U1

1.
2.
a)
b)
c)
d)

3.
4.

Modelarea- fundamentarea deciziei manageriale n condiii de eficien cu ajutorul unor modele economicomatematice flexibile
Modelul - imagine simplificat, intuitiv, dar riguroas a realitii faciliteaz descoperirea unor legturi i legiti
imposibil de gsit pe alte ci.
- simplu, robust, controlabil, adaptabil, complet, uor de aplicat i s aib caracter evolutiv.
- Cerinte de construire: Coerenta, Corectitudine, Consistenta^Complet., Eficienta& Fiabilitate
- Realism / Simplitate
Procesul de modelare: 1. Subiectul 2. Obiectul 3. Modelul obiectului
Etape:1.Definirea problemei 2. Dezv. Modelului 3. Obt datelor 4. Obt solutiei 5. Experimentarea modelului 6. Analiza
rezultatelor7. Implementarea rezult obtinute
Componentele modelului: 1. Variabile (controlabile, necontrolabile, rezultat / calitative. Cantitative/discrete,
continue) 2. Parametrii
Clasificarea modelelor: Imitative, Analogice, Simbolice
Deterministe, Stochastice, Vagi
Descriptive, Normative, Prespcriptive
U2 Modelarea proceselor economice cu tehnici de previziune
Previziunea = o metod sistematic de obinere a unei estimri a valorii viitoare a unei variabile
Etapele previziunii: 1. Obiectiv 2. Selectarea elem de previz 3. Orizont de timp 4. Selectarea modelului 5. Culegerea
datelor 6. Validarea modelului 7. Realiz previziunii 8. Aplicarea rezultatelor
Clasificare: Calitative | Serii de timp | Cauzale | Econometrice
Serii de timp - O secven de date (valori discrete) de observaie, n mod obinuit ordonat n timp
- Reprez. Grafica = trend
Caracteristici: Variatia aleatoare | Trendul | Sezonalitatea (fluctuatie ce se repeat la interval regulate)| Variatia
ciclica (oscilatii ample pe durata unui ciclu)
Forma dupa prognozare: Aditiva(val absolute) | Multiplicativa (%) | mediere/netezire
Metode de nivelare/ajustare:
Media mobila: determinarea previziunii pentru o perioad de timp prin medierea datelor din ultimele n"perioade
Metoda nivelarii exponentiale: alegerea formei particulare a metodei se face prin reprezentarea grafic a seriei de
date(urmareste ajustarea valorilor in jurul mediei)
Nu exst. Variatii = nivelare expon primara (SES) un sg param A
Trend cresc. sau descresc. = modelul cu trend; 2 param A, B
Variatii sezoniere = modelul de ajust cu sezonalitate,2 param A, Y
Trend |+Var sezon = model ajustare trend sezonalitate, param A, B , Y
Ft+1 = Ft+a(Yt - Ft) ; 0<a<1SAU Ft+1 = aYt +(1-a)Ft
Ft previz la mom t, Yt valoarea efectiva la mom t, a constanta de nivelare (influenteaza ajustarea oscilatiilor
si calitatea previziunii)
Alegerea constantei a:
1. Minimiz erorilor de previziune
MSE media patratelor erorilor MAD media erorilor absolute
MAPE media procentuala a erorilor absolute CFE suma erorilor de previziune
Ts Tracking Signal (+ =crestere; - = descrestere)
2. Analiza modelului Ft+1 = aYt +(1-a) a=>1= previz urmaresc oscilatiile valorilor efective; a=>0
= media valorilor efective
3. Analiza modelului Ft Ft+1 = Ft+a(Yt - Ft); Yt-Ft Mare=> a spre 0 | Yt=Ft mic => a spre 1
4. Simulare
Proiectia trendului: Y = a + bx unde: Y - valoare previzionat (variabila dependent); a interceptul; b panta
liniei; x perioada de timp
Decompozitia: presupune identificarea n mod separat a componentelor tipice (caracteristici) ale unei serii dinamice i
prognozarea lor separat. Dup prognozarea izolat cele 4 elemente se compun n forma aditiv sau multiplicativ.

U3 Modelarea fenomenelor de piata

Ciclul de via al produsului descrie intervalul de timp cuprins ntre momentul lansrii unui produs pe o pia dat i
cel al retragerii sale definitive de pe pia. Etapele pot fi caracterizate prin volumul vanzarilor, ce poate fi descrisa
prin:
Functia Gamma: V = k ta e--bt (V= volumul vnzrilor; t = timpul; e = funcia exponenial; k = constant;a, b =
parametri determinai statistic pentru fiecare tip de produs.)
Volumul total al vz =integrala Gamma
Momentul vz maxime = deriv ordin I
Momentul cresterii/ descresterii = derivata ordin II
Lanturile Markov = proces stochastic ce evolueaza in maniera probabilistica, sar de la o stare la alta, rezultatul unui
experiment depinde doar de rezultatul experimentului anterior (Proces fara memorie propr Markoviana)
*matrice stochastica: 0<P<1; suma elem de pe aceeasi linie =1
Strile procesului Markov se clasific n: recurente (se intoarca la acea stare) i tranzitorii (probabil sa nu mai
ajunga in acea stare). *stare absorbanta (nu mai paraseste starea odata ce a fost atinsa)
Obiectivele analizei:
1. Det probab ca procesul sa fie intr-o anum stare at+1=at*P (vestor de stare)
2. Modul de trecere de la o stare la alta (matriceade tranzitie P, P2, P3)
3. Probab de a se stabiliza intr-o anum stare
4. Timpul de recurenta (t=1/aik)
5. Starea stationara (vector de linie constant)
U4 - Modelarea proceselor decizionale n conditii de incertitudine si risc
Situatii decizionale
Certitudine - programare matematica
Risc m. Probabilistice, M. Valorii asteptate, M. Arborelui de decizie
Incertitudine - Maxmax, Maxmin, Laplace, Savage, Hurwicz
Concurenta Teoria Jocurilor
Utilitate=> atitudine fata de risc; functia utilitatii: Liniara| Concava (simpatie fata de risc)| Convexa(aversiune fata de
risc)|convexa=concava
Decizii Incertitudine: NU presupun cunoaterea probabilitii de manifestare a strilor naturii
Maxmin (optimist) cel mai mare profit
Wald / MaxMax(prudent, pesimist) cel mai mare profit
Laplace (echiprobab) cea mai mare valoare medie a profiturilor
Savage (minimizarii regretelor) cel mai mic regret (utilitate pierduta) posibil
Hurwicz (optimalitatii) a =>0 crit H devine = crit prudent
- a=> 1crit H devine crit Maxmin (optimist)
Decizii Risc: presupun cunoaterea probabilitii de manifestare a strilor naturii
M. Valorii Asteptate atitudine neutra fata de risc (max venit sau min ch)
Valoarea informatiei perfecte (VIP) obt de informatii suplimentare = este dat de diferena dintre profitul
estimat a fi obinut n condiiile cunoaterii complete a informaiilor i valoarea estimat a ctigurilor fr
cunoaterea perfect.
VIP>Cost achiz de inf aditionale; VIP<Cost nu se recom achiz de inf suplim
M. Arborelui de Decizie se aplica in sit complexe; se bazeaza pe reprez grafica sub forma unei diagrame
formate din Noduri (Decizie, Certit/eveniment, Consecinta) si Ramuri (Variante deciz/Stari ale naturii)

U5 Modelarea proceselor decizionale multicriteriale> Optimizarea

1.Multiatribut (utilitatea glob max, TOPSIS, Electre) (variante finite, caract de mai multe atribute. Var optima
satisface cel mai bine toate atributele)
2.Multiobiectiv (Progr Scop, Functia sintezei de utilitate)(solutiiinfinite, criterii ce trb max sau min, solutia aduce
abateri cat mai mici fata de scopul functiei obiectiv)
Decizii multiatribut in conditii de certitudine:
1. S. Ideala maximizeaza toate crit de max si min toate crit de min (nu exista)
2. S dominanta/nedominanta
3. S. Satisfacatoare
4. S. Preferata nondominanta ce satisf cel mai bine asteptarile decidentului
Metode de decizie:
1. Necompensatorii (dominantei, maximin, maximax, constranngere conjunctiva/disjjunctiva)
2. Compensatorii (scor, m. ale compromisului, m. ale concordantei, abordarea cu rationam probatoriu)
* Utilitate este o mrime subiectiv ce poate fi aplicat n cazul existentei mai multor criterii de evaluare a variantelor
decizionale pentru a face posibil compararea diferitelor evaluri, dar i pentru a exprima atitudinea decidentului fa
de riscul adoptrii unei variante decizionale.
Metoda utilitatii globale maxime:
1. Transf valorilor in utilitati (1 cea mai buna, 0 cea mai putin buna, restul se calculeaza)

2. Stab importantei fiecarui criteriu

3. Calc utilitatii globale pt fiecare varianta (suma din utiliatate*importanta)
4. Alegerea variantei cu utilitatea globala maxima
U6 Modelarea Structurii Sortimentale
Programarea Liniara - suport in decizii privind alocarea resurselor
1. Variabile reale/continue
Functia obiectiv = max/min unui elem (cost, profit,)
Variabile de decizie = nivelurile pe care le pot atinge elem studiate
Restrictii liniare = constrangeri privind resursele disponibile
, AX<=b/AX>=b; X>=0
Prin rezolvare se obtin>
Solutia optima cea mai buna valoare a crit specif de functia obiectiv
Preturile umbra arata cu cat se modif val functiei obiectiv daca se mareste cu o unitate dispon din resurse
respectiva
Costurile reduse arata cu cat s-ar inrautati cal functiei obiectiv daca valoarea variabilei asociate creste de la 0 la 1
Postoptimizare:
a) Analiza senzitivitatii sol optime la variatia coef functiei obiectiv = interval de optimalitate (allowable min/max)
b) Analiza senzitivitatii la variatia termenilor liberi = interval de admisibiltate (Allowable min/max RHS) *aplicat la
shadowprice*
c) Reoptimizarea in cazul modif coeficientilor functiei obiectiv inafara int de optimaliatate, sau a modif termenilor
liberi inavare int de admisibilitate, sau modif coef din matricea A
d) Parametrizarea
2. Variabile cu numere intregi - rezolvarea se efectueaza cu metode de enumerare, ex. `Branch and Bound`
Programarea multidimensionala - Optimum F(x) = Cx
M. max unei functii sinteza de utilitate> Solutia = cel mai bun compromis => functie sinteza de utilitate (max)
M. programarii scop> Solutia = o val ce verifica restrictiile Ax<=b, x>=0 si care are abateri cat mai mici fata de
scopurile functiei obiectiv(transforma functiile obiectiv in restrictii scop prin atribuirea unui nivel de aspiratie sau
definirea unei perechi de variabile de abatere)

U7 - Modele economico-matematice pentru utilizarea i alocarea resurselor

Variabile de stare descriu starea procesului
Decizie => modificarea starii sistemului
Analiza Drumului Critic (ADC) = descompunerea proiectului in activ care se interconditioneaza dpdv tehnic;
Durataactivitatilor: 1. Determinista => Metoda ADC/CPM 2. Probabilistice => metoda PERT
ADC determina: durata totala a proiectului, activ critice, termene de incepere min max, termene de terminare minmax,
rezervele de timp
Analiza cost-durata: Durata urg<dur normala; Cost Au>Cost An
PERT = Det duratei totale a proiectului in cazul duratelor probabilistice= durata optimista, medie probabila, pesimista
Metode analitice pentru procese de stocare
Modelul de stocare determina> momentul lansarii comenzii, Q comandata, nivelul Ss a.i. ch de stocare sa fie min
Modelul ABC de stocare(10, 20, 70 valoare vs cantitate):
A model econ-mat de dimens a stocurilor
B controlul Ss
C se suport Ch de stocare a.i. sa se asig continuarea activ
Modelul EOQ minimizarea costului de stocare
U8 Simularea proceselor economice
Simularea este recomandata atunci cand probl NU poate fi abordata prin metode analitice de optimizare; NU confera
o solutie optima
Elemente: Sistemul real | Calculatorul |Modelul sistemului
Aplicatii: lansarea unui produs nou, det politicilor de control a stocurilor,progr oper a prod, etc
Tipuri de simulare:
1. S. Monte Carlo = se foloseste ca met de modelare a var probabilistice pt determinarea caract repartitiei
Calitatea simularii depinde de calitatea generatorului (1, 0)
2. S. Evenimentelor discrete = utiliz pt a crea sisteme operationale detaliate; este necesare cunoasterea valorii
timpului simulat si un mecanism de avansare a timpului simulat
3. S. Forrester = utiliz pt probl complexe compuse din succesiune de cauze si efecte
4. S. Joc = simulare a unor decizii secventiale