Talousmatematiikan perusteet

Koko: px
Aloita esitys sivulta:

Download "Talousmatematiikan perusteet"

Transkriptio

1 Talousmatematiikan perusteet Mallintamisesta, esimerkkinä varastomallit Professori Ilkka Virtanen

2 Sisällysluettelo Varastomallit esimerkkinä mallintamisesta 1.Peruskäsitteet.Perusmalli (EOQ -malli, yhden muuttujan optimointitehtävä).1. Mallin muodostus.. Mallin ratkaisu.3. Ratkaisun analysointi ja tulkinta Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen

3 Sisällysluettelo, jatkuu 3.Perusmalli tapauksessa, kun puute sallitaan (kahden muuttujan optimointiteht.) 4.Perusmalli tapauksessa, kun täydennysnopeus on äärellinen (tuotantomalli) 5.EOQ -malli ja määräalennukset (epäjatkuva tavoitefunktio) 6.Perusmalli kahden hyödykkeen ja rajoitetun varastotilan tapauksessa (Lagrangen kerroin -menetelmä) Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 3

4 Sisällysluettelo, jatkuu 7.Ratkaisun optiminjälkeinen herkkyysanalyysi 7.1. Herkkyysanalyysin yleinen kysymyksenasettelu 7.. EOQ -mallin herkkyysanalyysi Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 4

5 Varastomallien peruskäsitteitä! Kysyntä. Tuotteen kysyntä voi olla deterministinen so. etukäteen tunnettu tasainen tai monotonisesti muuttuva (staattinen) dynaaminen (esim. kausivaihtelu) stokastinen eli satunnaisuutta sisältävä!varaston täydentämisnopeus voi olla ääretön (kertasuoritus esim. ulkopuolisena toimituksena) äärellinen (täydennys esim. tuotannosta) Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 5

6 Varastomallien peruskäsitteitä!tilausväli on kahden peräkkäisen tilaushetken väli. Perusteena varaston taso (hälytysraja) tarkkailu (jatkuva tai jaksollinen) kiinteä väli!toimitusaika,viive tilauksen ja täydennyserän toimituksen välillä!suunnittelukausi, aika jolle laskelmat tehdään Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 6

7 Varastomallien peruskäsitteitä! Varastoitavien lajikkeiden määrä; merkitystä, jos lajikkeilla keskinäistä riippuvuutta tai tilarajoituksia! Varastokapasiteetti; merkitystä, jos varastotila rajoite!täydennyserän koko, tilattava tuotanto- tai toimituserä!ostohinta, mikäli on määräalennuksia Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 7

8 Varastomallien peruskäsitteitä! Myyntihinta, mikäli on tukku- tai muita alennuksia! Varaston ylläpitokustannus sisältää pääoma-, varastointi- ja käsittelykustannukset, pilaantumisen ja hävikin, verot ja vakuutukset ym.! Tilauskustannukset, tilauksen teosta tai tuotannon aloittamisesta aiheutuva kiinteä kertakustannus Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 8

9 Varastomallien peruskäsitteitä! Puutekustannus syntyy, kun kysyntää ei pystytä tyydyttämään menetetty myynti tai ylimääräiset hankintakustannukset maineen menetys seisokki- tai ylityökustannukset Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 9

10 Mallinnettava päätösongelma Tehtäviä päätöksiä ovat mm. kuinka usein tilataan (tilausväli)? kuinka paljon tilataan kerralla (eräkoko)? milloin tilataan (tilaushetki)? Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 10

11 Perusmallin olettamukset! Perusmallina ns. Economic Order Quantity (EOQ) -malli v (F.W. Harris), tunnettu myös neliöjuurikaavana.! Mallin olettamukset (vrt. peruskäsitteet): Pelkistykset ja rajaukset täydennykset kertasuorituksena (täydennysnop. ) toimitusaika vakio (voidaan olettaa 0, vrt. ennakointi) pitkä suunnittelukausi (toistuvat tilaukset) yksi varastoitava tuote Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 11

12 Perusmallin olettamukset ei tilarajoituksia osto- ja myyntihinnat vakioita (ei paljous- ym. alennuksia) puutetta ei sallita! Mallin parametrit kysyntä D on tunnettu ja vakio, [D] kpl/v varaston ylläpitokustannus h on vakio, [h] mk/kpl*v tilauskustannus K on vakio ja tilausmäärästä riippumaton, [K] mk/erä Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 1

13 Perusmallin olettamukset! Mallin (päätös)muuttujat tilauserän koko on vakio, [] kpl tilausväli t, määräytyy kysynnän ja eräkoon perusteella (ts. vaihtoehtoinen riippumaton päätösmuuttuja :lle), [t] v!mallin tavoitefunktio etsittävä sellainen tilauserän koko (tilausväli t), jolla suunnittelukauden (tai aikayksikössä syntyvät) varastoinnin kokonaiskustannukset (tilauskust. + varaston ylläpitokust.) minimoituvat Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 13

14 EOQ - malli, graafinen esitys Olettamukset johtavat malliin, jossa varaston taso kehittyy ajan funktiona seuraavasti: Varaston taso tasainen vakiokysyntä täydennysnopeus 0 t Aika Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 14

15 Miksi seuraavat vaihtoehdot eivät tule kysymykseen? Vaihtoehto 1: M M Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 15

16 Miksi seuraavat vaihtoehdot eivät tule kysymykseen? Vaihtoehto : m+ m Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 16

17 EOQ - mallin formulointi Määritetään kustannukset per aikayks. (mk/v): Tilauskustannukset - tilauksia per aikayksikkö: D/ [D/] (kpl/ v)/ (kpl/erä) erää/v tilauskustannukset aikayksikössä C 1 () K (D/) [K (D/ )] (mk/ erä)(erää/ v) mk/v Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 17

18 EOQ - mallin formulointi Tilauskustannusten riippuvuus eräkoosta graafisesti: C 1 () Mikä funktiotyyppi on kysymyksessä? C 1 () K D/ Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 18

19 EOQ - mallin formulointi Varaston ylläpitokustannukset keskimääräinen varasto / kustannukset aikayksikössä yksikkökustannukset keskimääräinen varastotaso C () C () h / / t Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 19

20 Kokonaiskustanusfunktio TC() C 1 () + C () K D (1/) + (h/) Kust. TC( 0 ) TC 0 TC( 0 ) C () C 1 () Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 0

21 EOQ - mallin ratkaisu Kokonaiskustannukset: TC() K D (1/) + (h/) Välttämätön ehto minimille: d[tc()]/d -K D (1/ ) + h/ 0 Tästä ratkaisemalla optimaalinen eräkoko: EOQ: 0 KD h (Ehdot optimille, mitkähän ne olivatkaan?) Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 1

22 EOQ - mallin ratkaisun tarkastelua Optimieräkoko: 0 KD h Optimaalinen tilausväli: t 0 0 D KD h 1 D K hd Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen

23 EOQ - mallin ratkaisun tarkastelua Optimikustannukset ( minimikustannukset): TC 0 1 h TC( 0 ) C1( 0 ) + C ( 0 ) KD + 0 h h KD KD + KD h KDh + KDh KDh KDh Huom.: C 1 ( 0 ) C ( 0 ) (vrt. myös aiempi kuva!) 0 Lopputulos: TC0 KDh Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 3

24 Optimieräkoko ja -kustannukset Optimieräkoko: Optimikustannukset: 0 KD h TC0 KDh TC TC KD h h h KD KD KD 0 h 0 KDh 0 0 KDh Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 4 ; KD 1 0

25 Esimerkki 1. Tarkastellaan varastonpitoa, jossa kysyntä D kpl/v tilauskustannukset K 000 mk/erä varaston ylläpitokustannukset h 6 mk/kpl v Saadaan seuraavat varastojärjestelmään liittyvät tunnusluvut: ( kpl) KD h 000 mk kpl / v 6 mk / kpl v 3464 kpl TC h 6 ( mk / kpl v) 3464 kpl 0784 mk / v Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 5

26 Esimerkki 1. Tilauksia (ja varaston täydennyksiä): D kpl / v N 0 5. / v 3464 kpl Tilausväli: 0 t D 0 1 (5. / v) v N 0 69 päivää Varastonpidon kustannukset myytyä tuoteyksikköä kohti: TC mk / v UC mk / D mk/ kpl kpl Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 6

27 EOQ-malli puutekustannuksin Olettamukset kuten perusmallissa paitsi että puute sallitaan. s puutekustannus, [s] mk/kpl v M varaston maksimitaso, jolloin -M maksimipuute Varastotaso M t 1 t Aika t t -M 1 + t M- t /D, t 1 M/D, t (-M)/D Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 7

28 Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 8 EOQ-malli puutekustannuksin Varaston keskikoko : Keskimääräinen puute: Kokonaiskustannukset aikayksikössä: tilaus varasto puute M D D M M t t M t t t t M / / M D D M M t t M t t M t t ) ( / ) / ( ) ( s M h M KD M TC ) ( ), ( + +

29 EOQ-malli puutekustannuksin Päätösmuuttujia tarvitaan tässä uudessa, puutteen sallivassa mallissa kaksi. Edellä näiksi muuttujiksi on valittu tilausmäärä ja taso, jolle varasto täydennyksen jälkeen nousee (M ). Nämä yhdessä määräävät mm. maksimipuutteen -M ja tilausvälin t (sekä tämän osat t 1 ja t ). Muitakin valintoja päätösmuuttujiksi olisi voitu tehdä (esimerkiksi minkälaisia?). Puutteen ja puutekustannusten tuominen malliin muuttavat mallia tarvittavan matematiikan osalta ratkaisevasti. Yhden muuttujan (päätös)funktiosta on siirrytty usean muuttujan funktioon. Esimerkiksi minimikustannukset antavan ääriarvokohdan löytämiseksi on turvauduttava päätösmuuttujien suhteen laskettuihin osittaisderivaattoihin Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 9

30 Puutemallin ratkaisu Ehto optimiratkaisulle (ääriarvokohdassa osittaisderivaatat 0): { TC KD + s (s + h)m 0 TC M (h + s)m s Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 30

31 Puutemallin ratkaisu Yhtälöryhmän ratkaisuksi saadaan (totea itse laskemalla): 1 KD (h + s) hs KD h h + s s 0 h + s s, missä 0 on perusmallin optimieräkoko. Tilauserän koko siis kasvaa perusmalliin verrattuna. M 1 KDs h (h + s) KD h s h + s 0 s h + s. Maksimivarasto taas pienenee perusmalliin verrattuna ( 0 on paitsi eräkoko myös maksimivarasto EOQ:ssa) Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 31

32 Puutemallin ratkaisu Puutemallin tarkastelu, kun s : lim 1 s KD h lim s h + s s KD h 0, lim M 1 s KD h lim s s h + s KD h 0. Malli antaa siis erikoistapauksena EOQ-mallin, kun asetetaan s. Yleisestikin: mikäli mallin yleistys on tapahtunut oikein, pelkistetty malli saadaan yleisen erikoistapauksena Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 3

33 Esimerkki.! Tarkastellaan varastonpitoa, jossa kysyntä tilauskustannukset D kpl/v K 000 mk/erä varaston ylläpitokustannukset h 6 mk/kpl v puutekustannukset s 5 mk/kpl v! Saadaan mm. seuraavat varastojärjestelmään liittyvät tunnusluvut: 1 0 h + s s kpl 3857 kpl Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 33

34 Esimerkki. M 1 0 s h + s kpl 3110 kpl TC mk /v Esimerkissä puutekustannukset ovat suuremmat kuin varaston ylläpitokustannukset (5 mk/kpl v vs. 6 mk/kpl v). Kuitenkin varastonpidon kokonaiskustannukset alenevat (18665 mk/v vs mk/v). Miksiköhän näin? Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 34

35 Tuotantomalli (EOQ-malli & äärellinen täydennysnopeus) Muut olettamukset kuten EOQ-mallissa paitsi lisänä äärellinen täydennysnopeus r, [r] kpl/v. Varasto täyttyy aikana (a,b) vauhdilla r - D, (r > D) Aikana (b,c) varasto tyhjenee vauhdilla D a b c Tuotanto kestää ajan b - a /r Tilausväli on /D, joten tyhjenemisvaiheen pituus on c -b /D -/r (r -D)/Dr Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 35

36 Tuotantomallin johtaminen x x D ( r D) rd /r (r - D)/rD / /D / Varaston maksimikoko on (/r) (r - D) (r - D)/r ja varaston keskikoko siten (r - D)/r. Varaston vuotuinen ylläpitokustannus on näin h(r -D)/r Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 36

37 Tuotantomallin ratkaisu Varastonpidon kokonaiskustannukset tuotantomallissa ovat siten: TC() KD h(r D) +. r Kustannukset saavuttavat minimiarvonsa (totea laskemalla!), kun KDr r 0 > h( r D) r D 0 M r (r D) KD(r D) hr 0 r D r < Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 37

38 Tuotantomallin ratkaisu Analyysiä: 1) Eräkoko kasvaa (ts. > 0 ), sillä :n neliöjuurilauseke > 1 ) Varaston tilatarve (varastotason maksimiarvo) pienenee, sillä neliöjuurilauseke M :ssa < 1 3) Minimikustannuksiksi saadaan (totea itse laskemalla, so. sijoittamalla :n lauseke TC():n lausekkeeseen): KDh( r D) r D TC TC( ) TC0 < TC r r 4) EOQ-malli on tuotantomallin erikoistapaus (tuotantovauhti r ): 0 lim 0 lim r r r r D Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 38

39 Esimerkki 3 Olkoon Kysyntä kpl/v Tuotantonopeus kpl/v Tilauskustannukset 000 mk/erä Varaston ylläpitokustannukset 6 mk/kpl v M (r D) 450 kpl r TC mk /v kpl 4900 kpl ( kpl) (M kpl) (TC mk/v) Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 39

40 EOQ-malli paljousalennuksin Olettamukset kuten perusmallissa, mutta ostohinta varastoon on eräkoosta riippuva, ts. p p(). Oletetaan porrasfunktio: p p() p 1 p p 3 1 TC () KD + h + p () D (tilaus- + varastointi- + hankintakust.) Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 40

41 EOQ-malli paljousalennuksin 0 KD h (sama minimikohta kaikilla käyrillä!) TC, kun pp 1 TC, kun pp TC, kun pp 3 TC ilman hankintakust Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 41

42 Alennusrajojen 1 ja sekä minimikohdan 0 keskinäisestä sijainnista riippuen saadaan kokonaiskustannusten minimille erilaisia ratkaisuja: 0 on optimi ja 0 > ; optimaalinen varastointipolitiikka ja alennukset hyödynnetty täysimääräisesti (p p 3 ) 0 on optimi ja > 0 > 1 ; optimaalinen varastointipolitiikka ja alennukset hyödynnetty osittain (p p ) 0 on optimi ja 0 < 1 ; optimaalinen varastointipolitiikka ja alennuksia ei voida hyödyntää (alennukset eivät riittävät suhteessa varastointikustannusten nousuun; p p 1 ) 1 on optimi ja 0 < 1 ; alennus p 1 -> p kompensoi kohonneet varastointikustannukset (mutta alennus p -> p 3 ei enää kompensoi) on optimi ja > 0 ; alennusten täysimääräinen hyödyntäminen kompensoi kohonneet varastointikustannukset Esitä kuhunkin tapaukseen liittyvä tilanne graafisesti! Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 4

43 Optimaalisen eräkoon määrittämiseksi saadaan näin algoritmi (yleisesti n:lle eri hinnalle p 1,..., p n ): 1. Määritetään 0 (KD/h) 1/. Lasketaan TC 0 TC( 0 ) (KD/h) 1/ + p( 0 ) D TC i TC( i ) KD/ i + h i / + p i+1 D (i 1,,...,n-1) 3. Optimaalinen on se, jolla TC kohdassa on pienin. Algoritmiseen (so. numeeriseen) ratkaisuun joudutaan analyyttisen ratkaisun sijasta, koska minimoitava funktio on epäjatkuva Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 43

44 Kaksi tuotetta, rajoitettu varastotila (Lagrangen kertoja -menetelmä) EOQ-mallin olettamukset muuten, paitsi!varastoitavia tuotteita oletetaan olevan kaksi!varastotila voi osoittautua optimipolitiikkaa rajoittavaksi tekijäksi D 1, D kysynnät, toisistaan riippumattomat K 1, K tilauskustannukset h 1, h ylläpitokustannukset b 1, b tilantarve tuoteyksikköä kohti B käytettävissä oleva varastotila 1, eräkoot (päätösmuuttujat) Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 44

45 Lagrangen kertoja -menetelmä Malli kokonaiskustannuksille: TC( 1, ) K 1 D 1 / 1 + K D / + ½ h ½ h lisäehdolla b b B (tilarajoitus) Periaatteet ratkaisulle: 1 o Etsitään TC( 1, ):n tavallinen (vapaa) kahden muuttujan funktion ääriarvokohta. Jos ratkaisu toteuttaa tilarajoitusehdon, on optimiratkaisu löytynyt (varastotila riittää kaikissa olosuhteissa, koska se riittää suurimmalle mahdolliselle varastollekin). Ellei tilarajoitusehto toteudu, joudutaan etsimään ns. sidottu ääriarvo Lagrangen kertoja -menetelmällä (kohta o ) Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 45

46 Lagrangen kertoja -menetelmä o Muodostetaan ns. Lagrangen funktio, jonka tavallinen ääriarvokohta antaa alkuperäiselle kokonaiskustannusfunktiolle etsityn sidotun ääriarvokohdan. Lisäksi saadaan tärkeätä informaatiota rajoitusehdon tiukkuudesta. Vapaan ääriarvon määritys (kohta 1 o ): TC 1 TC K K D D h 1 h Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 46

47 Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 47 Lagrangen kertoja -menetelmä Yhtälöistä saadaan ratkaisemalla helposti ääriarvokohtaehdokas: h D K h D K Lagrangen funktion muodostaminen alkuperäisen tavoitefunktion, tilarajoituksen ja Lagrangen kertojan λ avulla (kohta o ): L( 1,, λ) TC( 1, ) + λ(b b B)

48 Lagrangen kertoja -menetelmä L:llä on sama ääriarvokohta muuttujien 1 ja suhteen kuin TC:lläkin edellyttäen, että λ:n kerrottavana oleva sulkulauseke 0, ts. että tilarajoitusehto toteutuu! Ääriarvokohdalle saadaan ehdot: L K 1 D h 1 + λb L K D + 1 h + λb 0 L λ b b B Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 48

49 Lagrangen kertoja -menetelmä Yhtälöryhmästä voidaan ratkaista (laskutoimitukset yleensä verraten monimutkaisia) lausekkeet 1 :lle ( opt 1 ) ja :lle ( opt ) sekä λ:lle. Yhtälöryhmän viimeinen yhtälö takaa, että ratkaisu toteuttaa tilarajoituksen. Ratkaisuna saadaan myös arvo λ:lle, Lagrangen kertojalle. Kertoimella λ on tärkeä taloudellinen tulkinta. Se ilmoittaa tilarajoitteen varjohinnan, ts. kuinka paljon (marginaalisesti optimissa) kustannukset lisääntyvät sen johdosta, että tila on pullonkaulatekijä. Jos varastotilaa olisi käytettävissä yksi tilayksikkö enemmän, varastoinnin kokonaiskustannukset alenisivat λ:n verran Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 49

50 Lagrangen kertoja -menetelmä Varjohinnoilla on erittäin keskeinen merkitys mm. lineaarisen optimointitehtävän (LP-mallin) ratkaisemisessa, sekä ratkaisuteknisesti että ratkaisun taloudellisen tulkinnan kannalta. LP-mallin herkkyysanalyysi mm. perustuu pääosin ratkaisuun liittyviin varjohintoihin. Seuraavassa tarkastellaan mallien yleistä herkkyysanalyysia varastomallia esimerkkinä käyttäen Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 50

51 Herkkyysanalyysi, yleistä Luonteeltaan mallin optiminjälkeistä tarkastelua, jonka sekä looginen että ajallinen paikka on mallityöskentelyn loppuvaiheessa Lähtökohtana valmiiksi formuloitu ja ratkaistu malli Tavoitteena tuottaa lisäinformaatiota mallin ja ratkaisun luonteesta tarkastelemalla mallin käyttäytymistä ja ominaisuuksia optimiratkaisun läheisyydessä Tunnetuinta herkkyysanalyysi on lineaarisen optimointitehtävän (LP-mallin) yhteydessä. Herkkyysanalyysi on itse asiassa osa LP-mallin ratkaisua (duaalimuuttujien varjohintatulkinnat) Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 51

52 Herkkyysanalyysi, yleistä 1 Mikä on optimituloksen herkkyys optimiratkaisun suhteen: paljonko tavoitefunktion arvo huononee suhteessa optimitulokseen, jos optimiratkaisun sijasta otetaan käyttöön jokin muu ratkaisu? hinta optimiratkaisusta poikkeamiselle Mikä on optimin p%:n läheisyysalue: mitkä ratkaisut johtavat enintään p% huonompaan tulokseen kuin optimiratkaisu? riittävän hyvien ratkaisujen kartoitus 3 Miten optimiratkaisu ja -tulos muuttuvat mallin lähtöolettamusten (vakioiden ja parametrien) muuttuessa? yksittäisen parametrin muutos (yhteys joustoihin) lähtötietojen epätarkkuuden vaikutus (virheanalyysi) lähtötietojen muuttamisen vaikutus(vaihtoehtolaskelmat) Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 5

53 Esimerkkejä herkkyysanalyysistä EOQ -mallin yhteydessä 1 Paljonko varastoinnin kokonaiskustannukset kohoavat, jos tilauserän kooksi 0 :n sijasta valitaankin α 0? Missä rajoissa tilauserän koko voi vaihdella ilman että kokonaiskustannukset kohoavat enemmän kuin p%? 3 a) Paljonko eräkoko ja kokonaiskustannukset muuttuvat, jos kysyntä D (tai tilauskustannukset K tai ylläpitokustannukset h) muuttuvat (ceteris paribus) p%? b) Mitkä ovat eräkoon ja kokonaiskustannusten optimiarvojen virhearviot, kun parametrien D, K ja h arvoja ei tunneta tarkasti vaan tietyllä suhteellisella tarkkuudella (epätarkkuus esim. max 10%)? c) Paljonko kannattaa investoida uuteen varastojärjestelmään, kun sen yksikkökustannus h on 100f % (esim. 0%) pienempi kuin nykyisen, pitoaika on N (esim. 0 v) ja laskentakorkokanta i ( 10%) Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 53

54 EOQ-mallin herkkyysanalyysi Malli ja sen ratkaisu: TC( ) KD KD 0 h TC0 TC( + 0 ) 1 h KDh h 0 1. Tuloksen (kokonaiskustannusten TC) herkkyys ratkaisun (eräkoon ) suhteen optimissa? Annettu: 0 -> α 0 ts. / 0 α Ratkaistava: TC -> TC 0 βtc 0 ; β TC /TC 0? Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 54

55 EOQ-mallin herkkyysanalyysi β TC TC 0 KD h KD + 1 h + 1 h 0 KD h h KD KD h ( ) 1 (α + 1 α ) Saadaan siis yhteys ratkaisun ( 0 ) suhteelliselle muutokselle α ja tuloksen (TC 0 ) suhteelliselle muutokselle β: 0 β 1 (α + 1 α ) ts. TC 1 (α + 1 α )TC Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 55

56 Esimerkki 4 Paljonko kokonaiskustannukset lisääntyvät, jos eräkoko a) kasvaa 50%, b) pienenee 50%? a) (α 1.5) TC 0.5 ( /1.5) TC TC 0 (8%:n kust. nousu) b) (α 0.5) TC 0.5 ( /0.5) TC TC 0 (5%:n kust. nousu!)! Malli on siis paljon herkempi poikkeamille optimiratkaisusta alas- kuin ylöspäin. Johtuu tavoitefunktion laakeudesta optimiratkaisun oikealla puolella. (Piirrä kuvio ja tarkastele asiaa siinä!)! Herkkyysanalyysi pätee vain optimin välittömässä läheisyydessä.! Tulokset ovat yleispäteviä EOQ-mallille, ne eivät riipu lainkaan parametrien K, D ja h arvoista (herkkyys jousto funktion ominaisuus) Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 56

57 EOQ-mallin herkkyysanalyysi, jatkoa. Optimiratkaisun p-prosentin läheisyysalue: Miten 1 ja on valittava, jotta olisi voimassa: aina kun [ 1, ], niin TC() (1 + p/100) TC 0, missä p on annettu? Kustannukset (1+p/100) TC 0 TC Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 57

58 EOQ-mallin herkkyysanalyysi, jatkoa TC Kohdasta 1: 1 (α + 1/α ) TC 0 Vaatimus: TC (1 + p TC ) P Saadaan rajaluku P:lle: 1 (α + 1/α ) P α α Pα α P ± P 1 1 (P P 1) 0 (P + P 1) 0 0 P ± P Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 58

59 Esimerkki 5 p 10% P (1.10 ( ) 0 1) Eräkoko saa kasvaa optimista korkeintaan 56% ja pienentyä korkeintaan 36%, jotta kokonaiskustannusten nousu olisi korkeintaan 10% Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 59

60 EOQ-mallin herkkyysanalyysi, jatkoa 3a. Jos kysyntä D muuttuu p%, paljonko muuttuu optimaalinen eräkoko, paljonko muuttuvat (kasvavat) optimaaliset kustannukset? D: suhteellinen muutos on annettu: D/D Suuretko ovat 0 / 0 ja TC 0 /TC 0? Pienille (infinitesimaalisille) muutoksille pätee: D/D dd/d Saadaan: 0 / 0 0 D d 0 D.. D/D D dd 0 0 Viimeksi mainittu lauseke (merk. E D ( 0 ) ) on 0 :n jousto D:n suhteen eli eräkoon kysyntäjousto Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 60

61 EOQ-mallin herkkyysanalyysi, jatkoa EOQ-mallille saadaan näin eräkoon kysyntäjoustoksi: 0 KD h ; d 0 dd 1 E D ( 0 ) d 0 dd D 0 h KD h K KD h K h D KD h 1 KD h 1 vakio! KD h Tulos: 0 :n suhteellinen muutos on puolet D:n suhteellisesta muutoksesta (likiarvo, pitää paikkansa sitä paremmin, mitä pienempi D on). Jos esim. D kasvaa (vähenee) 10%, niin 0 kasvaa (vähenee) 5%. Samoin on (totea itse laskemalla): E D (TC 0 ) 1/; E K ( 0 ) E K (TC 0 ) 1/ ; E h ( 0 ) - 1/ (!), E h (TC 0 ) 1/ Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 61

62 EOQ-mallin herkkyysanalyysi, jatkoa 3b. Parametrien arvojen muuttamisen kannattavuus? Investoinnilla I saadaan aikaan varastojärjestelmä, jonka ylläpitokustannus on 100f % pienempi kuin olemassa olevan järjestelmän (muut ominaisuudet ennallaan). Kuinka suuri saa I korkeintaan olla, jotta investointi olisi kannattava? Investoinnin pitoaika on N ja laskentakorkokanta i. TC 0 KDh dtc 0 TC 0 d lntc 0 1 Säästö vuodessa: dk K + dd D + dh h 1 (0 + 0 f ) 1 TC 0 dtc 0 1 f TC 0 1 f KDh TC 0 1 f KDh f Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 6

63 EOQ-mallin herkkyysanalyysi, jatkoa Säästö investoinnin pitoaikana (nykyarvomenetelmä): NPV( TC 0 ) a (N,i) 1 f KDh, missä on jaksollisten maksujen diskonttaustekijä. a (N,i) Saadaan kannattavuusehto investoinnille: I 1 f a (N,i) KDh Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 63

64 Esimerkki 6 Olkoot EOQ-mallin parametrit: D kpl/v K 000 mk h 6 mk/kpl v ja investointiin liittyvät parametrit: f 0.0 (h: 6 mk/kpl v 4.80 mk/kpl v) N 0 v i 0.10 a (N,i) Varastoinvestointi saa maksaa enintään: I 0.5 f a (N,i) (KDh) mk (investoinnin takaisinmaksuajan on oltava alle 9 vuotta) Professori Ilkka Virtanen: Talousmatematiikan perusteet, mallintaminen 64

Talousmatematiikan perusteet: Luento 15. Rajoitettu optimointi Lagrangen menetelmä Lagrangen kerroin ja varjohinta

Talousmatematiikan perusteet: Luento 15. Rajoitettu optimointi Lagrangen menetelmä Lagrangen kerroin ja varjohinta Talousmatematiikan perusteet: Luento 15 Rajoitettu optimointi Lagrangen menetelmä Lagrangen kerroin ja varjohinta Viime luennolla Tarkastelimme usean muuttujan funktioiden rajoittamatonta optimointia:

Lisätiedot

OPERAATIOANALYYSI ORMS.1020

OPERAATIOANALYYSI ORMS.1020 VAASAN YLIOPISTO Talousmatematiikka Prof. Ilkka Virtanen OPERAATIOANALYYSI ORMS.1020 Tentti 2.2.2008 1. Yrityksen tavoitteena on minimoida tuotannosta ja varastoinnista aiheutuvat kustannukset 4 viikon

Lisätiedot

Malliratkaisut Demo 1

Malliratkaisut Demo 1 Malliratkaisut Demo 1 1. Merkitään x = kuinka monta viikkoa odotetaan ennen kuin perunat nostetaan. Nyt maksimoitavaksi kohdefunktioksi tulee f(x) = (60 5x)(300 + 50x). Funktio f on alaspäin aukeava paraaeli,

Lisätiedot

Tilauserän koon optimointi EOQ mallin avulla huomioiden myös paljousalennukset ja tilarajoitteet

Tilauserän koon optimointi EOQ mallin avulla huomioiden myös paljousalennukset ja tilarajoitteet TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio Mat 2.18 Sovelletun matematiikan erikoistyö Tilauserän koon optimointi EOQ mallin avulla huomioiden myös paljousalennukset ja tilarajoitteet Petri

Lisätiedot

Talousmatematiikan perusteet: Luento 14. Rajoitettu optimointi Lagrangen menetelmä: yksi yhtälörajoitus Lagrangen menetelmä: monta yhtälörajoitusta

Talousmatematiikan perusteet: Luento 14. Rajoitettu optimointi Lagrangen menetelmä: yksi yhtälörajoitus Lagrangen menetelmä: monta yhtälörajoitusta Talousmatematiikan perusteet: Luento 14 Rajoitettu optimointi Lagrangen menetelmä: yksi yhtälörajoitus Lagrangen menetelmä: monta yhtälörajoitusta Viime luennolla Tarkastelimme usean muuttujan funktioiden

Lisätiedot

Malliratkaisut Demot

Malliratkaisut Demot Malliratkaisut Demot 1 23.1.2017 1. Päätösmuuttujiksi voidaan valita x 1 : tehtyjen peruspöytin lukumäärä x 2 : tehtyjen luxuspöytien lukumäärä. Optimointitehtäväksi tulee max 200x 1 + 350x 2 s. t. 5x

Lisätiedot

f(x, y) = x 2 y 2 f(0, t) = t 2 < 0 < t 2 = f(t, 0) kaikilla t 0.

f(x, y) = x 2 y 2 f(0, t) = t 2 < 0 < t 2 = f(t, 0) kaikilla t 0. Ääriarvon laatu Jatkuvasti derivoituvan funktion f lokaali ääriarvokohta (x 0, y 0 ) on aina kriittinen piste (ts. f x (x, y) = f y (x, y) = 0, kun x = x 0 ja y = y 0 ), mutta kriittinen piste ei ole aina

Lisätiedot

Varastonhallinnan optimointi

Varastonhallinnan optimointi Varastonhallinnan optimointi Timo Ranta Tutkijatohtori TTY Porin laitos OPTIMI 4.6.215 Peruskysymykset Kuinka paljon tilataan? Milloin tilataan? 2 (46) Kustannuksia Tavaran hinta Varastointikustannukset

Lisätiedot

Talousmatematiikan perusteet: Luento 12. Lineaarinen optimointitehtävä Graafinen ratkaisu Ratkaisu Excel Solverilla

Talousmatematiikan perusteet: Luento 12. Lineaarinen optimointitehtävä Graafinen ratkaisu Ratkaisu Excel Solverilla Talousmatematiikan perusteet: Luento 12 Lineaarinen optimointitehtävä Graafinen ratkaisu Ratkaisu Excel Solverilla Esimerkki Esim. Yritys tekee kahta elintarviketeollisuuden käyttämää puolivalmistetta,

Lisätiedot

min x x2 2 x 1 + x 2 1 = 0 (1) 2x1 1, h = f = 4x 2 2x1 + v = 0 4x 2 + v = 0 min x x3 2 x1 = ± v/3 = ±a x 2 = ± v/3 = ±a, a > 0 0 6x 2

min x x2 2 x 1 + x 2 1 = 0 (1) 2x1 1, h = f = 4x 2 2x1 + v = 0 4x 2 + v = 0 min x x3 2 x1 = ± v/3 = ±a x 2 = ± v/3 = ±a, a > 0 0 6x 2 TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio Mat-39 Optimointioppi Kimmo Berg 6 harjoitus - ratkaisut min x + x x + x = () x f = 4x, h = x 4x + v = { { x + v = 4x + v = x = v/ x = v/4 () v/ v/4

Lisätiedot

2 Yhtälöitä ja epäyhtälöitä

2 Yhtälöitä ja epäyhtälöitä 2 Yhtälöitä ja epäyhtälöitä 2.1 Ensimmäisen asteen yhtälö ja epäyhtälö Muuttujan x ensimmäisen asteen yhtälöksi sanotaan yhtälöä, joka voidaan kirjoittaa muotoon ax + b = 0, missä vakiot a ja b ovat reaalilukuja

Lisätiedot

Harjoitus 9: Optimointi I (Matlab)

Harjoitus 9: Optimointi I (Matlab) Harjoitus 9: Optimointi I (Matlab) MS-C2107 Sovelletun matematiikan tietokonetyöt MS-C2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Optimointimallin muodostaminen Optimointitehtävien

Lisätiedot

Mat-2.148 Dynaaminen optimointi, mallivastaukset, kierros 5

Mat-2.148 Dynaaminen optimointi, mallivastaukset, kierros 5 Mat-2.148 Dynaaminen optimointi, mallivastaukset, kierros 5 1. Kotitehtävä. 2. Lasketaan aluksi korkoa korolle. Jos korkoprosentti on r, ja korko maksetaan n kertaa vuodessa t vuoden ajan, niin kokonaisvuosikorko

Lisätiedot

110. 111. 112. 113. 114. 4. Matriisit ja vektorit. 4.1. Matriisin käsite. 4.2. Matriisialgebra. Olkoon A = , B = Laske A + B, 5 14 9, 1 3 3

110. 111. 112. 113. 114. 4. Matriisit ja vektorit. 4.1. Matriisin käsite. 4.2. Matriisialgebra. Olkoon A = , B = Laske A + B, 5 14 9, 1 3 3 4 Matriisit ja vektorit 4 Matriisin käsite 42 Matriisialgebra 0 2 2 0, B = 2 2 4 6 2 Laske A + B, 2 A + B, AB ja BA A + B = 2 4 6 5, 2 A + B = 5 9 6 5 4 9, 4 7 6 AB = 0 0 0 6 0 0 0, B 22 2 2 0 0 0 6 5

Lisätiedot

1. Lineaarinen optimointi

1. Lineaarinen optimointi 0 1. Lineaarinen optimointi 1. Lineaarinen optimointi 1.1 Johdatteleva esimerkki Esimerkki 1.1.1 Giapetto s Woodcarving inc. valmistaa kahdenlaisia puuleluja: sotilaita ja junia. Sotilaan myyntihinta on

Lisätiedot

MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 7: Pienimmän neliösumman menetelmä ja Newtonin menetelmä.

MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 7: Pienimmän neliösumman menetelmä ja Newtonin menetelmä. MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 7: Pienimmän neliösumman menetelmä ja Newtonin menetelmä. Antti Rasila Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Kevät 2016

Lisätiedot

Harjoitus 8: Excel - Optimointi

Harjoitus 8: Excel - Optimointi Harjoitus 8: Excel - Optimointi Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Lineaarisen optimointimallin muodostaminen

Lisätiedot

Matemaattinen Analyysi

Matemaattinen Analyysi Vaasan yliopisto, kevät 2015 / ORMS1010 Matemaattinen Analyysi 7. harjoitus, viikko 17 R1 ma 16 18 D115 (20.4.) R2 ke 12 14 B209 (22.4.) 1. Määritä funktiolle f (x) 1 + 0,1x Taylorin sarja kehityskeskuksena

Lisätiedot

Talousmatematiikan perusteet, ORMS1030

Talousmatematiikan perusteet, ORMS1030 Tamprn ksäyliopisto, 2015-2016 Talousmatmatiikan prustt, ORMS1030 1. väliko, (ti 15.12.2015) Ratkais 3 thtävää. Kokssa saa olla mukana laskin (myös graafinn laskin on sallittu) ja taulukkokirja (MAOL tai

Lisätiedot

3 = Lisäksi z(4, 9) = = 21, joten kysytty lineaarinen approksimaatio on. L(x,y) =

3 = Lisäksi z(4, 9) = = 21, joten kysytty lineaarinen approksimaatio on. L(x,y) = BM20A5810 Differentiaalilaskenta ja sovellukset Harjoitus 6, Syksy 2016 1. (a) Olkoon z = z(x,y) = yx 1/2 + y 1/2. Muodosta z:lle lineaarinen approksimaatio L(x,y) siten että approksimaation ja z:n arvot

Lisätiedot

Talousmatematiikan perusteet

Talousmatematiikan perusteet kevät 19 / orms.30 Talousmatematiikan perusteet 8. harjoitus, viikko 11 (11.03..03.19) L Ma 12 A2 R0 Ti 14 16 F43 R01 Ma 12 14 F43 L To 08 A2 R02 Ma 16 18 F43 R06 To 12 14 F140 R03 Ti 08 F42 R07 Pe 08

Lisätiedot

Yhtälöryhmät 1/6 Sisältö ESITIEDOT: yhtälöt

Yhtälöryhmät 1/6 Sisältö ESITIEDOT: yhtälöt Yhtälöryhmät 1/6 Sisältö Yhtälöryhmä Yhtälöryhmässä on useita yhtälöitä ja yleensä myös useita tuntemattomia. Tavoitteena on löytää tuntemattomille sellaiset arvot, että kaikki yhtälöt toteutuvat samanaikaisesti.

Lisätiedot

Duaalisuus kokonaislukuoptimoinnissa. Mat , Sovelletun matematiikan tutkijaseminaari, kevät 2008, Janne Karimäki

Duaalisuus kokonaislukuoptimoinnissa. Mat , Sovelletun matematiikan tutkijaseminaari, kevät 2008, Janne Karimäki Duaalisuus kokonaislukuoptimoinnissa Mat-2.4191, Sovelletun matematiikan tutkijaseminaari, kevät 2008, Janne Karimäki Sisältö Duaalisuus binäärisissä optimointitehtävissä Lagrangen duaalisuus Lagrangen

Lisätiedot

b 1. b m ) + ( 2b Ax) + (b b)

b 1. b m ) + ( 2b Ax) + (b b) TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio Mat-9 Optimointioppi Kimmo Berg 5 harjoitus - ratkaisut min Ax b (vertaa PNS-tehtävät) a x + + a n x n a) Ax b = a m x + + a mn x n = x a a m }{{}

Lisätiedot

Talousmatematiikan perusteet: Luento 11. Lineaarinen optimointitehtävä Graafinen ratkaisu Ratkaisu Excel Solverilla

Talousmatematiikan perusteet: Luento 11. Lineaarinen optimointitehtävä Graafinen ratkaisu Ratkaisu Excel Solverilla Talousmatematiikan perusteet: Luento 11 Lineaarinen optimointitehtävä Graafinen ratkaisu Ratkaisu Excel Solverilla Esimerkki Esim. Yritys tekee kahta elintarviketeollisuuden käyttämää puolivalmistetta,

Lisätiedot

Matematiikan peruskurssi (MATY020) Harjoitus 10 to

Matematiikan peruskurssi (MATY020) Harjoitus 10 to Matematiikan peruskurssi (MATY00) Harjoitus 10 to 6.3.009 1. Määrää funktion f(x, y) = x 3 y (x + 1) kaikki ensimmäisen ja toisen kertaluvun osittaisderivaatat. Ratkaisu. Koska f(x, y) = x 3 y x x 1, niin

Lisätiedot

2 Osittaisderivaattojen sovelluksia

2 Osittaisderivaattojen sovelluksia 2 Osittaisderivaattojen sovelluksia 2.1 Ääriarvot Yhden muuttujan funktiolla f(x) on lokaali maksimiarvo (lokaali minimiarvo) pisteessä a, jos f(x) f(a) (f(x) f(a)) kaikilla x:n arvoilla riittävän lähellä

Lisätiedot

Aki Taanila LINEAARINEN OPTIMOINTI

Aki Taanila LINEAARINEN OPTIMOINTI Aki Taanila LINEAARINEN OPTIMOINTI 26.4.2011 JOHDANTO Tässä monisteessa esitetään lineaarisen optimoinnin alkeet. Moniste sisältää tarvittavat Excel ohjeet. Viimeisin versio tästä monisteesta ja siihen

Lisätiedot

Kuljetustehtävä. Materiaalia kuljetetaan m:stä lähtöpaikasta n:ään tarvepaikkaan. Kuljetuskustannukset lähtöpaikasta i tarvepaikkaan j ovat c ij

Kuljetustehtävä. Materiaalia kuljetetaan m:stä lähtöpaikasta n:ään tarvepaikkaan. Kuljetuskustannukset lähtöpaikasta i tarvepaikkaan j ovat c ij Kuljetustehtävä Materiaalia kuljetetaan m:stä lähtöpaikasta n:ään tarvepaikkaan Kuljetuskustannukset lähtöpaikasta i tarvepaikkaan j ovat c ij Lähtöpaikan i kapasiteetti on a i (oletetaan, että a i > 0

Lisätiedot

Funktion raja-arvo ja jatkuvuus Reaali- ja kompleksifunktiot

Funktion raja-arvo ja jatkuvuus Reaali- ja kompleksifunktiot 3. Funktion raja-arvo ja jatkuvuus 3.1. Reaali- ja kompleksifunktiot 43. Olkoon f monotoninen ja rajoitettu välillä ]a,b[. Todista, että raja-arvot lim + f (x) ja lim x b f (x) ovat olemassa. Todista myös,

Lisätiedot

Luento 12: Duaalitehtävä. Tarkennuksia Lagrangen kertoimen tulkintaan. Hajautettu optimointi.

Luento 12: Duaalitehtävä. Tarkennuksia Lagrangen kertoimen tulkintaan. Hajautettu optimointi. Luento 12: Duaalitehtävä. Tarkennuksia Lagrangen kertoimen tulkintaan. Hajautettu optimointi. Konveksisuus Muista. + αd, α 0, on pisteessä R n alkava puolisuora, joka on vektorin d suuntainen. Samoin 2

Lisätiedot

Luento 2: Optimointitehtävän graafinen ratkaiseminen. LP-malli.

Luento 2: Optimointitehtävän graafinen ratkaiseminen. LP-malli. Luento 2: Optimointitehtävän graafinen ratkaiseminen. LP-malli. LP-malli Esimerkki. Maalitehdas valmistaa ulko- ja sisämaalia raaka-aineista M1 ja M2. Sisämaalin maksimikysyntä on 2 tonnia/päivä. Sisämaalin

Lisätiedot

Numeeriset menetelmät TIEA381. Luento 12. Kirsi Valjus. Jyväskylän yliopisto. Luento 12 () Numeeriset menetelmät / 33

Numeeriset menetelmät TIEA381. Luento 12. Kirsi Valjus. Jyväskylän yliopisto. Luento 12 () Numeeriset menetelmät / 33 Numeeriset menetelmät TIEA381 Luento 12 Kirsi Valjus Jyväskylän yliopisto Luento 12 () Numeeriset menetelmät 25.4.2013 1 / 33 Luennon 2 sisältö Tavallisten differentiaaliyhtälöiden numeriikasta Rungen

Lisätiedot

Harjoitus 6 ( )

Harjoitus 6 ( ) Harjoitus 6 (30.4.2014) Tehtävä 1 Määritelmän (ks. luentomoniste s. 109) mukaan yleisen, muotoa min f(x) s.t. g(x) 0 h(x) = 0 x X (1) olevan optimointitehtävän Lagrangen duaali on max θ(u,v) s.t. u 0,

Lisätiedot

12. Hessen matriisi. Ääriarvoteoriaa

12. Hessen matriisi. Ääriarvoteoriaa 179 12. Hessen matriisi. Ääriarvoteoriaa Tarkastelemme tässä luvussa useamman muuttujan (eli vektorimuuttujan) n reaaliarvoisia unktioita : R R. Edellisessä luvussa todettiin, että riittävän säännöllisellä

Lisätiedot

Kustannusten minimointi, kustannusfunktiot

Kustannusten minimointi, kustannusfunktiot Kustannusten minimointi, kustannusfunktiot Luvut 20 ja 21 Marita Laukkanen November 3, 2016 Marita Laukkanen Kustannusten minimointi, kustannusfunktiot November 3, 2016 1 / 17 Kustannusten minimointiongelma

Lisätiedot

Luento 12: Duaalitehtävä. Tarkennuksia Lagrangen kertoimen tulkintaan. Hajautettu optimointi.

Luento 12: Duaalitehtävä. Tarkennuksia Lagrangen kertoimen tulkintaan. Hajautettu optimointi. Luento 12: Duaalitehtävä. Tarkennuksia Lagrangen kertoimen tulkintaan. Hajautettu optimointi. Konveksisuus Muista x + αd, α 0, on pisteestä x R n alkava puolisuora, joka on vektorin d suuntainen. Samoin

Lisätiedot

Graafit ja verkot. Joukko solmuja ja joukko järjestämättömiä solmupareja. eli haaroja. Joukko solmuja ja joukko järjestettyjä solmupareja eli kaaria

Graafit ja verkot. Joukko solmuja ja joukko järjestämättömiä solmupareja. eli haaroja. Joukko solmuja ja joukko järjestettyjä solmupareja eli kaaria Graafit ja verkot Suuntamaton graafi: eli haaroja Joukko solmuja ja joukko järjestämättömiä solmupareja Suunnattu graafi: Joukko solmuja ja joukko järjestettyjä solmupareja eli kaaria Haaran päätesolmut:

Lisätiedot

Solmu 3/2001 Solmu 3/2001. Kevään 2001 ylioppilaskirjoitusten pitkän matematiikan kokeessa oli seuraava tehtävä:

Solmu 3/2001 Solmu 3/2001. Kevään 2001 ylioppilaskirjoitusten pitkän matematiikan kokeessa oli seuraava tehtävä: Frégier n lause Simo K. Kivelä Kevään 2001 ylioppilaskirjoitusten pitkän matematiikan kokeessa oli seuraava tehtävä: Suorakulmaisen kolmion kaikki kärjet sijaitsevat paraabelilla y = x 2 ; suoran kulman

Lisätiedot

30A01000 Taulukkolaskenta ja analytiikka Luku 8: Lineaarinen optimointi ja sen sovellukset

30A01000 Taulukkolaskenta ja analytiikka Luku 8: Lineaarinen optimointi ja sen sovellukset 30A01000 Taulukkolaskenta ja analytiikka Luku 8: Lineaarinen optimointi ja sen sovellukset Mitä on lineaarinen optimointi (LP)? LP= lineaarinen optimointiongelma (Linear Programming) Menetelmä, jolla etsitään

Lisätiedot

2.2.1 Ratkaiseminen arvausta sovittamalla

2.2.1 Ratkaiseminen arvausta sovittamalla 2.2.1 Ratkaiseminen arvausta sovittamalla Esimerkki: lomitusjärjestäminen (edellä) Yleistys: Ratkaistava T (1) c T (n) g(t (1),..., T (n 1), n) missä g on n ensimmäisen parametrin suhteen kasvava. (Ratkaisu

Lisätiedot

PRELIMINÄÄRIKOE. Pitkä Matematiikka 3.2.2015

PRELIMINÄÄRIKOE. Pitkä Matematiikka 3.2.2015 PRELIMINÄÄRIKOE Pitkä Matematiikka..5 Vastaa enintään kymmeneen tehtävään. Tähdellä merkittyjen (*) tehtävien maksimipistemäärä on 9, muiden tehtävien maksimipistemäärä on 6.. a) Ratkaise epäyhtälö >.

Lisätiedot

MAY1 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty 12.4.2016 Julkaiseminen sallittu vain koulun suljetussa verkossa.

MAY1 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty 12.4.2016 Julkaiseminen sallittu vain koulun suljetussa verkossa. KERTAUS Lukujono KERTAUSTEHTÄVIÄ K1. Ratkaisussa annetaan esimerkit mahdollisista säännöistä. a) Jatketaan lukujonoa: 2, 4, 6, 8, 10, 12, 14, 16, Rekursiivinen sääntö on, että lukujonon ensimmäinen jäsen

Lisätiedot

Trigonometrian kaavat 1/6 Sisältö ESITIEDOT: trigonometriset funktiot

Trigonometrian kaavat 1/6 Sisältö ESITIEDOT: trigonometriset funktiot Trigonometrian kaavat 1/6 Sisältö Ulkoa muistettavat peruskaavat Trigonometrisia funktioita koskevia kaavoja on paljon. Seuraavassa esitetään tärkeimmät ja lyhyet ohjeet niiden muistamiseen. Varsinaisesti

Lisätiedot

Likimääräisratkaisut ja regularisaatio

Likimääräisratkaisut ja regularisaatio Luku 3 Likimääräisratkaisut ja regularisaatio Käytännön inversio-ongelmissa annettu data y ei aina ole tarkkaa, vaan sisältää häiriöitä. Tuntemattomasta x on annettu häiriöinen data y F (x + }{{}}{{} ε.

Lisätiedot

Luku 6. Dynaaminen ohjelmointi. 6.1 Funktion muisti

Luku 6. Dynaaminen ohjelmointi. 6.1 Funktion muisti Luku 6 Dynaaminen ohjelmointi Dynaamisessa ohjelmoinnissa on ideana jakaa ongelman ratkaisu pienempiin osaongelmiin, jotka voidaan ratkaista toisistaan riippumattomasti. Jokaisen osaongelman ratkaisu tallennetaan

Lisätiedot

(1) refleksiivinen, (2) symmetrinen ja (3) transitiivinen.

(1) refleksiivinen, (2) symmetrinen ja (3) transitiivinen. Matematiikassa ja muuallakin joudutaan usein tekemisiin sellaisten relaatioiden kanssa, joiden lakina on tietyn ominaisuuden samuus. Tietyn ominaisuuden samuus -relaatio on ekvivalenssi; se on (1) refleksiivinen,

Lisätiedot

a b c d + + + + + + + + +

a b c d + + + + + + + + + 28. 10. 2010!"$#&%(')'+*(#-,.*/1032/465$*784 /(9:*;9."$ *;5> *@9 a b c d 1. + + + 2. 3. 4. 5. 6. + + + + + + + + + + P1. Valitaan kannaksi sivu, jonka pituus on 4. Koska toinen jäljelle jäävistä sivuista

Lisätiedot

Jälki- ja herkkyysanalyysi. Tutkitaan eri kertoimien ja vakioiden arvoissa tapahtuvien muutosten vaikutusta optimiratkaisuun

Jälki- ja herkkyysanalyysi. Tutkitaan eri kertoimien ja vakioiden arvoissa tapahtuvien muutosten vaikutusta optimiratkaisuun Jälki- ja herkkyysanalyysi Tutkitaan eri kertoimien ja vakioiden arvoissa tapahtuvien muutosten vaikutusta optimiratkaisuun 1 Hinnat ja varjohinnat Objektifunktio c T x = Kerroin c j ilmoittaa, paljonko

Lisätiedot

Matematiikassa ja muuallakin joudutaan usein tekemisiin sellaisten relaatioiden kanssa, joiden lakina on tietyn ominaisuuden samuus.

Matematiikassa ja muuallakin joudutaan usein tekemisiin sellaisten relaatioiden kanssa, joiden lakina on tietyn ominaisuuden samuus. Matematiikassa ja muuallakin joudutaan usein tekemisiin sellaisten relaatioiden kanssa, joiden lakina on tietyn ominaisuuden samuus. Matematiikassa ja muuallakin joudutaan usein tekemisiin sellaisten relaatioiden

Lisätiedot

Lineaarinen optimointi. Harjoitus 6-7, Olkoon A R m n, x, c R ja b R m. Osoita, että LP-tehtävän. c T x = min!

Lineaarinen optimointi. Harjoitus 6-7, Olkoon A R m n, x, c R ja b R m. Osoita, että LP-tehtävän. c T x = min! Lineaarinen optimointi Harjoitus 6-7, 016. 1. Olkoon A R m n, x, c R ja b R m. Osoita, että LP-tehtävän c T x = min! (T) Ax b x 0 duaalitehtävän duaali on tehtävä (T). Ratkaisu. (P) c T x = min! Ax b x

Lisätiedot

y x1 σ t 1 = c y x 1 σ t 1 = y x 2 σ t 2 y x 2 x 1 y = σ(t 2 t 1 ) x 2 x 1 y t 2 t 1

y x1 σ t 1 = c y x 1 σ t 1 = y x 2 σ t 2 y x 2 x 1 y = σ(t 2 t 1 ) x 2 x 1 y t 2 t 1 1. Tarkastellaan funktiota missä σ C ja y (y 1,..., y n ) R n. u : R n R C, u(x, t) e i(y x σt), (a) Miksi funktiota u(x, t) voidaan kutsua tasoaalloksi, jonka aaltorintama on kohtisuorassa vektorin y

Lisätiedot

8 Yrityksen teoria: tuotanto ja kustannukset (Taloustieteen oppikirja, luku 5; Mankiw & Taylor, 2 nd ed., ch 13)

8 Yrityksen teoria: tuotanto ja kustannukset (Taloustieteen oppikirja, luku 5; Mankiw & Taylor, 2 nd ed., ch 13) 8 Yrityksen teoria: tuotanto ja kustannukset (Taloustieteen oppikirja, luku 5; Mankiw & Taylor, 2 nd ed., ch 13) Tavaroiden ja palvelujen tuotanto tapahtuu yrityksissä Yritykset tuntevat niiden valmistukseen

Lisätiedot

Sopimusteoria: Salanie luku 3.2

Sopimusteoria: Salanie luku 3.2 Sopimusteoria: Salanie luku 3.2 Antti Pirjetä Taloustieteiden kvantitatiiviset menetelmät Helsingin kauppakorkeakoulu 12.2.2008 1 Kilpaillut markkinat, yksi tai useampi päämies Agenttien 1 ja 2 tuottamat

Lisätiedot

Talousmatematiikan perusteet: Luento 13. Usean muuttujan funktiot Osittaisderivaatta ja gradientti Suhteellinen muutosnopeus ja osittaisjousto

Talousmatematiikan perusteet: Luento 13. Usean muuttujan funktiot Osittaisderivaatta ja gradientti Suhteellinen muutosnopeus ja osittaisjousto Talousmatematiikan perusteet: Luento 13 Usean muuttujan funktiot Osittaisderivaatta ja gradientti Suhteellinen muutosnopeus ja osittaisjousto Aiemmilla luennoilla Tähän mennessä olemme tarkastelleet Erilaisia

Lisätiedot

LIITTEET Liite A Stirlingin kaavan tarkkuudesta...2. Liite B Lagrangen kertoimet...3

LIITTEET Liite A Stirlingin kaavan tarkkuudesta...2. Liite B Lagrangen kertoimet...3 LIITTEET... 2 Liite A Stirligi kaava tarkkuudesta...2 Liite B Lagrage kertoimet... 2 Liitteet Liitteet Liite A Stirligi kaava tarkkuudesta Luoollista logaritmia suureesta! approksimoidaa usei Stirligi

Lisätiedot

6 Variaatiolaskennan perusteet

6 Variaatiolaskennan perusteet 6 Variaatiolaskennan perusteet Sivut ss. 22 26 pääosin lähteen [Kirk, Ch. 4, ss. 107 127] pohjalta Variaatiolaskenta keskittyy lokaaliin analyysiin eli funktion lokaalin minimin vastineisiin funktionaaleilla.

Lisätiedot

Dynaamiset regressiomallit

Dynaamiset regressiomallit MS-C2128 Ennustaminen ja Aikasarja-analyysi, Lauri Viitasaari Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2016 Tilastolliset aikasarjat voidaan jakaa kahteen

Lisätiedot

1 Rajoitettu optimointi II - kustannusfunktio, Lagrangen kertoimet varjohintoina

1 Rajoitettu optimointi II - kustannusfunktio, Lagrangen kertoimet varjohintoina Taloustieteen mat.menetelmät syksy27 materiaali II-2 Rajoitettu optimointi II - kustannusfunktio, Lagrangen kertoimet varjohintoina. Tuotanto Yritys valmistaa yhtä tuotetta n:stä tuotannontekijästä/panoksesta

Lisätiedot

8 Yritys kilpailullisilla markkinoilla (Mankiw & Taylor, Ch 14)

8 Yritys kilpailullisilla markkinoilla (Mankiw & Taylor, Ch 14) 8 Yritys kilpailullisilla markkinoilla (Mankiw & Taylor, Ch 14) Markkinat ovat kilpailulliset silloin, kun siellä on niin paljon yrityksiä, että jokainen pitää markkinoilla määräytyvää hintaa omista toimistaan

Lisätiedot

Preliminäärikoe Pitkä Matematiikka 3.2.2009

Preliminäärikoe Pitkä Matematiikka 3.2.2009 Preliminäärikoe Pitkä Matematiikka..9 x x a) Ratkaise yhtälö =. 4 b) Ratkaise epäyhtälö x > x. c) Sievennä lauseke ( a b) (a b)(a+ b).. a) Osakkeen kurssi laski aamupäivällä,4 % ja keskipäivällä 5,6 %.

Lisätiedot

Talousmatematiikan perusteet: Luento 12. Usean muuttujan funktiot Osittaisderivaatta Gradientti Suhteellinen muutosnopeus ja osittaisjousto

Talousmatematiikan perusteet: Luento 12. Usean muuttujan funktiot Osittaisderivaatta Gradientti Suhteellinen muutosnopeus ja osittaisjousto Talousmatematiikan perusteet: Luento 12 Usean muuttujan funktiot Osittaisderivaatta Gradientti Suhteellinen muutosnopeus ja osittaisjousto Aiemmilla luennoilla Tähän mennessä olemme tarkastelleet Erilaisia

Lisätiedot

Havaitsevan tähtitieteen peruskurssi I

Havaitsevan tähtitieteen peruskurssi I Havaintokohteita 9. Polarimetria Lauri Jetsu Fysiikan laitos Helsingin yliopisto Havaintokohteita Polarimetria Havaintokohteita (kuvat: @phys.org/news, @annesastronomynews.com) Yleiskuvaus: Polarisaatio

Lisätiedot

7 Yrityksen teoria: tuotanto ja kustannukset (Mankiw & Taylor, Ch 13)

7 Yrityksen teoria: tuotanto ja kustannukset (Mankiw & Taylor, Ch 13) 7 Yrityksen teoria: tuotanto ja kustannukset (Mankiw & Taylor, Ch 13) Tavaroiden ja palvelujen tuotanto tapahtuu yrityksissä Yritykset tuntevat niiden valmistukseen tarvittavan teknologian teknologia on

Lisätiedot

INFO / Matemaattinen Analyysi, k2016, L0

INFO / Matemaattinen Analyysi, k2016, L0 INFO / Matemaattinen Analyysi, k2016, L0 orms1010, Aikataulu 1 kevät 2016 ORMS1010 Matemaattinen analyysi, luennot Ke 14-16 Viikot 09-10 salissa F119 Ke 14-16 Viikot 11 salissa F140 Ke 14-16 Viikot 13-18

Lisätiedot

Numeeriset menetelmät

Numeeriset menetelmät Numeeriset menetelmät Luento 1 Ti 6.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 1 Ti 6.9.2011 p. 1/28 p. 1/28 Numeriikan termejä Simulointi: Reaalimaailman ilmiöiden jäljitteleminen (yleensä)

Lisätiedot

1 Rajoitettu optimointi I

1 Rajoitettu optimointi I Taloustieteen mat.menetelmät 2017 materiaali II-1 1 Rajoitettu optimointi I 1.1 Tarvittavaa osaamista Matriisit ja vektorit, matriisien de niittisyys Derivointi (mm. ketjusääntö, Taylorin kehitelmä) Implisiittifunktiolause

Lisätiedot

MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 4: Ketjusäännöt ja lineaarinen approksimointi

MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 4: Ketjusäännöt ja lineaarinen approksimointi MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 4: Ketjusäännöt ja lineaarinen approksimointi Antti Rasila Aalto-yliopisto Syksy 2015 Antti Rasila (Aalto-yliopisto) MS-A0202 Syksy 2015 1

Lisätiedot

Dynaaminen optimointi

Dynaaminen optimointi Dynaaminen optimointi Tapa ratkaista optimointitehtävä Tehtävä ratkaistaan vaiheittain ja vaiheet yhdistetään rekursiivisesti Perustuu optimaalisuusperiaatteeseen: Optimaalisen ratkaisupolun loppuosa on

Lisätiedot

, tuottoprosentti r = X 1 X 0

, tuottoprosentti r = X 1 X 0 Ostat osakkeen hintaan ja myyt sen vuoden myöhemmin hintaan X 1. Kokonaistuotto on tällöin R = X 1, tuottoprosentti r = X 1 ja pätee R = 1 + r. Lyhyeksimyymisellä tarkoitetaan, että voit myydä osakkeen

Lisätiedot

Algoritmit 1. Luento 13 Ti 23.2.2016. Timo Männikkö

Algoritmit 1. Luento 13 Ti 23.2.2016. Timo Männikkö Algoritmit 1 Luento 13 Ti 23.2.2016 Timo Männikkö Luento 13 Suunnittelumenetelmät Taulukointi Kapsäkkiongelma Ahne menetelmä Verkon lyhimmät polut Dijkstran menetelmä Verkon lyhin virittävä puu Kruskalin

Lisätiedot

LIITE 1 VIRHEEN ARVIOINNISTA

LIITE 1 VIRHEEN ARVIOINNISTA 1 LIITE 1 VIRHEEN ARVIOINNISTA Mihin tarvitset virheen arviointia? Mittaustulokset ovat aina todellisten luonnonvakioiden ja tutkimuskohdetta kuvaavien suureiden likiarvoja, vaikka mittauslaite olisi miten

Lisätiedot

Luku 4. Derivoituvien funktioiden ominaisuuksia.

Luku 4. Derivoituvien funktioiden ominaisuuksia. 1 MAT-1343 Laaja matematiikka 3 TTY 1 Risto Silvennoinen Luku 4 Derivoituvien funktioiden ominaisuuksia Derivaatan olemassaolosta seuraa funktioille eräitä säännöllisyyksiä Näistä on jo edellisessä luvussa

Lisätiedot

4 Kysyntä, tarjonta ja markkinatasapaino (Mankiw & Taylor, 2 nd ed., chs 4-5)

4 Kysyntä, tarjonta ja markkinatasapaino (Mankiw & Taylor, 2 nd ed., chs 4-5) 4 Kysyntä, tarjonta ja markkinatasapaino (Mankiw & Taylor, 2 nd ed., chs 4-5) Opimme tässä ja seuraavissa luennoissa että markkinat ovat hyvä tapa koordinoida taloudellista toimintaa (mikä on yksi taloustieteen

Lisätiedot

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Matriisihajotelmat: Schur ja Jordan Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 18 R. Kangaslampi Matriisihajotelmat:

Lisätiedot

Talousmatematiikan perusteet: Johdanto. Kurssin tavoitteet Käytännön järjestelyt Suosituksia suorittamiseen

Talousmatematiikan perusteet: Johdanto. Kurssin tavoitteet Käytännön järjestelyt Suosituksia suorittamiseen Talousmatematiikan perusteet: Johdanto Kurssin tavoitteet Käytännön järjestelyt Suosituksia suorittamiseen Kurssin tavoitteet Matematiikkaa hyödynnetään monilla kauppa- ja taloustieteen osaalueilla Esim.

Lisätiedot

Malliratkaisut Demot 6,

Malliratkaisut Demot 6, Malliratkaisut Demot 6, 19.2.21 Tehtävä 1 Edellisten demojen tehtävä oli muotoa max 3x 1 + 4x 2 s.t. 7x 1 + 3x 2 24 : v 1 x 1 + 4x 2 17 : v 2 x 2 3 : v 3 x 1, x 2. Kohdefunktio voitiin kirjoittaa myös

Lisätiedot

6. Luennon sisältö. Lineaarisen optimoinnin duaaliteoriaa

6. Luennon sisältö. Lineaarisen optimoinnin duaaliteoriaa JYVÄSKYLÄN YLIOPISTO 6. Luennon sisältö Lineaarisen optimoinnin duaaliteoriaa työkalu ratkaisun analysointiin Jälki- ja herkkyysanalyysiä mitä tapahtuu optimiratkaisulle, jos tehtävän vakiot hieman muuttuvat

Lisätiedot

Y56 Laskuharjoitukset 4 Palautus viim. ti klo (luennolla!) Opiskelijan nimi. Opiskelijanumero

Y56 Laskuharjoitukset 4 Palautus viim. ti klo (luennolla!) Opiskelijan nimi. Opiskelijanumero Y56 Kevät 2010 1 Y56 Laskuharjoitukset 4 Palautus viim. ti 30.3. klo 12-14 (luennolla!) Opiskelijan nimi Opiskelijanumero Harjoitus 1. Tuotantoteknologia Tavoitteena on oppia hahmottamaan yrityksen tuotantoa

Lisätiedot

1 2 x2 + 1 dx. (2p) x + 2dx. Kummankin integraalin laskeminen oikein (vastaukset 12 ja 20 ) antaa erikseen (2p) (integraalifunktiot

1 2 x2 + 1 dx. (2p) x + 2dx. Kummankin integraalin laskeminen oikein (vastaukset 12 ja 20 ) antaa erikseen (2p) (integraalifunktiot Helsingin yliopisto, Itä-Suomen yliopisto, Jyväskylän yliopisto, Oulun yliopisto, Tampereen yliopisto ja Turun yliopisto Matematiikan valintakoe (Ratkaisut ja pisteytys) 500 Kustakin tehtävästä saa maksimissaan

Lisätiedot

Talousmatematiikan perusteet: Luento 10. Lineaarikuvaus Matriisin aste Determinantti Käänteismatriisi

Talousmatematiikan perusteet: Luento 10. Lineaarikuvaus Matriisin aste Determinantti Käänteismatriisi Talousmatematiikan perusteet: Luento 10 Lineaarikuvaus Matriisin aste Determinantti Käänteismatriisi Lineaarikuvaus Esim. Yritys tekee elintarviketeollisuuden käyttämää puolivalmistetta, jossa käytetään

Lisätiedot

FUNKTIONAALIANALYYSIN PERUSKURSSI 1. 0. Johdanto

FUNKTIONAALIANALYYSIN PERUSKURSSI 1. 0. Johdanto FUNKTIONAALIANALYYSIN PERUSKURSSI 1. Johdanto Funktionaalianalyysissa tutkitaan muun muassa ääretönulotteisten vektoriavaruuksien, ja erityisesti täydellisten normiavaruuksien eli Banach avaruuksien ominaisuuksia.

Lisätiedot

Preliminäärikoe Tehtävät Pitkä matematiikka 4.2.2014 1 / 3

Preliminäärikoe Tehtävät Pitkä matematiikka 4.2.2014 1 / 3 Preliminäärikoe Tehtävät Pitkä matematiikka / Kokeessa saa vastata enintään kymmeneen tehtävään Tähdellä (* merkittyjen tehtävien maksimipistemäärä on 9, muiden tehtävien maksimipistemäärä on 6 Jos tehtävässä

Lisätiedot

Differentiaali- ja integraalilaskenta

Differentiaali- ja integraalilaskenta Differentiaali- ja integraalilaskenta Opiskelijan nimi: DIFFERENTIAALILASKENTA 1. Raja-arvon käsite, derivaatta raja-arvona 1.1 Raja-arvo pisteessä 1.2 Derivaatan määritelmä 1.3 Derivaatta raja-arvona

Lisätiedot

Piiri K 1 K 2 K 3 K 4 R R

Piiri K 1 K 2 K 3 K 4 R R Lineaarinen optimointi vastaus, harj 1, Syksy 2016. 1. Teollisuuslaitos valmistaa piirejä R 1 ja R 2, joissa on neljää eri komponenttia seuraavat määrät: Piiri K 1 K 2 K 3 K 4 R 1 3 1 2 2 R 2 4 2 3 0 Päivittäistä

Lisätiedot

Numeeriset menetelmät

Numeeriset menetelmät Numeeriset menetelmät Luento 6 To 22.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 6 To 22.9.2011 p. 1/38 p. 1/38 Ominaisarvotehtävät Monet sovellukset johtavat ominaisarvotehtäviin Yksi

Lisätiedot

Investointimahdollisuudet ja investoinnin ajoittaminen

Investointimahdollisuudet ja investoinnin ajoittaminen Investointimahdollisuudet ja investoinnin ajoittaminen Ajoituksen ratkaisu dynaamisella optimoinnilla Optimointiopin seminaari - Syksy 000 / Esitelmän sisältö Investoinnin ajoitusongelman esittely Ongelman

Lisätiedot

KA 1 2009, tentti 14.10. 2009 (mikrotaloustieteen osuus), luennoitsija Mai Allo

KA 1 2009, tentti 14.10. 2009 (mikrotaloustieteen osuus), luennoitsija Mai Allo 1 KA 1 2009, tentti 14.10. 2009 (mikrotaloustieteen osuus), luennoitsija Mai Allo ÄLÄ IRROTA PAPEREITA TOISISTAAN! Ohjeet: Tenttikysymyksiä on kuusi (+ jokeri ohjeineen viimeisellä sivulla). Valitse tenttikysymyksistä

Lisätiedot

TALOUSTIETEEN LUENTOJEN TEHTÄVÄT

TALOUSTIETEEN LUENTOJEN TEHTÄVÄT TALOUSTIETEEN LUENTOJEN TEHTÄVÄT 1. Suhteellisen edun periaate 1. Maassa A: 1 maito ~ 3 leipää 1 leipä ~ 0,33 maitoa Maassa B: a. b. 3 maitoa ~ 5 leipää 1 maito ~ 1,67 leipää 1 leipä ~ 0,6 maitoa i. Maalla

Lisätiedot

Harjoitus 6 ( )

Harjoitus 6 ( ) Harjoitus 6 (21.4.2015) Tehtävä 1 Määritelmän (ks. luentomoniste s. 109) mukaan yleisen, muotoa min f(x) s. t. g(x) 0 h(x) = 0 x X olevan optimointitehtävän Lagrangen duaali on missä max θ(u, v) s. t.

Lisätiedot

Malliratkaisut Demot

Malliratkaisut Demot Malliratkaisut Demot 6 24.4.2017 Tehtävä 1 Määritelmän (ks. luentomonisteen s. 107) mukaan yleisen muotoa min f(x) s.t. g(x) 0 h(x) = 0 x X (1) olevan optimointitehtävän Lagrangen duaali on min θ(u,v)

Lisätiedot

Arvo (engl. value) = varmaan attribuutin tulemaan liittyvä arvo. Päätöksentekijä on riskipakoinen, jos hyötyfunktio on konkaavi. a(x) = U (x) U (x)

Arvo (engl. value) = varmaan attribuutin tulemaan liittyvä arvo. Päätöksentekijä on riskipakoinen, jos hyötyfunktio on konkaavi. a(x) = U (x) U (x) Arvo (engl. value) = varmaan attribuutin tulemaan liittyvä arvo. Hyöty (engl. utility) = arvo, jonka koemme riskitilanteessa eli, kun teemme päätöksiä epävarmuuden (todennäköisyyksien) vallitessa. Vrt.

Lisätiedot

Lauseen erikoistapaus on ollut kevään 2001 ylioppilaskirjoitusten pitkän matematiikan kokeessa seuraavassa muodossa:

Lauseen erikoistapaus on ollut kevään 2001 ylioppilaskirjoitusten pitkän matematiikan kokeessa seuraavassa muodossa: Simo K. Kivelä, 13.7.004 Frégier'n lause Toisen asteen käyrillä ellipseillä, paraabeleilla, hyperbeleillä ja niiden erikoistapauksilla on melkoinen määrä yksinkertaisia säännöllisyysominaisuuksia. Eräs

Lisätiedot

Luento 9: Yhtälörajoitukset optimoinnissa

Luento 9: Yhtälörajoitukset optimoinnissa Luento 9: Yhtälörajoitukset optimoinnissa Lagrangen kerroin Oletetaan aluksi, että f, g : R R. Merkitään (x 1, x ) := (x, y) ja johdetaan Lagrangen kerroin λ tehtävälle min f(x, y) s.t. g(x, y) = 0 Olkoon

Lisätiedot

10 Liiketaloudellisia algoritmeja

10 Liiketaloudellisia algoritmeja 218 Liiketaloudellisia algoritmeja 10 Liiketaloudellisia algoritmeja Tämä luku sisältää liiketaloudellisia laskelmia. Aiheita voi hyödyntää vaikkapa liiketalouden opetuksessa. 10.1 Investointien kannattavuuden

Lisätiedot

Matemaattisten menetelmien hallinnan tason testi.

Matemaattisten menetelmien hallinnan tason testi. Matemaattisten menetelmien hallinnan tason testi. Jokaisessa tehtävässä on vain yksi vaihtoehto oikein.. Laskutoimitusten a) yhteen- ja vähennyslaskun b) kerto- ja jakolaskun c) potenssiin korotuksen järjestys

Lisätiedot

Metsikkötason optimointi metsäsuunnittelussa, esimerkkinä SMA

Metsikkötason optimointi metsäsuunnittelussa, esimerkkinä SMA Metsikkötason optimointi metsäsuunnittelussa, esimerkkinä SMA SIMO-seminaari 2.11.2007 Lauri Valsta Metsäekonomian laitos Sisältö Metsikkötason suunnittelun käyttökohteet Katsaus menetelmiin SMA:n rakenne

Lisätiedot

Häiriöteoriaa ja herkkyysanalyysiä. malleissa on usein pieniä/suuria parametreja. miten yksinkertaistetaan mallia kun parametri menee rajalle

Häiriöteoriaa ja herkkyysanalyysiä. malleissa on usein pieniä/suuria parametreja. miten yksinkertaistetaan mallia kun parametri menee rajalle Häiriöteoriaa ja herkkyysanalyysiä malleissa on usein pieniä/suuria parametreja miten yksinkertaistetaan mallia kun parametri menee rajalle jatkuvuus ja rajayhtälöt säännölliset ja epäsäännölliset häiriöt

Lisätiedot

Voitonmaksimointi esimerkkejä, L9

Voitonmaksimointi esimerkkejä, L9 Voitonmaksimointi esimerkkejä, L9 (1) Yritys Valmistaa kuukaudessa q tuotetta. Kysyntäfunktio on p = 15 0, 05q ja kustannusfunktio on C(q) = 350 + 2q + 0, 05q 2. a) Yritys valmistaa nyt tuotteita kuukaudessa

Lisätiedot

Lyhyt yhteenvetokertaus nodaalimallista SÄTEILYTURVAKESKUS STRÅLSÄKERHETSCENTRALEN RADIATION AND NUCLEAR SAFETY AUTHORITY

Lyhyt yhteenvetokertaus nodaalimallista SÄTEILYTURVAKESKUS STRÅLSÄKERHETSCENTRALEN RADIATION AND NUCLEAR SAFETY AUTHORITY Lyhyt yhteenvetokertaus nodaalimallista SÄTELYTUVAKESKUS STÅLSÄKEHETSCENTALEN ADATON AND NUCLEA SAFETY AUTHOTY Ei enää tarkastella neutronien kulkua, vaan työn alla on simppeli tuntemattoman differentiaaliyhtälöryhmä

Lisätiedot