Documente Academic
Documente Profesional
Documente Cultură
PREFA
CUPRINS:
1. MODELAREA ECONOMICO MATEMATIC I
SIMULAREA PROCESELOR ECONOMICE .............
1.1.
Problematica
modelrii
economico
7
17
22
23
25
26
27
29
30
36
40
46
46
47
49
50
70
79
80
80
82
83
87
93
93
94
95
96
104
106
108
111
130
131
131
133
134
142
162
165
147
151
153
158
159
159
MODELAREA ECONOMICO
MATEMATIC I SIMULAREA
PROCESELOR ECONOMICE
(Timp estimat: 4 ore)
1.1.
Problematica
modelrii
economico
Concepte cheie:
decizie
proces decizional
metoda modelrii
simulare
fundamentarea deciziei
variante de decizie
avantaje i
dezavantaje ale
simulrii
model economico matematic
principiile modelrii
matematice a
ceasul simulrii
proces de simulare
abstractizarea
situaiilor reale
proceselor economice
simulare analogic
simulare numeric
simulare hibrid
sistem real
1.1.
Problematica
modelrii
economico
Identificarea i definirea
problemei / oportunitii
Implementarea deciziei
10
11
12
13
14
15
16
17
18
19
20
21
Criteriu
Dup tehnica de
elaborare
2.
Dup gradul de
agregare
3.
Dup orizontul de
prognoz
4.
5.
6.
Dup natura
matematic a
relaiilor ce descriu
legturile sistemului
echivalent
Dup factorul timp
7.
Dup natura
Tipul modelului
- Inter-ramuri
- Bazate pe funcii de
producie
- De optimizare a alocrii
resurselor disponibile
- De simulare
- monosectoriale (agregate)
- dezagregate pe sectoare,
ramuri etc.
- n profil teritorial
- mondo-modele
- pe termen foarte scurt
(lun, trimestru)
- pe termen scurt (1 3 ani)
- pe termen mediu (3 5 ani)
- pe termen lung (peste 5
ani)
- fizice
- abstracte
- cantitative (matematice /
simbolice)
- calitative
- liniare
- neliniare
- statice
- dinamice
- discrete
22
8.
9.
variabilelor
Dup modul de tratare
a realitii
Dup tipul datelor
utilizate
continue
descriptive
normative
deterministe
probabiliste (stochastice)
fuzzy
23
24
Idei n rezumat
Alegerea raional a unei alternative de aciune, n
scopul obinerii unui rezultat dorit, este o decizie. Pentru ca o
decizie s rspund scopului urmrit de decident, trebuie s
ndeplineasc anumite cerine. Calitatea activitilor decizionale
conteaz nu numai n realizarea unor obiective imediate ci i
viitoare. Deciziile luate pe baze tiinifice folosind metoda
modelrii, calcule matematice comparative i tehnica de calcul
oferit de calculatoare sunt o necesitate.
Pregtirea i luarea deciziei este un proces raional, un
proces de cunoatere, care cere o nalt pregtire tiinific a
factorilor de decizie, pe lng experien practic. Acolo unde
practica nu poate s ptrund trebuie s ptrund gndirea,
prin modelarea fenomenului studiat.
25
Bibliografie
1. Filip F.G. - Decizie asistat de calculator: decizii,
decideni, metode i instrumente de baz, Editura
Tehnic i Editura Expert, Bucureti, 2002.
2. Luban Florica Simulri n afaceri, Ed. ASE,
Bucureti, 2005, www.bibliotecadigitala/ase.ro.
3. Nicolescu O., Verboncu I. - Management, Editura
Economic, Bucureti, 1995.
26
27
28
MODELAREA MANAGERIAL
(Timp estimat: 4 ore)
2.1. Strategia firmei i instrumentarul
managerial
2.2. Modelarea managerial a procesului
decizional
2.3. Modele de management strategic
Concepte cheie:
Management strategic
Lider strategic
Viziune
Valoare adugat
Strategii generice
Diferenierea
produsului
Adecvarea soluiilor
Acceptabilitatea
opiunilor
Fezabilitatea deciziilor
Instrumentar
managerial
Modelare managerial
Manager profesionist
29
2.1.
Strategia
managerial
firmei
Situaii-stimul
instrumentarul
30
31
32
33
34
35
2.2.
Modelarea
decizional
managerial
procesului
36
37
38
39
40
le
obine,
conform
potenialului
organizaiei
i
disponibilitii resurselor. Faptul c modelul pornete n
formularea misiunii organizaiei de la aceast dualitate
reprezint unul din avantajele sale eseniale. Un alt
avantaj evident l reprezint cele dou bucle care asigur
rspunsul corespunztor etapelor de implementare i de
evaluare a strategiei propuse. n acest mod, se asigur
posibilitatea lurii n considerare a eventualelor
modificri ale unor componente din strategie, nc
nainte de punerea acesteia n aplicare, impuse de
elemente neluate integral n considerare la momentul
iniial sau care n timp i-au schimbat parial sensul de
evoluie sau influena asupra strategiei.
Un alt model cunoscut este acela al colii de la
Harvard23, cunoscut sub formularea LCAG, dup numele
autorilor si (A. Learned, N. Christensen, J. Andrews, S.
Guth).
Modelul pune pe acelai plan analiza intern i
extern a organizaiei, prin ceea ce este cunoscut sub
numele de analiz SWOT. Rezultatele analizei mediului i
ale
diagnosticului
intern
determin
posibilitatea
enumerrii i evalurii modalitilor de aciune posibile,
innd cont de avantajele i dezavantajele fiecreia.
Intervin n model n acest moment dou tipuri de valori,
eseniale n fond pentru ca modelul s dobndeasc
dimensiunea cultural capabil s individualizeze
organizaia n contextul economic n care ea se situeaz:
este vorba de integrarea valorilor culturale ale
organizaiei n mediu i responsabilitatea social a
acesteia i de integrarea valorilor culturale ale
managementului organizaiei, adic a elementelor care
din perspectiva echipei de conducere au un rol important
n formularea strategiei. Rezult de aici c strategia este
funcie de posibilitile de aciune ale organizaiei,
Learned A., Christensen N., Andrews J., Guth S. - Strategic
Management n Harward Business Review, nr. 24, 1990.
23
41
42
43
44
45
Idei n rezumat
Deciziile i modelele proceselor decizionale se pot analiza
i n calitate de componente ale procesului managementului
strategic.
Un numr din ce n ce mai mare de manageri
contientizeaz necesitatea uneori vital apelrii n mod
constant, n cadrul procesului managementului strategic, la
modelele decizionale cele mai adecvate scopului propus, dar i
caracteristicilor organizaiei.
Importana apelrii la modelare pentru fundamentarea
deciziilor strategice este impus de necesitatea lurii n
considerare a constrngerilor mediului exogen sau endogen
organizaiei, mediu care poate exercita influene favorabile sau
defavorabile evoluiei acesteia, n perioada la care se refer
deciziile strategice respective.
Modelarea managerial fost utilizat pentru a construi
modele ale organizaiilor avnd ca scop declarat predicia i
estimarea impactului schimbrii din interiorul organizaiei
datorat modificrilor mediului. Puterea unui model se manifest
prin abilitatea acestuia de a simplifica sistemul lumii reale pe
care l reprezint i de a prediciona anumii factori ai acestuia.
Modelarea managerial face posibil cunoaterea tuturor
aspectelor pertinente, descrierea clar a problemelor economice
i a cerinelor acestora, identificarea diferitelor alternative de
proiectare i a mecanismelor pentru analiza acestor opiuni
pentru implementarea proiectului la nivelul strategic, tactic i
operaional.
Bibliografie
1. Allaire Y., Frirotu M. - Management strategic.
Strategiile succesului n afaceri, Editura Economic,
Bucureti, 1998.
2. Bcanu B. - Practici de management strategic, Ed.
Polirom, 2006.
3. Gluck B., Kaufman W., Walleck A. - Strategic
Management for Competitive Advantage, Harvard
Business Review, nr. 1, 1990.
46
4. Learned A., Christensen N., Andrews J., Guth S. Strategic Management n Harward Business Review, nr.
24, 1990.
5. Nane M. Management strategic concepte,
metodologie, studii de caz, Editura Pro Universitaria,
Bucureti, 2006.
6. Nicolescu O. - Management comparat, Editura
Economic, Bucureti, 2001.
7. Nicolescu O. (coord.) - Sistemul decizional al
organizaiei, Editura Economic, Bucureti, 1998.
8. Pearce J. A.II, Robinson R.B. Jr. - Strategic
Management, Illinois, Irwin, Homewood, 1991.
9. Rue L. W., Holland P. G. - Strategic Management,
Concepts and Experiences, New York, Mc. Graw-Hill
Company, 1996.
10. Stahl M.J., Grisgby D.W. - Strategic Manangement
for Decisions Making, Boston, Masachussette, 1992.
47
48
Concepte cheie:
Distribuie
de
probabilitate
Generator de numere
aleatoare
Frecven relativ
Abatere standard
Coeficient de variaie
Interval de ncredere
Medie
Probabilitate relativ
Probabilitate cumulat
Simulare stochastic
(probabilist)
49
50
Reamintim
probabilitilor:
cteva
elemente
de
teoria
I. Cmpuri de evenimente
Se numete eveniment aleator oricare din
rezultatele poteniale ale unei experiene, a crui
realizare poate fi confirmat de o singur prob.
Vom nota cu mulimea tuturor rezultatelor
posibile ale unei experiene i cu P() mulimea tuturor
prilor lui .
Fie K o subfamilie din P() cu proprietile:
- dac A K atunci i A K;
- dac A1, A2,...,An,...este un ir arbitrar de
evenimente din K atunci i
n 1
i. 0 P(A) 1 , A
K;
ii. P( ) = 1;
iii. Orice ir de evenimente A1, A2,...,An,... dou
cte doua ncompatibile ( Ai Aj = , pentru i j) are loc
egalitatea P ( An ) =
n 1
Tripletul
probabilitate.
(,
P( A ) .
n
n 1
K,
se
numete
cmp
de
51
P(A) =
favorabile lui A
52
...
2
n
X : 1
p( x1 ) p( x2 ) ... p( xn )
complet de evenimente.
Funcia de repartiie. Densitatea de repartiie
Fie cmpul de probabilitate ( , K, P) i variabila
aleatoare X : R
Funcia F : R R, definit prin formula:
F(xi) = P({ : X( ) < xi}) = P(X<xi), x R
se numete funcie de repartiie a variabilei aleatoare X
(sau funcia distribuiei cumulative).
Dac X este o variabil aleatoare simpl care are
repartiia (xi, p(xi)), i = 1, n , atunci pentru fiecare x R dat
vom avea F(x) = p( xi ) . Rezult c funcia de repartiie a
xi x
53
1. Valoarea medie
Fie cmpul de probabilitate ( , K, P) i variabila
aleatoare X : R care ia valorile xn , n N*, cu
absolut
convergent,
constanta
M(X)
x n f ( x n ) se
n 1
Mr(X) = M(Xr) = x nr f ( x n )
n 1
Mr( X ) = M( X r) = x n f ( x n )
r
n 1
54
M(X) = xf ( x)dx ,
r
| x | f ( x)dx
55
( xm)2
.
2
Funcia f este legea de repartiie normal.
Funcia de repartiie a legii normale N(m, 2 ) este:
F(X) =
x (t m )
2
e 2
2 2
dt
2
Pentru o variabil aleatoare normal X, M(X) = m
i D2(X) = 2 .
Repartiia normal redus
O variabil aleatoare X urmeaz o repartiie
normal redus (sau standard), notat N(0,1), dac
1
2
x2
2
X m
este
2
F(X) =
1
2
x t
e 2
dt ,
56
X : k k nk
C p q
k!
variabilei
aleatoare
Poisson va fi X : k
e
k!
57
x2
n
n
2 2 n ( )
2
x
2 2
spea a doua).
Valoarea medie M(X) = n 2.
Dispersia D2(X) = 2n 4.
Repartiia Student (t)
O variabil aleatoare Student t este o variabil
aleatoare continu a crei funcie densitate de
probabilitate depinde de un singur parametru i anume
numrul gradelor de libertate.
Densitatea de probabilitate a variabilei aleatoare
Student cu n grade de libertate este:
n 1
n 1
)
x2
2
f(x) =
(1 ) 2
n
n
n ( )
2
(
n
, n > 2.
n2
poate
fi
58
59
60
a
a
61
62
DE REINUT
n management, metoda Monte Carlo este folosit
n scopul evalurii alternativelor decizionale. n acest
sens, se ataeaz unei probleme decizionale un model
probabilist n care cel puin o variabil este aleatoare prin
distribuia sa. Fiecrei variabile aleatoare de intrare n
model i se atribuie o valoare ntmpltoare, un numr
aleator uniform distribuit pe intervalul [0, 1], nndu-se
cont ns de distribuia de probabilitate a acelei variabile.
Se calculeaz valorile variabilelor de ieire i se repet
experienele de simulare de un numr ct mai mare de
ori i se obin distribuii de probabilitate ale variabilelor
de ieire din model. Fiecare alternativ este astfel
evaluat (prin realizarea de simulri ale modelului), iar
prin coroborarea i interpretarea rezultatelor se pot
estima mult mai pertinent rezultatele viitoare ale
problemei studiate.
30
63
Tabel 3.1.
Variabila aleatoare
Cererea i/sau preul
Ritmul de aprovizionare
i/sau cererea de consum
Durate/intervale n
procesele de ateptare
Durata unei activiti
Durata prelucrrii pe
diferite maini, ritmul
aprovizionrii cu materiale
Numrul defeciunilor i
ritmul de efectuare a
reparaiilor
Problema de decizie
Lansarea unui nou produs pe
pia
Determinarea politicilor de
control al stocurilor
Dimensionarea unor faciliti de
servire
Estimarea duratei totale de
finalizare a unui proiect complex
Probleme de programare
operativ a produciei
Analiza proceselor de reparaii
ale utilajelor n vederea
programrii produciei i/sau
investiiilor
64
Probabilitatea
de realizare
xi
x1
x2
P(X=xi) = P(xi) =
pi
P(x1)
P(x2)
...
xn
...
P(xn)
Funcia de
distribuie
cumulativ
F(xi)
F(x1) = P(x1)
F(x2) =
P(x1)+P(x2)
...
F(xn) = P(xn1)+P(xn)
Intervalele de
valori ale
frecvenei
cumulate
[F(xi-1), F(xi))
[F(x0), F(x1))
[F(x1), F(x2))
[F(xn-1), F(xn))
65
Frecvena
fi
Frecvena
relativ
n
fi/ f k
Frecvena
cumulat
F(xi)
k 1
[x0, x1)
f1
f1/ f k
F(x1) =
n
k 1
f1/ f k
F(x2)
=(f1+f2)/
Intervalele
de valori
ale
frecvenei
cumulate
[F(xi-1),
F(xi))
[F(x0),
F(x1))
k 1
[x1, x2)
f2
f2/ f k
k 1
[F(x1),
F(x2))
fk
k 1
[xn-1, xn)
fn
fn/ f k
k 1
F(xn) = 1
[F(xn-1),
F(xn))
66
distribuia
uniform
continu
ntr-un
xa
u cu
ba
soluia x = a + (b-a)u.
Deoarece distribuia normal este descris de o
funcie de densitate de probabilitate care nu poate fi
integrat exact, nu se poate obine nici inversa funciei
distribuiei cumulative, iar pentru generarea valorilor
variabilei aleatoare se folosesc metode aproximative ca de
exemplu metoda Box Muller, metoda teoremei limitei
centrale sau metoda respingerii.
Pasul 4 Se reia algoritmul de la Pasul 2 pn
cnd se obine volumul dorit al seleciei simulate.
Datele seleciei simulate pot fi utilizate pentru
calculul caracteristicilor distribuiei de probabilitate a
variabilei aleatoare cercetate: media aritmetic, abaterea
standard, coeficientul de variaie i intervalul de ncredere
pentru medie32.
Media aritmetic se utilizeaz la calculul nivelului
mediu al unor indicatori prezentai n serie dinamic de
intervale de timp, la calculul nivelului mediu al seriilor
statistice de variaie, al seriilor simple enumerative,
precum i n cazul seriilor teritoriale comparabile.
Dac frecvenele variantelor din seria statistic
studiat sunt egale ntre ele, se folosete formula mediei
aritmetice simple,
32
67
Mx x
x i
, iar dac frecvenele variantelor nu
n
M(x) x
x i n i
, n care notaiile utilizate au
n i
urmtoarele semnificaii:
M(x) sau x - valoarea medie a caracteristicii
studiate x,
xi- varianta i a caracteristicii statistice pentru care
se calculeaz media, i = 1, 2, 3, ... , n ,
ni- frecvena variantei i a caracteristicii statistice
studiate,
n - numrul variantelor caracteristicii statistice
atunci cnd se folosete media aritmetic simpl.
Abaterea medie ptratic sau abaterea standard
x se calculeaz prin extragerea rdcinii ptrate din
dispersie, astfel,
x i x
, n cazul seriilor de repartiie cu
n
2
frecvene egale
x i x n i
, n cazul seriilor de repartiie cu
n i
2
frecvene neegale
Abaterea medie ptratic caracterizeaz gradul de
variabilitate a variantelor individuale ale caracteristicii de
la valoarea medie. Cu ct abaterea medie ptratic are o
mrime mai mic cu att valorile caracteristicii sunt mai
concentrate n jurul mediei i n consecin colectivitatea
statistic este mai omogen i invers, cu ct abaterea
medie ptratic are o mrime mai mare cu att valorile
individuale ale caracteristicii sunt mai dispersate i deci
colectivitatea este mai puin omogen.
68
x
100
x
69
70
Rezolvare:
1. Calculul probabilitii i a probabilitii cumulate:
Nr.
crt.
1
2
3
4
5
6
7
8
9
Gcal / ap.
(x1000)
13 424
12 036
11 844
11 400
10 840
9 684
9 860
8 906
8 325
Nr.cazuri
799813
799900
799812
755210
730124
623545
592134
571728
560124
Pbb.
cumulat
0.128331667
0.256677294
0.385008801
0.506183824
0.623333745
0.723382843
0.818391981
0.910126934
1
Probabilitatea
0.12833167
0.12834563
0.12833151
0.12117502
0.11714992
0.1000491
0.09500914
0.09173495
0.08987307
Pbb cumulata
0,2
0
13424
12036
11844
11400
10840
9684
9860
8906
8325
nr. total
nr. observatii
(n tabel Xmediu)
71
x x
Cv
g = N 1 grade de libertate
Eroarea admisibil este 5%, deci a= 0,05
Nr.obs.
lim.inf.int.
Gcal/ap
(x1000)
1
2
3
4
5
6
7
8
9
0.128332
0.256677
0.385009
0.506184
0.623334
0.723383
0.818392
0.910127
1
13424
12036
11844
11400
10840
9684
9860
8906
8325
Interval
[0.128331667,0.256677294)
[0.256677294,0.385008801)
[0.385008801,0.506183824)
[0.506183824,0.623333745)
[0.623333745,0.723382843)
[0.723382843,0.818391981)
[0.818391981,0.910126934)
[0.910126934,1)
1
Nr.obs.
1
2
3
4
5
6
7
Nr.aleator
0.889348901
0.020833387
0.282876688
0.687333489
0.458525688
0.337902434
0.534360811
Cantitate
simulat
Xi-Xmediu
9860
13424
12036
10840
11844
12036
11400
90.2
3654.2
2266.2
1070.2
2074.2
2266.2
1630.2
(Xi-Xmediu)2
8136.04
13353177.64
5135662.44
1145328.04
4302305.64
5135662.44
2657552.04
72
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
0.08340854
0.909575158
0.209033289
0.429240775
0.182744918
0.431139371
0.748069547
0.719092357
0.826956578
0.271119968
0.415855463
0.637333673
0.344108029
0.542541718
0.395635331
0.182635525
0.403748086
0.816013414
0.804688812
0.005955161
0.446861717
0.240417272
0.65452498
0.004922749
0.884610501
0.194819639
0.44001662
0.865725145
0.142515125
0.033143412
0.033647811
0.303860498
0.895225704
0.354684081
0.824624641
0.814508678
0
9860
13424
11844
13424
11844
9684
10840
9860
12036
11844
10840
12036
11400
11844
13424
11844
9684
9684
0
11844
13424
10840
0
9860
13424
11844
9860
13424
0
0
12036
9860
12036
9860
9684
-9769.8
90.2
3654.2
2074.2
3654.2
2074.2
-85.8
1070.2
90.2
2266.2
2074.2
1070.2
2266.2
1630.2
2074.2
3654.2
2074.2
-85.8
-85.8
-9769.8
2074.2
3654.2
1070.2
-9769.8
90.2
3654.2
2074.2
90.2
3654.2
-9769.8
-9769.8
2266.2
90.2
2266.2
90.2
-85.8
95448992.04
8136.04
13353177.64
4302305.64
13353177.64
4302305.64
7361.64
1145328.04
8136.04
5135662.44
4302305.64
1145328.04
5135662.44
2657552.04
4302305.64
13353177.64
4302305.64
7361.64
7361.64
95448992.04
4302305.64
13353177.64
1145328.04
95448992.04
8136.04
13353177.64
4302305.64
8136.04
13353177.64
95448992.04
95448992.04
5135662.44
8136.04
5135662.44
8136.04
7361.64
73
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
0.686726546
0.901211209
0.954233604
0.573844184
0.513801483
0.503918882
0.40540225
0.496093659
0.389545392
0.10091242
0.328740341
0.497401454
0.328767923
0.796432595
0.593575859
0.08075942
0.838455291
0.337511454
0.159469901
0.663495611
0.409901218
0.434605272
0.111535164
0.284491682
0.405306634
0.375465924
0.707536462
0.256009778
0.853430163
0.069585309
0.870096058
0.862737684
0.235045668
0.920454257
0.368741049
0.997495604
10840
9860
8906
11400
11400
11844
11844
11844
11844
0
12036
11844
12036
9684
11400
0
9860
12036
13424
10840
11844
11844
0
12036
11844
12036
10840
13424
9860
0
9860
9860
13424
8906
12036
8906
1070.2
90.2
-863.8
1630.2
1630.2
2074.2
2074.2
2074.2
2074.2
-9769.8
2266.2
2074.2
2266.2
-85.8
1630.2
-9769.8
90.2
2266.2
3654.2
1070.2
2074.2
2074.2
-9769.8
2266.2
2074.2
2266.2
1070.2
3654.2
90.2
-9769.8
90.2
90.2
3654.2
-863.8
2266.2
-863.8
1145328.04
8136.04
746150.44
2657552.04
2657552.04
4302305.64
4302305.64
4302305.64
4302305.64
95448992.04
5135662.44
4302305.64
5135662.44
7361.64
2657552.04
95448992.04
8136.04
5135662.44
13353177.64
1145328.04
4302305.64
4302305.64
95448992.04
5135662.44
4302305.64
5135662.44
1145328.04
13353177.64
8136.04
95448992.04
8136.04
8136.04
13353177.64
746150.44
5135662.44
746150.44
74
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
0.703919365
0.266295254
0.997853951
0.25347669
0.275047367
0.531368389
0.860623679
0.064706531
0.057147084
0.048191125
0.045658664
0.80559551
0.570932363
0.356606576
0.845121892
0.107632652
0.800121073
0.065156272
0.491127288
0.73316651
0.175706844
0.221723696
0.170090801
0.861203963
0.60285652
0.741577646
0.193666861
0.224241312
0.509821299
0.871899833
0.684656931
0.276518969
0.96569729
0.264981784
0.915389445
0.225773666
10840
12036
8906
13424
12036
11400
9860
0
0
0
0
9684
11400
12036
9860
0
9684
0
11844
9684
13424
13424
13424
9860
11400
9684
13424
13424
11400
9860
10840
12036
8906
12036
8906
13424
1070.2
2266.2
-863.8
3654.2
2266.2
1630.2
90.2
-9769.8
-9769.8
-9769.8
-9769.8
-85.8
1630.2
2266.2
90.2
-9769.8
-85.8
-9769.8
2074.2
-85.8
3654.2
3654.2
3654.2
90.2
1630.2
-85.8
3654.2
3654.2
1630.2
90.2
1070.2
2266.2
-863.8
2266.2
-863.8
3654.2
1145328.04
5135662.44
746150.44
13353177.64
5135662.44
2657552.04
8136.04
95448992.04
95448992.04
95448992.04
95448992.04
7361.64
2657552.04
5135662.44
8136.04
95448992.04
7361.64
95448992.04
4302305.64
7361.64
13353177.64
13353177.64
13353177.64
8136.04
2657552.04
7361.64
13353177.64
13353177.64
2657552.04
8136.04
1145328.04
5135662.44
746150.44
5135662.44
746150.44
13353177.64
75
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
0.60908981
0.137363104
0.081087449
0.819293131
0.571462044
0.864144291
0.430701374
0.224328447
0.794870978
0.698290054
0.451825473
0.443221274
0.398468056
0.036059203
0.738645032
0.768946702
0.278092479
0.922932152
0.165377718
0.973296919
0.328019022
0.580408421
0.760928006
0.442691316
0.791382529
0.613870265
0.398918237
0.955067104
0.730485929
0.572474177
0.649721374
0.59481847
0.794735905
0.169178644
0.928284268
0.449919543
11400
13424
0
9860
11400
9860
11844
13424
9684
10840
11844
11844
11844
0
9684
9684
12036
8906
13424
8906
12036
11400
9684
11844
9684
11400
11844
8906
9684
11400
10840
11400
9684
13424
8906
11844
1630.2
3654.2
-9769.8
90.2
1630.2
90.2
2074.2
3654.2
-85.8
1070.2
2074.2
2074.2
2074.2
-9769.8
-85.8
-85.8
2266.2
-863.8
3654.2
-863.8
2266.2
1630.2
-85.8
2074.2
-85.8
1630.2
2074.2
-863.8
-85.8
1630.2
1070.2
1630.2
-85.8
3654.2
-863.8
2074.2
2657552.04
13353177.64
95448992.04
8136.04
2657552.04
8136.04
4302305.64
13353177.64
7361.64
1145328.04
4302305.64
4302305.64
4302305.64
95448992.04
7361.64
7361.64
5135662.44
746150.44
13353177.64
746150.44
5135662.44
2657552.04
7361.64
4302305.64
7361.64
2657552.04
4302305.64
746150.44
7361.64
2657552.04
1145328.04
2657552.04
7361.64
13353177.64
746150.44
4302305.64
76
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
0.40245208
0.934352012
0.001575206
0.909997773
0.754336508
0.055046713
0.366190381
0.691859211
0.36282114
0.621133442
0.509691573
0.578031399
0.211634595
0.999035182
0.615893658
0.003235917
0.519410434
0.667696089
0.551131543
0.498693488
0.117627146
0.212285541
0.939237512
0.848575042
0.637859799
0.37450574
0.59127064
0.126844507
0.052809308
0.318324587
0.002696519
0.196378663
0.101242283
0.877638417
0.229260025
0.758644981
11844
8906
0
9860
9684
0
12036
10840
12036
11400
11400
11400
13424
8906
11400
0
11400
10840
11400
11844
0
13424
8906
9860
10840
12036
11400
0
0
12036
0
13424
0
9860
13424
9684
2074.2
-863.8
-9769.8
90.2
-85.8
-9769.8
2266.2
1070.2
2266.2
1630.2
1630.2
1630.2
3654.2
-863.8
1630.2
-9769.8
1630.2
1070.2
1630.2
2074.2
-9769.8
3654.2
-863.8
90.2
1070.2
2266.2
1630.2
-9769.8
-9769.8
2266.2
-9769.8
3654.2
-9769.8
90.2
3654.2
-85.8
4302305.64
746150.44
95448992.04
8136.04
7361.64
95448992.04
5135662.44
1145328.04
5135662.44
2657552.04
2657552.04
2657552.04
13353177.64
746150.44
2657552.04
95448992.04
2657552.04
1145328.04
2657552.04
4302305.64
95448992.04
13353177.64
746150.44
8136.04
1145328.04
5135662.44
2657552.04
95448992.04
95448992.04
5135662.44
95448992.04
13353177.64
95448992.04
8136.04
13353177.64
7361.64
77
188
189
190
191
192
193
194
195
196
197
198
199
200
0.600064209
0.205120362
0.72935209
0.088347981
0.525624522
0.627539932
0.684709703
0.365324477
0.54740278
0.944493482
0.703696354
0.807028083
0.131639189
Total
X mediu
11400
13424
9684
0
11400
10840
10840
12036
11400
8906
10840
9684
13424
1953960
9769.8
1630.2
3654.2
-85.8
-9769.8
1630.2
1070.2
1070.2
2266.2
1630.2
-863.8
1070.2
-85.8
3654.2
Total
2657552.04
13353177.64
7361.64
95448992.04
2657552.04
1145328.04
1145328.04
5135662.44
2657552.04
746150.44
1145328.04
7361.64
13353177.64
3173999008
9769,8
nr. observatii
200
Xmediu)
(n tabel
3173999008
15869995,04
200
2 15869995,04 3983,72
3983,72
Cv
9769,8
0,407758
78
( x t / 2, N 1
3983,72
3983,72
;9769,8 1,9720
)
200
200
(9214;10325)
Idei n rezumat
Metoda Monte Carlo poate fi definit ca metod de
modelare a variabilelor aleatoare n vederea determinrii
caracteristicilor repartiiei lor, atunci cnd aceste caracteristici
nu pot fi stabilite prin expresii analitice pe baza funciilor
teoretice de densitate de probabilitate. Altfel spus, procesul
const n generarea mai nti a unui numr aleator i apoi
utilizarea numrului obinut pentru extragerea unei valori din
distribuia de probabilitate care descrie comportamentul
variabilei probabiliste.
Metoda Monte Carlo genereaz artificial valorile unei
variabile probabiliste, prin utilizarea unui generator de numere
aleatoare uniform distribuite n intervalul [0, 1] i a funciei
distribuiei cumulative asociat variabilei probabiliste respective.
Un numr aleator este orice numr care poate fi obinut ntr-un
asemenea mod nct valoarea lui nu poate fi prevzut dinainte.
n Microsoft EXCEL, numerele aleatoare uniform distribuite n
intervalul [0. 1] se pot obine cu funcia =RAND().
79
Bibliografie
1. Luban Florica Simulri n afaceri, Ed. ASE,
Bucureti, 2005, www.bibliotecadigitala/ase.ro.
2. Metropolis N., Ulam S. The Monte Carlo Method,
Journal of the American Statistical Association, Volume
44, Number 247, September 1949.
3. Mihilescu Nicolae Statistic, Ed. Victor, Bucureti,
2005.
4. Muntean Cornelia The Monte Carlo Simulation
Technique Applied in the Financial Market, Faculty of
Economic Sciences West University of Timioara,
Economy Informatics, 1-4/2004.
5. Raiu Suciu Camelia Modelarea & simularea
proceselor economice. Teorie i practic, Ediia a III-a,
Ed. Economic, Bucureti 2003.
80
Test de autoevaluare
1. n ce situaii nu este posibil aplicarea metodei Monte
Carlo?
2. Numrul de DVD-uri vndute zilnic ntr-un
hipermarket este o variabil probabilist discret uniform
repartizat n intervalul [4, 8]. S se simuleze vnzrile
pentru 10 zile.
3. S se simuleze vnzrile de frigidere pentru 10 luni
utiliznd urmtoarea distribuie a vnzrilor din ultimele
15 luni:
Nr.crt.
1
2
3
4
5
Frigidere
vndute pe lun
0
1
2
3
4
81
Concepte cheie:
Andrei Markov
Teoria probabilitilor
Proces aleator
Proprietate Markov
Tranziie ntre stri
Matrice de tranziie
Matrice ptratic
Calcul de sensibilitate
Matrice
de
trecere
parial
Matrice de trecere total
Vector
Diferene de ordinul
nti
Vector diferen
Elemente structurale
Probabiliti de trecere
Algoritm analitic
82
83
84
mtpt / t 1 min st 1 , st ,
relaia:
i 1, m . Celelalte
elemente, care nu se afl pe diagonala principal, sunt
ii
stj/ t 1
i 1 t / t 1
, unde
i 1
t / t 1
vectorului diferen
min s i , s j , if i j
t 1 t
s j
mtptij/ t 1 sti / t 1 m t / t 1
, dac i j i sti / t 1 0 i stj/ t 1 0
i2 t / t 1
mtt ij t 2 mtptij/ t 1
m
mp
mtt ij
ij
m
j 2
mtt ij
85
86
87
88
15
20
30
10
10
15
10
10
10
5
10
15
-
Vom
prezenta
n
continuare
matricea
probabilitilor de trecere n funcie de coeficientul de
fidelitate i de reorientrile cumprtorilor ca urmare a
campaniei de publicitate iniiate de Angst.
89
0,5852
90
91
Angst
40
Cris Tim
30
Campofrio
Aldis
20
10
0
rie
a
nu
ia
b
fe
a
ru
rie
m
tie
ar
r
ap
e
ili
ai
92
Idei n rezumat
Caracteristica de baz a lanurilor Markov se refer la
faptul c probabilitatea unui eveniment prezent depinde numai
de trecutul cel mai recent.
Teoria markovian este simplu de nteles si de aplicat.
Calculele de sensibilitate (problemele de genul dar
dac) sunt uor de efectuat.
Teoria lui Markov d o privire asupra evoluiei sistemului
n timp.
Matricea P poate fi dependent de starea curent a
sistemului. Dac P depinde att de timp ct si de starea curent
a sistemului, adic P este o funcie de t i de st atunci ecuaia
Markov de baz se complic. Ea devine st = st1P(t 1,st1).
Teoria lui Markov este numai un model simplificat al
proceselor decizionale reale.
Bibliografie
1. Panaitescu Gheorghe M. Modelarea i simularea
sistemelor de producie, Curs pentru nvmntul la
distan, Universitatea Petrol - Gaze Ploieti, 2007.
93
94
previziune,
prognoz, planificare;
Familiarizarea
cu
diferite
tipuri
de
previziuni
economice;
Cunoaterea tipurilor de variabile cu care opereaz o
prognoz i a etapelor de elaborare a unei prognoze;
nelegerea principalelor modele cu care se opereaz
n calculele de prognoz;
nelegerea ideii de baz a metodei vectorilor spectrali;
Cunoaterea
caracteristicilor
particularitilor
95
Concepte cheie:
Previziune economic
Prognoz
Planificare
Plan curent
Program operativ
Programare operativ
Variabil de
prognoz
Variabil
independent
Variabil dependent
Producie
Extrapolare
Model de prognoz
Modelul Harrod
Modelul Domar
Productivitatea muncii
Trend
Principiul continuitii
Principiul extrapolrii
Principiul observrii
condiiilor existente
Estimarea vnzrilor
Ancheta
Juriul experilor
Metoda Delphi
Testul de pia
Analiza seriilor temporale
Vector spectral
Metoda ajustrii
exponeniale a lui R.K.
Brown
Productivitatea investiiilor
Coeficientul capitalului
96
toate cele 3
caracterizeaz
la stabilirea
i
evalueaz
97
98
99
100
101
102
103
104
105
Metoda Delphi.
- Metode obiective:
Testul de pia;
Analiza seriilor temporale:
- Metoda descompunerii;
- Metoda mediei multiple;
- Metoda lisajului exponenial.
- Metode de analiz statistice:
Metoda regresiei simple;
Metoda regresiei multiple.
Progresele sunt eseniale, att pentru cei ce
realizeaz produsele sau serviciile, ct i pentru
distribuitori, pentru personal i departamente, precum
achiziii, financiar, marketing sau cercetare dezvoltare.
n concluzie, prognozele sunt importante n orice
activitate, n vnzri ns ele sunt vitale fiind eseniale
unor diveri beneficiari. O problem major cu privire la
prognoze are n vedere compromisul ntre costuri i
inexactitatea prognozelor.
106
V1
V
V 2
...
V
n
unde: Vj, cu j = 1,n sunt componentele vectorului n
perioade succesive i ndeplinete condiia:
n
V
j 1
I t ,t 2 Ct 1,t 2 V j
41
107
42
108
evoluia
mediului
concurenial,
cadrul
macroeconomic general etc.
ncercarea de a lua n considerare aceti factori
duce la utilizarea unor metode diferite de previziune:
- cauzale pentru care este posibil
identificarea unor relaii funcionale;
- bazate pe serii de timp n cazul n care
evoluia curent a unui indicator depinde
de nivelul anterior.
n cea de-a doua categorie de metode, o grup
cuprinztoare
este
format
din
metodele
de
ajustare/nivelare care presupun faptul c valoarea
prognozat a unui indicator poate fi echivalent cu o
medie ponderat a valorilor sale trecute, corectat cu un
factor aleatoriu.
Ajustarea exponenial Brown reprezint o sum
ponderat a tuturor datelor din trecut ale unei serii
dinamice, cu ponderea cea mai mare plasat asupra celei
mai recente informaii. Datele sunt nivelate cu o
constant de nivelare (0 1).
Ideea de baz a acestei metode const n
corectarea
previziunii
proporional
cu
abaterea
constatat ntre previziunile anterioare i realizarea lor;
fiecare abatere fiind ponderat geometric descrescnd, pe
msur ce se ndeprteaz de prezent. Metoda nivelrii
exponeniale comport parcurgerea urmtoarelor etape:
Se stabilete apartenena fenomenului la unul din
cele patru tipuri de evoluii, respectiv:
109
Pt=Pn(Rt1,Rt2,...,Rtn)
Previziunea vnzrilor fcute la sfritul perioadei
t pentru perioada urmtoare se calculeaz dup formula:
Rt=Rt-1+(St-Rt-1)
n relaiile de mai sus Rt semnific previziunea
vnzrilor pe perioada t, iar St vnzrile efective n
perioada t.
Aceast metod se utilizeaz la estimarea
caracteristicilor de prognoz i n cazul n care fenomenul
de pia se supune unei influene de sezonalitate i
trend.
Plecnd de la valorile pe care le poate lua (0
1), apar urmtoarele situaii:
- = 1, previziunea va fi egal cu vnzrile
efective din perioada curent;
- este aproape de 1, influena vnzrilor din
ultimele perioade asupra previziunii pentru
perioada urmtoare va fi mare;
- ia o valoare mic, influena vnzrilor din
ultimele perioade asupra previziunii pentru
perioada urmtoare va fi mic.
110
111
Nr.
crt
Anii
1
2
3
4
5
6
7
8
9
1998
1999
2000
2001
2002
2003
2004
2005
2006
Valoare
ncasri
(mii Ron)
21.567,230
21.634,192
21.708,862
21.810,521
21.889,652
22.004,344
22.107,385
22.181,126
22.243,178
Personal
angajat
206
207
206
203
200
200
202
200
200
Tabel 5.1.
Productivitatea
muncii
(mii Ron)
104,695
104,513
105,382
107,441
109,448
110,021
109,442
110,905
111,216
112
Tabel 5.2.
Nr. crt
Anii
1
2
3
4
5
6
7
8
9
1998
1999
2000
2001
2002
2003
2004
2005
2006
Valoare ncasri
(mii Ron)
21.567,230
21.634,192
21.708,862
21.810,521
21.889,652
22.004,344
22.107,385
22.181,126
22.243,178
Etapa 2:
Studierea i trasarea trendului de evoluie referitor la
volumul ncasrilor totale ale firmei.
n aceast etap, prin simpla observare a
graficului de trend se poate remarca tendina general
determinat de dinamica ncasrilor firmei n perioada
supus cercetrii, perioada cuprins ntre anii 1998
2006.
Datorit
faptului
firma
nregistrat
113
22,400
22,200
22,000
21,800
21,600
21,400
Vol. Incasari
21,200
1998 1999 2000
Etapa 3:
Ajustarea datelor empirice dup o dreapt.
Expresia funciei este de forma Y(t) = a + bt
Preliminar, nainte de nceperea oricrui calcul, se
pune condiia ca diferena dintre datele empirice y i cele
teoretice Y, s fie minim.
Matematic aceasta se exprim:
-
s fie minim:
(y Y ) min
(y Y )2 min
114
Anii
1
2
3
4
5
6
7
8
9
1998
1999
2000
2001
2002
2003
2004
2005
2006
K= 9
Valoare
ncasri
mii RON
21.567,230
21.634,192
21.708,862
21.810,521
21.889,652
22.004,344
22.107,385
22.181,126
22.243,178
e2
ye
-4
-3
-2
-1
0
1
2
3
4
16
9
4
1
0
1
4
9
16
-86.268,920
-64.902,576
-43.417,724
-21.810,512
0
22.004,344
44.214,770
66.543,378
88.972,712
y =
197.146,490
e =
0
e2 =
60
ye=
5.335,472
a = y/ K a = 197.146,490:9 = 21.905,166
115
Y2007 = 21905,166
RON)
Y2008 = 21905,166
RON)
Y2009 = 21905,166
(mii RON)
Y2010 = 21905,166
RON)
Y2011 = 21905,166
RON)
Y2012 = 21905,166
(mii RON)
Y2013 = 21905,166
(mii RON)
Y2014 = 21905,166
(mii RON)
Y2015 = 21905,166
(mii RON)
116
Tabel 5.4.
Nr. crt
Anii
1
2
3
4
5
6
7
8
9
2007
2008
2009
2010
2011
2012
2013
2014
2015
Valoare ncasri
(mii RON)
22.349,786
22.438,710
22.527,634
22.616,558
22.705,482
22.794,406
22.883,330
22.972,254
23.061,178
117
Tabel 5.5.
Nr.
crt
Anii
Valoare ncasri
(mii RON)
1998
21.567,230
Productivitatea
muncii
(mii RON)
104,695
2
3
4
5
6
7
8
9
1999
2000
2001
2002
2003
2004
2005
2006
21.634,192
21.708,862
21.810,521
21.889,652
22.004,344
22.107,385
22.181,126
22.243,178
104,513
105,382
107,441
109,448
110,021
109,442
110,905
111,216
118
Tabel 5.6.
Nr.
crt
Anii
1
2
3
4
5
6
7
8
9
2007
2008
2009
2010
2011
2012
2013
2014
2015
Valoare
Productivitatea
ncasri
muncii
(mil ROL)
(mii RON)
22.349,786
120,000
22.438,710
120,000
22.527,634
120,000
22.616,558
123,000
22.705,482
123,000
22.794,406
123,000
22.883,330
126,000
22.972,254
126,000
23.061,178
126,000
Angajai
186
187
188
184
185
185
182
182
183
210
205
200
195
190
185
180
Angajati
175
170
14
20
12
20
10
20
08
20
06
20
04
20
02
20
00
119
20
19
98
165
Aplicaia 2
Pentru analiza situaiei comenzilor primite de la
diferii clieni vom utiliza datele prezentate n urmtorul
tabel:
Vnzri nregistrate (mii Euro)
Nr.
Luna calendaristic
Vnzri nregistrate (mii
crt.
Euro)
1
Octombrie 2007
2100
2
Noiembrie 2007
2200
3
Decembrie 2007
3200
4
Ianuarie 2008
3300
5
Februarie 2008
3250
6
Martie 2008
3280
7
Aprilie 2008
3450
8
Mai 2008
3387
De asemenea, se va ine cont de faptul c
societatea a ncheiat contracte i nelegeri cu toi clienii
si n vederea ealonrii procentuale a valorii comenzilor
n timp, respectiv n luni succesive. De regul, ealonarea
se face pe patru luni consecutive, n proporie de 30%,
25%, 20% i 25% din totalul comenzii. Valoarea
comenzilor n luna ianuarie 2008 (luna de referin) este
de 3300 mii Euro. n vederea ncheierii de noi contracte
conducerea societii este interesat de determinarea
valorii livrrilor pe luni succesive, ncepnd cu luna
ianuarie, pn la lichidarea tuturor comenzilor emise.
Vom ntocmi matricea extins a comenzilor:
120
3300
3250
3280
3450
3387
0
0
2100
2200
3200
3300
3450 3280 3250
3387 3450 3280
0
3387 3450
0
0
3387
3200
3300
3250
3280
2200
3200
3300
3250
0,30
0,25
0,20
0,25
Vom nmuli matricea comenzilor cu vectorul spectral:
3300
3250
3280
3450
3387
0
0
2100
2755
2200
2990
3256,5
3200
0,30
3330
3300
0,25 =
3450 3280 3250 0,20 3347,1
3387 3450 3280 0,25 2356,75
0
3387 3450
1539,9
846,75
0
0
3387
3200
3300
3250
3280
2200
3200
3300
3250
121
122
123
ian
feb
mart
Vanzari inregistrate
apr
mai
iun
Vanzari previzionate
124
125
ian
feb
mart
Vanzari inregistrate
apr
mai
iun
Vanzari previzionate
126
Martie
Aprilie
Mai
F1s
3000
0,9375
3200
127
3400
0,9714
3500
3500
1,0145
3450
F2s
F3s
Mt
St
(1 ) M t 1
Ft s
3280
(1 0,3) 3280 3345,6 mii Euro
0,9375
3450
M 2 0,3
(1 0,3) 3345,6 3407,39 mii Euro
0,9714
3387
M 3 0,3
(1 0,3) 3407,9 3387,11 mii Euro
1,0145
M 1 0,3
Ft
St
(1 ) Ft s
Rt
3280
(1 0,5) 0,9375 0,96875 mii Euro
3280
3450
F2 0,5
(1 0,5) 0,9714 1,003563 mii Euro
3331
3387
F3 0,5
(1 0,5) 1,0145 1,013074 mii Euro
3348
F1 0,5
128
Luna
Martie
Aprilie
Mai
Iunie
Vnzri
efective
Vnzri
previzionate
cu
sezonalitate
3280
3450
3387
-
3280
3280
3331
3348
mart
apr
Vnzri previzionate
fr sezonalitate
Cu factorul
Cu
sezonier
factorul
din
sezonier
perioada
estimat
anterioar
pentru
anul
curent
3345,6
3177,5
3407,39
3342,87
3387,11
3391,77
3500
3450
3400
3350
3300
3250
3200
3150
3100
3050
3000
mai
iun
Vanzari inregistrate
Vanzari previzionate cu sezonalitate
Vanzari previz fara sezonalitate cu factor sezonier din per. Anterioara
Vanzari previz fara sezonalitate cu factor sezonier estimat
Vnzrile previzionate
129
Idei n rezumat
Putem defini previziunea ca determinare a evoluiei
posibile i probabile a unui fenomen, pentru un interval de timp
viitor mai mult sau mai puin ndeprtat, pe baza unor metode i
calcule tiinifice. Previziunea economic are drept obiect studiul
evoluiei viitoare a proceselor economice.
Prognoza se refer n limbajul economic obinuit la
perioade mai mari de 5 ani. Programele sau planurile curente se
refer la perioade mai mici de timp, n general la 1 an, dar pot fi
i pentru un trimestru i chiar pentru o lun. De asemenea,
exist i aa numitele programe operative care au n vedere
intervale de timp mai mici de o lun.
Pentru elaborarea unei prognoze este necesar s se
parcurg mai multe etape de calcul, dup cum urmeaz:
Studierea fenomenului supus cercetrii, Alegerea modelului de
prognoz, Trasarea funciei de trend, Ajustarea datelor,
Extrapolarea datelor.
Prognoza vnzrilor reprezint baza de plecare pentru
toate departamentele din organizaie atunci cnd se stabilesc
bugetele de venituri i cheltuieli. Este evident c o programare
defectuas are consecine dramatice asupra organizaiei ca
sistem ct i asupra tuturor departamentelor n parte. De
asemenea lipsa prognozelor ar influena negativ organizaia prin
faptul c s-ar face cheltuieli nejustificate.
Metoda
vectorilor
spectrali
se
bazeaz
pe
descompunerea spectrului succesiunii n timp a unei comenzi
conform graficului de livrare, pe baza unor date din trecut,
privind evoluia sau structura acesteia.
Ajustarea exponenial Brown reprezint o sum
ponderat a tuturor datelor din trecut ale unei serii dinamice, cu
ponderea cea mai mare plasat asupra celei mai recente
informaii. Datele sunt nivelate cu o constant de nivelare (0
1). Ideea de baz a acestei metode const n corectarea
130
Bibliografie
1. Raiu-Suciu C., Modelarea & Simularea proceselor
economice. Teorie i practic. Ediia a-III-a. Editura
Economic, Bucureti, 2003.
2. Romnu Ion - Previziune economic, Note de curs
aferente disciplinei Managementul investiiilor din cadrul
masterului cu specializarea Managementul Investiiilor
organizat de Facultatea de tiine Economice a
Universitii Hyperion din Bucureti, 2007.
3. Romnu I., Vasilescu I., C.Cicea - Investiii, Ed.
Economic, Bucureti, 2000.
4. Romnu Ion, Vasilescu I. (coord.) - Managementul
investiiilor, Ed. Mrgritar, Bucureti, 1997.
131
132
MODELAREA I OPTIMIZAREA
DECIZIILOR
(Timp estimat: 4 ore)
6.1. Elemente de programare liniar
6.2. Dualitatea problemelor de optimizare
6.3. Optimizarea activitii de organizare a
produciei
6.4. Optimizarea activitilor de transport
6.5. Algoritmul Simplex
Obiectivele unitii de nvare:
Concepte cheie:
programare liniar
funcie liniar
funcie obiectiv
soluie a programului
soluie admisibil
soluie optim
restricie concordant
restricie neconcordant
probleme de transport
forma canonic a
problemei
forma standard a
problemei
problem de optimizare
problem dual
problem primar
optimizarea produciei
modelele de optimizare a
investiiilor
133
unde:
1) f se numete funcie obiectiv sau funcie de
eficien;
2) g =
reprezint un numr de m
funcii, cu n variabile cu valori reale;
3) b =
reprezint un vector numeric
real;
4)
reprezint restriciile problemei;
5)
reprezint restriciile de semn ale
variabilelor problemei.
Definiia 1: Orice soluie a sistemului de restricii
si cu
se numete soluie posibil
(admisibil) a problemei.
134
Notm
cu
mulimea
soluiilor
posibile:
Observaie:
1) O problem de programare liniar are optim
finit unic dac
conine un singur element
i dac
f( ) este un numr finit;
2) O problem de programare liniar are optim
finit multiplu dac
conine cel puin dou elemente i
pentru fiecare n parte f ia aceeai valoare finit.
3) Putem vorbi i despre optim infinit atunci cnd
funcia obiectiv f devine infinit. Din punct de vedere
practic, nu prezint ns interes.
De exemplu, se consider o firm, care produce n
bunuri B1,B2,...,Bn utiliznd pentru aceasta m categorii de
resurse R1,R2,...,Rm (materii prime, for de munc,
capaciti de producie, combustibili i energie etc.). Se
adopt ipoteza c tehnologia de transformare a resurselor
n bunuri este liniar n sensul c:
- pentru fiecare bun, consumul dintr-o anumit
resurs este direct proporional cu cantitatea produs.
- consumurile dintr-o resurs sau alta nu se
condiioneaz reciproc.
Fie atunci aij cantitatea din resursa i utilizat
pentru producerea unei uniti din bunul Bj, di cantitatea
disponibil din resursa Ri i pj preul (sau profitul) unitar
al bunului Bj.
135
f p1 x1 p2 x2 ... pn xn
cu satisfacerea urmtoarelor restriciilor:
136
minimizare,
fr
modificarea
mulimii
soluiilor
admisibile.
Spunem c o problem de programare liniar este
n form standard dac toate restriciile ei sunt egaliti.
n consecin, o problem care are i restricii inegaliti
va fi nlocuit - n vederea rezolvrii ei - cu o alta n care
toate restriciile sunt egaliti. Noua problem, numit
forma standard a problemei se construiete aa cum se
poate observa n exemplul de mai jos:
max( f ) x1 2 x 2 3x3
2 x 4 x x 6
2
3
1
5
x
x
1
2
3 4
x 2 x 3 x 10
2
3
1
x1 0, x 2 0, x3 0
devine:
max( f ) x1 2 x 2 3x3
2 x1 4 x 2 x3 x 4 6
5 x1 x 2 x3 4
x 2 x 3 x x 10
2
3
5
1
x j 0, j 1,5
I. Forma general
Definiia 3: Spunem c o problem de programare
liniar este prezentat sub forma general dac este
scris astfel:
137
138
dac
atunci
avem:
139
Variabilele
compensare.
sunt
variabile
de
140
Exemplu:
141
funcia f
e x
j1
142
a 11x 1 a 12 x 2 ............ a 1n x n b1
a 21x 1 a 22 x 2 ........... a 2n x n b 2
.......................................................
a x a x ........... a x b
m2 2
mn n
m
m1 1
x j 0; j 1, n
a 11a 12 ..............a 1n
a 21a 22 .............a 2n
............................
a m1 a m2 ............a mn
Pe baza acelorai date se poate construi o nou
problem, numit problema dual a celei propuse. Fie
m variabile y1, y2, ........ym , care s corespund celor
m inecuaii ale mulimii M.
Problema dual are ca scop gsirea minimului
funciei f min
b y
i 1
n condiiile :
a 12 y1 a 22 y 2 ........... a m2 y m c 2
.......................................................
a y a y ........... a y c
2n 2
mn m
m
1n 1
y1 0; i 1, m
143
a 11a 21..............a m1
a 12a 22 .............a m2
............................
a 1n a 2n ............a mn
b1
x1
b2
x2
B ...
, C' c1 , c 2 .........c n
...
bm
i X ....
....
xn
b Problema dual:
g(min)= min By n condiiile A1y C , y 0 unde
y1
y
y2
....
ym
144
c2 .............................cj..........cm
y1
a11
b1
y2
a21
b2
...
...
...
yi
...
...
...
ym
............................................................
............................................................
............................................................
ai1 ai2 .............................aij ..........ain
............................................................
............................................................
............................................................
am1 am2 ..........................amj ...........a2n
x1 x2 .............................xj ............xn
...
...
...
bi
...
...
...
bm
Produse
Resurse
145
146
6.3. Optimizarea
produciei
activitii
de
organizare
Metoda grafic
Metoda grafic nu este complet strin studenilor
din anul I sau II. Acest tip de abordare a unui sistem de
drepte s-a abordat i n clasa a XI-a la capitolul de
geometrie analitic. Deosebirea este c n general lucrm
doar cu una, maxim 2, drepte, iar n cazul de fa vom
lucra cu cel puin 2, de preferat 4, drepte.
Metodologia nu este grea i pornete de la faptul
c orice dreapt mparte un plan n dou semiplane.
Dac ne imaginm o orientare a celor dou semiplane, ne
punem ntrebarea care dintre ele va include i punctul de
origine al sistemului de axe XOY. Cea mai simpl
modalitate de a verifica n care din cele dou semiplane
se afl punctul O(0,0) este s nlocuim n inecuaia
dreptei din exerciiu i s vedem dac se respect
valoarea de adevr a inecuaiei.
147
DE REINUT
Exemplu: Fie dreapta de inecuaie: 5x1 + 4x2 >
12. nlocuind pe rnd x1 = 0 i x2 = 0, vom obine: 0 + 0 >
12 lucru care nu este adevrat. Analizm n care dintre
cele dou semiplane se afl originea i n funcie de
valoarea de adevr obinut vom alege orientarea
(indicat cu sgeata neagr care pleac din dreapt). n
cazul nostru, cum 0 nu este mai mare de 12, vom lua
semiplanul care NU conine originea (lucru indicat cu
sgeata pe grafic, deprtndu-ne de origine). n cazul n
care am fi avut 5x1 + 4x2 < 12, atunci sgeata s-ar fi
deplasat n jos.
148
149
150
i 1
i 1
a i b j , adic disponibilul
151
i 1
j1
C ij X ij
, n care Xij 0
x
j1
ij
ai
x1j+x2j+............+xmj=bj
, sau
x
i 1
ij
bj
i 1
j1
f min min C ij x ij
n urmtoarele
condiii :
n
x ij a i
j1
C
m
x b
ij
j
i 1
unde
i 1, m
j 1, n
152
Fie
unde
reprezint
.
vectorul
153
Dac exist
regula
pentru care:
154
, atunci problema
0, dar avem i
rapoartele
cu
urmtoarele decizii:
3.1. Dac nu exist
putndu-se
lua
, atunci algoritmul ia
155
3
5
x1
x2
7
6
51
3
5
4
x1 x2 x3
1
0
1
0
1
2
5
x4
2
3
13
21
0
0
Completam tabelul astfel:
-9
-16
156
s avem ntotdeauna
- pe coloana
se trec termenii liberi (ceea ce avem n
sistem dup semnul egal): (7, 6);
- pe coloana B se trec exact valorile x care formeaz
; n acest caz se observ c
sunt cei n
care corespund
i
); vom trece
. Studiem n ce
va fi calculat ca mai sus, iar
157
ATENIE!
bazici (
i
, n acest caz); ei nu vor mai fi studiai,
conform algoritmului. Ne intereseaz ceilali .
Conform studiului impus mai departe de etapa 2,
cercetm semnul celorlali .
n exemplu nostru
aduce n situaia: 2.1. Dac toi
, ceea ce ne
0, atunci algoritmul ia
cu
rezultatul:
Idei n rezumat
Problemele de maxim i de minim apar frecvent n cele
mai diferite domenii ale matematicilor pure sau aplicate.n
domeniul economic, asemenea probleme sunt foarte naturale.
Astfel, firmele ncearc s maximizeze profiturile sau s
minimizeze costurile.
Programarea liniar se ocup de o clas special de
probleme de optimizare care apar deseori n aplicaiile
economice. Aceste probleme constau n maximizarea sau
minimizarea unei funcii liniare, numit funcie obiectiv, ale crei
variabile trebuie s satisfac: un sistem de relaii date sub
forma unor ecuaii i/sau inecuaii liniare nestricte, denumite
generic restricii; cerina de a lua numai valori numerice
nenegative (0).
Un ansamblu de n valori numerice care satisfac
restriciile se va numi soluie a programului. Dac n plus sunt
verificate i condiiile de nenegativitate, ansamblul se numete
soluie admisibil. O soluie admisibil care maximizeaz sau
158
Bibliografie
1. Raiu Suciu Camelia Modelarea & simularea
proceselor economice. Teorie i practic, Ediia a III-a,
Ed. Economic, Bucureti 2003.
159
a1
a2
Stocuri
2
4
6
2
3
4
10
8
-
160
161
162
14. Learned A., Christensen N., Andrews J., Guth S. Strategic Management n Harward Business Review, nr.
24, 1990.
15. Luban Florica Simulri n afaceri, Ed. ASE,
Bucureti, 2005, www.bibliotecadigitala/ase.ro.
16. McKeever M. - How to Write a Business Plan, 7th
Edition, Ed. Nolo, Berkeley, 2004.
17. Metropolis N., Ulam S. The Monte Carlo Method,
Journal of the American Statistical Association, Volume
44, Number 247, September 1949.
18. Mihilescu Nicolae Statistic, Ed. Victor, Bucureti,
2005
19. Muntean Cornelia The Monte Carlo Simulation
Technique Applied in the Financial Market, Faculty of
Economic Sciences West University of Timioara,
Economy Informatics, 1-4/2004
20. Nane M. Management strategic concepte,
metodologie, studii de caz, Editura Pro Universitaria,
Bucureti, 2006.
21. Nicolescu O. - Management comparat, Editura
Economic, Bucureti, 2001.
22. Nicolescu O. (coord.) - Sistemul decizional al
organizaiei, Editura Economic, Bucureti, 1998.
23. Nicolescu O. Metodologii manageriale, Editura
Economic, Bucureti, 2001.
24. Nicolescu O., Verboncu I. - Management, Editura
Economic, Bucureti, 1995.
25. Nicolescu O., Verboncu, I. - Management, Editura
Economic, Bucureti, 2000.
26. Panaitescu Gheorghe M. Modelarea i simularea
sistemelor de producie, Curs pentru nvmntul la
distan, Universitatea Petrol - Gaze Ploieti, 2007.
27. Pearce J. A.II, Robinson R.B. Jr. - Strategic
Management, Illinois, Irwin, Homewood, 1991.
28. Pegden C., Shannon R., Sadowski R. - Introduction to
simulation using SIMAN, Second Edition, McGraw-Hill,
Singapore, 1996.
163
164
165
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
166
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
........................................................................................
.......................................................................................
167