stromu se dělí na hrany zobrazující alternativy (vystupující z rozhodovacích uzlů) a zobrazující stavy okolností (vystupující ze situačních uzlů) obsahuje: varianty rozhodnutí (alternativy), stavy okolností, výplaty 8. Jaké znáte typy dominance v rozhodovacích modelech? Ke každému typu uveďte stručnou charakteristiku. Dominance podle výplat - Je založena na požadavku, aby dominující alternativa poskytovala všechny výplaty lepší nebo stejně dobré jako alternativa dominovaná, aby nejhorší výplata dominující alternativy byla lepší nebo stejná jako nejlepší výplata alternativy dominované. Ve vícekriteriálních variantách tato volba není možná.(nejsilnější typ dominance) Dominance podle stavu okolností - Je založena na požadavku, aby dominující alternativa poskytovala pro každý stav okolností výplaty lepší nebo stejné jako alternativa dominovaná. Dominance podle pravděpodobností - Pravděpodobnosti hodnot výplat stejných nebo lepších než nějaká hodnota x jsou u dominující alternativy větší nebo stejné jako u alternativy dominované.(profil rizika) 9. Co je to profil rizika alternativy? Jak se vyjadřuje a jakou informaci poskytuje? Graf kumulativní pravděpodobnosti P (v ij >= x) je nazýván profil rizika. Poskytuje globální pohled na velikost výplat a odpovídá na otázky s jakou pravděpodobností dosáhnout jednotlivé alternativy určité hodnoty výplat? (lze vypočítat dosazením aspirační úrovně) a jakou minimální výplatu je možné očekávat u jednotlivých alternativ s danou pravděpodobností. 10. Jaká znáte pravidla pro rozhodování za rizika? Uveďte jejich stručnou charakteristiku. Rozhodování za podmínek rizika znamená, že rozhodovatel je schopen částečně určit, který stav okolností nastane. Riziko je charakterizováno pravděpodobností realizace jednotlivých stavů okolností, je tím větší, čím menší je tato pravděpodobnost a naopak. 1. očekávaná hodnota výplaty, ztráty (z matice ztráty) Bayesův princip (skalární součin pravděpodobností a výplat)

2 2. teorie utility (užitečnost) dokáže zobrazit vztah rozhodovatele a rozhodnutí, subjekt preferuje variantu s vyšší očekávanou utilitou 11. Jaká znáte rozhodovací pravidla pro rozhodování za nejistoty vhodná pro optimistického rozhodovatele (alespoň 2)? Stručně popište jejich princip a zdůvodněte, proč jsou optimistická. Rozhodování za podmínek nejistoty znamená, že rozhodovatel nemá žádné informace o tom, jaký stav okolností nastane. Maximaxový princip absolutně optimistický uživatel nehledí na možné ztráty předpokládá, že ať si zvolí cokoliv příroda mu půjde na ruku a přihraje mu nejvýhodnější stav okolností, rozhodovatel hraje o největší možnou výplatu Hurvitzovo pravidlo umožňuje nakonfigurovat míru optimismu a pesimismu 12. Jaká znáte rozhodovací pravidla pro rozhodování za nejistoty vhodná pro pesimistického rozhodovatele (alespoň 2)? Stručně popište jejich princip a zdůvodněte, proč jsou pesimistická. Waldovo (maximinové) pravidlo absolutně pesimistický uživatel předpokládá, že ať si zvolí jakékoliv rozhodnutí, příroda mu přihraje takový stav okolností, aby ho co nejvíce poškodila, cílem je zajistit se proti největším možným ztrátám, má jistý svůj zisk Savageovo pravidlo rozhodovatel se chce pojistit proti nastání největší možné ztráty, nepřináší příliš velké zisky 13. Jaká znáte rozhodovací pravidla pro rozhodování za nejistoty vhodná pro rozhodovatele s neutrálním postojem k riziku (alespoň 2)? Stručně popište jejich princip a zdůvodněte jejich neutralitu k riziku. Laplaceovo pravidlo (nedostatečná evidence) z matice výplaty i z matice ztráty, pokud nezná rozhodovatel pravděpodobnosti nastání okolností, považuje je za konstantní Hurvitzovo pravidlo umožňuje nakonfigurovat míru optimismu a pesimismu 14. Co je to matice ztrát? Co vyjadřuje a jak se určí její prvky? Savageovo kritérium hodnotí strategii inteligentního hráče z hlediska ztrát, ke kterým by došlo, jestliže by nebyla použita nejlepší strategie pro každou strategii přírody. Jedná se o použití Waldova kritéria pro matici ztrát. Prvky této matice jsou ztráty, ke kterým dojde při špatné volbě strategie inteligentního hráče pro každou strategii přírody. matice ztrát ztráta oproti nejlepšímu rozhodnutí ztráty jsou zde chápány jako náklady ušlé příležitosti

3 2) TEORIE HER 1. Uveďte stručný popis libovolného praktického problému, který by bylo možné řešit pomocí modelu teorie her. Zdůvodněte, proč je použití tohoto modelu v dané situaci adekvátní. Mám dva hráče, první má dvě strategie, druhý má tři strategie. Jakou musí použít, aby vyhráli.(sportovní utkání) cílem je volba nejlepšího chování v rámci konfliktu 2. Jaké znáte typy modelů teorie her? Uveďte klasifikaci těchto modelů včetně stručného popisu podle alespoň dvou hledisek. Hra v normálním tvaru také označovaná jako strategická hra. V takovéto hře se všichni hráči rozhodují najednou (současně). Hra v rozvinutém (explicitním) tvaru jde o tahovou hru. V této hře se hráči rozhodují postupně nejprve se rozhodne a jedná (udělá tah) nějaký hráč, potom se rozhodne a jedná (udělá tah) další hráč, atd. 3. Uveďte a stručně popište základní komponenty modelu teorie her. - Alternativy rozhodnutí - možnosti - Stavy okolností - Rozhodovací tabulka - výplaty pro kombinace alternativa/stav okolností - Rozhodovací kritérium - Jistota, riziko a nejistota 4. Co je to model hry v normálním tvaru? Jaké informace obsahuje a jak je reprezentuje? Model hry v normálním tvaru popisuje hru výčtem hráčů, jejich strategií a výplatními funkcemi.(výplatní matice) 5. Co je to model hry v rozvinutém tvaru? Jaké informace obsahuje a jak je reprezentuje? Rozvinutý tvar hry zobrazuje hru pomocí stromu a každou strategii jako posloupnost tahů. Každá hrana představuje určitý tah, každá úroveň hran představuje možné tahy jednoho hráče. Každý uzel zobrazuje určitou možnou pozici hry.(strom hry) 6. Co říká základní věta maticových her? Jakým způsobem je třeba chápat termín optimální strategie? Maticové hry jsou hry dvou inteligentních hráčů s konečným počtem strategií a nulovým součtem. Inteligentní hráči, kteří se hry účastní, hrají cílevědomě, první hráč maximalizuje svoji výhru a druhý hráč minimalizuje svoji prohru. Každý hráč hledá takovou svoji strategii, aby si pro každou strategii protihráče zajistil nejvyšší možnou výhru, resp. nejnižší možnou prohru. Strategie, které toto hráčům zaručí, se nazývají optimální strategie.optimální strategie strategie zaručující nejlepší možný výsledek hráčů, když neudělají chybu. základní věta teorie maticových her každá maticová hra je řešitelná existuje-li optimální strategie hráčů a ceny hry 7. Co je to čistá strategie? Je možné, abychom se ve hře chovali přesně podle doporučení naší optimální čisté strategie a přesto prohráli? Proč? Je-li řešením hry čistá strategie, znamená to, že hráč dosáhne svého cíle pouze uplatněním jediné své strategie. speciální případ smíšené strategie čistá strategie jednoznačně určená strategie hráče, říká, že pokud se dostane hráč do určité situace má použít danou strategii 8. Co je to smíšená strategie? Jakým způsobem se vyjadřuje? Jak s její pomocí určíte svoji konkrétní strategii pro každou následující partii? Smíšená strategie znamená, že hráč nemůže používat jedinou ze svých strategií, ale musí najít způsob střídání všech svých strategií v jednotlivých partiích. Smíšená strategie je popsána vektorem pravděpodobností. Hráč v jedné partii může zvolit jakoukoliv svoji strategii a smíšená strategie charakterizuje pouze střední neboli očekávanou hodnotu výplaty, od níž se však skutečně dosažený výsledek hry může lišit. smíšená strategie pouze relativní četnost použití strategie při opakování hry 9. Co je to sedlový bod hry? Jak jej hledáme? Musí mít každá hra sedlový bod? Maticová hra má řešení v oboru čistých strategií právě tehdy, když má sedlový bod. Z uvedené věty plyne, že řešit hru v oboru čistých strategií znamená nalézt sedlový bod hry. Jemu odpovídající strategie Rk a Sh jsou optimálními strategiemi, resp. řešením hry. Odpovídající výhra, resp. prohra je cena hry. Pokud se sedlový bod hry nepodaří nalézt, hra nemá v oboru čistých strategií řešení. pokud se horní cena hry = dolní ceně hry existuje alespoň 1 sedlový bod čistá strategie 10. Stručně popište způsob stanovení optimální smíšené strategie. Každá maticová hra má řešení v oboru smíšených strategií. Von Neumannova věta říká, že každá maticová hra je řešitelná. Znamená to, že nemá-li hra sedlový bod, optimální strategie musí být z oboru smíšených strategií. Označme smíšenou strategii prvního hráče vektorem r a smíšenou strategii druhého hráče vektorem s. První hráč vybírá strategii podle požadavku v = max min, a druhý hráč podle požadavku v = min max. Maximinová a minimaxová smíšená strategie vedou ke stejnému optimálnímu výsledku, stejné očekávané ceně hry v.

4 3) VÍCEKRITERIÁLNÍ ANALÝZA VARIANT - MODELOVÁNÍ PREFERENCÍ ROZHODOVATELE 1. Uveďte alespoň tři různé oblasti aplikace modelů vícekriteriální analýzy variant. Výběr a nákup užitných předmětů nebo služeb, výběr pracovníků na pracovní místo, výběrová řízení na veřejné zakázky, hodnocení efektivnosti, stanovení pořadí závodníků ve vícebojích 2. Uveďte a popište základní typy modelů vícekriteriálního rozhodování. Jaký je mezi nimi rozdíl? Vícekriteriální optimalizační model přípustná řešení jsou vymezena pouze implicitně, optimalizace podle dvou a více účelových funkcí (př. optimalizace portfolia). Model vícekriteriální analýzy variant všechny přípustné varianty lze explicitně vypsat, vybíráme podle dvou a více kritérií (př. podle stanoveného cíle) 3. Uveďte a popište alespoň tři různé cíle řešení modelů vícekriteriální analýzy variant. Ke každému cíli uveďte praktický příklad. nalezení jediné kompromisní varianty nalezení určitého počtu kompromisních variant rozdělení množiny řešení na efektivní a neefektivní uspořádání všech řešení od nejlepšího k nejhoršímu 4. Z čeho se skládá model vícekriteriální analýzy variant? Stručně popište všechny jeho komponenty. - Varianty - Předmět vlastního rozhodování - Kritéria - hlediska hodnocení variant - Kriteriální matice - hodnocení variant podle kritérií - Váhy kritérií - vyjadřují relativní důležitost kritérií 5. Co je to kompromisní varianta v modelu vícekriteriální analýzy variant? Proč nepoužíváme termín optimální varianta? Kompromisní varianta je řešení, které má od ideální varianta nejmenší vzdálenost podle vhodné metriky. (Je jediná varianta doporučená jako řešení problému). Termín optimální řešení obvykle nemá smysl kompromisní varianta přijatelné rozhodnutí, výhodný kompromis 6. Co je to dominance v modelu vícekriteriální analýzy variant? Jak ji zjišťujeme? Jako nejlepší může být vyhodnocena pouze některá nedominovaná varianta, tj. taková, ke které se nenajde jiná, která by byla podle všech kritérií lepší nebo s ní rovnocenná. V opačném případě se varianta nazývá dominovaná a říkáme, že ji lepší varianta z uvedené definice dominuje. Máme-li vybrat pouze jednu nejlepší variantu, můžeme tedy uvažovat jen nedominované varianty. Jedna varianta dominuje druhou, pokud je podle všech kritérií hodnocena alespoň tak dobře jako varianta dominovaná a alespoň v jednom kritériu je ostře lepší. 7. Popište pojmy ideální varianta a bazální varianta v modelech vícekriteriální analýzy variant. Jak tyto varianty zjistíme? Varianta, která dosahuje ve všech kritérií nejlepší možné hodnoty, se nazývá ideální varianta a naopak variantu, která má všechny hodnoty kritérií na nejnižším stupni, nazveme bazální variantou. Ideální i bazální varianta bývají obvykle hypotetické. Kdyby ideální varianta reálně existovala, byla by jedinou nedominovanou, a tak i jednoznačně optimální variantou. 8. Co je to váha kritéria? Jakým způsobem ji vyjadřujeme? Celkové hodnocení variant jistě závisí na důležitosti jednotlivých kritérií. Pro jejich vyjádření se zavádějí váhy, to znamená, jeli některé kritérium např. dvakrát důležitější než jiné, bude mít dvakrát větší váhu, a tak hodnocení variant podle něj bude při výpočtech uvažováno rovněž s dvakrát větší váhou. Váha kritéria relativní důležitost kritéria, nejsou důležité rozdíly mezi váhami, ale poměr vah zapisují se číselně ve formě normalizovaného váhového vektoru 9. Jakým způsobem lze úlohu vícekriteriální analýzy variant reprezentovat graficky? Jakou informaci lze z tohoto zobrazení zjistit? hvězdicové neboli polygonní zobrazení, spojením pozic variant na osách kritérií vzniká polygon, špatné hodnoty u středu, dobré hodnoty ke kraji Lze využít pro posouzení dominovanosti variant 10. Uveďte a stručně popište základní typy informací o preferenčních vztazích mezi objekty. - žádná informace preferenční informace neexistují možné pouze pro váhy kritérií (entropická metoda) - nominální informace i toto je informace přípustná pouze pro preference kritérií mezi sebou je vyjádřena pomocí aspiračních úrovní tj. nejhorších možných hodnot, při nichž může být varianta akceptována a rozděluje varianty na akceptovatelné a neakceptovatelné, kvalitativní uspořádání např. metoda pořadí

5 - ordinální informace vyjadřuje uspořádání kritérií podle důležitosti nebo uspořádání variant podle toho, jak jsou hodnoceny kritériem - kardinální informace má kvantitativní charakter, v případě preference kritérií se jedná o váhy, v případě ohodnocení variant podle kritéria o konkrétní číselné vyjádření tohoto ohodnocení. 11. Co je to aspirační úroveň kritéria? Jakými metodami lze s aspiračními úrovněmi kritérií pracovat? Celkové hodnocení variant jistě závisí na důležitosti jednotlivých kritérií. Pro jejich vyjádření se zavádějí aspirační úrovně, tj. nejhorší možné hodnoty, při nichž může být varianta akceptována. Při použití aspiračních úrovní jsou varianty rozděleny podle příslušného kritéria na akceptovatelné a neakceptovatelné. metody konjunktivní metoda, disjunktivní metoda 12. Co je to Fullerův trojúhelník? Jak s jeho pomocí určíme preferenční vztahy mezi objekty? Metoda párového porovnávání - Pokud předpokládáme, že uživatel ohodnotí prvek x jako důležitější než y a zároveň prvek y jako méně důležitý než x, stačí provést počet srovnání. k (k 1) N = k - počet porovnávaných prvků. 2 Toto porovnávání se většinou provádí pomocí tzv. Fullerova trojúhelníku. 13. Popište princip (ne algoritmus) odvození preferenčních vztahů mezi objekty metodou pořadí. Nejlepší variantě dáme p (p= počet variant) bodů, druhé nejlepší p-1,..., až nejhorší varianta dostane pouze 1 bod. K určení vah kritérií se metoda používá v případě, že jejich důležitost hodnotí několik expertu. Každý z nich seřadí kritéria od nejdůležitějšího po nejméně důležité, nejdůležitějšímu přiřadí k (k= počet kritérií) bodů. Váhu každého z kritérií určíme tak, že sečteme body, a vydělíme je celkovým počet bodů. postup: objekty ohodnotíme pořadovými čísly podle preferencí stejná preference objektů průměrná pořadová čísla pořadová čísla převedeme na bodové hodnocení bodové hodnocení normalizujeme 14. Popište princip (ne algoritmus) odvození preferenčních vztahů mezi objekty bodovací metodou. Stanovíme bodovou stupnici. Smí se používat i desetinná čísla a více variantám je možné přiřadit stejnou bodovou hodnotu. Při maximalizačním typu ohodnocení je varianta ohodnocena tím větším počtem bodů, čím lépe je ohodnocena. Také tato metoda se pro výpočet vah kritérií používá tehdy, hodnotí-li ji více expertů. postup: objekty ohodnotíme bodově na stanovené škále stejná preference objektů stejné bodové hodnocení bodové hodnocení normalizujem 15. Popište princip (ne algoritmus) odvození preferenčních vztahů mezi objekty Saatyho metodou. Tato metoda slouží k určení vah kritérií, hodnotí-li je pouze jeden expert. Jde o metodu kvantitativního párového porovnávání kritérií. Při vytváření párových srovnání se používá 9-ti bodová stupnice. (1 rovnocenná kritéria, 3 slabě preferované kritérium i před j, 5 silně.., 7 velmi silně, 9 absolutně preferované kritérium i před j) Export porovná každou dvojici kritérií a velikosti preferencí i-tého kritéria vzhledem k j-tému kritérium zapíše do Saatyho matice S. - založena na párovém porovnání důležitosti objektů - provádí se v Saatyho matici čtvercová, reciproční - stupnice slouží pro stanovení vah normalizovaný geometrický průměr řádků saatyho matice

6 4) VÍCEKRITERIÁLNÍ ANALÝZA VARIANT - VÝBĚR KOMPROMISNÍ VARIANTY 1. Uveďte hlavní chyby, kterých se třeba se vyvarovat při konstrukci modelu vícekriteriální analýzy variant. Chybný postup: Začnu definicí kritérií. Zvolím si jich aspoň 10, nezapomenu vymezit kritérium ostatní faktory. Stanovím jim důležitost podle vlastního uvážení alespoň ve třech různých sadách vah. Vezmu software a model propočítám podle všech metod, které tam najdu. Použiji všechny sady vah. Všechny výsledky sečtu dohromady a mám nejobjektivnější dosažitelný výsledek, který doporučím k realizaci. Takhle NE! 2. Uveďte obsah a výstupy fáze Intelligence při konstrukci modelu vícekriteriální analýzy variant. Charakteristika zkoumaného objektu, popis nedostatků současného stavu, identifikace problému a cíle jeho řešení. Výstupy cíl rozhodování (vybrat jednu variantu), profil rozhodovatele 3. Uveďte obsah a výstupy fáze Design při konstrukci modelu vícekriteriální analýzy variant. Stanovení kritérií rozhodování (musí vycházet z cíle řešení problému), stanovení vah kritérií nejlépe Saatyho metodou (v případě nouze metodou pořadí)(musí vycházet z cíle řešení problému, musí vycházet z profilu rozhodovatele, stačí jedna sada), stanovení metody výběru kompromisní varianty, konfigurace metody výběru (vyžaduje-li volbu parametrů, hodnoty parametrů musí vycházet z profilu rozhodovatele), stanovení množiny variant (varianta musí být ohodnocena) Výstupy model VAV připravený k aplikaci vybrané varianty 4. Uveďte obsah a výstupy fáze Choice při konstrukci modelu vícekriteriální analýzy variant. Propočet modelu pomocí zvolené metody, provedení analýzy citlivosti vzhledem ke změnám vah, ověření doporučení pomocí jiného přístupu. Výstupy varianta doporučená k realizaci 5. Charakterizujte požadavek úplnosti souboru kritérií v úloze vícekriteriální analýzy variant. Co způsobí zanedbání tohoto požadavku? Úplnost nesmí být zanedbán žádný důležitý aspekt rozhodování 6. Zdůvodněte význam požadavku operacionality kritérií v úloze vícekriteriální analýzy variant. Co způsobí zanedbání tohoto požadavku? Každé kritérium musí mít jasně stanovený obsah a míru 7. Zdůvodněte význam požadavku vyloučení duplicit kritérií v úloze vícekriteriální analýzy variant. Co způsobí zanedbání tohoto požadavku? Každý důležitý aspekt rozhodování je reprezentován právě jedním kritériem 8. Zdůvodněte význam požadavku minimálního rozsahu kritérií v úloze vícekriteriální analýzy variant. Co způsobí zanedbání tohoto požadavku? Vyloučit kritéria s vahou blížící se nule, ale ne na úkor úplnosti souboru kritérií 9. Popište princip výběru kompromisní varianty v modelu vícekriteriální analýzy variant, který je založen na práci s funkcí užitku. Uveďte zástupce této třídy metod. Metoda váženého součtu založena na lineární funkci užitku. Vytvoříme normalizovanou kriteriální matici dílčích užitků, jejíž prvky získáme pomocí vzorce. Pro jednotlivé varianty vypočteme celkový užitek. 1. převod všech kritérií na maximalizační, 2. normalizace, 3. výpočet užitku pro všechny varianty, 4. určení pořadí variant 10. Popište princip výběru kompromisní varianty v modelu vícekriteriální analýzy variant, který je založen na měření vzdálenosti od ideální varianty. Uveďte zástupce této třídy metod. Metoda TOPSIS snaha najít řešení, které je co nejdále od bazální varianty a co nejblíže ideální variantě. 1. normalizace R, 2. vážená matice R => W, 3. vzdálenost od ideální varianty + od bazální varianty, 4. stanovení relativní vzdálenosti

7 5) HODNOCENÍ EFEKTIVNOSTI, METODA DEA 1. Uveďte alespoň 3 různé oblasti aplikace metod pro měření efektivnosti. Ke každé z nich uveďte příklad. Řízení lidských zdrojů (hodnotit výkon), měření výkonnosti organizace nebo její části, výkon státní správy, mezinárodní srovnávání (hodnocení států, regionů) 2. Co rozumíme pojmem efektivnost? Charakterizujte alespoň 3 významy tohoto pojmu a ke každému z nich uveďte příklad. Musíme vždy vědět, jakou efektivnost zkoumáme. Základem je koncept 3E Efficacy (dělat věci hospodárně, neplýtvat zdroji), Efficiency (dělat věci účinně, co nejlépe), effectiveness (dělat věci účelně, poměr vstupů a výstupů) 3. Jaké otázky si musíme vyjasnit, než začneme sestavovat konkrétní model pro hodnocení efektivnosti? Charakterizujte alespoň 3 z nich. Měření efektivnosti: Jak ji měřit, jak měřit vstupy a výstupy a jak je porovnávat? Pro koho ji měřit, kdo a proč tyto ukazatele potřebuje a jak s nimi naloží? Měřit současnou efektivnost nebo více záleží na jejím trendu? Použít jednokriteriální metodiku nebo vícekriteriální? Lze porovnávat výsledek podniku s oborovým standardem? 4. Charakterizujte finanční ukazatele pro hodnocení efektivnosti podniku. Jaký je jejich význam a způsob použití? Finanční jednorozměrné ukazatele efektivnosti celá řada ukazatelů (rentabilita, likvidita,...). Význam má spíše jejich vývoj v čase a analýza příčin jejich hodnot. Finanční vícerozměrné ukazatele efektivnosti (př. Altamanův test), agregace vybraných hledisek, výsledky jsou obvykle jen velmi orientační. Ekonomická přidaná hodnota (EVA) bere v úvahu náklady ušlé příležitosti, EVA = čistý zisk z operativní činnosti podniku vážené náklady kapitálu 5. Stručně charakterizujte metodiku pro hodnocení efektivnosti Balanced Scorecard. Jaký je její význam a způsob použití? Založeno na vícekriteriálním hodnocení. Čtyři pohledy finanční, zákaznický, interní proces, inovace. Metodiku je nutno nastavit podle individuálních potřeb podniku. Princip: žádný pohled nesmí převážit pohledy ostatní. 6. Stručně charakterizujte metodiku pro hodnocení efektivnosti EFQM. Jaký je její význam a způsob použití? Vícekriteriální, sleduje devět oblastí (vedení, politika a strategie, lidé, partnerství a zdroje, procesy, výsledky směrem k zákazníkům, výsledky směrem k zaměstnancům, výsledky směrem ke společnosti, klíčové výsledky). Různé oblasti mají různou váhu, dána maximálním počtem bod, které je možno získat. Maximum 1000 bodů, dobré alespoň Na jakém principu je založena metoda DEA? Jaké informace poskytuje? Hodnotí poměr vstupy/výstupy. Měří efektivnost objektů (tzv. produkčních jednotek) v rámci daného souboru rozděluje jednotky na efektivní a neefektivní, porovnává jednotky vzhledem k nejlepším jednotkám, udává, v čem a jak zlepšit neefektivní jednotky, aby se staly efektivními. 8. Uveďte a stručně popište základní komponenty modelu DEA. Produkční jednotky jednotlivé hodnocené objekty (varianty), Vstupy minimalizační kritéria, Výstupy maximalizační kritéria, Spotřeba vstupů a produkce výstupů kriteriální matice, Technická efektivnost agregované kritérium účinnosti transformace 9. Uveďte, jakým způsobem chápe efektivnost metoda DEA. Jednotka je efektivní, jestliže spotřebovává relativně malé množství vstupů k produkci relativně velkého množství výstupů. Pro všechny produkční jednotky počítáme relativní technickou efektivnost jako poměr vážené sumy vstupů a vážené sumy výstupů. Efektivnost jednotek dále ovlivňuje zvolený typ výnosů z rozsahu (konstantní, rostoucí, klesající, nerostoucí, neklesající, proměnlivé) 10. Co jsou to výnosy z rozsahu? Jaké typy výnosů z rozsahu se používají v metodě DEA? Jak jejich volba ovlivňuje efektivnost produkčních jednotek? Efektivnost jednotek dále ovlivňuje zvolený typ výnosů z rozsahu (konstantní, rostoucí, klesající, nerostoucí, neklesající, proměnlivé) 11. Jaký je rozdíl mezi modely BCC a CCR? Jaké mohou být typy těchto modelů? BCC s proměnlivým výnosem z rozsahu po částech lineární výnos z rozsahu, opět vstupově nebo výstupově orientovaný CCR s konstantním výnosem z rozsahu lineární výnos z rozsahu, vstupově nebo výstupově orientovaný

8 12. Co je to virtuální jednotka v modelech DEA? Jakou informaci nám poskytuje? Hypotetická (někdy reálná) efektivní jednotka, která vyjadřuje efektivní spotřebu vstupů a produkci výstupů pro neefektivní jednotku 13. Co jsou to peer jednotky v modelech DEA? Jakou informaci nám poskytují? Reálné efektivní jednotky, jejichž vážený součet určuje danou virtuální jednotku 14. Charakterizujte vstupově orientovaný model CCR. Hledá efektivní množství vstupů odpovídající daným výstupům. Pro každou jednotku stanoví individuální váhy vstupů a výstupů jednotka maximalizuje svůj koeficient technické efektivnosti, váhy nemohou být záporné, pro použití tohoto soboru vah pro všechny jednotky nesmí být žádný koeficient technické efektivnosti větší než jedna. 15. Charakterizujte výstupově orientovaný model CCR. Někdy nám až tak nezáleží na zdrojích, ale chceme odpovídající výkon. Hledá se tedy efektivní množství výstupů odpovídající daným vstupům. Pro každou jednotku se stanoví individuální váhy vstupů a výstupů jednotka minimalizuje svůj koeficient technické efektivnosti, váhy nemohou být záporné, při použití tohoto souboru vah pro všechny jednotky nesmí být žádný koeficient technické efektivnosti menší než jedna. 16. Uveďte a popište hlavní výhody a nevýhody modelů DEA (alespoň 2 výhody a 2 nevýhody). Výhody individuální model pro každou jednotku, dobře interpretovatelné výsledky, dobře si poradí s měkkými faktory (sociální, environmentální,...) jako vstupy a výstupy. Nevýhody platnost výsledků je omezena na danou skupinu objektů, nezkoumá se efektivnost teoretická ale praktická, náročné na ruční zpracování výpočtu (odpadá při použití vhodného softwaru)

9 6) VÍCEKRITERIÁLNÍ OPTIMALIZACE 1. Uveďte praktický příklad použití modelu vícekriteriální optimalizace a zdůvodněte, proč je použití tohoto modelu v daných podmínkách adekvátní. Použití v zemědělství produkční x mimoprodukční funkce, investice výnos x rizikovost, projektové řízení čas x náklady, dopravní problémy čas x spotřeba paliva,.. 2. Popište podstatu modelů vícekriteriální optimalizace. Jak nazýváme řešení, které pomocí tohoto modelu získáme? Vícekriteriální optimalizační model množina přípustných řešení je nekonečná. Model vícekriteriální analýzy variant množina přípustných řešení je konečná. Řešení nazýváme parciální optimalizace nalezení dílčích optimálních řešení 3. Uveďte a stručně popište komponenty modelu vícekriteriální optimalizace. Parciální optimalizace nalezení dílčích optimálních řešení Ideální a bazální varianta nejlepší a nejhorší řešení Kritéria 4. Uveďte a stručně charakterizujte alespoň tři přístupy k hledání kompromisního řešení v modelech vícekriteriální optimalizace. Parciální optimalizace nalezení dílčích optimálních řešení, Stanovení ideální a bazální varianty, Různé přístupy k hledání kompromisního řešení agregace kriteriálních funkcí, převod kriteriálních funkcí na omezující podmínky, cílové programování. 5. Co je to parciální optimalizace v modelech vícekriteriální optimalizace? Jakou informaci nám poskytují její výsledky? Dílčí optimální řešení optimalizace podle jednotlivých kriteriálních funkcí (bez ohledu na funkce ostatní), výsledky zapisujeme do kriteriální tabulky. Výsledky nám poskytují ideální hodnoty kritérií, a bazální hodnoty kritérií. 6. Co je to ideální varianta a bazální varianta v modelech vícekriteriální optimalizace? Jak je zjistíme? Ideální varianta = nejlepší, bazální varianta = nejhorší. Zjistíme pomocí kritérií. 7. Na jakém principu je založena agregace kriteriálních funkcí v modelech vícekriteriální optimalizace? Jaké aspekty musíme ošetřit při konstrukci agregované kriteriální funkce? Součtová agregace nutno ošetřit 3 aspekty. Různé jednotky kriteriálních funkcí normalizace cenových koeficientů proměnných. Váhy kriteriálních funkcí není nutný normalizovaný vektor vah, násobíme jimi normalizované cenové koeficienty. Povaha kriteriální funkce maximalizační funkce (přičítáme), minimalizační funkce (odčítáme), výsledná funkce je maximalizační. 8. Na jakém principu je založen převod kriteriálních funkcí na omezující podmínky v modelech vícekriteriální optimalizace? Jak se tento převod provádí? Převod všech kriteriálních funkcí na omezení kromě jedné. Levá strana omezující podmínky dána předpisem kriteriální funkce. Stanovení hodnoty pravé strany v intervalu daném ideální a bazální hodnotou daného kritéria. Stanovení typu omezení maximalizační funkce (požadavková OP), minimalizační funkce (kapacitní OP). Kompromisní řešení optimalizace podle kriteriální funkce nepřevedené na omezení. 9. Na jakém principu je založeno cílové programování v modelech vícekriteriální optimalizace? Jak se konstruují cílové omezující podmínky? Stanovení cíle pro všechny kriteriální funkce z intervalu daného ideální a bazální hodnotou daného kritéria. Minimalizace odchylek od zvolených cílů nedosažení, překročení. Cílové omezující podmínky levá strana (předpis kriteriální funkce a odchylkové proměnné), pravá strana (cíl), typ podmínky (určení). Nové kritérium: minimalizace odchylek od cílů oboustranné: z = n + p => min, jednostranné: penalizujeme pouze horší než cílové hodnoty, ale překročení cílů nám nevadí, s váhami: váhy použijeme jako cenové koeficienty odchylkových proměnných. 10. Jakým způsobem se zohledňují různé váhy kriteriálních funkcí v modelech cílového programování? Jaký je rozdíl mezi jednostrannou a oboustrannou penalizací odchylek od zadaných cílů? Nové kritérium: minimalizace odchylek od cílů oboustranné: z = n + p => min, jednostranné: penalizujeme pouze horší než cílové hodnoty, ale překročení cílů nám nevadí, s váhami: váhy použijeme jako cenové koeficienty odchylkových proměnných.

10 7) STRUKTURNÍ ANALÝZA 1. Uveďte podstatu a význam strukturních modelů. Bilance vztahů mezi jednotlivými hospodářskými soubory (odvětvími) analýza minulého stavu systému. Plánování činnosti systému, využití výrobních zařízení apod. Možnost sledovat vliv změn v systému při zachování výchozích relací. Vyčíslení vlivu hodnotových změn propočty cenových úprav (materiálně). Určení podmínek hospodářské stability a rovnováhy systému, nikoliv nalezení optimálního stavu. strukturní model bilanční model hledá se rovnováha 2. Klasifikujte modely strukturní analýzy podle jejich vazby na okolí. Ke každé kategorii uveďte příklad. Otevřený model problematika návaznosti zkoumaného systému na jiný systém dochází k výměně produktů systému, distribuce FP Uzavřený model problematika vnitřní struktury systému odpadají zde vazby na okolí opomeneme Finální produkci, produkce vyrobeného produktu = požadovanému množství 3. Klasifikujte modely strukturní analýzy z hlediska časového faktoru. Ke každé kategorii uveďte příklad. Statický statistická bilance Dynamický vytváří perspektivní plán, umožňuje určitým způsobem plánování 4. Co je to input-output tabulka v modelu strukturní analýzy? Stručně charakterizujte její jednotlivé kvadranty. Tj. tabulka vstupů a výstupů. 4 kvadranty. I. kvadrant výrobní spotřeby matice meziodvětvových (endogenních) toků zachycuje toky meziproduktu, které se v tom samém nebo jiném odvětví znovu zahranou do výroby II. kvadrant konečné spotřeby exogenní (vnější) toky produkce rozdělení finální produkce (čtyři sektory: spotřeba obyvatelstva, celospolečenská spotřeba, investiční výstavba a zahraniční obchod) III. kvadrant primárních činitelů spotřeba živé práce, nakoupených materiálů, energie, surovin apod. (např. odpisy, mzdy). IV. kvadrant údaje o tocích primárních zdrojů ve finální spotřebě. 5. Co vyjadřují technicko-ekonomické koeficienty v modelech strukturní analýzy? Jaká je jejich věcná interpretace? A = (a ij ) = x ij / x j neboli x ij = a ij x j Výrobní spotřeba odvětví je přímo úměrná jeho celkové produkci. 6. Co vyjadřují normy spotřeby primárních činitelů v modelech strukturní analýzy? Jaká je jejich věcná interpretace? M = (m kj ) = z kj / x j neboli z kj = m kj x j Pro oblast primárních činitelů předpokládáme, že známe disponibilní množství jednotlivých zdrojů a jejich spotřebu v jednotlivých odvětví. říká, jaká část spotřeby prim. činitelů připadá na celkovou produkci odvětví 7. Co jsou to rozdělovací rovnice v modelech strukturní analýzy? Pro jaké účely je lze použít? X = AX + Y Z = MX X - AX = Y y = (E A)x Jaká bude finální produkce? Leontiefova matice (E-A) určuje vyprodukovanou finální produkci z jednotky celkové produkce. x = (E A) -1 y Jaká bude celková produkce? Inverzní Leontiefova matice (E-A) -1 určuje požadovanou celkovou produkci potřebnou pro jednotku finální produkce, obsahuje potřebu spotřeby. rozdělovací rovnice slouží pro dosažení rovnováhy 8. Co je to Leontiefova matice v modelech strukturní analýzy? Co vyjadřují její jednotlivé prvky? Leontiefova matice (E-A) určuje vyprodukovanou finální produkci z jednotky celkové produkce. Inverzní Leontiefova matice (E-A) -1 určuje požadovanou celkovou produkci potřebnou pro jednotku finální produkce, obsahuje potřebu spotřeby. 9. Co je to cenový index v modelu strukturní analýzy? Pomocí cenových indexů zkoumáme změny cen. 10. Jaké hlavní nedostatky vykazují modely strukturní analýzy? Nelze dobře zobrazit záměnu surovin, technologií nebo kapacit. Nerespektují při propočtu kapacitní, surovinová a jiná omezení. Nejsou to modely optimalizační (nelze zjistit, je-li rovnovážný stav, o který usilujeme, výhodný). 11. Jaké jsou hlavní skupiny primárních činitelů v modelech strukturní analýzy? Představují pracovní a materiálové náklady. 12. Co je smíšená úloha strukturní analýzy? Jde o úlohu, kdy jen u některých odvětví známe plánovanou celkovou produkci a u zbývajících plánovanou finální produkci. Vede na řešení soustavy n rovnic o n neznámých.

11 13. Co je finální produkce v modelu strukturní analýzy a jak se vypočítá? Zbývající část produkce, kterou systém dodává navenek. 14. Co je celková produkce v modelu strukturní analýzy a jak se vypočítá? Vyjadřuje souhrn užitých hodnot vyrobených v daném odvětví za jeden rok.

12 8) OKRUŽNÍ DOPRAVNÍ PROBLÉM 1. Co je to kombinatorická úloha? Proč je její řešení tak obtížné? Diskrétní, počet možných řešení je konečný. Úlohu je obvykle možné reprezentovat grafem. Počet možných řešení s rozměrem úlohy velmi rychle roste. 2. Charakterizujte pojmy sled v grafu a cesta v grafu. Jaký je mezi nimi rozdíl? Sled v grafu libovolná posloupnost uzlů, mezi nimiž existuje hrana. Cesta v grafu sled, v němž se neopakují uzly. 3. Charakterizujte pojmy kružnice v grafu a Hamiltonovská kružnice. Jaký je mezi nimi rozdíl? Kružnice v grafu sled, který je uzavřený Hamiltonovská kružnice kružnice, jež obsahuje všechny uzly grafu. 4. Uveďte a stručně popište jednotlivé prvky okružního dopravního problému. Navštěvovaná místa, trasy mezi navštěvovanými místy, ocenění tras (obvykle vzdáleností mezi místy) 5. Uveďte základní praktické aplikace různého typu okružního dopravního problému. Jednookruhový ODP klasický problém obchodního cestujícího (listonoš) Víceokruhový ODP vícenásobný problém obchodního cestujícího pevný počet kruhů, trasovací problém kapacitní omezení rozvozu, neprocházíme místa v jednom okruhu, ale tvoříme více okruhů, jsme většinou limitováni časově nebo kapacitně Problém čínského listonoše cílem je projít nikoliv všechny uzly, ale hrany Kombinované problémy s různým dodatečným kapacitním, požadavkovým nebo časovým omezením 6. Jaké je základní rozdělení metod pro řešení okružního dopravního problému? 1. metoda vytvářející řešení se sekvenčním postupem (metoda nejbližšího souseda) - s paralerním postupem (Vogelova aproximační metoda) 2. metoda - zlepšující řešení 7. Popište princip řešení okružního dopravního problému metodou hrubé síly. Používá se pro řešení malých úloh. - projdou se všechny možnosti a vybere se ta nejlepší 8. Popište princip (ne algoritmus) metody nejbližšího souseda pro řešení okružního dopravního problému. Uveďte její hlavní nedostatky. Stanoví se výchozí místo pro tvorbu okruhu. Přejde se k místu, které je nejbližší místu aktuálnímu (nesmí se do výchozího ani tam, kde už jsme byli). Postup se opakuje tak dlouho, dokud se nevrátíme do výchozího místa. Prověřit všechna místa jako výchozí. 9. Popište princip (ne algoritmus) Vogelovy aproximační metody pro řešení okružního dopravního problému. Uveďte její hlavní nedostatky. Výpočet diferencí mezi dvěma nejvýhodnějšími trasami v každém řádku i sloupci úlohy. Výběr řady s maximální diferencí. Výběr nejvýhodnější trasy z této řady a její zařazení do okruhu. Aktualizace náčrtku. Zákaz všech tras, které již není možno použít. 10. Co je to víceokruhový okružní dopravní problém? V jakých situacích se používá? Nejčastější rozšíření úlohy o kapacitní podmínky. Typický příklad: použití více dopravních prostředků pro rozvoz homogenního substrátu. Nutno přidat nové vstupy (požadavky navštěvovaných míst na dopravu substrátu, kapacity vozidel zajišťujících dopravu). Cíle řešení nalezení co nejvýhodnějšího počtu okruhů, nalezení co nejvýhodnějšího pořadí míst v jednotlivých okruzích, vše s ohledem na minimalizaci celkových nákladů na přepravu. 11. Popište princip (ne algoritmus) Mayerovy metody pro řešení víceokruhového okružního dopravního problému. 1. krok výběr míst pro jednotlivé okružní trasy(začíná se od nejvzdálenějšího místa, přiřazuje se k němu místo s nejmenší vzdáleností; součet přepravních požadavků vybraných míst se porovná s přepravní kapacitou vozidla, pokud není kapacita vytížena, přiřadí se podle nejmenší vzdálenosti další místo, tak se pokračuje až do naplnění kapacity vozidla; výběr míst pro další okružní trasu je stejný jako pro předchozí) 2. krok řazení míst v jednotlivých trasách(místa vybraná v okružních trasách jsou seřazena podle minimální délky jednotlivých spojení a tras celkem) - nevyřeší problém, ale rozdělí místa do jednotlivých okruhů, pořadí míst v okruzích lze stanovit např. VAM 12. Kolik řešení má okružní dopravní úloha s n místy? Počet řešení = n! 13. Kdy je vhodné rozdělit okružní dopravní úlohy do více okruhů?

13 Při použití více dopravních prostředků. Nutno přidat nové vstupy požadavky navštěvovaných míst na dopravu substrátu, kapacity vozidel zajišťujících dopravu. Cíle řešení nalezení co nejvýhodnějšího počtu okruhů, nalezení co nejvýhodnějšího pořadí míst v jednotlivých okruzích, vše s ohledem na minimalizaci celkových nákladů na přepravu. 14. Je při řešení okružní dopravní úlohy důležité začínat ze zadaného výchozího místa? Proč? Protože máme první uzel jako pevně zadaný, ze kterého se vychází a do kterého se vrací, je úloha redukována na (n-1)! 15. Proč je metoda nejbližšího souseda vhodná spíše pro menší úlohy? Je to nejjednodušší metoda řešení klasického jednookruhového problému. Princip této metody spočívá vtom, že si zvolíme výchozí místo. Z něj se vydáme do místa, do něhož je nejvýhodnější spojení z výchozího místa, odtud pak do dalšího místa, kde jsme ještě nebyli, které má nejvýhodnější spojení z místa, kde se právě nacházíme, atd. Po projetí všech míst zařadíme ještě trasu do výchozího místa. 16. Je možno nalézt optimální řešení okružní dopravní úlohy? Zdůvodněte. Neexistuje obecný algoritmus pro nalezení optimálního řešení jakékoliv okružního dopravního problému.

14 9) STOCHASTICKÉ PROCESY I. 1. Jaký je rozdíl mezi deterministickým a stochastickým procesem? Stochastický proces je funkce dvou proměnných, jedna z nich je náhodná a druhá nenáhodná.(modelují se zde náhodné jevy) Deterministický charakter modelu je založen na stálosti všech parametrů modelu.(všechna čísla jsou nenáhodná) 2. Z jakých dvou proměnných se obecně skládá stochastický proces? Tyto proměnné charakterizujte. Argument t (nenáhodná proměnná) představuje ve většině případů čas. Elementární jevy e (náhodné proměnné) jsou často nazývány stavy stochastického procesu. 3. Jsou průsek a realizace stochastického procesu náhodné funkce? Proč? Průsek stochastického procesu je náhodná veličina. Má střední hodnotu a rozptyl. Nechť pro stochastický proces X(t) platí, že pro každou hodnotu t nabývá daný jev e t, potom X(t) = F (t,e t ) je nenáhodná funkce argumentu t a nazývá se realizace. realizace stoch. procesu je nenáhodná funkce je deterministická 4. Charakterizujte pojmy průsek a realizace stochastického procesu. Realizaci stochastického procesu můžeme považovat za výsledek jednoho pozorování stochastického procesu. 5. Jaký je rozdíl mezi diskrétní a spojitou veličinou? Uveďte praktické příklady použití obou těchto typů veličin. spojitá veličina může nabývat hodnot z množiny reálných čísel (zlomky, desetinná čísla), měření pomocí přístrojů diskrétní veličina obvykle nabývá hodnot z množiny celých čísel (přirozených 1,2,3) 6. Proveďte klasifikaci stochastických procesů podle povahy náhodné a nenáhodné proměnné. Ke každé kategorii uveďte příklad. Spojitá náhodná posloupnost automatická evidence počtu osob v aqvaparku (náhodná diskrétní, nenáhodná spojitá) Spojitý náhodný proces automatický záznam teploty termografem (náhodná spojitá, nenáhodná spojitá) Diskrétní náhodný proces záznam teploty ručně např. každou hodinu (náhodná spojitá, nenáhodná diskrétní) Diskrétní náhodná posloupnost zjišťování počtu studentů na přednášce (náhodná diskrétní, nenáhodná diskrétní) 7. Jaké problémy jsou řešitelné pomocí Bernouliho posloupnosti? Uveďte praktické příklady a stručně je okomentujte. Příklady související s pravděpodobností. Př. Vypočítejte pravděpodobnost, že při 10 hodech minci padne právě 5x orel. Př. Vypočítejte pravděpodobnost, že při 3 hodech kostkou padne alespoň jedna šestka. 8. Co je to Poissonův proces? Uveďte příklady praktické aplikace a stručně je okomentujte. Čítací (diskrétní) proces, který zkoumá počet určitých jevů v daném intervalu. Pravděpodobnost, že nastane alespoň jedna událost v čase x. Distribuční funkce pro intervaly po sobě jdoucích událostí je exponenciální. Pravděpodobnost, že v čase t nastane právě k událostí Pravděpodobnost, že v čase t nenastane žádná událost Pravděpodobnost, že v čase t nastane nejvýše k-1 událostí Pravděpodobnost, že v čase t nastane alespoň k událostí 9. Co je to spojování poissonovských procesů? Jak se provádí? Spojený poissonovský proces má intenzitu λ1+ λ2 10. Co je to intenzita poissonovského procesu? Co vyjadřuje? Průměrný počet událostí za časovou jednotku.

15 10) STOCHASTICKÉ PROCESY II. 1. Uveďte praktické příklady použití markovských řetězců. Zjišťování počtu strojů v provozu (modely teorie obnovy), zjišťování počtu zákazníků, bonus a malus v pojišťovnictví, vytížení obsluhy, potřeba lékařů na pohotovosti 2. Co je markovská vlastnost? Stav v okamžiku n+1 závisí pouze na stavu v okamžiku n. čas v současném okamžiku závisí pouze na okamžiku bezprostředně předcházejícím, zanedbává celou straší historii systému 3. Co je podmíněná pravděpodobnost přechodu? Podmíněnou pravděpodobnosti nazýváme pravděpodobností přechodu Markovova řetězce ze stavu i v okamžiku n do stavu j v okamžiku n+1 4. Co obsahuje vektor absolutních pravděpodobností markovského řetězce? Vektor pravděpodobností jednotlivých stavů v určitém okamžiku. V okamžiku 0: vektor počátečních pravděpodobností. uspořádány absolutní pravděpodobnosti 5. Co obsahuje vektor limitních pravděpodobností markovského řetězce? Některé řetězce se po určitém počtu kroku dostanou do stavu, kdy se v dalších okamžicích nemění = konvergují. Jejich stav je potom na čase nezávislý. 6. Co je intenzita provozu systému hromadné obsluhy a jak se vypočítá? jak moc je systém vytížený musíme znát intenzitu vstupu a obsluhy ρ = µ / λ µ - intenzita obsluhy průměrný počet jednotek, které obslouží kanál obsluhy za časovou jednotku λ intenzita vstupu průměrný počet jednotek, které vstoupí ze zdroje do systému obsluhy za časovou jednotku 7. Co je to Kendalova klasifikace systémů hromadné obsluhy? rozděluje modelový systém do 6 prvků (a-f) Systém hromadné obsluhy je popsán symboly X/Y/S/F, kde X symbol vstupního potoka, Y symbol intenzity obsluhy, S počet kanálu obsluhy, F symbol typu fronty 8. Jakých hodnot může reálně nabývat hodnota intenzity provozu systému hromadné obsluhy? Intenzita provozu musí být menší než 1. Nad 1 znamená, že systém je přetížen.(0-1) 9. Jaký je vztah mezi intenzitou provozu a pravděpodobností, že vstupující jednotka bude čekat? Čím menší intenzita provozu, tím menší vytížení systému. Vstupující jednotka nebude čekat, nebo jen pár minut. 10. Jaká jsou možná uspořádání kanálů obsluhy? Systém typu M/M/S má S kanálů obsluhy. Všechny kanály jsou homogenní a mají stejnou intenzitu obsluhy, intenzita provozu celého systému bude potom λ / µs

16 11) SIMULAČNÍ MODELY 1. Co je podstatou metody Monte Carlo? Metodou Monte Carlo rozumíme numerické řešení úloh pomocí mnohokrát opakovaných náhodných pokusů. Výsledkem je určení středního hodnoty náhodné veličiny. 2. K čemu slouží v simulačních modelech filtr? Do obchodu vstupuje přibližně stejný počet mužů a žen. Sestavte část simulačního modelu, která určí pohlaví právě vstupujícího zákazníka. 3. Jaké jsou možnosti časového kroku v simulačních modelech? Pevný konstantní počet časových jednotek Proměnlivý časový interval je ukončen určitou událostí (např. vstup zákazníka), v modelu je délka intervalu náhodná veličina Kombinovaný 4. Jaký je rozdíl mezi náhodnou veličinou a náhodným číslem? Náhodná veličina - je to proměnná, která nabývá různých hodnot v závislosti na náhodě Náhodná čísla reálná čísla, která splňují určité vlastnosti 5. Co je pseudonáhodné číslo a jak se získává? Čísla vytvářející posloupnost, která se zdají být náhodná, ale ve skutečnosti jsou generována deterministickým algoritmem. 6. Jaké vlastnosti má náhodná veličina? Protože popis náhodné veličiny pomocí rozdělení pravděpodobnosti je sice úplný, ale často příliš rozsáhlý nebo nepřehledný, používají se k popisu často jednotlivé charakteristiky nebo míry polohy. Patří mezi ně například střední hodnota, rozptyl, medián nebo šikmost a špičatost. 7. K čemu slouží příznak v simulačních modelech a jakých hodnot obvykle nabývá? Je prvkem simulačního modelu, který přináší možnost budoucího větvení. Je to deterministický rozhodovací prvek. Hodnota se řídí funkční závislostí. 8. Jaké jsou nejdůležitější zahajovací a ukončovací podmínky v simulačních modelech? Zahajovací Ukončovací - 9. Co se obvykle používá jako matematický generátor pseudonáhodného čísla? Generátor pseudonáhodných veličin dle zadané distribuční funkce náhodné proměnné realizuje opravu proměnné ve stochastickém simulačním modelu. Nejpoužívanějším generátorem pseudonáhodných čísel je tzv. kongruentní generátor. 10. Porovnejte simulační a analytické modely, uveďte jejich výhody a nevýhody. Výhody a nevýhody simulačních modelů - Možnost spočítat i to, co analyticky neumíme - Je nutné testovat shodu modelu s realitou - Každý model je částečně jedinečný - Neprogramujeme celé vždy znovu - Existuje software, který umožňuje modely sestavovat modulárně

17 12) SYSTÉMOVÁ DYNAMIKA 1. Vysvětlete pojem dynamická komplexnost. Dynamická komplexnost dává důraz na více smyčkový, nelineární charakter systémů, obsahujících řadu zpoždění mezi příčinou a důsledkem 2. Vysvětlete, co je v systémové dynamice myšleno pojmeme politika. Slovo politika definuje Forrester jako pravidlo, které stanovuje, jak jsou den po dni vytvářena provozní rozhodnutí. Ne všechny takto definované politiky jsou součástí psaných dokumentů a ne všechna pravidla zapsaná v manuálech jsou politikami. Pravidlo lze považovat za politiku pouze tehdy, pokud je jeho produktem tok rozhodnutí. pravidlo pomocí kterého jsou v průběhu času vytvářena provozní rozhodnutí 3. Vysvětlete termín řád systému, smyčky nebo zpoždění. Jak jej spočítáte? Řád vyjadřuje množství obsažených stavových proměnných v dynamickém systému nebo smyčce. 4. Co znamená požadavek na robustnost modelu systémové dynamiky. Model by se měl vždy chovat dle daných podmínek, navzdory tomu, jaké tyto podmínky jsou. To mimo jiné znamená testovat extrémní hodnoty. Nejedná se pouze o ošetření záporných stavů, u kterých to není možné, a dělení nulou. Tomuto principu lépe odpovídá modelování vztahů pomocí násobení než pomocí sčítání 5. Co jsou a k čemu slouží tzv. archetypy systému? Dílčí struktury, které produkují charakteristické chování a opakují se nezávisle na druhu modelovaného problému. Někteří autoři sem řadí i zesilující a vyvažující smyčku. 6. Zvolte si nějaký reálný systém a uveďte příklad stavových a tokových proměnných, které se v něm nacházejí. Stock: obvyklým příkladem je vana napuštěná vodou. Flow: je vstupem nebo výstupem z akumulace, příkladem by byla přitékající voda z kohoutku. Mraky (obláčky) vyjadřují hranici systému, místo obláčku by mohla být endogenní proměnná Proměnná, která slouží jako pomocná je vyjádřena jejím názvem bez rámečku, stejně jsou značeny konstanty (ve Vensimu trochu úsměvně variable typu constant). Informační vazba, vyjadřuje vliv jedné proměnné na jinou. Znaménka + a vyjadřují tzv. polaritu této vazby, která má dvojí význam. V případě, že y je stavová proměnná, je x proměnná toková a + znamená že x přibývá k y, zatímco representuje ubývání x z y. Pakliže se nejedná o stavové proměnné, vyjadřuje kladná vazba, že za jinak neměnných okolností při růstu x roste y nad úroveň, na které by bylo v případě konstantního x. A obráceně. 7. Popište a vysvětlete základní prvky diagramu stavů a toků. Akumulace, úroveň, zásoba, stav (stock, level, box variable) např. napuštěná vana Tok (flow, rate) - vstup nebo výstup akumulace např. přítok vody do vany Proměnná (auxiliary variable, constant) vše co není tokem ani akumulací Informační vazba (causal link, arrow) vazba mezi proměnou a akumulací, popřípadě mezi proměnou a tokovou proměnou, vyjadřuje vliv jedné proměnné na druhou Akumulace tok proměnná proměnná 1 proměnná Čím je dáno chování systému? Odpověď vysvětlete. Chování je dáno strukturou systému, tedy vazbami mezi prvky, proměnnými v systému. 9. Vysvětlete, co je cíl-hledající (negativní) smyčka? Vyvažující smyčka (synonymem je v tomto případě negativní smyčka nebo cíl-hledající smyčka, značena je nebo B jako Balancing ) naopak zachycuje situaci, kdy hodnota proměnné má v rámci smyčky snižující účinek na sebe samou. Proměnné jsou velice často součástí několika různých smyček, směr vývoje je pak určen dominantním druhem smyček. 10. Co je sebeposilující (pozitivní) smyčka? Sebeposilující smyčka (ve stejném významu je také používán termín pozitivní smyčka, je značena + nebo R jako Reinforcing ) vyjadřuje, že původní hodnota proměnné má přes několik vazeb na další proměnné posilující vliv na hodnotu té samé proměnné (například peníze na účtu generují úroky, které se přičítají k původnímu množství peněz na účtu). Někdy jsou sebeposilující smyčky také vyjadřovány symbolem z kopce se valící sněhové koule.

VÍCEKRITERIÁLNÍ ROZHODOVANÍ

VÍCEKRITERIÁLNÍ ROZHODOVANÍ VÍCEKRITERIÁLNÍ ROZHODOVANÍ 1 Obsah Typy modelů vícekriteriálního rozhodování Základní pojmy Typy informací Cíl modelů Užitek, funkce užitku Grafické zobrazení Metody vícekriteriální analýzy variant 2

Více

Postupy při hodnocení variant a výběru nejvhodnějšího řešení. Šimon Kovář Katedra textilních a jednoúčelových strojů

Postupy při hodnocení variant a výběru nejvhodnějšího řešení. Šimon Kovář Katedra textilních a jednoúčelových strojů Postupy při hodnocení variant a výběru nejvhodnějšího řešení Šimon Kovář Katedra textilních a jednoúčelových strojů Znáte nějaké postupy hodnocení variant řešení? Vícekriteriální rozhodování Při výběru

Více

Otázky ke státní závěrečné zkoušce

Otázky ke státní závěrečné zkoušce Otázky ke státní závěrečné zkoušce obor Ekonometrie a operační výzkum a) Diskrétní modely, Simulace, Nelineární programování. b) Teorie rozhodování, Teorie her. c) Ekonometrie. Otázka č. 1 a) Úlohy konvexního

Více

VÍCEKRITERIÁLNÍ MANAŢERSKÉ ROZHODOVÁNÍ V PODMÍNKÁCH RIZIKA A NEJISTOTY

VÍCEKRITERIÁLNÍ MANAŢERSKÉ ROZHODOVÁNÍ V PODMÍNKÁCH RIZIKA A NEJISTOTY Internetový časopis o jakosti Vydavatel: Katedra kontroly a řízení jakosti, FMMI, VŠB-TU Ostrava VÍCEKRITERIÁLNÍ MANAŢERSKÉ ROZHODOVÁNÍ V PODMÍNKÁCH RIZIKA A NEJISTOTY ÚVOD Všemi sekvenčními manažerskými

Více

Operační výzkum. Teorie her. Hra v normálním tvaru. Optimální strategie. Maticové hry.

Operační výzkum. Teorie her. Hra v normálním tvaru. Optimální strategie. Maticové hry. Operační výzkum Hra v normálním tvaru. Optimální strategie. Maticové hry. Operační program Vzdělávání pro konkurenceschopnost Název projektu: Inovace magisterského studijního programu Fakulty ekonomiky

Více

3. ANTAGONISTICKÉ HRY

3. 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,

Více

4EK201 Matematické modelování. 10. Teorie rozhodování

4EK201 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 =

Více

ANTAGONISTICKE HRY 172

ANTAGONISTICKE 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

Více

Ing. Alena Šafrová Drášilová, Ph.D.

Ing. Alena Šafrová Drášilová, Ph.D. Rozhodování Ing. Alena Šafrová Drášilová, Ph.D. Rozhodování??? video Obsah typy rozhodování principy rozhodování rozhodovací fáze základní pojmy hodnotícího procesu rozhodovací podmínky rozhodování v podmínkách

Více

Operační výzkum. Vícekriteriální hodnocení variant. Grafická metoda. Metoda váženého součtu.

Operační výzkum. Vícekriteriální hodnocení variant. Grafická metoda. Metoda váženého součtu. Operační výzkum Vícekriteriální hodnocení variant. Grafická metoda. Metoda váženého součtu. Operační program Vzdělávání pro konkurenceschopnost Název projektu: Inovace magisterského studijního programu

Více

Teorie her a ekonomické rozhodování. 2. Maticové hry

Teorie 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

Více

4 Kriteriální matice a hodnocení variant

4 Kriteriální matice a hodnocení variant 4 Kriteriální matice a hodnocení variant V teorii vícekriteriálního rozhodování pracujeme s kritérii, kterých je obecně k, a s variantami, kterých je obecně p. Hodnotu, které dosahuje varianta i pro j-té

Více

5 Informace o aspiračních úrovních kritérií

5 Informace o aspiračních úrovních kritérií 5 Informace o aspiračních úrovních kritérií Aspirační úroveň kritérií je minimální (maximální) hodnota, které musí varianta pro dané maximalizační (minimalizační) kritérium dosáhnout, aby byla akceptovatelná.

Více

Rozhodování. Ing. Alena Šafrová Drášilová, Ph.D.

Rozhodování. Ing. Alena Šafrová Drášilová, Ph.D. Rozhodování Ing. Alena Šafrová Drášilová, Ph.D. Rozhodování??? video Obsah typy rozhodování principy rozhodování rozhodovací fáze základní pojmy hodnotícího procesu rozhodovací podmínky rozhodování v podmínkách

Více

Metody výběru variant

Metody výběru variant Metody výběru variant Používají se pro výběr v případě více variant řešení stejného problému Lze vybírat dle jednoho nebo více kritérií V případě více kritérií mohou mít všechna stejnou důležitost nebo

Více

4. Aplikace matematiky v ekonomii

4. Aplikace matematiky v ekonomii 4. Aplikace matematiky v ekonomii 1 Lineární algebra Soustavy 1) Na základě statistických údajů se zjistilo, že závislost množství statku z poptávaného v průběhu jednoho týdne lze popsat vztahem q d =

Více

Teorie her a ekonomické rozhodování. 3. Dvoumaticové hry (Bimaticové hry)

Teorie her a ekonomické rozhodování. 3. Dvoumaticové hry (Bimaticové hry) Teorie her a ekonomické rozhodování 3. Dvoumaticové hry (Bimaticové hry) 3.1 Neantagonistický konflikt Hra v normálním tvaru hráči provedou jediné rozhodnutí a to všichni najednou v rozvinutém tvaru řada

Více

Rozhodovací procesy 8

Rozhodovací procesy 8 Rozhodovací procesy 8 Rozhodování za jistoty Příprava předmětu byla podpořena projektem OPPA č. CZ.2.17/3.1.00/33253 VIII rozhodování 1 Rozhodování za jistoty Cíl přednášky 8: Rozhodovací analýza Stanovení

Více

MULTIKRITERIÁLNÍ ROZHODOVÁNÍ KOMPLEXNÍ HODNOCENÍ ALTERNATIV

MULTIKRITERIÁLNÍ ROZHODOVÁNÍ KOMPLEXNÍ HODNOCENÍ ALTERNATIV PŘEDNÁŠKA 6 MULTIKRITERIÁLNÍ ROZHODOVÁNÍ KOMPLEXNÍ HODNOCENÍ ALTERNATIV Multikriteriální rozhodování Možnosti řešení podle toho, jaká je množina alternativ pokud množina alternativ X je zadaná implicitně

Více

7 Kardinální informace o kritériích (část 1)

7 Kardinální informace o kritériích (část 1) 7 Kardinální informace o kritériích (část 1) Předpokládejme stejná značení jako v předchozích cvičeních. Kardinální informací o kritériích se rozumí ohodnocení jejich důležitosti k pomocí váhového vektoru

Více

Matematika (CŽV Kadaň) aneb Úvod do lineární algebry Matice a soustavy rovnic

Matematika (CŽV Kadaň) aneb Úvod do lineární algebry Matice a soustavy rovnic Přednáška třetí (a pravděpodobně i čtvrtá) aneb Úvod do lineární algebry Matice a soustavy rovnic Lineární rovnice o 2 neznámých Lineární rovnice o 2 neznámých Lineární rovnice o dvou neznámých x, y je

Více

Simplexová metoda. Simplexová tabulka: Záhlaví (účelová funkce) A ~ b r βi. z j c j. z r

Simplexová metoda. Simplexová tabulka: Záhlaví (účelová funkce) A ~ b r βi. z j c j. z r Simplexová metoda Simplexová metoda, je jedním ze způsobů, jak řešit úlohy lineárního programování. Tato metoda vede k cíly, nelezení optimálního řešení, během konečného počtu kroků, pokud se při prvním

Více

4EK311 Operační výzkum. 1. Úvod do operačního výzkumu

4EK311 Operační výzkum. 1. Úvod do operačního výzkumu 4EK311 Operační výzkum 1. Úvod do operačního výzkumu Mgr. Jana SEKNIČKOVÁ, Ph.D. Nová budova, místnost 433 Konzultační hodiny InSIS E-mail: jana.seknickova@vse.cz Web: jana.seknicka.eu/vyuka Garant kurzu:

Více

TGH13 - Teorie her I.

TGH13 - Teorie her I. TGH13 - Teorie her I. Jan Březina Technical University of Liberec 19. května 2015 Hra s bankéřem Máte právo sehrát s bankéřem hru: 1. hází se korunou dokud nepadne hlava 2. pokud hlava padne v hodu N,

Více

U Úvod do modelování a simulace systémů

U 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

Více

fakulty MENDELU v Brně (LDF) s ohledem na disciplíny společného základu http://akademie.ldf.mendelu.cz/cz (reg. č. CZ.1.07/2.2.00/28.

fakulty MENDELU v Brně (LDF) s ohledem na disciplíny společného základu http://akademie.ldf.mendelu.cz/cz (reg. č. CZ.1.07/2.2.00/28. Základy lineárního programování Vyšší matematika, Inženýrská matematika LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem

Více

Operační výzkum. Teorie her cv. Hra v normálním tvaru. Optimální strategie. Maticové hry.

Operační výzkum. Teorie her cv. Hra v normálním tvaru. Optimální strategie. Maticové hry. Operační výzkum Teorie her cv. Hra v normálním tvaru. Optimální strategie. Maticové hry. Operační program Vzdělávání pro konkurenceschopnost Název projektu: Inovace magisterského studijního programu Fakulty

Více

Vzorový příklad na rozhodování BPH_ZMAN

Vzorový příklad na rozhodování BPH_ZMAN Vzorový příklad na rozhodování BPH_ZMAN Základní charakteristiky a značení symbol verbální vyjádření interval C g g-tý cíl g = 1,.. s V i i-tá varianta i = 1,.. m K j j-té kriterium j = 1,.. n v j x ij

Více

LDF MENDELU. Simona Fišnarová (MENDELU) Základy lineárního programování VMAT, IMT 1 / 25

LDF MENDELU. Simona Fišnarová (MENDELU) Základy lineárního programování VMAT, IMT 1 / 25 Základy lineárního programování Vyšší matematika, Inženýrská matematika LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem

Více

6 Ordinální informace o kritériích

6 Ordinální informace o kritériích 6 Ordinální informace o kritériích Ordinální informací o kritériích se rozumí jejich uspořádání podle důležitosti. Předpokládejme dále standardní značení jako v předchozích cvičeních. Existují tři základní

Více

Statistika pro geografy

Statistika pro geografy Statistika pro geografy 2. Popisná statistika Mgr. David Fiedor 23. února 2015 Osnova 1 2 3 Pojmy - Bodové rozdělení četností Absolutní četnost Absolutní četností hodnoty x j znaku x rozumíme počet statistických

Více

7. Rozdělení pravděpodobnosti ve statistice

7. Rozdělení pravděpodobnosti ve statistice 7. Rozdělení pravděpodobnosti ve statistice Statistika nuda je, má však cenné údaje, neklesejte na mysli, ona nám to vyčíslí Jednou z úloh statistiky je odhad (výpočet) hodnot statistického znaku x i,

Více

0.1 Úvod do lineární algebry

0.1 Úvod do lineární algebry Matematika KMI/PMATE 1 01 Úvod do lineární algebry 011 Lineární rovnice o 2 neznámých Definice 011 Lineární rovnice o dvou neznámých x, y je rovnice, která může být vyjádřena ve tvaru ax + by = c, kde

Více

EKONOMETRIE 7. přednáška Fáze ekonometrické analýzy

EKONOMETRIE 7. přednáška Fáze ekonometrické analýzy EKONOMETRIE 7. přednáška Fáze ekonometrické analýzy Ekonometrická analýza proces, skládající se z následujících fází: a) specifikace b) kvantifikace c) verifikace d) aplikace Postupné zpřesňování jednotlivých

Více

1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004.

1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004. Prostá regresní a korelační analýza 1 1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004. Problematika závislosti V podstatě lze rozlišovat mezi závislostí nepodstatnou, čili náhodnou

Více

4EK213 LINEÁRNÍ MODELY

4EK213 LINEÁRNÍ MODELY 4EK213 LINEÁRNÍ MODELY Úterý 11:00 12:30 hod. učebna SB 324 3. přednáška SIMPLEXOVÁ METODA I. OSNOVA PŘEDNÁŠKY Standardní tvar MM Základní věta LP Princip simplexové metody Výchozí řešení SM Zlepšení řešení

Více

MANAŽERSKÉ ROZHODOVÁNÍ

MANAŽERSKÉ 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

Více

1 Linearní prostory nad komplexními čísly

1 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)

Více

4EK213 LINEÁRNÍ MODELY

4EK213 LINEÁRNÍ MODELY 4EK213 LINEÁRNÍ MODELY Úterý 11:00 12:30 hod. učebna SB 324 Mgr. Sekničková Jana, Ph.D. 2. PŘEDNÁŠKA MATEMATICKÝ MODEL ÚLOHY LP Mgr. Sekničková Jana, Ph.D. 2 OSNOVA PŘEDNÁŠKY Obecná formulace MM Množina

Více

Úvod do teorie her

Úvod 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

Více

OSA. maximalizace minimalizace 1/22

OSA. maximalizace minimalizace 1/22 OSA Systémová analýza metodika používaná k navrhování a racionalizaci systémů v podmínkách neurčitosti vyšší stupeň operační analýzy Operační analýza (výzkum) soubor metod umožňující řešit rozhodovací,

Více

VYUŽITÍ PRAVDĚPODOBNOSTNÍ METODY MONTE CARLO V SOUDNÍM INŽENÝRSTVÍ

VYUŽITÍ PRAVDĚPODOBNOSTNÍ METODY MONTE CARLO V SOUDNÍM INŽENÝRSTVÍ VYUŽITÍ PRAVDĚPODOBNOSTNÍ METODY MONTE CARLO V SOUDNÍM INŽENÝRSTVÍ Michal Kořenář 1 Abstrakt Rozvoj výpočetní techniky v poslední době umožnil také rozvoj výpočetních metod, které nejsou založeny na bázi

Více

NÁHODNÁ ČÍSLA. F(x) = 1 pro x 1. Náhodná čísla lze generovat některým z následujících generátorů náhodných čísel:

NÁHODNÁ ČÍSLA. F(x) = 1 pro x 1. Náhodná čísla lze generovat některým z následujících generátorů náhodných čísel: NÁHODNÁ ČÍSLA TYPY GENERÁTORŮ, LINEÁRNÍ KONGRUENČNÍ GENERÁTORY, TESTY NÁHODNOSTI, VYUŽITÍ HODNOT NÁHODNÝCH VELIČIN V SIMULACI CO JE TO NÁHODNÉ ČÍSLO? Náhodné číslo definujeme jako nezávislé hodnoty z rovnoměrného

Více

DSS a De Novo programming

DSS a De Novo programming De Novo Programming DSS a De Novo programming DSS navrhují žádoucí budoucnost a cesty k jejímu uskutečnění Optimalizační modely vhodné nástroje pro identifikaci optimálního řešení problému Je ale problém

Více

Matematika III. 27. listopadu Vysoká škola báňská - Technická univerzita Ostrava. Matematika III

Matematika III. 27. listopadu Vysoká škola báňská - Technická univerzita Ostrava. Matematika III Vysoká škola báňská - Technická univerzita Ostrava 27. listopadu 2017 Typy statistických znaků (proměnných) Typy proměnných: Kvalitativní proměnná (kategoriální, slovní,... ) Kvantitativní proměnná (numerická,

Více

Diskrétní náhodná veličina

Diskrétní náhodná veličina Lekce Diskrétní náhodná veličina Výsledek náhodného pokusu může být vyjádřen slovně to vede k zavedení pojmu náhodného jevu Výsledek náhodného pokusu můžeme někdy vyjádřit i číselně, což vede k pojmu náhodné

Více

Teorie her a ekonomické rozhodování. 4. Hry v rozvinutém tvaru

Teorie her a ekonomické rozhodování. 4. Hry v rozvinutém tvaru Teorie her a ekonomické rozhodování 4. Hry v rozvinutém tvaru 4.1 Hry v rozvinutém tvaru Hra v normálním tvaru hráči provedou jediné rozhodnutí a to všichni najednou v rozvinutém tvaru řada po sobě následujících

Více

Ing. Alena Šafrová Drášilová

Ing. Alena Šafrová Drášilová Rozhodování II Ing. Alena Šafrová Drášilová Obsah vztah jedince k riziku rozhodování v podmínkách rizika rozhodování v podmínkách nejistoty pravidlo maximin pravidlo maximax Hurwitzovo pravidlo Laplaceovo

Více

Optimalizace. Obsah přednášky. DÚ LP - Okružní problém. Lineární optimalizace. DÚ LP - Okružní problém. DÚ LP - Okružní problém

Optimalizace. Obsah přednášky. DÚ LP - Okružní problém. Lineární optimalizace. DÚ LP - Okružní problém. DÚ LP - Okružní problém Obsah přednášky Mgr. Květuše Sýkorová Optimalizace Lineární programování Distribuční úlohy Okružní problém KI Př UJEP Ústí nad Labem Nederivační metody Metody 1D optimalizace Derivační metody Optimalizace

Více

POSLOUPNOSTI A ŘADY INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ. Tento projekt je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky

POSLOUPNOSTI A ŘADY INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ. Tento projekt je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky POSLOUPNOSTI A ŘADY Gymnázium Jiřího Wolkera v Prostějově Výukové materiály z matematiky pro vyšší gymnázia Autoři projektu Student na prahu 21. století - využití ICT ve vyučování matematiky na gymnáziu

Více

ÚVOD DO ROZHODOVÁNÍ PŘEDNÁŠKA. OPTIMALIZACE A ROZHODOVÁNÍ V DOPRAVĚ Přednáška 1. Zuzana Bělinová

ÚVOD DO ROZHODOVÁNÍ PŘEDNÁŠKA. OPTIMALIZACE A ROZHODOVÁNÍ V DOPRAVĚ Přednáška 1. Zuzana Bělinová PŘEDNÁŠKA 1 ÚVOD DO ROZHODOVÁNÍ Organizační Vyučující Ing., Ph.D. email: belinova@k620.fd.cvut.cz Doporučená literatura Dudorkin J. Operační výzkum. Požadavky zápočtu docházka zápočtový test (21.5.2015)

Více

Inženýrská statistika pak představuje soubor postupů a aplikací teoretických principů v oblasti inženýrské činnosti.

Inženýrská statistika pak představuje soubor postupů a aplikací teoretických principů v oblasti inženýrské činnosti. Přednáška č. 1 Úvod do statistiky a počtu pravděpodobnosti Statistika Statistika je věda a postup jak rozvíjet lidské znalosti použitím empirických dat. Je založena na matematické statistice, která je

Více

0.1 Úvod do lineární algebry

0.1 Úvod do lineární algebry Matematika KMI/PMATE 1 01 Úvod do lineární algebry 011 Vektory Definice 011 Vektorem aritmetického prostorur n budeme rozumět uspořádanou n-tici reálných čísel x 1, x 2,, x n Definice 012 Definice sčítání

Více

Vektory a matice. Obsah. Aplikovaná matematika I. Carl Friedrich Gauss. Základní pojmy a operace

Vektory a matice. Obsah. Aplikovaná matematika I. Carl Friedrich Gauss. Základní pojmy a operace Vektory a matice Aplikovaná matematika I Dana Říhová Mendelu Brno Obsah 1 Vektory Základní pojmy a operace Lineární závislost a nezávislost vektorů 2 Matice Základní pojmy, druhy matic Operace s maticemi

Více

POSLOUPNOSTI A ŘADY INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ

POSLOUPNOSTI A ŘADY INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ POSLOUPNOSTI A ŘADY Gymnázium Jiřího Wolkera v Prostějově Výukové materiály z matematiky pro vyšší gymnázia Autoři projektu Student na prahu 21. století - využití ICT ve vyučování matematiky na gymnáziu

Více

Operační výzkum. Vícekriteriální programování. Lexikografická metoda. Metoda agregace účelových funkcí. Cílové programování.

Operační výzkum. Vícekriteriální programování. Lexikografická metoda. Metoda agregace účelových funkcí. Cílové programování. Operační výzkum Lexikografická metoda. Metoda agregace účelových funkcí. Cílové programování. Operační program Vzdělávání pro konkurenceschopnost Název projektu: Inovace magisterského studijního programu

Více

Jednotkový vektor vektor, která má na jednom místě jedničku a na ostatních nuly, například (0, 1, 0).

Jednotkový vektor vektor, která má na jednom místě jedničku a na ostatních nuly, například (0, 1, 0). 1. Základní pojmy www.cz-milka.net Systém neprázdná, účelově definovaná množina prvků a vazeb mezi nimi, která se zachycením vstupů a výstupů vykazuje kvantifikovatelné chování v čase. Model formalizovaný

Více

Funkce a lineární funkce pro studijní obory

Funkce a lineární funkce pro studijní obory Variace 1 Funkce a lineární funkce pro studijní obory Autor: Mgr. Jaromír JUŘEK Kopírování a jakékoliv další využití výukového materiálu je povoleno pouze s uvedením odkazu na www.jarjurek.cz. 1. Funkce

Více

5 Vícerozměrná data - kontingenční tabulky, testy nezávislosti, regresní analýza

5 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

Více

veličin, deskriptivní statistika Ing. Michael Rost, Ph.D.

veličin, deskriptivní statistika Ing. Michael Rost, Ph.D. Vybraná rozdělení spojitých náhodných veličin, deskriptivní statistika Ing. Michael Rost, Ph.D. Třídění Základním zpracováním dat je jejich třídění. Jde o uspořádání získaných dat, kde volba třídícího

Více

10. cvičení z PST. 5. prosince T = (n 1) S2 X. (n 1) s2 x σ 2 q χ 2 (n 1) (1 α 2 ). q χ 2 (n 1) 2. 2 x. (n 1) s. x = 1 6. x i = 457.

10. cvičení z PST. 5. prosince T = (n 1) S2 X. (n 1) s2 x σ 2 q χ 2 (n 1) (1 α 2 ). q χ 2 (n 1) 2. 2 x. (n 1) s. x = 1 6. x i = 457. 0 cvičení z PST 5 prosince 208 0 (intervalový odhad pro rozptyl) Soubor (70, 84, 89, 70, 74, 70) je náhodným výběrem z normálního rozdělení N(µ, σ 2 ) Určete oboustranný symetrický 95% interval spolehlivosti

Více

Jiří Neubauer. Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel

Jiří Neubauer. Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Výsledky některých náhodných pokusů jsou přímo vyjádřeny číselně (např. při hodu kostkou padne 6). Náhodnou veličinou

Více

Metody lineární optimalizace Simplexová metoda. Distribuční úlohy

Metody lineární optimalizace Simplexová metoda. Distribuční úlohy Metody lineární optimalizace Simplexová metoda Dvoufázová M-úloha Duální úloha jednofázová Post-optimalizační analýza Celočíselné řešení Metoda větví a mezí Distribuční úlohy 1 OÚLP = obecná úloha lineárního

Více

Funkce - pro třídu 1EB

Funkce - pro třídu 1EB Variace 1 Funkce - pro třídu 1EB Autor: Mgr. Jaromír JUŘEK Kopírování a jakékoliv využití výukového materiálu je povoleno pouze s odkazem na www.jarjurek.cz. 1. Funkce Funkce je přiřazení, které každému

Více

Pojem a úkoly statistiky

Pojem a úkoly statistiky Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Pojem a úkoly statistiky Statistika je věda, která se zabývá získáváním, zpracováním a analýzou dat pro potřeby

Více

VYBRANÉ PARTIE Z NUMERICKÉ MATEMATIKY

VYBRANÉ PARTIE Z NUMERICKÉ MATEMATIKY VYBRANÉ PARTIE Z NUMERICKÉ MATEMATIKY Jan Krejčí 31. srpna 2006 jkrejci@physics.ujep.cz http://physics.ujep.cz/~jkrejci Obsah 1 Přímé metody řešení soustav lineárních rovnic 3 1.1 Gaussova eliminace...............................

Více

4EK201 Matematické modelování. 2. Lineární programování

4EK201 Matematické modelování. 2. Lineární programování 4EK201 Matematické modelování 2. Lineární programování 2.1 Podstata operačního výzkumu Operační výzkum (výzkum operací) Operational research, operations research, management science Soubor disciplín zaměřených

Více

Interpolace Uvažujme třídu funkcí jedné proměnné ψ(x; a 0,..., a n ), kde a 0,..., a n jsou parametry, které popisují jednotlivé funkce této třídy. Mějme dány body x 0, x 1,..., x n, x i x k, i, k = 0,

Více

Hodnocení ekonomické efektivnosti projektů Průměrný výnos z investice, doba návratnosti, ČSH, VVP

Hodnocení ekonomické efektivnosti projektů Průměrný výnos z investice, doba návratnosti, ČSH, VVP Hodnocení ekonomické efektivnosti projektů Průměrný výnos z investice, doba návratnosti, ČSH, VVP Investice je charakterizována jako odložená spotřeba. Podnikové investice jsou ty statky, které nejsou

Více

Markovské metody pro modelování pravděpodobnosti

Markovské 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

Více

OPTIMALIZACE A MULTIKRITERIÁLNÍ HODNOCENÍ FUNKČNÍ ZPŮSOBILOSTI POZEMNÍCH STAVEB D24FZS

OPTIMALIZACE A MULTIKRITERIÁLNÍ HODNOCENÍ FUNKČNÍ ZPŮSOBILOSTI POZEMNÍCH STAVEB D24FZS OPTIMALIZACE A MULTIKRITERIÁLNÍ HODNOCENÍ FUNKČNÍ ZPŮSOBILOSTI POZEMNÍCH STAVEB Optimalizace a multikriteriální hodnocení funkční způsobilosti pozemních staveb Anotace: Optimalizace objektů pozemních staveb

Více

Vícekriteriální hodnocení variant úvod

Vícekriteriální hodnocení variant úvod Vícekriteriální hodnocení variant úvod Jana Klicnarová Katedra aplikované matematiky a informatiky Jihočeská Univerzita v Českých Budějovicích, Ekonomická fakulta 2010 Vícekriteriální hodnocení variant

Více

Z X 5 0 4 H o d n o c e n í v l i v ů n a ž i v o t n í p r o s t ř e d í. Vybrané metody posuzování dopadu záměrů na životní

Z X 5 0 4 H o d n o c e n í v l i v ů n a ž i v o t n í p r o s t ř e d í. Vybrané metody posuzování dopadu záměrů na životní Z X 5 0 4 H o d n o c e n í v l i v ů n a ž i v o t n í p r o s t ř e d í Vybrané metody posuzování dopadu záměrů na životní prostředí. ř Posuzování dopadu (impaktu) posuzované činnosti na životní prostředí

Více

Pravděpodobnost a aplikovaná statistika

Pravděpodobnost a aplikovaná statistika Pravděpodobnost a aplikovaná statistika MGR. JANA SEKNIČKOVÁ, PH.D. 2. KAPITOLA PODMÍNĚNÁ PRAVDĚPODOBNOST 3. KAPITOLA NÁHODNÁ VELIČINA 9.11.2017 Opakování Uveďte příklad aplikace geometrické definice pravděpodobnosti

Více

Vícekriteriální programování příklad

Vícekriteriální programování příklad Vícekriteriální programování příklad Pražírny kávy vyrábějí dva druhy kávy (Super a Standard) ze dvou druhů kávových bobů KB1 a KB2, které mají smluvně zajištěny v množství 4 t a 6 t. Složení kávy (v procentech)

Více

METODICKÝ APARÁT LOGISTIKY

METODICKÝ APARÁT LOGISTIKY METODICKÝ APARÁT LOGISTIKY Metodický aparát logistiky jedná se o metody sloužící k rozhodování při logistických problémech Metodu = použijeme, v případě vzniku problému. Problém = vzniká v okamžiku, když

Více

1. Číselné posloupnosti - Definice posloupnosti, základní vlastnosti, operace s posloupnostmi, limita posloupnosti, vlastnosti limit posloupností,

1. Číselné posloupnosti - Definice posloupnosti, základní vlastnosti, operace s posloupnostmi, limita posloupnosti, vlastnosti limit posloupností, KMA/SZZS1 Matematika 1. Číselné posloupnosti - Definice posloupnosti, základní vlastnosti, operace s posloupnostmi, limita posloupnosti, vlastnosti limit posloupností, operace s limitami. 2. Limita funkce

Více

Modely teorie grafů, min.kostra, max.tok, CPM, MPM, PERT

Modely teorie grafů, min.kostra, max.tok, CPM, MPM, PERT PEF ČZU Modely teorie grafů, min.kostra, max.tok, CPM, MPM, PERT Okruhy SZB č. 5 Zdroje: Demel, J., Operační výzkum Jablonský J., Operační výzkum Šubrt, T., Langrová, P., Projektové řízení I. a různá internetová

Více

Téma 14 Multikriteriální metody hodnocení variant

Téma 14 Multikriteriální metody hodnocení variant Téma 14 Multikriteriální metody hodnocení variant Ing. Vlastimil Vala, CSc. Předmět : Ekonomická efektivnost LH Tento projekt je spolufinancován Evropským sociálním fondem a Státním rozpočtem ČR InoBio

Více

Jana Vránová, 3. lékařská fakulta UK

Jana 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

Více

Komplexní čísla, Kombinatorika, pravděpodobnost a statistika, Posloupnosti a řady

Komplexní čísla, Kombinatorika, pravděpodobnost a statistika, Posloupnosti a řady Předmět: Náplň: Třída: Počet hodin: Pomůcky: Matematika Komplexní čísla, Kombinatorika, pravděpodobnost a statistika, Posloupnosti a řady 4. ročník a oktáva 3 hodiny týdně PC a dataprojektor, učebnice

Více

Statistická teorie učení

Statistická teorie učení Statistická teorie učení Petr Havel Marek Myslivec přednáška z 9. týdne 1 Úvod Představme si situaci výrobce a zákazníka, který si u výrobce objednal algoritmus rozpoznávání. Zákazník dodal experimentální

Více

časovém horizontu na rozdíl od experimentu lépe odhalit chybné poznání reality.

časovém 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

Více

Obsah prezentace. Základní pojmy v teorii o grafech Úlohy a prohledávání grafů Hledání nejkratších cest

Obsah prezentace. Základní pojmy v teorii o grafech Úlohy a prohledávání grafů Hledání nejkratších cest Obsah prezentace Základní pojmy v teorii o grafech Úlohy a prohledávání grafů Hledání nejkratších cest 1 Základní pojmy Vrchol grafu: {množina V} Je to styčná vazba v grafu, nazývá se též uzlem, prvkem

Více

Teorie her a ekonomické rozhodování. 8. Vyjednávací hry

Teorie her a ekonomické rozhodování. 8. Vyjednávací hry Teorie her a ekonomické rozhodování 8. Vyjednávací hry 8. Vyjednávání Teorie her Věda o řešení konfliktů Ale také věda o hledání vzájemně výhodné spolupráce Teorie vyjednávání Odvětví teorie her dohoda

Více

24.11.2009 Václav Jirchář, ZTGB

24.11.2009 Václav Jirchář, ZTGB 24.11.2009 Václav Jirchář, ZTGB Síťová analýza 50.let V souvislosti s potřebou urychlit vývoj a výrobu raket POLARIS v USA při závodech ve zbrojení za studené války se SSSR V roce 1958 se díky aplikaci

Více

7. Funkce jedné reálné proměnné, základní pojmy

7. Funkce jedné reálné proměnné, základní pojmy , základní pojmy POJEM FUNKCE JEDNÉ PROMĚNNÉ Reálná funkce f jedné reálné proměnné je funkce (zobrazení) f: X Y, kde X, Y R. Jde o zvláštní případ obecného pojmu funkce definovaného v přednášce. Poznámka:

Více

Stochastické modely Informace k závěrečné zkoušce

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

Více

Maticí typu (m, n), kde m, n jsou přirozená čísla, se rozumí soubor mn veličin a jk zapsaných do m řádků a n sloupců tvaru:

Maticí typu (m, n), kde m, n jsou přirozená čísla, se rozumí soubor mn veličin a jk zapsaných do m řádků a n sloupců tvaru: 3 Maticový počet 3.1 Zavedení pojmu matice Maticí typu (m, n, kde m, n jsou přirozená čísla, se rozumí soubor mn veličin a jk zapsaných do m řádků a n sloupců tvaru: a 11 a 12... a 1k... a 1n a 21 a 22...

Více

1 Řešení soustav lineárních rovnic

1 Řešení soustav lineárních rovnic 1 Řešení soustav lineárních rovnic 1.1 Lineární rovnice Lineární rovnicí o n neznámých x 1,x 2,..., x n s reálnými koeficienty rozumíme rovnici ve tvaru a 1 x 1 + a 2 x 2 +... + a n x n = b, (1) kde koeficienty

Více

2.6. VLASTNÍ ČÍSLA A VEKTORY MATIC

2.6. 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

Více

ALGEBRA. Téma 5: Vektorové prostory

ALGEBRA. Téma 5: Vektorové prostory SLEZSKÁ UNIVERZITA V OPAVĚ Matematický ústav v Opavě Na Rybníčku 1, 746 01 Opava, tel. (553) 684 611 DENNÍ STUDIUM Téma 5: Vektorové prostory Základní pojmy Vektorový prostor nad polem P, reálný (komplexní)

Více

MATICE. a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij]

MATICE. a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij] MATICE Matice typu m/n nad tělesem T je soubor m n prvků z tělesa T uspořádaných do m řádků a n sloupců: a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij] a m1 a m2 a mn Prvek a i,j je prvek matice A na místě

Více

Matice. Modifikace matic eliminační metodou. α A = α a 2,1, α a 2,2,..., α a 2,n α a m,1, α a m,2,..., α a m,n

Matice. Modifikace matic eliminační metodou. α A = α a 2,1, α a 2,2,..., α a 2,n α a m,1, α a m,2,..., α a m,n [1] Základní pojmy [2] Matice mezi sebou sčítáme a násobíme konstantou (lineární prostor) měníme je na jiné matice eliminační metodou násobíme je mezi sebou... Matice je tabulka čísel s konečným počtem

Více

VÝBĚR A JEHO REPREZENTATIVNOST

VÝBĚR 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:

Více

Matematika III. 4. října Vysoká škola báňská - Technická univerzita Ostrava. Matematika III

Matematika III. 4. října Vysoká škola báňská - Technická univerzita Ostrava. Matematika III Vysoká škola báňská - Technická univerzita Ostrava 4. října 2018 Podmíněná pravděpodobnost Při počítání pravděpodobnosti můžeme k náhodnému pokusu přidat i nějakou dodatečnou podmínku. Podmíněná pravděpodobnost

Více

Exponenciální modely hromadné obsluhy

Exponenciální modely hromadné obsluhy Exponenciální modely hromadné obsluhy Systém s čekáním a neohraničeným zdrojem požadavků Na základě předchozích informací je potřeba probrat, jaké informace jsou dostupné v počtu pravděpodobnosti řešícím

Více

Mnohorozměrná statistická data

Mnohorozměrná statistická data Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Statistický znak, statistický soubor Jednotlivé objekty nebo subjekty, které jsou při statistickém

Více