Podejmowanie decyzji w warunkach ryzyka. Tomasz Brzęczek Wydział Inżynierii Zarządzania PP

Wielkość: px
Rozpocząć pokaz od strony:

Download "Podejmowanie decyzji w warunkach ryzyka. Tomasz Brzęczek Wydział Inżynierii Zarządzania PP"

Transkrypt

1 Podejmowanie decyzji w warunkach ryzyka Tomasz Brzęczek Wydział Inżynierii Zarządzania PP

2 Ryzyko decyzyjne. Przez ryzyko decyzyjne rozumiemy zmienność wyniku decyzji przedsiębiorstwa spowodowaną losowością (nieprzewidywalnością) stanów otoczenia (np. biznesowego, rynkowego i nie tylko), których prawdopodobieństwo wystąpienia jest znane. Prawdopodobieństwo może być szacowane na podstawie danych historycznych, doświadczenia decydenta lub jego oczekiwań. Metody. 1. Drzewo decyzyjne modeluje proces podejmowanie decyzji strategicznych (np. decyzje dotyczące projektów produktów lub strategii rynkowych). 2. Macierze wypłat i wzory analityczne służą rozwiązywaniu często powtarzalnych problemów operacyjnych, jak np. zagadnienie gazeciarza lub optymalnej wielkość zapasu. 3. Symulacja stochastyczna wpływu wielu czynników ryzyka, np. symulacja metodą Monte Carlo służy poszukiwaniu całego spektrum rozwiązań odpowiednich do różnych i bardzo zmiennych warunków otoczenia.

3 Drzewo decyzyjne Przykład. Konsorcjum opracowało nowy model samolotu ponaddźwiękowego. Zarząd konsorcjum obawia się, że z powodu głośności tego modelu rząd ograniczy jego dostęp do niektórych lotnisk. Prawdopodobieństwo restrykcji szacuje się na 60%. Wówczas dochód wyniesie 80 mln zł. W razie braku restrykcji dochód wyniesie 200 mln zł. Zarząd zastanawia się, czy zmienić konstrukcję samolotu, aby obniżyć głośność. Koszt zmian wyniesie 40 mln zł. Prawdopodobieństwo tego, że zmiany pozwolą wyeliminować nadmierną głośność wynosi 0,7 (wówczas rząd nie wprowadzi restrykcji). 1. Narysować drzewo decyzyjne tego problemu. 2. Określić najlepszy wariant decyzji konsorcjum. 3. Jakie jest prawdopodobieństwo nie osiągnięcia celu prac nad redukcją hałasu i jednoczesnego wprowadzenia regulacji rządowych?

4 Ryzyko. Optymalizacja podaży i dochodu przy losowym popycie (zagadnienie gazeciarza) Przykład. Właściciel kiosku zaobserwował popyt na gazetę ABC w 10 kolejnych poniedziałków roboczych. Wyszczególnił go w tabeli: Pn Popyt Cena zakupu gazety c1 wynosi 1,4 zł, a cena sprzedaży c2 2,5 zł. Cena zwrotu nie sprzedanej gazety dystrybutorowi wynosi 0,9 zł. 1. Ustal rozkład i dystrybuantę popytu. 2. Ustal podaż gazet o maksymalnym oczekiwanym dochodzie.

5 Optymalna wielkość zapasu Zmienne: X losowa wielkość popytu na zapas, z wielkość zapasu. Parametry: s 1 strata jednostkowa z tytułu nadmiaru zapasu, s 2 strata jednostkowa z tytułu niedoboru zapasu. gdzie funkcja straty s(x,z): min z E ( s( X, z) ) s( x, z) = s1( z x), 0, z = x s2( x z), z x, z x.

6 Przykład Optymalna wielkość zapasu Hurtownia w ostatnich trzydziestu dniach notowała losowe wielkości popytu dziennego na liczbę partii po 20 palet każda z częstością podaną w tabeli poniżej Liczba partii palet x Liczba dni Hurtownia może zakupić i otrzymać palety w partiach po 20 sztuk. Rozważ wielkości zapasu 200, 220, 240, 260 palet w celu minimalizacji kosztu zapasu palet. Wiadomo, że koszt utrzymania jednej partii palet dziennie to 20 zł, a strata dzienna z tytułu nie obsłużenia zamówień w wielkości nie przekraczającej jednej partii palet to 40 zł.

7 Symulacja Monte Carlo oczekiwanego zysku Przypadek sklepu motoryzacyjnego Jana. Miesięczny popyt na opony w sklepie motoryzacyjnym przez minione 60 miesięcy miał następujący rozkład prawdopodob. Wielkoś ć popytu Prawdopodobieństwo Dolny kraniec przedziału liczby losowej Górny kraniec przedziału liczby losowej 300 0,05 0,00 0, ,10 0,05 0, ,20 0,15 0, ,30 0,35 0, ,25 0,65 0, ,10 0,90 1,00 Liczba losowa = 0,400 Symulowany popyt = 360 Symuluj miesięczny zysk i jego wartość oczekiwaną, wiedząc że: 1. W zależności od cen konkurentów i warunków rynkowych, Jan szacuje, że średnia cena sprzedaży w każdym miesiącu ma rozkład jednostajny dyskretny między 60 a 80 zł (z krokiem 1 zł). 2. Przeciętny koszt jednostkowy sprzedanych opon jest zmienny w każdym miesiącu. Dlatego średnia marża zysku (czyli procent ceny sprzedaży) ma jednostajny rozkład ciągły w przedziale wartości między 20 a 30%. 3. Koszty stałe wynoszą 2000 zł miesięcznie.

8 Proces symulacji działalności sklepu Jana Ustal numer miesiąca (n) = 1 Symuluj wielkość popytu w miesiącu n Symuluj średnią cenę sprzedaży w miesiącu n Symuluj przeciętną marżę zysku w miesiącu n Wyznacz zysk w miesiącu n Zwiększ n o 1 n > liczba miesięcy symulacji? Wyznacz statystyki opisowe symulacji Nie Tak

9 Sklep Jana Rozkłąd popytu RN 1 Popyt Cena sprzedaży RN 2 Marża zysku Koszt stały Zysk Popyt Prawd op. Kraniec dolny Kraniec górny =LOS() =WYSZUKAJ(A4;$K$4:$K$9;$I$4:$I$9=LOS.ZAKR(60;80) =LOS() =0,2+(0,3-0,2)*D =B4*C4*E4-F ,05 0 =K4+J ,1 =L4 =K5+J ,2 =L5 =K6+J ,3 =L6 =K7+J ,25 =L7 =K8+J ,1 =L8 =K9+J9

10

DWUKROTNA SYMULACJA MONTE CARLO JAKO METODA ANALIZY RYZYKA NA PRZYKŁADZIE WYCENY OPCJI PRZEŁĄCZANIA FUNKCJI UŻYTKOWEJ NIERUCHOMOŚCI

DWUKROTNA SYMULACJA MONTE CARLO JAKO METODA ANALIZY RYZYKA NA PRZYKŁADZIE WYCENY OPCJI PRZEŁĄCZANIA FUNKCJI UŻYTKOWEJ NIERUCHOMOŚCI DWUKROTNA SYMULACJA MONTE CARLO JAKO METODA ANALIZY RYZYKA NA PRZYKŁADZIE WYCENY OPCJI PRZEŁĄCZANIA FUNKCJI UŻYTKOWEJ NIERUCHOMOŚCI mgr Marcin Pawlak Katedra Inwestycji i Wyceny Przedsiębiorstw Plan wystąpienia

Bardziej szczegółowo

Sterowanie wielkością zamówienia w Excelu - cz. 3

Sterowanie wielkością zamówienia w Excelu - cz. 3 Sterowanie wielkością zamówienia w Excelu - cz. 3 21.06.2005 r. 4. Planowanie eksperymentów symulacyjnych Podczas tego etapu ważne jest określenie typu rozkładu badanej charakterystyki. Dzięki tej informacji

Bardziej szczegółowo

Cele i zadania gospodarki leśnej na tle struktury Państwowego Gospodarstwa Leśnego Lasy Państwowe

Cele i zadania gospodarki leśnej na tle struktury Państwowego Gospodarstwa Leśnego Lasy Państwowe Cele i zadania gospodarki leśnej na tle struktury Państwowego Gospodarstwa Leśnego Lasy Państwowe Dr inŝ. Marian Pigan Dyrekcja Generalna Lasów Państwowych Spis treści 1. Pojęcie ryzyka 2. Źródła i kategorie

Bardziej szczegółowo

Poziom Obsługi Klienta

Poziom Obsługi Klienta Poziom Obsługi Klienta Zadanie 1. Na podstawie przedstawionego poniżej profilu popytu na telefony komórkowe marki X w salonie firmowym jednego z operatorów sieci telefonii komórkowej, obserwowanego w czasie

Bardziej szczegółowo

PODSTAWY LOGISTYKI ZARZĄDZANIE ZAPASAMI PODSTAWY LOGISTYKI ZARZĄDZANIE ZAPASAMI MARCIN FOLTYŃSKI

PODSTAWY LOGISTYKI ZARZĄDZANIE ZAPASAMI PODSTAWY LOGISTYKI ZARZĄDZANIE ZAPASAMI MARCIN FOLTYŃSKI PODSTAWY LOGISTYKI ZARZĄDZANIE ZAPASAMI WŁAŚCIWIE PO CO ZAPASY?! Zasadniczą przyczyną utrzymywania zapasów jest występowanie nieciągłości w przepływach materiałów i towarów. MIEJSCA UTRZYMYWANIA ZAPASÓW

Bardziej szczegółowo

OPTYMALIZACJA JEDNOSTADIALNEGO STEROWANIA WIELKOŚCIĄ ZAPASU W LOGISTYCZNYCH SYSTEMACH ZAOPATRZENIA I PRODUKCJI

OPTYMALIZACJA JEDNOSTADIALNEGO STEROWANIA WIELKOŚCIĄ ZAPASU W LOGISTYCZNYCH SYSTEMACH ZAOPATRZENIA I PRODUKCJI POLITECHNIKA ŚLĄSKA Wydział Inżynierii Materiałowej i Metalurgii KATEDRA INŻYNIERII PRODUKCJI OPTYMALIZACJA JEDNOSTADIALNEGO STEROWANIA WIELKOŚCIĄ ZAPASU W LOGISTYCZNYCH SYSTEMACH ZAOPATRZENIA I PRODUKCJI

Bardziej szczegółowo

Modele i narzędzia optymalizacji w systemach informatycznych zarządzania

Modele i narzędzia optymalizacji w systemach informatycznych zarządzania Przedmiot: Nr ćwiczenia: 3 Modele i narzędzia optymalizacji w systemach informatycznych zarządzania Temat: Programowanie dynamiczne Cel ćwiczenia: Formułowanie i rozwiązywanie problemów optymalizacyjnych

Bardziej szczegółowo

RACHUNKOWOŚĆ ZARZĄDCZA - POWTÓRZENIE WRAZ Z ROZWIĄZANIAMI mgr Stanisław Hońko, e-mail: honko@wneiz.pl, tel. (91) 444-1945

RACHUNKOWOŚĆ ZARZĄDCZA - POWTÓRZENIE WRAZ Z ROZWIĄZANIAMI mgr Stanisław Hońko, e-mail: honko@wneiz.pl, tel. (91) 444-1945 RACHUNKOWOŚĆ ZARZĄDCZA - POWTÓRZENIE WRAZ Z ROZWIĄZANIAMI mgr Stanisław Hońko, e-mail: honko@wneiz.pl, tel. (91) 444-1945 Zadanie 1 (Procesowy rachunek kosztów) W zakładach mleczarskich koszty pośrednie

Bardziej szczegółowo

Wykład Zarządzanie projektami Zajęcia 7 Zarządzanie ryzykiem. dr Stanisław Gasik s.gasik@vistula.edu.pl

Wykład Zarządzanie projektami Zajęcia 7 Zarządzanie ryzykiem. dr Stanisław Gasik s.gasik@vistula.edu.pl 04--7 Wykład Zarządzanie projektami Zajęcia 7 Zarządzanie ryzykiem dr Stanisław Gasik s.gasik@vistula.edu.pl www.sybena.pl/uv/04-wyklad-eko-zp-9-pl/wyklad7.pdf Budowa autostrady Możliwe sytuacje Projekt

Bardziej szczegółowo

PROJEKT FIRMY BUDOWLANEJ

PROJEKT FIRMY BUDOWLANEJ PROJEKT FIRMY BUDOWLANEJ Grupa osób zastanawia się czy otworzenie spółdzielni socjalnej w ich mieście jest dobrym pomysłem na prowadzenie interesu. Spółdzielnia A chciałaby się zająć pracami remontowo

Bardziej szczegółowo

Microsoft Excel 2013 : analiza i modelowanie danych biznesowych / Wayne L. Winston. Warszawa, Spis treści. Podziękowania

Microsoft Excel 2013 : analiza i modelowanie danych biznesowych / Wayne L. Winston. Warszawa, Spis treści. Podziękowania Microsoft Excel 2013 : analiza i modelowanie danych biznesowych / Wayne L. Winston. Warszawa, 2014 Spis treści Wstęp Podziękowania xiii xviii 1 Nazwy zakresów 1 Jak tworzyć nazwy zakresów? 2 Tworzenie

Bardziej szczegółowo

PODEJMOWANIE DECYZJI KIEROWNICZYCH W PROCESIE NEGOCJACJI BIZNESOWYCH. Autor: mgr inż. Viktoriia Gromova. Wrocław 2012 r.

PODEJMOWANIE DECYZJI KIEROWNICZYCH W PROCESIE NEGOCJACJI BIZNESOWYCH. Autor: mgr inż. Viktoriia Gromova. Wrocław 2012 r. PODEJMOWANIE DECYZJI KIEROWNICZYCH W PROCESIE NEGOCJACJI BIZNESOWYCH Autor: mgr inż. Viktoriia Gromova Wrocław 2012 r. PLAN PREZENTACJI WPROWADZENIE W TEMATYKĘ NEGOCJACJI BIZNESOWYCH PROBLEMATYKA PODEJMOWANIA

Bardziej szczegółowo

Optymalizacja programu produkcji

Optymalizacja programu produkcji ZARZĄDZANIE PRODUKCJĄ I USŁUGAMI Ćwiczenie 3 Optymalizacja programu produkcji Co i ile produkować i sprzedawać, aby zmaksymalizować zysk? Programowanie produkcji ZADANIE odpowiedź na pytania Co produkować?

Bardziej szczegółowo

Microsoft Excel 2016 : analiza i modelowanie danych biznesowych / Wayne L. Winston. Warszawa, Spis treści

Microsoft Excel 2016 : analiza i modelowanie danych biznesowych / Wayne L. Winston. Warszawa, Spis treści Microsoft Excel 2016 : analiza i modelowanie danych biznesowych / Wayne L. Winston. Warszawa, 2017 Spis treści Wstęp O autorze xiii xviii 1 Podstawowe modelowanie arkusza 1 Odpowiedzi na pytania z początku

Bardziej szczegółowo

Microsoft Excel 2013: Analiza i modelowanie danych biznesowych

Microsoft Excel 2013: Analiza i modelowanie danych biznesowych Microsoft Excel 2013: Analiza i modelowanie danych biznesowych Wayne L. Winston Przekład: Janusz Machowski Marek Włodarz APN Promise Warszawa 2014 Spis treści Wstęp...................................................................

Bardziej szczegółowo

Identyfikacja i pomiar ryzyka pierwszy krok w zarządzaniu ryzykiem.

Identyfikacja i pomiar ryzyka pierwszy krok w zarządzaniu ryzykiem. Identyfikacja i pomiar ryzyka pierwszy krok w zarządzaniu ryzykiem. Andrzej Podszywałow Własność przemysłowa w innowacyjnej gospodarce. Zarządzanie ryzykiem, strategia zarządzania własnością intelektualną

Bardziej szczegółowo

Ekonomia menedżerska. prof. Tomasz Bernat Katedra Mikroekonomii Instytut Ekonomii

Ekonomia menedżerska. prof. Tomasz Bernat Katedra Mikroekonomii Instytut Ekonomii Ekonomia menedżerska prof. Tomasz Bernat Katedra Mikroekonomii Instytut Ekonomii Informacje na temat przedmiotu Materiały: www.mikroekonomia.net Literatura podstawowa: Ekonomia menedżerska, W. F. Samuelson

Bardziej szczegółowo

Ćwiczenia Zarządzanie Ryzykiem. dr hab. Renata Karkowska, ćwiczenia Zarządzanie ryzykiem 1

Ćwiczenia Zarządzanie Ryzykiem. dr hab. Renata Karkowska, ćwiczenia Zarządzanie ryzykiem 1 Ćwiczenia Zarządzanie Ryzykiem 1 VaR to strata wartości instrumentu (portfela) taka, że prawdopodobieństwo osiągnięcia jej lub przekroczenia w określonym przedziale czasowym jest równe zadanemu poziomowi

Bardziej szczegółowo

Podejmowanie decyzji gospodarczych

Podejmowanie decyzji gospodarczych Podejmowanie decyzji gospodarczych Zakres podejmowanych decyzji jest bardzo szeroki zarówno na poziomie przedsiębiorstwa jak i na szczeblu państwa. W każdym przypadku sensowna analiza wariantów decyzji

Bardziej szczegółowo

Problemy oceny alternatyw w warunkach niepewności

Problemy oceny alternatyw w warunkach niepewności Problemy oceny alternatyw w warunkach niepewności Statystyczne metody oceny alternatyw Rozpatrzmy sytuacje, w których decyzja pociąga za sobą korzyść lub stratę Tę sytuację nazywać będziemy problemem decyzyjnym,

Bardziej szczegółowo

Matematyka finansowa r. Komisja Egzaminacyjna dla Aktuariuszy. LXI Egzamin dla Aktuariuszy z 1 października 2012 r.

Matematyka finansowa r. Komisja Egzaminacyjna dla Aktuariuszy. LXI Egzamin dla Aktuariuszy z 1 października 2012 r. Komisja Egzaminacyjna dla Aktuariuszy LXI Egzamin dla Aktuariuszy z 1 października 2012 r. Część I Matematyka finansowa WERSJA TESTU A Imię i nazwisko osoby egzaminowanej:... Czas egzaminu: 100 minut 1

Bardziej szczegółowo

OPTYMALNA POLITYKA ZAPASÓW

OPTYMALNA POLITYKA ZAPASÓW Dorota Miszczyńska Postawowe modele zapasów OPTYMALNA POLITYKA ZAPASÓW Problemy zapasów, kształtowania ich wielkości dotyczą dwóch rodzajów działalności: produkcyjnej oraz handlowej. Celem jest zapewnienie

Bardziej szczegółowo

Stochastyczne zagadnienie rozdziału z dyskretnym rozkładem popytu

Stochastyczne zagadnienie rozdziału z dyskretnym rozkładem popytu Stochastyczne zagadnienie rozdziału z dyskretnym rozkładem popytu Marcin Anholcer Uniwersytet Ekonomiczny w Poznaniu 19 marca 2013, Ustroń Marcin Anholcer Stochastyczne zagadnienie rozdziału 1/ 15 1 Zagadnienie

Bardziej szczegółowo

Zajęcia powtórkowe. mgr inż. Michał Adamczak

Zajęcia powtórkowe. mgr inż. Michał Adamczak Zajęcia powtórkowe mgr inż. Michał Adamczak Zadania 2011-05-24 2 Zadanie 1 W ciągu ostatniego pół roku średni tygodniowy popyt na dżem w hurtowni artykułów spożywczych wynosił 54 kartony z odchyleniem

Bardziej szczegółowo

MODELOWANIE ZMIENNOŚCI CEN AKCJI MODEL ADDYTYWNY MODEL MULTIPLIKATYWNY

MODELOWANIE ZMIENNOŚCI CEN AKCJI MODEL ADDYTYWNY MODEL MULTIPLIKATYWNY MODELOWANIE ZMIENNOŚCI CEN AKCJI MODEL ADDYTYWNY MODEL MULTIPLIKATYWNY Modele zmienności aktywów z czasem dyskretnym / Model addytywny Przyjmijmy następujące oznaczenia: S(0) - cena początkowa akcji S(k)

Bardziej szczegółowo

Instytut Konstrukcji i Eksploatacji Maszyn Katedra Logistyki i Systemów Transportowych. Badania operacyjne. Dr inż.

Instytut Konstrukcji i Eksploatacji Maszyn Katedra Logistyki i Systemów Transportowych. Badania operacyjne. Dr inż. Instytut Konstrukcji i Eksploatacji Maszyn Katedra Logistyki i Systemów Transportowych Badania operacyjne Dr inż. Artur KIERZKOWSKI Wprowadzenie Badania operacyjne związana jest ściśle z teorią podejmowania

Bardziej szczegółowo

Modelowanie sytuacji konfliktowych, w których występują dwie antagonistyczne strony.

Modelowanie sytuacji konfliktowych, w których występują dwie antagonistyczne strony. GRY (część 1) Zastosowanie: Modelowanie sytuacji konfliktowych, w których występują dwie antagonistyczne strony. Najbardziej znane modele: - wybór strategii marketingowych przez konkurujące ze sobą firmy

Bardziej szczegółowo

Biznes plan innowacyjnego przedsięwzięcia

Biznes plan innowacyjnego przedsięwzięcia Biznes plan innowacyjnego przedsięwzięcia 1 Co to jest biznesplan? Biznes plan można zdefiniować jako długofalowy i kompleksowy plan działalności organizacji gospodarczej lub realizacji przedsięwzięcia

Bardziej szczegółowo

Metody ilościowe w badaniach ekonomicznych

Metody ilościowe w badaniach ekonomicznych prof. dr hab. Tadeusz Trzaskalik dr hab. Maciej Nowak, prof. UE Wybór portfela projektów z wykorzystaniem wielokryterialnego programowania dynamicznego Metody ilościowe w badaniach ekonomicznych 19-06-2017

Bardziej szczegółowo

Zarządzanie ryzykiem finansowym

Zarządzanie ryzykiem finansowym Zarządzanie projektami Wrocław, 30 października 2013 Spis treści Motywacja Rachunek prawdopodobieństwa Koherentne miary ryzyka Przykłady zastosowań Podsumowanie Po co analizować ryzyko na rynkach finansowych?

Bardziej szczegółowo

METODY WSPOMAGANIA DECYZJI MENEDŻERSKICH

METODY WSPOMAGANIA DECYZJI MENEDŻERSKICH PREZENTACJA SEPCJALNOŚCI: METODY WSPOMAGANIA DECYZJI MENEDŻERSKICH WYDZIAŁ INFORMATYKI I KOMUNIKACJI KIERUNEK INFORMATYKA I EKONOMETRIA SEKRETARIAT KATEDRY BADAŃ OPERACYJNYCH Budynek D, pok. 621 e-mail

Bardziej szczegółowo

Algorytmy zrandomizowane

Algorytmy zrandomizowane Algorytmy zrandomizowane http://zajecia.jakubw.pl/nai ALGORYTMY ZRANDOMIZOWANE Algorytmy, których działanie uzależnione jest od czynników losowych. Algorytmy typu Monte Carlo: dają (po pewnym czasie) wynik

Bardziej szczegółowo

BADANIA OPERACYJNE I TEORIE OPTYMALIZACJI. Zagadnienie transportowe

BADANIA OPERACYJNE I TEORIE OPTYMALIZACJI. Zagadnienie transportowe BADANIA OPERACYJNE I TEORIE OPTYMALIZACJI Zagadnienie transportowe Klasyczne zagadnienie transportowe Klasyczne zadanie transportowe problem najtańszego przewozu jednorodnego dobra pomiędzy punktami nadania

Bardziej szczegółowo

Strategie wspó³zawodnictwa

Strategie wspó³zawodnictwa Strategie wspó³zawodnictwa W MESE można opracować trzy podstawowe strategie: 1) niskich cen (dużej ilości), 2) wysokich cen, 3) średnich cen. STRATEGIA NISKICH CEN (DUŻEJ ILOŚCI) Strategia ta wykorzystuje

Bardziej szczegółowo

Wieloetapowe zagadnienia transportowe

Wieloetapowe zagadnienia transportowe Przykład 1 Wieloetapowe zagadnienia transportowe Dwóch dostawców o podaży 40 i 45 dostarcza towar do trzech odbiorców o popycie 18, 17 i 26 za pośrednictwem dwóch punktów pośrednich o pojemnościach równych

Bardziej szczegółowo

Zad. 4 Należy określić rodzaj testu (jedno czy dwustronny) oraz wartości krytyczne z lub t dla określonych hipotez i ich poziomów istotności:

Zad. 4 Należy określić rodzaj testu (jedno czy dwustronny) oraz wartości krytyczne z lub t dla określonych hipotez i ich poziomów istotności: Zadania ze statystyki cz. 7. Zad.1 Z populacji wyłoniono próbę wielkości 64 jednostek. Średnia arytmetyczna wartość cechy wyniosła 110, zaś odchylenie standardowe 16. Należy wyznaczyć przedział ufności

Bardziej szczegółowo

L.Kowalski zadania z rachunku prawdopodobieństwa-zestaw 3 ZADANIA - ZESTAW 3

L.Kowalski zadania z rachunku prawdopodobieństwa-zestaw 3 ZADANIA - ZESTAW 3 ZADANIA - ZESTAW 3 Zadanie 3. L Prawdopodobieństwo trafienia celu w jednym strzale wynosi 0,6. Do celu oddano niezależnie 0 strzałów. Oblicz prawdopodobieństwo, że cel został trafiony: a) jeden raz, b)

Bardziej szczegółowo

... prognozowanie nie jest celem samym w sobie a jedynie narzędziem do celu...

... prognozowanie nie jest celem samym w sobie a jedynie narzędziem do celu... 4 Prognozowanie historyczne Prognozowanie - przewidywanie przyszłych zdarzeń w oparciu dane - podstawowy element w podejmowaniu decyzji... prognozowanie nie jest celem samym w sobie a jedynie narzędziem

Bardziej szczegółowo

Zarządzanie ryzykiem. Opracował: Dr inŝ. Tomasz Zieliński

Zarządzanie ryzykiem. Opracował: Dr inŝ. Tomasz Zieliński Zarządzanie ryzykiem Opracował: Dr inŝ. Tomasz Zieliński I. OGÓLNE INFORMACJE O PRZEDMIOCIE Cel przedmiotu: Celem przedmiotu jest zaprezentowanie studentom podstawowych pojęć z zakresu ryzyka w działalności

Bardziej szczegółowo

Symulacja w przedsiębiorstwie

Symulacja w przedsiębiorstwie Symulacja w przedsiębiorstwie Generowanie liczb losowych Cel Celem laboratorium jest zapoznanie się z funkcjami generowania liczb pseudolosowych w środowisku Ms Excel. Funkcje te są podstawą modeli symulacyjnych

Bardziej szczegółowo

Rozkłady zmiennych losowych

Rozkłady zmiennych losowych Rozkłady zmiennych losowych 1 Zmienne losowe dyskretne 1.1 Rozkład dwumianowy Zad.1.1.1 Prawdopodobieństwo dziedziczenia pewnej cechy wynosi 0,7. Jakie jest prawdopodobieństwo, że spośród pięciu potomków

Bardziej szczegółowo

Rachunkowość zarządcza. Zespół Katedry Rachunkowości Menedżerskiej SGH 1. Rachunkowość zarządcza (Zajęcia nr 1) Agenda. Dr Marcin Pielaszek

Rachunkowość zarządcza. Zespół Katedry Rachunkowości Menedżerskiej SGH 1. Rachunkowość zarządcza (Zajęcia nr 1) Agenda. Dr Marcin Pielaszek Agenda (Zajęcia nr 1) 1. Zagadnienia organizacyjne 2. Wprowadzenie do rachunkowość zarządczej 3. Istotność informacji kosztowej przy podejmowaniu decyzji Dr Marcin Pielaszek 2 Zagadnienia organizacyjne

Bardziej szczegółowo

Biznes plan innowacyjnego przedsięwzięcia

Biznes plan innowacyjnego przedsięwzięcia Biznes plan innowacyjnego przedsięwzięcia DELab UW Enterprise Europe Network ul. Dobra 56/66, 00-312 Warszawa tel. +48 (22) 55 27 606 delab.uw.edu.pl een@uw.edu.pl 1 Model biznesowy i innowacje BADANIA

Bardziej szczegółowo

b) PLN/szt. Jednostkowa marża na pokrycie kosztów stałych wynosi 6PLN na każdą sprzedają sztukę.

b) PLN/szt. Jednostkowa marża na pokrycie kosztów stałych wynosi 6PLN na każdą sprzedają sztukę. Poniżej znajdują się przykłady rozwiązań tylko niektórych, spośród prezentowanych na zajęciach, zadań. Wszystkie pochodzą z podręcznika autorstwa Kotowskiej, Sitko i Uziębło. Kolokwium swoim zakresem obejmuje

Bardziej szczegółowo

Spis treści 3 SPIS TREŚCI

Spis treści 3 SPIS TREŚCI Spis treści 3 SPIS TREŚCI PRZEDMOWA... 1. WNIOSKOWANIE STATYSTYCZNE JAKO DYSCYPLINA MATEMATYCZNA... Metody statystyczne w analizie i prognozowaniu zjawisk ekonomicznych... Badania statystyczne podstawowe

Bardziej szczegółowo

STALPROFIL S.A. i jego Grupa Kapitałowa w 2015 roku. 6 maj

STALPROFIL S.A. i jego Grupa Kapitałowa w 2015 roku. 6 maj STALPROFIL S.A. i jego Grupa Kapitałowa w 2015 roku 6 maj 2016 1 Kryzys na światowym rynku stali dotknął prawie wszystkie regiony EU-28 Turkey Russia USA South-America China India Japan South-Korea World

Bardziej szczegółowo

Wspomaganie Zarządzania Przedsiębiorstwem Laboratorium 02

Wspomaganie Zarządzania Przedsiębiorstwem Laboratorium 02 Optymalizacja całkowitoliczbowa Przykład. Wspomaganie Zarządzania Przedsiębiorstwem Laboratorium 02 Firma stolarska produkuje dwa rodzaje stołów Modern i Classic, cieszących się na rynku dużym zainteresowaniem,

Bardziej szczegółowo

Metody ustalania cen. Inną metodą jest ustalanie ceny na podstawie jednostkowych kosztów produkcji (koszty przeciętne całkowite) formuła koszt plus.

Metody ustalania cen. Inną metodą jest ustalanie ceny na podstawie jednostkowych kosztów produkcji (koszty przeciętne całkowite) formuła koszt plus. Metody ustalania cen Ustalanie ceny na podstawie jednostkowych kosztów produkcji y produkcji stanowią bardzo istotny element rachunku ekonomicznego firmy, gdyż informują o wartości zużytych przez firmę

Bardziej szczegółowo

Niezawodność i diagnostyka projekt. Jacek Jarnicki

Niezawodność i diagnostyka projekt. Jacek Jarnicki Niezawodność i diagnostyka projekt Jacek Jarnicki Zajęcia wprowadzające 1. Cel zajęć projektowych 2. Etapy realizacji projektu 3. Tematy zadań do rozwiązania 4. Podział na grupy, wybór tematów, organizacja

Bardziej szczegółowo

Iwona Konarzewska Programowanie celowe - wprowadzenie. Katedra Badań Operacyjnych UŁ

Iwona Konarzewska Programowanie celowe - wprowadzenie. Katedra Badań Operacyjnych UŁ 1 Iwona Konarzewska Programowanie celowe - wprowadzenie Katedra Badań Operacyjnych UŁ 2 Programowanie celowe W praktycznych sytuacjach podejmowania decyzji często występuje kilka celów. Problem pojawia

Bardziej szczegółowo

Materiał dydaktyczny dla nauczycieli przedmiotów ekonomicznych MENEDŻER. Wprowadzenie do problematyki decyzji menedżerskich. Mgr Piotr Urbaniak

Materiał dydaktyczny dla nauczycieli przedmiotów ekonomicznych MENEDŻER. Wprowadzenie do problematyki decyzji menedżerskich. Mgr Piotr Urbaniak Materiał dydaktyczny dla nauczycieli przedmiotów ekonomicznych MENEDŻER Wprowadzenie do problematyki decyzji menedżerskich Mgr Piotr Urbaniak Wprowadzenie 1 2 3 4 Czym jest ekonomia menedżerska? Etapy

Bardziej szczegółowo

Optymalizacja programu produkcji (programowanie produkcji)

Optymalizacja programu produkcji (programowanie produkcji) ZARZĄDZANIE PRODUKCJĄ i USŁUGAMI Ćwiczenia audytoryjne 1 Optymalizacja programu produkcji (programowanie produkcji) Co i ile produkować i sprzedawać aby zmaksymalizować zysk? Programowanie produkcji ZADANIE

Bardziej szczegółowo

Wykorzystanie nowoczesnych technik prognozowania popytu i zarządzania zapasami do optymalizacji łańcucha dostaw na przykładzie dystrybucji paliw cz.

Wykorzystanie nowoczesnych technik prognozowania popytu i zarządzania zapasami do optymalizacji łańcucha dostaw na przykładzie dystrybucji paliw cz. 14.12.2005 r. Wykorzystanie nowoczesnych technik prognozowania popytu i zarządzania zapasami do optymalizacji łańcucha dostaw na przykładzie dystrybucji paliw cz. 2 3.2. Implementacja w Excelu (VBA for

Bardziej szczegółowo

szt. produkcja rzeczywista

szt. produkcja rzeczywista 128 000 zł 100 000 zł linia budżetu przeliczonego 10 000 szt. produkcja rzeczywista 14 000 szt. produkcja planowana Wydział przedsiębiorstwa produkcyjnego ponosi stałe koszty w wysokości 30 000 zł w miesiącu

Bardziej szczegółowo

Rachunek kosztów normalnych

Rachunek kosztów normalnych Rachunek kosztów normalnych Rachunek kosztów normalnych uzasadnionych Rachunek kosztów normalnych: zniwelowanie wpływu różnic w wykorzystaniu zdolności produkcyjnych w wyniku zmian w rozmiarach produkcji

Bardziej szczegółowo

Prognoza finansowa Grupy Motoricus S.A. na rok 2012

Prognoza finansowa Grupy Motoricus S.A. na rok 2012 Prognoza finansowa Grupy Motoricus S.A. na rok 2012 Przedstawiona prognoza została sporządzona na okres od 1 stycznia 2012 do 31 grudnia 2012 r. 1. Rynek motoryzacyjny - prognozy tendencji w 2012 r. Rynek

Bardziej szczegółowo

Rozkład zajęć, statystyka matematyczna, Rok akademicki 2015/16, semestr letni, Grupy dla powtarzających (C15; C16)

Rozkład zajęć, statystyka matematyczna, Rok akademicki 2015/16, semestr letni, Grupy dla powtarzających (C15; C16) Rozkład zajęć, statystyka matematyczna, Rok akademicki 05/6, semestr letni, Grupy powtarzających (C5; C6) Lp Grupa C5 Grupa C6 Liczba godzin 0046 w godz 600-000 C03 0046 w godz 600-000 B05 4 6046 w godz

Bardziej szczegółowo

1. Które z następujących funkcji produkcji cechują się stałymi korzyściami ze skali? (1) y = 3x 1 + 7x 2 (2) y = x 1 1/4 + x 2

1. Które z następujących funkcji produkcji cechują się stałymi korzyściami ze skali? (1) y = 3x 1 + 7x 2 (2) y = x 1 1/4 + x 2 1. Które z następujących funkcji produkcji cechują się stałymi korzyściami ze skali? (1) y = 3x 1 + 7x 2 (2) y = x 1 1/4 + x 2 1/3 (3) y = min{x 1,x 2 } + min{x 3,x 4 } (4) y = x 1 1/5 x 2 4/5 a) 1 i 2

Bardziej szczegółowo

Zespół Katedry Rachunkowości Menedżerskiej SGH 1

Zespół Katedry Rachunkowości Menedżerskiej SGH 1 RM Rachunek kosztów docelowych Zarządzający zastanawiają się nad redukcją kosztów w momencie kiedy klienci nie akceptują pożądanej ceny Dr Marcin Pielaszek 2 Target Costing całkowicie zmienia sposób zarządzania

Bardziej szczegółowo

Metody probabilistyczne

Metody probabilistyczne Metody probabilistyczne. Twierdzenia graniczne Wojciech Kotłowski Instytut Informatyki PP http://www.cs.put.poznan.pl/wkotlowski/ 20.2.208 / 26 Motywacja Rzucamy wielokrotnie uczciwą monetą i zliczamy

Bardziej szczegółowo

PROGRAM OPTYMALIZACJI PLANU PRODUKCJI

PROGRAM OPTYMALIZACJI PLANU PRODUKCJI Strona 1 PROGRAM OPTYMALIZACJI PLANU PRODUKCJI Program autorski opracowany przez Sławomir Dąbrowski ul. SIENKIEWICZA 3 m. 18 26-220 STĄPORKÓW tel: 691-961-051 email: petra.art@onet.eu, sla.dabrowscy@onet.eu

Bardziej szczegółowo

Statystyka matematyczna i ekonometria

Statystyka matematyczna i ekonometria Statystyka matematyczna i ekonometria Wykład 11 Anna Skowrońska-Szmer lato 2016/2017 Powtórzenie materiału 2 Zadanie 1 Wykład 1 Eksperyment polega na pojedynczym rzucie symetryczną kostką. Przestrzeń zdarzeń

Bardziej szczegółowo

ZESTAW ĆWICZENIOWY Z ANALIZY EKONOMICZNEJ I EKONOMICZNO-FINANSOWEJ dr Henryk Zagórski

ZESTAW ĆWICZENIOWY Z ANALIZY EKONOMICZNEJ I EKONOMICZNO-FINANSOWEJ dr Henryk Zagórski ZESTAW ĆWICZENIOWY Z ANALIZY EKONOMICZNEJ I EKONOMICZNO-FINANSOWEJ dr Henryk Zagórski 1. W oparciu o poniŝsze informacje uzupełnij bilans analityczny: - wskaźnik płynności natychmiastowej 0,2 - wskaźnik

Bardziej szczegółowo

1. OPTYMALIZACJA PROGRAMU PRODUKCJI I SPRZEDAŻY

1. OPTYMALIZACJA PROGRAMU PRODUKCJI I SPRZEDAŻY 1. OPTYMALIZACJA PROGRAMU PRODUKCJI I SPRZEDAŻY Między produkcją i sprzedażą istnieją wzajemne zależności. Planowanie programu produkcji i sprzedaży (w skrócie zwane programowaniem produkcji) stanowi jednolity

Bardziej szczegółowo

SEMINARIUM DYPLOMOWE - INŻYNIERSKI PROJEKT DYPLOMOWY studia I stopnia kierunek: inżynieria danych (semestr letni 2018/2019)

SEMINARIUM DYPLOMOWE - INŻYNIERSKI PROJEKT DYPLOMOWY studia I stopnia kierunek: inżynieria danych (semestr letni 2018/2019) SEMINARIUM DYPLOMOWE - INŻYNIERSKI PROJEKT DYPLOMOWY studia I stopnia kierunek: inżynieria danych (semestr letni 2018/2019) Specjalności: Pro projektowanie i obsługa systemów analitycznych, Mod modelowanie

Bardziej szczegółowo

Statystyka. Zadanie 1.

Statystyka. Zadanie 1. Statystyka Zadanie 1. W przedsiębiorstwie Statexport pracuje 100 pracowników fizycznych i 25 umysłowych. Typowy wiek pracownika fizycznego kształtuje się w przedziale od 30 do 40 lat. Średnia wieku pracowników

Bardziej szczegółowo

Rachunek kosztów zmiennych. prowadzenie: dr Adam Chmielewski

Rachunek kosztów zmiennych. prowadzenie: dr Adam Chmielewski Rachunek kosztów zmiennych prowadzenie: dr Adam Chmielewski koszty produkcji ogólne zarządu i sprzedaży zmienne stałe produkt zapasy sprzedane wynik finansowy Czym są koszty stałe i zmienne? koszty zmienne

Bardziej szczegółowo

Sytuacja ekonomiczno-finansowa sektora cukrowniczego

Sytuacja ekonomiczno-finansowa sektora cukrowniczego Sytuacja ekonomiczno-finansowa sektora cukrowniczego Dr inż. Piotr SZAJNER IERiGZ-PIB ul. Świętokrzyska 20 PL 00-002 Warszawa E-mail: szajner@ierigz.waw.pl Plan prezentacji Wyniki finansowe przemysłu cukrowniczego;

Bardziej szczegółowo

2010 W. W. Norton & Company, Inc. Oligopol

2010 W. W. Norton & Company, Inc. Oligopol 2010 W. W. Norton & Company, Inc. Oligopol Oligopol Monopol jedna firma na rynku. Duopol dwie firmy na rynku. Oligopol kilka firm na rynku. W szczególności decyzje każdej firmy co do ceny lub ilości produktu

Bardziej szczegółowo

Mikroekonomia II: Kolokwium, grupa II

Mikroekonomia II: Kolokwium, grupa II Mikroekonomia II: Kolokwium, grupa II Prowadząca: Martyna Kobus 2012-06-11 Piszemy 90 minut. Sprawdzian jest za 70 punktów. Jest 10 pytań testowych, każde za 2 punkty (łącznie 20 punktów za test) i 3 zadania,

Bardziej szczegółowo

System prognozowania rynków energii

System prognozowania rynków energii System prognozowania rynków energii STERMEDIA Sp. z o. o. Software Development Grupa IT Kontrakt ul. Ostrowskiego13 Wrocław Poland tel.: 0 71 723 43 22 fax: 0 71 733 64 66 http://www.stermedia.eu Piotr

Bardziej szczegółowo

RYZYKO. Rodzaje ryzyka w działalności gospodarczej Włączanie ryzyka w projekcji strumieni finansowych

RYZYKO. Rodzaje ryzyka w działalności gospodarczej Włączanie ryzyka w projekcji strumieni finansowych RYZYKO Rodzaje ryzyka w działalności gospodarczej Włączanie ryzyka w projekcji strumieni finansowych RYZYKO w PLANOWANIU BIZNESOWYM SYSTEMATYCZNE Oddziałuje na cały rynek Jest ryzykiem zewnętrznym Firma

Bardziej szczegółowo

Zbudować model matematyczny do poniższych zagadnień (ułożyć program matematyczny ).

Zbudować model matematyczny do poniższych zagadnień (ułożyć program matematyczny ). PROGRAMOWANIE LINIOWE Zbudować model matematyczny do poniższych zagadnień (ułożyć program matematyczny ). Problem. Przedsiębiorstwo przewozowe STAR zajmuje się dostarczaniem lodów do sklepów. Dane dotyczące

Bardziej szczegółowo

Opracował: Dr Mirosław Geise 4. Analiza progu rentowności

Opracował: Dr Mirosław Geise 4. Analiza progu rentowności Opracował: Dr Mirosław Geise 4. Analiza progu rentowności Spis treści 1. Ilościowy i wartościowy próg rentowności... 2 2. Zysk operacyjny... 4 3. Analiza wrażliwości zysku... 6 4. Aneks... 8 1 1. Ilościowy

Bardziej szczegółowo

PRZEWODNIK PO PRZEDMIOCIE

PRZEWODNIK PO PRZEDMIOCIE Nazwa przedmiotu: Kierunek: Informatyka Rodzaj przedmiotu: przedmiot obowiązkowy w ramach treści kierunkowych, moduł kierunkowy ogólny Rodzaj zajęć: wykład, ćwiczenia I KARTA PRZEDMIOTU CEL PRZEDMIOTU

Bardziej szczegółowo

Ekonomia menedżerska analiza marginalna. Prof. Tomasz Bernat Katedra Mikroekonomii

Ekonomia menedżerska analiza marginalna. Prof. Tomasz Bernat Katedra Mikroekonomii Ekonomia menedżerska analiza marginalna Prof. Tomasz Bernat Katedra Mikroekonomii Podejmowanie decyzji optymalnych na podstawie analizy marginalnej Przyczyny konfliktu: Rozbieżne zdania pomiędzy koncesjodawcą

Bardziej szczegółowo

Droga żółwia SPIS TREŚCI

Droga żółwia SPIS TREŚCI Droga żółwia Curtis Faith SPIS TREŚCI Przedmowa do wydania polskiego Podziękowania Słowo wstępne Przedmowa Wprowadzenie Dzień w którym spotkałem Księcia Parkietu Rozdział 1. Uzależnieni od ryzyka Traderzy

Bardziej szczegółowo

MATEMATYKA Z ELEMENTAMI STATYSTYKI LABORATORIUM KOMPUTEROWE DLA II ROKU KIERUNKU ZARZĄDZANIE I INŻYNIERIA PRODUKCJI ZESTAWY ZADAŃ

MATEMATYKA Z ELEMENTAMI STATYSTYKI LABORATORIUM KOMPUTEROWE DLA II ROKU KIERUNKU ZARZĄDZANIE I INŻYNIERIA PRODUKCJI ZESTAWY ZADAŃ MATEMATYKA Z ELEMENTAMI STATYSTYKI LABORATORIUM KOMPUTEROWE DLA II ROKU KIERUNKU ZARZĄDZANIE I INŻYNIERIA PRODUKCJI ZESTAWY ZADAŃ Opracowała: Milena Suliga Wszystkie pliki pomocnicze wymienione w treści

Bardziej szczegółowo

Microsoft Excel 2010 Analiza i modelowanie danych biznesowych

Microsoft Excel 2010 Analiza i modelowanie danych biznesowych Microsoft Excel 2010 Analiza i modelowanie danych biznesowych Wayne L. Winston Przekład: Janusz Machowski APN Promise Warszawa 2011 Microsoft Excel 2010: Analiza i modelowanie danych biznesowych 2011 APN

Bardziej szczegółowo

Estymacja przedziałowa

Estymacja przedziałowa Instytut Sterowania i Systemów Informatycznych Uniwersytet Zielonogórski Metody analizy danych ćwiczenia Estymacja przedziałowa Program ćwiczeń obejmuje następująca zadania: 1. Dom handlowy prowadzący

Bardziej szczegółowo

WYKORZYSTANIE NARZĘDZIA Solver DO ROZWIĄZYWANIA ZAGADNIEŃ TRANSPORTOWYCH Z KRYTERIUM KOSZTÓW

WYKORZYSTANIE NARZĘDZIA Solver DO ROZWIĄZYWANIA ZAGADNIEŃ TRANSPORTOWYCH Z KRYTERIUM KOSZTÓW WYKORZYSTANIE NARZĘDZIA Solver DO ROZWIĄZYWANIA ZAGADNIEŃ TRANSPORTOWYCH Z KRYTERIUM KOSZTÓW Zadania transportowe Zadania transportowe są najczęściej rozwiązywanymi problemami w praktyce z zakresu optymalizacji

Bardziej szczegółowo

Specjalność Optymalizacja Decyzji Menedżerskich. Katedra Badań Operacyjnych Uniwersytetu Łódzkiego

Specjalność Optymalizacja Decyzji Menedżerskich. Katedra Badań Operacyjnych Uniwersytetu Łódzkiego Specjalność Optymalizacja Decyzji Menedżerskich Katedra Badań Operacyjnych Uniwersytetu Łódzkiego Kilka słów o nas Katedra Badań Operacyjnych jest częścią Instytutu Ekonomik Stosowanych i Informatyki.

Bardziej szczegółowo

Programowanie liniowe

Programowanie liniowe Badania operacyjne Ćwiczenia 2 Programowanie liniowe Metoda geometryczna Plan zajęć Programowanie liniowe metoda geometryczna Przykład 1 Zbiór rozwiązań dopuszczalnych Zamknięty zbiór rozwiązań dopuszczalnych

Bardziej szczegółowo

Testowanie hipotez statystycznych. Wprowadzenie

Testowanie hipotez statystycznych. Wprowadzenie Wrocław University of Technology Testowanie hipotez statystycznych. Wprowadzenie Jakub Tomczak Politechnika Wrocławska jakub.tomczak@pwr.edu.pl 10.04.2014 Pojęcia wstępne Populacja (statystyczna) zbiór,

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA

STATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA STATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA Zadanie 0.1 Zmienna losowa X ma rozkład określony funkcją prawdopodobieństwa: x k 0 4 p k 1/3 1/6 1/ obliczyć EX, D X. (odp. 4/3;

Bardziej szczegółowo

Akademia Młodego Ekonomisty

Akademia Młodego Ekonomisty Akademia Młodego Ekonomisty Decyzje inwestycyjne na giełdzie dr Dominika Kordela Uniwersytet Szczeciński 29 listopad 2018 r. Plan wykładu Giełda Papierów Wartościowych Papiery wartościowe Inwestycje Dochód

Bardziej szczegółowo

Lista 7 i 8 Zysk księgowy i alternatywny Koszty alternatywne Koszty i utargi krańcowe Koszty produkcji w krótkim i długim okresie czasu

Lista 7 i 8 Zysk księgowy i alternatywny Koszty alternatywne Koszty i utargi krańcowe Koszty produkcji w krótkim i długim okresie czasu Zadanie 1. Pan Smith prowadzi prywatny biznes. W ubiegłym roku jego utarg wyniósł 55000, a koszty bezpośrednie 27000. Kapitał finansowy włożony w działalność zakładu wynosił przez cały rok 25000. Stopa

Bardziej szczegółowo

2013-05-19. Co to jest ryzyko? Niepewność a ryzyko. Skąd się bierze ryzyko? Przestrzeń zachowań ryzykownych. Skąd się bierze ryzyko?

2013-05-19. Co to jest ryzyko? Niepewność a ryzyko. Skąd się bierze ryzyko? Przestrzeń zachowań ryzykownych. Skąd się bierze ryzyko? Co to jest ryzyko? Psychologia decyzji i ryzyka wykład 8 DR BEATA BAJCAR ZAKŁAD PSYCHOLOGII I ERGONOMII Działanie, które może przynieść niepowodzenie, stratę; Przedsięwzięcie, którego wynik jest niepewny,

Bardziej szczegółowo

I. KARTA PRZEDMIOTU CEL PRZEDMIOTU

I. KARTA PRZEDMIOTU CEL PRZEDMIOTU I. KARTA PRZEDMIOTU 1. Nazwa przedmiotu: SYSTEMY WSPOMAGANIA DECYZJI. Kod przedmiotu: Ecs 3. Jednostka prowadząca: Wydział Mechaniczno-Elektryczny. Kierunek: Mechatronika 5. Specjalność: Techniki Komputerowe

Bardziej szczegółowo

Metody oceny ryzyka operacyjnego

Metody oceny ryzyka operacyjnego Instytut Matematyki i Informatyki Wrocław, 10 VII 2009 Bazylejski Komitet Nadzoru Bankowego Umowa Kapitałowa - 1988 Opracowanie najlepszych praktyk rynkowych w zakresie zarządzania ryzykiem Nowa Umowa

Bardziej szczegółowo

Budowanie strategii przed debiutem na rynku NewConnect

Budowanie strategii przed debiutem na rynku NewConnect ekspert Klubu Przedsiębiorców i Ekspertów przy Polskim Towarzystwie Ekonomicznym ekspert CASE Doradcy Sp. z o.o. Budowanie strategii przed debiutem na rynku NewConnect P1 Plan prezentacji 1 Wprowadzenie

Bardziej szczegółowo

Definicja ceny. I. Sobańska (red.), Rachunek kosztów i rachunkowość zarządcza, C.H. Beck, Warszawa 2003, s. 179

Definicja ceny. I. Sobańska (red.), Rachunek kosztów i rachunkowość zarządcza, C.H. Beck, Warszawa 2003, s. 179 Ceny Definicja ceny cena ilość pieniądza, którą płaci się za dobra i usługi w stosunkach towarowo-pieniężnych, których przedmiotem jest zmiana właściciela lub dysponenta będąca wyrazem wartości i zależna

Bardziej szczegółowo

Wyniki osiągnięte w I kwartale 2012

Wyniki osiągnięte w I kwartale 2012 Wyniki osiągnięte w I kwartale 2012 Nasze marki obecne w całym regionie 31 marca 2012roku sieć detaliczna LPP liczyła 918 sklepów z czego: 3 Reserved 264 CROPP 224 House 6 Mohito 18 6 1 9 7 4 203 187 183

Bardziej szczegółowo

1. Wzrost zbyt szybki prowadzi do utraty samodzielności firmy (take-over). 2. Jednym z założeń modelu wzrostu zrównoważonego jest płynna struktura

1. Wzrost zbyt szybki prowadzi do utraty samodzielności firmy (take-over). 2. Jednym z założeń modelu wzrostu zrównoważonego jest płynna struktura 1. Wzrost zbyt szybki prowadzi do utraty samodzielności firmy (take-over). 2. Jednym z założeń modelu wzrostu zrównoważonego jest płynna struktura kapitałowa. 3. Wskaźnik zysku zatrzymanego to iloraz przyrostu

Bardziej szczegółowo

Zarządzanie łańcuchem dostaw

Zarządzanie łańcuchem dostaw Społeczna Wyższa Szkoła Przedsiębiorczości i Zarządzania kierunek: Logistyka Zarządzanie łańcuchem dostaw Ćwiczenia Opracowanie: dr Joanna Krygier 1 1983 - początek działalności 1985 - sprzedaż komputerów

Bardziej szczegółowo

Ryszard Rapacki, Piotr Maszczyk, Mariusz Próchniak

Ryszard Rapacki, Piotr Maszczyk, Mariusz Próchniak Struktury rynku a optymalne decyzje w przedsiębiorstwie Ryszard Rapacki, Piotr Maszczyk, Mariusz Próchniak Program MBA-SGH VI edycja PORÓWNANIE STRUKTUR RYNKU Cecha Struktura rynku Konkurencja doskonała

Bardziej szczegółowo

Zmienność wiatru w okresie wieloletnim

Zmienność wiatru w okresie wieloletnim Warsztaty: Prognozowanie produktywności farm wiatrowych PSEW, Warszawa 5.02.2015 Zmienność wiatru w okresie wieloletnim Dr Marcin Zientara DCAD / Stermedia Sp. z o.o. Zmienność wiatru w różnych skalach

Bardziej szczegółowo

1. WYZNACZANIE CELÓW 2. OCENA (KONTROLA) EFEKTÓW DZIAŁALNOŚCI

1. WYZNACZANIE CELÓW 2. OCENA (KONTROLA) EFEKTÓW DZIAŁALNOŚCI Planowanie i kontrola w organizacjach zdecentralizowanych Agenda 1. Budowa systemu planowania i kontroli w organizacji zdecentralizowanej 2. System ośrodków odpowiedzialności 3. owanie Dr Marcin Pielaszek

Bardziej szczegółowo

Zadanie 1. Zmienne losowe X 1, X 2 są niezależne i mają taki sam rozkład z atomami:

Zadanie 1. Zmienne losowe X 1, X 2 są niezależne i mają taki sam rozkład z atomami: Zadanie 1. Zmienne losowe X 1, X 2 są niezależne i mają taki sam rozkład z atomami: Pr(X 1 = 0) = 6/10, Pr(X 1 = 1) = 1/10, i gęstością: f(x) = 3/10 na przedziale (0, 1). Wobec tego Pr(X 1 + X 2 5/3) wynosi:

Bardziej szczegółowo

Przedsiębiorczość i Podejmowanie Ryzyka. Zajęcia 1

Przedsiębiorczość i Podejmowanie Ryzyka. Zajęcia 1 Przedsiębiorczość i Podejmowanie Ryzyka Zajęcia 1 Zaliczenie Obecność Reguły gry: - Obecność obowiązkowa - kartkówki tylko w nagłych wypadkach (w wypadku niepożądanej aktywności) - Prace domowe (oddawane

Bardziej szczegółowo