Operations Research I
|
|
- Charlotte Gärtner
- vor 8 Jahren
- Abrufe
Transkript
1 ETH Zurich Agricultural Economics Agri-food & Agri-environmental Economics Group Operations Research I --- Einführungsveranstaltung ---, ETH-Zürich Kontakt: simonpeter@ethz.ch
2 Organisation 1) OR 2) Modelltheorie 3) Formales/LP Inhalt Einführungsveranstaltung 1. Operations Research (OR) 2. Modelltheorie 3. Formales zur Linearen Programmierung (LP) 4. Anwendung Fragen & Diskussion 2
3 Organisation 1) OR 2) Modelltheorie Übersicht: LP und NLP 3) Formales/LP 3
4 Organisation 1) OR 2) Modelltheorie Organisatorisches: Programmablauf OPERATIONS RESEARCH: lineare und nicht-lineare Programmierung Kursprogramm HS ) Formales/LP Datum Thema lesen 22. Sep Einführung ins Operations Research (OR) - OR in der Agrarw irtschaft 1 Vorgehen bei der Modellbildung, mathematische Modelle 1, Sep Excel-Solver (-->Spreadsheet solver), Einführung, erstes Modell Handout 29. Sep Graphische Lösung, graphische Sensitivität Okt Dualität: Schattenpreis, reduzierte Kosten Okt Mathematik brush-up Handout 07. Okt Übungen, Modelloutput lesen und interpretieren 13. Okt Simplex Algorithmus Okt Simplex basierte Sensitivität Okt Vergleich: Excel output / Dualität / Einführung Integer Programming Okt Übungen 27. Okt Modellierung von Binär-Variablen Okt Übungen (Simplex, Sensitivität, Output, IP) 03. Nov Zw ischenprüfung 04. Nov B & B und Limitationen. IP Anw endung 6.3 / Nov Einführung in nicht-lineare Programmierung (NLP) - unrestringierte NLP mit 2 Variablen 12.2 Konvexität, restringierte NL Optimierung mit n Variablen, graphische Interpretation 12.3 / Nov Übungen NL Optimierung mit Nebenbedingungen 17. Nov NL Optimierung mit Gleichheits-Nebenbedingungen --> Lagrange Multiplikator 18. Nov Übungen Nov NL Optimierung mit Ungleichheits-Nebenbedingungen (Gulf Oil ex. (excel solver)) Nov Übungen (unrestringierte Optimierung, Lagrange Multiplikator) 01. Dez Notw endige und Ausreichende Bedingungen - Kuhn Tucker Handout 02. Dez Übung (KT Bedingungen) 08. Dez Quadratische Programmierung Handout 09. Dez Übungen 15. Dez Schlussprüfung 16. Dez KP-Bedingung: Die Kreditpunkte werden erteilt, wenn die beiden Prüfungen (LP/NLP) mit einem Notendurchschnitt von 4.0 oder besser abgeschlossen werden. 4
5 Organisation 1) OR 2) Modelltheorie 3) Formales/LP Was ist OR? Operations Research (OR) is a scientific approach to analyze problems and making decisions on the basis of mathematical models ( mathematical Evaluation of different options as a preparation for subsequent decisionmaking). Its goal is to provide rational bases for decisions making by seeking to understand and structure complex situations and to use this understanding to predict system behavior and improve system performance ( OR hat seine Wurzeln im 2. Weltkrieg Transportzeitoptimierung. Wie kriegen wir diverse Güter A, B, C mit unterschiedlichen Transportmitteln (X,Y,Z) am schnellsten und in der richtigen Reihenfolge von A nach B. OR ist weit verbreitet in der Industrie dank leistungsfähigen Computern und der Verfügbarkeit von mächtigen Programmiersoftware (GAMS, LPL, etc.). Limitierend in der Anwendung von OR-Approaches ist der teilweise hohe Programmieraufwand gewisse Modell werden nur an Universitäten entwickelt. Wichtige Anwendungsgebiete sind: forecasting, Produktionsplanung, Budgetierung, Finanzinvestment und Transportwesen. 5
6 Organisation 1) OR 2) Modelltheorie 3) Formales/LP Warum OR, warum ein quantitatives Modell? Was ist optimal, wie entwickelt sich ein System? Früher: Intuition, Erfahrung, Fingerspitzengefühl Aber: Entscheide werden risikoreicher, grosse Tragweite, komplexe Systeme/Komplexität nimmt zu, Heute: Bedarf an wiss. fundierten Planungsmethoden Operations Research Arbeiten mit quantitativen Modellen als Tool zur Entscheidungsvorbereitung/-unterstützung modellgestütztes Vorbereiten von optimalen Entscheidungen. OR ist gekennzeichnet durch Multidisziplinarität: 1) Mathematische Methoden: Mathematik, teilw. Statistik, algorithmische Methoden 2) Betriebs- und Produktionswissenschaften: BWL, Mikroökonomie, etc. 3) Informatik: Datenverarbeitung, -aufbereitung, Programmierung, Modellierung 6
7 Organisation 1) OR 2) Modelltheorie 3) Formales/LP Operations Research Grundsätze (I) Realität heute: Komplexe Systeme mit Trade-offs/Zielkonflikten dies erfordert möglichst gesamtheitliche Betrachtung des Systems i ) Systemdynamiken ( driving forces) und ii) Tradeoffs Ziel: System und dessen Dynamiken besser verstehen ( modellanalytisches Vorgehen) Dies ist eine Voraussetzung um die Wirkung allfälliger Eingriffe (polit. Massnahme wie Lenkungsabgabe, Marktöffnung, etc.) zu verstehen Zweck des Operations-Research: Durch die Anwendung math. Methoden sollen wichtige Entscheide durch Modelle unterstützt werden (Achtung: nimmt niemals die Entscheidung ab)
8 Organisation 1) OR 2) Modelltheorie 3) Formales/LP Operations Research Grundsätze (II) Grundsätze bei der Modellierung: So einfach wie möglich, so vollständig wie nötig ( im Hinblick auf die zu beantwortende Forschungsfrage) Die Lineare Programmierung (LP) ist die wichtigste Anwendung im OR Mathematisches Lösungs-Verfahren des Optimierungsproblems besteht aus standardisierten, sich wiederholenden Ablaufschritten (= Iterationen, Simplex-Verfahren von Dantzig Findet das Optimum eines Gleichungssystems, bestehend aus einer linearen Zielfunktion und den ebenfalls linearen Nebenbedingungen, welche das abzubildende System beschreiben.
9 Organisation 1) OR 2) Modelltheorie 3) Formales/LP Operations Research - Grundlagen Theorien: mikroökonomische Theorie, Produktions- und Angebotstheorie, Investitionstheorie, Modell = Experimentierlabor für den Analytiker (es können Fragen an das Modell gestellt werden ) Die Lineare Programmierung (LP) ist die wichtigste Anwendung im OR Theorie der Linearen Programmierung basiert auf der mikorökonomischen Produktionstheorie ( wie wir später noch eingehender sehen werden) Mathematisches Optimierungs-Problem wird mit dem Simplex-Algorithmus von Dantzig gelöst Findet das Optimum eines Gleichungssystems, bestehend aus einer linearen Zielfunktion und den ebenfalls linearen Nebenbedingungen, welche das abzubildende System beschreiben. Lineare Programmierung basiert auf Dualitätstheorem (Schattenpreis, Grenzverlust) ( wie wir ebenfalls später noch eingehend behandeln werden) Programmierungsmodelle erlauben die Abbildung komplexer Systeme, ohne dabei die Wirklichkeit 1:1 abbilden zu müssen. 9
10 Organisation 1) OR 2) Modelltheorie 3) Formales/LP Warum quantitative Modelle im Agrarbereich? System Landwirtschaft ist komplex Komplexe Systeme weisen Trade-offs/Zielkonflikte auf erfordert gesamtheitliche Betrachtung des Systems (Vor-/Nachteile, Nutzen/Kosten) z.b. Einkommen vs Tierwohl, Einkommen vs Emissionsreduktion, Inland- vs Auslandproduktion ( wo fallen Umweltwirkungen an) Agrarpolitische Entscheide sind von grosser Tragweite mathematische Abbildung eines zu untersuchenden Systems (modellanalytisches Vorgehen) ermöglicht wissenschaftliche Entscheidungsunterstützung Beispiel: Analyse der Auswirkungen einer Öffnung der Weissen Linie mittels landwirtschaftlichem Angebotsmodell S_INTAGRAL, Folie 21ff 10
11 Organisation 1) OR 2) Modelltheorie 3) Formales/LP Arbeitsweise bei OR-Verfahren und Modellierungsschritte 1. Problemidentifikation und -definition 2. Systembeobachtung + Datensammlung/- aufbereitung Konzeptualisierung Modell = Idealisierung/Abstraktion eines Teils der Realität (Karikatur) 3. Modellerstellung 4. Verifizierung des Modells (Validierung=QS) 6. Umsetzung d. Resultate 5. Vorstellung der Resultate 11
12 Organisation 1) OR 2) Modelltheorie Mathematische Modelle 3) Formales/LP Mathematische Modell bringen Entscheidungsvariablen (oder kontrollierbare Inputs) mit feststehenden (bzw. unveränderbaren) Parametern in Verbindung. Sehr häufig versuchen mathematische Modelle eine Zielfunktion unter Einhaltung systembeschreibender Nebenbedingungen zu maximieren oder minimieren. Wenn eine oder mehr der nicht kontrollierbaren Inputs/Parameter einer Zufallsverteilung unterliegt, ist das Modell stochastischer Natur; ansonsten ist es ein deterministisches Modell. WICHTIG: in deterministischen Modellen testet man Extremlösungen via Sensitivitätsanalysen ( wie sind die Resultate, wenn anstatt eines Durchschnittsertrages ein Maximal- (best-case) oder Minimal-Ertrag eingesetzt wird (worst-case) Stochastische Modelle sind grundsätzlich anspruchsvoller, weil die Dimension der Unsicherheit noch hinzukommt/berücksichtigt werden muss. Die Werte der Entscheidungsvariablen, welche die mathematisch beste Lösung ergeben (dh. höchster Zielfunktionswert im Maximierungs-Problem, bzw. Tiefster Zeilfunktionswert im Minimierungsproblem) und gleichzeitig alle modellierten Nebenbedingungen erfüllen, wird Optimallösung genannt. 12
13 Organisation 1) OR 2) Modelltheorie 3) Formales/LP Wann ist ein math. Modell angebracht? 1. Das Problem ist komplex ( mehrschichtig, Trade-off s, etc.) 2. Das Problem ist wichtig ( Entscheidungen haben grosse Tragweite) 3. Das Problem ist neu ( System-Bewusstsein schaffen) 4. Das Problem ist repetitiv ( Modell wird nicht nur für 1 Anwendung erstellt) Quantitative Analyse: Wie geht man vor? 1. Modellentwicklung ( Konzeptualisierung, Abbild der Realität) 2. Datenaufbereitung ( aus 1. und 2.: lauffähiges Modell programmiert) wichtig: so einfach wie möglich, so detailliert wie nötig je komplexer, desto aufwändiger die Entwicklung (Zeit, Geld) ist ein einfacheres Modell ev. besser als ein sehr detailliertes? 3. Modell-Lösung ( quant. Ergebnisse Antwort auf Fragestellung) 4. Bericht erstellen ( z.h. Auftraggeber) 13
14 Organisation 1) OR 2) Modelltheorie 3) Formales/LP Problem lösen und Entscheidungen treffen? 1. problem solving ist der Prozess, bei dem die Differenz zwischen IST- und SOLL-Zustand ermittelt wird (=problem) und Massnahmen ergriffen werden, um diese Differenz zu beseitigen (=solving). 2. decision making enthält die Schritte: - Problem identifizieren und definieren - Alternativen und Evaluationskriterien festlegen - Alternativen evaluieren und beste Alternative auswählen 14
15 Organisation 1) OR 2) Modelltheorie 3) Formales/LP Klassifizierung von Modellen Modelle sind ein Abbild von realen Objekten oder Systemen (bzw. der Wirklichkeit) Monte-Carlo, System-Dynamics b) positive Modelle a) normative Modelle 15
16 Organisation 1) OR 2) Modelltheorie Mathematische Modelle (I): a) Positive Modelle 3) Formales/LP Frage: wie verhält sich ein Subjekt, unter gegebenen Rahmenbedingungen? Welches sind die exogenen Variablen, die eine Entwicklung bestimmen (Hypothesen Prüfung statistisch-math. Modelle), das Verhalten wird untersucht/erklärt: Wie reagieren Konsumenten auf Preissteigerungen bei Fleisch-Produkten ex-post-analyse) Ziel: Zusammenhänge erkennen (Hypothesentest), Voraussagen verbessern Positiv: bewährte statistische Methoden Negativ: beschränkte Anzahl exogener Variablen (Multikollinearität!), ex-ante Schätzungen nur beschränkt möglich Ergebnis: zb. Einkommenselastizitäten, Preiselastizitäten, etc. Beispiele: Statistik lin. Regression, Ökonometrie Elastizitäten schätzen 16
17 Organisation 1) OR 2) Modelltheorie Mathematische Modelle (II): 3) Formales/LP b) Normative Modelle (normativ = Verhalten wird in Zielfunktion vorgegeben): Frage: wie sollte sich ein Subjekt verhalten, unter: i) gegebenen Umweltzuständen (Rahmenbedingungen bzgl. Preisen, DZ, Gesetze), ii) bei bestimmten Paradigmen (Verhalten des Subjektes) und iii) den existierenden systeminternen Zusammenhängen (Restriktionen, Fruchtfolge, Nährstoffbilanz, etc.) Positiv: simultane Optimierung eines Systems unter Berücksichtigung von technisch-, wirtschaftlichen Rahmenbedingungen Negativ: Modellierungsaufwand, Finanzaufwand (in der wirtschaftl. Praxis selten) Ergebnis: Projekt- und/oder Politikempfehlungen, die in der Zukunft eine unternehmerische/gesellschaftliche Verbesserung zum Ziel haben sollten Beispiel: Lineare Optimierung (zb. Betriebs-, Regional- oder Sektormodell) 17
18 Organisation 1) OR 2) Modelltheorie 3) Formales/LP Toolbox Entscheidungsunterstützende Instrumente: Entscheidungsbaum Mathematische Modelle Expertenbefragung Wichtig: Die angewandte Methode und das angewandte Modell müssen an die zu beantwortende Forschungsfrage angepasst sein! 18
19 Organisation 1) OR 2) Modelltheorie 3) Formales/LP Mit anderen Worten: falsches Modell gewählt??? 19
20 x2 Organisation 1) OR 2) Modelltheorie 3) Formales/LP a) LP-Problem: graphisch (2-dimensionaler Fall) Optimierungsproblem im 2-dimensionalen Fall Nebenbedingung 2 Zielfunktion = Iso-DB-Linie 12 Nebenbedingung Nebenbedingung 3 x 2 * Lösungsraum Nebenbedingung 4 x2 0 x 1 * x1 20
21 Organisation 1) OR 2) Modelltheorie 3) Formales/LP Vergleich Lineare Programmierung Produktionstheorie NB 1 NB 2 NB 3 NB 4 Lineare Programmierung (LP) Zielfunktion Aktivitäten Right Hand Side (RHS) Restritkionen Produktionstheorie Gewinngerade (Erlös-Kosten) Produktmenge Faktorausstattung Produktionsfunktionen
22 Organisation 1) OR 2) Modelltheorie 3) Formales/LP 2. LP-Problem: tabellarisch Elemente mathematischer Programmierungsmodelle 1. Parameter/unkontrollierbare Inputs/vorgegebene Werte: umweltfaktoren wie Erträge oder Preise, die nicht unter der Kontrolle des Entscheidungsträgers stehen. 2. Entscheidungsvariablen/kontrollierbare Inputs: Grössen, die vom Entscheidungsträger beeinflusst/gewählt werden können. 3. Constraints/Nebenbedingungen: Limitationen durch verfügbare Ressourcen 4. Zielfunktion: eine mathematische Funktion, welche die Verhaltensnorm des Entscheidungsträgers wiedergibt. Für Anwendungen im Businnes- Bereich ist die Zielfunktion oft eine Maximierung des Gewinns oder eine Minimierung der Kosten. 22
23 Organisation Übungsbeispiel 1 1) OR 2) Modelltheorie 3) Formales/LP Ein Landwirt besitzt 20 ha Ackerland Er kann Weizen und Zuckerrüben anbauen Aus fruchtfolgetechnischen Gründen darf er max. 70% Weizen und 40% Zuckerrüben anbauen Weizen bringt einen DB von /ha, Zuckerrüben von /ha Zeichnen Sie das Optimierungsproblem grafisch. Wo ist der Lösungsraum, wo das Optimum, warum? Was passiert wenn der Weizenpreis steigt? Erweiterung: Weizen benötigt 40 h/ha, Zuckerrüben 100 h/ha, es stehen 800h zur Verfügung Wie verändert sich die optimale Lösung, wenn man die Knappheit des Faktors Arbeit mitberücksichtigt? 23
24 Organisation 1) OR 2) Modelltheorie 3) Formales/LP Übungsbeispiel 1 - Formulierung Parameter/unkontrollierbare Inputs/vorgegebene Werte: X1=WW X2=ZR Verfügbarkeit Landbedarf [ha] Fruchtfolge WW Fruchtfolge ZR Arbeit [h] Gewinn Max! Entscheidungsvariablen/kontrollierbare Inputs: X 1 = WW X 2 = ZR Constraints/Nebenbedingungen: Land: X1*1 +X2*1 bzw. 1 WW + 1 ZR <= 20 Fruchtfolge_WW: WW <= 0.7 (WW+ZR) 0.3 WW 0.7 ZR <= 0 Fruchtfolge_ZR: ZR<= 0.4 (WW+ZR) 0.4 WW ZR <= 0 Arbeitskräfte: 40 WW ZR <=800 Zielfunktion: X1 * X2 * 5000 = Gewinn max! 24
25 Organisation 1) OR 2) Modelltheorie 3) Formales/LP 3) LP-Problem: Vektorschreibweise 25
26 Organisation 1) OR 2) Modelltheorie 3) Formales/LP 4) LP-Problem: Vektorschreibweise Optimierungsproblem: c. x. c1 c2 c3 x1 x2 x3 c T. x c1 c2 c3 x1 x2 x3 x = Aktivitäten-Vektor c = Zielfunktions-Vektor (p+dz-kos) n = Aktivität m=1 (Land-Restriktion) m=2 (Fruchtfolge-Restriktion) m=m (Stallkapazitäts-Restr.) a = Koeffizienten-Matrix b = RHS-Vektor 26
27 x2 Organisation 1) LP - graphisch 1) OR 2) Modelltheorie 3) Formales/LP 2) LP Tableauform Optimierungsproblem im 2-dimensionalen Fall Nebenbedingung 2 Zielfunktion = Iso-DB-Linie 12 Nebenbedingung Nebenbedingung 3 x 2 * Lösungsraum Nebenbedingung 4 x2 0 x 1 * x1 3) LP - mathematisch formal 4) LP mathematisch Vektorschreibweise x j = p j -c j = ZF: NB: X1 X X1 X2 X1 X a ij = b i =
28 Organisation 1) OR 2) Modelltheorie 3) Formales/LP Übungsbeispiel 2 A company manufactures two products, A and B. Each unit of A requires 4 hours of engineering service, 3 hours of direct labor, and 4 kg of material. To produce one unit of product B, it requires 1 hour of engineering, 8 hours of labor, and 4.4 kg of material. There are 140 hours of engineering, 320 hours of labor, and 220 kg of material available. Unit profit for product A is SFr.8, while for product B it is SFr.5. How much of each product should be produced in order to maximize profit? Parameters / Uncontrollable Inputs? Decision Variables / Controllable Inputs? Constraints? Objective Function? Introduction to Operations Research 11
29 Organisation 1) OR 2) Modelltheorie 3) Formales/LP Übungsbeispiel 2 - Formulierung Parameters / Uncontrollable Inputs: Decision Variables / Controllable Inputs: X 1 = units of product A to manufacture X 2 = units of product B to manufacture Constraints: Engineering Hours: 4X 1 + X 2 < 140 Direct Labor: 3X 1 + 8X 2 < 320 Material: 4X X 2 < 220 Objective Function: Maximize Profit MAX 8X 1 + 5X 2 29
30 Organisation 1) OR 2) Modelltheorie 3) Formales/LP pro memoria : Grundsatz beim Modellbau Grundsatz beim Modellbau: Schritt: Problem verstehen Mathematisches Modell formulieren Modell in Software implementieren 1) Problem verstehen - Was sind die Parameter, was die Variablen? - Welche Nebenbedingungen müssen formuliert werden? - Wie lautet die Zielfunktion? 2) Mathematisches Modell formulieren - Wie lassen sich Nebenbedingungen und Zielfunktion mathematisch formal darstellen 3) Implementierung in Software - Umsetzung der mathematisch formalen Form in Excel 30
31 Organisation 1) OR 2) Modelltheorie 3) Formales/LP pro memoria : Schritte bei der Modellierung Problemdefinition Systembeobachtung + Datensammlung Modellerstellung (Systemgrenzen, systeminterne Interdependenzen) Verifizierung des Modells (Validierung) Vorstellung der Resultate Umsetzung - Evaluierung 31
32 Anwendung: S_INTAGRAL ein landw. Angebotsmodell 32
33 Organisation 1) OR 2) Modelltheorie 3) Anwendung 4) Formales/LP agrarwirtschaftliche Programmierungsmodelle an der ETH 33
34 Organisation 1) OR 2) Modelltheorie 3) Anwendung 4) Formales/LP Hintergrund/Motivation zur Entwicklung von S_INTAGRAL 1. Agrarpolitisches Umfeld: Liberalisierung (WTO, AP 2002), Decoupling, Direktzahlungen usw. 2. Zunehmende Bedeutung von Umweltaspekten: Sensibilisierung in Gesellschaft und Politik für negative externe Effekte landwirtschaftlicher Tätigkeit ( Kyoto-Protokoll, Göteborg-Protokoll) 3. aus Wachsendes Bedürfnis nach Wissen: - Wirkung von landwirtschaftlicher Tätigkeit auf Umwelt - Wirkung von Politikmassnahmen auf Landwirtschaft und Umwelt Entwicklung eines Agrarsektormodells zur integrierten Analyse agrarökologischer Fragestellungen im Stickstoff- und Treibhausgasbereich des landwirtschaftlichen Produktionssystems
35 Organisation 1) OR 2) Modelltheorie 3) Anwendung 4) Formales/LP Warum ein quantitatives Modell? System Landwirtschaft ist komplex Komplexe Systeme weisen Trade-offs/Zielkonflikte auf dies erfordert möglichst gesamtheitliche Betrachtung des Systems (Vor-/Nachteile, Nutzen/Kosten) Agrarpolitische Entscheide sind von grosser Tragweite mathematische Abbildung eines zu untersuchenden Systems (modellanalytisches Vorgehen) ermöglicht wiss. Entscheidungsunterstützung Grundsatz bei der Modellierung: So einfach wie möglich, so vollständig wie nötig ( im Hinblick auf die zu beantwortende Forschungsfrage) Modell = Experimentierlabor für den Analytiker (es können Fragen an das Modell gestellt werden )
36 Organisation 1) OR 2) Modelltheorie 3) Anwendung 4) Formales/LP S_INTAGRAL: Komponenten Agrarsektormodell (I) I Beschreibung des ökonom. Verhaltens (Gewinnmax.) (Hazell/Norton 1986) Aktivitäten Flächennutzung und Tierhaltung (und Nebenerwerb) Zielfunktion über gesamten Sektor, nicht einzelbetrieblich (max. Entlöhnung für die eingesetzten Faktoren Arbeit, Boden, Kapital) II Produktionsfunktionen (Zusammenhang zw. Input-Output) Abbildung des landwirtschaftlichen Angebots (Angebots- bzw. Grenzkostenfunktion) Zshg. Düngung-Ertrag, Fütterung-Leistung, Maschineneinsatz-Ernteleistung, etc. III Faktorausstattung Modellbeschränkungen (Ressourcenknappheit von Arbeit, Boden, Kapital RHS) Gleichgewichtslösungen durch regionale/nationale Produkt und Faktorbilanzen IV Spezifizierung Marktumfeld /Politisches Umfeld Erlöse, Kosten, Faktor- und Gütermärkte, Vollständig elastische Import- und Exportmärkte (trifft für kleine Volkswirtschaften zu) V Politisches Umfeld Staatliche Eingriffe (Kontingente, Direktzahlungen, etc.), Marktordnungen (Import- /Exportregelungen, etc.) 36
37 Organisation 1) OR 2) Modelltheorie 3) Anwendung 4) Formales/LP LP-Modell: Grundstruktur/Bezug zu Angebotsmodell I Ökonomisches Verhalten IV Marktumfeld V politisches Umfeld III Faktorausstattung II Produktionsfunktionen 37
38 Organisation 1) OR 2) Modelltheorie 3) Anwendung 4) Formales/LP S_INTAGRAL conceptual framework Talregion Hügelregion Gebäude, Kraftfutter Bergregion Gras (frisch, dürr, siliert) Mais (Körner-, Silomais) Gerste Eiweisserbsen Pflanzliche Produkte (Nahrung) Brotweizen Kartoffeln Zuckerrüben Speiseraps Futter Biofuels Entwicklung der Stallkapazitäten Getreide (Wärme, Bioethanol) Raps (Biodiesel) Rüben (Bioethanol) Körnermais (Bioethanol) Rindvieh Schweine Schafe Geflügel Naturwiese Kunstwiese Ackerfläche (till/no till) Brache div. Stalltypen und -grössen je Tierkategorie (Betriebstypen) Fruchtfolge Nährstoffbilanz Futterbilanz Populationsdynamik G N Struktur-Modul S S G N Emissionen/ Nährstoffverluste Futtertransport handelbares Milchkontingent Hofdünger G N Gülle/ Mist Pflanzenproduktion Tierproduktion div. Mechanisierungstypen und Intensitätsniveaus Biogas-Silomais (NaWaRo) Tierische Produkte (Nahrung) Milch Fleisch Eier Biogasanlage (Strom, Wärme) Maschinen, Düngemittel Mineraldünger organische Dünger Deposition Stickstoff-Fixierung Umwelt-Modul Modelleigenschaften: Ökonomisch rationales Verhalten ( Homo oeconomicus, Einkommensmaximierung) Konkurrenz um begrenzt verfügbare landwirtschaftliche Nutzfläche Nationales lineares Angebotsmodell mit 3 Regionshöfen ( Tal, Hügel, Berg) Preise für Agrarprodukte ('at farmgate') auf CH- und EU-Niveau exogen vorgegeben Rekursiv-dynamische Entwicklung (Jahr 2000 bis 2020) c) Finanz-Modul Ziel: Einkommensfunktion maximieren Erlöse Kosten Direktzahlungen Vorteil eines integrierten Ansatzes: Die ganze System-dynamik mit ihren Wechselbeziehungen zwischen - Pflanzenbau und Tierhaltung sowie - Ökonomie und Ökologie ( Trade-Off s) kann berücksichtigt werden endogene Berechnung von Vermeidungskosten(- optionen) werden möglich! 38
39 Organisation Weisse Linie: 1) OR 2) Modelltheorie 3) Anwendung 4) Formales/LP Motion Aebi: BR muss Auswirkungen einer sektoriellen Öffnung des Milchmarktes mit der EU prüfen Gelbe Linie ist seit 2007 offen, weisse Linie würde folgen Zölle auf Milch und allen Milchprodukten würden wegfallen Vorleistungen und übrige lw. Aktivitäten würden bleiben einseitige Verschlechterung für den Milchsektor (hohe Opportunitätskosten) SMP lanciert HAFL-Studie (42-49 Rp.), BR eine Studie an der ART (47 Rp.) Diametral unterschiedliche Ergebnisse was der Mengeneffekt anbelangt. BR: pro Marktanteile durch tiefere Produktpreise; Einkommenseffekt durch Begleitmassnahmen abfedern, HAFL: contra ökonomisch nicht verkraftbar (unter Gewinnschwelle fallend) 39
40 Organisation 1) OR 2) Modelltheorie 3) Anwendung 4) Formales/LP Beispiel: Öffnung Weisse Linie HAFL-Studie 1. betriebs-ökonomischer Ansatz Auswirkung auf LE fast alle Betriebe geben auf Literatur Vorliegende Gutachten zu den Auswirkungen einer Öffnung der weissen Linie : dossiers-milchpolitik/marktoeffnung-weisse-linie.html 2. statische Sicht gleiche Kosten, kein Strukturwandel, keine Flächenmobilität, keine Skaleneffekte, keine steigenden DZ/Betrieb 3. anhand 14 Beispielbetriebe keine Hochrechnung auf CH-Angebot möglich mit welchem CH-Angebot kann die Verarbeitungsindustrie rechnen? 4. Keine Optimierung des Faktoreinsatzes berücksichtigt P und damit GE sinkt Inputeinsatz rückläufig, weil neues Optimum (GK=GE) auf tieferem Inputniveau liegt. 5. Kostenabgrenzung zur Berechnung vom LE Milch? 40
41 Organisation 1) OR 2) Modelltheorie 3) Anwendung 4) Formales/LP Beispiel: Weisse Linie ART-Studie (Bundesrat) 1. Agenten-basiertes Sektormodell Grundsatz: Einkommensmaximierung als Norm zur Allokation der Ressourcen (Arbeit, Boden, Kapital) Konkurrenz zwischen Betriebstypen um knappe Faktoren 2. Ergänzt mit Agenten- bzw. Betriebstypen-Information im Optimierungskalkül (z.b. Opportunitätskosten, Präferenzen, Alter der Betriebsleiter, Hofnachfolger ja/nein ) 3. Rein monetäre Verhaltenselemente werden von bremsenden nicht-monetären Elementen überlagert Literatur Vorliegende Gutachten zu den Auswirkungen einer Öffnung der weissen Linie : dossiers-milchpolitik/marktoeffnung-weisse-linie.html 4. Dynamische Sicht Strukturwandel, Flächenmobilität, Skaleneffekte, 5. biol./tech. Fortschritt enthalten Rechtsverschiebung des Angebots 6. Optimierung des Faktoreinsatzes möglich 41
42 Organisation 1) OR 2) Modelltheorie 3) Anwendung 4) Formales/LP Beispiel: Weisse Linie ETH Berechnungen 42
43 Organisation 1) OR 2) Modelltheorie 3) Anwendung 4) Formales/LP Angebotsfunktion Was ist das? Die (nationale) Angebotskurve ist die Summe aller einzelbetrieblichen Angebotsfunktionen P * p X * x Angebotsfunktion Wie wird sie geschätzt? Marktbeobachtungen über die Zeit (Preis,Menge) Regressionsanalyse/Elastizitäten Delphiebefragungen: «Was schätzen Sie, wenn» Modellrechungen ( mathematische Abbildung eines Systems) 43
44 Organisation 1) OR 2) Modelltheorie 3) Anwendung 4) Formales/LP Beispiel: Weisse Linie ETH Berechnungen Grafik 1: kurz- und mittelfristige Angebotskurve der schweizerischen Milchproduktion kurzfristiger: inelastisch langfristig: elastischer B A Bundesrat/ART Aufgabe: berechnen sie die kurz- und langfristige Angebotselastizität für Milch aufgrund nebenstehender Modellresultate. ε k = ε l = C Quelle: Modellrechnungen ETH 44
45 Organisation Fazit: Weisse Linie 1) OR 2) Modelltheorie 3) Anwendung 4) Formales/LP 1. HAFL-Studie betriebsökonomischer Ansatz statisch fast alle (Vollblut- Milchbetriebe) geben auf 2. ART-Bundesrat agenten-basiertes PMP-Sektormodell dynamisch kaum Rückgang 3. ETH-Berechnungen einfaches LP-Sektormodell (nur Marktpreise) Rückgang um 40% Es ist wichtig, sich als Agrarwirtschafter Methodenkompetenz und Modellverständnis anzueignen Nur so können Modellresultate aus der Forschung richtig verstanden und interpretiert werden Nur so lassen sich u.u. schwerwiegende Fehlentscheidungen vermeiden 45
46 Fragen Diskussion 46
Mengenmässige Auswirkungen einer vollständigen Liberalisierung des Milchmarktes mit der EU Dr. Simon Peter, ETH. SGA-Tagung 2015, Bellinzona
ETH Zurich Agricultural Economics Agri-food & Agri-environmental Economics Group Mengenmässige Auswirkungen einer vollständigen Liberalisierung des Milchmarktes mit der EU Dr. Simon Peter, ETH Hintergrund:
Mehr4. Dynamische Optimierung
4. Dynamische Optimierung Allgemeine Form dynamischer Optimierungsprobleme 4. Dynamische Optimierung Die dynamische Optimierung (DO) betrachtet Entscheidungsprobleme als eine Folge voneinander abhängiger
MehrAnwendungen der Wirtschaftsmathematik und deren Einsatz im Schulunterricht
Anwendungen der Wirtschaftsmathematik und deren Einsatz im Schulunterricht Beispiele wirtschaftsmathematischer Modellierung Lehrerfortbildung, Speyer, Juni 2004-1- Beispiele wirtschaftsmathematischer Modellierung
MehrOptimierung und Simulation ökonomischer Problemlagen privater Haushalte 3. Vorlesung
Optimierung und Simulation ökonomischer Problemlagen privater Haushalte 3. Vorlesung Rainer Hufnagel / Laura Wahrig 2006 Diese Woche LO - Sensitivitätsanalyse Simulation Beispiel Differenzengleichungen
MehrLineare Optimierung Ergänzungskurs
Lineare Optimierung Ergänzungskurs Wintersemester 2015/16 Julia Lange, M.Sc. Literatur Werner, F.; Sotskov, Y.N. (2006): Mathematics of Economics and Business; Routledge; London Bemerkungen Diese Unterlagen
MehrLernmaterial für die Fernuni Hagen effizient und prüfungsnah
Lernmaterial für die Fernuni Hagen effizient und prüfungsnah www.schema-f-hagen.de Sie erhalten hier einen Einblick in die Dokumente Aufgaben und Lösungen sowie Erläuterungen Beim Kauf erhalten Sie zudem
MehrKaufmännische Berufsmatura 2011
Kaufmännische Berufsmatura 0 Serie : Lösungen Serie - Lösungen Prüfungsdauer: Max. zahl: 50 Minuten 00 Bewertungshinweise: Mehrfachlösungen sind nicht gestattet. Als Resultate gelten nur eindeutig gekennzeichnete
Mehr1. Kennlinien. 2. Stabilisierung der Emitterschaltung. Schaltungstechnik 2 Übung 4
1. Kennlinien Der Transistor BC550C soll auf den Arbeitspunkt U CE = 4 V und I C = 15 ma eingestellt werden. a) Bestimmen Sie aus den Kennlinien (S. 2) die Werte für I B, B, U BE. b) Woher kommt die Neigung
MehrOECD Programme for International Student Assessment PISA 2000. Lösungen der Beispielaufgaben aus dem Mathematiktest. Deutschland
OECD Programme for International Student Assessment Deutschland PISA 2000 Lösungen der Beispielaufgaben aus dem Mathematiktest Beispielaufgaben PISA-Hauptstudie 2000 Seite 3 UNIT ÄPFEL Beispielaufgaben
MehrONLINE-AKADEMIE. "Diplomierter NLP Anwender für Schule und Unterricht" Ziele
ONLINE-AKADEMIE Ziele Wenn man von Menschen hört, die etwas Großartiges in ihrem Leben geleistet haben, erfahren wir oft, dass diese ihr Ziel über Jahre verfolgt haben oder diesen Wunsch schon bereits
MehrModellbildungssysteme: Pädagogische und didaktische Ziele
Modellbildungssysteme: Pädagogische und didaktische Ziele Was hat Modellbildung mit der Schule zu tun? Der Bildungsplan 1994 formuliert: "Die schnelle Zunahme des Wissens, die hohe Differenzierung und
MehrFunktionaler Zusammenhang. Lehrplan Realschule
Funktionaler Bildungsstandards Lehrplan Realschule Die Schülerinnen und Schüler nutzen Funktionen als Mittel zur Beschreibung quantitativer Zusammenhänge, erkennen und beschreiben funktionale Zusammenhänge
MehrVolkswirtschaftslehre
Volkswirtschaftslehre Was ist Volkswirtschaftslehre? Bedürfnisse, Güter und Produktionsfaktoren Volkswirtschaftslehre beschäftigt sich mit dem Problem der Knappheit. Knappheit und Tausch spielen in der
MehrWichtiges Thema: Ihre private Rente und der viel zu wenig beachtete - Rentenfaktor
Wichtiges Thema: Ihre private Rente und der viel zu wenig beachtete - Rentenfaktor Ihre private Gesamtrente setzt sich zusammen aus der garantierten Rente und der Rente, die sich aus den über die Garantieverzinsung
MehrKosten-Leistungsrechnung Rechenweg Optimales Produktionsprogramm
Um was geht es? Gegeben sei ein Produktionsprogramm mit beispielsweise 5 Aufträgen, die nacheinander auf vier unterschiedlichen Maschinen durchgeführt werden sollen: Auftrag 1 Auftrag 2 Auftrag 3 Auftrag
MehrProfessionelle Seminare im Bereich MS-Office
Der Name BEREICH.VERSCHIEBEN() ist etwas unglücklich gewählt. Man kann mit der Funktion Bereiche zwar verschieben, man kann Bereiche aber auch verkleinern oder vergrößern. Besser wäre es, die Funktion
MehrGüte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über
Güte von s Grundlegendes zum Konzept der Güte Ableitung der Gütefunktion des Gauss im Einstichprobenproblem Grafische Darstellung der Gütefunktionen des Gauss im Einstichprobenproblem Ableitung der Gütefunktion
Mehr1 Einleitung. 1.1 Motivation und Zielsetzung der Untersuchung
1 Einleitung 1.1 Motivation und Zielsetzung der Untersuchung Obgleich Tourenplanungsprobleme zu den am häufigsten untersuchten Problemstellungen des Operations Research zählen, konzentriert sich der Großteil
MehrLineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der
MehrOptimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen
Optimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen Dr. Nico Düvelmeyer Freitag, 1. Juli 2011 1: 1 [1,1] Inhaltsübersicht für heute 1 Einführung und Wiederholung Beispiel
MehrSudoku-Informatik oder wie man als Informatiker Logikrätsel löst
Sudoku-Informatik oder wie man als Informatiker Logikrätsel löst Peter Becker Hochschule Bonn-Rhein-Sieg Fachbereich Informatik peter.becker@h-brs.de Kurzvorlesung am Studieninformationstag, 13.05.2009
MehrMikroökonomik 9. Vorlesungswoche
Mikroökonomik 9. Vorlesungswoche Tone Arnold Universität des Saarlandes 18. Dezember 2007 Tone Arnold (Universität des Saarlandes) 9. Vorlesungswoche 18. Dezember 2007 1 / 31 Volkswirtschaftliche Rente
MehrOptimierung für Nichtmathematiker
Optimierung für Nichtmathematiker Typische Prüfungsfragen Die folgenden Fragen dienen lediglich der Orientierung und müssen nicht den tatsächlichen Prüfungsfragen entsprechen. Auch Erkenntnisse aus den
MehrIdeen entwickeln und bewerten Kreativität in der Produktion speziell Gruppenfertigung
Ideen entwickeln und bewerten Kreativität in der Produktion speziell Gruppenfertigung Dipl.-Psych. Sandra Ohly Institut f. Psychologie TU Braunschweig Was ist Kreativität? Die Die Erzeugung von neuen und
MehrPlotten von Linien ( nach Jack Bresenham, 1962 )
Plotten von Linien ( nach Jack Bresenham, 1962 ) Ac Eine auf dem Bildschirm darzustellende Linie sieht treppenförmig aus, weil der Computer Linien aus einzelnen (meist quadratischen) Bildpunkten, Pixels
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Eines der am häufigsten auftretenden Standardprobleme der angewandten Mathematik ist das Lösen linearer Gleichungssysteme, etwa zur Netzwerkberechnung in der Elektrotechnik oder
MehrBehörde für Bildung und Sport Abitur 2008 Lehrermaterialien zum Leistungskurs Mathematik
Abitur 8 II. Insektenpopulation LA/AG In den Tropen legen die Weibchen einer in Deutschland unbekannten Insektenpopulation jedes Jahr kurz vor Beginn der Regenzeit jeweils 9 Eier und sterben bald darauf.
MehrVergleichsklausur 12.1 Mathematik vom 20.12.2005
Vergleichsklausur 12.1 Mathematik vom 20.12.2005 Mit CAS S./5 Aufgabe Alternative: Ganzrationale Funktionen Berliner Bogen Das Gebäude in den Abbildungen heißt Berliner Bogen und steht in Hamburg. Ein
MehrProjektmanagement in der Spieleentwicklung
Projektmanagement in der Spieleentwicklung Inhalt 1. Warum brauche ich ein Projekt-Management? 2. Die Charaktere des Projektmanagement - Mastermind - Producer - Projektleiter 3. Schnittstellen definieren
MehrWürfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!.
040304 Übung 9a Analysis, Abschnitt 4, Folie 8 Die Wahrscheinlichkeit, dass bei n - maliger Durchführung eines Zufallexperiments ein Ereignis A ( mit Wahrscheinlichkeit p p ( A ) ) für eine beliebige Anzahl
MehrZeichen bei Zahlen entschlüsseln
Zeichen bei Zahlen entschlüsseln In diesem Kapitel... Verwendung des Zahlenstrahls Absolut richtige Bestimmung von absoluten Werten Operationen bei Zahlen mit Vorzeichen: Addieren, Subtrahieren, Multiplizieren
MehrKorrelation (II) Korrelation und Kausalität
Korrelation (II) Korrelation und Kausalität Situation: Seien X, Y zwei metrisch skalierte Merkmale mit Ausprägungen (x 1, x 2,..., x n ) bzw. (y 1, y 2,..., y n ). D.h. für jede i = 1, 2,..., n bezeichnen
MehrFestigkeit von FDM-3D-Druckteilen
Festigkeit von FDM-3D-Druckteilen Häufig werden bei 3D-Druck-Filamenten die Kunststoff-Festigkeit und physikalischen Eigenschaften diskutiert ohne die Einflüsse der Geometrie und der Verschweißung der
MehrKonzepte der Informatik
Konzepte der Informatik Vorkurs Informatik zum WS 2011/2012 26.09. - 30.09.2011 17.10. - 21.10.2011 Dr. Werner Struckmann / Christoph Peltz Stark angelehnt an Kapitel 1 aus "Abenteuer Informatik" von Jens
Mehr3. Grundlagen der Linearen Programmierung
3. Grundlagen der linearen Programmierung Inhalt 3. Grundlagen der Linearen Programmierung Lineares Programm Grafische Lösung linearer Programme Normalform Geometrie linearer Programme Basislösungen Operations
MehrLineare Gleichungssysteme I (Matrixgleichungen)
Lineare Gleichungssysteme I (Matrigleichungen) Eine lineare Gleichung mit einer Variable hat bei Zahlen a, b, die Form a b. Falls hierbei der Kehrwert von a gebildet werden darf (a 0), kann eindeutig aufgelöst
MehrSCHLÜSSELPERSONEN IN DER KOMMUNALEN INTEGRATIONSPOLITIK
2. Plattform Integration Aarau SCHLÜSSELPERSONEN IN DER KOMMUNALEN INTEGRATIONSPOLITIK EINE WISSENSCHAFTLICHE ANNÄHERUNG Livia Knecht, Master in Sozialer Arbeit BFH 28. November 2013 VORSTELLUNG MASTERTHESIS
MehrWachstum 2. Michael Dröttboom 1 LernWerkstatt-Selm.de
1. Herr Meier bekommt nach 3 Jahren Geldanlage 25.000. Er hatte 22.500 angelegt. Wie hoch war der Zinssatz? 2. Herr Meiers Vorfahren haben bei der Gründung Roms (753. V. Chr.) 1 Sesterze auf die Bank gebracht
MehrV 2 B, C, D Drinks. Möglicher Lösungsweg a) Gleichungssystem: 300x + 400 y = 520 300x + 500y = 597,5 2x3 Matrix: Energydrink 0,7 Mineralwasser 0,775,
Aufgabenpool für angewandte Mathematik / 1. Jahrgang V B, C, D Drinks Ein gastronomischer Betrieb kauft 300 Dosen Energydrinks (0,3 l) und 400 Liter Flaschen Mineralwasser und zahlt dafür 50, Euro. Einen
MehrVorlesungsprüfung Politische Ökonomie 16.05.2007
Vorlesungsprüfung Politische Ökonomie 16.05.2007 Familienname/Vorname: Geburtsdatum: Matrikelnummer: Studienrichtung: Lesen Sie den Text aufmerksam durch, bevor Sie sich an die Beantwortung der Fragen
MehrBestimmung einer ersten
Kapitel 6 Bestimmung einer ersten zulässigen Basislösung Ein Problem, was man für die Durchführung der Simplexmethode lösen muss, ist die Bestimmung einer ersten zulässigen Basislösung. Wie gut das geht,
MehrAufgabe Bestimmung Angebotsfunktion, Marktgleichgewicht und Steuerinzidenz
Fachhochschule Meschede VWL für Ingenieure Dr. Betz Aufgabe Bestimmung Angebotsfunktion, Marktgleichgewicht und Steuerinzidenz Als Vorstandsmitglied im Bereich Finanzen / Steuern der Elektro AG sind Sie
MehrKompetenzen und Aufgabenbeispiele Englisch Schreiben
Institut für Bildungsevaluation Assoziiertes Institut der Universität Zürich Kompetenzen und Aufgabenbeispiele Englisch Schreiben Informationen für Lehrpersonen und Eltern 1. Wie sind die Ergebnisse dargestellt?
MehrRate (bzw. Preis), mit der zwei Währungen gegeneinander getauscht werden Mögliche Darstellung (z.b. bei und $)
Wechselkurse MB Wechselkurse Nominaler Wechselkurs Rate (bzw. Preis), mit der zwei Währungen gegeneinander getauscht werden Mögliche Darstellung (z.b. bei und $) Wie viel bekommt man für $1 Wie viel $
MehrIst Excel das richtige Tool für FMEA? Steve Murphy, Marc Schaeffers
Ist Excel das richtige Tool für FMEA? Steve Murphy, Marc Schaeffers Ist Excel das richtige Tool für FMEA? Einleitung Wenn in einem Unternehmen FMEA eingeführt wird, fangen die meisten sofort damit an,
MehrSTRATEGISCHE PERSONALPLANUNG FÜR KLEINE UND MITTLERE UNTERNEHMEN. Fachtagung CHANGE 26.02.2015 Papenburg Kathrin Großheim
STRATEGISCHE PERSONALPLANUNG FÜR KLEINE UND MITTLERE UNTERNEHMEN Fachtagung CHANGE 26.02.2015 Papenburg Kathrin Großheim Dass wir gemeinsam mit dem Management auf die Unternehmensstrategie und ihre Auswirkungen
MehrSurvival of the Fittest Wie statistische Modelle an Daten angepasst werden
Tag der Mathematik 2009 Survival of the Fittest Wie statistische Modelle an Daten angepasst werden Thomas Kneib Fakultät für Mathematik und Naturwissenschaften Carl von Ossietzky Universität Oldenburg
MehrGlaube an die Existenz von Regeln für Vergleiche und Kenntnis der Regeln
Glaube an die Existenz von Regeln für Vergleiche und Kenntnis der Regeln Regeln ja Regeln nein Kenntnis Regeln ja Kenntnis Regeln nein 0 % 10 % 20 % 30 % 40 % 50 % 60 % 70 % 80 % 90 % Glauben Sie, dass
MehrLernaufgabe Industriekauffrau/Industriekaufmann Angebot und Auftrag: Arbeitsblatt I Auftragsbeschreibung
Angebot und Auftrag: Arbeitsblatt I Auftragsbeschreibung Ein Kunde hat Interesse an einem von Ihrem Unternehmen hergestellten Produkt gezeigt. Es handelt sich dabei um einen batteriebetriebenen tragbaren
MehrOptimierungsprobleme mit Nebenbedingungen - Einführung in die Theorie, Numerische Methoden und Anwendungen
Optimierungsprobleme mit Nebenbedingungen - Einführung in die Theorie, Numerische Methoden und Anwendungen Dr. Abebe Geletu Ilmenau University of Technology Department of Simulation and Optimal Processes
MehrAGROPLUS Buchhaltung. Daten-Server und Sicherheitskopie. Version vom 21.10.2013b
AGROPLUS Buchhaltung Daten-Server und Sicherheitskopie Version vom 21.10.2013b 3a) Der Daten-Server Modus und der Tresor Der Daten-Server ist eine Betriebsart welche dem Nutzer eine grosse Flexibilität
MehrProbleme beim Arbeiten mit Variablen, Termen und Gleichungen
Probleme beim Arbeiten mit Variablen, Termen und Gleichungen Tage des Unterrichts in Mathematik, Naturwissenschaften und Technik Rostock 2010 Prof. Dr. Hans-Dieter Sill, Universität Rostock, http://www.math.uni-rostock.de/~sill/
MehrIK Ökonomische Entscheidungen & Märkte
LVA-Leiter: Martin Halla Einheit 8: Gewinnmaximierung und Wettbewerbsangebot (Kapitel 8.) Einheit 8-1 - Die Kosten der Produktion Kapitel 7: Kostenfunktion: Kostenkurve beschreibt die minimalen Kosten
MehrPrimzahlen und RSA-Verschlüsselung
Primzahlen und RSA-Verschlüsselung Michael Fütterer und Jonathan Zachhuber 1 Einiges zu Primzahlen Ein paar Definitionen: Wir bezeichnen mit Z die Menge der positiven und negativen ganzen Zahlen, also
MehrAussage: Das Seminar ist hilfreich für meine berufliche Entwicklung
Nachhaltigkeitsüberprüfung der Breuel & Partner Gruppendynamikseminare In der Zeit von Januar bis Februar 2009 führten wir im Rahmen einer wissenschaftlichen Arbeit eine Evaluation unserer Gruppendynamikseminare
MehrDoing Economics with the Computer Sommersemester 2002. Excel Solver 1
Universität Bern Kurt Schmidheiny / Manuel Wälti Doing Economics with the Computer Sommersemester 2002 Excel Solver 1 Mit dem Solver unterstützt Excel eine Funktion, mit der u.a. komplex verschachtelte
MehrFRAGEBOGEN ANWENDUNG DES ECOPROWINE SELBSTBEWERTUNG-TOOLS
Dieser Fragebogen bildet eine wichtige Rückmeldung der Pilotweingüter über Verständnis, Akzeptanz und Effektivität des ECOPROWINE Selbstbewertung-tools für alle daran Beteiligten. Dieser Fragebogen besteht
MehrRepetitionsaufgaben Wurzelgleichungen
Repetitionsaufgaben Wurzelgleichungen Inhaltsverzeichnis A) Vorbemerkungen B) Lernziele C) Theorie mit Aufgaben D) Aufgaben mit Musterlösungen 4 A) Vorbemerkungen Bitte beachten Sie: Bei Wurzelgleichungen
MehrMathematik Serie 1 (60 Min.)
Aufnahmeprüfung 011 Mathematik Serie 1 (60 Min.) Hilfsmittel: Taschenrechner Name... Vorname... Adresse...... ACHTUNG: - Resultate ohne Ausrechnungen bzw. Doppellösungen werden nicht berücksichtig! - Die
Mehr1.1 Ausgangssituation 1
1.1 Ausgangssituation 1 1 Einleitung 1.1 Ausgangssituation Das produzierende Gewerbe hat maßgeblichen Einfluss auf die wirtschaftliche Entwicklung in Deutschland. 2012 erwirtschafteten 209.370 Unternehmen
MehrIm Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b
Aufgabe 1: Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. (a) Nehmen Sie lineares Wachstum gemäß z(t) = at + b an, wobei z die Einwohnerzahl ist und
MehrDAS PARETO PRINZIP DER SCHLÜSSEL ZUM ERFOLG
DAS PARETO PRINZIP DER SCHLÜSSEL ZUM ERFOLG von Urs Schaffer Copyright by Urs Schaffer Schaffer Consulting GmbH Basel www.schaffer-consulting.ch Info@schaffer-consulting.ch Haben Sie gewusst dass... >
Mehr1 Mathematische Grundlagen
Mathematische Grundlagen - 1-1 Mathematische Grundlagen Der Begriff der Menge ist einer der grundlegenden Begriffe in der Mathematik. Mengen dienen dazu, Dinge oder Objekte zu einer Einheit zusammenzufassen.
MehrArbeiten mit Zielen. Vortrag vom 10. Juni 2010 Hochschule für Technik Zürich. Einführung Theorie. Zieldefinition - Zielkoordination
Arbeiten mit Zielen Vortrag vom 10. Juni 2010 Hochschule für Technik Zürich Einführung Theorie Zieldefinition - Zielkoordination Was verstehen wir unter einem Ziel? Was gibt es für Zielarten in Projekten,
MehrKlausur Mikroökonomik
Prof. Dr. Ulrich Schwalbe Sommersemester 2005 Klausur Mikroökonomik Matrikelnummer: Studiengang: Prof. Dr. Ulrich Schwalbe Sommersemester 2005 Klausur Mikroökonomik Die Klausur dauert 90 Minuten. Bitte
MehrSind wir attraktiv für Mitarbeiter? Employer Branding für Unternehmen auf Wachstumskurs.
Sind wir attraktiv für Mitarbeiter? Employer Branding für Unternehmen auf Wachstumskurs. Robert Weichert, Geschäftsführender Partner, PR Piloten GmbH & Co. KG, Dresden, 26. März 2013 Headline, Arial, bold,
MehrSehr geehrter Herr Pfarrer, sehr geehrte pastorale Mitarbeiterin, sehr geehrter pastoraler Mitarbeiter!
Sehr geehrter Herr Pfarrer, sehr geehrte pastorale Mitarbeiterin, sehr geehrter pastoraler Mitarbeiter! Wir möchten Sie an Ihr jährliches Mitarbeitergespräch erinnern. Es dient dazu, das Betriebs- und
MehrFachhochschule Bochum Fachhochschule Südwestfalen
Fachhochschule Bochum Fachhochschule Südwestfalen Verbundstudiengang Wirtschaftsingenieurwesen Prof. Dr. rer. nat. habil. J. Resch Prüfung: Mathematik Termin: August 2008 Bearbeitungszeit: 180 Minuten
MehrLineargleichungssysteme: Additions-/ Subtraktionsverfahren
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als
MehrOptimierung für Wirtschaftsinformatiker: Analytische Optimierung mit Ungleichungsnebenbedingungen
Optimierung für Wirtschaftsinformatiker: Analytische Optimierung mit Ungleichungsnebenbedingungen Dr. Nico Düvelmeyer Freitag, 8. Juli 2011 1: 1 [1,1] Inhaltsübersicht für heute 1 NLP Aufgabe KKT 2 Nachtrag
MehrGeyer & Weinig: Service Level Management in neuer Qualität.
Geyer & Weinig: Service Level Management in neuer Qualität. Verantwortung statt Versprechen: Qualität permanent neu erarbeiten. Geyer & Weinig ist der erfahrene Spezialist für Service Level Management.
Mehr1. Einführung. 1.1 Tourenplanung als Teilbereich der Logistik
1. Einführung 1.1 Tourenplanung als Teilbereich der Logistik Die Logistik steht heute nicht nur in der Wissenschaft, sondern auch in der unternehmerischen Praxis stärker im Mittelpunkt als in den früheren
MehrMathematik. UND/ODER Verknüpfung. Ungleichungen. Betrag. Intervall. Umgebung
Mathematik UND/ODER Verknüpfung Ungleichungen Betrag Intervall Umgebung Stefan Gärtner 004 Gr Mathematik UND/ODER Seite UND Verknüpfung Kommentar Aussage Symbolform Die Aussagen Hans kann schwimmen p und
MehrGrundlagenschulung. Zweck und Ziel der Marktforschung. grundsätzliche Abgrenzung zum Direktvertrieb. Schulungsprototyp
Grundlagenschulung Zweck und Ziel der Marktforschung grundsätzliche Abgrenzung zum Direktvertrieb Schulungsprototyp 1 Was ist Marktforschung? Marktforschung ist die systematische Sammlung, Aufbereitung
MehrEinführung. Kapitel 1. Peter Becker (H-BRS) Operations Research I Sommersemester 2015 14 / 298
Kapitel 1 Einführung Peter Becker (H-BRS) Operations Research I Sommersemester 2015 14 / 298 Inhalt Inhalt 1 Einführung Was ist Operations Research? Planungsprozess im OR Peter Becker (H-BRS) Operations
MehrZinssicherung im B2B Markt April 2010
Zinssicherung im BB Markt Ergebnisse einer repräsentativen Telefonbefragung bei 400 BB-Finanzentscheidern (Februar-März 00) Zinssicherung im BB Markt April 00 0.06.00 7:8:58 Zusammenfassung der Ergebnisse
MehrStatuten in leichter Sprache
Statuten in leichter Sprache Zweck vom Verein Artikel 1: Zivil-Gesetz-Buch Es gibt einen Verein der selbstbestimmung.ch heisst. Der Verein ist so aufgebaut, wie es im Zivil-Gesetz-Buch steht. Im Zivil-Gesetz-Buch
MehrOPERATIONS-RESEARCH (OR)
OPERATIONS-RESEARCH (OR) Man versteht darunter die Anwendung mathematischer Methoden und Modelle zur Vorbereitung optimaler Entscheidungen bei einem Unternehmen. Andere deutsche und englische Bezeichnungen:
MehrQuadratische Gleichungen
Quadratische Gleichungen Aufgabe: Versuche eine Lösung zu den folgenden Zahlenrätseln zu finden:.) Verdoppelt man das Quadrat einer Zahl und addiert, so erhält man 00..) Addiert man zum Quadrat einer Zahl
MehrOnline Intelligence Solutions TESTABLAUF. 7 Schritte für ein erfolgreiches Testing.
Online Intelligence Solutions TESTABLAUF 7 Schritte für ein erfolgreiches Testing. SCHRITT1 DAS PROBLEM IDENTIFIZIEREN UND BESCHREIBEN Ein Problem, das auftritt, identifizieren Wenn es kein Problem gibt,
MehrEin neues System für die Allokation von Spenderlungen. LAS Information für Patienten in Deutschland
Ein neues System für die Allokation von Spenderlungen LAS Information für Patienten in Deutschland Ein neues System für die Allokation von Spenderlungen Aufgrund des immensen Mangels an Spenderorganen
Mehr7 Rechnen mit Polynomen
7 Rechnen mit Polynomen Zu Polynomfunktionen Satz. Zwei Polynomfunktionen und f : R R, x a n x n + a n 1 x n 1 + a 1 x + a 0 g : R R, x b n x n + b n 1 x n 1 + b 1 x + b 0 sind genau dann gleich, wenn
MehrElemente der Analysis I Kapitel 2: Einführung II, Gleichungen
Elemente der Analysis I Kapitel 2: Einführung II, Gleichungen Prof. Dr. Volker Schulz Universität Trier / FB IV / Abt. Mathematik 8. November 2010 http://www.mathematik.uni-trier.de/ schulz/elan-ws1011.html
MehrRessourceneinsatzplanung in der Fertigung
Fakultät Informatik, Institut für Angewandte Informatik, Professur Modellierung und Simulation Ressourceneinsatzplanung in der Fertigung Dr. Christoph Laroque Sommersemester 2012 Dresden, Was war Die im
MehrPersonalentwicklung im Berliner Mittelstand. Darstellung der Studienergebnisse Berlin, 12.02.2008
Personalentwicklung im Berliner Mittelstand Darstellung der Studienergebnisse Berlin, 12.02.2008 Gliederung 1. Ausgangssituation.3 2. Die Studie..4 3. Zentrale Ergebnisse...5 4. Bewertung der Ergebnisse.7
MehrWorkshop-Unterlagen Leitbildentwicklung
Workshop-Unterlagen Leitbildentwicklung Ein partizipativer Entwicklungsprozess mit Hilfe der Fotolangage Dr. Kurt Aeberhard aeberhard@innopool.ch Dr. Michèle Etienne etienne@innopool.ch Schüpfen, November
Mehrgeben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Gehen wir einmal davon aus, dass die von uns angenommenen
geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Vollständigkeit halber aufgeführt. Gehen wir einmal davon aus, dass die von uns angenommenen 70% im Beispiel exakt berechnet sind. Was würde
MehrGentechnikfreie Futtermittel. Ein Erfolgsrezept für die Zukunft
Gentechnikfreie Futtermittel Ein Erfolgsrezept für die Zukunft Raiffeisen Kraftfutterwerk GmbH 1963 gegründet Kehl am Rhein, Baden-Württemberg 110 Mitarbeiter Herstellung von Mischfuttermittel - ausschließlich
MehrGrundlagen der Videotechnik. Redundanz
Grundlagen der Videotechnik Redundanz Redundanz beruht auf: - statistischen Abhängigkeiten im Signal, - Information, die vorher schon gesendet wurde - generell eine Art Gedächtnis im Signal Beispiel: Ein
Mehr3. Pflanzliche und tierische Produktionswerte in Kärnten
3. Pflanzliche und tierische Produktionswerte in Kärnten Seit dem Jahr 2000 wird die land- und forstwirtschaftliche Gesamtrechnung (LGR/FGR) nach der neuen Methodik von Eurostat durch die Statistik Austria
MehrHandbuch. NAFI Online-Spezial. Kunden- / Datenverwaltung. 1. Auflage. (Stand: 24.09.2014)
Handbuch NAFI Online-Spezial 1. Auflage (Stand: 24.09.2014) Copyright 2016 by NAFI GmbH Unerlaubte Vervielfältigungen sind untersagt! Inhaltsangabe Einleitung... 3 Kundenauswahl... 3 Kunde hinzufügen...
MehrErgebnisse: Online- Fundraising Studie 2011 von Thomas Seidl & Altruja GmbH
Ergebnisse: Online- Fundraising Studie 2011 von Thomas Seidl & Altruja GmbH Im Folgenden stellen wir Ihnen die Resultate der von Thomas Seidl und der Altruja GmbH durchgeführten Studie zum Thema - vor.
MehrWelche Bereiche gibt es auf der Internetseite vom Bundes-Aufsichtsamt für Flugsicherung?
Welche Bereiche gibt es auf der Internetseite vom Bundes-Aufsichtsamt für Flugsicherung? BAF ist die Abkürzung von Bundes-Aufsichtsamt für Flugsicherung. Auf der Internetseite gibt es 4 Haupt-Bereiche:
MehrErfolg beginnt im Kopf
Erfolg beginnt im Kopf Wie Sie ausgeglichen bleiben und Ihre Ziele einfacher erreichen 8. VR-Unternehmerforum AGRAR Die Ausgangslage Am Markt 6 49406 Barnstorf Am Markt 6 49406 Barnstorf Alles verändert
MehrAnleitung über den Umgang mit Schildern
Anleitung über den Umgang mit Schildern -Vorwort -Wo bekommt man Schilder? -Wo und wie speichert man die Schilder? -Wie füge ich die Schilder in meinen Track ein? -Welche Bauteile kann man noch für Schilder
MehrMedia Teil III. Begriffe, Definitionen, Übungen
Media Teil III. Begriffe, Definitionen, Übungen Kapitel 1 (Intermedia- Vergleich: Affinität) 1 Affinitätsbewertung als Mittel des Intermedia-Vergleichs Um die Streugenauigkeit eines Werbeträgers zu bestimmen,
MehrVersetzungsgefahr als ultimative Chance. ein vortrag für versetzungsgefährdete
Versetzungsgefahr als ultimative Chance ein vortrag für versetzungsgefährdete Versetzungsgefährdete haben zum Großteil einige Fallen, die ihnen das normale Lernen schwer machen und mit der Zeit ins Hintertreffen
MehrFall 3: Mehrere Kapazitätsengpässe
Fall 3: Mehrere Kapazitätsengpässe ei Vorliegen mehrerer Engpässe ist zunächst zu prüfen, ob ein Engpass die anderen Engpässe dominiert. Ist dies der Fall, reduziert sich das Optimierungsproblem auf den
MehrInformationsblatt Induktionsbeweis
Sommer 015 Informationsblatt Induktionsbeweis 31. März 015 Motivation Die vollständige Induktion ist ein wichtiges Beweisverfahren in der Informatik. Sie wird häufig dazu gebraucht, um mathematische Formeln
MehrTag des Datenschutzes
Tag des Datenschutzes Datenschutz und Software: Vertrauen ist gut, Kontrolle ist besser Dr. Michael Stehmann Zur Person Rechtsanwalt Dr. Michael Stehmann Studium der Rechtswissenschaft an der Universität
Mehr