Kvantitativní metody v rozhodování. Marta Doubková

Rozměr: px
Začít zobrazení ze stránky:

Download "Kvantitativní metody v rozhodování. Marta Doubková"

Transkript

1 Kvantitativní metody v rozhodování Marta Doubková Seminární práce 28

2 OBSAH 1 LINEÁRNÍ PROGRAMOVÁNÍ KAPACITNÍ ÚLOHA DISTRIBUČNÍ ÚLOHA ANALÝZA KRITICKÉ CESTY METODA CPM MODEL HROMADNÉ OBSLUHY... 16

3 1 LINEÁRNÍ PROGRAMOVÁNÍ KAPACITNÍ ÚLOHA Společnost Drevounia s. r. o. vyrábí 5 typů židlí, které se zhotovují ve 4 střediscích, jejichž měsíční kapacita je postupně 2 6 h, 3 3 h, 4 2 h a 3 9 h. Aby společnost mohla vyrábět jednotlivé typy židlí, musí počítat s hodinovou spotřebou času, jak je uvedeno v tabulce. Společnost Drevounia musí na základě smluv uzavřených s odběrateli měsíčně vyrábět minimálně 8 ks židlí typu 1, 5 ks židlí typu 3 a 6 ks židlí typu 4, maximálně však 3 6 ks každého typu židle. Hrubý zisk, který plyne z výroby těchto židlí je 13, 1 2, 1 4, 1 6 a 2 Kč/ks. Úkolem je sestavit takový výrobní program, který bude maximalizovat celkový zisk. Tabulka 1 Spotřeba času na výrobu 1. Rozbor činitelů Vstupní činitelé: Strojové hodiny Výstupní činitelé: Ž1, Ž2, Ž3, Ž4, Ž5 2. Definice proměnných x 1 počet vyrobených kusů židlí typu 1 x 2 počet vyrobených kusů židlí typu 2 x 3 počet vyrobených kusů židlí typu 3 x 4 počet vyrobených kusů židlí typu 4 x 5 počet vyrobených kusů židlí typu 5

4 3. Omezení na vstupu,3 x 1 +,2 x 2 +,4 x 3 +,4 x 4 +,5 x 5 2 6,3 x 1 +,5 x 2 +,5 x 3 +,4 x 4 +,6 x 5 3 3,7 x 1 +,9 x 2 +,8 x 3 +,8 x 4 +,5 x 5 4 2,4 x 1 +,4 x 2 +,5 x 3 +,4 x 4 +,8 x Omezení na výstupu x 1 x 2 x x x Účelová funkce z 13 x1 12x2 14x3 16x4 2x5 MAX 6. Řešení pomocí programu WinQSB

5 7. Interpretace výsledku: Z hlediska primárního modelu vstupních a výstupních omezení, která firma Drevounia musí při své výrobě zohlednit, bude optimální výroba činit 1 44 ks židlí 2. typu (tržby Kč), 873 ks židlí 4. typu (tržby Kč) a 3 24 ks židlí 5. typu (tržby 6 48 ). Dále musí zmíněná firma z důvodu smluvního omezení s odběrateli vyrábět 8 ks židle 1. typu (tržby 1 4 Kč) a 5 ks židlí 3. typu (tržby 1 6 Kč), i když je výroba ztrátová. Celkové měsíční tržby (tj. maximální hodnota účelové funkce) jsou ve výši Kč. Z pohledu řešení duálního modelu můžeme vidět, že kapacity střediska 1, střediska 3 a střediska 4 jsou plně využity. Pouze kapacita střediska 2 není plně využita. Z tohoto důvodu není nutné u tohoto střediska rozšiřovat kapacitu. Naopak tomu je u střediska 1, kde pokud bychom zvýšili kapacitu o 1 hodinu, zvýšila by se nám hodnota účelové funkce o 2 24 Kč. Pokud bychom zvýšili kapacitu 3. střediska o 1 h, účelová funkce by se nám zvýšila o 48 Kč a v případě 4. střediska by se zvýšila o 8 Kč. V tomto případě je důležitá úvaha nad tím, jaké náklady jsou spojeny s 1 h kapacity ve střediscích 1, 3 a 4 a zda se vzhledem k těmto skutečnostem vyplatí navýšit hodinovou kapacitu při výrobě. Skladba výroby se nebude měnit, jestliže se kapacita bude pohybovat v rozmezí 2 554, ,273 h v 1. středisku, dále alespoň 3 283,6 h v 2 středisku, v rozmezí ,571 h v 3. středisku a v rozmezí ,5 h v posledním, 4. středisku. Dále se kapacita nebude měnit, jestliže u ztrátového typu židle 1 dodržíme podmínku doporučené ceny Kč a více a u 2. typu židle minimálně 1 68 Kč a více. Ceny ostatních druhů židlí, tj. židle typu 2, 4 a 5 by se měly postupně pohybovat v intervalech 1112,5 1 79,1 Kč;1 536, ,6 Kč a 1 766,7 2 6 Kč.

6

7 2 DISTRIBUČNÍ ÚLOHA Metoda VAM (Vogelova aproximační metoda) Společnost SIT s. r. o. se zabývá nákupem a prodejem židlí, který je spojen i s jejich montáží. V ČR má pronajaty celkem 4 sklady, které se nacházejí v Ústí nad Labem, Českých Budějovicích, Brně a Vsetíně. Kapacita těchto skladů je 15, 21, 25 a 19 ks židlí. Z těchto skladů se židle distribuují do pěti prodejen v Hradci Králové, Táboře, Jihlavě, Olomouci a Zlíně. Podle uzavřených smluv společnost SIT postupně svým odběratelům dodá 11, 14, 21, 17 a 12 ks židlí. Z důvodu výpovědi nájemní smlouvy ve skladu v Ústí nad Labem, bude společnost SIT nucena tento sklad zcela vyprázdnit. Úkolem je sestavit takový distribuční plán, aby celkové náklady na přepravu byly minimální. Tabulka 2 Distribuční náklady na 1 ks židle ve stovkách Kč Z důvodu nevyrovnanosti problému, kdy se požadavky prodejen nerovnají kapacitě skladů firmy SIT, jsme nuceni v řešení zavést fiktivní prodejnu. Při řešení musíme vzít rovněž v úvahu podmínku úplného vyprázdnění skladu v Ústí nad Labem. Z tohoto důvodu u fiktivní prodejny zvolíme vysokou sazbu tak, aby by se přeprava nemohla uskutečnit.

8 Z výše uvedené tabulky nám vyplývá výchozí základní řešení. Hodnota účelové funkce, znázorněné následujícím výpočtem, činí 49 Kč. z 11 *5 4 *13 14 *3 7 *5 14 * 4 11 *9 2 *5 12 *5 z 49Kč Matice přeprav je následující: Dalším bodem v řešení tohoto úkolu je provedení testu optimality, jehož úkolem je zjištění, jestli je výše uvedené řešení optimální popř. jestli existuje lepší řešení, s nižší hodnotou účelové funkce. Pro provedení testu je nutné nejdříve zjistit, zda-li je řešení nedegenerované, tzn. musí platit podmínka: (m + n - 1) počet obsazených polí. Příklad: m + n Z uvedeného výpočtu vyplývá, že podmínka je splněna, výchozí základní řešení je nedegenerované a lze tedy provést test optimality. Test optimality je založen na porovnání sazby c ij s tzv. nepřímou sazbou c ij v každém neobsazeném poli. Zavedou se pomocná řádková čísla u i a pomocná sloupcová čísla v j. Jestliže poté bude platit že c ij - c ij, bude řešení optimální. Jestliže c ij - c ij >, řešení optimální nebude.

9 Z výše uvedené tabulky vyplývá, že z důvodu platnosti podmínky, kdy c ij - c ij >, která platí pro 2 existující pole, řešení není optimální. V tomto případě budeme postupovat tak, že na neobsazené pole, kde je c ij - c ij > největší (tj. pole České Budějovice a P f ), přesuneme určitou přepravu t (tzv. nově obsazované pole). K tomuto nově obsazovanému poli vyhledáme ve výchozím řešení taková obsazená pole, aby spolu tvořila uzavřený okruh. t se přitom bude rovnat nejmenší přepravě z těch, které jsou umístěny na polích uzavřeného okruhu, kde se t odečítá (tj. pole Vsetín a P f ). V tomto případě t = 5. Výše uvedenou tabulku přepočítáme a provedeme u ní test optimality.

10 Z výše uvedené tabulky nám vyplývá nové základní řešení. Hodnota účelové funkce, znázorněné následujícím výpočtem, činí 384 Kč. z 11*5 4 *13 14*3 2 *5 5 * 19* 4 6 *9 7 *5 12*5 z 384Kč Matice přeprav je následující: Jelikož v tomto případě již splňujeme podmínku kdy c ij - c ij, můžeme prohlásit toto řešení za optimální. Skutečnost, že předchozí řešení nebylo optimální se potvrdilo i ve snížení účelové funkce (ze 49 Kč na 384 Kč, tj. snížení o 25 Kč). Alternativní řešení u tohoto příkladu neexistuje, protože zde neexistuje neobsazené pole, ve kterém by se rovnala sazba c ij s nepřímou sazbou c ij tj. c ij = c ij. Nové základní řešení je tedy jediné možné řešení, při kterém můžeme dosáhnout minimální hodnoty účelové funkce, tj. kdy náklady na přepravu jsou minimální.

11 Řešení pomocí programu WinQSB

12 Interpretace dosaženého výsledku: Jak lze vidět z výsledku řešení programu WinQSB, výpočet, který byl proveden pomocí samostatné úvahy, byl potvrzen. Řešení nám ukazuje pouze jednu vhodnou variantu distribuce, která při podmínce minimalizace nákladů činí 384 Kč. Společnost SIT s. r. o. bude židle distribuovat pomocí následujícího schématu: Sklad v Ústí nad Labem bude dodávat 11 ks židlí do prodejny v Hradci Králové a 4 ks židlí do Olomouce. Sklad v Českých Budějovicích bude dodávat 14 ks židlí do Tábora, 2 ks židlí do Jihlavy, přičemž 5 ks židlí zůstane na skladě. Sklad v Brně bude dodávat 19 ks židlí do Jihlavy a 6 ks židlí do Olomouce. Sklad ve Vsetíně bude dodávat 7 ks židlí do Olomouce a 12 ks židlí do Zlína.

13 3 ANALÝZA KRITICKÉ CESTY METODA CPM Příprava valašského frgálu V rámci plánované oslavy je třeba napéct cukroví a několik koláčů. Z množství různých receptů byl zvolen recept na valašský frgál, jehož příprava je relativně snadná a výsledek se vždy setká s velkým ohlasem stolujících. V rámci upečení tohoto frgálu bylo stanoveno několik následujících činností a rovněž byla odhadem stanovena doba trvání v minutách. Všechny potřebné informace jsou uvedeny v tabulce. Úkolem je sestrojit síťový graf a vypočítat nejkratší dobu pro přípravu a upečení valašského frgálu.. Výsledek síťového grafu: Kritická cesta: A B D E F G H I K L M O Doba trvání: 175 min = tj. 2 h 55 min

14

15 Řešení pomocí programu WinQSB Interpretace výsledku: Ruční výpočet i softwarové řešení nám poskytlo řešení v podobě nalezení kritické cesty: A B D E F G H I K L M O. V návaznosti na tyto údaje jsme schopni zjistit nejkratší možnou dobu pro přípravu a následné zhotovení valašského frgálu. Tato doba stanovena na 175 min, tj. 2 h a 55 min. Celkovou časovou rezervu nacházíme v činnostech C vymazání plechů (65 min), J příprava posýpky (15 min) a N příprava na polití (45 min).

16 4 MODEL HROMADNÉ OBSLUHY Pobočka České pošty v Bystřici pod Hostýnem má v provozu celkem 4 přepážky pro peněžní služby. Dostavující se klienti se řadí do jedné fronty, přičemž přicházejí průměrně každé 1,5 minuty a tyto intervaly mají exponenciální rozdělení. Potřebná doba pro vyřízení požadavku klienta je náhodnou veličinou s exponenciálním rozdělením, se střední hodnotou cca 5 minut. Náklady na provoz jedné přepážky jsou 4 Kč/hod a náklady na pobyt jedné jednotky v systému je 16 Kč/hod. Úkolem je zvážit, zda bude za stávajících podmínek výhodné provozovat 5 přepážek nebo zda bude lepší i nadále zůstat u stávající situace. Kendellova notace: M / M / 4/ / / FIFO M / M / 5/ / / FIFO Řešení: Nejprve určíme hodnoty λ, µ a ρ. c c , c * c * *12 4 5*12,833,666 c * 1 λ průměrný počet klientů, kteří přijdou na pobočku České pojišťovny za 1 hodinu µ - průměrný počet vyřízených klientů za 1 hodinu ρ podmínka stabilizace je v obou situacích splněna, protože platí 1

17 Řešení pomocí programu WinQSB Queuing analysis V případě 4 přepážek v provozu:

18 Celková využitelnost systému při provozu 4 přepážek je 83, 33 %. Průměrný počet klientů na přepážce za 1 hodinu je 6,62, průměrný počet klientů ve frontě je 3,29 a průměrný počet klientů ve frontě a v zaplněném systému je roven 5-ti. Klient stráví v systému průměrně,1655 hodiny (tj. cca 9,93 min), ve frontě stráví průměrně,822 hodiny (tj. cca 4,9 min) a ve frontě a zaplněném systému stráví,125 h (tj. cca 7,5 minuty). Pravděpodobnost, že přepážka nebude v provozu je 2,131 %. Pravděpodobnost, že příchozí klient bude čekat z důvodu zaplněnosti systému je 65,77 %. Celkové náklady na provoz jedné přepážky v provozu dosahují 1 333,33 Kč/hod, celkové náklady na čekajícího klienta dosahují 526,18 Kč/hod a celkové náklady na provoz celé pobočky za 1 hodinu činí 2 659,51 Kč.

19 V případě provozu 5-ti přepážek:

20 Celková využitelnost systému při chodu 5-ti přepážek je 66,67 %. Průměrný počet klientů na pobočce za 1 hodinu je 3,99, průměrný počet klientů ve frontě je,6533 a průměrný počet klientů ve frontě a v zaplněném systému je roven 2. Klient stráví v systému průměrně,997 hodiny (tj. cca 5,982 min), ve frontě stráví průměrně,163 hodiny (tj. cca,978 min) a ve frontě a zaplněném systému stráví průměrně,5 h (tj. 3min). Pravděpodobnost, že přepážka nebude v provozu je 3,1752 %. Pravděpodobnost, že příchozí klient bude čekat z důvodu zaplněnosti systému je 32,67 %. Celkové náklady na provoz jedné přepážky v provozu dosahují 1 333,33 Kč/hod, celkové náklady na čekajícího klienta dosahují 14,53 Kč/hod a celkové náklady na provoz celé pobočky za 1 hodinu činí 2 637,87 Kč.

21 Interpretace výsledku: Zavedením 5-té přepážky dojde ke snížení celkové využitelnosti systému na 66,67 %. Z pohledu pobočky České pošty dojde k výraznému snížení čekajících klientů u jednotlivých přepážek i v zaplněném systému. Z pohledu klienta dojde k výraznému zlepšení poskytovaných služeb. Ve frontě a zaplněném systému stráví v konečném důsledku o 4,5 minuty méně času. I přes vyšší pravděpodobnost, že přepážky nebudou v provozu, celková pravděpodobnost, že klient bude čekat v důsledku zaplněnosti systému je o ½ nižší. Z pohledu celkových nákladů, zavedením 5-té přepážky nedojde k jejich výraznějšímu snížení, přesto bych však především z důvodu většího pohodlí pro klienty zavedla do provozu zmiňovanou 5-tou přepážku s celkovými hodinovými náklady na provoz 2 637,87 Kč.

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

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

Více

4EK213 Lineární modely. 12. Dopravní problém výchozí řešení

4EK213 Lineární modely. 12. Dopravní problém výchozí řešení 4EK213 Lineární modely 12. Dopravní problém výchozí řešení 12. Distribuční úlohy LP Úlohy výrobního plánování (alokace zdrojů) Úlohy finančního plánování (optimalizace portfolia) Úlohy reklamního plánování

Více

Exponenciální modely hromadné obsluhy

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

Více

Metody lineární optimalizace Simplexová metoda. Distribuční úlohy

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

Více

Příklady modelů lineárního programování

Příklady modelů lineárního programování Příklady modelů lineárního programování Příklad 1 Optimalizace výroby konzerv. Podnik vyrábí nějaký výrobek, který prodává v 1 kg a 2 kg konzervách, přičemž se řídí podle následujících velmi zjednodušených

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

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

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

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

Matematický ústav v Opavě. Studijní text k předmětu. Softwarová podpora matematických metod v ekonomice

Matematický ústav v Opavě. Studijní text k předmětu. Softwarová podpora matematických metod v ekonomice Matematický ústav v Opavě Studijní text k předmětu Softwarová podpora matematických metod v ekonomice Zpracoval: Ing. Josef Vícha Opava 2008 Úvod: V rámci realizace projektu FRVŠ 2008 byl zaveden do výuky

Více

Obr. P1.1 Zadání úlohy v MS Excel

Obr. P1.1 Zadání úlohy v MS Excel Přílohy Příloha 1 Řešení úlohy lineárního programování v MS Excel V této příloze si ukážeme, jak lze řešit úlohy lineárního programování pomocí tabulkového procesoru MS Excel. Výpočet budeme demonstrovat

Více

4EK213 LINEÁRNÍ MODELY

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

Více

Pearsonůvχ 2 test dobré shody. Ing. Michal Dorda, Ph.D.

Pearsonůvχ 2 test dobré shody. Ing. Michal Dorda, Ph.D. Ing. Michal Dorda, Ph.D. Př. : Ve vjezdové skupině kolejí byly sledovány počty přijíždějících vlaků za hodinu. Za 5 dní (tedy 360 hodin) přijelo celkem 87 vlaků. Výsledky sledování jsou uvedeny v tabulce.

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

Operační výzkum. Síťová analýza. Metoda CPM.

Operační výzkum. Síťová analýza. Metoda CPM. Operační výzkum Síťová analýza. Metoda CPM. Operační program Vzdělávání pro konkurenceschopnost Název projektu: Inovace magisterského studijního programu Fakulty ekonomiky a managementu Registrační číslo

Více

Parametrické programování

Parametrické programování Parametrické programování Příklad 1 Parametrické pravé strany Firma vyrábí tři výrobky. K jejich výrobě potřebuje jednak surovinu a jednak stroje, na kterých dochází ke zpracování. Na první výrobek jsou

Více

Přílohy. Příloha 1. Obr. P1.1 Zadání úlohy v MS Excel

Přílohy. Příloha 1. Obr. P1.1 Zadání úlohy v MS Excel Přílohy Příloha 1 Řešení úlohy lineárního programování v MS Excel V této příloze si ukážeme, jak lze řešit úlohy lineárního programování pomocí tabulkového procesoru MS Excel 2007. Výpočet budeme demonstrovat

Více

SÍŤOVÁ ANALÝZA. Kristýna Slabá, kslaba@students.zcu.cz. 1. července 2010

SÍŤOVÁ ANALÝZA. Kristýna Slabá, kslaba@students.zcu.cz. 1. července 2010 SÍŤOVÁ ANALÝZA Kristýna Slabá, kslaba@students.zcu.cz 1. července 2010 Obsah 1 Úvod do síťové analýzy Hlavní metody síťové analýzy a jejich charakteristika Metoda CPM Metoda PERT Nákladová analýza Metoda

Více

1.1 Typy úloh LP. Klíčová slova: úlohy LP, formulace modelu. 1. Formulace ekonomického modelu.

1.1 Typy úloh LP. Klíčová slova: úlohy LP, formulace modelu. 1. Formulace ekonomického modelu. Klíčová slova: úlohy LP, formulace modelu. 1 Úlohy Lineárního programování Lineární programování je jednou z částí operačního výzkumu a zpravidla se používá pro řešení optimalizačních úloh ekonomických

Více

FAKULTA INFORMATIKY A MANAGEMENTU UNIVERZITA HRADEC KRÁLOVÉ MOV 1 SEMESTRÁLNÍ PRÁCE

FAKULTA INFORMATIKY A MANAGEMENTU UNIVERZITA HRADEC KRÁLOVÉ MOV 1 SEMESTRÁLNÍ PRÁCE FAKULTA INFORMATIKY A MANAGEMENTU UNIVERZITA HRADEC KRÁLOVÉ MOV 1 SEMESTRÁLNÍ PRÁCE Vypracoval: Lenka Novotná Studijní obor: K-Informační management Emailová adresa: lenka.novotna.1@uhk.cz Datum vypracování:

Více

Ekonomická formulace. Matematický model

Ekonomická formulace. Matematický model Ekonomická formulace Firma balící bonboniéry má k dispozici 60 čokoládových, 60 oříškových a 85 karamelových bonbónů. Může vyrábět dva druhy bonboniér. Do první bonboniéry se dávají dva čokoládové, šest

Více

2. část: Základy matematického programování, dopravní úloha. Ing. Michal Dorda, Ph.D.

2. část: Základy matematického programování, dopravní úloha. Ing. Michal Dorda, Ph.D. 2. část: Základy matematického programování, dopravní úloha. 1 Úvodní pojmy Metody na podporu rozhodování lze obecně dělit na: Eaktní metody metody zaručující nalezení optimální řešení, např. Littlův algortimus,

Více

intenzitu příchodů zákazníků za čas t intenzitu obsluhy (průměrný počet obsloužených) za čas t

intenzitu příchodů zákazníků za čas t intenzitu obsluhy (průměrný počet obsloužených) za čas t Ukázka - Systémy hromadné obsluhy Příklad: Pan Pumpička se rozhodl postavit samoobslužnou čerpací stanici u obce Česká Bříza. Na základě průzkumu ví, že by čerpací stanici mohlo průměrně navštívit 32,

Více

4EK213 LINEÁRNÍ MODELY

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

Více

Lineární programování

Lineární programování Lineární programování Petr Tichý 19. prosince 2012 1 Outline 1 Lineární programování 2 Optimalita a dualita 3 Geometrie úlohy 4 Simplexová metoda 2 Lineární programování Lineární program (1) min f(x) za

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

Jiří Neubauer. Katedra ekonometrie FEM UO Brno

Jiří Neubauer. Katedra ekonometrie FEM UO Brno Přednáška č. 11 Katedra ekonometrie FEM UO Brno Jedná se o speciální případ dopravních úloh, řeší např. problematiku optimálního přiřazení strojů na pracoviště. Příklad Podnik má k dispozici 3 jeřáby,

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

Západočeská univerzita v Plzni Fakulta aplikovaných věd. SÍŤOVÁ ANALÝZA Semestrální práce z předmětu KMA/MAB

Západočeská univerzita v Plzni Fakulta aplikovaných věd. SÍŤOVÁ ANALÝZA Semestrální práce z předmětu KMA/MAB Západočeská univerzita v Plzni Fakulta aplikovaných věd SÍŤOVÁ ANALÝZA Semestrální práce z předmětu KMA/MAB Vypracovala: Kristýna Slabá kslaba@students.zcu.cz Obor: Matematické inženýrství Školní rok:

Více

Příklady ke cvičením. Modelování produkčních a logistických systémů

Příklady ke cvičením. Modelování produkčních a logistických systémů Modelování produkčních a logistických systémů Katedra logistiky, kvality a automobilové techniky Garant, přednášející, cvičící: Jan Fábry 10.12.2018 Příklady ke cvičením Opakování lineárního programování

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

Simplexové tabulky z minule. (KMI ZF JU) Lineární programování EMM a OA O6 1 / 25

Simplexové tabulky z minule. (KMI ZF JU) Lineární programování EMM a OA O6 1 / 25 Simplexové tabulky z minule (KMI ZF JU) Lineární programování EMM a OA O6 1 / 25 Simplexová metoda symbolicky Výchozí tabulka prom. v bázi zákl. proměné přídatné prom. omez. A E b c T 0 0 Tabulka po přepočtu

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

Pojem a úkoly statistiky

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

Více

4EK311 Operační výzkum. 2. Lineární programování

4EK311 Operační výzkum. 2. Lineární programování 4EK311 Operační výzkum 2. Lineární programování 2.2 Matematický model úlohy LP Nalézt extrém účelové funkce z = c 1 x 1 + c 2 x 2 + + c n x n na soustavě vlastních omezení a 11 x 1 + a 12 x 2 + a 13 x

Více

Lineární programování

Lineární programování 24.9.205 Lineární programování Radim Farana Podklady pro výuku pro akademický rok 203/204 Obsah Úloha lineárního programování. Formulace úlohy lineárního programování. Typické úlohy lineárního programování.

Více

4EK201 Matematické modelování. 2. Lineární programování

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

Více

Seminární práce Modely produkčních systémů

Seminární práce Modely produkčních systémů Seminární práce Modely produkčních systémů Předmět: 4EK425 Název projektu: Výroba hokejových dresů Jméno: Období: ZS 2007/2008 Číslo cvičení (kurzu): 001 (ST 12.45) OBSAH 1. ZADÁNÍ ÚLOHY... 3 2. URČENÍ

Více

Vzorový příklad na rozhodování BPH_ZMAN

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

Více

Podklady pro hodnocení projektů KLIMATOLOGICKÉ ÚDAJE. Vydala: Česká energetická agentura Vinohradská 8, Praha 2. Vypracoval: STÚ-E a.s.

Podklady pro hodnocení projektů KLIMATOLOGICKÉ ÚDAJE. Vydala: Česká energetická agentura Vinohradská 8, Praha 2. Vypracoval: STÚ-E a.s. Podklady pro hodnocení projektů KLIMATOLOGICKÉ ÚDAJE Vydala: Česká energetická agentura Vinohradská 8, 12 Praha 2 Vypracoval: STÚ-E a.s. Tato publikace je určena pro poradenskou činnost a byla zpracována

Více

UKÁZKA VYUŽITÍ PROGRAMU WINQSB PŘI VÝUCE KVANTITATIVNÍCH METOD V ROZHODOVÁNÍ V DISTANČNÍ FORMĚ STUDIA

UKÁZKA VYUŽITÍ PROGRAMU WINQSB PŘI VÝUCE KVANTITATIVNÍCH METOD V ROZHODOVÁNÍ V DISTANČNÍ FORMĚ STUDIA UKÁZKA VYUŽITÍ PROGRAMU WINQSB PŘI VÝUCE KVANTITATIVNÍCH METOD V ROZHODOVÁNÍ V DISTANČNÍ FORMĚ STUDIA ALENA KOLČAVOVÁ, LENKA DRÁBKOVÁ Abstrakt: V úvodu příspěvku je nastíněna současná situace stavu připravenosti

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

Inflace. Makroekonomie I. Osnova k teorii inflace. Co již známe? Vymezení podstata inflace. Definice inflace

Inflace. Makroekonomie I. Osnova k teorii inflace. Co již známe? Vymezení podstata inflace. Definice inflace Makroekonomie I Teorie inflace Praktické příklady Příklady k opakování Inflace Ing. Jaroslav ŠETEK, Ph.D. Katedra ekonomiky Co již známe? Osnova k teorii inflace Deflátor HDP způsob měření inflace Agregátní

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

Západočeská univerzita v Plzni. Fakulta aplikovaných věd. Ivana Kozlová. Modely analýzy obalu dat

Západočeská univerzita v Plzni. Fakulta aplikovaných věd. Ivana Kozlová. Modely analýzy obalu dat Západočeská univerzita v Plzni Fakulta aplikovaných věd SEMESTRÁLNÍ PRÁCE Z PŘEDMĚTU MATEMATICKÉ MODELOVÁNÍ Ivana Kozlová Modely analýzy obalu dat Plzeň 2010 Obsah 1 Efektivnost a její hodnocení 2 2 Základní

Více

7. přednáška Systémová analýza a modelování. Přiřazovací problém

7. přednáška Systémová analýza a modelování. Přiřazovací problém Přiřazovací problém Přiřazovací problémy jsou podtřídou logistických úloh, kde lze obecně říci, že m dodavatelů zásobuje m spotřebitelů. Dalším specifikem je, že kapacity dodavatelů (ai) i požadavky spotřebitelů

Více

4EK201 Matematické modelování. 4. Typické úlohy lineárního programování

4EK201 Matematické modelování. 4. Typické úlohy lineárního programování 4EK201 Matematické modelování 4. Typické úlohy lineárního programování 4. Typické úlohy LP Úlohy výrobního plánování (alokace zdrojů) Úlohy finančního plánování (optimalizace portfolia) Směšovací problémy

Více

4EK213 LINEÁRNÍ MODELY

4EK213 LINEÁRNÍ MODELY 4EK213 LINEÁRNÍ MODELY Úterý 11:00 12:30 hod. učebna SB 324 Mgr. Sekničková Jana, Ph.D. GARANT KURZU Prof. Ing. Josef Jablonský, CSc. Místnost: NB 437 Konzultační hodiny: úterý 13:00 15:00 E-mail: jablon@vse.cz

Více

e-mail: RadkaZahradnikova@seznam.cz 1. července 2010

e-mail: RadkaZahradnikova@seznam.cz 1. července 2010 Optimální výrobní program Radka Zahradníková e-mail: RadkaZahradnikova@seznam.cz 1. července 2010 Obsah 1 Lineární programování 2 Simplexová metoda 3 Grafická metoda 4 Optimální výrobní program Řešení

Více

Lineární programování

Lineární programování Lineární programování Úlohy LP patří mezi takové úlohy matematického programování, ve kterých jsou jak kriteriální funkce, tak i všechny rovnice a nerovnice podmínek výhradně tvořeny lineárními výrazy.

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

Makroekonomie I. Dvousektorová ekonomika. Téma. Opakování. Praktický příklad. Řešení. Řešení Dvousektorová ekonomika opakování Inflace

Makroekonomie I. Dvousektorová ekonomika. Téma. Opakování. Praktický příklad. Řešení. Řešení Dvousektorová ekonomika opakování Inflace Téma Makroekonomie I Dvousektorová ekonomika opakování Inflace Ing. Jaroslav ŠETEK, Ph.D. Katedra ekonomiky Opakování Dvousektorová ekonomika Praktický příklad Dvousektorová ekonomika je charakterizována

Více

PLC 4. cvičení KRÁTKODOBÉ PLÁNOVÁNÍ (1)

PLC 4. cvičení KRÁTKODOBÉ PLÁNOVÁNÍ (1) PLC 4. cvičení KRÁTKODOBÉ PLÁNOVÁNÍ (1) 1) Sestavení podkladů pro operativní plán Podnik vyrábí brzdové destičky. V budoucnu mohou nastat různé změny, na které je nutné reagovat. Prodej brzdových destiček

Více

Vybrané statistické metody. Simulace pokladen supermarketu Albert na Spojovací

Vybrané statistické metody. Simulace pokladen supermarketu Albert na Spojovací ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE, Fakulta dopravní Ústav aplikované matematiky K611 Vybrané statistické metody Simulace pokladen supermarketu Albert na Spojovací 1 85 Jakub Ondřich 2010/2011 85101910/0040

Více

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

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

Více

Teorie front. Systém hromadné obsluhy

Teorie front. Systém hromadné obsluhy Teorie front Pokouší se analyzovat a řešit procesy, ve kterých se vyskytují proudy objektů procházejících určitými zařízeními, od nichž vyžadují obsluhu. Vlivem omezené kapacity obsluhy může docházet k

Více

4EK212 Kvantitativní management. 1. Úvod do kvantitativního managementu a LP

4EK212 Kvantitativní management. 1. Úvod do kvantitativního managementu a LP 4EK212 Kvantitativní management 1. Úvod do kvantitativního managementu a LP Mgr. Jana SEKNIČKOVÁ, Ph.D. Nová budova, místnost 433 Konzultační hodiny InSIS E-mail: jana.seknickova@vse.cz Web: jana.seknicka.eu/vyuka

Více

Algoritmus pro hledání nejkratší cesty orientovaným grafem

Algoritmus pro hledání nejkratší cesty orientovaným grafem 1.1 Úvod Algoritmus pro hledání nejkratší cesty orientovaným grafem Naprogramoval jsem v Matlabu funkci, která dokáže určit nejkratší cestu v orientovaném grafu mezi libovolnými dvěma vrcholy. Nastudoval

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

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

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

Více

P ílohy. P íloha 1. ešení úlohy lineárního programování v MS Excel

P ílohy. P íloha 1. ešení úlohy lineárního programování v MS Excel P ílohy P íloha 1 ešení úlohy lineárního programování v MS Excel V této p íloze si ukážeme, jak lze ešit úlohy lineárního programování pomocí tabulkového procesoru MS Excel 2007. Výpočet budeme demonstrovat

Více

3. úloha - problém batohu metodami branch & bound, dynamické programování, heuristika s testem

3. úloha - problém batohu metodami branch & bound, dynamické programování, heuristika s testem ČVUT FEL X36PAA - Problémy a algoritmy 3. úloha - problém batohu metodami branch & bound, dynamické programování, heuristika s testem Jméno: Marek Handl Datum: 1. 1. 2009 Cvičení: Pondělí 9:00 Zadání Naprogramujte

Více

Teorie her a ekonomické rozhodování. 2. Maticové hry

Teorie her a ekonomické rozhodování. 2. Maticové hry Teorie her a ekonomické rozhodování 2. Maticové hry 2.1 Maticová hra Teorie her = ekonomická vědní disciplína, která se zabývá studiem konfliktních situací pomocí matematických modelů Hra v normálním tvaru

Více

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

Globální matice konstrukce

Globální matice konstrukce Globální matice konstrukce Z matic tuhosti a hmotnosti jednotlivých prvků lze sestavit globální matici tuhosti a globální matici hmotnosti konstrukce, které se využijí v řešení základní rovnice MKP: [m]{

Více

MANAŽERSKÉ ÚČETNICTVÍ

MANAŽERSKÉ ÚČETNICTVÍ zahrnuje: 1. rozpočetnictví 2. kalkulace 3. vnitropodnikové účetnictví 4. podnikovou statistiku 5. operativní evidenci MANAŽERSKÉ ÚČETNICTVÍ Finanční účetnictví Manažerské účetnictví Eviduje účetní případy

Více

SDĚLENÍ Ministerstva pro místní rozvoj ze dne 12. června 2009

SDĚLENÍ Ministerstva pro místní rozvoj ze dne 12. června 2009 SDĚLENÍ Ministerstva pro místní rozvoj ze dne 12. června 2009 o roztřídění obcí do velikostních kategorií podle počtu obyvatel, o územním rozčlenění obcí seskupením katastrálních území, o výši základních

Více

Délka (dny) 150 - - 2 terénní úpravy (prvotní) 15-20 - příprava staveniště (výstavba přístřešku pro materiál)

Délka (dny) 150 - - 2 terénní úpravy (prvotní) 15-20 - příprava staveniště (výstavba přístřešku pro materiál) Skupinová práce. Zadání skupinové práce Síťová analýza metoda CPM Dáno: Výstavba skladu zásob obilí představuje následující činnosti: Tabulka Název činnosti Délka (dny) Optimální projekt. Optimální dělníků

Více

FINANČNÍ A EKONOMICKÁ ANALÝZA, HODNOCENÍ EKONOMICKÉ EFEKTIVNOSTI INVESTIC

FINANČNÍ A EKONOMICKÁ ANALÝZA, HODNOCENÍ EKONOMICKÉ EFEKTIVNOSTI INVESTIC PROJEKTOVÉ ŘÍZENÍ STAVEB FINANČNÍ A EKONOMICKÁ ANALÝZA, HODNOCENÍ EKONOMICKÉ EFEKTIVNOSTI INVESTIC Vysoká škola technická a ekonomická v Českých Budějovicích Institute of Technology And Business In České

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

4EK201 Matematické modelování 5. Speciální úlohy lineárního programování

4EK201 Matematické modelování 5. Speciální úlohy lineárního programování 4EK201 Matematické modelování 5. Speciální úlohy lineárního programování 4. Typické úlohy LP Úlohy výrobního plánování (alokace zdrojů) Úlohy finančního plánování (optimalizace portfolia) Směšovací problémy

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

Přiřazovací problém. Přednáška č. 7

Přiřazovací problém. Přednáška č. 7 Přiřazovací problém Přednáška č. 7 Přiřazovací problém je jednou podtřídou logistických úloh. Typickým problémem může být nejkratší převoz materiálu od dodavatelů ke spotřebitelům. spotřebitelé a i dodavatelé

Více

4 Kriteriální matice a hodnocení variant

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

Více

Kendallova klasifikace

Kendallova klasifikace Kendallova klasifikace Délka obsluhy, frontový režim, Littleovy vzorce Parametry obsluhy Trvání obsluhy - většinou předpokládáme, že trvání obsluhy jsou nezávisl vislé náhodné proměnné, se stejným rozdělením

Více

Semestrální projekt z předmětu Podnikový management

Semestrální projekt z předmětu Podnikový management Semestrální projekt z předmětu Podnikový management Filip Šimek, 2005 simekf1@fel.cvut.cz Strana 1 / 7 1. Podnikatelský plán, zakladatelský rozpočet Podnikatelský plán je dokument, který vystihuje oblast

Více

skladbu obou směsí ( v tunách komponenty na 1 tunu směsi):

skladbu obou směsí ( v tunách komponenty na 1 tunu směsi): Klíčová slova: simplexová metoda 1 Simplexová metoda Postup výpočtu: 1. Nalezení výchozího řešení. 2. Test optima: pokud je řešení optimální výpočet končí, jinak krok 3. 3. Iterační krok, poté opět test

Více

Náhodný vektor a jeho charakteristiky

Náhodný vektor a jeho charakteristiky Náhodný vektor a jeho číselné charakteristiky 1 Náhodný vektor a jeho charakteristiky V následující kapitole budeme věnovat pozornost pouze dvourozměřnému náhodnému vektoru, i když uvedené pojmy a jejich

Více

Kalkulační třídění nákladů.

Kalkulační třídění nákladů. Tento materiál vznikl jako součást projektu, který je spolufinancován Evropským sociálním fondem a státním rozpočtem ČR. Kalkulační třídění nákladů. Eva Štichhauerová Technická univerzita v Liberci Nauka

Více

KAPITOLA 5. ROZHODOVÁNÍ NA EXISTUJÍCÍ KAPACITĚ Případová studie EXIMET

KAPITOLA 5. ROZHODOVÁNÍ NA EXISTUJÍCÍ KAPACITĚ Případová studie EXIMET KAPITOLA 5 ROZHODOVÁNÍ NA EXISTUJÍCÍ KAPACITĚ Případová studie EXIMET Společnost EXIMET a. s. vyrábí skleněné lahve. Výrobní program společnosti zahrnuje v současnosti tři druhy lahví lahve na minerální

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

RNDr. Sousedíková Radmila, Ph.D.

RNDr. Sousedíková Radmila, Ph.D. INOVACE BAKALÁŘSKÝCH A MAGISTERSKÝCH STUDIJNÍCH OBORŮ NA HORNICKO-GEOLOGICKÉ FAKULTĚ VYSOKÉ ŠKOLY BÁŇSKÉ - TECHNICKÉ UNIVERZITY OSTRAVA Eaktní metody rozhodování - operační výzkum RNDr. Sousedíková Radmila,

Více

NÁSTROJE A TECHNIKY PROJEKTOVÉHO MANAGEMENTU. Projektová dekompozice

NÁSTROJE A TECHNIKY PROJEKTOVÉHO MANAGEMENTU. Projektová dekompozice NÁSTROJE A TECHNIKY PROJEKTOVÉHO MANAGEMENTU Projektová dekompozice Úvod do vybraných nástrojů projektového managementu METODY A TECHNIKY PROJEKTOVÉHO MANAGEMENTU Tvoří jádro projektového managementu.

Více

13. Lineární programování

13. Lineární programování Jan Schmidt 2011 Katedra číslicového návrhu Fakulta informačních technologií České vysoké učení technické v Praze Zimní semestr 2011/12 MI-PAA EVROPSKÝ SOCIÁLNÍ FOND PRAHA & EU: INVESTUJENE DO VAŠÍ BUDOUCNOSTI

Více

4EK212 Kvantitativní management. 2. Lineární programování

4EK212 Kvantitativní management. 2. Lineární programování 4EK212 Kvantitativní management 2. Lineární programování 1.7 Přídatné proměnné Přídatné proměnné jsou nezáporné Mají svoji ekonomickou interpretaci, která je odvozena od ekonomické interpretace omezení

Více

TECHNICKÁ UNIVERZITA V LIBERCI

TECHNICKÁ UNIVERZITA V LIBERCI TECHNICKÁ UNIVERZITA V LIBERCI Ekonomická fakulta Semestrální práce z předmětu Statistický rozbor dat z dotazníkového šetření Jméno: Lucie Krechlerová, Karel Kozma, René Dubský, David Drobík Ročník: 2015/2016

Více

SIMULACE SPOLEHLIVOSTI SYSTÉMŮ HROMADNÉ OBSLUHY. Michal Dorda. VŠB - TU Ostrava, Fakulta strojní, Institut dopravy

SIMULACE SPOLEHLIVOSTI SYSTÉMŮ HROMADNÉ OBSLUHY. Michal Dorda. VŠB - TU Ostrava, Fakulta strojní, Institut dopravy SIMULACE SPOLEHLIVOSTI SYSTÉMŮ HROMADNÉ OBSLUHY Michal Dorda VŠB - TU Ostrava Fakulta strojní Institut dopravy 1 Úvod V běžné technické praxi se velice často setkáváme s tzv. systémy hromadné obsluhy aniž

Více

Operační výzkum. Přiřazovací problém.

Operační výzkum. Přiřazovací problém. Operační výzkum Operační program Vzdělávání pro konkurenceschopnost Název projektu: Inovace magisterského studijního programu Fakulty ekonomiky a managementu Registrační číslo projektu: CZ..7/2.2./28.326

Více

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

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

Více

Stupnice geomagnetické aktivity

Stupnice geomagnetické aktivity AKADEMIE VĚD ČESKÉ REPUBLIKY Geofyzikální ústav Stupnice geomagnetické aktivity Petr Kubašta Rozbor a zhodnocení předpovědí geomagnetické aktivity Praha, 2011 Abstrakt Tento článek poskytuje kvantitativní

Více

Regresní a korelační analýza

Regresní a korelační analýza Regresní a korelační analýza Mějme dvojici proměnných, které spolu nějak souvisí. x je nezávisle (vysvětlující) proměnná y je závisle (vysvětlovaná) proměnná Chceme zjistit funkční závislost y = f(x).

Více

FINANCOVÁNÍ PODNIKU. Mgr. Ing. Šárka Dytková

FINANCOVÁNÍ PODNIKU. Mgr. Ing. Šárka Dytková FINANCOVÁNÍ PODNIKU Mgr. Ing. Šárka Dytková Střední škola, Havířov-Šumbark, Sýkorova 1/613, příspěvková organizace Tento výukový materiál byl zpracován v rámci akce EU peníze středním školám - OP VK 1.5.

Více

PŘÍLOHY NAŘÍZENÍ KOMISE V PŘENESENÉ PRAVOMOCI (EU) /...,

PŘÍLOHY NAŘÍZENÍ KOMISE V PŘENESENÉ PRAVOMOCI (EU) /..., EVROPSKÁ KOMISE V Bruselu dne 4.3.2019 C(2019) 1616 final ANNEXES 1 to 2 PŘÍLOHY NAŘÍZENÍ KOMISE V PŘENESENÉ PRAVOMOCI (EU) /..., kterým se mění přílohy VIII a IX směrnice 2012/27/EU, pokud jde o obsah

Více

5. Náhodná veličina. 2. Házíme hrací kostkou dokud nepadne šestka. Náhodná veličina nabývá hodnot z posloupnosti {1, 2, 3,...}.

5. Náhodná veličina. 2. Házíme hrací kostkou dokud nepadne šestka. Náhodná veličina nabývá hodnot z posloupnosti {1, 2, 3,...}. 5. Náhodná veličina Poznámka: Pro popis náhodného pokusu jsme zavedli pojem jevového pole S jako množiny všech možných výsledků a pravděpodobnost náhodných jevů P jako míru výskytů jednotlivých výsledků.

Více

Teorie síťových modelů a síťové plánování

Teorie síťových modelů a síťové plánování KSI PEF ČZU Teorie síťových modelů a síťové plánování Část přednášky doc. Jaroslava Švasty z předmětu systémové analýzy a modelování. Zápis obsahuje základní vymezení projektu, časového plánování a popis

Více

Odchylky jako nástroj řízení. Odchylky můžeme vyhodnocovat: a) v absolutních jednotkách (množstevních, objemových, měnových)

Odchylky jako nástroj řízení. Odchylky můžeme vyhodnocovat: a) v absolutních jednotkách (množstevních, objemových, měnových) Odchylky jako nástroj řízení V souvislosti se zpřesňováním procesu plánování a kontroly se skutečné hodnoty porovnávají se stanovenou kontrolní veličinou. Jako kontrolní veličiny se používají plánované

Více

Kategorická data METODOLOGICKÝ PROSEMINÁŘ II TÝDEN 7 4. DUBNA dubna 2018 Lukáš Hájek, Karel Höfer Metodologický proseminář II 1

Kategorická data METODOLOGICKÝ PROSEMINÁŘ II TÝDEN 7 4. DUBNA dubna 2018 Lukáš Hájek, Karel Höfer Metodologický proseminář II 1 Kategorická data METODOLOGICKÝ PROSEMINÁŘ II TÝDEN 7 4. DUBNA 2018 4. dubna 2018 Lukáš Hájek, Karel Höfer Metodologický proseminář II 1 Typy proměnných nominální (nominal) o dvou hodnotách lze říci pouze

Více

Technická univerzita v Liberci

Technická univerzita v Liberci Technická univerzita v Liberci Ekonomická fakulta Analýza výsledků z dotazníkového šetření Jména studentů: Adam Pavlíček Michal Karlas Tomáš Vávra Anna Votavová Ročník: 2015/2016 Datum odevzdání: 13/05/2016

Více

1. Úloha o optimálnom výrobnom pláne (optimálne využitie výrobných faktorov)

1. Úloha o optimálnom výrobnom pláne (optimálne využitie výrobných faktorov) 2. cvičenie formulácia a výsledky - LINGO 1. Úloha o optimálnom výrobnom pláne (optimálne využitie výrobných faktorov) a) maximalizácia zisku NECELOČÍSELNE!zadani ucelove fce; [UCELOVA_FCE] max = 120*x1+50*x2+150*x3+100*x4;!zadani

Více