PE 301 Podniková ekonomika 2. Garant: Eva KISLINGEROVÁ. Téma Metody mezipodnikového srovnávání. Téma 12. Eva Kislingerová

Podobné dokumenty
Statistika je vědní obor zabývající se zkoumáním jevů, které mají hromadný charakter.

Deskriptivní statistika 1

P2: Statistické zpracování dat

STATISTIKA. Statistika se těší pochybnému vyznamenání tím, že je nejvíce nepochopeným vědním oborem. H. Levinson

6 Intervalové odhady. spočteme aritmetický průměr, pak tyto průměry se budou chovat jako by pocházely z normálního. nekonečna.

Pravděpodobnostní model doby setrvání ministra školství ve funkci

Náhodný výběr 1. Náhodný výběr

Statistika. Statistické funkce v tabulkových kalkulátorech MSO Excel a OO.o Calc

Pro statistické šetření si zvolte si statistický soubor např. všichni žáci třídy (několika tříd, školy apod.).

Závislost slovních znaků

13 Popisná statistika

1.3. POLYNOMY. V této kapitole se dozvíte:

12. N á h o d n ý v ý b ě r

Pravděpodobnost a aplikovaná statistika

Sborník vědeckých prací Vysoké školy báňské - Technické univerzity Ostrava číslo 1, rok 2011, ročník XI, řada stavební článek č.

Pravděpodobnostní modely

NEPARAMETRICKÉ METODY

Integrace hodnot Value-at-Risk lineárních subportfolií na bázi vícerozměrného normálního rozdělení výnosů aktiv

10.3 GEOMERTICKÝ PRŮMĚR

Cvičení 6.: Bodové a intervalové odhady střední hodnoty, rozptylu a koeficientu korelace, test hypotézy o střední hodnotě při známém rozptylu

ZÁKLADY POPISNÉ STATISTIKY

2 STEJNORODOST BETONU KONSTRUKCE

Národní informační středisko pro podporu jakosti

ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU)

veličiny má stejný řád jako je řád poslední číslice nejistoty. Nejistotu píšeme obvykle jenom jednou

Parametr populace (populační charakteristika) je číselná charakteristika sledované vlastnosti

Cvičení 6.: Výpočet střední hodnoty a rozptylu, bodové a intervalové odhady střední hodnoty a rozptylu

Pojem času ve finančním rozhodování podniku

1 ROVNOMĚRNOST BETONU KONSTRUKCE

Nalezení výchozího základního řešení. Je řešení optimální? ne Změna řešení

Přednáška VIII. Testování hypotéz o kvantitativních proměnných

Doc. Ing. Dagmar Blatná, CSc.

1. Rozdělení četností a grafické znázornění Předpokládejme, že při statistickém šetření nás zajímá jediný statistický znak x, který nabývá

1 POPISNÁ STATISTIKA V PROGRAMU MS EXCEL

EKONOMETRIE 9. přednáška Zobecněný lineární regresní model

Mezní stavy konstrukcí a jejich porušov. Hru IV. Milan RůžR. zbynek.hruby.

Tento projekt je spolufinancován Evropským sociálním fondem a Státním rozpočtem ČR InoBio CZ.1.07/2.2.00/

Matematika I, část II

4EK212 Kvantitativní management 4. Speciální úlohy lineárního programování

Mod(x) = 2, Med(x) = = 2

Zhodnocení přesnosti měření

odhady parametrů. Jednostranné a oboustranné odhady. Intervalový odhad střední hodnoty, rozptylu, relativní četnosti.

Základy statistiky. Zpracování pokusných dat Praktické příklady. Kristina Somerlíková

Elementární zpracování statistického souboru

PŘÍKLAD NA PRŮMĚRNÝ INDEX ŘETĚZOVÝ NEBOLI GEOMETRICKÝ PRŮMĚR

Matematika 1. Katedra matematiky, Fakulta stavební ČVUT v Praze. středa 10-11:40 posluchárna D / 13. Posloupnosti

(Teorie statistiky a aplikace v programovacím jazyce Visual Basic for Applications)

Popisná statistika - zavedení pojmů. 1 Jednorozměrný statistický soubor s kvantitativním znakem

Ilustrativní příklad ke zkoušce z B_PS_A léto 2014.

IAJCE Přednáška č. 12

Příloha č. 7 Dodatku ke Smlouvě o službách Systém měření kvality Služeb

Tržní ceny odrážejí a zahrnují veškeré informace předpokládá se efektivní trh, pro cenu c t tedy platí c t = c t + ε t.

6. Posloupnosti a jejich limity, řady

MATICOVÉ HRY MATICOVÝCH HER

Vzorový příklad na rozhodování BPH_ZMAN

7. Odhady populačních průměrů a ostatních parametrů populace

2. Znát definici kombinačního čísla a základní vlastnosti kombinačních čísel. Ovládat jednoduché operace s kombinačními čísly.

Co je to statistika? Statistické hodnocení výsledků zkoušek. Úvod statistické myšlení. Úvod statistické myšlení. Popisná statistika

f x a x DSM2 Cv 9 Vytvořující funkce Vytvořující funkcí nekonečné posloupnosti a0, a1,, a n , reálných čísel míníme formální nekonečnou řadu ( )

Ilustrativní příklad ke zkoušce z B_PS_A léto 2013.

4.2 Elementární statistické zpracování Rozdělení četností

2. Finanční rozhodování firmy (řízení investic a inovací)

REGRESNÍ DIAGNOSTIKA. Regresní diagnostika

U klasifikace podle minimální vzdálenosti je nutno zvolit:

1. Nakreslete všechny kostry následujících grafů: nemá žádnou kostru, roven. roven n,

1. LINEÁRNÍ ALGEBRA. , x = opačný vektor

OKRUŽNÍ A ROZVOZNÍ ÚLOHY: OBCHODNÍ CESTUJÍCÍ. FORMULACE PŘI RESPEKTOVÁNÍ ČASOVÝCH OKEN

4EK311 Operační výzkum. 4. Distribuční úlohy LP část 2

Intervalové odhady parametrů

vají statistické metody v biomedicíně

1. Číselné obory, dělitelnost, výrazy

k(k + 1) = A k + B. s n = n 1 n + 1 = = 3. = ln 2 + ln. 2 + ln

Základní požadavky a pravidla měření

III/2 Inovace a zkvalitnění výuky prostřednictvím ICT

L A B O R A T O R N Í C V I Č E N Í Z F Y Z I K Y

Metodický postup pro určení úspor primární energie

VÍCEKRITERIÁLNÍ ROZHODOVANÍ

STATISTIKA. Základní pojmy

i 1 n 1 výběrový rozptyl, pro libovolné, ale pevně dané x Roznačme n 1 Téma 6.: Základní pojmy matematické statistiky

STATISTIKA. pracujeme pouze s r hodnotami x. má svou absolutní četnost. n ) udává, jaká část souboru má hodnotu znaku

vají statistické metody v biomedicíně Literatura Statistika v biomedicínsk nském výzkumu a ve zdravotnictví

V. Normální rozdělení

Statistika Statistická jednotka, statistický soubor a statistické znaky Poznámka. (Rozd lení etností jednoho kvantitativního statistického znaku)

6. P o p i s n á s t a t i s t i k a

Statistika. Jednotlivé prvky této množiny se nazývají prvky statistického souboru (statistické jednotky).

[ jednotky ] Chyby měření

1. ZÁKLADY VEKTOROVÉ ALGEBRY 1.1. VEKTOROVÝ PROSTOR A JEHO BÁZE

PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemný test, varianta B)

Intervalový odhad. nazveme levostranným intervalem pro odhad parametru Θ. Statistiku. , kde číslo α je blízké nule, nazveme horním

Odhady parametrů polohy a rozptýlení pro často se vyskytující rozdělení dat v laboratoři se vyčíslují podle následujících vztahů:

Iterační výpočty projekt č. 2

1 PSE Definice základních pojmů. (ω je elementární jev: A ω (A ω) nebo (A );

Pevnost a životnost - Hru III 1. PEVNOST a ŽIVOTNOST. Hru III. Milan Růžička, Josef Jurenka, Zbyněk Hrubý.

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta strojního inženýrství. Matematika IV. Semestrální práce

3. Lineární diferenciální rovnice úvod do teorie

DIM PaS Připomenutí poznatků ze střední školy. Faktoriály a kombinační čísla základní vzorce: n = k. (binomická věta) Příklady: 1.

2.4. INVERZNÍ MATICE

0,063 0,937 0,063 0, P 0,048 0,078 0,95. = funkce CONFIDENCE.NORM(2α; p(1 p)

TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ

2 EXPLORATORNÍ ANALÝZA

Transkript:

PE 30 Podiková ekoomika Garat: Eva KISLINGEROVÁ Téma Metody mezipodikového srováváí Eva Kisligerová Téma Eva Kisligerová Vysoká škola ekoomická v Praze 003

- Mezipodikové srováváí Poprvé 956- koferece o mezipodikovém srováváí -určeo pro - formováí HP -pro růst produktivity Kotet růst produktivity Postupové kroky Výběr podiků do souboru Výběr ukazatelů do souboru 3 Hodoceí souboru 4 Vyhodoceí souboru

- 3 Vícekriteriálí hodoceí variat Rozhodovací problém zadá možiou variat a hodotících kritérií Obecě možia variat A kriteriálí matice i kde pro i a platí: i m; Vícekriteriálí matici můžeme pak zapsat ve tvaru: X v v v v 3 i k w 3 i k w 3 k w 3 3 3 33 3 3 k w 3 i kde X e kriteriálí matice i prvek matice i -tá variata a -té kritérium v i i-tá variata k -té kritérium w -tá váha i ide variat ide kritérií m počet variat počet kritérií

- 4 Modelováí preferecí uživatele Podle preferece přiřazueme váhy edotlivým kritériím v souboru t relativí výzamost Lze zapsat pomocí vektoru vah ukazatele: w ( w w w w 3 ; w w 0 ) Výzam tím větší čím vyšší má přiřazeou váhu

- 5 Metody pro staoveí Metoda pořadí Bodovací metoda velikosti vah 3 Metoda párového srováváí 4 Fullerův troúhelík 5 Metoda kvatitativího párového srováváí kritérií

- 6 Metoda pořadí () Vyžadue pouze ordiálí iformaci t staoveí pořadí ukazatelů podle důležitosti Uspořádaým ukazatelům sou přiřazea čísla (body) - Nedůležitěšímu ukazateli e přiřazeo číslo b (počet ukazatelů) druhému edůležitěšímu b - až eméě důležitému ukazateli číslo Obecě -tému ukazateli přiřazeo číslo b

- 7 Metoda pořadí () Váha -tého ukazatele se vypočte podle vzorce: kde w b w e váha -tého ukazatele b pořadí důležitosti -tého ukazatele ide ukazatele počet ukazatelů součet čísel b ve meovateli e součtem prvích přirozeých čísel: b b ( + ) S ohledem a defiici se metoda hodí tam kde e meší počet kritérií

- 8 Bodovací metoda Předpoklad: aalytik e schope kvatitativě ohodotit důležitost ukazatelů Pro zvoleou stupici musí uživatel ohodotit -tý ukazatel hodotou b ležící v daé stupici (apř 0 < b < 00) Čím e ukazatel důležitěší tím vyšší bodové hodoceí Výpočet vah se provádí podle shodého vzorce ako u metody pořadí

- 9 Metoda párového srováváí ukazatelů Východisko: odhad který ze dvou ukazatelů e při párovém srováí důležitěší Aalytik postupě porovává každé dva ukazatele mezi sebou takže počet srováí e: N Příklad pro 5 ukazatelů: 5 N ( 5 4 ) 05 Metoda evhodá pro větší počet ukazatelů přílišá pracost

- 0 Fullerův troúhelík () Pricip: párové porováí ale postup přehleděší i pro více ukazatelů Postup: ukazatele se očísluí pořadovým číslem 3 Aalytikovi se předloží troúhelíkové schéma ehož dvořádky tvoří dvoice pořadových čísel uspořádaých tak že každá dvoice se vyskyte e Aalytik zakroužkue u každé dvoice to kritérium které považue za důležitěší Počet zakroužkováí -tého ukazatele ozačíme z Váha -tého ukazatele se vypočte podle vzorce: w z Z kde w e váha -tého ukazatele z počet zakroužkováí -tého ukazatele Z celkový počet všech zakroužkováí

- Fullerův troúhelík () Fullerův troúhelík má ásleduící schéma: 3 4-3 4 Výhoda: edoduchost pro hodotitele Metoda epožadue trazitivost preferecí rozhodovatele V případě ulových vah uto upravit

- Metoda kvatitativího párového srováváí () Velmi často používaá metoda Základ: párové srováí S ( s i ) kde pro i a platí: i 3 Používá se stupice 3 9 a reciproké hodoty Prvky matice sou iterpretováy ako odhady podílu vah i-tého a -tého ukazatele: s i v v i

- 3 Metoda kvatitativího párového srováváí () Tato matice se azývá Saatyho matice a pro prvky matice platí: s i si si důvodem pro zvoleý rozsah stupice sou okolosti že všechy prvky by měly být steého řádu Eistue i odpovídaící verbálí stupice: rovoceé ukazatele i a 3 slabě preferovaý ukazatel i před 5 silě preferovaý ukazatel i před 7 velmi silě preferovaý ukazatel i před 9 absolutě preferovaý ukazatel i před Hodoty 4 6 a 8 sou mezistupě pro eměší rozlišeí

- 4 Metody vícekriteriálího hodoceí variat Přehled Metoda prostého pořadí Metoda bodovací 3 Metoda ormovaé proměé 4 Metoda vzdáleosti od fiktivího podiku 5 Metoda srováí s elepším podikem

- 5 Metoda prostého pořadí () Podstata: pořadí podiku podle výsledku s ohledem a elepší hodotu daého souboru Nelepší podik e a prvím místě druhý a druhým POZOR! musíme však zohledit charakter ukazatele (mi ma) Obecě se i-tému podiku podle -tého ukazatele přiřadí pořadí b i Výsledek matice: C [ ] b i Kde v řádcích matice sou hodoceé podiky ve sloupcích sou hodoty ukazatelů podle kterých hodotíme

- 6 Metoda prostého pořadí () Koečé pořadí: sečteme výsledky v řádcích podle ukazatelů a staovíme výsledé pořadí Nelepší e te podik který dosáhl emešího součtu; ehorší opak Výše popsaý postup lze zázorit vztahem: C i b i kde C i e celkové zhodoceí i-tého podiku podle všech ukazatelů b i pořadí i-tého podiku podle -tého ukazatele m -počet hodoceých podiků -počet hodoceých ukazatelů i - ide hodoceých podiků (řádky matice) - ide fiačích ukazatelů (sloupce matice) Pro idey i a platí: i 3 m; 3

- 7 Metoda prostého pořadí (3) Za určitých okolostí může být výhodé přiřadit ukazatelům váhy pak metoda prostého pořadí se zapíše ako: kde w e váha -tého ukazatele + C i b i w edoduchost rychlost malá áročost a propočty - evysvětlueo kolik se liší ebere v úvahu absolutí hodotu

- 8 Metoda bodovací () Podstata: každý podik získá určité možství bodů podle toho ak si daý podik stoí ve srováí s iými podiky Podik s elepší hodotou získá 00 bodů a ostatím podikům se přidělí body podle vzorce íže (pozor - mii ma) Obecě pro maimalizaci platí vztah: b i i ma 00

- 9 Metoda bodovací () Při miimalizaci: b i mi 00 i kde b i e bodové ohodoceí i-tého podiku podle -tého ukazatele i - hodota -tého ukazatele v i-tém podiku ma - evyšší hodota -tého ukazatele v souboru podiků mi - eižší hodota -tého ukazatele v souboru podiků

- 0 Metoda bodovací (3) C i Výsledá charakteristika podle vzorce: C i b i v případě použití vah lze modifikovat vzorec takto: b i w kde C i e průměré bodové hodoceí i-tého podiku b i e bodové hodoceí i-tého podiku podle -té variaty m -počet hodoceých podiků -počet ukazatelů i - ide hodoceých podiků (řádky matice) - ide ukazatelů (sloupce matice) Ukazatel C i eboli průměré bodové hodoceí i-tého podiku udává kolik % podik dosáhl z maimálí hraice 00 bodů Metoda e vhodá tam kde e relativí ízká variabilita hodot ukazatelů

- Metoda ormovaé proměé () Pricip této metody: základ řady statistických postupů Aplikace tehdy když e ezbyté porovat určité obekty podle kritérií vyádřeé v růzých měrých edotkách Pak se kritéria převedou a bezrozměrá čísla - ormováí Počítáme podle vzorce: b i i s

- Metoda ormovaé proměé () a pro ukazatele které miimalizueme podle vztahu: b i s i kde b i e hodota ormovaé proměé -tého ukazatele a i-tého podiku i - hodota -tého ukazatele i-tého podiku -průměr -tého ukazatele pro daý soubor podiků s -směrodatá odchylka -tého ukazatele

- 3 Metoda ormovaé proměé (3) Směrodatou odchylku vypočteme podle vzorce: kde s ( e počet ukazatelů i - hodota -tého ukazatele i-tého podiku -průměr -tého ukazatele za daý soubor Průměr -tého ukazatele za daý soubor podiků vypočítáme podle vztahu: i m i )

- 4 Metoda ormovaé proměé (4) Výsledá charakteristika každého podiku se vypočte ako aritmetický průměr ormovaých hodot Vztah pro evážeou metodu má podobu: C a pro vážeou metodu: i b i C i bi w

- 5 Metoda vzdáleosti od fiktivího podiku () Podstata: vytváříme eeistuící podik tak že přiřazueme edotlivým ukazatelům vždy elepší hodoty Vziká tak vzorový fiktiví podik Ukazatele se vyádří v ormovaém tvaru a vypočtou se eukleidovské vzdáleosti edotlivých podiků od fiktivího podiku Průměré eukleidovské vzdáleosti vypočteme podle vztahu: d m o ( bi ui ) m i kde e průměrá eukleidovská vzdáleost o edotlivého podiku b i - hodota ormovaé proměé -tého ukazatele v i-tém podiku u o - optimálí hodota ormovaé proměé -tého ukazatele ve fiktivím podiku d

- 6 Metoda vzdáleosti od fiktivího podiku () Optimálí hodota ormovaé proměé se vypočte v případě maimalizace podle vztahu: a pro miimalizaci podle vztahu: b i o s b i s o kde b i e optimálí hodota ormovaé proměé o - elepší hodota -tého ukazatele ma ebo mi i -průměrá hodota -tého ukazatele s -směrodatá odchylka -tého ukazatele Nelepší podik - emeší vzdáleosti od fiktivího podiku

- 7 Metoda srováí s elepším podikem () Aalogický postup ako v případě vzdáleosti od fiktivího podiku ale iý přístup k ormováí proměých Podstata: v souboru podiků vybereme te který dosahue elepší hodoty podle určitého kritéria a tomuto podiku přiřadíme číslo Difereciace postupu - ukazatel maimalizueme ebo miimalizueme - evyšší a eižší hodota Teto postup opakueme pro všechy ukazatele v souboru Přiřazovaé hodoty sou ormovaé koeficiety b i může být rove tehdy pokud podik dosahue steé hodoty podle určitého kritéria ako podik elepší

- 8 Metoda srováí s elepším podikem () V další fázi vypočteme výsledou vzdáleost podiku od elepšího podiku a to tak že hodoty podiků odečteme od (elepší); celková vzdáleost i-tého podiku od vzorového podiku P se vypočte podle vztahu (pro evážeý postup): P i ( b ) + ( b ) + + ( b m ) kde P i e celková vzdáleost i-tého podiku od elepšího b i - koeficiety vypočteé výše uvedeým způsobem

- 9 Metoda srováí s elepším podikem (3) K rozděleí podiků do skupi používáme základí statistické charakteristiky apř směrodatou odchylku AP (pro meší soubory do 0ti podiků) když rozsáhleší soubory (více ež 0 podiků) pak používáme kvartil pak AP AP + i i s ; AP s i Směrodatá odchylka s s ; + s ; + s s i ( i ) + s