4EK311 Operační výzkum. 7. Modely řízení zásob

Rozměr: px
Začít zobrazení ze stránky:

Download "4EK311 Operační výzkum. 7. Modely řízení zásob"

Transkript

1 4EK311 Operační výzkum 7. Modely řízení zásob

2 7. Charakter poptávky Poptávka Deterministická Stochastická Deterministické modely zásob Stochastické modely zásob Mgr. Sekničková Jana, Ph.D. 2

3 7.4 Stochastický model se spojitou poptávkou Předpoklady: Stochastická poptávka Q známé pravděpodobnostní rozdělení Pořizovací lhůta dodávky d je známá a konstantní Čerpání zásob ze skladu odpovídá aktuální poptávce Velikost všech objednávek (dodávek) q je konstantní Bez rabatů nákupní cena c n nezávisí na velikosti objednávky q K doplňování skladu dochází v jednom časovém okamžiku K doplňování skladu dochází přesně v okamžiku, kdy je vyčerpán (žádný nedostatek) Mgr. Sekničková Jana, Ph.D. 3

4 7.4 Stochastický model se spojitou poptávkou Objednávka je vystavena v okamžiku, kdy je množství zásob na skladě rovno bodu znovuobjednávky, tedy r Pořizovací lhůta je d a během této lhůty je skutečná poptávka po zboží rovna Q d Během zásobovacího cyklu (vzhledem k náhodnosti poptávky) mohou nastat dvě možné situace: 1. Q d < r 2. Q d > r Mgr. Sekničková Jana, Ph.D. 4

5 1. Q d < r 7.4 Stochastický model se spojitou poptávkou Poptávka během pořizovací lhůty Q d bude nižší než bod znovuobjednávky r Nová dodávka přijde na sklad v okamžiku, kdy tam je ještě zboží Přebytek zásob na skladě Cyklus I na obrázku Mgr. Sekničková Jana, Ph.D. 5

6 2. Q d > r 7.4 Stochastický model se spojitou poptávkou Poptávka během pořizovací lhůty Q d bude vyšší než bod znovuobjednávky r Nová dodávka přijde na sklad v okamžiku, kdy již byly zásoby vyčerpány a došlo k neuspokojení požadavků Nedostatek zásob na skladě Cyklus II na obrázku Mgr. Sekničková Jana, Ph.D. 6

7 7.4 Stochastický model se spojitou poptávkou Poptávka Q je popsána Typem rozdělení (rovnoměrné, normální, apod.) Svou střední hodnotou μ Q Svou směrodatnou odchylkou σ Q (nebo rozptylem σ Q 2 ) Poptávka během pořizovací lhůty Q d má pak Střední hodnotu μ d = d μ Q Směrodatnou odchylku σ d = d σ Q Mgr. Sekničková Jana, Ph.D. 7

8 7.4 Stochastický model se spojitou poptávkou Pro výpočty použijeme vztahy z EOQ modelu (kde Q = μ Q ) N = c s q 2 + c d μ Q q N s = N d = N = μ Q c s c d 2 2 μ Q c s c d q = t d = q μ Q 2 μ Q c d c s r = d μ Q = μ d Mgr. Sekničková Jana, Ph.D. 8

9 Předpoklad: 7.4 Stochastický model se spojitou poptávkou Poptávka během pořizovací lhůty Q d má (normální) rozdělení Se střední hodnotou μ d = d μ Q Se směrodatnou odchylkou σ d = d σ Q Vystavíme-li objednávku v okamžiku, který odpovídá bodu znovuobjednávky r = μ d S pravděpodobností 50 % dojde k přebytku zásob a S pravděpodobností 50 % dojde k nedostatku zásob Mgr. Sekničková Jana, Ph.D. 9

10 7.4 Stochastický model se spojitou poptávkou Úroveň obsluhy γ = pravděpodobnost, že v rámci jednoho cyklu nedojde k neuspokojení požadavků pravděpodobnost, že nedojde k nedostatku zásob Pro r = r je γ = 0,5. Pro zvýšení γ je třeba vystavit objednávku dříve: v okamžiku, kdy je na skladě více zásob, tedy r > r, označme tento bod znovuobjednávky r γ Mgr. Sekničková Jana, Ph.D. 10

11 7.4 Stochastický model se spojitou poptávkou Úroveň obsluhy γ = pravděpodobnost, že v rámci jednoho cyklu nedojde k neuspokojení požadavků Bod znovuobjednávky pro úroveň obsluhy γ: r γ = r + w kde w představuje pojistnou zásobu = dodatečná zásoba, která umožňuje pokrýt převis poptávky v průběhu pořizovací lhůty Vyšší pojistná zásoba však zvyšuje skladovací náklady N s Střední hodnota celkových nákladů μ N = 2 μ Q c s c d + c s w Mgr. Sekničková Jana, Ph.D. 11 Skladovací náklady pojistné zásoby

12 7.4 Stochastický model se spojitou poptávkou Hledáme w takové, že P(Q d r + w) γ Poptávka během pořizovací lhůty nepřesáhne stav zásob (nedojde k nedostatku) Dle předpokladu má Q d ~N μ d, σ d 2 = N r, σ d 2 Transformovaná veličina (hodnoty tabelovány) z = Q d r σ d ~N 0,1 Odtud Q d = r + z γ σ d A tedy w z γ σ d Mgr. Sekničková Jana, Ph.D. 12

13 7.4 Spojitá poptávka Příklad Q~N(2 500; 400) ks/měsíc c s = 40 Kč/ks c d = Kč/dodávku d = 1 10 μ Q = σ Q = 20 = 0,1 měsíce μ d = d μ Q = 250 σ d = d σ Q = 2 q = 500 N s = N s = N = t d = 1 5 r = 250 q = N s = N d = N = t d = q μ Q 2 μ Q c d c s μ Q c d c s 2 μ Q c d c s 2 2 μ Q c d c s r = d μ Q = μ d Mgr. Sekničková Jana, Ph.D. 13

14 7.4 Spojitá poptávka Příklad Objednáme tedy q = 500 ks v okamžiku, kdy je na skladě posledních r = 250 ks Jaká bude úroveň obsluhy? Jaká je ekonomická interpretace této hodnoty? Co musíme udělat, aby se úroveň obsluhy zvedla na 90 %? w z 0,9 σ d w z 0,9 σ d = 1,282 2 = 2,564 γ = 0,5 A tedy r = r + w ,564 = 252,564 Objednávku vystavíme v okamžiku, kdy je na skladě 253 ks zboží. q = 500 r = 250 w z γ σ d μ d = 250 σ d = 2 Mgr. Sekničková Jana, Ph.D. 14

15 7.4 Spojitá poptávka Příklad Co se změní, pokud chceme úroveň obsluhy zvedla na 95 %? w z 0,95 σ d w z 0,95 σ d = 1,645 2 = 3,290 A tedy r = r + w ,290 = 253,290 Co se změní, pokud chceme úroveň obsluhy zvedla na 99 %? w z 0,99 σ d = 2,326 2 = 4,652 A tedy r = r + w ,652 = 254,652 Mgr. Sekničková Jana, Ph.D. 15

16 7.4 Spojitá poptávka Příklad γ r min w w r N s N d N w 0, , , , , , , N = N s + N d + N w = c s q 2 + c d Q q + c s w μ Q = ks c s = 40 Kč/ks a měsíc c d = Kč/dodávku Mgr. Sekničková Jana, Ph.D. 16

17 7.5 Stochastický model s jednorázovou zásobou Stochastický model Předpoklady: Velikost poptávky je náhodná veličina se známým rozdělením Před začátkem období je uskutečněna jediná objednávka a dodávka (zásoby nelze doplňovat) Příklad: Sezónní zboží (vánoční stromky, pomlázky apod.) Rychle se kazící zboží (ovoce, zelenina, květiny, ) Mgr. Sekničková Jana, Ph.D. 17

18 7.5 Stochastický model s jednorázovou zásobou Tři možné situace: 1.) Firma objedná více zboží než prodá q > Q Přebytečné zboží (q Q) firma prodá se slevou za zůstatkovou cenu c z ML = dl dq (mezní ztráta, marginal loss) ML = c n c z (ve skriptech c 1 ) Firma utrpí celkovou ztrátu: L = (c n c z )(q Q) Mgr. Sekničková Jana, Ph.D. 18

19 7.5 Stochastický model s jednorázovou zásobou Tři možné situace: 2.) Firma objedná méně zboží než by prodala q < Q Chybějící zboží (Q q) způsobí firmě ztrátu na ušlém zisku MPL = dpl dq (mezní ušlý zisk, marginal profit loss) MPL = c p c n (ve skriptech c 2 ) Firma má celkový ušlý zisk: PL = c p c n Q q Mgr. Sekničková Jana, Ph.D. 19

20 7.5 Stochastický model s jednorázovou zásobou Tři možné situace: 3.) Firma objedná právě tolik zboží kolik prodá q = Q Nedojde k žádným ztrátám ani ušlému zisku Hypotetický případ Vzhledem k nulovým ztrátám není třeba se tímto případem zabývat Mgr. Sekničková Jana, Ph.D. 20

21 7.5 Stochastický model s jednorázovou zásobou Předpokládejme, že první případ q > Q nastane s pravděpodobností p a druhý případ q < Q s pravděpodobností (1 p) Celkové očekávané náklady související s přebytkem a nedostatkem zásob jsou N = pl + (1 p)pl = p c n c z q Q + (1 p)(c p c n )(Q q) Mgr. Sekničková Jana, Ph.D. 21

22 7.5 Stochastický model s jednorázovou zásobou Cílem je stanovit takové q, aby celkové náklady N byly minimální Minimalizace (podmínky prvního řádu derivace): dn dq = 0 dn dq = d p c n c z q Q + (1 p)(c p c n )(Q q) dq Mgr. Sekničková Jana, Ph.D. 22

23 7.5 Stochastický model s jednorázovou zásobou dn dq = d p c n c z q Q + (1 p)(c p c n )(Q q) dq = d p c n c z q p c n c z Q + (1 p) c p c n Q (1 p) c p c n q dq = p c n c z (1 p) c p c n = pml (1 p)mpl dn = pml (1 p)mpl = 0 dq pml = 1 p MPL pml = MPL pmpl pml + pmpl = MPL p(ml + MPL) = MPL p = MPL ML + MPL Mgr. Sekničková Jana, Ph.D. 23

24 7.5 Stochastický model s jednorázovou zásobou Dokázali jsme (po ověření podmínek druhého řádu), že minimální náklady související s přebytkem a nedostatkem zásob jsou v případě, že MPL p = ML + MPL Pravděpodobnost nedostatku zásob nazýváme úroveň obsluhy a tedy p = γ MPL γ = ML + MPL = c 2 c 1 + c 2 Mgr. Sekničková Jana, Ph.D. 24

25 7.5 Stochastický model s jednorázovou zásobou MPL γ = ML + MPL = c 2 c 1 + c 2 Optimální počáteční zásoba q : P(q Q) γ Postup: Spočítáme optimální úroveň obsluhy γ Najdeme tabulkovou hodnotu pro příslušné rozdělení Dopočítáme q (zpětnou transformací tabulkové veličiny) Q~N μ Q, σ Q 2 z = Q μ Q σ Q ~N 0,1 q = μ Q + z γ σ Q Mgr. Sekničková Jana, Ph.D. 25

26 7.5 Jednorázová zásoba Příklad Firma v letní sezóně prodá 75 až 225 ks dámských plavek za 930 Kč za kus Tyto plavky nakupuje za 670 Kč za kus (tato cena obsahuje i dodatečné jednotkové náklady např. na skladování) Pokud plavky v letní sezóně neprodá, vyprodává je v podzimním výprodeji za cenu 550 Kč za kus Jaké množství dámských plavek má objednat, aby minimalizovala celkové náklady? c p = 930 Kč/ks c n = 670 Kč/ks c z = 550 Kč/ks Předpokládejme, že poptávka po plavkách má normální rozdělení. Q~N 150,1875 = N(150, 43,3 2 ) Mgr. Sekničková Jana, Ph.D. 26

27 7.5 Jednorázová zásoba Příklad c p = 930 Kč/ks c n = 670 Kč/ks c z = 550 Kč/ks ML = = 120 Kč/ks ML = c n c z MPL = = 260 Kč/ks MPL = c p c n S jakou pravděpodobností dojde k přebytku zásob? p = p = γ = = = ሶ = 0,6842 = 68,42 % MPL ML + MPL Mgr. Sekničková Jana, Ph.D. 27

28 7.5 Jednorázová zásoba Příklad S jakou pravděpodobností dojde k přebytku zásob? γ = = = 13 Q~N(150, 43,3 2 ) 19 ሶ = 0,6842 = 68,42 % z = Q μ Q σ Q ~N 0,1 Q = μ Q + z γ σ Q z 0,6842 = 0,479 q = ,479 43,3 = ,7407 = 170,7407 = ሶ 171 Mgr. Sekničková Jana, Ph.D. 28

29 Detaily k přednášce: skripta, kapitola 7 KONEC Mgr. Sekničková Jana, Ph.D. 29

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

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 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

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

4EK311 Operační výzkum. 6. Řízení projektů

4EK311 Operační výzkum. 6. Řízení projektů 4EK311 Operační výzkum 6. Řízení projektů 6. Řízení projektů Typická aplikace teorie grafů Projekt = soubor činností Příklady: Vývoj a uvedení nového výrobku Výstavba či rekonstrukce objektu Plán výrobního

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

4EK212 Kvantitativní management. 7.Řízení projektů

4EK212 Kvantitativní management. 7.Řízení projektů 4EK212 Kvantitativní management 7.Řízení projektů 6.5 Řízení projektů Typická aplikace teorie grafů Projekt = soubor činností Příklady: Vývoj a uvedení nového výrobku Výstavba či rekonstrukce objektu Plán

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

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

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

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

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

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

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

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

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

Simulační modely. Kdy použít simulaci?

Simulační modely. Kdy použít simulaci? Simulační modely Simulace z lat. Simulare (napodobení). Princip simulace spočívá v sestavení modelu reálného systému a provádění opakovaných experimentů s tímto modelem. Simulaci je nutno považovat za

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

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

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

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

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

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

Odhad parametrů N(µ, σ 2 )

Odhad parametrů N(µ, σ 2 ) Odhad parametrů N(µ, σ 2 ) Mějme statistický soubor x 1, x 2,, x n modelovaný jako realizaci náhodného výběru z normálního rozdělení N(µ, σ 2 ) s neznámými parametry µ a σ. Jaký je maximální věrohodný

Více

ROZDĚLENÍ SPOJITÝCH NÁHODNÝCH VELIČIN

ROZDĚLENÍ SPOJITÝCH NÁHODNÝCH VELIČIN ROZDĚLENÍ SPOJITÝCH NÁHODNÝCH VELIČIN Rovnoměrné rozdělení R(a,b) rozdělení s konstantní hustotou pravděpodobnosti v intervalu (a,b) f( x) distribuční funkce 0 x a F( x) a x b b a 1 x b b 1 a x a a x b

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

NÁHODNÉ VELIČINY JAK SE NÁHODNÁ ČÍSLA PŘEVEDOU NA HODNOTY NÁHODNÝCH VELIČIN?

NÁHODNÉ VELIČINY JAK SE NÁHODNÁ ČÍSLA PŘEVEDOU NA HODNOTY NÁHODNÝCH VELIČIN? NÁHODNÉ VELIČINY GENEROVÁNÍ SPOJITÝCH A DISKRÉTNÍCH NÁHODNÝCH VELIČIN, VYUŽITÍ NÁHODNÝCH VELIČIN V SIMULACI, METODY TRANSFORMACE NÁHODNÝCH ČÍSEL NA HODNOTY NÁHODNÝCH VELIČIN. JAK SE NÁHODNÁ ČÍSLA PŘEVEDOU

Více

Výběrové charakteristiky a jejich rozdělení

Výběrové charakteristiky a jejich rozdělení Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Statistické šetření úplné (vyčerpávající) neúplné (výběrové) U výběrového šetření se snažíme o to, aby výběrový

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

y = 0, ,19716x.

y = 0, ,19716x. Grafické ověřování a testování vybraných modelů 1 Grafické ověřování empirického rozdělení Při grafické analýze empirického rozdělení vycházíme z empirické distribuční funkce F n (x) příslušné k náhodnému

Více

4EK311 Operační výzkum. 5. Teorie grafů

4EK311 Operační výzkum. 5. Teorie grafů 4EK311 Operační výzkum 5. Teorie grafů 5. Teorie grafů definice grafu Graf G = uspořádaná dvojice (V, E), kde V označuje množinu n uzlů u 1, u 2,, u n (u i, i = 1, 2,, n) a E označuje množinu hran h ij,

Více

4EK201 Matematické modelování. 8. Modely hromadné obsluhy

4EK201 Matematické modelování. 8. Modely hromadné obsluhy 4EK201 Matematické modelování 8. Modely hromadné obsluhy 8. Modely hromadné obsluhy Systém, ve kterém dochází k realizaci obsluhy příchozích požadavků = systém hromadné obsluhy Vědní disciplína zkoumající

Více

4EK311 Operační výzkum. 3. Optimalizační software a stabilita řešení úloh LP

4EK311 Operační výzkum. 3. Optimalizační software a stabilita řešení úloh LP 4EK311 Operační výzkum 3. Optimalizační software a stabilita řešení úloh LP 3.1 Příklad matematický model Lis: 1 x 1 + 2 x 2 120 [min] Balení: 1 x 1 + 4 x 2 180 [min] Poptávka: 1 x 1 1 x 2 90 [krabiček]

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

Příklady - Bodový odhad

Příklady - Bodový odhad Příklady - odový odhad 5. října 03 Pražské metro Přijdu v pražském metru na nástupiště a tam zjistím, že metro v mém směru jelo před :30 a metro v opačném směru před 4:0. Udělejte bodový odhad, jak dlouho

Více

Statistika a spolehlivost v lékařství Charakteristiky spolehlivosti prvků I

Statistika a spolehlivost v lékařství Charakteristiky spolehlivosti prvků I Statistika a spolehlivost v lékařství Charakteristiky spolehlivosti prvků I Příklad Tahová síla papíru používaného pro výrobu potravinových sáčků je důležitá charakteristika kvality. Je známo, že síla

Více

4EK311 Operační výzkum. 4. Distribuční úlohy LP část 1

4EK311 Operační výzkum. 4. Distribuční úlohy LP část 1 4EK311 Operační výzkum 4. Distribuční úlohy LP část 1 4. Distribuční úlohy LP Úlohy výrobního plánování (alokace zdrojů) Úlohy finančního plánování (optimalizace portfolia) Úlohy reklamního plánování (plánování

Více

Příklad 1. Řešení 1a. Řešení 1b. Řešení 1c ŘEŠENÉ PŘÍKLADY Z MV2 ČÁST 7

Příklad 1. Řešení 1a. Řešení 1b. Řešení 1c ŘEŠENÉ PŘÍKLADY Z MV2 ČÁST 7 Příklad 1 a) Autobusy městské hromadné dopravy odjíždějí ze zastávky v pravidelných intervalech 5 minut. Cestující může přijít na zastávku v libovolném okamžiku. Určete střední hodnotu a směrodatnou odchylku

Více

4EK213 Lineární modely. 4. Simplexová metoda - závěr

4EK213 Lineární modely. 4. Simplexová metoda - závěr 4EK213 Lineární modely 4. Simplexová metoda - závěr 4. Simplexová metoda - závěr Konečnost simplexové metody Degenerace Modifikace pravidla pro volbu vstupující proměnné Blandovo pravidlo Kontrola výpočtu

Více

JEDNOVÝBĚROVÉ TESTY. Komentované řešení pomocí programu Statistica

JEDNOVÝBĚROVÉ TESTY. Komentované řešení pomocí programu Statistica JEDNOVÝBĚROVÉ TESTY Komentované řešení pomocí programu Statistica Vstupní data Data umístěná v excelovském souboru překopírujeme do tabulky ve Statistice a pojmenujeme proměnné, viz prezentace k tématu

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

SYSTÉMOVÁ METODOLOGIE (VIII) Operační výzkum. Ak. rok 2011/2012 vbp 1

SYSTÉMOVÁ METODOLOGIE (VIII) Operační výzkum. Ak. rok 2011/2012 vbp 1 SYSTÉMOVÁ METODOLOGIE (VIII) Operační výzkum Ak. rok 2011/2012 vbp 1 DEFINICE Operační výzkum je prostředek pro nalezení optimálního řešení daného problému při respektování celé řady různorodých omezení,

Více

Aplikace při posuzování inv. projektů

Aplikace při posuzování inv. projektů Aplikace při posuzování inv. projektů Pokročilé metody investiční analýzy Výpočet bodu zvratu Citlivostní analýza Analýzy scénářů Statistické simulace Reálné opce Analýza stochastických procesů Příklad

Více

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE Fakulta dopravní. Strategie řízení zásob

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE Fakulta dopravní. Strategie řízení zásob ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE Fakulta dopravní Shcherbanova Irina Strategie řízení zásob Bakalářská práce 2017 1 2 3 ABSTRAKT Tato bakalářská práce se zaměřuje na analýzu skladovacího a distribučního

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

Odhad parametrů N(µ, σ 2 )

Odhad parametrů N(µ, σ 2 ) Odhad parametrů N(µ, σ 2 ) Mějme statistický soubor x 1, x 2,, x n modelovaný jako realizaci náhodného výběru z normálního rozdělení N(µ, σ 2 ) s neznámými parametry µ a σ. Jaký je maximální věrohodný

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

STANOVENÍ SPOLEHLIVOSTI GEOTECHNICKÝCH KONSTRUKCÍ. J. Pruška, T. Parák

STANOVENÍ SPOLEHLIVOSTI GEOTECHNICKÝCH KONSTRUKCÍ. J. Pruška, T. Parák STANOVENÍ SPOLEHLIVOSTI GEOTECHNICKÝCH KONSTRUKCÍ J. Pruška, T. Parák OBSAH: 1. Co je to spolehlivost, pravděpodobnost poruchy, riziko. 2. Deterministický a pravděpodobnostní přístup k řešení problémů.

Více

Téma 22. Ondřej Nývlt

Téma 22. Ondřej Nývlt Téma 22 Ondřej Nývlt nyvlto1@fel.cvut.cz Náhodná veličina a náhodný vektor. Distribuční funkce, hustota a pravděpodobnostní funkce náhodné veličiny. Střední hodnota a rozptyl náhodné veličiny. Sdružené

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

4EK213 Lineární modely. 5. Dualita v úlohách LP

4EK213 Lineární modely. 5. Dualita v úlohách LP 4EK213 Lineární modely 5. Dualita v úlohách LP 5. Dualita v úlohách LP Obecné vyjádření simplexové tabulky Formulace duálního problému Formulace symetrického duálního problému Formulace nesymetrického

Více

Normální rozložení a odvozená rozložení

Normální rozložení a odvozená rozložení I Normální rozložení a odvozená rozložení I.I Normální rozložení Data, se kterými pracujeme, pocházejí z různých rozložení. Mohou být vychýlena (doleva popř. doprava, nebo v nich není na první pohled vidět

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

VYBRANÁ ROZDĚLENÍ. DISKRÉTNÍ NÁH. VELIČINY Martina Litschmannová

VYBRANÁ ROZDĚLENÍ. DISKRÉTNÍ NÁH. VELIČINY Martina Litschmannová VYBRANÁ ROZDĚLENÍ DISKRÉTNÍ NÁH. VELIČINY Martina Litschmannová Opakování Základní pojmy z teorie pravděpodobnosti Co je to náhodná veličina (dále NV)? Číselné vyjádření výsledku náhodného pokusu. Jaké

Více

Mgr. Rudolf Blažek, Ph.D. prof. RNDr. Roman Kotecký Dr.Sc.

Mgr. Rudolf Blažek, Ph.D. prof. RNDr. Roman Kotecký Dr.Sc. Náhodné veličiny III Mgr. Rudolf Blažek, Ph.D. prof. RNDr. Roman Kotecký Dr.Sc. Katedra teoretické informatiky Fakulta informačních technologií České vysoké učení technické v Praze c Rudolf Blažek, Roman

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

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

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

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA PRAVDĚPODOBNOST A STATISTIKA Náhodný výběr Nechť X je náhodná proměnná, která má distribuční funkci F(x, ϑ). Předpokládejme, že známe tvar distribuční funkce (víme jaké má rozdělení) a neznáme parametr

Více

Celkové dopravní náklady (TTC) lze spočítat jako : Součin variabilních nákladů a přepravovaného množství zvýšený o fixní náklad

Celkové dopravní náklady (TTC) lze spočítat jako : Součin variabilních nákladů a přepravovaného množství zvýšený o fixní náklad Je dána dopravní síť. (Ohodnocení v nákladech na obsluhu). Řešení problému optimální obslužnosti úseku dopravní sítě vede z matematického hlediska na model: Vyberte jednu odpověď a. nejlevnějšího maximálního

Více

MATEMATICKÁ STATISTIKA. Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci

MATEMATICKÁ STATISTIKA.   Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci MATEMATICKÁ STATISTIKA Dana Černá http://www.fp.tul.cz/kmd/ Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci Matematická statistika Matematická statistika se zabývá matematickým

Více

Přednáška. Další rozdělení SNP. Limitní věty. Speciální typy rozdělení. Další rozdělení SNP Limitní věty Speciální typy rozdělení

Přednáška. Další rozdělení SNP. Limitní věty. Speciální typy rozdělení. Další rozdělení SNP Limitní věty Speciální typy rozdělení VI Přednáška Další rozdělení SNP Limitní věty Speciální typy rozdělení Rovnoměrné rozdělení R(a,b) Příklad Obejít celý areál trvá strážnému 30 minut. Jaká je pravděpodobnost, že u vrátnice budete čekat

Více

9. T r a n s f o r m a c e n á h o d n é v e l i č i n y

9. T r a n s f o r m a c e n á h o d n é v e l i č i n y 9. T r a n s f o r m a c e n á h o d n é v e l i č i n y Při popisu procesů zpracováváme vstupní údaj, hodnotu x tak, že výstupní hodnota y závisí nějakým způsobem na vstupní, je její funkcí y = f(x).

Více

Stručný úvod do testování statistických hypotéz

Stručný úvod do testování statistických hypotéz Stručný úvod do testování statistických hypotéz 1. Formulujeme hypotézu (předpokládáme, že pozorovaný jev je pouze náhodný). 2. Zvolíme hladinu významnosti testu a, tj. riziko, s nímž jsme ochotni se smířit.

Více

Matematicko-fyzikální fakulta Univerzity Karlovy

Matematicko-fyzikální fakulta Univerzity Karlovy Oceňování finančních derivátů ve spojitém čase Václav Kozmík Matematicko-fyzikální fakulta Univerzity Karlovy 4. 10. 2010 Úvod Stochastický kalkulus Wienerův proces stochastické procesy Itoovo lemma změna

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

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

VYBRANÁ ROZDĚLENÍ. SPOJITÉ NÁH. VELIČINY Martina Litschmannová

VYBRANÁ ROZDĚLENÍ. SPOJITÉ NÁH. VELIČINY Martina Litschmannová VYBRANÁ ROZDĚLENÍ SPOJITÉ NÁH. VELIČINY Martina Litschmannová Opakování hustota pravděpodobnosti f(x) Funkce f(x) je hustotou pravděpodobností (na intervalu a x b), jestliže splňuje následující podmínky:

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

Optimalizace řízení zásob distributora zdravotnického materiálu

Optimalizace řízení zásob distributora zdravotnického materiálu Mendelova univerzita v Brně Provozně ekonomická fakulta Optimalizace řízení zásob distributora zdravotnického materiálu Bakalářská práce Vedoucí bakalářské práce: Ing. Luboš Střelec, Ph.D. Vypracoval:

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

LIMITNÍ VĚTY DALŠÍ SPOJITÁ ROZDĚLENÍ PR. 8. cvičení

LIMITNÍ VĚTY DALŠÍ SPOJITÁ ROZDĚLENÍ PR. 8. cvičení LIMITNÍ VĚTY DALŠÍ SPOJITÁ ROZDĚLENÍ PR. 8. cvičení Způsoby statistického šetření Vyčerpávající šetření prošetření všech jednotek statistického souboru (populace) Výběrové šetření ze základního souboru

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

Příklady: - počet členů dané domácnosti - počet zákazníků ve frontě - počet pokusů do padnutí čísla šest - životnost televizoru - věk člověka

Příklady: - počet členů dané domácnosti - počet zákazníků ve frontě - počet pokusů do padnutí čísla šest - životnost televizoru - věk člověka Náhodná veličina Náhodnou veličinou nazýváme veličinu, terá s určitými p-stmi nabývá reálných hodnot jednoznačně přiřazených výsledům příslušných náhodných pousů Náhodné veličiny obvyle dělíme na dva záladní

Více

Sestavování rozpočtové výsledovky, rozvahy a rozpočtu peněžních toků + integrace finančního a věcného plánu

Sestavování rozpočtové výsledovky, rozvahy a rozpočtu peněžních toků + integrace finančního a věcného plánu Sestavování rozpočtové výsledovky, rozvahy a rozpočtu peněžních toků + integrace finančního a věcného plánu Úloha 1 Podnik Firma vyrábí cyklistické rukavice. Předběžná kalkulace variabilních nákladů na

Více

MODELY OLIGOPOLU COURNOTŮV MODEL, STACKELBERGŮV MODEL

MODELY OLIGOPOLU COURNOTŮV MODEL, STACKELBERGŮV MODEL MODELY OLIGOPOLU COURNOTŮV MODEL, STACKELBERGŮV MODEL DOKONALÁ KONKURENCE Trh dokonalé konkurence je charakterizován velkým počtem prodávajících, kteří vyrábějí homogenní produkt a nemohou ovlivnit tržní

Více

Test z teorie VÝBĚROVÉ CHARAKTERISTIKY A INTERVALOVÉ ODHADY

Test z teorie VÝBĚROVÉ CHARAKTERISTIKY A INTERVALOVÉ ODHADY VÝBĚROVÉ CHARAKTERISTIKY A INTERVALOVÉ ODHADY Test z teorie 1. Střední hodnota pevně zvolené náhodné veličiny je a) náhodná veličina, b) konstanta, c) náhodný jev, d) výběrová charakteristika. 2. Výběrový

Více

4EK201 Matematické modelování. 11. Ekonometrie

4EK201 Matematické modelování. 11. Ekonometrie 4EK201 Matematické modelování 11. Ekonometrie 11. Ekonometrie Ekonometrie Interdisciplinární vědní disciplína Zkoumá vztahy mezi ekonomickými veličinami Mikroekonomickými i makroekonomickými Ekonomie ekonomické

Více

Aproximace binomického rozdělení normálním

Aproximace binomického rozdělení normálním Aproximace binomického rozdělení normálním Aproximace binomického rozdělení normálním Příklad Sybilla a Kassandra tvrdí, že mají telepatické schopnosti, a chtějí to dokázat následujícím pokusem: V jedné

Více

populace soubor jednotek, o jejichž vlastnostech bychom chtěli vypovídat letní semestr Definice subjektech.

populace soubor jednotek, o jejichž vlastnostech bychom chtěli vypovídat letní semestr Definice subjektech. Populace a Šárka Hudecová Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy letní semestr 2012 1 populace soubor jednotek, o jejichž vlastnostech bychom

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

Osnova p ednášky Logistické systémy a jejich LOGISTICKÉ SYSTÉMY charakteristika 2 0 0 8 0 8-2/ 2 1 / 3 Typy distribu ních systém Typy distribu

Osnova p ednášky Logistické systémy a jejich LOGISTICKÉ SYSTÉMY charakteristika 2 0 0 8 0 8-2/ 2 1 / 3 Typy distribu ních systém Typy distribu Osnova přednášky LOGISTICKÉ SYSTÉMY 2008-2/13 Logistické systémy a jejich charakteristika Typy distribučních systémů Základní logistické kalkulace, Case Study Přepravní systémy Logistický systém Lokační

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

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

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

4EK311 Operační výzkum. 8. Modely hromadné obsluhy

4EK311 Operační výzkum. 8. Modely hromadné obsluhy 4EK311 Operační výzkum 8. Modely hromadné obsluhy 8. Modely hromadné obsluhy Systém, ve kterém dochází k realizaci obsluhy příchozích požadavků = systém hromadné obsluhy Vědní disciplína zkoumající tyto

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

Téma 2: Pravděpodobnostní vyjádření náhodných veličin

Téma 2: Pravděpodobnostní vyjádření náhodných veličin 0.025 0.02 0.015 0.01 0.005 Nominální napětí v pásnici Std Mean 140 160 180 200 220 240 260 Std Téma 2: Pravděpodobnostní vyjádření náhodných veličin Přednáška z předmětu: Pravděpodobnostní posuzování

Více

Přednáška. Diskrétní náhodná proměnná. Charakteristiky DNP. Základní rozdělení DNP

Přednáška. Diskrétní náhodná proměnná. Charakteristiky DNP. Základní rozdělení DNP IV Přednáška Diskrétní náhodná proměnná Charakteristiky DNP Základní rozdělení DNP Diskrétní náhodná veličina Funkce definovaná na Ω, přiřazující každému elementárnímu jevu E prvky X(E) D R kde D je posloupnost

Více

Charakterizace rozdělení

Charakterizace rozdělení Charakterizace rozdělení Momenty f(x) f(x) f(x) μ >μ 1 σ 1 σ >σ 1 g 1 g σ μ 1 μ x μ x x N K MK = x f( x) dx 1 M K = x N CK = ( x M ) f( x) dx ( xi M 1 C = 1 K 1) N i= 1 K i K N i= 1 K μ = E ( X ) = xf

Více

Matematické modelování 4EK201

Matematické modelování 4EK201 Matematické modelování 4EK0 Ukázkový test Maimum 00 bodů. Pokud má úloha lineárního programování více optimálních řešení, pak (a) jich může být nekonečně mnoho, (b) jich musí být nekonečně mnoho.. Doplňte

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

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

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

Teorie her a ekonomické rozhodování. 7. Hry s neúplnou informací

Teorie her a ekonomické rozhodování. 7. Hry s neúplnou informací Teorie her a ekonomické rozhodování 7. Hry s neúplnou informací 7.1 Informace Dosud hráči měli úplnou informaci o hře, např. znali svou výplatní funkci, ale i výplatní funkce ostatních hráčů často to tak

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

Nestranný odhad Statistické vyhodnocování exp. dat M. Čada

Nestranný odhad Statistické vyhodnocování exp. dat M. Čada Nestranný odhad 1 Parametr θ Máme statistický (výběrový) soubor, který je realizací náhodného výběru 1, 2, 3,, n z pravděpodobnostní distribuce, která je kompletně stanovena jedním nebo více parametry

Více

pravděpodobnosti 9 Některá význačná diskrétní rozdělení pravděpodobnosti

pravděpodobnosti 9 Některá význačná diskrétní rozdělení pravděpodobnosti pravděpodobnosti pravděpodobnosti Břetislav Fajmon, UMAT FEKT, VUT Brno Této přednášce odpovídá část kapitoly 11 ze skript [1] a vše, co se nachází v kapitole 5 sbírky úloh [2] tuto kapitolu 5 sbírky úloh

Více

STATISTICKÉ ZJIŠŤOVÁNÍ

STATISTICKÉ ZJIŠŤOVÁNÍ STATISTICKÉ ZJIŠŤOVÁNÍ ÚVOD Základní soubor Všechny ryby v rybníce, všechny holky/kluci na škole Cílem určit charakteristiky, pravděpodobnosti Průměr, rozptyl, pravděpodobnost, že Maruška kápne na toho

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

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