Aufgabe 3.1: LP-Informationen im Optimum

Größe: px
Ab Seite anzeigen:

Download "Aufgabe 3.1: LP-Informationen im Optimum"

Transkript

1 Johann Wolfgang Goethe-Universität Frankfurt am Main Lehrst.f.BWL, insb. Quant. Methoden Prof. Dr. Dietrich Ohse LPUE:SQM6 LP und Erweiterungen lpueb03_ 2003s.doc Aufgabe 3.1: LP-Informationen im Optimum Im folgenden sind ein LP-Problem und seine optimale Lösung gegeben: Max x 1 x 2 x 3 x 4 x 5 RS Max x 8 x 9 x 2 x 6 x 5 RS z z x x 4 4/5 3/5 21/5 1 11/5 36/5 x x 7 11/5 7/5 44/5 2 14/5 216/5 x x /5 1/5 3/5 0 7/5 92/5 x x 3 1/5 2/5 4/5 0 9/5 4/5 Tab. 3.1: Ausgangslösung Tab. 3.2: Optimallösung (a) Bestimmen Sie die Mengen B und N sowie die Simplex-Multiplikatoren p T. (b) Lesen Sie die Basismatrix und Basisinverse ab. (c) Nehmen Sie an, die Zielfunktion sei nun: z = 4x 1 + 5x 2 3x 3 + 2x 4 + 2x 5 Welche Werte haben nun die Simplex-Multiplikatoren? (d) Wie lauten die modifizierten Zielzeilenkoeffizienten im Optimaltableau? (e) Welches ist der Wert der Rechten Seite nach Modifikation? [z = 428/5] (f) Berechnen Sie die Optimallösung, falls die Basislösung nicht mehr optimal ist. [z = 87] Aufgabe 3.2: Modifikation am LP Gegeben sind im folgenden ein LP-Problem und die optimale Lösung, beide in Tableauform: Max x 1 x 2 x 3 RS Max x 1 x 6 x 4 RS z z x x x x x x Tab. 3.3: Ausgangslösung Tab. 3.4: Optimallösung (a) Passen Sie die Optimallösung der geänderten Rechten Seite an. [z max = 1.350] (b) Passen Sie die Optimallösung der geänderten Zielfunktion z = 10x 1 + 6x 2 + 7x 3 an. [z max = 1.022]

2 Lst.f.BWL, i. Quant. Meth. lpueb03_ 2003s.doc 2 Aufgabe 3.3: Modifikation von RS und ZF Gegeben sind ein LP-Problem und seine optimale Lösung. Max x 1 x 2 x 3 RS Max x 1 x 6 x 7 RS z z 5 3/2 1/2 34 x x 2 2 1/2 1/2 6 x x 3 3/2 1/4 1/4 7 Tab. 3.5: Ausgangslösung Tab. 3.6: Optimallösung (a) Wie lauten die Basisinverse A B 1 und der Vektor der Simplex-Multiplikatoren p T? (b) Dem Problem werden im Ausgangszustand zwei Aktivitäten: 3 2, 1 1 mit den Strukturvariablen x 4 und x 5 hinzugefügt. Bestimmen Sie die Spalten bzgl. der Basis B = {2, 3} von Tab. 3.6, und berechnen Sie ggfs. die neue Optimallösung. [z max = 48] (c) Danach, d.h. nach den Änderungen unter (b), wird die Nebenbedingung x 8 x 1 + 3x 2 + 2x 3 x 4 + x 5 = 2 dem Problem hinzugefügt. Wie lautet nun die Optimallösung? [z max = ] Aufgabe 3.4: Sensitivitätsanalyse - tabellarisch Führen Sie für das folgende LP-Problem die Sensitivitätsanalyse bezüglich der Rechten Seite und der Zielfunktion durch: Max z mit z = 2x 1 + 3x 2 + 4x 3 u.d.n. x 1 + 2x 2 + 3x x 1 + x 2 + 4x x 1 + x 2 + 2x 3 54 x j 0 für alle j [z max = 90]

3 Lst.f.BWL, i. Quant. Meth. lpueb03_ 2003s.doc 3 Aufgabe 3.5: Sensibilitätsanalyse der Zielzeile Die lineare Planungsrechnung stellt ein klassisches Instrument zur Bestimmung des optimalen Produktionsprogramms dar. In dem folgenden Beispiel wird angenommen, daß ein Betrieb drei Produkte (1, 2 und 3) fertigen kann, deren Mengen x 1, x 2 und x 3 durch die Kapazitäten der Anlagen A und B begrenzt sind. Es wird dasjenige Produktionsprogramm gesucht, das die Summe der Deckungsbeiträge maximiert. Zur Lösung dieses Problems wurde ein lineares Modell konstruiert, das zu dem Simplextableau in Tab. 3.7 führte (x A und x B seien die Schlupfvariablen der Faktorrestriktionen). Max x 1 x 2 x 3 RS Max x 1 x B x 3 RS Max x A x B x 3 RS z z z x A 1 7 x A x x B x x Tab. 3.7: Ausgangstab. Tab. 3.8: Nach 1. Iteration Tab. 3.9: Optimaltableau Die optimale Lösung dieses LP-Problems in Tab. 3.9 wurde mit Hilfe der Simplex-Methode in zwei Iterationsschritten berechnet. (a) Welche Bedeutung haben die Zielfunktionskoeffizienten der Ausgangslösung einschließlich der Zielfunktionskoeffizienten der Schlupfvariablen? (b) Interpretieren Sie die Zielfunktionskoeffizienten der Optimallösung. (c) Wie erklären Sie, daß Produkt 1 mit der Menge x 1 = 3/2 im optimalen Produktionsprogramm enthalten ist, obwohl sein Deckungsbeitrag negativ ist? Begründen Sie Ihre Aussage auch formal. (d) In welchen Grenzen können die Kapazitäten beider Anlagen (ceteris paribus) variieren, ohne die Struktur der Optimallösung zu beeinflussen? (e) In welchen Grenzen können die Deckungsbeiträge der Produkte variieren, so daß die Struktur der Optimallösung erhalten bleibt?

4 Lst.f.BWL, i. Quant. Meth. lpueb03_ 2003s.doc 4 Aufgabe 3.6: What-if-Analyse Ein Unternehmen der Mineralölindustrie kann von einem Kraftstoff, der mindestens eine Oktanzahl von 90 haben muß, bis zu t absetzen. Der Verkaufspreis beträgt 190 DM/t. Zur Herstellung (Mischung) des Kraftstoffes sind drei Rohkraftstoffe in begrenzter Menge verfügbar, die unterschiedlich teuer sind und verschiedene Oktanzahlen aufweisen. Alle Daten sind in der folgender Tabelle zusammengefaßt. Gesucht ist die Mischung, die den maximalen Gewinn bringt. Preis [DM/t] Oktanzahl Maximalmenge [t] Mischung Rohkraftstoff , Rohkraftstoff Rohkraftstoff Tab. 3.10: Kraftstoffdaten Mit y als der Mischungsmenge, x 1, x 2 und x 3 als den Mengen der Rohkraftstoffe 1,2 und 3, x 4 bis x 7 als den Schlupfvariablen (Mengendifferenzen zu den Maximalmengen), m* als (künstlicher) Basisvariablen der Mengenbilanz und oz als der Schlupfvariablen der Oktanzahlrestriktion sowie z als der Zielwertvariablen (Gewinn) erhält man folgenden LP-Ansatz im Simplextableau und nach kurzer Rechnung das ebenfalls abgebildete Tableau der optimalen Lösung: Max y x 1 x 2 x 3 RS Max oz x 6 x 4 RS - w z 16/ z x 3 2/25 1-1/ m* y oz / x 1-2/25-2 6/ x x 5 2/25 2-6/ x x x x 7-2/25-1 1/5 800 x Tab. 3.11: Ausgangslösung Tab. 3.12: Optimallösung Beantworten Sie die folgenden Fragen mittels Sensitivitätsanalyse und - wenn notwendig - weiterer Rechnung, d.h. Pivotierung im Optimaltableau nach entsprechender Datenänderung: (a) Wie ändert sich die Optimallösung, wenn im Vergleich zum Ausgangstableau eine der folgenden Bedingungen einzuhalten ist: (i) Vom 1. Rohkraftstoff sind t weniger verfügbar. (ii) Vom 2. Rohkraftstoff sind 500 t weniger verfügbar. (iii) Vom 3. Rohkraftstoff sind t weniger verfügbar. (b) In welchem Bereich darf der Preis des 1. Rohkraftstoffs (bei sonst unveränderten Daten) schwanken, ohne daß sich die Optimallösung qualitativ ändert?

5 Lst.f.BWL, i. Quant. Meth. lpueb03_ 2003s.doc 5 (c) Bei welchem Preis des 2. Rohkraftstoffs lohnt es sich nicht mehr (bei sonst unveränderten Daten), die vollen t einzusetzen? Wieviel wird in diesem Fall vom 2. Rohkraftstoff verwendet (in der alternativen Optimallösung)?

Sensitivitätsanalyse in der Linearen Optimierung

Sensitivitätsanalyse in der Linearen Optimierung Sensitivitätsanalyse in der Linearen Optimierung Bei der Sensitivitätsanalyse werden i. allg. Größen des Ausgangsproblems variiert, und es wird untersucht, welche Wirkung eine derartige Modifikation auf

Mehr

AUFGABENTEIL. Klausur: Modul Optimierungsmethoden des Operations Research. Termin:

AUFGABENTEIL. Klausur: Modul Optimierungsmethoden des Operations Research. Termin: Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. Andreas Kleine AUFGABENTEIL Klausur: Modul 32621 Termin: 19.09.2016 Prüfer: Prof. Dr. Andreas

Mehr

Fall 3: Mehrere Kapazitätsengpässe

Fall 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

Mehr

Simplex-Umformung für Dummies

Simplex-Umformung für Dummies Simplex-Umformung für Dummies Enthält die Zielfunktion einen negativen Koeffizienten? NEIN Optimale Lösung bereits gefunden JA Finde die Optimale Lösung mit dem Simplex-Verfahren! Wähle die Spalte mit

Mehr

Aufgabe 1: Bestimmen Sie Zahlen a b. ,, für die. = b. und gleichzeitig a + b + 1 = 0 gilt. Lösung zu Aufgabe 1:

Aufgabe 1: Bestimmen Sie Zahlen a b. ,, für die. = b. und gleichzeitig a + b + 1 = 0 gilt. Lösung zu Aufgabe 1: WS 99/99 Aufgabe : Bestimmen Sie Zahlen a b,, für die 6 b a und gleichzeitig a + b + gilt. Lösung zu Aufgabe : WS 99/99 Aufgabe : Ein Unernehmen stellt aus ohstoffen (,,, ) Zwischenprodukte ( Z, Z, Z )

Mehr

Optimieren unter Nebenbedingungen

Optimieren unter Nebenbedingungen Optimieren unter Nebenbedingungen Hier sucht man die lokalen Extrema einer Funktion f(x 1,, x n ) unter der Nebenbedingung dass g(x 1,, x n ) = 0 gilt Die Funktion f heißt Zielfunktion Beispiel: Gesucht

Mehr

KLAUSUR zu Einführung in die Optimierung. Studiengang: Bachelor Master Diplom (bitte ankreuzen)

KLAUSUR zu Einführung in die Optimierung. Studiengang: Bachelor Master Diplom (bitte ankreuzen) Mathematisches Institut WS 2012/13 der Heinrich-Heine-Universität 7.02.2013 Düsseldorf Prof. Dr. Achim Schädle KLAUSUR zu Einführung in die Optimierung Bitte folgende Angaben ergänzen und DEUTLICH LESBAR

Mehr

max 16x x 2 (1) 4x 1 + 2x (2) 10x (3) 2x 1 + 4x (4) 2x (5) x 1, x 2 0 (6)

max 16x x 2 (1) 4x 1 + 2x (2) 10x (3) 2x 1 + 4x (4) 2x (5) x 1, x 2 0 (6) Aufgabe 1 (33 Punkte, ca. 20 Minuten) Ein Konditor stellt zu Ostern besonders exklusive Osterhasen (x 1 ) und Ostereier (x 2 ) her. Diese bestehen aus einer Schokoladengrundmasse und werden mit weiteren

Mehr

Prüfungsklausur Wirtschaftsmathematik I Studiengang Wirtschaftsinformatik, (180 Minuten)

Prüfungsklausur Wirtschaftsmathematik I Studiengang Wirtschaftsinformatik, (180 Minuten) HTW Dresden 9. Februar 2012 FB Informatik/Mathematik Prof. Dr. J. Resch Prüfungsklausur Wirtschaftsmathematik I Studiengang Wirtschaftsinformatik, (180 Minuten) Name, Vorname: Matr.-nr.: Anzahl der abge-

Mehr

Berufliches Gymnasium (WG, EG, AG, SG) Hauptprüfung 2006 Teil 2, Lineare Optimierung, Aufgabe 2 Baden-Württemberg

Berufliches Gymnasium (WG, EG, AG, SG) Hauptprüfung 2006 Teil 2, Lineare Optimierung, Aufgabe 2 Baden-Württemberg Berufliches Gymnasium (WG, EG, AG, SG) Hauptprüfung 2006 Teil 2, Lineare Optimierung, Aufgabe 2 Baden-Württemberg 2.1 Weinbauer Müller kann maximal 30 Hektar Rebfläche bewirtschaften. Er möchte Gutedel-

Mehr

Fachakademie für Wirtschaft der FHM A2: Lineare Optimierung und das Simplexverfahren

Fachakademie für Wirtschaft der FHM A2: Lineare Optimierung und das Simplexverfahren A2.1 Lineare Optimierung mit dem Simplexverfahren Wenn ein Unternehmen ermitteln möchte, wie viele Mengeneinheiten von verschiedenen Produkten zu produzieren sind, damit bei gegebenen Verkaufspreisen der

Mehr

Schranken für zulässige Lösungen

Schranken für zulässige Lösungen Schranken für zulässige Lösungen Satz 5.9 Gegeben seien primales und duales LP gemäß der asymmetrischen Form der Dualität. Wenn x eine zulässige Lösung des primalen Programms und u eine zulässige Lösung

Mehr

Aufgabe des Monats Januar 2012

Aufgabe des Monats Januar 2012 Aufgabe des Monats Januar 2012 Ein Unternehmen stellt Kaffeemaschinen her, für die es jeweils einen Preis von 100 Euro (p = 100) verlangt. Die damit verbundene Kostenfunktion ist gegeben durch: C = 5q

Mehr

Diplomprüfung. Operations Research I WS 2007/2008 (4 Punkte)

Diplomprüfung. Operations Research I WS 2007/2008 (4 Punkte) Dr. Jörg Kalcsics 11.0.008 Diplomprüfung (Wiederholungsprüfung gem. NPO) Operations Research I WS 007/008 ( Punkte) Vorbemerkung: Zugelassene Hilfsmittel: nicht programmierbarer Taschenrechner. Beginnen

Mehr

Institut für Wirtschaftswissenschaftliche Forschung und Weiterbildung GmbH Institut an der FernUniversität in Hagen

Institut für Wirtschaftswissenschaftliche Forschung und Weiterbildung GmbH Institut an der FernUniversität in Hagen Institut für Wirtschaftswissenschaftliche Forschung und Weiterbildung GmbH Institut an der FernUniversität in Hagen Name Straße PLZ, Ort IWW Studienprogramm Vertiefungsstudium 3. Musterklausur Modellgestütztes

Mehr

Prüfungsklausur Mathematik I für Wirtschaftsingenieure am

Prüfungsklausur Mathematik I für Wirtschaftsingenieure am HTWD, Fakultät Informatik/Mathematik Prof. Dr. M. Voigt Prüfungsklausur Mathematik I für Wirtschaftsingenieure am 0.02.206 B Name, Vorname Matr. Nr. Sem. gr. Aufgabe 2 4 5 6 7 8 gesamt erreichbare P. 5

Mehr

Übungsbeispiel 1: Quadratische Modellierung

Übungsbeispiel 1: Quadratische Modellierung Übungsbeispiel 1: Quadratische Modellierung Ein Uhrenhersteller möchte den Preis für sein neues Modell festlegen und führt dazu eine Marktanalyse durch. Das Ergebnis lautet: Bei einem Preis von 60 ist

Mehr

Lineares Optimieren. W. Kippels 12. April Inhaltsverzeichnis. 1 Einleitung 2. 2 Die Beispielaufgabe 2. 3 Einführung von Schlupfvariablen 2

Lineares Optimieren. W. Kippels 12. April Inhaltsverzeichnis. 1 Einleitung 2. 2 Die Beispielaufgabe 2. 3 Einführung von Schlupfvariablen 2 Lineares Optimieren W. Kippels 1. April 015 Inhaltsverzeichnis 1 Einleitung Die Beispielaufgabe Einführung von Schlupfvariablen 4 Die Simplex-Methode 5 Das Basis-Austauschverfahren 4 6 Fortsetzung der

Mehr

(Technisch: Setze alle Skalarprodukte der allgemeinen Lösung mit den Basisvektoren des Kerns gleich Null eindeutige leastsqares Lösung)

(Technisch: Setze alle Skalarprodukte der allgemeinen Lösung mit den Basisvektoren des Kerns gleich Null eindeutige leastsqares Lösung) Lineare Optimierung Unterbestimmte LGS und Optimierung Bei lösbaren unterbestimmten linearen Gleichungssystemen haben wir die Qual der Wahl in Abhängigkeit von den freien Parametern (Anzahl = Anzahl Unbekannte

Mehr

Projekt Standardisierte schriftliche Reifeprüfung in Mathematik. T e s t h e f t B 1. Schulbezeichnung:.. Klasse: Vorname: Datum:.

Projekt Standardisierte schriftliche Reifeprüfung in Mathematik. T e s t h e f t B 1. Schulbezeichnung:.. Klasse: Vorname: Datum:. Projekt Standardisierte schriftliche Reifeprüfung in Mathematik T e s t h e f t B Schulbezeichnung:.. Klasse: Schüler(in) Nachname:. Vorname: Datum:. B Große und kleine Zahlen In Wikipedia findet man die

Mehr

Optimierung I. Dr. Ulf Lorenz F2.413

Optimierung I. Dr. Ulf Lorenz F2.413 Optimierung I Dr. Ulf Lorenz F2.413 flulo@upb.de Organisation Dozent: Dr. Ulf Lorenz F2.413 Fürstenallee 11 email: flulo@upb.de WWW: http://www.upb.de/cs/flulo (hier auch aktuelle Infos + Ü-Zettel) Vorlesungen:

Mehr

Doing Economics with the Computer Sommersemester 2002. Excel Solver 1

Doing 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

Mehr

Übungen und Fallbeispiele zum Operations Research

Übungen und Fallbeispiele zum Operations Research Springer-Lehrbuch Übungen und Fallbeispiele zum Operations Research Bearbeitet von Wolfgang Domschke, Andreas Drexl, Robert Klein, Armin Scholl, Stefan Voß 8., aktualisierte Auflage 5. Buch. XII, S. Kartoniert

Mehr

Optimierung. Optimierung. Vorlesung 2 Optimierung ohne Nebenbedingungen Gradientenverfahren. 2013 Thomas Brox, Fabian Kuhn

Optimierung. Optimierung. Vorlesung 2 Optimierung ohne Nebenbedingungen Gradientenverfahren. 2013 Thomas Brox, Fabian Kuhn Optimierung Vorlesung 2 Optimierung ohne Nebenbedingungen Gradientenverfahren 1 Minimierung ohne Nebenbedingung Ein Optimierungsproblem besteht aus einer zulässigen Menge und einer Zielfunktion Minimum

Mehr

Optimierung. Nürnberg, Oktober 2015

Optimierung. Nürnberg, Oktober 2015 1 Optimierung Nürnberg, Oktober 2015 Prof. Dr. Yvonne Stry Technische Hochschule Nürnberg Fakultät Angewandte Mathematik, Physik und Allgemeinwissenschaften Keßlerplatz 12 90461 Nürnberg Germany 1 Beispiel

Mehr

Übungen zur Linearen Optimierung Sommersemester 2011. Übungsblatt 1

Übungen zur Linearen Optimierung Sommersemester 2011. Übungsblatt 1 Universität Heidelberg Interdisziplinäres Zentrum für Wissenschaftliches Rechnen Graduiertenschule HGS MathComp Dr. Stefan Körkel Magdalena Gottfried Übungen zur Linearen Optimierung Sommersemester 2011

Mehr

Optimierung und Simulation ökonomischer Problemlagen privater Haushalte 2. Vorlesung

Optimierung und Simulation ökonomischer Problemlagen privater Haushalte 2. Vorlesung Optimierung und Simulation ökonomischer Problemlagen privater Haushalte 2. Vorlesung Rainer Hufnagel / Laura Wahrig 2006 Diese Woche LO - Rechnerische Lösung - Simplex- Algorithmus LO - Auswertung des

Mehr

Prüfungsklausur Mathematik I für Wirtschaftsingenieure am 20.02.2015

Prüfungsklausur Mathematik I für Wirtschaftsingenieure am 20.02.2015 HTWD, Fakultät Informatik/Mathematik Prof. Dr. M. Voigt Prüfungsklausur Mathematik I für Wirtschaftsingenieure am 20.02.205 B Name, Vorname Matr. Nr. Sem. gr. Aufgabe 2 4 5 6 7 8 gesamt erreichbare P.

Mehr

Maximiere Gesamtgewinn aus verschiedenen Produkten unter Restriktionen an Produktmenge (Lagermenge, Transportmenge)

Maximiere Gesamtgewinn aus verschiedenen Produkten unter Restriktionen an Produktmenge (Lagermenge, Transportmenge) Beispiel: Produktionsplanung Maximiere Gesamtgewinn aus verschiedenen Produkten unter Restriktionen an Produktmenge (Lagermenge, Transportmenge) Produktionskapazität Ressourcenmenge bei als fest angenommenem

Mehr

Fortgeschrittene Statistik Logistische Regression

Fortgeschrittene Statistik Logistische Regression Fortgeschrittene Statistik Logistische Regression O D D S, O D D S - R A T I O, L O G I T T R A N S F O R M A T I O N, I N T E R P R E T A T I O N V O N K O E F F I Z I E N T E N, L O G I S T I S C H E

Mehr

Lineare (Un-)Gleichungen und lineare Optimierung

Lineare (Un-)Gleichungen und lineare Optimierung Lineare (Un-)Gleichungen und lineare Optimierung Franz Pauer Institut für Mathematik Universität Innsbruck Lehrer/innen/fortbildungstag Wien 2010 9. April 2010 Eine Maximumsaufgabe Eine Firma stellt aus

Mehr

1 Einführung...2 1.1 Was ist Operations Research?...2 1.2 Modellierung und Methodik...2

1 Einführung...2 1.1 Was ist Operations Research?...2 1.2 Modellierung und Methodik...2 S. OPERATIONS RESEARCH Einführung.... Was ist Operations Research?.... Modellierung und Methodik... Lineare Optimierung.... Beschreibung linearer Optimierungsprobleme (LOP).... Modellierung ökonomischer

Mehr

Modelle und Methoden der Linearen Optimierung (Die Thesen zur Vorlesung 1_Fallstudie)

Modelle und Methoden der Linearen Optimierung (Die Thesen zur Vorlesung 1_Fallstudie) (Die Thesen zur Vorlesung 1_Fallstudie) das Thema der Vorlesung Grundlagen der Methode der linearen Optimierung (Lineares Optimierungsmodell der Wahl der Produktionsstrategie des ) Prof. Dr. Michal Fendek

Mehr

3. Grundlagen der Linearen Programmierung

3. 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

Mehr

Mathematikreferat. von. Matthias Faß FG 99

Mathematikreferat. von. Matthias Faß FG 99 Mathematikreferat von Matthias Faß FG 99 im Mai 2002 Inhaltsverzeichnis: Seite 1. Einleitung: Was ist eigentlich lineare Optimierung? 1 2. Geschichte der linearen Optimierung 1 3. Graphisches Verfahren

Mehr

OPERATIONS-RESEARCH (OR)

OPERATIONS-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:

Mehr

Differentialrechnung bei Funktionen mehreren Variablen

Differentialrechnung bei Funktionen mehreren Variablen Kap. 6 Differentialrechnung bei Funktionen mehreren Variablen Im folgenden geht es um Funktionen des Typsf :R n R X... Y =f(x,...,x n ) X n Eine Weiterentwicklung der Differentialrechnung für solche Funktionen

Mehr

Aufgabenblatt 6 zur Lehrveranstaltung Quantitative Methoden der Betriebswirtschaftslehre I Frühjahrssemester 2015

Aufgabenblatt 6 zur Lehrveranstaltung Quantitative Methoden der Betriebswirtschaftslehre I Frühjahrssemester 2015 Universität Bern Bern, den. März Professur für Quantitative Methoden der BWL Schützenmattstr., Bern Prof. Dr. Norbert Trautmann, Oliver Strub E-Mail: oliver.strub@pqm.unibe.ch Aufgabenblatt 6 zur Lehrveranstaltung

Mehr

Lineare Programmierung Teil I

Lineare Programmierung Teil I Seminar über Algorithmen Prof. Dr. Helmut Alt Lineare Programmierung Teil I Lena Schlipf, Benjamin Jankovic Lena Schlipf, Benjamin Jankovic Seminar über Algorithmen SS05 1 Struktur des Vortrags 1. Was

Mehr

Bestimmung einer ersten

Bestimmung 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,

Mehr

Extrema mit Nebenbedingungen

Extrema mit Nebenbedingungen Extrema mit Nebenbedingungen Gesucht ist das Extremum der Funktion f(x,y) = 5 x y unter der Nebenbedingung g(x,y) = x+y =. 5 y x In diesem einfachen Fall kann die Nebenbedingung nach einer Variablen aufgelöst

Mehr

Optimierung und Simulation ökonomischer Problemlagen privater Haushalte 3. Vorlesung

Optimierung 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

Mehr

Lineare Optimierung Ergänzungskurs

Lineare 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

Mehr

Technische Informatik - Eine Einführung

Technische Informatik - Eine Einführung Martin-Luther-Universität Halle-Wittenberg Fachbereich Mathematik und Informatik Lehrstuhl für Technische Informatik Prof. P. Molitor Ausgabe: 2005-02-21 Abgabe: 2005-02-21 Technische Informatik - Eine

Mehr

Expertengruppe A: Die Annuitätenmethode

Expertengruppe A: Die Annuitätenmethode Expertengruppe A: Die Annuitätenmethode Besprecht und berechnet in eurer Gruppe das Musterbeispiel und löst anschließend das neue Beispiel. Kapitalwertmethode (= Goodwill = Net Present Value NPV) Kapitalwert

Mehr

10. Lineare Optimierung

10. Lineare Optimierung 10. Lineare Optimierung Im Kontext der Optimierungsmodelle: Zielfunktion lineare Funktion Nebenbedingungen lineare Funktionen Lösungsraum Unterraum des n Problem der linearen Optimierung Minimiere unter

Mehr

Umsetzung von DEA in Excel

Umsetzung von DEA in Excel Umsetzung von DEA in Excel Thorsten Poddig Armin Varmaz 30. November 2005 1 Vorbemerkungen In diesem Dokument, das als Begleitmaterial zum in der Zeitschrift,,Controlling, Heft 10, 2005 veröffentlichten

Mehr

Skript Operations Research, SS Dr. Reinhard Schaitzel, Hochschule Augsburg, Fakultät für Informatik

Skript Operations Research, SS Dr. Reinhard Schaitzel, Hochschule Augsburg, Fakultät für Informatik Skript Operations Research, SS 2014 Dr. Reinhard Schaitzel, Hochschule Augsburg, Fakultät für Informatik 5. März 2014 Inhaltsverzeichnis 1 Einführung 7 1.1 Begrisklärung............................ 7 1.1.1

Mehr

Die Laufzeit muss nun ebenfalls in Monaten gerechnet werden und beträgt 25 12 = 300 Monate. Damit liefert die Sparkassenformel (zweiter Teil):

Die Laufzeit muss nun ebenfalls in Monaten gerechnet werden und beträgt 25 12 = 300 Monate. Damit liefert die Sparkassenformel (zweiter Teil): Lösungen zur Mathematikklausur WS 2004/2005 (Versuch 1) 1.1. Hier ist die Rentenformel für gemischte Verzinsung (nachschüssig) zu verwenden: K n = r(12 + 5, 5i p ) qn 1 q 1 = 100(12 + 5, 5 0, 03)1, 0325

Mehr

ARBEITSUNTERLAGEN ZUR VORLESUNG UND ÜBUNG AN DER UNIVERSITÄT DES SAARLANDES LINEARE OPTIMIERUNG

ARBEITSUNTERLAGEN ZUR VORLESUNG UND ÜBUNG AN DER UNIVERSITÄT DES SAARLANDES LINEARE OPTIMIERUNG ¾ REITSUNTERLGEN ZUR VORLESUNG UND ÜUNG N DER UNIVERSITÄT DES SRLNDES LINERE OPTIMIERUNG IM SS Lineare Optimierung (SS ). ufgabe (Graphische Lineare Optimierung) Nach einem anstrengenden Semester steht

Mehr

Kapitel 5. Peter Becker (H-BRS) Operations Research I Sommersemester / 298

Kapitel 5. Peter Becker (H-BRS) Operations Research I Sommersemester / 298 Kapitel 5 Dualität Peter Becker (H-BRS) Operations Research I Sommersemester 2014 241 / 298 Inhalt 5 Dualität Dualitätssätze Zweiphasen-Simplexalgorithmus Peter Becker (H-BRS) Operations Research I Sommersemester

Mehr

Optimierung für Nichtmathematiker

Optimierung 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

Mehr

Optimierung für Wirtschaftsinformatiker: Analytische Optimierung mit Ungleichungsnebenbedingungen

Optimierung 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

Mehr

AUFGABEN. Klausur: Modul 31811 Planen mit mathematischen Modellen. Termin: 16.09.2013

AUFGABEN. Klausur: Modul 31811 Planen mit mathematischen Modellen. Termin: 16.09.2013 Lehrstuhl für Betriebswirtschaftslehre, insb Quantitative Methoden und Wirtschaftsmathematik Univ-Prof Dr Andreas Kleine AUFGABEN Klausur: Modul 31811 Termin: 16092013 Prüfer: Univ-Prof Dr Andreas Kleine

Mehr

Lineare Optimierung. Master 1. Semester

Lineare Optimierung. Master 1. Semester Prof. Dr.-Ing. Fritz Nikolai Rudolph Fachhochschule Trier Fachbereich Informatik Master 1. Semester Inhaltsverzeichnis 1 Einleitung... 2 1.1 Lineare Gleichungssysteme... 2 1.2 sprobleme... 3 2 Standardform...

Mehr

Statistik und Graphentheorie

Statistik und Graphentheorie Statistik und Graphentheorie Sommersemester 2012 3. Juli 2012 Teil Graphentheorie Name: Matrikelnummer: 1 (12) 2 (12) 3 (12) 4 (12) 5 (12) (60) Aufgabe 1 (12 Punkte) Gegeben sei das folgende Netzwerk:

Mehr

Matrikel-Nr.: Nachholklausur Wirtschafts- und Finanzmathematik

Matrikel-Nr.: Nachholklausur Wirtschafts- und Finanzmathematik Name: Matrikel-Nr.: Nachholklausur Wirtschafts- und Finanzmathematik Prüfer Etschberger, Heiden, Jansen Prüfungsdatum 7. Juli 2015 Prüfungsort Augsburg Studiengang IM und BW Bearbeitungszeit: 90 Minuten

Mehr

/46. Abschlussprüfung Fachoberschule 2013 Mathematik

/46. Abschlussprüfung Fachoberschule 2013 Mathematik Abschlussprüfung Fachoberschule 0 Aufgabenvorschlag B /46 Am. Februar 0 wird um 4:00 Uhr ein Erdbeben mit der Anfangsstärke auf der sogenannten Richter-Skala gemessen. Das Beben dauert etwas länger als

Mehr

Gegeben: Nebenbedingungen 2x1 + x2! 200 x1 + x2! 120 x1 + 3x2! 240. NNB x1 " 0; x2 " 0. 1. Umformung der Ungleichungen in Gleichungen:

Gegeben: Nebenbedingungen 2x1 + x2! 200 x1 + x2! 120 x1 + 3x2! 240. NNB x1  0; x2  0. 1. Umformung der Ungleichungen in Gleichungen: LP / SIMPLEX Methode Gegeben: Zielfunktion G = 2x1 + 3x2 Nebenbedingungen 2x1 + x2! 200 x1 + x2! 120 x1 + 3x2! 240 NNB x1 " 0; x2 " 0 1. Umformung der Ungleichungen in Gleichungen: 2. Umformung der Zielfunktion:

Mehr

Übungsaufgaben WFW Finanzierung und Investition handlungsspezifische Qualifikation 2. Tag

Übungsaufgaben WFW Finanzierung und Investition handlungsspezifische Qualifikation 2. Tag 1. Aufgabe Als Assistent der Geschäftsleitung wurden Sie beauftragt herauszufinden, ob die Investition in Höhe von 1.200.000 Euro in eine neue Produktionsanlage rentabel ist. Dafür liegen Ihnen folgende

Mehr

Klausur zur Vorlesung Informationsökonomik

Klausur zur Vorlesung Informationsökonomik Dr. Tone Arnold Wintersemester 2003/04 Klausur zur Vorlesung Informationsökonomik Die Klausur besteht aus drei Vorfragen und drei Hauptfragen, von denen jeweils zwei zu beantworten sind. Sie haben für

Mehr

Abituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR)

Abituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR) Abituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR) Eine Firma stellt USB-Sticks her. Sie werden in der Fabrik ungeprüft in Packungen zu je 20 Stück verpackt und an Händler ausgeliefert. 1 Ein Händler

Mehr

Lineare Optimierung im Mathematikunterricht

Lineare Optimierung im Mathematikunterricht Lineare Optimierung im Mathematikunterricht Horst W. Hamacher Stefanie Müller WiMS/TeMS -Report, Wirtschafts- und Technomathematik in Schulen Fachbereich Mathematik, Universität Kaiserslautern WiMS/TeMS

Mehr

Prüfung: Produktion, Logistik und Operations Research SS 2009. Prüfungsbogen. Vom Klausurteilnehmer auszufüllen!

Prüfung: Produktion, Logistik und Operations Research SS 2009. Prüfungsbogen. Vom Klausurteilnehmer auszufüllen! Klausur: 1122 1 von 12 Prüfung: Produktion, Logistik und Operations Research SS 29 Prüfer: Prof. Dr. Karl Inderfurth Prüfungsbogen Vom Klausurteilnehmer auszufüllen! Name, Vorname : Fakultät : Matrikelnummer

Mehr

Prüfungsklausur Mathematik I für Wirtschaftsingenieure am 8.02.11

Prüfungsklausur Mathematik I für Wirtschaftsingenieure am 8.02.11 HTWD, FB Informatik/Mathematik Prof. Dr. M. Voigt Prüfungsklausur Mathematik I für Wirtschaftsingenieure am 8.02.11 A Name, Vorname Matr. Nr. Sem. gr. Aufgabe 1 2 3 4 6 gesamt erreichbare P. 6 10 12 12

Mehr

Operations Research für Wirtschaftsinformatiker. Vorlesungsskript von Richard Mohr

Operations Research für Wirtschaftsinformatiker. Vorlesungsskript von Richard Mohr Operations Research für Wirtschaftsinformatiker Vorlesungsskript von Richard Mohr Fachhochschule Esslingen, SS 2005 INHALTSVERZEICHNIS i Inhaltsverzeichnis Lineare Optimierung. Graphische Lösung des linearen

Mehr

Prüfung Lineare Algebra Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr?

Prüfung Lineare Algebra Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr? 1. Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr? A. Wenn n = 3 ist, sind mindestens zwei der drei Euler-Winkel einer Drehung kleiner oder gleich π. B. Wenn n = 2

Mehr

Klausur zur Vorlesung Mathematische Grundlagen für Wirtschaftswissenschaftler

Klausur zur Vorlesung Mathematische Grundlagen für Wirtschaftswissenschaftler Wintersemester 2006/07 05.03.2007 Dr. Priska Jahnke Klausur zur Vorlesung Mathematische Grundlagen für Wirtschaftswissenschaftler Bitte lesbar ausfüllen, Zutreffendes ankreuzen Herr Frau Name, Vorname:

Mehr

Kursprüfung Methoden der VWL Klausurteil Dynamische Methoden der VWL (Prof. Dr. Lutz Arnold) Wintersemester 2009/

Kursprüfung Methoden der VWL Klausurteil Dynamische Methoden der VWL (Prof. Dr. Lutz Arnold) Wintersemester 2009/ Kursprüfung Methoden der VWL Klausurteil Dynamische Methoden der VWL (Prof. Dr. Lutz Arnold) Wintersemester 2009/10 2.3.2010 Bitte gut leserlich ausfüllen: Name: Vorname: Matr.-nr.: Wird vom Prüfer ausgefüllt:

Mehr

Optimierungsalgorithmen

Optimierungsalgorithmen Optimierungsalgorithmen Jakob Puchinger Algorithmen und Datenstrukturen 2 Arbeitsbereich für Algorithmen und Datenstrukturen Institut für Computergraphik und Algorithmen Technische Universität Wien Übersicht

Mehr

Übungsaufgaben zur Linearen Funktion

Übungsaufgaben zur Linearen Funktion Übungsaufgaben zur Linearen Funktion Aufgabe 1 Bestimmen Sie den Schnittpunkt der beiden Geraden mit den Funktionsgleichungen f 1 (x) = 3x + 7 und f (x) = x 13! Aufgabe Bestimmen Sie den Schnittpunkt der

Mehr

Beispiel "Handgeschnitzte Holzengel (HGHE)" (nach Kleine-Doepke) anteiliges Weihnachstsgeld (13. Gehalt) WE/p.a. 750 März 130 80

Beispiel Handgeschnitzte Holzengel (HGHE) (nach Kleine-Doepke) anteiliges Weihnachstsgeld (13. Gehalt) WE/p.a. 750 März 130 80 Internes Rechnungswesen 3 K0305 Beispiel "Handgeschnitzte Holzengel (HGHE)" (nach Kleine-Doepke) Zusatzinformationen Angestellte 3 GTK Vorschnitzmaschine 1 Einheit Anschaffungskosten 45.000 WE Nutzungsdauer

Mehr

Umfang des Parallelogramms. Flächeninhalt des Parallelogramms

Umfang des Parallelogramms. Flächeninhalt des Parallelogramms Parallelogramm Umfang des Parallelogramms Gegeben ist ein Parallelogramm mit den Seitenlängen a und b. Um den Umfang (u P ) zu berechnen, wird folgende Formel verwendet: u P = 2a + 2b a b a = 6 cm; b =

Mehr

Algorithmische Anwendungen

Algorithmische Anwendungen Lineare Programmierung Studiengang: Allgemeine Informatik 7.Semester Gruppe: A blau Sibel Cilek 3835 Daniela Zielke 36577..6 Inhaltsverzeichnis Einleitung...3. Was ist lineare Optimierung?... 3. Anwendungsbeispiele...

Mehr

Prüfungsklausur Mathematik I für Wirtschaftsingenieure am 15.2.2013

Prüfungsklausur Mathematik I für Wirtschaftsingenieure am 15.2.2013 HTWD, Fakultät Informatik/Mathematik Prof. Dr. M. Voigt Prüfungsklausur Mathematik I für Wirtschaftsingenieure am 5..3 A Name, Vorname Matr. Nr. Sem. gr. Aufgabe 3 4 5 6 7 8 gesamt erreichbare P. 4 6 3

Mehr

Institut für Wirtschaftsprüfung und Steuerwesen

Institut für Wirtschaftsprüfung und Steuerwesen Institut für Wirtschaftsprüfung und Steuerwesen Lehrstuhl für Revisionsund Treuhandwesen Dominik Dienes Wintersemester 2012/2013 Begleitkurs zur Vorlesung Accounting and Controlling Veranstaltung 2 Plankostenrechnung

Mehr

einfache Rendite 0 145 85 1 160 90 2 135 100 3 165 105 4 190 95 5 210 110

einfache Rendite 0 145 85 1 160 90 2 135 100 3 165 105 4 190 95 5 210 110 Übungsbeispiele 1/6 1) Vervollständigen Sie folgende Tabelle: Nr. Aktie A Aktie B Schlusskurs in Schlusskurs in 0 145 85 1 160 90 2 135 100 3 165 105 4 190 95 5 210 110 Arithmetisches Mittel Standardabweichung

Mehr

Zielfunktion lineare Funktion Nebenbedingungen lineare Funktionen

Zielfunktion lineare Funktion Nebenbedingungen lineare Funktionen be/ji/3(2) 2-1 2 im Kontext der OR-Optimierungsmodelle Zielfunktion lineare Funktion Nebenbedingungen lineare Funktionen Standardform: - Planungsziel min bzw. min Z(x) = c 1 x 1 + c 2 x 2 + + c n x n Z(x)

Mehr

Vorlesungsmitschrift Operations Research I und II

Vorlesungsmitschrift Operations Research I und II Vorlesungsmitschrift Operations Research I und II Bemerkung: Dies ist eine Überarbeitung der beiden Skripte [1] und [2] zu den oben genannten Vorlesungen von Prof. Sebastian, ergänzt um Anmerkungen, die

Mehr

3. Schnittebenenverfahren

3. Schnittebenenverfahren 3. Schnittebenenverfahren Themen 3. Schnittebenenverfahren Ganzzahlige lineare Programmierung Schnittebenenverfahren Konstruktion von Schnittebenen Auswahl von Schnittrestriktionen Operations Research

Mehr

0. Einleitung. 0.1. Der Begriff Operations Research / Decision Support

0. Einleitung. 0.1. Der Begriff Operations Research / Decision Support 0. Einleitung 0.1. Der Begriff Operations Research / Decision Support Es werden Methoden zur Entscheidungsunterstützung (Decision Support, DS) vorgestellt. Durch Problemanalyse, daraus formulierte mathematische

Mehr

Musterlösung Tutorium 3 zur Vorlesung

Musterlösung Tutorium 3 zur Vorlesung PROF. DR.MICHAEL FUNKE DIPL.VW. KRISTIN GÖBEL Musterlösung Tutorium 3 zur Vorlesung Makroökonomik (WS 2010/11) Aufgabe 1: Das IS-LM-Modell in einer geschlossenen Volkswirtschaft a) Zeigen Sie unter Verwendung

Mehr

Arbitrage Free Pricing

Arbitrage Free Pricing Beim CAPM wurde gezeigt, dass man Finanztitel basierend auf der Verteilung ihres künftigen Preises bewerten kann. Dabei haben wir [unter der Annahme gewisser Präferenzen des Es] den Preis eines Finanztitels

Mehr

9.2 Invertierbare Matrizen

9.2 Invertierbare Matrizen 34 9.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen

Mehr

Klausur zur Vorlesung Stochastische Modelle in Produktion und Logistik im SS 09

Klausur zur Vorlesung Stochastische Modelle in Produktion und Logistik im SS 09 Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Stochastische Modelle in Produktion und Logistik im SS

Mehr

IPN Curriculum Physik. Der elektrische Stromkreis als System

IPN Curriculum Physik. Der elektrische Stromkreis als System IPN Curriculum Physik Unterrichtseinheiten für das 7. und 8. Schuljahr Der elektrische Stromkreis als System Stromstärke Spannung Widerstand orschläge für Testaufgaben 2 3 1 Teil 1: Strom und Widerstand

Mehr

Abiturprüfung Mathematik Baden-Württemberg (ohne CAS) Pflichtteil Aufgaben Aufgabe : ( VP) Bilden Sie die erste Ableitung der Funktion f mit x f(x) = (x + 5) e. Aufgabe : ( VP) Gegeben ist die Funktion

Mehr

Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b

Im 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

Mehr

Jede Zahl muss dabei einzeln umgerechnet werden. Beginnen wir also ganz am Anfang mit der Zahl,192.

Jede Zahl muss dabei einzeln umgerechnet werden. Beginnen wir also ganz am Anfang mit der Zahl,192. Binäres und dezimales Zahlensystem Ziel In diesem ersten Schritt geht es darum, die grundlegende Umrechnung aus dem Dezimalsystem in das Binärsystem zu verstehen. Zusätzlich wird auch die andere Richtung,

Mehr

Wirtschaftsmathematik-Klausur vom 03.07.2014 und Finanzmathematik-Klausur vom 11.07.2014 und

Wirtschaftsmathematik-Klausur vom 03.07.2014 und Finanzmathematik-Klausur vom 11.07.2014 und Wirtschaftsmathematik-Klausur vom 03.07.2014 und Finanzmathematik-Klausur vom 11.07.2014 und Bearbeitungszeit: W-Mathe 60 Minuten, F-Mathe 45 Minuten Aufgabe 1 a) Gegeben ist das folgende Gleichungssystem:

Mehr

Aufgabe 1 (Excel) Anwendungssoftware 1 / 11 Semesterschlussprüfung 21.06.2004

Aufgabe 1 (Excel) Anwendungssoftware 1 / 11 Semesterschlussprüfung 21.06.2004 Anwendungssoftware 1 / 11 Dauer der Prüfung: 90 Minuten. Es sind alle fünf Aufgaben mit allen Teilaufgaben zu lösen. Versuchen Sie, Ihre Lösungen soweit wie möglich direkt auf diese Aufgabenblätter zu

Mehr

Algebra und Diskrete Mathematik, PS3. Sommersemester Prüfungsfragen

Algebra und Diskrete Mathematik, PS3. Sommersemester Prüfungsfragen Algebra und Diskrete Mathematik, PS3 Sommersemester 2016 Prüfungsfragen Erläutern Sie die Sätze über die Division mit Rest für ganze Zahlen und für Polynome (mit Koeffizienten in einem Körper). Wodurch

Mehr

Dr. I. Fahrner WiSe 2016/17 Fakultät Grundlagen Hochschule Esslingen Übungsblatt 2. Statistik

Dr. I. Fahrner WiSe 2016/17 Fakultät Grundlagen Hochschule Esslingen Übungsblatt 2. Statistik Dr. I. Fahrner WiSe 2016/17 Fakultät Grundlagen 6.10.2016 Hochschule Esslingen Übungsblatt 2 Statistik Stichworte: arithmetischer Mittelwert, empirische Varianz, empirische Standardabweichung, empirischer

Mehr

Übungsklausur der Tutoren *

Übungsklausur der Tutoren * Übungsklausur der Tutoren * (* Aufgabenzusammenstellung erfolgte von den Tutoren nicht vom Lehrstuhl!!!) Aufgabe 1 - Tilgungsplan Sie nehmen einen Kredit mit einer Laufzeit von 4 Jahren auf. Die Restschuld

Mehr

nennt man Prozentsatz. Der Prozentsatz gibt an, welcher Teil von dem Ganzen berechnet werden soll.

nennt man Prozentsatz. Der Prozentsatz gibt an, welcher Teil von dem Ganzen berechnet werden soll. Prozentrechnung Wozu Prozentrechnung? Bei der Prozentrechnung geht es immer darum, einen Teil von einem Ganzen zu berechnen. Das Ganze stellt immer den Grundwert aller Aufgaben dar und das Ganze = der

Mehr

Übungen zu Erfolgs- und Kostenmanagement im WS 11/12 Aufgabenblatt 2:

Übungen zu Erfolgs- und Kostenmanagement im WS 11/12 Aufgabenblatt 2: Übungen zu Erfolgs- und Kostenmanagement im WS / Aufgabenblatt : Aufgabe : Grundlagen der Entscheidungstheorie Ein Automobilhersteller steht vor der Entscheidung sein Produktionsprogramm für die Zukunft

Mehr

Gliederung zu Kapitel 7. 7. Break-Even-Analyse

Gliederung zu Kapitel 7. 7. Break-Even-Analyse Gliederung zu Kapitel 7 7. Break-Even-Analyse 7.1 Zielsetzung und Annahmen von Break-Even-Analysen 7.2 Break-Even-Analysen bei einem Produkt 7.3 Break-Even-Analysen bei mehreren Produkten 7.4 Analyse der

Mehr

Markus: Wir haben doch jetzt immer Wochen, in denen wir nicht voll ausgelastet sind. Können wir die Produktion nicht gleichmäßiger verteilen?

Markus: Wir haben doch jetzt immer Wochen, in denen wir nicht voll ausgelastet sind. Können wir die Produktion nicht gleichmäßiger verteilen? OSZ Wirtschaft und Sozialversicherung Fach: Rechnungswesen LA: Kostenrechnung LE: Teilkostenrechnung ÜBUNG: Kapazitätsprobleme Erforderliche Materialien: LÖS Anlagenverzeichnis Habedank GmbH zum 31.12.2006

Mehr

Institut für Statistik und Mathematische Wirtschaftstheorie Universität Augsburg OPTIMIERUNG II. Aufgaben und Lösungen

Institut für Statistik und Mathematische Wirtschaftstheorie Universität Augsburg OPTIMIERUNG II. Aufgaben und Lösungen Institut für Statistik und Mathematische Wirtschaftstheorie Universität Augsburg OPTIMIERUNG II Aufgaben und Lösungen SS 2005 Aufgaben Aufgabe 41 Ein Betrieb stellt zwei Produkte P 1 und P 2 her, die die

Mehr

Aufgabe 1 (23 Punkte)

Aufgabe 1 (23 Punkte) Aufgabe 1 (23 Punkte) Betrachtet werden zwei Personen 1 und 2, die in einer Wohngemeinschaft leben, mit den folgenden Nutzenfunktionen: sowie u 1 (x 1, G) = x 1 G u 2 (x 2, G) = x 2 G x 1 beziehungsweise

Mehr