Optimalizace skladových zásob ve firmě Molat spol. s r. o. - Stavebniny

Rozměr: px
Začít zobrazení ze stránky:

Download "Optimalizace skladových zásob ve firmě Molat spol. s r. o. - Stavebniny"

Transkript

1 Mendelova univerzita v Brně Provozně ekonomická fakulta Optimalizace skladových zásob ve firmě Molat spol. s r. o. - Stavebniny Bakalářská práce Vedoucí práce: Ing. Pavel Kolman Eva Ševčíková Brno 2010

2 Ráda bych poděkovala Ing. Pavlu Kolmanovi za vedení práce, jeho cenné připomínky a čas věnovaný zodpovídání dotazů. Dále firmě Molat spol. s r. o. za poskytnutá data a spolupráci a především mé rodině za podporu.

3 Prohlašuji, že jsem tuto bakalářskou práci tvořila samostatně dle pokynů vedoucího práce a za použití zdrojů, které jsou uvedeny v seznamu literatury. V Brně dne 12. května 2010

4 Abstrakt Ševčíková, E. Optimalization of storing supplies of Molat Ltd. material shop. Bachelor thesis. Brno, This study deals with optimalization of storing goods, focuses on certain items in constructing material shop of Molat Ltd. The result is comparing reality to the ideal solution and recomendation based on findings of this work while keeping the contemporary level of service. Keywords Supplies optimalization, storing system, supplies, supplies managing, order, level of service. Abstrakt Ševčíková, E. Optimalizace skladových zásob ve firmě Molat spol. s r. o. Stavebniny. Bakalářská práce. Brno, Práce se zabývá optimalizací skladového hospodářství za pomocí vybraných položek v prodejně stavebnin ve firmě Molat spol. s r. o. Výsledkem je srovnání skutečnosti s optimálním řešením a doporučení z tohoto řešení vyplývající při dodržení zvolené úrovně obsluhy. Odstraněno: optimalizace Odstraněno: včasné objednávání zboží a uspokojení potřeb zákazníků. Klíčová slova Optimalizace zásob, skladový systém, zásoby, řízení zásob, objednávka, úroveň obsluhy.

5 Obsah 5 Obsah 1 Úvod a cíl práce Úvod Cíl práce Teoretická část Statistické veličiny Aritmetický průměr Rozptyl Směrodatná odchylka Normální rozdělení Časové řady Zásoby Řízení zásob Modely zásob Jablonského deterministické modely zásob Jablonského stochastické modely zásob Praktická část Profil firmy Molat spol. s r. o Optimalizace skladu Cement Vnitřní štuk Lepidlo na pórobeton Ytong Polystyren Závěr 40 5 Literatura 42 Přílohy Chyba! Záložka není definována.

6 Seznam grafů 6 Seznam grafů Graf 1: Skutečný stav skladu v r cement (Zdroj: vlastní zdroj)...24 Graf 2 : Porovnání stavu skladu a bodu znovuobjednávky Cement (Zdroj: vlastní zdroj)...27 Graf 3 :Porovnání stavu skladu a bodu znovuobjednávky - Vnitřní štuk (Zdroj: vlastní zdroj)...30 Graf 4 : Porovnání stavu skladu a bodu znovuobjednávky - Lepidlo na pórobeton (Zdroj: vlastní zdroj)...33 Graf 5 : Porovnání stavu skladu a bodu znovuobjednávky Ytong (Zdroj: vlastní zdroj)...35 Graf 6 : Porovnání stavu skladu a bodu znovuobjednávky Polystyren (Zdroj: vlastní zdroj)...39

7 Seznam tabulek 7 Seznam tabulek Tab. 1 Srovnání teoretického průměrného stavu zásob s doporučenou průměrnou pojistnou zásobou a průměrným bodem znovuobjednávky cement (Zdroj: vlastní zdroj)...25 Tab. 2 Stav skladu, pojistná zásoba a bod objednání v peněžním vyjádření cement (Zdroj: vlastní zdroj)...26 Tab. 3 Srovnání teoretického průměrného stavu zásob s doporučenou průměrnou pojistnou zásobou a průměrným bodem znovuobjednávky vnitřní štuk (Zdroj: vlastní zdroj)...28 Tab. 4 Stav skladu, pojistná zásoba a bod objednání v peněžním vyjádření vnitřní štuk (Zdroj: vlastní zdroj)...29 Tab. 5 Srovnání teoretického průměrného stavu zásob s doporučenou průměrnou pojistnou zásobou a průměrným bodem znovuobjednávky lepidlo na pórobeton (Zdroj: vlastní zdroj)...31 Tab. 6 Stav skladu, pojistná zásoba a bod objednání v peněžním vyjádření lepidlo na pórobeton (Zdroj: vlastní zdroj)...32 Tab. 7 Srovnání teoretického průměrného stavu zásob s doporučenou průměrnou pojistnou zásobou a průměrným bodem znovuobjednávky ytong (Zdroj: vlastní zdroj)...34 Tab. 8 Stav skladu, pojistná zásoba a bod objednání v peněžním vyjádření ytong (Zdroj: vlastní zdroj)...35 Tab. 9 Srovnání teoretického průměrného stavu zásob s doporučenou průměrnou pojistnou zásobou a průměrným bodem znovuobjednávky polystyren (Zdroj: vlastní zdroj)...37 Tab. 10 Stav skladu, pojistná zásoba a bod objednání v peněžním vyjádření polystyren (Zdroj: vlastní zdroj)...38

8 Úvod a cíl práce 8 1 Úvod a cíl práce 1.1 Úvod Zásoby mají v každém podniku zásadní vliv. Vkládá se do nich velké množství finančních prostředků. Většina podniků stojí před rozhodnutím, jaké množství kapitálu vložit do zásob, aby byly uspokojeny požadavky zákazníků při zvolené úrovni obsluhy a zároveň, aby náklady nebyly příliš vysoké pro efektivní řízení firmy. Optimalizace skladových zásob se provádí proto, aby bylo v zásobách uvázáno pouze nezbytně nutné množství finančních prostředků tak, aby nedocházelo k příliš častému nedostatku zásob na straně jedné, respektive k držení zbytečně velkého objemu zásob na straně druhé. V rámci optimalizace skladových zásob jsou využity ty kvantitativní metody, které pomáhají stanovit průměrnou denní spotřebu zvoleného materiálu, jeho směrodatnou odchylku ve spotřebě a pojistnou zásobu, která je nutná pro nečekané požadavky zákazníků. Lze také stanovit dobu, kdy je nejvhodnější zadat novou objednávku, aby byla provedena co nejefektivněji. Dále lze také určit velikost objednávky. Na optimalizaci zásob se zaměřuje tato práce. Firma Molat spol. s r. o. vede skladovou evidenci pro velké množství materiálu. Pro firmu je tedy důležité vědět, jaké množství materiálu je ideální držet na skladě a v kterém okamžiku je nejvhodnější zadávat nové objednávky. Případné, optimalizací ušetřené peněžní prostředky by bylo vhodné např. investovat do nákupu jiného druhu materiálu. První část práce pojednává o teoretických modelech řízení zásob, které budou dále použity v části praktické. Zásadním krokem v praktické části bude stanovení výše pojistné zásoby a bodu znovuobjednání.

9 Úvod a cíl práce Cíl práce Cílem bakalářské práce je optimalizace vybraných skladových zásob ve firmě Molat spol. s r. o. stavebniny a její následné aplikování do systému řízení firmy. Jedná se především o posouzení efektivnosti skladového hospodářství. Pomocí vybraných statistických metod a metod operačního výzkumu se vyhodnotí, do jaké míry se skutečně naskladněné zboží shoduje s optimálním množstvím skladových zásob při dodržení zvolené úrovně obsluhy, jaký je v naskladněném zboží zadržován kapitál, a jaké by byly úspory v případě, že bychom optimalizovali velikost skladových zásob. Případně ušetřené prostředky lze efektivně využít např. investováním, nákupem jiného materiálu. S ohledem na skutečnost, že firma obchoduje s velkým množstvím materiálu, bude vybrán reprezentativní vzorek 5 nejprodávanějších produktů, které budou analyzovány. Odstraněno: skladu Odstraněno: y Odstraněno: který se dá Odstraněno: nepřeberným Odstraněno:, který se skládá z Odstraněno: na kterém budou prováděny veškeré propočty Odstraněno:. K dosažení cíle je zapotřebí vypočítat výši pojistné zásoby a následně bod znovuobjenávky. Posledním krokem bude vyčíslení v peněžní formě a ukázka, jak velký bude objem peněz, které lze optimalizací ušetřit.

10 Teoretická část 10 2 Teoretická část 2.1 Statistické veličiny Počátky statistiky byly nalezeny již ve starověkých říších. Nyní statistiku využívá snad každý vědní obor. Řada informací má charakter údajů o hromadných jevech. Jejich zkoumání a vyhodnocování se stalo předmětnou náplní praktické i teoretické statistiky. (Hindls a kol., 2007) Aritmetický průměr Aritmetický průměr je součet absolutních četností v souboru podělený počtem hodnot v souboru. Aritmetický průměr lze také nazvat těžištěm hodnot znaku souboru. 1 x = n n x i i= 1 (1) Rozptyl Rozptyl je definován jako průměrná čtvercová odchylka kolem aritmetického průměru (Minařík, 2007). Je to nejmenší průměrná čtvercová odchylka. Rozptyl je vždy nezáporný. Rozptyl získáme sumou druhých mocnin rozdílu absolutní četnosti a aritmetického průměru. s 2 x 1 k = ( xi n i= 1 x) 2 (2)

11 Teoretická část Směrodatná odchylka Odmocněním rozptylu získáváme směrodatnou odchylku. Jedná se o kvadratický průměr odchylek hodnot znaku od jejich aritmetického průměru (Minařík, 2007). s x = s 2 x (3) Normální rozdělení Normální rozdělení N[µ;σ 2 ] je nejdůležitějším pravděpodobnostním rozdělením, které slouží jako pravděpodobnostní model chování velkého množství náhodných jevů v technice, přírodních vědách i ekonomii (Hindls a kol., 2007). Normální rozdělení je vhodným pravděpodobnostním modelem tehdy, působí-li na kolísání náhodné veličiny velký počet nepatrných a vzájemně nezávislých vlivů (Hindls a kol., 2007). Normální rozdělení má dva parametry, střední hodnotu µ, která charakterizuje polohu tohoto rozdělení a rozptyl σ 2, který charakterizuje rozptýlení hodnot okolo střední hodnoty. Normální rozdělení má tvar zvonovité křivky, která nabývá maxima v bodě x = µ při x blížící se k nekonečnu v obou směrech Časové řady Časovou řadou rozumíme posloupnost věcně a prostorově srovnatelných dat, která jsou jednoznačně uspořádána z hlediska času ve směru minulost přítomnost. Analýzou časových řad se pak rozumí soubor metod, které slouží k popisu těchto řad (Hindls a kol., 2007). Trendová složka Trend zachycuje dlouhodobou tendenci časové řady růst nebo klesat ( Trend vzniká důsledkem působení sil, které působí stejným směrem ( Při popisu trendu tedy nejde o to, zda časová

12 Teoretická část 12 řada krátkodobě klesá či roste, ale jde skutečně o zachycení tendence pohybu časové řady ( Sezónní složka Sezónní složka je pravidelně se opakující fluktuace související se střídáním ročních období, které mohou ovlivnit spotřební zvyky a schopnosti produkce ( Sezónní složka popisuje periodické změny v časové řadě, které se odehrávají v rámci jednoho kalendářního roku a každý rok se opakují ( Střídání ročních období způsobuje sezónnost. Nejčastěji pozorujeme sezónnost u čtvrtletních a měsíčních časových řad. Sezónními vlivy rozumíme soubor přímých či nepřímých příčin, které se rok co rok pravidelně opakují (Hindls a kol., 2007). K posouzení sezónnosti je nezbytné vypočítat sezónní indexy, což jsou bezrozměrná čísla. Pokud se indexy počítají pro každý měsíc v průběhu kalendářního roku, získají se jako podíl aritmetického průměru měsíčního a aritmetického průměru ročního. 2.2 Zásoby Zásoby jsou obecně považovány za projev rezerv v řídící práci manažerů a hledají se cesty, jak jejich úroveň co nejvíce snížit. (Gros, 2003). Jelikož je stav zásob dobře měřitelný, existuje mnoho modelů, jejichž cílem je určit optimální úroveň zásob. Zásoby jsou pro podnik nepostradatelné. Většina organizací má ve skladových zásobách nezanedbatelné procento aktiv. Proto se provádí optimalizace zásob, která částečně uvolní takto vázané prostředky a také snižuje náklady, které souvisejí se skladovacími procesy. Na skladě by jich mělo být přesně takové množství, aby byly uspokojené potřeby zákazníků a nedocházelo k nedostatku zásoby, ale také nebylo naskladněno přebytečné množství. Pokud chce podnik zásoby optimalizovat, musí mít možnost regulovat jejich množství. Nejdůležitějším kritériem pro optimalizaci bývají celkové náklady (minimální náklady) nebo výše očekávaného zisku (maximální zisk). Požadovaným cílem optimalizace je zjištění, jaké množství zásob objednávat ve kterém okamžiku, aby bylo dosaženo minimálních nákladů a maximálního zisku. Prováděnou optimalizací by se mělo předejít tomu, že v zásobách budou vázány značné finanční prostředky a zásoby budou zastarávat.

13 Teoretická část 13 Každá zásoba může mít tři hlavní složky, které se liší svou funkcí a průběhem jejich výše v čase: běžná zásoba, jejíž stav se v čase mění a podle jejího doplňování a čerpání je určen průměrný stav na skladě, pojistná zásoba, která se uvažuje jako rezerva určená pro krytí nepředvídatelných výkyvů v poptávce, technologická zásoba, jejíž výše je determinovaná požadavky technologie (Gros, 2003). 2.3 Řízení zásob Modely řízení zásob jsou zaměřeny na hledání takového způsobu doplňování, udržování a čerpání zásob, který zajistí jejich ekonomicky efektivní funkci v reprodukčním procesu (Gros, 2003). Úkolem řízení zásob je udržovat zásoby na takové úrovni, která splňuje funkci vyrovnání nesouladu mezi výrobou a spotřebou. Operativní řízení zásob udržuje konkrétní druhy zásob v takové výši, kterou vyžadují vnitropodnikoví uživatelé, jak výrobní i nevýrobní. Tyto potřeby včas uspokojuje s minimálním vynaložením nákladů na jejich pořízení(gros, 2003). Strategické řízení zásob je rozhodnutí o množství finančních zdrojů, které si podnik může dovolit vyčlenit ze svých zdrojů na jejich finanční krytí. V případě, že se jedná o optimalizační přístup, základním kritériem je minimalizovat celkové náklady. Jako základní optimalizační kritérium se považuje nákladové kritérium. Jak jsem již zmiňovala, zásoby dělíme na běžné a pojistné. Tyto zásoby se musí udržovat na takové úrovni, která zajišťuje minimální náklady na pořizování, skladování a udržování zásob. Při řízení zásob je nutné nalézt vhodný objednací režim. Objednací systém bývá založen např. na tom, že objednávku vystavujeme v okamžiku, kdy zásoba klesne pod tzv. objednací úroveň, která se označuje také jako bod objednávky.

14 Teoretická část 14 Bod objednávky musí být stanoven tak, aby uspokojil požadavky zákazníků do doby příchodu nové dodávky. Při stanovení objednacího zboží se můžeme řídit třemi možnostmi: předem určené standardní množství, proměnlivé množství, dle stavu bilanční zásoby ke dni objednávky, propočtené optimální množství. Rozlišujeme také strategie doplňování zásob: strategie s volnými objednacími termíny zboží se objednává, pokud zásoba klesne pod předem stanovenou hladinu, strategie s pevnými objednacími termíny termíny se pravidelně opakují, strategie s pevnými objednacími termíny, ale s nejistým doplňováním a čerpáním ze zásoby. Další rozčlenění se týká nákladů. V rámci optimalizace se minimalizují i náklady související s probíhajícími zásobovacími a skladovacími procesy. Dělíme je na: Skladovací náklady: náklady, které se vztahují ke každé jednotce zásoby na skladu po určité jednotkové časové období (Jablonský, 2003). Tyto náklady závisí na objemu zásob, proto se označují jako náklady variabilní. Pořizovací náklady: náklady, které souvisí s každou objednávkou. Označují se jako fixní náklady, protože nezáleží na velikosti dodávky. Náklady z nedostatku zásoby: vznikají z neuspokojené poptávky. Patří sem penále za pozdě dodané zboží, ušlý zisk za neuskutečněný obchod a další. 2.4 Modely zásob Poptávka po sledované jednotce zásoby se člení na dva základní typy, deterministická a stochastická. Deterministická poptávka je v rámci uvažovaného časového období pevně daná. Stochastická (pravděpodobností) poptávka je poptávkou neurčitou, její velikost se pouze odhaduje s jistou pravděpodobností (Jablonský, 2003).

15 Teoretická část 15 Důležitým aspektem při řízení zásob je vznik případného nedostatku zásoby. Musíme rozhodnout, zda je možné, aby určitá zásoba v nějakém okamžiku nebyla k dispozici. S tím souvisí vytvoření pojistné zásoby Jablonského deterministické modely zásob Model I. (EOQ I.) Tento model je nejvíce používaný a poprvé se s ním setkáváme již v roce Model se aplikuje v případě, že poptávka (Q) je předem známá a je konstantní. Předem známá a konstantní musí být také pořizovací lhůta dodávek. Čerpání zásob ze skladu musí být rovnoměrné. V tomto modelu se neuvažují množstevní rabaty, takže nákupní cena není závislá na velikosti objednávky. Dále tu není přípustný vznik nedostatku zásoby. K doplnění skladu dochází v jednom časovém okamžiku. Celkové náklady strategie zásob dělíme na dva druhy skladovací (variabilní) a pořizovací (fixní). Takže celkové náklady vyjadřujeme součtem nákladů variabilních a fixních. Velikost skladovacích nákladů zjistíme vynásobením jednotkových skladovacích nákladů s polovinou velikosti roční dodávky. Jelikož se jedná o přímou závislost skladovacích nákladů na objemu dodávky, hovoříme o lineární funkci. V případě fixních nákladů se jedná o hyperbolu, protože vyjadřuje nepřímou závislost fixních nákladů na objem dodávky. Fixní náklady vyjadřujeme vynásobením jednotkových fixních nákladů s podílem velikosti poptávky na velikost dodávky, což je průměrná velikost zásoby. Celkové náklady tedy získáme sečtením obou funkcí. N( q) q Q c1 + c 2 q = 2 (3) Optimální množství zásob držené na skladě je takové, při kterých je využito minimum celkových nákladů. Optimální úroveň objednávky získáme tím, když první derivaci této funkce položíme rovnu nule. Optimální velikost dodávky je tedy rovna: q* = 2 Q c c 1 2 (4)

16 Teoretická část 16 Po dosazení optimální velikosti dodávky q* do nákladové funkce získáváme optimální hodnotu celkových nákladů: N* = 2 Q c c 1 2 (5) Pokud známe optimální velikost dodávky, je důležité zjistit optimální délku dodávkového cyklu. Ten lze vyjádřit jako podíl velikosti jedné dodávky na velikost roční poptávky. q * t* = = Q 2 c2 Q c 1 (6) Nyní je potřeba zjistit bod znovuobjednávky, který udává, v jakém okamžiku je potřeba objednat nové zboží, při jakém počtu skladové zásoby, aby k doplnění skladu došlo v požadovaném okamžiku. Nejlépe v okamžiku vyčerpání zásoby. Abychom zjistili bod znovuobjednání, musíme znát pořizovací lhůtu dodávky (d). Pro zjištění tohoto bodu musíme podělit celkovou poptávku pořizovací lhůtou a poté zjistit zbytek po dělení optimální velikostí dodávky. Q r * = MOD(, q*) d (7) Model II. přechodné neuspokojení poptávky Tento model vychází z modelu I, ovšem připouští přechodný nedostatek zásoby na skladu. Takže v určitém okamžiku může být poptávka po jednotkách zásoby přechodně neuspokojena. Dodávkový cyklus se rozpadá na dva intervaly. V prvním intervalu, označíme si ho jako t1, dochází k vyčerpání zásoby na skladě. V druhém intervalu t2 zásoba na skladu už není a poptávka není uspokojena. Celková délka dodávkového cyklu je tedy t = t1+t2. Nerealizovaná poptávka (s) v intervalu t2 bude uspokojena ihned po doručení nejbližší dodávky skladového materiálu. Z celkového objemu q jednotek bude

17 Teoretická část 17 tedy s jednotek okamžitě použito na uspokojení dosud nerealizované poptávky. Teprve až zbytek přijatých jednotek (q-s) bude umístěn na sklad. Tím, že se dodávkový cyklus rozdělil na více etap, nákladová funkce je také rozdělena na tři položky, tudíž celková nákladová funkce je součtem tří nákladových položek. Skladovací náklady, které jsou variabilní vyjádříme jako součin průměrné zásoby, která je v každém cyklu ve výši poloviny uskladněné zásoby po odběru čekající poptávky (q-s)/2. Další část nákladů jsou pořizovací, fixní náklady, souvisí s pořízením každé dodávky. Třetí etapa jsou náklady z nedostatku zásoby a ty počítáme jako součin průměrného nedostatku zásoby s/2, jednotkových nákladů a doby t2, po kterou není zásoba k dispozici. Těchto cyklů proběhne ve sledovaném období několik. V rámci jednoho cyklu jsou celkové náklady rovny součtu uvedených tří položek. q s s Q N( q, s) = ( c1 t1 + c2 + c3 t2 ) 2 2 q (8) Na základě podobnosti trojúhelníků můžeme nákladovou funkci vyjádřit za pomocí dvou proměnných, velikosti objednaného zboží q a množství neuspokojené poptávky s. Pokud první derivaci položíme opět rovnu nule, dosáhneme tak extrému a tím získáme optimální hodnotu výše dodávky (q) a optimální výši neuspokojené poptávky (s). q* = 2Qc c 1 c + c c 3 (9) s* = q * c 1 c1 + c 3 (10) Velmi důležité je stanovit pravděpodobnost uspokojení a neuspokojení požadavku. Pravděpodobnost uspokojení (α) zjistíme podílem nákladu

18 Teoretická část 18 z neuspokojení a součtu nákladů skladovacích a nákladů z neuspokojení. Pravděpodobnost neuspokojení (β) vypočítáme analogicky, v čitateli máme skladovací náklady a ve jmenovateli je součet skladovacích nákladů a nákladů z neuspokojení. α = 1 c 3 c + c 3 (11) β = c1 c + c 1 3 (12) Optimální výše nákladů je rovna optimální výši nákladů z modelu I. s tím rozdílem, že ji vynásobíme odmocninou konstanty α. Vzhledem k tomu, že α je vždy menší než 1, jsou náklady v modelu, kde uvažujeme neuspokojenou poptávku vždy nižší, než v modelu I. N* = 2 Q c 1 c 2 c3 c + c 1 3 (13) Optimální délka dodávkového cyklu (t) opět vychází z modelu I., výsledek je dále vynásoben odmocněním převrácené hodnoty pravděpodobnosti z uspokojení poptávky. Bod znovuobjenání (r) se vypočte podobně jako v modelu I. Je to tedy zbytek po dělení očekávané poptávky optimální hodnotou dodávky. Výsledek je třeba snížit o optimální objem neuspokojené poptávky. t* = 2 c2 Q c 1 c + c 1 c 3 3 (14) Q r* = MOD, q * s* d (15)

19 Teoretická část Jablonského stochastické modely zásob U stochastickým modelů zásob musíme počítat s tím, že nakoupená zásoba na skladě nemusí stačit požadavkům zákazníků. Z toho vznikají ztráty tržeb, zisku a může to vést i ke ztrátě zákazníka. Model I. stochastická spojitá poptávka V tomto modelu jsou stejné předpoklady jako v deterministickém modelu I., avšak s tím rozdílem, že poptávka je stochastická, takže výše poptávky v daném časovém období je náhodná veličina s jistým pravděpodobnostním rozdělením. V našem modelu máme opět bod znovuobjednávky (r), pokud zásoba na skladě klesne na stanovenou mez r, vystavíme objednávku. Pořizovací lhůtu dodávky (d) uvažujeme konstantní. Existují dvě možnosti příjmu dodávky. V prvním případě dodávka přijde na sklad v okamžiku, kdy je stav stavu kladný. Takže veškerá poptávka, která je během pořizovací lhůty dodávky nižší než bod znovuobjednávky, je uspokojená. V případě druhém je poptávka během pořizovací lhůty dodávky vyšší než bod znovuobjednávky, takže během pořizovací lhůty dodávky bude zásoba vyčerpána a dojde k částečnému neuspokojení požadavků zákazníků. V modelu stochastické spojité poptávky musíme znát charakter poptávky. Ten zjistíme příslušným pravděpodobnostním rozdělením střední hodnotou a směrodatnou odchylkou. Základní charakteristiky výpočtu jsou shodné s deterministickým modelem I. s tím rozdílem, že místo deterministické poptávky Q se použije střední hodnota poptávky µq. Pokud se bude objednávka provádět v okamžiku, kdy zásoba klesne na úroveň r*, potom obě popsané situace mohou nastat s 50% pravděpodobností, tzn. v každém druhém cyklu dojde k výskytu nedostatku zásoby na skladu. Aby v rámci jednoho cyklu nedocházelo k neuspokojení požadavků, zavádíme úroveň obsluhy (γ). Čím vyšší je úroveň obsluhy, tím menší je pravděpodobnost výskytu neuspokojené poptávky. Pro uspokojení všech požadavků zákazníků je nutné vystavit objednávku v okamžiku, kdy zásoba na skladě ještě nedosáhne bodu r*. Signální úroveň pro vystavení objednávky vypočítáme jako r*+w, kde w je pojistná zásoba. Pojistná zásoba slouží ke krytí převisu poptávky v rámci pořizovací lhůty dodávky, tlumí

20 Teoretická část 20 náhodné výkyvy na straně vstupu do podniku i výstupu z podniku. Pojistná zásoba sice zajišťuje vyšší úroveň obsluhy, ale také navyšuje skladovací náklady. Střední hodnotu skladovacích a pořizovacích zásob (µ) vypočítáme jako v deterministickém modelu I. a výsledek zvýšíme o skladovací náklady pojistné zásoby. Je to tedy odmocnina součinu dvojnásobku střední hodnoty poptávky, skladovacích a pořizovacích nákladů, navýšená o skladovací náklady pojistné zásoby. µ N = 2 µ Q c1 c2 + c1 w (16) Po určení výše pojistné zálohy řešíme, zda poptávka Qd, která je během pořizovací lhůty menší nebo rovna bodu znovuobjednání navýšeném o pojistnou zásobu, je větší nebo rovna úrovni obsluhy (γ). Aby bylo možné tohle řešit, je třeba definovat pravděpodobnostní rozdělení pro poptávku. Pro poptávku Qd v rámci pořizovací lhůty d musíme určit střední hodnotu µqd a směrodatnou odchylku δqd. Pro zjištění pojistné zásoby musíme transformovat poptávku v rámci pořizovací lhůty na náhodnou veličinu s normovaným normálním rozdělením N(0,1). Q d r * z = σ Qd (17) Z tabulek distribuční funkce rozdělení N(0,1) zjistíme, která hodnota odpovídá úrovni obsluhy. Dosazením do vzorce (17) získáme objem poptávky během pořizovací lhůty dodávky, který nebude s námi zadanou pravděpodobností překročen: r = r * + w γ (18)

21 Teoretická část 21 Tímto se dostáváme k pojistné zásobě, která se vypočítá jakou součin směrodatné odchylky a p-procentního kvantilu normovaného normálního rozdělení, kde p je požadovaná pravděpodobnost uspokojení poptávky. w z σ d (19)

22 Praktická část 22 3 Praktická část 3.1 Profil firmy Molat spol. s r. o. Optimalizaci skladu provádím ve firmě Molat spol. s r. o., v oddělení stavebnin. Molat spol. s r. o. je stavební firma zabývající se především rekonstrukcí památkových objektů. Dále je stavební produkce naplněna občanskou a průmyslovou výstavbou. Firma byla založena roku 1989 a již od svých počátků se zaměřovala na památkové objekty, jako jsou hrady, zámky a kostely. Ze zrekonstruovaných zámků lze jmenovat zejména Lysice, Bučovice, Lednice, Rájec nad Svitavou, Boskovice, Kunštát na Moravě. Z hradů je třeba zmínit Pernštejn, Boskovice, Veveří. Z kostelů můžeme například Křenov, Boskovice, Svitavy, Moravská Třebová a další. Některé památkové objekty jsou Národní kulturní památkou, Lednicko Valtický areál je dokonce zapsán do seznamu světového kulturního dědictví UNESCO ( Dnes firma nabízí velice kvalitní stavební servis širokého sortimentu. Mimo vlastní stavební činnosti provozuje firma Molat spol. s r. o. i prodejnu koupelnových potřeb, barev a jiného doplňkového sortimentu. Dále vlastní prodejnu stavebnin. Prodejna stavebního materiálu se datuje od roku 2003 a i přes značnou konkurenci v okolních městech má své stálé zákazníky a vynikající výsledky. 3.2 Optimalizace skladu V rámci optimalizace je základním krokem získání dat, ze kterých se dále přechází na základě výpočtů k samotné optimalizaci a následně k implementaci výsledků do podniku. Optimalizace bude prováděna pomocí stochastického modelu zásob. Jelikož firma naskladňuje velké množství zásob, bylo vybráno 5 nejprodávanějších položek skladového materiálu cement, ytong 10cm, polystyren 5cm, lepidlo na pórobeton a vnitřní štuk. Z ekonomického softwaru STEREO byla vybrána data potřebná pro výpočty optimalizace. Data jsou sesbírána za posledních 5 let, takže od roku 2005 do roku 2009 a optimalizace je prováděna v měsíčních intervalech. Prvním krokem bylo zjištění pohybů jednotlivých druhů materiálu, jako je příjem a výdej ze skladu. Z těchto informací se dále zjišťo-

23 Praktická část 23 vala budoucí poptávka. Zdrojová data byla umístěna do tabulek, ze kterých se dále počítalo. S ohledem na jejich množství jsou tabulky umístěny do příloh práce Cement Naformátováno: Odrážky a číslování Prvním a zásadním krokem bylo získání informací o naskladnění a následném prodeji cementu. Proto byla vytvořena tabulka, do které byly zaznamenávány příjmy, výdaje a následně také propočítán denní stav zásoby. Z hodnot o vyskladnění se vypočítá průměrný prodej v každém roce. Průměrný prodej se vypočítá podle vzorce č. 1. Denní průměrný prodej vypočítáme jako součin sezónního indexu pro dané období a průměrného prodeje za daný rok. Pro výpočet sezónního indexu je zapotřebí znát průměrné měsíční výdeje cementu za rok. V každém roce se sečtou měsíční výdeje a v období 5 let se vypočítá průměr za jednotlivý měsíc. K výpočtu indexu dále potřebujeme průměr ročních výdejů. Index tedy získáme podílem průměrného měsíčního výdeje a průměrného ročního výdeje. Dalším důležitým krokem je výpočet rozptylu, podle vzorce č. 2. Pro výpočet potřebujeme znát váženou čtvercovou odchylku od průměru. Rozptyl tedy získáme sumarizací vážené čtvercové odchylky od průměru a podělením počtem dnů, po které se měření provádělo. Jelikož jsou stavebniny otevřeny až od a uzavřou se , počet dnů se v tomto období zkrátí. Do výpočtů se samozřejmě nezahrnuje neděle. Následným výpočtem získáme rozptyl pro každý měsíc v roce. Z rozptylu vynásobeného počtem dnů dodávky se vypočítá směrodatná odchylka, kterou získáme dle vzorce č. 3. jeho odmocněním. Směrodatná odchylka je důležitá pro výpočet pojistné zásoby. Velikost pojistné zásoby se odvíjí od nastavené míry obsluhy. V případě cementu, nejprodávanějšího druhu materiálu, budeme uvažovat úroveň obsluhy 99 %. Z této hodnoty vyplývá hodnota distribuční funkce normovaného normálního rozdělení 2,327. Když tuto hodnotu vynásobíme směrodatnou odchylkou, dostaneme velikost pojistné zásoby. Nyní je potřeba zjistit dodací lhůtu cementu a denní rozptyl vynásobit počtem dnů dodávky. Dodávka cementu trvá 2 dny, proto směrodatnou odchylku násobíme dvěma. Nová objednávka je vystavována v okamžiku, kdy stav zásoby klesne na stanovenou mez, která se označuje jako bod znovuobjednávky. Tento bod se zjistí součtem pojistné zásoby podle úrovně obsluhy a spotřeby během

24 Praktická část 24 doby dodání. Jelikož máme statistickou řadu pěti let, spočítáme průměrné hodnoty znovuobjenávek za 5 let pro každý měsíc. V tomto okamžiku jsou hotovy veškeré výpočty doporučených hodnot. Dále je třeba porovnat je s reálnými daty. Skutečný stav skladu v r je vyobrazen v grafu č. 1. Křivka skutečného stavu skladu kolísá z důvodu nevyváženosti příjmů a výdejů. V prodejně stavebnin nakupují běžní občané, ale také i firmy a menší živnostníci, kteří odebrané zboží neplatí při převzetí. Odebrané zboží se zapíše do provizorní výdejky, která se zaúčtuje ke konci měsíce, většinou poslední den. To způsobuje náhlý pokles stavu skladu ke konci měsíců. Jakmile prudce klesne stav skladu, je objednáváno další zboží, a to značí nárůstky stavu skladu na počátcích následujících měsíců. Nejmenší výkyvy jsou v zimních obdobích, kde odběr cementu není velký. Graf 1: Skutečný stav skladu v r cement (Zdroj: vlastní zdroj) Skutečný stav skladu v r Metráky Skutečný stav skladu Datum S pomocí sezónních indexů je nutné vypočítat průměrný stav skladu. Výpočty se provádí na stejném principu jako u denního průměrného projede, tedy jako součin sezónního indexu pro dané období s průměrným ročním stavem skladu. Dostáváme průměrný stav skladu pro každý měsíc s průměrem hodnot za 5 let. V tabulce č. 1 je srovnán průměrný stav skladu s doporučenou průměrnou pojistnou zásobou a doporučeným průměrným bodem znovuobjednání, která je signálním stavem skladu. Jakmile stav zboží na skladě klesne, např. v lednu, na 21 q cementu, v tento okamžik musí odpovědný pracovník zadat objednávku. Dodání objednaného množství cementu trvá dva dny. Nyní máme 99% pravděpodobnost, že než přijde nová dodávka, bude zásoba na skladě dostačující. Je tu 99% pravděpodobnost, že veškeré požadavky zákazníků budou uspokojeny.

25 Praktická část 25 Tab. 1 Srovnání teoretického průměrného stavu zásob s doporučenou průměrnou pojistnou zásobou a průměrným bodem znovuobjednávky cement (Zdroj: vlastní zdroj) Měsíc Prům. stav Prům. pojistná Prům. bod skladu (q) zásoba (q) objednávky (q) Leden Únor Březen Duben Květen Červen Červenec Srpen Září Říjen Listopad Prosinec Naformátováno: Číslování + Úroveň: 1 + Styl číslování: 1, 2, 3, + Začít od: 1 + Zarovnání: Vlevo + Zarovnat na: 0 cm + Tabulátor za: 0,35 cm + Odsadit na: 0 cm Dalším krokem optimalizace je zjištění, zda firma neměla naskladněno malé nebo naopak velké množství cementu. V tabulce č. 2 je opět srovnán průměrný stav skladu s doporučenou průměrnou pojistnou zásobou a doporučeným průměrným bodem znovuobjednání, tentokrát v peněžním vyjádření. Nyní si uvedeme přesnou částku, kterou u tohoto druhu materiálu ušetříme, pokud se budeme řídit bodem objednávky. Cena 1 q cementu je 300 Kč. Uvedený propočet na leden ukazuje, že průměrný stav skladu na dva dny je 129 q. To tedy odpovídá Kč. Když uděláme přepočet u bodu znovuobjednávky, získáme Kč. V tomto měsíci je tedy zbytečně uvázáno Kč, které lze použít k jiným investicím, nebo k nákupu jiného materiálu. Pokud takhle přepočítáme všechny měsíce, zjistíme, že rozdíl mezi bodem znovuobjednávky a stavem skladu je celkem Kč.

26 Praktická část 26 Tab. 2 Stav skladu, pojistná zásoba a bod objednání v peněžním vyjádření cement (Zdroj: vlastní zdroj) Měsíc Prům. stav Prům. pojistná Prům. bod skladu (kč) zásoba (kč) objednávky (kč) Leden Únor Březen Duben Květen Červen Červenec Srpen Září Říjen Listopad Prosinec Skladované množství je několikanásobně vyšší než je nezbytně nutné. Tato skutečnost je velice dobře zřetelná na následujícím grafu č. 2. Modrá křivka, která uvádí teoretický průměrný stav skladu je ve vyšších hodnotách než křivka růžová, která udává doporučený průměrný bod zbovuobjednávky. Co se týká kolísavosti křivek, jsou si velice podobné. V každém měsíci je reálný stav skladu a bod znovuobjednávky rozdílný. Jelikož stavebnictví je sezónní činnost, projevuje se sezónnost i v prodeji materiálu. Největší odběr cementu je v letních měsících, proto v těchto měsících bude vyšší bod znovuobjednávky než v měsících zimních. U tohoto druhu materiálu je to velice dobře zřetelné. V porovnání letních a zimních měsíců je u bodu znovuobjednávky rozdíl v desetitisících korun. Pozitivní je, že v žádném bodě se křivky neprotínají, což znamená, že požadavky zákazníků by měly být doposud vždy uspokojeny, ovšem s velkým množstvím uvázaných peněžních prostředků. Naformátováno: Číslování + Úroveň: 1 + Styl číslování: 1, 2, 3, + Začít od: 1 + Zarovnání: Vlevo + Zarovnat na: 0 cm + Tabulátor za: 0,35 cm + Odsadit na: 0 cm Odstraněno: Pojistná zásoba CementMěsíc... [1]

27 Praktická část 27 Graf 2 : Porovnání stavu skladu a bodu znovuobjednávky Cement (Zdroj: vlastní zdroj) Cement - porovnání 500 Metráky I. II. III IV V VI VII VIII IX X XI XII Měsíce Průměrný stav skladu Průměrný bod znovuobjednávky Vnitřní štuk Naformátováno: Odrážky a číslování Vnitřní štuk nebo-li jemná vnitřní je další, často prodávaný druh materiálu. Prodává se po pytlích, v tomto případě budeme brát v úvahu označení ks. K vypočtení pojistné zásoby a bodu znovuobjednávky se dostaneme pomocí stejných vzorců a výpočtů jako u cementu. Dodávka vnitřního štuku ode dne objednání činí stejně jako u cementu dva dny. V tabulkách, které jsou umístěny v příloze, můžeme vidět, že vnitřní štuk nemá tak vysoké výdeje jako cement, proto u tohoto druhu materiálu bude pro výpočet pojistné zásoby stačit 95% úroveň obsluhy, z čehož vyplývá hodnota distribuční funkce normovaného normálního rozdělení 1,645. V tabulce č. 3 je zaznamenáno srovnání teoretického průměrného stavu skladu, vypočítané průměrné pojistné zásoby a doporučeného průměrného bodu znovuobjednávky. Máme tedy 95% pravděpodobnost, že během dvou dnů, kdy jsme provedli objednávku, budou zákazníci uspokojeni. Např. v lednu je doporučená pojistná zásoba 10 ks, doporučené vystavení nové objednávky je tedy v okamžiku, kdy je na skladě 12 ks vnitřního štuku.

28 Praktická část 28 Tab. 3 Srovnání teoretického průměrného stavu zásob s doporučenou průměrnou pojistnou zásobou a průměrným bodem znovuobjednávky vnitřní štuk (Zdroj: vlastní zdroj) Měsíc Prům. stav Prům. pojistná Prům. bod skladu (ks) zásoba (ks) objednávky (ks) Leden Únor Březen Duben Květen Červen Červenec Srpen Září Říjen Listopad Prosinec Naformátováno: Číslování + Úroveň: 1 + Styl číslování: 1, 2, 3, + Začít od: 1 + Zarovnání: Vlevo + Zarovnat na: 0 cm + Tabulátor za: 0,35 cm + Odsadit na: 0 cm Tabulka č. 4 uvádí stejné srovnání jako tabulka č. 3, jen jsou hodnoty přepočítané na peněžní prostředky. Jeden pytel vnitřního štuku stojí 84 Kč. V lednu bylo průměrně naskladněno 75 ks, což znamená ks. Doporučený bod znovuobjednávky je po vynásobení 84 Kč Kč. Rozdíl tedy činí Kč. U zbylých měsíců je rozdíl ještě markantnější, v celkovém součtu se dostaneme na částku Kč.

29 Praktická část 29 Tab. 4 Stav skladu, pojistná zásoba a bod objednání v peněžním vyjádření vnitřní štuk (Zdroj: vlastní zdroj) Měsíc Prům. stav Prům. pojistná Prům. bod skladu (kč) zásoba (kč) objednávky (kč) Leden Únor Březen Duben Květen Červen Červenec Srpen Září Říjen Listopad Prosinec Naformátováno: Číslování + Úroveň: 1 + Styl číslování: 1, 2, 3, + Začít od: 1 + Zarovnání: Vlevo + Zarovnat na: 0 cm + Tabulátor za: 0,35 cm + Odsadit na: 0 cm Odstraněno: <#>Pojistná zásoba Vnitřní štuk Měsíc... [2] U vnitřního štuku není prodejnost natolik ovlivněna ročním obdobím. S tímto druhem materiálu lze snadno pracovat i v zimních měsících, proto křivka doporučeného průměrného bodu znovuobjednávky a průměrného stavu skladu v grafu č. 3 už neukazuje takovou sezónnost jako křivky u cementu. Nějaké měsíční rozdíly tu ale přece jen jsou. Nejmenší stav skladu je ke konci roku, což se dá vysvětlit tím, že firma se snaží doprodat naskladněné zboží a neprovádí nové objednávky před očekávanou inventarizací.

30 Praktická část 30 Graf 3 :Porovnání stavu skladu a bodu znovuobjednávky - Vnitřní štuk (Zdroj: vlastní zdroj) Vnitřní štuk - porovnání Kusy I II III IV V VI VII VIII IX X XI XII Měsíce Průměrný stav skladu Průměrný bod znovuobjednávky Lepidlo na pórobeton Naformátováno: Odrážky a číslování Lepidlo na pórobeton, jinak také lepidlo na ytong. Opět materiál, který patří s ytongem mezi nejprodávanější. Stejně tak jako vnitřní štuk se prodává po pytlech, v tabulkách označení ks. Pro výpočet pojistné zásoby uvažujeme 95% úroveň obsluhy. Doporučená průměrná pojistná zásoba s 95% úrovní obsluhy je ukázaná v tabulce č. 5, kde nalezneme také doporučený průměrný bod znovuobjednání, který získáme součtem pojistné zásoby s dvoudenním průměrným výdejem. Průměrný výdej je dvoudenní z toho důvodu, že délka od objednání materiálu k jeho dodání do prodejny je dva dny. Dále je v této tabulce vypočítán i průměrný stav na skladě, vypočítaný z nashromážděných dat v období 5 let. U tohoto druhu materiálu se sezónnost také nijak výrazně neprojevila, vypočítaná pojistná zásoba i průměrný bod znovuobjednávky nemají v průběhu roku extrémní výkyvy. Pojistná zásoba se pohybuje od 5 ks do 21 ks. Reálně naskladněného zboží je opět o dost více. V lednu je průměrně na skladě 122 ks, signální stav pro vypracování nové objednávky je ale pouze 9 ks.

31 Praktická část 31 Tab. 5 Srovnání teoretického průměrného stavu zásob s doporučenou průměrnou pojistnou zásobou a průměrným bodem znovuobjednávky lepidlo na pórobeton (Zdroj: vlastní zdroj) Měsíc Prům. stav Prům. pojistná Prům. bod skladu (ks) zásoba (ks) objednávky (ks) Leden Únor Březen Duben Květen Červen Červenec Srpen Září Říjen Listopad Prosinec Naformátováno: Číslování + Úroveň: 1 + Styl číslování: 1, 2, 3, + Začít od: 1 + Zarovnání: Vlevo + Zarovnat na: 0 cm + Tabulátor za: 0,35 cm + Odsadit na: 0 cm Jako vzorový příklad uvedeme opět leden. Jeden pytel lepidla na pórobeton stojí 90 Kč. Jakmile stav skladu dosáhne bodu 9, tzn. na skladě zůstane 9 pytlů lepidla, je potřeba vystavit novou objednávku. Vynásobením 9 ks 90 Kč získáme částku 794 Kč. To stejné provedeme s průměrným stavem skladu. Stav skladu v lednu byl 122 ks, vynásobením 90 Kč získáme částku Kč. Po odečtení konečných částek dostaneme množství peněžních prostředků zbytečně investovaných do skladového materiálu. Jedná se o Kč. Stejné výpočty provedeme u každého měsíce a získáme tím částku Kč. Necelých Kč by bylo možné optimalizací získat a použít je za jiným účelem, jako je nákup jiného materiálu, zaplacení závazků nebo zhodnocení na účtu.

32 Praktická část 32 Tab. 6 Stav skladu, pojistná zásoba a bod objednání v peněžním vyjádření lepidlo na pórobeton (Zdroj: vlastní zdroj) Měsíc Prům. stav Prům. pojistná Prům. bod skladu (kč) zásoba (kč) objednávky (kč) Leden Únor Březen Duben Květen Červen Červenec Srpen Září Říjen Listopad Prosinec Naformátováno: Číslování + Úroveň: 1 + Styl číslování: 1, 2, 3, + Začít od: 1 + Zarovnání: Vlevo + Zarovnat na: 0 cm + Tabulátor za: 0,35 cm + Odsadit na: 0 cm Křivka teoretického průměrného stavu skladu v grafu č. 4 výrazně nekolísá, pouze v měsíci březnu naskladněné zboží roste a v dubnu prudce klesá, což je způsobeno vyšším odběrem materiálu. Křivka doporučeného bodu znovuobjednávky se drží v nižších hodnotách od 6 do 23 ks, což opět nenaznačuje velkou sezónnost. Vyšší body znovuobjednávky jsou v letních měsících, kde se očekává větší poptávka zákazníků. Na grafu je vidět, jak velké jsou rozdíly mezi oběma křivkami, zásoby se zadržují na skladě dlouhou dobu, což není příznivé pro vynaložené náklady ani pro kvalitu materiálu.

33 Praktická část 33 Graf 4 : Porovnání stavu skladu a bodu znovuobjednávky - Lepidlo na pórobeton (Zdroj: vlastní zdroj) Lepidlo na pórobeton - porovnání Odstraněno: <#>Pojistná zásoba Lepidlo na pórobeton Měsíc... [3] Kusy I II III IV V VI VII VIII IX X XI XII Měsíce Průměrný stav skladu Průměrný bod znovuobjednáv ky Ytong Naformátováno: Odrážky a číslování V prodejně stavebnin firmy Molat spol. s r. o. je výběr z několika druhů ytongu. Nejprodávanější je ytong tloušťky 10 cm. Pro výpočet pojistné zásoby použijeme 95% úroveň obsluhy. Lhůta dodávky je opět dvoudenní, proto se i výpočet pojistné zásoby skládá z dvoudenní směrodatné odchylky a požadované úrovně obsluhy. Velikost doporučené pojistné zásoby spolu s doporučeným bodem objednávky a teoretickým stavem skladu nalezneme v tabulce č. 7. Nejvíce kusů ytongu je doporučeno držet na skladě v měsíci dubnu, kdy je doporučená výše pojistné zásoby 118 ks, signální výše stavu skladu po přičtení průměrné spotřeby za dva dny je tedy 147 ks. Naskladněné zboží je opět velice vysoké oproti bodu objednávky. V prosinci je průměrně na skladě 887 ks ytongu. K uspokojení požadavků zákazníků by ale stačilo pouhých 53 ks ytongu. Rozdíl je tedy značný a činí 834 kusů.

34 Praktická část 34 Tab. 7 Srovnání teoretického průměrného stavu zásob s doporučenou průměrnou pojistnou zásobou a průměrným bodem znovuobjednávky ytong (Zdroj: vlastní zdroj) Měsíc Prům. stav Prům. pojistná Prům. bod skladu (ks) zásoba (ks) objednávky (ks) Leden Únor Březen Duben Květen Červen Červenec Srpen Září Říjen Listopad Prosinec Naformátováno: Číslování + Úroveň: 1 + Styl číslování: 1, 2, 3, + Začít od: 1 + Zarovnání: Vlevo + Zarovnat na: 0 cm + Tabulátor za: 0,35 cm + Odsadit na: 0 cm Tabulka č. 8 uvádí peněžní prostředky, které jsou zapotřebí k udržení pojistné zásoby, dále finanční prostředky, které odpovídají doporučenému bodu objednávky a také množství peněžních prostředků, které jsou teoreticky uvázané ve skladových zásobách ytongu. V lednu je rozdíl mezi stavem skladu a bodem znovuobjednávky 589 ks ytongu, což je po vynásobení cenou 41 kč za kus Kč. V měsíci únoru je rozdíl značně nižší, činí 123 ks, tzn Kč. Největší rozdíl je v říjnu, a to ks, tzn Kč. Naskladněné zboží zůstává na skladě po několik dalších měsíců z důvodu nízké poptávky. Celkové uvězněné peněžní prostředky za všechny měsíce tedy jsou Kč.

35 Praktická část 35 Tab. 8 Stav skladu, pojistná zásoba a bod objednání v peněžním vyjádření ytong (Zdroj: vlastní zdroj) Měsíc Prům. stav Prům. pojistná Prům. bod skladu (kč) zásoba (kč) objednávky (kč) Leden Únor Březen Duben Květen Červen Červenec Srpen Září Říjen Listopad Prosinec Křivka průměrného stavu skladu v grafu č. 4 je oproti ostatním materiálům o poznání jiná. V tomto případě kolísá a nekoresponduje s křivkou bodu znovuobjednávky. Značí to velké množství dodaného materiálu v průběhu měsíců, které se uskuteční po předchozím vyskladnění. Tato metoda může ale velice často způsobit nedostatek materiálu na skladě a tím neuspokojení zákazníků. Z důvodu tohoto kolísání vznikají velké rozdíly v rámci jednotlivých měsíců. Naformátováno: Číslování + Úroveň: 1 + Styl číslování: 1, 2, 3, + Začít od: 1 + Zarovnání: Vlevo + Zarovnat na: 0 cm + Tabulátor za: 0,35 cm + Odsadit na: 0 cm Odstraněno: <#>Pojistná zásoba Ytong Měsíc... [4] Graf 5 : Porovnání stavu skladu a bodu znovuobjednávky Ytong (Zdroj: vlastní zdroj) Odstraněno: Ytong - porovnání Kusy I II III IV V VI VII VIII IX X XI XII Měsíce Průměrný stav skladu Průměrný bod znovuobjednávky

36 Praktická část Polystyren Polystyren má různé druhy využití, nejčastěji se ale používá k zateplování. Polystyren se rozděluje podle tloušťky v cm. Do naší optimalizace je zahrnut polystyren toušťky 5 cm. Všechny předešlé druhy materiálu měly dobu dodání stejnou, u polystyrenu je dodací lhůta objednaného zboží 6 dnů. Proto se pojistná zásoba počítá s šestidenní směrodatnou odchylkou a nastavenou 95% úrovní obsluhy. Ve vypočtených pojistných zásobách jednotlivých měsíců nejsou veliké rozdíly, odlišuje se pouze měsíc září, kde je pojistná zásoba 69 m 2, viz tabulka č. 9. Z pojistné zásoby dále počítáme doporučený bod znovuobjednávky, kde hodnoty kopírují doporučené pojistné zásoby a liší se přičtením šestidenního průměrného prodeje, takže opět největší hodnota doporučeného průměrného bodu znovuobjednávky je v září a činí 80 m 2. Dále je v tabulce č. 9 uveden teoretický průměrný stav skladu, který je v každém měsíci znatelně vyšší než uvedená pojistná zásoba. Naformátováno: Odrážky a číslování Odstraněno:, která Odstraněno: 95

37 Praktická část 37 Tab. 9 Srovnání teoretického průměrného stavu zásob s doporučenou průměrnou pojistnou zásobou a průměrným bodem znovuobjednávky polystyren (Zdroj: vlastní zdroj) Měsíc Prům. stav Prům. pojistná Prům. bod skladu (m 2 ) zásoba (m 2 ) objednávky (m 2 ) Leden Únor Březen Duben Květen Červen Červenec Srpen Září Říjen Listopad Prosinec Naformátováno: Odrážky a číslování Pokud porovnáme teoretický průměrný stav skladu s doporučeným průměrným bodem objednání, získáváme rozdíly v rámci tisíců korun. Z tabulky č. 10 získáme hodnoty za měsíc leden a vznikne rozdíl teoretického průměrného stavu zásob a doporučeného průměrného bodu objednání Kč. Při dodržování této optimalizace je tedy 95% pravděpodobnost, že poptávka po zboží v měsíci lednu nepřesáhne 18 m 2 a na nakoupení zásob pro tento měsíc postačí částka 675 Kč. Po propočtu na peněžní jednotky se ve v každém měsíci v roce dostaneme na částku Kč. Případnou optimalizací může firma u tohoto materiálu ušetřit Kč.

38 Praktická část 38 Tab. 10 Stav skladu, pojistná zásoba a bod objednání v peněžním vyjádření polystyren (Zdroj: vlastní zdroj) Měsíc Prům. stav Prům. pojistná Prům. bod skladu (kč) zásoba (kč) objednávky (kč) Leden Únor Březen Duben Květen Červen Červenec Srpen Září Říjen Listopad Prosinec Graf č. 6 značí určitou sezónnost. Ve většině případů se sezónnost projevovala v letních měsících, kdy se provádí nejvíce stavebních prací. Co se týká polystyrenu, sezónnost se vyskytuje v podzimních měsících. Křivka teoretického průměrného stavu skladu v měsíci červnu začíná stoupat, což je způsobeno naskladněním většího množství materiálu s očekáváním následného prodeje. V průběhu měsíce září se naplnilo očekávání a zvýšila se prodejnost a křivka začala klesat. Zvýšený prodej je způsoben potřebou zákazníků zateplovat svoje obydlí před blížící se zimou. Proto se i signální stav skladu, doporučený průměrný bod objednání, v měsíci září zvyšuje ze srpnových 29 m 2 na 80 m 2. Naformátováno: Číslování + Úroveň: 1 + Styl číslování: 1, 2, 3, + Začít od: 1 + Zarovnání: Vlevo + Zarovnat na: 0 cm + Tabulátor za: 0,35 cm + Odsadit na: 0 cm Odstraněno: <#>Pojistná zásoba Polystyren Měsíc... [5]

39 Praktická část 39 Graf 6 : Porovnání stavu skladu a bodu znovuobjednávky Polystyren (Zdroj: vlastní zdroj) Polystyren - porovnání 300 m I II III IV V VI VII VIII IX X XI XII Měsíce Průměrný stav skladu Průměrný bod znovuobjednávky

40 Závěr 40 4 Závěr Optimalizace skladového hospodářství firmy Molat spol. s r. o. stavebniny byla prováděna pro vybraných 5 nejprodávanějších druhů zásob. Zásoby jsou jednou z nejvýznamnějších nákladových položek, proto je nutné je vhodně řídit. Při neefektivním řízení zásob může docházet k vázání zbytečně velkého množství kapitálu nebo naopak k dočasnému nedostatku zásoby a tím neuspokojení požadavků zákazníků, což může způsobovat odliv zákazníků k jiné společnosti. K řízení zásob lze použít deterministické, resp. Stochastické modely. Cílem prováděné optimalizace bylo posouzení efektivnosti skladového hospodářství vybraných skladových položek. Pomocí statistických metod a metod operačního výzkumu se podařilo zjistit, na jaké úrovni je skladové hospodářství firmy Molat spol. s r. o. stavebniny. Významnými ukazateli v optimalizaci jsou pojistná zásoba a bod znovuobjednávky, které spolu úzce souvisí. Pojistná zásoba pomáhá překlenout nepředvídatelné události v době od objednávky do dodání zboží na sklad a bod znovuobjednávky vypovídá o hraničním stavu zásob na skladě. Jakmile stav skladu dosáhne bodu znovuobjednávky, je třeba vystavit novou objednávku. Pro cement, s ohledem na jeho nezbytnost, byla nastavena úroveň obsluhy 99 %. U zbylých položek postačila úroveň obsluhy 95 % a i s touto sníženou úrovní obsluhy se pojistná zásoba velice liší od skutečného stavu skladu. Signální stav skladu, bod znovuobjendávky, se odchyluje od skutečného stavu skladu v řádu desítek až stovek jednotek materiálu. U vybraných nejprodávanějších položek se ukázalo, že na skladě je zbytečně drženo příliš velké množství zásob, které ve většině případů není možné během doby dodání spotřebovat. Vypočtené doporučené hodnoty byly značně menší, než hodnoty skutečně udávané. V případě, že by podnik využil navržené optimalizace, u 5 vybraných položek by se jednalo o průměrnou úsporu Kč za 1 rok. Pouze u 5 položkách z velkého množství materiálu je na skladě uvázáno přes 1 milion korun, které se mohou investovat do nákupu jiného materiálu, nebo použít jiným směrem. Firma by se měla řídit doporučenou pojistnou zásobou a doporučeným bodem znovuobjednávky s ohledem na sezónnost, která se ve stavebnictví značně projevuje. Dle mého názoru by firma měla zvážit své skladové

MODELY ŘÍZENÍ ZÁSOB nákladově orientované modely poptávka pořizovací lhůta dodávky předstih objednávky deterministické stochastické

MODELY 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

Více

4EK311 Operační výzkum. 7. Modely řízení zásob

4EK311 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

Více

Úvod Modely zásob Shrnutí. Teorie zásob. Kristýna Slabá. 9. ledna 2009

Úvod 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

Více

4EK201 Matematické modelování. 7. Modely zásob

4EK201 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

Více

Teorie zásob. Kvantifikace zásob. V zásobách je vázáno v průměru 20 % kapitálu (u výrobních podniků) až 50 % kapitálu (u obchodních podniků).

Teorie zásob. Kvantifikace zásob. V zásobách je vázáno v průměru 20 % kapitálu (u výrobních podniků) až 50 % kapitálu (u obchodních podniků). Teorie zásob Souhrn matematických metod používaných k modelování a optimalizaci procesů hromadění různých položek k zabezpečení plynulého chodu zásobovaných složek. Kvantifikace zásob V zásobách je vázáno

Více

Optimalizace skladových zásob ve firmě Tradix, a. s.

Optimalizace skladových zásob ve firmě Tradix, a. s. Mendelova univerzita v Brně Provozně ekonomická fakulta Optimalizace skladových zásob ve firmě Tradix, a. s. Bakalářská práce Vedoucí práce: Ing. Pavel Kolman Libor Stojaspal Brno 2012 Rád bych poděkoval

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

Vysoká škola technická a ekonomická v Českých Budějovicích. Institute of Technology And Business In České Budějovice

Vysoká 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

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

VI. přednáška Řízení zásob II.

VI. přednáška Řízení zásob II. VI. přednáška Řízení zásob II. 1. Řízení zásob 2.1. Podstata, úkoly a nástroje řízení zásob Úkolem řízení zásob je jejich udržování na úrovni, která umožňuje kvalitní splnění jejich funkce: vyrovnávat

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

Jednofaktorová analýza rozptylu

Jednofaktorová analýza rozptylu I I.I Jednofaktorová analýza rozptylu Úvod Jednofaktorová analýza rozptylu (ANOVA) se využívá při porovnání několika středních hodnot. Často se využívá ve vědeckých a lékařských experimentech, při kterých

Více

Vstup 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 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

Více

Příklady k T 2 (platí pro seminární skupiny 1,4,10,11)!!!

Příklady k T 2 (platí pro seminární skupiny 1,4,10,11)!!! Příklady k T 2 (platí pro seminární skupiny 1,4,10,11)!!! Příklad 1.: Obchodník prodává pouze jeden druh zboží a ten také výhradně nakupuje. Činí tak v malém rozsahu, a proto koupil 500 výrobků po 10 Kč

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

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

EKONOMIKA PODNIKU PŘEDNÁŠKA č.2

EKONOMIKA PODNIKU PŘEDNÁŠKA č.2 MATERIÁL 5.1. CHARAKTERISTIKA EKONOMIKA PODNIKU PŘEDNÁŠKA č.2 Ing. Jan TICHÝ, Ph.D. jan.tich@seznam.cz Materiál: a) základní materiál b) pomocný materiál c) provozní hmoty d) obaly ad a) zpracovává se

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

Logistika v zásobování. Modely zásob.

Logistika v zásobování. Modely zásob. Logistika v zásobovz sobování. Modely zásob. z. Logistika v zásobovz sobování. Zásoby především tvoří suroviny, rozpracovaný materiál a polotovary. Za zásoby dále považujeme rozpracované výrobky, které

Více

Logistika. Souhrnné analýzy. Radek Havlík tel.: URL: listopad 2012 CO ZA KOLIK PROČ KDE

Logistika. Souhrnné analýzy. Radek Havlík tel.: URL:  listopad 2012 CO ZA KOLIK PROČ KDE Logistika Souhrnné analýzy listopad 2012 KDE PROČ KDY CO ZA KOLIK JAK KDO Radek Havlík tel.: 48 535 3366 e-mail: radek.havlik@tul.cz URL: http:\\www.kvs.tul.cz Paretova, ABC a XYZ analýzy Obsah Paretova

Více

4EK311 Operační výzkum. 7. Modely řízení zásob

4EK311 Operační výzkum. 7. Modely řízení zásob 4EK311 Oerační výzkum 7. Modely řízení zásob 7. Zásobovací rocesy otávka objednávka Firma Prodejna výdej Firemní sklad dodávka Dodavatel Velkosklad Mgr. Sekničková Jana, Ph.D. 2 7. Charakter otávky Potávka

Více

Diskrétní náhodná veličina. November 12, 2008

Diskrétní náhodná veličina. November 12, 2008 Diskrétní náhodná veličina November 12, 2008 (Náhodná veličina (náhodná proměnná)) Náhodná veličina (nebo též náhodná proměnná) je veličina X, jejíž hodnota je jednoznačně určena výsledkem náhodného pokusu.

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

EXPERIMENTÁLNÍ MECHANIKA 2 Přednáška 5 - Chyby a nejistoty měření. Jan Krystek

EXPERIMENTÁLNÍ MECHANIKA 2 Přednáška 5 - Chyby a nejistoty měření. Jan Krystek EXPERIMENTÁLNÍ MECHANIKA 2 Přednáška 5 - Chyby a nejistoty měření Jan Krystek 9. května 2019 CHYBY A NEJISTOTY MĚŘENÍ Každé měření je zatíženo určitou nepřesností způsobenou nejrůznějšími negativními vlivy,

Více

Projekt: 1.5, Registrační číslo: CZ.1.07/1.5.00/ Majetek podniku

Projekt: 1.5, Registrační číslo: CZ.1.07/1.5.00/ Majetek podniku Hospodaření se zásobami Majetek podniku Aby byl zajištěn plynulý chod výroby a celkové náklady s ním spojené byly na co nejnižší úrovni, musíme se zásobami správně hospodařit. Hospodaření zahrnuje: - plánování

Více

KGG/STG Statistika pro geografy

KGG/STG Statistika pro geografy KGG/STG Statistika pro geografy 5. Odhady parametrů základního souboru Mgr. David Fiedor 16. března 2015 Vztahy mezi výběrovým a základním souborem Osnova 1 Úvod, pojmy Vztahy mezi výběrovým a základním

Více

Normální (Gaussovo) rozdělení

Normální (Gaussovo) rozdělení Normální (Gaussovo) rozdělení Normální (Gaussovo) rozdělení popisuje vlastnosti náhodné spojité veličiny, která vzniká složením různých náhodných vlivů, které jsou navzájem nezávislé, kterých je velký

Více

Charakteristika datového souboru

Charakteristika datového souboru Zápočtová práce z předmětu Statistika Vypracoval: 10. 11. 2014 Charakteristika datového souboru Zadání: Při kontrole dodržování hygienických norem v kuchyni se prováděl odběr vzduchu a pomocí filtru Pallflex

Více

TECHNICKÁ UNIVERZITA V LIBERCI SEMESTRÁLNÍ PRÁCE

TECHNICKÁ UNIVERZITA V LIBERCI SEMESTRÁLNÍ PRÁCE TECHNICKÁ UNIVERZITA V LIBERCI Ekonomická fakulta Studentská 2 461 17 Liberec 1 SEMESTRÁLNÍ PRÁCE STATISTICKÝ ROZBOR DAT Z DOTAZNÍKOVÝCH ŠETŘENÍ Gabriela Dlasková, Veronika Bukovinská Sára Kroupová, Dagmar

Více

Obchodní přirážka. Procento obchodní přirážky

Obchodní přirážka. Procento obchodní přirážky Obchodní přirážka Žádná maloobchodní firma by nemohla přežít, kdyby nabízela zboží k prodeji za ceny, za které je nakoupila. O jakou částku může prodejní cena zboží převyšovat nákupní cenu, jak jsme již

Více

Chyby měření 210DPSM

Chyby měření 210DPSM Chyby měření 210DPSM Jan Zatloukal Stručný přehled Zdroje a druhy chyb Systematické chyby měření Náhodné chyby měření Spojité a diskrétní náhodné veličiny Normální rozdělení a jeho vlastnosti Odhad parametrů

Více

Analýza časových řad. John Watters: Jak se stát milionářem.

Analýza časových řad. John Watters: Jak se stát milionářem. 5.2 Analýza časových řad Nechal jsem si udělat prognózu růstu své firmy od třech nezávislých odborníků. Jejich analýzy se shodovaly snad pouze v jediném - nekřesťanské ceně, kterou jsem za ně zaplatil.

Více

2 Zpracování naměřených dat. 2.1 Gaussův zákon chyb. 2.2 Náhodná veličina a její rozdělení

2 Zpracování naměřených dat. 2.1 Gaussův zákon chyb. 2.2 Náhodná veličina a její rozdělení 2 Zpracování naměřených dat Důležitou součástí každé experimentální práce je statistické zpracování naměřených dat. V této krátké kapitole se budeme věnovat určení intervalů spolehlivosti získaných výsledků

Více

Popisná statistika kvantitativní veličiny

Popisná statistika kvantitativní veličiny StatSoft Popisná statistika kvantitativní veličiny Protože nám surová data obvykle žádnou smysluplnou informaci neposkytnou, je žádoucí vyjádřit tyto ve zhuštěnější formě. V předchozím dílu jsme začali

Více

Řízení projektů. Konstrukce síťového grafu pro řízení projektů Metoda CPM Metoda PERT

Řízení projektů. Konstrukce síťového grafu pro řízení projektů Metoda CPM Metoda PERT Řízení projektů Konstrukce síťového grafu pro řízení projektů Metoda CPM Metoda PERT 1 Úvod základní pojmy Projekt souhrn činností, které musí být všechny realizovány, aby byl projekt dokončen Činnost

Více

Kvízové otázky Obecná ekonomie I. Teorie firmy

Kvízové otázky Obecná ekonomie I. Teorie firmy 1. Firmy působí: a) na trhu výrobních faktorů b) na trhu statků a služeb c) na žádném z těchto trhů d) na obou těchto trzích Kvízové otázky Obecná ekonomie I. Teorie firmy 2. Firma na trhu statků a služeb

Více

Návrhová 50-ti rázová intenzita dopravy pohledem dostupných dat Ing. Jan Martolos, Ing. Luděk Bartoš, Ing. Dušan Ryšavý, EDIP s.r.o.

Návrhová 50-ti rázová intenzita dopravy pohledem dostupných dat Ing. Jan Martolos, Ing. Luděk Bartoš, Ing. Dušan Ryšavý, EDIP s.r.o. Návrhová 50-ti rázová intenzita dopravy pohledem dostupných dat Ing. Jan Martolos, Ing. Luděk Bartoš, Ing. Dušan Ryšavý, EDIP s.r.o. Úvod Intenzita dopravy (počet vozidel, která projedou příčným řezem

Více

Definice logistiky Evropská logistická asociace - ELA:

Definice logistiky Evropská logistická asociace - ELA: Definice logistiky Evropská logistická asociace - ELA: Organizace, plánování, řízení a výkon toků zboží, vývojem a nákupem počínaje, výrobou a distribucí podle objednávky finálního zákazníka konče tak,

Více

I. D i s k r é t n í r o z d ě l e n í

I. D i s k r é t n í r o z d ě l e n í 6. T y p y r o z d ě l e n í Poznámka: V odst. 5.5-5.10 jsme uvedli příklady náhodných veličin a jejich distribučních funkcí. Poznali jsme, že se od sebe liší svým typem. V příkladech 5.5, 5.6 a 5.8 jsme

Více

Náhodné chyby přímých měření

Náhodné chyby přímých měření Náhodné chyby přímých měření Hodnoty náhodných chyb se nedají stanovit předem, ale na základě počtu pravděpodobnosti lze zjistit, která z možných naměřených hodnot je více a která je méně pravděpodobná.

Více

rok počet obyvatel 27,1 30,9 34,8 38,6 43,4 49,4 56,4 62,4 68,3 74,9 82,0

rok počet obyvatel 27,1 30,9 34,8 38,6 43,4 49,4 56,4 62,4 68,3 74,9 82,0 4.5.5 Trendy I Předpoklady: 040503 Pedagogická poznámka: Pokud nechcete zbytečně ztrácet čas tím, že žáci přepisují tabulku do sešitu, je lepší je vytisknout a rozdat. Pedagogická poznámka: Grafy pro příklady

Více

Generování pseudonáhodných. Ing. Michal Dorda, Ph.D.

Generování pseudonáhodných. Ing. Michal Dorda, Ph.D. Generování pseudonáhodných čísel při simulaci Ing. Michal Dorda, Ph.D. 1 Úvodní poznámky V simulačních modelech se velice často vyskytují náhodné proměnné. Proto se budeme zabývat otázkou, jak při simulaci

Více

Vysoká škola ekonomická Fakulta financí a účetnictví

Vysoká škola ekonomická Fakulta financí a účetnictví Vysoká škola ekonomická Fakulta financí a účetnictví PŘIJÍMACÍ ZKOUŠKY NA INŢENÝRSKÉ STUDIUM specializace Učitelství ekonomických předmětů pro střední školy školní rok 2006/2007 TEST Z ODBORNÝCH PŘEDMĚTŮ

Více

676 + 4 + 100 + 196 + 0 + 484 + 196 + 324 + 64 + 324 = = 2368

676 + 4 + 100 + 196 + 0 + 484 + 196 + 324 + 64 + 324 = = 2368 Příklad 1 Je třeba prověřit, zda lze na 5% hladině významnosti pokládat za prokázanou hypotézu, že střední doba výroby výlisku je 30 sekund. Přitom 10 náhodně vybraných výlisků bylo vyráběno celkem 540

Více

ROZDĚLENÍ NÁHODNÝCH VELIČIN

ROZDĚLENÍ NÁHODNÝCH VELIČIN ROZDĚLENÍ NÁHODNÝCH VELIČIN 1 Vytvořeno s podporou projektu Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipliny společného základu (reg. č. CZ.1.07/2.2.00/28.0021)

Více

Obor účetnictví a finanční řízení podniku

Obor účetnictví a finanční řízení podniku Obor účetnictví a finanční řízení podniku TEST Z FINANČNÍHO ÚČETNICTVÍ celkem 40 bodů Zvolte nejvhodnější odpověď na následující otázky (otázky se nevztahují k žádnému z početních příkladů a nijak na sebe

Více

p(x) = P (X = x), x R,

p(x) = P (X = x), x R, 6. T y p y r o z d ě l e n í Poznámka: V odst. 5.5-5.10 jsme uvedli příklady náhodných veličin a jejich distribučních funkcí. Poznali jsme, že se od sebe liší svým typem. V příkladech 5.5, 5.6 a 5.8 jsme

Více

Základy teorie pravděpodobnosti

Základy teorie pravděpodobnosti Základy teorie pravděpodobnosti Náhodná veličina Roman Biskup (zapálený) statistik ve výslužbě, aktuálně analytik v praxi ;-) roman.biskup(at)email.cz 12. února 2012 Statistika by Birom Základy teorie

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

Časové rezervy. Celková rezerva činnosti

Časové rezervy. Celková rezerva činnosti Časové rezervy Celková rezerva činnosti CR Volná rezerva činnosti VR Nezávislá rezerva činnosti - NR Celková rezerva činnosti Maximální počet časových jednotek, které jsou k dispozici pro provedení činnosti,

Více

X = x, y = h(x) Y = y. hodnotám x a jedné hodnotě y. Dostaneme tabulku hodnot pravděpodobnostní

X = x, y = h(x) Y = y. hodnotám x a jedné hodnotě y. Dostaneme tabulku hodnot pravděpodobnostní ..08 8cv7.tex 7. cvičení - transformace náhodné veličiny Definice pojmů a základní vzorce Je-li X náhodná veličina a h : R R je měřitelná funkce, pak náhodnou veličinu Y, která je definovaná vztahem X

Více

UKAZATELÉ VARIABILITY

UKAZATELÉ VARIABILITY UKAZATELÉ VARIABILITY VÝZNAM Porovnejte známky dvou studentek ze stejného předmětu: Studentka A: Studentka B: Oba soubory mají stejný rozsah hodnoty, ale liší se známky studentky A jsou vyrovnanější, jsou

Více

1. Náhodný vektor (X, Y ) má diskrétní rozdělení s pravděpodobnostní funkcí p, kde. p(x, y) = a(x + y + 1), x, y {0, 1, 2}.

1. Náhodný vektor (X, Y ) má diskrétní rozdělení s pravděpodobnostní funkcí p, kde. p(x, y) = a(x + y + 1), x, y {0, 1, 2}. VIII. Náhodný vektor. Náhodný vektor (X, Y má diskrétní rozdělení s pravděpodobnostní funkcí p, kde p(x, y a(x + y +, x, y {,, }. a Určete číslo a a napište tabulku pravděpodobnostní funkce p. Řešení:

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

Technická univerzita v Liberci Fakulta mechatroniky, informatiky a mezioborových studií. Petr Rálek, Josef Novák, Josef Chudoba

Technická univerzita v Liberci Fakulta mechatroniky, informatiky a mezioborových studií. Petr Rálek, Josef Novák, Josef Chudoba Technická univerzita v Liberci Fakulta mechatroniky, informatiky a mezioborových studií Metody užívané v logistice Petr Rálek, Josef Novák, Josef Chudoba Materiál byl vytvořený s podporou ESF v rámci projektu:

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

Manažerská ekonomika přednáška Výroba Co rozumíme výrobou? V nejširším pojetí se výrobou rozumí každé spojení výrobních

Manažerská ekonomika přednáška Výroba Co rozumíme výrobou? V nejširším pojetí se výrobou rozumí každé spojení výrobních Manažerská ekonomika přednáška Výroba Co rozumíme výrobou? V nejširším pojetí se výrobou rozumí každé spojení výrobních faktorů (práce, kapitálu, půdy) za účelem získání určitých výrobků (výrobků a služeb

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

Manažerská ekonomika přednáška OPTIMALIZACE ZÁSOB, MODERNÍ PŘÍSTUPY K ŘÍZENÍ ZÁSOB, STRATEGIE NÁKUPU 1. OPTIMALIZACE ZÁSOB

Manažerská ekonomika přednáška OPTIMALIZACE ZÁSOB, MODERNÍ PŘÍSTUPY K ŘÍZENÍ ZÁSOB, STRATEGIE NÁKUPU 1. OPTIMALIZACE ZÁSOB Manažerská ekonomika přednáška OPTIMALIZACE ZÁSOB, MODERNÍ PŘÍSTUPY K ŘÍZENÍ ZÁSOB, STRATEGIE NÁKUPU 1. OPTIMALIZACE ZÁSOB Jaký je základní přístup k řízení zásob? Je to tzv. optimalizační přístup, který

Více

Teorie zásob Logistika a mezinárodní obchod

Teorie zásob Logistika a mezinárodní obchod Teorie zásob Logistika a mezinárodní obchod 1 ZÁSOBY JSOU IDENTIFIKÁTOREM NESCHOPNOSTI MANAGEMENTU FIRMU ŘÍDIT 2 Řízení zásob. www2.humusoft.cz/www/akce/witkonf07/.../gros_rizeni_zasob.pdf Teorie zásob

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

P13: Statistické postupy vyhodnocování únavových zkoušek, aplikace normálního, Weibullova rozdělení, apod.

P13: 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

Více

Finanční trhy. Finanční aktiva

Finanční trhy. Finanční aktiva Finanční trhy Finanční aktiva Magický trojúhelník investování (I) Riziko Výnos Likvidita Magický trojúhelník investování (II) Tři prvky magického trojúhelníku (výnos, riziko a likvidita) vytváří určitý

Více

MENDELOVA ZEMĚDĚLSKÁ A LESNICKÁ UNIVERZITA FAKULTA PROVOZNĚ EKONOMICKÁ OBCHODNÍ LOGISTIKA. Výběr dodavatele. Zpracovali: Pavel Jaroš, 4.

MENDELOVA ZEMĚDĚLSKÁ A LESNICKÁ UNIVERZITA FAKULTA PROVOZNĚ EKONOMICKÁ OBCHODNÍ LOGISTIKA. Výběr dodavatele. Zpracovali: Pavel Jaroš, 4. MENDELOVA ZEMĚDĚLSKÁ A LESNICKÁ UNIVERZITA FAKULTA PROVOZNĚ EKONOMICKÁ OBCHODNÍ LOGISTIKA Výběr dodavatele Zpracovali: Pavel Jaroš, 4. ročník, ME Datum: 27.11.2001 Jan Kula, 4. ročník, ME Ú V O D Stavební

Více

1. Přednáška. Ing. Miroslav Šulai, MBA

1. 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

Více

Základy popisné statistiky

Základy popisné statistiky Základy popisné statistiky Michal Fusek Ústav matematiky FEKT VUT, fusekmi@feec.vutbr.cz 8. přednáška z ESMAT Michal Fusek (fusekmi@feec.vutbr.cz) 1 / 26 Obsah 1 Základy statistického zpracování dat 2

Více

Výrobní produkce divizí Ice Cream Po lo ha plane t Rozložený výse ový 3D graf Bublinový graf Histogram t s tn e ídy

Výrobní produkce divizí Ice Cream Po lo ha plane t Rozložený výse ový 3D graf Bublinový graf Histogram t s tn e ídy Výrobní produkce divizí Ice Cream Polo ha planet Rozložený výsečový 3D graf Bublinový graf Ice Cream 1 15% Ice Cream 2 12% Ice Cream 3 18% Ice Cream 4 20% Statistika 40 30 20 Ice Cream 6 19% Ice Cream

Více

Časové řady, typy trendových funkcí a odhady trendů

Časové řady, typy trendových funkcí a odhady trendů Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel 973 442029 email:jirineubauer@unobcz Stochastický proces Posloupnost náhodných veličin {Y t, t = 0, ±1, ±2 } se nazývá stochastický proces

Více

Statické modely zásob Nazývají se také modely s jedním cyklem. Pořízení potřebných zásob se realizuje jedinou dodávkou.

Statické modely zásob Nazývají se také modely s jedním cyklem. Pořízení potřebných zásob se realizuje jedinou dodávkou. Statiké modely zásob Nazývají se také modely s jedním yklem. Pořízení potřebnýh zásob se realizuje jedinou dodávkou. Náklady na pořízení zásob jsou finí a nemohou ovlivňovat rozhodovaí strategii. Statiký

Více

VNITROSKUPINOVÝ ROZPTYL. Je mírou variability uvnitř skupin Jiný název: průměr rozptylů Vypočítává se jako průměr rozptylů v jednotlivých skupinách

VNITROSKUPINOVÝ ROZPTYL. Je mírou variability uvnitř skupin Jiný název: průměr rozptylů Vypočítává se jako průměr rozptylů v jednotlivých skupinách ROZKLAD ROZPTYLU ROZKLAD ROZPTYLU Rozptyl se dá rozložit na vnitroskupinový a meziskupinový rozptyl. Celkový rozptyl je potom součet meziskupinového a vnitroskupinového Užívá se k výpočtu rozptylu, jestliže

Více

Příručka k měsíčním zprávám ING fondů

Příručka k měsíčním zprávám ING fondů Příručka k měsíčním zprávám ING fondů ING Investment Management vydává každý měsíc aktuální zprávu ke každému fondu, která obsahuje základní informace o fondu, jeho aktuální výkonnosti, složení portfolia

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

6 Nabídka na trhu výrobků a služeb

6 Nabídka na trhu výrobků a služeb 6 Nabídka na trhu výrobků a služeb 1. Náklady firmy 2. Příjmy a zisk firmy 3. Rovnováha firmy na dokonale konkurenčním trhu 4. Nabídka firmy V ekonomii se rozlišují tři časové horizonty, ve vztahu k možnostem

Více

Regresní analýza 1. Regresní analýza

Regresní analýza 1. Regresní analýza Regresní analýza 1 1 Regresní funkce Regresní analýza Důležitou statistickou úlohou je hledání a zkoumání závislostí proměnných, jejichž hodnoty získáme při realizaci experimentů Vzhledem k jejich náhodnému

Více

3.1.1. Výpočet vnitřní hodnoty obligace (dluhopisu)

3.1.1. Výpočet vnitřní hodnoty obligace (dluhopisu) Využití poměrových ukazatelů pro fundamentální analýzu cenných papírů Principem této analýzy je stanovení, zda je cenný papír na kapitálovém trhu podhodnocen, správně oceněn, nebo nadhodnocen. Analýza

Více

Mikroekonomie. Minulá přednáška - podstatné. Náklady firmy v krátkém a dlouhém období. Důležité vzorce. Náklady v krátkém období - graficky

Mikroekonomie. Minulá přednáška - podstatné. Náklady firmy v krátkém a dlouhém období. Důležité vzorce. Náklady v krátkém období - graficky Minulá přednáška - podstatné Mikroekonomie Ing. Jaroslav ŠETEK, Ph.D. Katedra ekonomiky, JČU Typologie nákladů firmy Náklady v krátkém období Náklady v dlouhém období Důležité vzorce TC = FC + VC AC =

Více

1 Odvození poptávkové křivky

1 Odvození poptávkové křivky Odvození poptávkové křivky Optimalizační chování domácností (maximalizace užitku) vzhledem k rozpočtovému omezení. Nejprve odvodíme deterministický model, který potom rozšíříme o stochastické prvky. Odvozené

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

Vybraná rozdělení náhodné veličiny

Vybraná rozdělení náhodné veličiny 3.3 Vybraná rozdělení náhodné veličiny 0,16 0,14 0,12 0,1 0,08 0,06 0,04 0,02 0 Rozdělení Z 3 4 5 6 7 8 9 10 11 12 13 14 15 Život je umění vytvářet uspokojivé závěry na základě nedostatečných předpokladů.

Více

Náhodná veličina a rozdělení pravděpodobnosti

Náhodná veličina a rozdělení pravděpodobnosti 3.2 Náhodná veličina a rozdělení pravděpodobnosti Bůh hraje se světem hru v kostky. Jsou to ale falešné kostky. Naším hlavním úkolem je zjistit, podle jakých pravidel byly označeny, a pak toho využít pro

Více

Časové řady a jejich periodicita úvod

Časové řady a jejich periodicita úvod Časové řady a jejich periodicita úvod Jana Klicnarová Katedra aplikované matematiky a informatiky Jihočeská Univerzita v Českých Budějovicích, Ekonomická fakulta 2010 Časové řady Data, která získáváme

Více

Univerzita Pardubice. Fakulta chemicko-technologická Katedra analytické chemie. Licenční studium Statistické zpracování dat

Univerzita Pardubice. Fakulta chemicko-technologická Katedra analytické chemie. Licenční studium Statistické zpracování dat Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie Licenční studium Statistické zpracování dat Semestrální práce Interpolace, aproximace a spline 2007 Jindřich Freisleben Obsah

Více

Qopt. = (2 x C x D) / S

Qopt. = (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

Více

Časové řady, typy trendových funkcí a odhady trendů

Časové řady, typy trendových funkcí a odhady trendů Časové řady, typy trendových funkcí a odhady trendů Jiří Neubauer Katedra ekonometrie FVL UO Brno kancelář 69a, tel 973 442029 email:jirineubauer@unobcz Jiří Neubauer (Katedra ekonometrie UO Brno) Časové

Více

5 NÁKLADY PODNIKU A JEJICH KALKULACE

5 NÁKLADY PODNIKU A JEJICH KALKULACE 5 NÁKLADY PODNIKU A JEJICH KALKULACE Náklady podniku můžeme charakterizovat jako peněžně vyjádřenou spotřebu výrobních faktorů účelně vynaložených na tvorbu podnikových výnosů včetně dalších nutných nákladů

Více

Zboží, peníze, cena, poptávka, nabídka

Zboží, peníze, cena, poptávka, nabídka Zboží, peníze, cena, poptávka, nabídka Zboží Zboží je výsledkem lidské práce. Jde o výrobek, který může být hmotným statkem (věcí, předmětem) nebo službou, uspokojující svými vlastnostmi lidské potřeby,

Více

Číselné charakteristiky

Číselné charakteristiky . Číselné charakteristiky statistických dat Průměrný statistik se během svého života ožení s 1,75 ženami, které se ho snaží vytáhnout večer do společnosti,5 x týdně, ale pouze s 50% úspěchem. W. F. Miksch

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

8. Normální rozdělení

8. Normální rozdělení 8. Normální rozdělení 8.. Definice: Normální (Gaussovo) rozdělení N(µ, 2 ) s parametry µ a > 0 je rozdělení určené hustotou ( ) f(x) = (x µ) 2 e 2 2, x (, ). Rozdělení N(0; ) s parametry µ = 0 a = se nazývá

Více

STATISTICKÉ ODHADY Odhady populačních charakteristik

STATISTICKÉ 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

Více

STATISTICKÉ CHARAKTERISTIKY

STATISTICKÉ CHARAKTERISTIKY STATISTICKÉ CHARAKTERISTIKY 1 Vytvořeno s podporou projektu Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipliny společného základu (reg. č. CZ.1.07/2.2.00/28.0021)

Více

Přednáška č.7 Ing. Sylvie Riederová

Přednáška č.7 Ing. Sylvie Riederová Přednáška č.7 Ing. Sylvie Riederová 1. Aplikace klasifikace nákladů na změnu objemu výroby 2. Modelování nákladů Podstata modelování nákladů Nákladové funkce Stanovení parametrů nákladových funkcí Klasifikační

Více

Statistika. cílem je zjednodušit nějaká data tak, abychom se v nich lépe vyznali důsledkem je ztráta informací!

Statistika. cílem je zjednodušit nějaká data tak, abychom se v nich lépe vyznali důsledkem je ztráta informací! Statistika aneb známe tři druhy lži: úmyslná neúmyslná statistika Statistika je metoda, jak vyjádřit nejistá data s přesností na setinu procenta. den..00..00 3..00..00..00..00..00..00..00..00..00..00 3..00..00..00..00..00..00..00

Více

E(X) = np D(X) = np(1 p) 1 2p np(1 p) (n + 1)p 1 ˆx (n + 1)p. A 3 (X) =

E(X) = np D(X) = np(1 p) 1 2p np(1 p) (n + 1)p 1 ˆx (n + 1)p. A 3 (X) = Základní rozdělení pravděpodobnosti Diskrétní rozdělení pravděpodobnosti. Pojem Náhodná veličina s Binomickým rozdělením Bi(n, p), kde n je přirozené číslo, p je reálné číslo, < p < má pravděpodobnostní

Více

Definice spojité náhodné veličiny zjednodušená verze

Definice spojité náhodné veličiny zjednodušená verze Definice spojité náhodné veličiny zjednodušená verze Náhodná veličina X se nazývá spojitá, jestliže existuje nezáporná funkce f : R R taková, že pro každé a, b R { }, a < b, platí P(a < X < b) = b a f

Více

Národní informační středisko pro podporu kvality

Národní informační středisko pro podporu kvality Národní informační středisko pro podporu kvality Nestandardní regulační diagramy J.Křepela, J.Michálek REGULAČNÍ DIAGRAM PRO VŠECHNY INDIVIDUÁLNÍ HODNOTY xi V PODSKUPINĚ V praxi se někdy setkáváme s požadavkem

Více

Pravděpodobnost v závislosti na proměnné x je zde modelován pomocí logistického modelu. exp x. x x x. log 1

Pravděpodobnost v závislosti na proměnné x je zde modelován pomocí logistického modelu. exp x. x x x. log 1 Logistická regrese Menu: QCExpert Regrese Logistická Modul Logistická regrese umožňuje analýzu dat, kdy odezva je binární, nebo frekvenční veličina vyjádřená hodnotami 0 nebo 1, případně poměry v intervalu

Více

Statistická analýza jednorozměrných dat

Statistická analýza jednorozměrných dat Statistická analýza jednorozměrných dat Prof. RNDr. Milan Meloun, DrSc. Univerzita Pardubice, Pardubice 31.ledna 2011 Tato prezentace je spolufinancována Evropským sociálním fondem a státním rozpočtem

Více

Náhodné (statistické) chyby přímých měření

Náhodné (statistické) chyby přímých měření Náhodné (statistické) chyby přímých měření Hodnoty náhodných chyb se nedají stanovit předem, ale na základě počtu pravděpodobnosti lze zjistit, která z možných naměřených hodnot je více a která je méně

Více

4.5 Stanovení hodnoticích kritérií a požadavky na jejich obsah

4.5 Stanovení hodnoticích kritérií a požadavky na jejich obsah nadhodnocením ukazatele výkonu). Současně se objektivností rozumí, že technické podmínky nebyly nastaveny diskriminačně, tedy tak, aby poskytovaly některému uchazeči konkurenční výhodu či mu bránily v

Více