Metoda szacowania wpływu strategii zarządzania na dochód ze sprzedaży węgla

Podobne dokumenty
Przykład 3.1. Projektowanie przekroju zginanego

OKRES ZWROTU JAKO JEDNA Z METOD OCENY OPŁACALNOŚCI PRZEDSIĘWZIĘĆ INWESTYCYJNYCH

Współczynnik korelacji liniowej oraz funkcja regresji liniowej dwóch zmiennych

Algebra z geometrią 2012/2013

Tomasz Grębski. Liczby zespolone

POTENCJALNE POLE SIŁ. ,F z 2 V. x = x y, F y. , F x z F z. y F y

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE

Przestrzeń liniowa R n.

A B - zawieranie słabe

Postać Jordana macierzy

Rynek szkoleniowy w województwie kujawskopomorskim. badań

opisać wielowymiarową funkcją rozkładu gęstości prawdopodobieństwa f(x 1 , x xn

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np.

MODELE OBIEKTÓW W 3-D3 część

Algebra WYKŁAD 1 ALGEBRA 1

Grupa TP i Grupa TVN podpisały długoterminową umowę o współpracy w zakresie dostarczania treści, telewizji i usług komunikacyjnych

KONWENCJA ZNAKOWANIA MOMENTÓW I WZÓR NA NAPRĘŻENIA

ALGEBRA rok akademicki

Siła ciężkości. Siła ciężkości jest to siła grawitacyjna wynikająca z oddziaływania na siebie dwóch ciał. Jej wartość obliczamy z zależności

Grupa obrotów. - grupa symetrii kuli, R - wszystkie możliwe obroty o dowolne kąty wokół osi przechodzących przez środek kuli

PRAWIDŁOWE ODPOWIEDZI I PUNKTACJA

Belki zespolone 1. z E 1, A 1

Janusz Typek TENSOR MOMENTU BEZWŁADNOŚCI

Ćwiczenia laboratoryjne z Logiki Układów Cyfrowych. ćwiczenie 209. Temat: Komputerowa analiza automatów skończonych

cz. 2. Dr inż. Zbigniew Szklarski Katedra Elektroniki, paw. C-1, pok.321

ĆWICZENIE 6. Mimośrodowe rozciąganie. Redukcja do środka ciężkości PROJEKT

6. ROŻNICE MIĘDZY OBSERWACJAMI STATYSTYCZNYMI RUCHU KOLEJOWEGO A SAMOCHODOWEGO

Zginanie ukośne LABORATORIUM WYTRZYMAŁOŚCI MATERIAŁÓW. Katedra Wytrzymałości Materiałów i Metod Komputerowych Mechaniki

Rozdział 9. Baza Jordana

INSTYTUT FIZYKI WYDZIAŁ INŻYNIERII PROCESOWEJ, MATERIAŁOWEJ I FIZYKI STOSOWANEJ POLITECHNIKA CZĘSTOCHOWSKA ĆWICZENIE NR MR-2

Jeśli m = const. to 0 P 1 P 2

STATYSTYKA MATEMATYCZNA

Zmodyfikowana technika programowania dynamicznego

P K. Położenie punktu na powierzchni kuli określamy w tym układzie poprzez podanie dwóch kątów (, ).

2.1. ZGINANIE POPRZECZNE

METODOLOGIA NORMALIZACJI KRYTERIÓW OCENY EKOEFEKTYWNOŚCI TECHNOLOGII

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH

Algebra WYKŁAD 2 ALGEBRA 1

METODA MATEMATYCZNEGO MODELOWANIA PŁATAMI BÉZIERA KSZTAŁTU ZIARNA PSZENŻYTA

0 0,2 0, p 0,1 0,2 0,5 0, p 0,3 0,1 0,2 0,4

ZESTAW ZADAŃ Z INFORMATYKI

Ocena jakościowo-cenowych strategii konkurowania w polskim handlu produktami rolno-spożywczymi. dr Iwona Szczepaniak

Geometria analityczna w przestrzeni. Kierunek. Długość. Zwrot

Współczynnik przenikania ciepła U v. 4.00

dr Michał Konopczyński Ekonomia matematyczna ćwiczenia

Problem nośności granicznej płyt żelbetowych w ujęciu aktualnych przepisów normowych. Prof. dr hab. inż. Piotr Konderla, Politechnika Wrocławska

Analiza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD A

Statystyka Opisowa 2014 część 2. Katarzyna Lubnauer

PRZEKŁADNIE FALOWE. 1. Wstęp. (W. Ostapski)

Adam Bodnar: Wytrzymałość Materiałów. Ukośne zginanie 13. UKOŚNE ZGINANIE

RACHUNEK NIEPEWNOŚCI POMIARU

Opis układu we współrzędnych uogólnionych, więzy i ich reakcje, stopnie swobody

Kompresja fraktalna obrazów. obraz. 1. Kopiarka wielokrotnie redukująca 1.1. Zasada działania ania najprostszej kopiarki

OŚWIADCZENIE MAJĄTKOWE radnego gminy. (miejscowość)

Część 1 2. PRACA SIŁ WEWNĘTRZNYCH 1 2. PRACA SIŁ WEWNĘTRZNYCH Wstęp

1. REDUKCJA DOWOLNYCH UKŁADÓW SIŁ. Redukcja płaskiego układu sił

Adam Bodnar: Wytrzymałość Materiałów. Proste zginanie

11/22/2014. Jeśli stała c jest równa zero to takie gry nazywamy grami o sumie zerowej.

( ) O k k k. A k. P k. r k. M O r 1. -P n W. P 1 P k. Rys Redukcja dowolnego przestrzennego układu sił

WYKŁAD 7. MODELE OBIEKTÓW 3-D3 część Koncepcja krzywej sklejanej. Plan wykładu:

Laboratorium wytrzymałości materiałów

ZNACZENIE INERCJI INFLACJI PRZY PODEJMOWANIU OPTYMALNYCH DECYZJI

Jacek Jarnicki Politechnika Wrocławska

, wówczas siła poprzeczna Q z ( x) 0 dx (patrz rys. 11.1). M y (x) d M y ( x) Rys. 11.1

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

V. WPROWADZENIE DO PRZESTRZENI FUNKCYJNYCH

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych

ELEKTROCHEMIA. ( i = i ) Wykład II b. Nadnapięcie Równanie Buttlera-Volmera Równania Tafela. Wykład II. Równowaga dynamiczna i prąd wymiany

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

OBLICZANIE GEOMETRYCZNYCH MOMENTÓW BEZWŁADNOŚCI FIGUR PŁASKICH, TWIERDZENIE STEINERA LABORATORIUM RACHUNKOWE

3. Metody rozwiązywania zagadnień polowych

Statystyka. Zmienne losowe

Pochodna kierunkowa i gradient Równania parametryczne prostej przechodzącej przez punkt i skierowanej wzdłuż jednostkowego wektora mają postać:

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej

napór cieczy - wypadkowy ( hydrostatyczny )

gdzie: L( G ++ )- współczynnik złożoności struktury , -i-ty węzeł, = - stopień rozgałęzienia i-tego węzła,

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

BADANIE CHARAKTERYSTYK SZTYWNOŚCI MANIPULATORA SZEREGOWEGO Z WYKORZYSTANIEM CZUJNIKÓW LINKOWYCH

ZŁOŻONE RUCHY OSI OBROTOWYCH STEROWANYCH NUMERYCZNIE

WZÓR SPRAWOZDANIE (CZĘŚCIOWE/KOŃCOWE 1) ) 2) z wykonania zadania publicznego.... (tytuł zadania publicznego) w okresie od... do...

TWIERDZENIA O WZAJEMNOŚCIACH

Pozycjonowanie bazujące na wielosensorowym filtrze Kalmana. Positioning based on the multi-sensor Kalman filter

FUNKCJE DWÓCH ZMIENNYCH

Ja, niżej podpisany (a),... (imiona! nazwisko oraz nazwisko rodowe) ...[& (miejsce zatrudnienia, stanowisko lub funkcja)

Przykład 6.3. Uogólnione prawo Hooke a


WikiWS For Business Sharks

Natalia Nehrebecka. Zajęcia 4

METODY KOMPUTEROWE 1

Nieparametryczne Testy Istotności

RÓWNOWAGA STACKELBERGA W GRACH SEKWENCYJNYCH

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4

MODEL LOGITOWY POŁĄCZENIE PUNKTÓW, RYZYKA NIEWYPŁACALNOŚCI ORAZ OBSERWOWANEJ NIEWYPŁACALNOŚCI

GAZY DOSKONAŁE I PÓŁDOSKONAŁE

Metody numeryczne. Wykład nr 7. Dr Piotr Fronczak

Rachunek prawdopodobieństwa i statystyka W 11: Analizy zależnościpomiędzy zmiennymi losowymi Model regresji wielokrotnej

Teoria i praktyka. Wyższa Szkoła Turystyki i Ekologii. Fizyka. WSTiE Sucha Beskidzka Fizyka

Parametry zmiennej losowej

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B

Transkrypt:

Pro. dr hab. nż. HENRYK PRZYBYŁA, dr hab. nż. STANISŁAW KOWALIK Poltechnka Śląska, Glwce Metoda sacowana wpłwu strateg arądana na dochód e spredaż węgla. Wprowadene Transormacje sstemu gospodarcego, otwarce sę Polsk na śwat spowodował, że na rnku węglowm po strone: oerentów węgla pojawł sę jednostk gospodarce handlujące węglem krajowm węglem mportu; po strone odborców jednostk gospodarce specjalujące sę w handlu węglem. Krs gospodarc, mnaturacja automatacja, łatw dostęp do nnch surowców energetcnch (ropa, ga td.) to główne prcn nadprodukcj węgla. W takej stuacj główne parametr decdujące o kondcj ekonomcnej nansowej Spółek Węglowch tj. welkość spredaż, cena spredaż kost spredaż stał sę mennm losowm, a wnk e spredaż menną losową welowmarową. Premsł wdobwc w tm scególne górnctwo węgla kamennego cechuje, w aspekce roważanego problemu, duża nercja np. uruchomone wrobsko wberkowe eksploatowane jest pre klka mesęc, może bć ograncona ntenswność wberana, ne można natomast anechać wberana w tm wrobsku. Znacąca wartość ubrojena tego wrobska jak nacąca wartość całej nrastruktur technologcnej techncnej stanową o tm, że każde ograncane wdobca, uwag na wsok udał kostów stałch powoduje nacąc wrost kostów produkcj. Ta speccne cecha premsłu wdobwcego wmusa stosowane aawansowanch technk roponana potencjalnch możlwośc spredaż węgla, anal elastcnośc poptu wględem cen, ocen achowana sę konkurentów reakcj odborców na ch achowana. Element te pownn bć awarte w plane techncno-ekonomcno-nansowm. Za nteresujące unalśm osacowane dochodów Spółk Węglowej w oparcu o które można prowadć analę ekonomcno-nansową, ocenać płnność nansową td. Preentowan artkuł predstawa metodę sacowana wpłwu strateg arądana na dochód e spredaż węgla. Jest to pocątkowa wersja metod, która wmaga potwerdena w praktce będe doskonalona w marę poskwana nowch, stotnch normacj.

2. Sormułowane matematcne agadnena Na podstawe ocen stosowanch pre Spółkę Węglową praktk w akrese marketngu, arądana Spółką Węglową, technk organacj produkcj osacowano następujące parametr stanowące dane wejścowe do oblceń: s welkość spredaż [t/rok], c cena jednostkowa spredaż [ł/t], k - kost jednostkow [ł/t]. Potraktujem te welkośc, jako menne losowe. Wartośc tch mennch losowch awerają sę odpowedno w predałach [s mn, s ma ], [c mn, c ma ], [k mn, k ma ]. Każd tch predałów delm na n cęśc. Dla każdej mennej otrmujem węc n podpredałów o serokoścach s, c, k, gde Predał te można określć następująco: s = (s ma - s mn )/n, () c = (c ma - c mn )/n, (2) k = (k ma - k mn )/n. (3) PS = [s mn + (-) s, s mn + s ] (=,...,n), (4) PC = [c mn + (-) c, c mn + c ] (=,...,n), (5) PK = [k mn + (-) k, k mn + k ] (=,...,n). (6) Rokład mennch losowch s, c, k odpowedno na predałach [s mn, s ma ], [c mn, c ma ], [k mn, k ma ] ustalam na podstawe opn ekspertów. Innm słow, w oparcu o sondaż opn ekspertów ustalam prawdopodobeństwa dla wewnętrnch podpredałów dla każdej mennej. Otrmujem węc tr cąg lcbowe: Prawdopodobeństwa te onacają: { p s }, { p c }, { p k } (=,...,n). (7) s p = P{sPS } (=,...,n), (8) c p = P{cPC } (=,...,n), (9) k p = P{kPK } (=,...,n). (0) Prjmujem, że realacjam mennej losowej s są lcb s,...,s n będące środkam predałów PS. Tak samo akładam, że realacjam mennej losowej c są lcb c,...,c n będące środkam predałów PC, a realacjam mennej losowej k są lcb k,...,k n będące środkam predałów PK. 425

Na podstawe mennch losowch s, c, k tworm nową menną losową w będącą dochodem (w łotch) e spredaż węgla w cągu roku w = s ( c k ). () Zajmem sę tera określenem rokładu mennej losowej w. Wkorstam do tego pojęce splotu unkcj kompocj rokładów. Do wnacena rokładu mennej losowej w potrebne nam będą kompocje różnc locnu mennch losowch. 3. Kompocje różnc locnu mennch losowch Roważana ropocnem od podana worów na rokład prawdopodobeństwa dla sum dwóch mennch losowch. Jest to najważnejs prpadek unkcj dwóch mennch losowch. Następne uogólnm te wor na kombnację lnową dwóch mennch losowch. Prjmując odpowedne współcnnk ( ) w tej kombnacj otrmam wór na unkcję gęstośc prawdopodobeństwa różnc mennch losowch. W dalsej kolejnośc podam wor na rokład locnu mennch losowch. Prjmujem, że mam dwe menne losowe o unkcjach gęstośc () (). Określam nową menną losową =+. Funkcja gęstośc () jest splotem unkcj () (). Na podstawe [] [3] jest ( ) (, )d (, ) d (2) Poneważ menne traktujem jako neależne, węc wór (2) można apsać w postac [3] ( ) ( ) ( )d ( ) ( ) d. (3) Dla kombnacj lnowej dwóch mennch =a+b mam [], [3] ( ), ( ) a a b b, (4) gde =a, =b. Tak węc splot tch unkcj wraża sę worem [], [3] ( ) d d ab a b ab a b. (5) Prjmując we wore (5) a= b=- otrmujem rokład dla różnc dwóch mennch losowch =- 426

( ) ( ) ( )d ( ) ( ) d. (6) We wore (6) menne są poorne (wstępują jako menne całkowana), to można je astąpć pre. Mam wted ( ) ( ) ( )d ( ) ( ) d. (7) Jest to posukwan wór na unkcję gęstośc prawdopodobeństwa różnc dwóch mennch losowch. Prjmem tera, że menna jest locnem mennch losowch, tj. =. Na podstawe [], [3] mam ( ), d, d. (8) Poneważ menne traktujem jako neależne, to wór (8) można prekstałcć do następującej postac ( ) ( ) d ( ) d. (9) Wor (7) (9) powalają na oblcene rokładu dla mennej w wrażonej pre () dla cągłch unkcj gęstośc prawdopodobeństwa. 4. Określene rokładu dochodu e spredaż w prpadku dskretnch unkcj gęstośc prawdopodobeństwa. Jak wceśnej powedelśm w rodale 3, rokład mennch s, c, k (spredaż, cena, kost jednostkow) są określone popre cąg lcbowe (7) na podpredałach (4), (5) (6). Adaptujem tera wor (7) (9) dla dskretnch unkcj gęstośc mennch s, c, k. Najperw określm dskretną unkcję gęstośc dla różnc c-k. Onacam = c k. (20) Poneważ menne c k są określone na predałach [c mn, c ma ], [k mn, k ma ], to ch różnca jest określona na predale [ mn, ma ] = [c mn - k ma, c ma - k mn ]. (2) Delm ten predał na n cęśc. Serokość podpredału onacam popre. = ( ma - mn )/n. (22) Podpredał te można apsać następująco PZ = [ mn + (-), mn + ] (=,...,n). (23) 427

Poneważ P{c=c q, k=k r } = P{c=c q }P{k=k r } = c p k q r p (q,r=,...,n), (24) to c p = P{PZ } = p k q r c q k r PZ p. (25) Oblcone prawdopodobeństwa prpsujem środkom predałów PZ. Traktujem, że realacjam mennej są lcb prawdopodobeństwam rokład mennej będącej różncą mennch c k. p. Mam węc określon Jak wnka e woru () należ jesce określć rokład dochodu e spredaż w będącej locnem mennch losowch s. w = s ( c k ) = s. (26) Poneważ menne s są określone na predałach [s mn, s ma ], [ mn, ma ], to ch locn w jest określona na predale [w mn, w ma ] = [s mn mn, s ma ma ]. (27) Ten wór stosuje sę jedne w prpadku, gd wsstke lcb s mn, s ma, mn, ma są dodatne. Jeżel nektóre tch lcb są ujemne, to końce predału wnacam stosując wor w ogólnejsej postac w mn = mn(s mn mn, s mn ma, s ma mn, s ma ma ), (28) w ma = ma(s mn mn, s mn ma, s ma mn, s ma ma ). (29) Delm ten predał na n cęśc. Serokość podpredału onacam popre w. w = (w ma - w mn )/n. (30) Podpredał te można apsać następująco PW = [w mn + (-) w, w mn + w ] (=,...,n). (3) Poneważ P{s=s q, = r } = P{s=s q }P{= r } = s p q r p (q,r=,...,n), (32) to w s p = P{wPW } = p q r s q r PW p. (33) Oblcone prawdopodobeństwa prpsujem środkom w predałów PW. Traktujem, że realacjam mennej w są lcb w prawdopodobeństwam posukwan rokład mennej w denowanej pre równane (). p w. Mam węc określon 428

5. Porównwane eektwnośc różnch strateg arądana produkcją węgla Prkład Dla Spółk Węglowej X ustalono predał wstępowana welkośc: welkość spredaż s[6 000 000, 0 000 000] [t/rok], cena jednostkowa c[0, 30] [ł/t], kost jednostkow k[5, 45] [ł/t]. Prjęto podał tch predałów na n=5 cęśc. Ustalono prawdopodobeństwa dla wewnętrnch podpredałów dla każdej mennej: { p s }={0., 0., 0.4, 0.3, 0.}, { p c }={0., 0., 0.6, 0., 0.}, { p k }={0., 0., 0.3, 0.4, 0.}. Na podstawe worów (4), (5), (6), (23) (3) oblcono końce podpredałów wewnętrnch. Pokauje to tablca. Zmenna Grance predałów wewnętrnch dla mennch losowch s, c, k,, w Końce predałów Tablca s 6000000 6800000 7600000 8400000 9200000 0000000 c 0 4 8 22 26 30 k 5 2 27 33 39 45 =c-k -35-25 -5-5 5 5 w=s(c-k) -350000000-250000000 -50000000-50000000 50000000 50000000 Jak podano wżej realacjam tch mennch losowch są środk tch podpredałów. Ilustruje to tablca 2. Tablca 2 Realacje mennch losowch s, c, k,, w Zmenna Środk predałów s 6400000 7200000 8000000 8800000 9600000 c 2 6 20 24 28 k 8 24 30 36 42 =c-k -30-20 -0 0 0 w=s(c-k) -300000000-200000000 -00000000 0 00000000 429

Na podstawe woru (24) oblcono prawdopodobeństwa P{c=c q, k=k r } (tablca 3). Prawdopodobeństwo P{c=c q, k=k r } Tablca 3 Cena c Kost k 8 24 30 36 42 2 0.0 0.0 0.03 0.04 0.0 6 0.0 0.0 0.03 0.04 0.0 20 0.06 0.06 0.8 0.24 0.06 24 0.0 0.0 0.03 0.04 0.0 28 0.0 0.0 0.03 0.04 0.0 Następne na podstawe woru (25) oblcono prawdopodobeństwa p. Wnosą one { p }={0.02, 0.42, 0.36, 0.8, 0.02}. Kolejnm krokem bło wnacene prawdopodobeństw P{s=s q, = r } na podstawe woru (32). Te prawdopodobeństwa są podane w tablc 4. Prawdopodobeństwo P{s=s q, = r } Tablca 4 Spredaż s Różnca =c-k -30-20 -0 0 0 6400000 0.002 0.042 0.036 0.08 0.002 7200000 0.002 0.042 0.036 0.08 0.002 8000000 0.008 0.68 0.44 0.072 0.008 8800000 0.006 0.26 0.08 0.054 0.006 9600000 0.002 0.042 0.036 0.08 0.002 Jako wnkowe prawdopodobeństwa otrmujem na podstawe woru (33). Wnosą one { p w }={0.008, 0.348, 0.444, 0.80, 0.020}. Zborc wka prawdopodobeństw dla poscególnch mennch losowch predstawa tablca 5. 430

Rokład dskretne mennch losowch s, c, k,, w Tablca 5 Zmenna Prawdopodobeństwa s 0. 0. 0.4 0.3 0. c 0. 0. 0.6 0. 0. k 0. 0. 0.3 0.4 0. =c-k 0.02 0.42 0.36 0.8 0.02 w=s(c-k) 0.008 0.348 0.444 0.80 0.020 Tak węc posukwana menna losowa w jest określona na predale [-350 000 000, 50 000 000] [ł/rok]. Posada ona rokład dskretn. Realacjam tej mennej są lcb {w} = {-300 000 000, -200 000 000, -00 000 000, 0, 00 000 000}. Prawdopodobeństwa wstąpena tch lcb wnosą odpowedno: { p w }={0.008, 0.348, 0.444, 0.80, 0.020}. Dla takego rokładu prawdopodobeństwa ocekwan dochód ttułu spredaż wrażon worem wnos -4 400 000 [ł/rok]. 5 w w p w. (34) Onaca to, że stosowana stratega unkcjonowana Spółk, ackolwek ma namona strateg skutecnej (aspokajane potreb odborców), jest strategą ne eektwną. Podjęte w Spółce Węglowej dałana restrukturacjne, w tm scególne agreswna poltka marketngowa menł stuację Spółk dla tej nowej stuacj osacowano parametr stanowące dane wejścowe do oblceń. Dla tej nowej stuacj rokład prawdopodobeństwa dla wewnętrnch podpredałów dla każdej mennej wnos: { p s }={0., 0., 0., 0.4, 0.3}, { p c }={0., 0., 0., 0.6, 0.}, { p k }={0.3, 0.4, 0., 0., 0.}. Po ponownch prelcenach otrmano następujące wnk awarte w tablc 6. 43

Rokład dskretne mennch losowch s, c, k,, w Tablca 6 Zmenna Prawdopodobeństwa s 0. 0. 0. 0.4 0.3 c 0. 0. 0. 0.6 0. k 0.3 0.4 0. 0. 0. =c-k 0.02 0. 0.27 0.39 0.2 w=s(c-k) 0.04 0.094 0.292 0.390 0.20 Dla tej nowej stuacj ocekwan dochód e spredaż węgla (wór 34) wnos -3 200 000 [ł/rok]. Pre manę strateg arądana, co menło rokład prawdopodobeństw, uskano poprawę dochodów ttułu spredaż węgla, jednak dochód e spredaż węgla jest nadal ujemn. Wdrożene sstemu budżetowana, montorowana kontrol, proeektwnoścowego sstemu motwacj, spłascene struktur organacjnej spowodowało, że menł sę akres cen kostów. Nowe akres cen kostów jednostkowch predstawają sę tera następująco: cena jednostkowa c[20, 40] [ł/t], kost jednostkow k[0, 40] [ł/t]. Po ponownch prelcenach otrmano następujące wnk awarte w tablc 7. Tablca 7 Rokład dskretne mennch losowch s, c, k,, w Zmenna Prawdopodobeństwa s 0. 0. 0. 0.4 0.3 c 0. 0. 0. 0.6 0. k 0.3 0.4 0. 0. 0. =c-k 0.02 0. 0.27 0.39 0.2 w=s(c-k) 0.08 0.2 0.309 0.393 0.68 Tak węc posukwana menna losowa w jest określona na predale [-200 000 000, 300 000 000] [ł/rok]. Posada ona rokład dskretn. Realacjam tej mennej są lcb {w} = {-50 000 000, -50 000 000, 50 000 000, 50 000 000, 250 000 000}. Prawdopodobeństwa wstąpena tch lcb wnosą odpowedno: { p w }={0.08, 0.2, 0.309, 0.393, 0.68}. 432

Dla tej nowej stuacj ocekwan dochód e spredaż węgla (wór 34) wnósł 08 00 000 [ł/rok]. Pre manę strateg arądana, co menło rokład prawdopodobeństw akres cen kostów jednostkowch, uskano radkalną poprawę dochodów ttułu spredaż węgla. 6. Zakońcene Wprowadona w orme Ustaw Reorma Górnctwa Węgla Kamennego wmaga, ab Spółk Węglowe bł skutecne eektwne. Zarąd Spółek Węglowch wspomagane apsam Ustawowm awartm w Reorme (cęścowe oddłużane, presunęce w case opłat, górnc paket socjaln td.) obowąane są do wpracowana takch strateg arądana, które ucną te Spółk skutecnm eektwnm. Stratege te awarte są w Planach techncno-ekonomcno nansowch. W planach tch powsechne ropatruje sę warant optmstcne, najbardej prawdopodobne pesmstcne. Dla tch warantów należ wpracować odpowedne scenaruse, w którch awarte pownn bć reakcje Spółk na określone stan otocena Spółk. W opn autorów problem te należą do klas problemów ustruktualowanch, a do ch rowąana można stosować odpowedne algortm procedur oblcenowe. Tak też postąplśm pr sacowanu spodewanch korśc ttułu stosowana starej nowej strateg arądana Spółką Węglową. Istotnm elementam są tutaj stosowane stratege ocen ekspertów skutków tch strateg. Zapreentowan w prac algortm umożlwł osacować korśc (bądź strat), jakch należ sę spodewać pr realacj określonch strateg unkcjonowana Spółk Węglowej. Lteratura. Gerstenkorn T., Śródka T.: Kombnatorka rachunek prawdopodobeństwa. PWN, Warsawa 976. 2. Kodrój M., Prbła H.: Teora organacj arądana. Cęść 3. Modele matematcne w organacj produkcj górncej. Skrpt Poltechnk Śląskej Nr 272, Glwce 986. 3. Papouls A.: Prawdopodobeństwo, menne losowe proces stochastcne. WNT, Warsawa 972. 433