Documente Academic
Documente Profesional
Documente Cultură
presupune studierea obiectelor i a proceselor ntr-un mod indirect cu ajutorul unor obiecte sau procese substitut care sunt
reprezentri simplificate sau abstractizate ale celor iniiale /originale.
este o disciplin economic de grani cu matematica i tehnica de calcul, care se ocup de fundamentarea deciziei
manageriale n condiii de eficien pentru organizaie, cu ajutorul unor modele economico-matematice flexibile i
cu posibilitatea utilizrii tehnicii de calcul.
2. Concepte generale
MODELE ECONOMICO MATEMATICE metode i tehnici cantitative, tehnici de decizie, management tiinific.
MODELUL = O reprezentare a realitii din perspectiva modelatorului.
MODELUL = O reprezentare simplificat sau o abstractizare a realitii
MODELUL = Un instrument de cunoatere indirect a realitii obiective
MODEL: Sistem teoretic sau material cu ajutorul cruia pot fi studiate proprietile i evoluia unui sistem complex
considerat sistemul original, fa de care modelul prezint anumite analogii.
Modelul economic este o reprezentare simplificata a proceselor complexe, de multe ori (dar nu intodeauna) utiliznd tehnici
matematice
Modelul este o reprezentare izomorf a realitii; acesta ofer o imagine simplificat, intuitiv, dar riguroas, n sensul
structurii logice, a fenomenului studiat i faciliteaz descoperirea unor legturi i legiti imposibil de gsit pe alte ci.
Modelul este privit ca un ansamblu de ecuaii, o construcie tiinific a unui sistem economic utilizat pentru a identifica aciunea
reciproc, nlnuirea i interdependena anumitor fenomene.
Un model trebuie s fie: simplu, robust, controlabil, adaptabil, complet, uor de aplicat i s aib caracter evolutiv.
Cerine de construire a unui model bun:
a) Coerena dat de calitatea reprezentrii n surprinderea unor legturi compatibile (sub forma unor relaii matematice sau
logice) ntre mrimile fizice ale procesului reprezentat;
b) Corectitudinea dat de capacitatea modelului de a nu deforma caracterul real al relaiilor prezentate (se folosete criteriul
validrii - compararea rezultatelor obinute pe modele cu rezultate cunoscute despre/ pentru procesul modelat, n condiii
omoloage celor de experimentare prin model)
c) Consistena i completitudinea apreciate prin msura n care sunt reprezentate elementele componente ale procesului
modelat i relaiile dintre ele;
d) Eficiena i fiabilitatea capacitatea modelului de a rezolva problemele la un cost acceptabil, cu un efort rezonabil de
instruire i utilizare n raport cu efectele obinute.
Modelul trebuie sa contina suficiente detalii astfel incat:
Rezultatul sa fie satisfacator.
Sa poata fi analizat in timp real.
3. Procesul de modelare:
Procesul de modelare presupune existena a trei elemente:
-subiectul (cercettorul);
4. Structura modelelor:
cantitative: variabile care difer prin mrime, se refer la proprietile numerice ale unitilor elementare dintr-o populaie
i sunt exprimate n uniti numerice, ex.: preul unui produs, cheltuielile lunare de producie, costul unitar etc.
variabile de tip continuu: care pot lua valori aparinnd unui interval continuu (ex: cifra de afaceri). Practic, mulimea
valorilor posibile ale variabilelor de tip continuu este o mulime finit.
5. Clasificarea modelelor
D.p.d.v. al gradului de abstractizare:
modele iconice/imitative: sunt centrate pe morfologia (sau forma extern) a sistemului real; constituie obiecte artificiale
asemntoare cu sistemele reale, au aceleai proprieti cu ale sistemului real, dar reproduse la alt scar (ex. machete,
imagini grafice).
modele analogice: sunt centrate pe fiziologia sistemului real i replic funciile sau proprietile sistemului real; au
caracteristici de flexibilitate i generalitate mai puternice n comparaie cu tipul imitativ; au aceleai proprieti cu ale
sistemului real, dar alt form (ex. hri, schie).
modele simbolice: reprezint comportarea sistemului real (uneori, procesele interne) folosind simboluri i reguli de
compunere a acestora, de ex.: modele matematice de tipul celor de optimizare sau celor de simulare, tehnici de reprezentare
a cunotinelor din inteligena artificial.
D.p.d.v. al naturii datelor folosite in model:
modele deterministe: ofer o soluie optim, se folosesc cnd volumul de date disponibil este mare i acestea au o valoare
unic.
modele stochastice (probabiliste): ofer o solutie optim cu o anumit probabilitate; se folosesc cnd volumul de date
disponibil este mare dar si dispersia datelor e mare, iar valorilor cunoscute li se asociaz o anumit probabilitate (sunt
introduse n model componente probabilistice care permit explicitarea incertitudinii).
modele vagi (fuzzy): se folosesc cnd volumul de date disponibil este redus i exist o mulime de valori (conin parametri
necunoscui cu certitudine, exprimai prin atribute cantitative sau calitative) crora li se asociaz un grad de apartenen la
o anumit proprietate.
descriptive (cognitiv psihologice sau raional limitate): se folosesc n cazul problemelor complexe i noi (specifice
deciziilor inovative); caut soluii satisfctoare, prespupun c decidentii au o atentie secvenial; au scopul de predicie al
modului n care se comport sistemul real; pot lua forma unui model explicativ menit s sporeasc posibilitatea de
cunoatere a unui sistem;
normative (bazate pe optimizare): presupun c oamenii acioneaza raional; se folosesc n deciziile de rutin i
operaionale; n practic, mai ales n cazul deciziilor complexe, sunt dificil de aplicat; servesc unui decident avizat,
eventual asistat de mijloace perfecte de prelucrare a informaiei care realizeaz analize cantitative ntr-un mod complet
raional;
prescriptive vizeaz un decident raional, ce-i foloseste de asemenea, intuiia i judecata; sunt construite din start pentru
a conduce decidentii spre soluie ct mai eficient posibil.
microeconomic,
mezoeconomic.
D.p.d.v. al calitii informaiilor folosite (al gradului de cunoatere a acestora) sunt modele pentru:
condiii de certitudine
condiii de risc
condiii de incertitudine
dinamice: iau n considerare modul n care performanele sistemului fluctueaz n timp n funcie de schimbarea
variabilelor independente.
Procesul de management este contextual, adic principiile, regulile si metodele de soluionare a unei probleme manageriale
trebuie s se adapteze contextului n care se aplic.
Precizia i completitudinea informaiilor disponibile influeneaz alegerea metodelor i modelelor. Precizia i completitudinea
informaiilor sunt atribute distincte care dau msura utilitii unui set de date pentru extragerea unor informaii necesare procesului
decizional:
lipsa unui anumit nivel de precizie compromite stabilitatea sau minima semnificaie decizional a soluiei obinute;
lipsa unor date face necesar completarea lor cu estimri imprecise (sau ipoteze inconsistente) care au aceleai efecte.
Exist metode cantitative i calitative de culegere a informaiilor.
Pe lng activitatea de culegere a informaiei trebuie avut n vedere i activitatea de interpretare a datelor.
calitative (de judecat) - se bazeaz pe estimri subiective, mai degrab dect pe date; sunt folosite pentru prognoze pe
termen lung (mai ales cnd intervin factori externi) sau atunci cnd nu exist date istorice ori acestea sunt limitate;
ex: opinia experilor, metoda Delphi, analogii istorice, msurarea cerinelor consumatorilor .
bazate pe serii de timp n cazul n care evoluia curent a unui indicator depinde de nivelul anterior (n ipoteza pstrrii
unui comportament inerial al fenomenului); ex: metoda mediilor mobile, metode de ajustare, proiecii de trend, metode de
decompoziie.
cauzale pentru care este posibil identificarea unor relaii funcionale de tipul Y=f(x1, x2, , xn) unde Y variabila
dependent este exprimat n funcie de nivelul factorilor independeni (x1, x2, xn);
ex: analiza de regresie simpla i multipl, analiza de corelaie.
econometrice n cazul unor ecuaii simultane sau sisteme de ecuaii ce descriu n form matematic diferite legiti
economice.
Reprezentarea grafic a unei serii de timp evideniaz cele mai importante caracteristici (componente) ale datelor acesteia:
prezena/absena tendinei (trendului), a caracterului sezonier, a ciclurilor sau a unor variaii aleatoare.
nelegerea componentele unei serii de timp va ajuta la selectarea unei tehnici de prognoz adecvate.
Variaia aleatoare (Rt) se produce fr a avea cauze speciale care s o determine n mod previzibil sau cauzal i fr posibilitatea
de a i se atribui un model de repetare sistematic. Trendul (Tt) definete tendina general a evoluiei fenomenului indicatorului Yt
desfurat pe o perioad lung de timp. Trendul este micarea treptat n sus sau n jos a datelor n timp. Aceast component
poate fi relevat ca unic, n cazul seriilor ale cror diferene finite sunt constante, sau ca o component fundamental ce poate fi
izolat de celelalte componente, n cazul seriilor de timp decompozabile.
Identificarea trendului se poate efectua:
-
analitic, prin incercarea mai multor functii dintre care se alege cea cu un indicator de eroare minim de exemplu,
deviaia standard minim (adic diferena ntre valorile reale ale seriei i valorile ajustate cu funciile matematice
menionate).
Sezonalitatea (St) este un model de fluctuaie a cererii deasupra sau sub linia de trend care se repet la intervale regulate.
Variaia sezonier apare ca urmare a influenelor sezonale din timpul perioadei previzionate. Are oscilaie mai frecvent dect
componenta ciclic. Uneori variaia sezonier este generat de anotimpuri (i comportamentul oscilant n funcie de acestea) sau de
obiceiuri, tradiii sau fenomene sociale.
Variaia ciclic (Ct) se manifest prin oscilaii relativ ample ale indicatorului sau fenomenului analizat, iar durata ciclului se poate
observa n perspectiva mai multor ani.
Oscilaiile sunt generate de alternana perioadelor de cretere, cu perioadele de stagnare, precum i de alte cauze generale sau
locale.
Ele sunt de obicei legate de ciclul de afaceri.
Dupa prognozare izolata cele 4 elemente se compun in forma aditiva, multiplicativa, sau combinaii ale celor dou forme.
Alegerea unei anumite forme este influenat de modul de variaie a factorilor ciclici i sezonieri la modificrile valorilor seriei
dinamice:
- n form aditiv: unde: T, S, C, R sunt exprimate ca valori absolute; se folosete cnd factorii componeni sunt independeni (ex.:
mrimea variaiei sezoniere nu e afectat de valoarea tendinei); variaiile sezoniere i cele ciclice nu sunt proporionale cu
mrimea valorilor din seria de date (n aceast situaie, amplitudinea variaiilor sezoniere este aproximativ constant n timp).
- n form multiplicativ: unde: T, S, C, R sunt exprimate ca % sau proporii; cnd caracteristicile interacioneaz (n care
variaiile sezoniere cresc proporional cu trendul)
Dac toate oscilaiile dintr-o serie de timp sunt datorate variaiilor aleatoare se recomand un model de mediere sau de netezire
a datelor.
Extrapolarea reprezint una din cele mai utilizate metode de previziune n cadrul metodelor cantitative bazate pe serii de timp;
Metodele de extrapolare bazate pe serii de timp sugereaz dezvoltarea inerial (prelungirea n viitor) a unor elemente ale
proceselor i fenomenelor economice;
Pot fi aplicate cu rezultate bune numai dac procesul la care se refer prezint un caracter de repetabilitate, cu aceeai
intensitate a dinamicii.
Limite:
ofer numai o imagine orientativ asupra perspectivei de evoluie dac se recunoate faptul c viitorul NU reproduce fidel strile
i evoluiile din trecut;
se poate folosi cu succes numai pentru procesele economice ce evolueaz fr discontinuiti majore;
riscul i incertitudinea impun prelucrarea rezultatelor extrapolrii cu metode adiionale;
pentru ca rezultatele s fie ct mai plauzibile se recomand operarea pe orizonturi de prognoz ct mai scurte.
Ajustarea unei serii temporale = operatiunea de nlocuire a valorilor observate ale variabilei studiate cu alte valori.
Noile valori sunt calculate prin metode adecvate cu scopul de a pune n eviden componentele considerate eseniale ale seriei de
date: trendul, fluctuaiile ciclice, sezoniere si/sau neregulate.
sunt aplicabile n previziunile pe termen scurt, de pe o zi pe alta, de pe o luna pe alta, de pe un trimestru pe altul.
Cele mai utilizate metode de nivelare (ajustare):
1.metoda mediilor mobile,
2.metoda nivelrii exponeniale.
Obiectivul metodei de previziune: netezirea (ajustarea) n jurul mediei vnzrilor a fluctuaiilor ntmpltoare.
Ideea de baz: prin modelul de ajustare exponenial se atribuie datelor referitoare la vnzrile din trecut, ponderi invers
proporionale cu vrsta lor, considernd c, n evoluia procesului, datele recente sunt mai valide dect cele vechi.
n cazul seriilor de date pentru care nu se nregistreaz trend i variaii ciclice sau sezoniere se poate utiliza modelul de
nivelare exponenial primar (n jurul mediei) (engl. Single Exponential Smoothing - SES).
Etape de lucru:
1. Obinerea datelor privind vnzrile produsului n perioadele trecute
2. Analiza datelor pe baza reprezentrii grafice
3. Alegerea modelului de previziune
4. Definirea parametrilor modelului: perioada sau perioadele pentru care se va face previziunea, alegerea constantei de
nivelare, determinarea previziunii iniiale
5. Realizarea previziunii cu un produs informatic, ex.:
WINQSB/Forecasting and Linear Regression/Time Series Forecasting/
Single Exponential Smoothing
QM for Windows/Forecasting/Time Series Analysis
Excel (Data Analysis/ Exponential Smoothing)
6. Analiza influenei constantei de nivelare asupra previziunii
7. Interpretarea economic a rezultatelor.
2.3. Proieciile de trend
O alt metod de prognoz bazat pe serii de timp se numete proiecia trendului.
Aceasta tehnica potriveste o linie de trend la o serie de puncte reprezentnd date istorice i apoi proiecteaz linia n viitor pentru a
obine previziuni pe termen mediu sau lung.
Exist mai multe ecuaii matematice de trend care pot fi aplicate (de ex. exponenial i patratica), dar cea liniar este cea mai
folosit.
O linie de trend este pur i simplu o ecuaie de regresie liniar n care variabila independent (X) este perioada de timp. Forma
este: Y = a + bx unde: Y - valoare previzionat (variabila dependent); a interceptul;
Reorientarea cumprtorilor de la produsul Ai n perioada t ctre alt produs Aj n perioada urmtoare (t+1) NU poate fi determinat cu
certitudine. Ea poate fi descris cu ajutorul probabilitilor.
Notm:
pij = probabilitatea de trecere de la produsul Ai ales n perioada t la produsul Aj n perioada imediat urmtoare (t+1).
0 < pij < 1 pentru i=1, ..., n; j=1, ..., n
pii = gradul de fidelitate fa de produsul Ai n perioada (t+1) n raport cu perioada t.
Pentru cele n produse rezult o matrice P a probabilitilor de trecere sau de tranziie (Tabelul 1).
Ipoteze:
I1 Pe pia exist un numr finit n de produse care satisfac aceeai necesitate de consum
I2 Utilizatorul cumpr n fiecare perioad, un singur tip de produs. Acesta poate fi A1, A2, ..., Ai, Aj, ..., An.
I3 Niciodat nu cumpr n aceeai perioad mai multe sortimente simultan. n terminologia proceselor Markov, produsul selectat
ntr-o anumit perioad de un utilizator, reprezint starea procesului n acea perioad.
n fiecare perioad, sistemul are n stri:
Starea 1: cumprtorul alege A1;
Starea n: cumprtorul alege An.
I4 Nu se poate spune cu certitudine ce tip (marc) de produs va alege cumprtorul ntr-o anumit perioad.
I5 Rezultatul oricrei ncercri depinde de rezultatul ncercrii care o precede direct i numai de aceasta. Proces fr memorie.
Aceast proprietate se numete proprietate Markovian.
Probabilitile iniiale mpreun cu matricea P definesc complet un lan Markov (denumit i proces Markov).
Procesele Markov = acele procese n care starea sistemului la un moment dat poate fi descris numai cu ajutorul strii sistemului
n momentul anterior si a probabilitilor de tranzitie a acestuia de la o stare la alta. Dac se cunosc starea prezent i
probabilitile de tranziie se va putea descrie comportarea probabil n viitor a sistemului.
Strile procesului Markov se clasific n: recurente i tranzitorii.
Dac este sigur c procesul se va ntoarce la o anumit stare ntr-un stadiu viitor, acea stare este cunoscut drept stare recurent.
Daca este posibil ca procesul s nu mai ajung n acea stare niciodat, starea se numete tranzitorie.
Un caz special de stare recurent este starea absorbant o stare care nu se mai prsete dup ce a fost atins.
Etape:
Identificarea produselor concureniale.
Stabilirea, prin intermediul unei anchete sau sondaj, a ponderii pe pia la momentul iniial t = 0 a fiecrui produs i. Se
obine astfel vectorul:
Stabilirea, prin anchete sau sondaje, a gradului de fidelitate fa de fiecare produs i proporia deplasrilor ctre alte
produse. Se obine astfel, matricea probabilitilor de tranziie P cu elementele pij, astfel nct 0 pij 1; i=1,...,n; j=1,...,n;
=1 pentru fiecare linie i=1,...,n.
Utilizarea unui produs informatic (WINQSB/Markov Process, QM for Windows/ Markov Analysis sau EXCEL) pentru calculul
modificrilor succesive ce intervin n mrimea segmentului de piaa deinut de fiecare produs concurenial cu modelul
lanturilor Markov.
Trasarea curbei evoluiei pe pia a fiecrui produs.
Se precizeaz situaia produsului pe curba vieii la momentul iniial i se stabilete politica de comercializare a produsului.
Principalele obiective manageriale ale analizei se refer la:
a)Determinarea probabilitii ca procesul s se afle ntr-o stare dat ntr-o anumit faz;
b)Determinarea modului n care procesul trece de la o stare la alta;
c)Determinarea probabilitii ca procesul s se stabilizeze ntr-o anumit stare (starea staionar);
d)Determinarea timpului mediu necesar sistemului pentru a se ntoarce la o anumit stare (timpul de recuren).
a) Determinarea probabilitii ca procesul s fie ntr-o stare dat ntr-o anumit faz:
n cadrul proceselor Markov fiecare faz este descris de vectorul de stare, notat . Pentru doua faze consecutive avem vectorii
t+1 si t.
b) Determinarea modului n care procesul trece de la o stare la alta:
Trecerea de la o stare la alta este reprezentat cu ajutorul matricei de tranziie P, format din probabilitile de tranziie pij.
Cu ajutorul matricei de tranziie se poate determina probabilitatea de trecere de la o stare la alta a sistemului, dup un anumit
numr de perioade, prin nmulirea acesteia cu ea nsi.
Dac matricea de tranziie rmne neschimbat, atunci matricea probabilitilor de tranziie dup dou perioade este egal cu
P*P =P2.
Pentru matricea din studiul de caz:
Fie un cumprtor care la momentul t=0 a cumprat produsul A1. Probabilitatea total ca utilizatorul produsului A1 la momentul
t=0 s aleag din nou A1 dup dou perioade (cumprturi) este:
= p11*p11 + p12*p21 + p13*p31 = 0,36 + 0,03 +0,01 = 0,40
(informatia se poate citi in matricea ridicata la puterea a doua).
Probabilitatea total ca utilizatorul unui produs sa cumpere acelasi produs sau alt produs dupa 3 perioade se gaseste in matricea la
puterea a treia, s.a.m.d.
c) Determinarea strii staionare (engl. steady state).
Dac matricea P este aceeai un numr mare de perioade t, t+1, t+2, ..., t+n, atunci se va observa c vectorul de stare n tinde ctre
un vector linie constant care reprezint starea staionar sau de echilibru.
Starea staionar arat cotele de participare pe pia ale produselor concureniale pe care firmele le pot obine ca urmare a unei
politici de marketing (care a determinat matricea curent a probabilitilor de tranziie P).
Pt. modificarea acestei stri este necesar modificarea matricei de tranziie, adic modificarea politicii de marketing a firmei.
Pentru studiul de caz, starea de echilibru a celor trei produse este obinut cu programul informatic WINQSB prin opiunea Solve
and Analyze/ Solve Steady State
d)Determinarea timpului mediu de revenire la o anumit stare (engl. recurrence time)
Nu se poate calcula n cazul proceselor cu stri absorbante, deoarece dac se intr ntr-una din strile absorbante nu se mai poate
iei din aceasta pentru a reveni la o anumit stare. Astfel, se va calcula numai timpul mediu pn la absorbie.
Dac nu exist stri absorbante (cazul produselor concurente) se va calcula timpul mediu necesar procesului pentru a se ntoarce la
o anumit stare pe baza probabilitilor din vectorul de distribuie al strii staionare: ti = 1/ ik ,
unde: ti - timpul mediu de revenire la starea i; ik este probabilitatea strii i n vectorul de distribuie al strii staionare.
Definirea problemei
Analiza informatiei disponibile
Dezvoltarea solutiilor alternative
Alegerea variantei decizionale
Implementarea soluiei alese.
Elementele procesului decizional pot fi reprezentate matriceal Matricea decizional (tabelul consecinelor decizionale
Cum se calculeaz consecinele decizionale Cij ?
Prin estimari
Prin utilizarea valorilor obtinute n trecut
Prin simulri
Analiza pentru fundamentarea deciziilor n condiii de incertitudine i risc urmeaz etapele metodei tiinifice de cercetare:
definirea complet i corect a problemei (operaie dificil din cauza caracterului vag dat de lipsa unor informaii);
stabilirea alternativelor de aciune i a caracteristicilor lor, fr a fi neglijate cele satisfctoare care par puin probabile;
stabilirea tuturor irurilor de evenimente aleatoare sau a ct mai multor evenimente asociate unei alternative;
evaluarea consecinelor la finele unui astfel de ir de evenimente;
Etapele metodei tiinifice de cercetare:
evaluarea probabilitilor de manifestare a fiecruia dintre rezultatele poteniale.
analiza senzitivitii clasamentului n mulimea alternativelor de aciune, clasament elaborat printr-o metod adecvat de analiz
mono (eliminarea variantelor dominate prin surclasare) sau multicriterial;
analiza final a rezultatelor i luarea deciziei. Este important s se sublinieze evenimentele poteniale cu cea mai mare influen
asupra rezultatelor aplicrii fiecrei variante decizionale .
Asemnarea bazei informaionale de calcul cu cea a jocurilor strategice a condus la utilizarea denumirii de jocuri contra
naturii, n care juctorul uman (decidentul) alege din strategiile formulate pe cea care i permite satisfacerea
obiectivului/obiectivelor.
n contrast cu decidentul uman, intervine n locul celui de al doilea juctor natura (cruia nu i se poate atribui un scop bine
precizat i nici proprietatea de a ntreprinde aciuni contiente i dirijate n sens teleologic) cu strile identificate corespunztoare
coloanelor matricii cu consecine decizionale.
In aceste jocuri strategice, dei este posibil cunoaterea strategiilor posibile ale adversarului (natura), nu se cunoate preferina
acestuia pentru o strategie sau o combinaie de strategii i nu se presupune existena unei strategii de tipul minmax.
Faptul c n jocurile cu natura exist un singur juctor raional (i nu cel puin doi, cum este cazul cel mai frecvent al jocurilor
strategice cu sum nul) face ca fundamentarea deciziei s se bazeze pe alte criterii de alegere dect n jocurile cu parteneri
raionali.
n procesul de alegere a unei variante decizionale, factorul hotrtor este atitudinea fata de risc a decidentului. Pentru a se ine cont
de preferina decidentului se poate folosi conceptul de utilitate.
Noiunea de utilitate a aciunilor i evenimentelor n raport cu un scop reprezint un concept de prim importan ce apare n
studiul fenomenelor economice i sociale, a interaciunii dintre diferite grupuri de indivizi raionali.
Pe baza matricei decizionale (n care NU se cunosc probabilitile de manifestare a strilor naturii) se aplic:
Criteriul maxmax (optimist)
Criteriul lui Wald (prudent, pesimist, maxmin)
Criteriul lui Laplace (al echiprobabilitilor)
Criteriul lui Savage (al minimizrii regretelor)
Criteriul lui Hurwicz (optimalitatii) Exemplu: Studiul de caz 17 (culegere ME). Rezolvarea cu WINSB/Decision Analysis/Payoff
Table Analysis sau EXCEL
Criteriul MAXIMIN: se recomand alegerea variantei care aduce cel mai
mare profit (respectiv cea mai mic pierdere posibil, n cazul consecinelor
de tip costuri) n cea mai defavorabil stare a naturii.
Ptr. consecinte de tip profit, varianta optima: V*= Cij) n 1,...,j m ,...,1i min ( max
Criteriul MAXMAX: se recomand alegerea variantei care aduce cel mai mare profit (respectiv cea mai mic pierdere posibil, n
cazul consecinelor de tip costuri) n cea mai defavorabil stare a naturii. Ptr. consecinte de tip profit, varianta optima: V*= Cij) n
1,...,j m ,...,1i max (max
Criteriul echiprobabil - Laplace: se recomand alegerea variantei care aduce
cea mai mare valoare medie a profiturilor (respectiv cea mai mic valoare medie
a pierderilor), n ipoteza c toate strile naturii au aceeai probabilitate de apariie.
Ptr. consecinte de tip profit, varianta optima:
Criteriul SAVAGE: se recomand alegerea variantei care s aduc cel mai mic regret posibil, prin regret nelegndu-se utilitatea
pierdut ca urmare a selectrii unei alte variante decizionale dect cea optim, n condiii de informaie complet.
Criteriul lui HURWICZ (1951): Ptr. coeficientul de optimism [0, 1] ales de decident se determin: V*= max [(max Cij)+(1)(min Cij)]
(Ptr. consecinte de tip profit)
Discuie:
Pentru 0 criteriul Hurwicz devine echivalent cu criteriul prudent (Wald)
Pentru 1 criteriul Hurwicz devine echivalent cu criteriul optimist
Pot exista valori [0, 1] care s conduc la surclasri diferite ale variantelor.
Recomandri de alegere a valorii coeficientului de optimism pentru regula/ criteriul Hurwicz i surclasarea variantelor
decizionale pentru valorile coeficientului de optimism [0, 1].
Surcalsarea variantelor decizionale se poate realiza in doua feluri:
1. prin utilizarea programului informatic QM for Windows si analiza rezultatelor obtinute in tabelul Hurwicz Table: in tabel se
poate observa intre ce valori ale lui o anumita varianta se situeaz pe locul intai, care este pe locul doi si care pe locul trei, etc.
(ex. In studiul de caz, ptr. [0; 0,21), ordinea variantelor este V1/V2/V3, s.a.m.d.)
2. Se aplica formula de calcul a lui Hurwicz pentru cele 3 variante considernd necunoscut; se egaleaz dou cte dou
variantele si se obin 3 valori ale lui . In acest fel se identifica patru subintervale de valori pentru . Se alege arbitrar cte o
valoare pentru n fiecare subinterval, se ruleaz problema in Winqsb/DA sau QM for Windows/Decision Analysis pentru fiecare
valoare aleas si se analizeaz care este ordinea de preferin a variantelor pe fiecare subinterval.
3. METODE DE DECIZIE N CONDIII DE RISC
Spre deosebire de deciziile n condiii de incertitudine, deciziile n condiii de risc presupun cunoaterea probabilitii de
manifestare a strilor naturii (msura n care este posibil ca acestea s apar).
Probabilitatea este o caracteristic obiectiv a evenimentelor i ine de structura stochastic a proceselor i fenomenelor. Studiul
matematic al probabilitii este realizat de teoria probabilitii.
Definiia clasic a probabilitii afirm ca aceasta este egal cu numrul de evenimente favorabile mprit la numrul total de
evenimente posibile.
Natura informaiilor, cantitatea lor i ncrederea n aceste informaii influeneaz tipul de probabilitate utilizat.
Alocarea de probabiliti pentru diferite stri ale naturii se poate face pe baze tiinifice (folosind metode din statistic i de teoria
probabilitii) sau n mod subiectiv (prin extrapolarea unor concluzii elaborate prin experiene de succes trecute, ori intuitiv, prin
supoziii / prin metode de consultare a experilor).
VIP reprezint limita superioar a costului (C) pe care un decident este dispus s l plteasc pentru a cumpra informaia perfect.
dac VIP>C se recomand achiziionarea informaiei adiionale;
algoritmul de rezolvare se bazeaz pe procedura roll-back: calcularea valorii tuturor nodurilor de la cele finale ctre cele
iniiale i apoi selectarea deciziei optime ncepnd de la nodul iniial ctre cele finale.
Nodurile de tip decizie (D)
Ramuri = variantele decizionale:
- pornesc din noduri de tip D si ajung n noduri de tip eveniment (C) sau n noduri terminale
Noduri de incertitudine (C)
Ramuri = stri ale naturii (au probabiliti asociate)
- pornesc din noduri de tip (C) si ajung n noduri de tip decizie (D) sau n noduri terminale
soluia conduce la abateri ct mai mici fa de scopurile propuse prin funciile obiectiv
Pentru alegerea variantei decizionale optime este necesar ierarhizarea variantelor decizionale disponibile n raport cu toate
criteriile dorite. Dar, n general, o variant optim n raport cu un criteriu este suboptimal n raport cu celelalte criterii. De aceea,
se caut varianta care realizeaz cel mai bun compromis pentru toate criteriile.
n acest scop este uneori necesar transformarea valorilor atributelor n mrimi care s permit att compararea variantelor, ct
i agregarea valorilor acestora. Aceasta marime comuna este utilitatea.
n condiii de certitudine pentru deciziile mutiatribut se pot obine diverse tipuri de soluii i se pot folosi diverse metode,
printre care cele bazate pe utiliti ocup un loc important.
1.Soluie ideal: care maximizeaz toate criteriile de maxim si le minimizeaz pe toate cele de minim. O astfel de solutie nu
exist.
2.Soluie nedominat (sau dominant): n cazul n care o soluie ideal nu poate fi obinut, decidentul poate cuta soluii care
nu sunt dominate. O alternativ (soluie), este dominat n cazul n care exist alte alternative care sunt mai bune dect soluia
respectiv pe cel puin un atribut i la fel de bun ca aceasta pe restul atributelor. O alternativ este numit non-dominat n cazul
n care nu este dominat de celelalte alternative.
Problemele de decizie multiatribut nu pot avea o soluie concludent sau unic. Prin urmare soluiile pot avea nume diferite, n
funcie de natura acestora:
3.Soluii satisfctoare: reprezint un subset redus al soluiilor fezabile cu fiecare alternativ depind toate criteriile ateptate. O
soluie satisfctoare poate sa nu fie o soluie non-dominat. O soluie satisfctoare depinde de nivelul ateptrilor decidenilor.
4.Soluie preferat: este o soluie non-dominat ce satisface cel mai bine ateptrile edcidentului.
Metode de decizie multicriteriale:
1. Necompensatorii: nu permit compromisuri ntre atribute. O valoare nefavorabila a unui atribut nu poate fi compensat de o
valoare favorabil la alte atribute. Prin urmare, comparaiile sunt fcute atribut-cu atribut. Metodele MCDM din aceast categorie
sunt creditate pentru simplitatea lor.
-Metoda dominanei
-Metoda maximin
-Metoda maximax
-Metoda de constrangere conjunctiva
-Metoda de constrangere disjunctiva
Aceste tehnici pot avea domenii de aplicare n care acestea sunt rezonabile, dar ele nu sunt foarte utile pentru procesul decizional
n general.
2. Compensatorii: permit compromisuri ntre atribute. O uoar scdere ntr-un singur atribut este acceptabil dac este
compensat de unele mbuntiri la unul sau mai multe atribute. Metodele compensatorii pot fi clasificate n urmtoarele 4
subcategorii:
-Metode pe baz de punctaj/scor
-Metode ale compromisului (ex. TOPSIS)
-Metode ale concordanei
-Abordarea cu raionament probatoriu
Metode pe baz de punctaj/scor
Selecteaz sau evalueaz o alternativ n conformitate cu scorul su global (utilitatea). Utilitatea este folosit pentru a exprima
preferina decidentului n procesul decizional. Aceast metod transform valorile atributelor ntr-o scar de preferin comun,
cum ar fi [0,1], astfel nct devin posibile comparaii ntre diferite atribute.
O metoda foarte populara in aceasta categorie este metoda sumei ponderate simple (cunoscut i ca metoda utilitii globale
maxime). Aceast metod calculeaz scorul general al unei alternative ca suma ponderat a utilitilor.
Procesul Analitic de Ierarhizare (AHP- Analytical Hierarchy Process) este o alt metod popular n aceast categorie. Aceast
metod calculeaz scorurile pentru fiecare alternativ bazat pe comparaii pereche. Este foarte util n stabilirea ponderilor
criteriilor (coeficienilor de importan ai criteriilor)
Utilitate este o mrime subiectiv (depinde de aprecierea decidentului). Acest concept 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.
Bazele utilitii decizionale au fost puse de J. von Neumann i O. Morgenstern n lucrarea Theory of Games and Economic
Behaviour (1944).
J. von Neumann i O. Morgenstern (1947) au fost primii care au considerat utilitatea ca o cuantificare a preferinelor, formulnd
primul sistem de axiome pentru aceasta. Ulterior au fost propuse i alte axiomatizri pentru utilitate, toate converg ctre aceeai
concluzie: funcia de utilitate este unic pn la o transformare liniar pozitiv. Mai departe, nu se poate elabora pe ideea unicitii
utilitii deoarece nu exist nici o definiie natural a valorii zero i a unitii pentru utilitate.
Paii metodei utilitii globale maxime:
Pasul 1. Transformarea valorilor aij n utiliti uij (care se nregistreaz ntr-un tabel asemntor cu tabelul nr.1).
a) Pentru fiecare criteriu Cj, j = 1,...,n, se determin valoarea minim ajmin i valoarea maxim ajmax;
b) n cadrul fiecrui criteriu se acord utilitatea 1 celei mai bune valori aij i utilitatea 0 celei mai mici valori.
ajmaxaij
ajmaxajmin
CjXj
Aceste funcii vor fi maximizate sau minimizate n funcie de obiectivul pe care l reprezint. Ele se numesc funcii obiectiv sau
de eficien.
Nivelul pe care l poate atinge valoarea funciei obiectiv depinde de nivelul resurselor disponibile i de obligaiile pe care
organizaia le are de ndeplinit.
Aceste constrngeri la care sunt supuse variantele decizionale pot fi exprimate matematic prin restricii liniare.
Metodele de rezolvare ale modelelor de programare liniar au la baz algoritmul simplex construit de G. Dantzig
Forma general a modelului de programare liniar este:
max (sau min) f(X) = CjXj
supus la restriciile:
AX < b (sau AX b)
X>0
unde:
X = vector coloan cu n componente x1, x2,...,xn, care reprezint necunoscutele modelului (variabilele decizionale);
A, b, c sunt constantele modelului, considerate certe n perioada analizat;
A = matrice cu m linii i n coloane. Este numit matricea coeficienilor tehnologici aij, i = 1,...,m, j = 1,...,n;
b = vector coloan cu m componente b1, b2, ..., bm, care sunt termenii liberi din partea dreapt a restriciilor. Ei reprezint
disponibilul maxim dintr-o anumit resurs sau nivelul minim care trebuie atins de anumite activiti;
c = vector linie cu n componente care reprezint coeficienii funciei obiectiv. Ei pot fi costuri unitare, preuri unitare,
profituri unitare sau ali indicatori de performan care caracterizeaz variabilele de decizie.
Orice problem de programare liniar are dou forme:
forma primal
forma dual.
Prin rezolvarea uneia dintre ele se obin soluiile pentru ambele forme.
Rezolvarea n sistem conversaional se poate efectua cu produse informatice cum sunt:
WINQSB/ Lp ilp,
QM for Windows/Linear Programming
LINDO,
SOLVER care este un instrument add-ins al Excel.
Ex.: dac preul de vnzare pentru Stofa1 este mai mic de 60 u.m./metru atunci x1 = cantitatea realizat din Stofa1 va rmne
zero.
Creterea de la 57u.m./metru la 58 u.m./metru a preului de vnzare nu va genera venit suplimentar deoarece (58 57)*0 = 0.
Dac ceilali coeficieni nu se modific, dar se modific de la 70 u.m./metru la 72 u.m./metru preul asociat lui x2, deoarece 72
aparine intervalului [64; 150], iar x2 = cantitatea optim realizat din Stofa2 = 7000 metri, atunci venitul total va crete cu (7270)*7000 = 14000 u.m., adic de la 640 000 u.m. la 654000 u.m.
II. Analiza senzitivitii soluiei optime (primale si duale) la variaia termenilor liberi ai restriciilor liniare
Furnizeaz intervalul n care poate varia fiecare termen liber, astfel nct soluia optim dual (vectorul preurilor umbr) s nu se
modifice.
Intervalul asociat unui termen liber pentru care preul umbr asociat rmne neschimbat se numete interval de admisibilitate
pentru soluia primalei. (Coloanele Allowable Min RHS i Allowable Max RHS din WINQSB).
Cunoscnd preul umbr optim i intervalul de variaie al unui termen liber, n ipoteza c ceilali coeficieni ai modelului nu se
modific, se poate determina variaia corespunztoare a funciei ob.
Ex.: preul umbr de 100 u.m. asociat restriciei C3 este valabil pentru variaia disponibilului b3 de materie prim de import MI
ntre 1000 kg i 3000 kg.
Dac disponibilul de resurs crete de la cantitatea curent 2400 kg la 2500 kg, atunci se va obine un spor de venit = (2500
2400)*100 = 10000 u.m., adic venitul total va fi de (640000 + 10000) = 650000 u.m.
De asemenea, dac disponibilul de resurs scade de la cantitatea curent 2400 kg la 2300 kg, atunci se va obine o reducere de
venit = (2300 2400)*100 = -10000 u.m., adic venitul total va fi de (640000 10000) = 630000 u.m.
III.Reoptimizarea n cazul modificrii coeficienilor cj din funcia obiectiv, n afara intervalelor lor de optimalitate i/sau
modificarea termenilor liberi bi din partea dreapt a restriciilor n afara intervalelor de admisibilitate i/sau modificarea unor
coeficieni din matricea A.
Reoptimizarea pp. parcurgerea a dou etape:
Verificarea optimalitii soluiei curente n noile condiii;
Determinarea noii soluii n cazul n care soluia curent nu ndeplinete condiiile de optimalitate.
IV. Parametrizarea pentru analize de tipul ce-ar fi dac? n cazul n care coeficienii cj ai funciei obiectiv sau termenii liberi bi
din partea dreapt restriciilor sunt funcii liniare de un parametru (-, +).
Parametrizarea pp parcurgerea a dou etape:
Rezolvarea problemei pentru o valoare fixat a parametrului;
Studiul senzitivitii soluiei la variaia parametrului.
4. OPTIMIZAREA MODELELOR DE PROGRAMARE DE TIP LINIAR (cu variabile numere ntregi)
n cazul produselor indivizibile, pentru determinarea structurii optime de fabricaie se pot utiliza modele de programare liniar n
numere ntregi.
Domeniul de admisibilitate al modelelor liniare cu variabile n numere ntregi este format dintr-un numr finit de puncte. Rezult
c numrul de variante sau alternative decizionale este finit.
Rezolvarea modelelor liniare cu variabile ntregi se efectueaz cu metode de enumerare.
Exist dou tipuri de metode de enumerare: explicit i implicit.
Din categoria metodelor de enumerare implicit face parte metoda Branch and Bound adic ramific i mrginete.
Procesul iterativ de rezolvare a unei probleme printr-o metoda de tip branch and bound poate fi reprezentat printr-un arbore
binar, n care fiecare nod are un singur ascendent i doi descendeni direci.
Fiecare nod al arborelui binar reprezint o problem de programare liniar fr restriciile ca variabilele s fie ntregi. Problemele
asociate nodurilor arborelui binar se rezolv cu algoritmul simplex.
Un nod se ramific dac soluia problemei este nentreag i nu exist alt nod cu soluie ntreag i cu valoare mai bun a funciei
obiectiv.
Pentru ramificarea unui nod, din soluia problemei asociat acelui nod, se alege o component xj cu valoare nentreag,
xj = . Pornind de la aceast variabil se construiesc dou probleme care genereaz dou noduri descendente:
Problema pentru nodul stng: prin adugarea restriciei xj < [], unde [] este parte ntreag a numrului
Problema pentru nodul drept: prin adugarea restriciei xj > [] +1.
Un nod NU se mai ramific, adic devine margine, dac:
are soluie ntreag;
nu are soluie admisibil;
are soluie nentreag, dar exist alt nod cu soluie ntreag i o valoare mai bun a funciei obiectiv
VEZI STUDIUL DE CAZ 5 CURS!!!!
Pasul 2. Pe baza axiomelor von Neumann Morgenstern, se determin utilitile valorilor optimiste O1, O2, ..., Or i pesimiste P1,
P2, ..., Pr ale functiilor obiectiv.
Pasul 3. Se construiesc funciile de utilitate de forma (hfh(x) + h)
Pasul 4. Se rezolv problema de programare liniar care maximizeaza funcia sintez de utilitate.
METODA PROGRAMARII SCOP
PS - o metod de rezolvare a problemei de programare liniar cu mai multe funcii obiectiv.
Metoda PS a fost propus i dezvoltat sub denumirea de "Goal Programming" de A. Charnes i W. Cooper.
Obiectivul programrii scop: gsirea unei soluii care verific restriciile Ax < b, x>0 i care conduce la abateri ct mai mici fa de
scopurile propuse prin funciile obiectiv.
Ideea de baz a metodei const n transformarea tuturor funciilor obiectiv n restricii scop prin:
specificarea pentru fiecare funcie obiectiv a unui nivel de aspiraie sau scop;
definirea pentru fiecare scop a unei perechi de variabile de abatere sau deviaie:
deviaia n plus fa de scopul propus;
deviaia n minus fa de scopul propus.
Nivelurile de aspiraie sau scopurile pot fi:
stabilite de decident;
obinute prin optimizarea problemei de programare liniar n raport cu fiecare funcie obiectiv.
Funcia care minimizeaz deviaiile fa de nivelurile de aspiraie sau scopurile propuse se numete funcie scop.
Elementul cheie
- specificarea funciei obiectiv, adic definirea coeficienilor i i i pentru deviaiile di+ i di-.
Dac deviaiile se msoar cu uniti de msur diferite, atunci este necesar definirea unor costuri de penalizare a deviaiilor astfel
nct s se poat minimiza suma total a costurilor de penalizare generate de diferite deviaii.
Funciilor scop li se pot asocia diferite prioriti. n acest caz se poate proceda astfel:
Se ordoneaz descresctor scopurile i se stabilete prioritatea de satisfacere a fiecrui scop:
P1 >>> P2 >>> >>>Pn... unde >>>nseamn "mult mai mare".
Numrul prioritilor este mai mic sau cel mult egal cu numrul funciilor obiectiv, iar numrul funciilor scop este egal cu
numrul prioritilor acordate.
Ordonarea prin prioriti este absolut, astfel c scopul cu prioritatea P2 nu va fi niciodat atins nainte ca scopul cu prioritatea P1
s fie realizat cu abaterea cea mai mic fa de nivelul de aspiraie propus.
n acest caz, prin metoda programrii scop se rezolv succesiv un numr de probleme egal cu numrul prioritilor.
Programarea dinamic conine o serie de metode adaptive, n sensul c, la fiecare moment, decizia optim ce trebuie luat depinde
de mulimea evenimentelor care s-au produs anterior.
Succesiunea acestor decizii formeaz o strategie (politic), iar orice ir de decizii succesive ce fac parte dintr-o politic se numete
subpolitic. n mulimea politicilor posibile exist cel puin una, denumit optimal, care permite optimizarea criteriului de
eficien ales.
Programarea dinamica a fost dezvoltat de Richard Bellman in 1950 ca metod general de optimizare a proceselor de decizie
Teorema de optimalitate formulat de Bellman arat c orice politic extras dintr-o politic optimal este ea nsi
optimal. Aplicarea acestui principiu de optimalitate n rezolvarea problemelor practice de armonizare a obiectivelor cu
resursele se face difereniat, n funcie de caracterul parametrilor, care pot fi de tip determinist sau probabilist.
Ideea de baz n rezolvarea acestor modele const n descompunerea problemei n faze (subproblem cu o singur variabil) i
aplicarea principiului lui Bellman.
Principiul de optimalitate al lui Bellman) poate fi exprimat astfel: Orice politic optim nu poate fi alctuit dect din subpolitici
optime .
A lua o decizie optim n dinamic nseamn a gsi o politic optim pe toat perioada de referin, astfel nct toate
subpoliticile componente s fie optime.
Variabilele care descriu starea procesului considerat se numesc variabile de stare.
Problema const n determinarea unui ir de decizii, iar efectul fiecrei decizii l reprezint modificarea strii sistemului.
Etapele sau paii procesului sunt momentele n care trebuie luate deciziile.
Rezolvare:
N
Pe baza notaiilor stabilite => q
T
= t => t =
n fiecare perioad t:
Costul de depozitare Cdt = cd(stocul mediu) t
Stocul mediu = (q+0)/2
q
Rezult Cdt = cd 2
qT
N
T
Costul de depozitare Cd = Cd t
T
N
Costul de lansare C = q
T
l
q
= cd 2
cl
3. Etapele simulrii
Problema de rezolvat:formularea i analiza problemei, instruirea persoanelor implicate asupra principiilor de baz ale
simulrii, construirea modelului conceptual, colectarea datelor fundamentale, testarea validitii modelului conceptual.
Modelul de simulare: transpunerea modelului conceptual ntr-un model computerizat (programul de simulare), verificarea
modelului de simulare, validarea modelului de simulare.
Proiectarea i realizarea experimentelor de simulare.
Analiza rezultatelor.
Produce numere care verific testul caracterului aleator adic numerele sunt stochastic independente.
Deoarece numerele generate cu calculatorul sunt reproductibile -------->numere pseudoaleatoare.
Jocurile de ntreprindere prezint particularitatea c implic prezena decidentului uman i luarea deciziilor pe parcursul
desfurrii acestora, n timp ce simularea Monte Carlo sau simularea evenimentelor discrete) poate fi realizat cu calculatorul,
fr intervenia decidentului.
Teste de autoevaluare:
1. Caracterizai principalele tipuri de modele de simulare.
2. Cnd apelm la simulare pentru rezolvarea unor probleme manageriale?
3. Explicai de ce n metoda ADC, durata total a unui proiect descris prin activiti interdependente este mai mic dect suma
duratelor tuturor activitilor.
4. Prezentai asemnrile i deosebirile ntre modelul de analiz a drumului critic determinist i cel probabilist.
5. Explicai care sunt categoriile de costuri care intervin ntr-un proces de aprovizionare-stocare. Care este relaia dintre
acestea?
19. Explicai care este relaia dintre atitudinea fa de risc a decidentului i criteriile de decizie n condiii de risc i
incertitudine.
20. Explicai coninutul i relevana indicatorului VIP (valoarea informaiei perfecte) pentru modelul decizional in conditii de
risc.
21. Explicati modul de rezolvare si, respectiv, cel de citire a solutiei in cazul metodei arborelui decizional.
22. Explicai scopul i semnificaia probabilitilor de tranziie i a probabilitilor iniiale n modelul lanurilor Markov folosit
pentru a analiza evoluia pe pia a produselor concureniale.
23. Explicai cum poate fi utilizat curba vieii produselor pentru a determina indicatorii ofertei de mrfuri.
24. Folosind terminologia specific proceselor Markov, explicai cum se poate modifica starea staionar a unor produse
concureniale.
25. Explicai care sunt proprietile matricei probabilistice de trecere de la o stare la alt stare n cazul lanurilor Markov.
26. Enunai i explicai ipotezele care stau la baza metodelor de previziune bazate pe serii de timp.
27. Explicai rolul i modul de determinare a constantei de nivelare utilizat n modelul de nivelare exponenial.
28. Descriei asemnrile i deosebirile dintre metoda mediilor mobile i metoda nivelrii exponeniale.
29. Prezentai abordarea matematic i interpretarea economic a modelului de nivelare exponentiala primara.
30. Explicai diferena ntre modelele deterministe, stochastice si vagi/fuzzy folosite n modelarea economico-matematic.
31. Explicati diferenta dintre model si algoritm. Enumerati tipurile de algoritmi si explicati prin ce se caracterizeaz acetia.
Precizai care este rolul pe care il ocup modelul, respectiv algoritmul, n modelare.
32. Explicai modul n care precizia i completitudinea influeneaz alegerea unui anumit tip de model.