Vertiefung zu Logistik/SCM

Größe: px
Ab Seite anzeigen:

Download "Vertiefung zu Logistik/SCM"

Transkript

1 Vertiefung zu Logistik/SCM 1 / 38 Vertiefung zu Logistik/SCM Stochastische Lagerhaltung Univ.-Prof. Dr. Knut Haase Institut für Verkehrswirtschaft 25. Juni Vertiefung zu Logistik/SCM 2 / 38 Inhalte I 1. Lagerhaltung bei stochastischer Nachfrage Annahmen Kontinuierlich verteilte Nachfrage Diskret verteilte Periodenachfrage Stochastische Wiederbeschaffungszeit 2. Produktbezogene Leistungskriterien -Servicegrad -Servicegrad -Servicegrad Beispiel 3. Einstufige Lagerhaltungspolitiken (s; q)-politik (r ; S)-Politik GAMS: Bestimmung einer optimalen (r,s)-politik (s; S)-Politik

2 Vertiefung zu Logistik/SCM 4 / 38 Annahmen I Die stochastische Nachfrage D ist periodenweise unabhängig. I Die Wiederbeschaffungszeit beträgt l Perioden Vertiefung zu Logistik/SCM 5 / 38 Kontinuierlich verteilte Nachfrage I Normalverteilte Nachfrage I Ist die Periodennachfrage D mit Erwartungswert D und Standardabweichung D normalverteilt, so ist die kumulierte Nachfrage D während der Wiederbeschaffungszeit mit ebenfalls normalverteilt. I Durch die Transformation D = D l D = Dp l X = D D D erhalten wir eine standardnormalverteilte Zufallsgröße X. I Zentraler Grenzwertsatz

3 Vertiefung zu Logistik/SCM 6 / 38 Kontinuierlich verteilte Nachfrage II I Aus Tabellen erhält man die Wahrscheinlichkeit P, dass X kleiner gleich einem bestimmten Wert x ist, kurz P[X x]; Beispiele: x 1,645 1,96 2,58 P[X x] 0,95 0,975 0,995 I Somit gilt beispielsweise P " D D D 1; 96 # = 0; 975 bzw. P[ D 1; 96 D + D ] = 0; 975 I Daraus folgt, dass bei einem Lagerbestand von 1; 96 D + D ME mit einer Wahrscheinlichkeit von 97,5% keine Fehlmengensituation während der Wiederbeschaffungszeit eintritt Vertiefung zu Logistik/SCM 7 / 38 Diskret verteilte Periodenachfrage I Spezifikation der Wahrscheinlichkeitsfunktion Die Wahrscheinlichkeitsfunktion wird in der Regel durch eine empirische Untersuchung spezifiziert, wobei relative Häufigkeiten als Schätzwerte für die Eintrittswahrscheinlichkeiten verwendet werden.

4 Vertiefung zu Logistik/SCM 8 / 38 Diskret verteilte Periodenachfrage II Wahrscheinlichkeitsverteilung der kumulierten Nachfrage D l kumulierte Nachfrage in der Wiederbeschaffungszeit von l Perioden D l = lx t=1 D Pf D l g Wahrscheinlichkeit von D l Beispiel (l = 1) PfD = 0g = 0; 1; PfD = 1g = 0; 4; PfD = 2g = 0; 5! l = 1: Pf D 1 = 0g = 0; 1 Pf D 1 = 1g = 0; Vertiefung zu Logistik/SCM 9 / 38 Diskret verteilte Periodenachfrage III Pf D 1 = 2g = 0; 5 l = 2 Pf D 2 = 0g = Pf D 1 = 0g PfD = 0g = 0; 1 0; 1 = 0; 01 Pf D 2 = 1g = Pf D 1 = 0g PfD = 1g + Pf D 1 = 1g PfD = 0g = 0; 1 0; 4 + 0; 4 0; 1 = 0; 08 Pf D 2 = 2g = Pf D 1 = 0g PfD = 2g + Pf D 1 = 1g PfD = 1g +Pf D 1 = 2g PfD = 0g = 0; 1 0; 5 + 0; 4 0; 4 + 0; 5 0; 1 = 0; 26

5 Vertiefung zu Logistik/SCM 10 / 38 Diskret verteilte Periodenachfrage IV Pf D 2 = 3g = Pf D 1 = 1g PfD = 2g + Pf D 1 = 2g PfD = 1g = 0; 4 0; 5 + 0; 5 0; 4 = 0; 4 Pf D 2 = 4g = Pf D 1 = 2g PfD = 2g + = 0; 5 0; 5 = 0; 25 Sicherheitsbestand: 3 ME, Wiederbeschaffungszeit: 2 Perioden!Wahrscheinlichkeit einer Fehlmengensituation: 25% Sei d eine Realisation von D l, so gilt allgemein ( Pf D l = dg PfD = dg für l = 1 = P d i=0 Pf D l 1 = ig PfD = d ig für l > Vertiefung zu Logistik/SCM 11 / 38 Stochastische Wiederbeschaffungszeit I Annahme Die Wiederbeschaffungszeit sei eine diskrete Zufallsvariable L mit Ausprägungen l 2 fl min ; : : : ; l max g Kontinuierlich verteilte Periodennachfrage Nachfrage während der Wiederbeschaffungszeit (Dichtefunktion): f D ( d) = Xl max l=l min f D ( d j L = l) PfL = lg Diskret verteilte Periodennachfrage (Wahrscheinlichkeitsfunktion) Pf D = dg = Xl max l=l min Pf D = d j L = lg PfL = lg

6 Vertiefung zu Logistik/SCM 12 / 38 Stochastische Wiederbeschaffungszeit II Beispiel (Erweiterung) l min = 1, l max = 2, PfL = 1g = 0; 4, PfL = 2g = 0; 6 Pf D = 0g = Pf D 1 = 0g 0; 4 + Pf D 2 = 0g 0; 6 = 0; 1 0; 4 + 0; 01 0; 6 = 0; 046 Pf D = 1g = Pf D 1 = 1g 0; 4 + Pf D 2 = 1g 0; 6 = 0; 4 0; 4 + 0; 08 0; 6 = 0; 208 Pf D = 2g = Pf D 1 = 2g 0; 4 + Pf D 2 = 2g 0; 6 = 0; 5 0; 4 + 0; 26 0; 6 = 0; 356 Pf D = 3g = Pf D 1 = 3g 0; 4 + Pf D 2 = 3g 0; 6 = 0; 0 0; 4 + 0; 40 0; 6 = 0; 24 Pf D = 4g = Pf D 1 = 4g 0; 4 + Pf D 2 = 4g 0; 6 = 0; 0 0; 4 + 0; 25 0; 6 = 0; 15 Sicherheitsbestand: 3 ME! P[Fehlmengensituation] = 15% Vertiefung zu Logistik/SCM 14 / 38 -Servicegrad Periodenbedarfsbezogene Definition Wahrscheinlichkeit, dass ein eintreffender Bedarf vollständig erfüllt werden kann: Per = P Periodennachfragemenge physischer Bestand zu Beginn einer Periode Bestellzyklusbezogene Definition Wahrscheinlichkeit, dass innerhalb eines Bestellzyklus keine Fehlmenge auftritt Zyk = P 8 < : Nachfragemenge in Wiederbeschaffungszeit physischer Bestand zu Beginn der Wiederbeschaffungszeit 9 = ;

7 Vertiefung zu Logistik/SCM 15 / 38 -Servicegrad Mengenorientierte Kennzahl, die den Anteil der Gesamtnachfrage angibt, der ohne lagerbedingte Lieferzeit ausgeliefert werden kann: = 1 E ffehlmenge pro Periodeg E fperiodennachfragemengeg Vertiefung zu Logistik/SCM 16 / 38 -Servicegrad Zeit- und mengenorientierte Kennzahl = 1 E ffehlbestand pro Periodeg E fperiodennachfragemengeg Die Höhe der Fehlmenge als auch die jeweiligen Wartezeiten als Rückstandsaufträge sollen erfasst werden.

8 Vertiefung zu Logistik/SCM 17 / 38 Beispiel I I Anfangslagerbestand I 0 =400 I Bestellmenge: 400 I Eine Bestellung erfolgt, wenn der disponible Lagerbestand DI t (physischer Lagerbestand zusätzlich Bestellmengen abzüglich Fehlmengen) am Ende der Periode t kleiner als 200 ist. I Bestellungen werden am Ende einer Periode ausgelöst, nach einer Wiederbeschaffungszeit von 4 Perioden angeliefert und stehen zu Beginn der darauf folgenden Periode zur Bedarfsdeckung zur Verfügung Vertiefung zu Logistik/SCM 18 / 38 Beispiel II t d t I t q t DI t

9 Vertiefung zu Logistik/SCM 19 / 38 Beispiel III Vertiefung zu Logistik/SCM 20 / 38 Beispiel IV

10 Vertiefung zu Logistik/SCM 21 / 38 Beispiel V Per = = 96; 00% 50 Zyk = = 83; 33% 6 = = 98; 17% 2245 = = 97; 06% Vertiefung zu Logistik/SCM 23 / 38 (s; q)-politik Notation s q Bestellpunkt (Meldebestand) Bestellmenge (s; q)-politik I Wenn der disponible Lagerbestand den Bestellpunkt s erreicht hat, wird eine Bestellung der Höhe q ausgelöst. I Erfordert kontinuierliche Bestandsüberwachung.

11 Bestandsentwicklung (s; q)-politik (Tempelmeier (2012)) Vertiefung zu Logistik/SCM 25 / 38 (r ; S)-Politik Notation S r Bestellniveau Zykluslänge (r ; S)-Politik I In konstanten Abständen von r Perioden wird jeweils eine Bestellung ausgelöst, die den disponiblen Lagerbestand auf das Bestellniveau S anhebt. I Lagerhaltungspolitik mit periodischer Bestandsüberwachung.

12 Bestandsentwicklung (r ; S)-Politik (Tempelmeier (2012)) * (r,s)-politik file out; put out; sets t Perioden i Bestellpolitiken; parameter d(t) Nachfrage; scalar h Lagerhaltungskoeffizient /1/ f Lagerfehlbestandskoeffizient /2/ LZ Lieferzeit /5/ ga Gamma Servicegrad /0.95/; parameter g Lagerueberwachungs und Bestellkosten X(t) Bestellung in Periode; positive variables LB( t) Lagerbestand FB( t) Fehlbestand DLB(t) disponibler Lagerbestand q(t) Bestellmenge

13 S Bestellniveau; variable GK Gesamtkosten; equations Gesamtkosten Minimierung der Gesamtkosten Lagerbestand(t) Lagerbilanzgleichungen DisponiblerLB(t) Disponibler Lagerbestand Bestellung(t) Festlegung der Bestellmenge KeineBestellung(t) Festlegung der Bestellmenge Gamma Gamma-Servicegrad einhalten; Gesamtkosten.. GK =e= g + sum(t, h*lb(t) + f*fb(t)); Lagerbestand(t).. LB(t)-FB(t)=e= LB(t-1)-FB(t-1)+q(t-(LZ+1))-d(t); DisponiblerLB(t).. DLB(t) =e= DLB(t-1) + q(t) - d(t); Bestellung(t)$X(t).. q(t) =e= S-DLB(t); KeineBestellung(t)$(not X(t)).. q(t) =e= 0; Gamma.. sum(t, FB(t)) =l= (1-ga)*sum(t,d(t)); Model Bestellpolitik /all/; set t /1*100/ i /1*10/; d(t) = round(uniform(0,100)); d( 1 ) = d( 1 ) - LZ*50; scalar counter; scalar min_i, min_kost; min_kost = 0; Alias(t,n); loop(i, if (ord(i) = 1, X(n) = yes; else X( 1 ) = yes; counter = 1; loop(n$(ord(n)>1), if (counter = ord(i), X(n) = yes; else X(n) = no); counter = counter + 1; if (counter > ord(i), counter = 1); ); ); g = 500*sum(n$X(n), 1 ); solve Bestellpolitik using lp minimizing GK; if ( ord(i)= 1 or min_kost > GK.l,

14 ); min_i = ord(i); min_kost = GK.l; ); put ord(i)" " S.l:6:0 " " GK.l:6:0 /; if (ord(i)=12, loop(n, put LB.l(n):4:0, FB.l(n):4:0 DLB.l(n):4:0/); ); loop(i$(ord(i) = min_i), if (ord(i) = 1, X(n) = yes; else X( 1 ) = yes; counter = 1; loop(n$(ord(n)>1), if (counter = ord(i), X(n) = yes; else X(n) = no); counter = counter + 1; if (counter > ord(i), counter = 1); ); ); g = 500*sum(n$X(n), 1 ); solve Bestellpolitik using lp minimizing GK; put ord(i)" " S.l:6:0 " " GK.l:6:0 /; loop(n, put LB.l(n):6:0, FB.l(n):6:0 DLB.l(n):6:0 q.l(n):6:0/); ); out.put

15

16

17 Vertiefung zu Logistik/SCM 36 / 38 (s; S)-Politik Notation s S q Bestellpunkt (Meldebestand) Bestellniveau Bestellmenge (s; S)-Politik I In konstanten Abständen wird der disponible Lagerbestand überprüft. Ist der Bestellpunkt s erreicht oder unterschritten, dann wird eine Bestellung ausgelöst, die den disponiblen Lagerbestand auf das Bestellniveau S anhebt. I Im Unterschied zur (s; q)-politik sind die Bestellmengen nun variabel. Bestandsentwicklung (s; S)-Politik (Tempelmeier (2012))

18 Vertiefung zu Logistik/SCM 38 / 38 Literaturhinweise I Templemeier, Horst: Bestandsmanagement in Supply Chains. Books on Demand, 4. Auflage, 2012.

Bestandsmanagement in Supply Chains

Bestandsmanagement in Supply Chains Horst Tempelmeier Bestandsmanagement in Supply Chains DaimlerChrysler ÄG Fachinformation Stuttgart 317512 Kapitel A Einordnung des Buches 1 A. 1 Material-Logistik und Bestandsmanagement 1 A.2 Kapazitätsorientierte

Mehr

Bestandsoptimierung für das Supply Chain Management

Bestandsoptimierung für das Supply Chain Management Lars Fischer Bestandsoptimierung für das Supply Chain Management Zeitdiskrete Modelle und praxisrelevante Ansätze Vorwort Abbildungsverzeichnis Tabellenverzeichnis Symbolverzeichnis Abkürzungsverzeichnis

Mehr

Bestandsmanagement. Stand: November POM Prof. Tempelmeier GmbH, 2016 Bestandsmanagement 1

Bestandsmanagement. Stand: November POM Prof. Tempelmeier GmbH, 2016 Bestandsmanagement 1 Bestandsmanagement Stand: November 2016 1 Gliederung 1. Bestandsmanagement Einordnung 2. Lager-Supply-Chain 3. Entscheidungsproblem 4. Lagerbestandspolitiken a. Nachfrageprognose b. Diskrete Zeitachse

Mehr

Bestandsmanagement. Prognoseverfahren und Lagerhaltungspolitiken

Bestandsmanagement. Prognoseverfahren und Lagerhaltungspolitiken Bestandsmanagement Prognoseverfahren und Lagerhaltungspolitiken Inhalt Bestandsmanagement in Supply Chains Prognoseverfahren Prognose bei regelmäßigem Bedarf Konstantes Bedarfsniveau Trendförmiges Bedarfsniveau

Mehr

Skriptteufel Klausurvorbereitung

Skriptteufel Klausurvorbereitung Skriptteufel Klausurvorbereitung Workshop Produktion Was haben wir vor? Möglichst zielgenaue Klausurvorbereitung Erklären der Aufgabentypen und zugehöriger Lösungswege Aufteilung in fünf große Blöcke:

Mehr

6. Stochastische Modelle II: Stetige Wahrscheinlichkeitsverteilungen, insbesondere Normalverteilungen

6. Stochastische Modelle II: Stetige Wahrscheinlichkeitsverteilungen, insbesondere Normalverteilungen 6. Stochastische Modelle II: Stetige Wahrscheinlichkeitsverteilungen, insbesondere Normalverteilungen Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Bisher: Diskrete Zufallsvariablen,

Mehr

Horst Tempelmeier. Supply Chain Management. und Produktion. Übungen und Mini-Fallstudien. 5., überarbeitete Auflage

Horst Tempelmeier. Supply Chain Management. und Produktion. Übungen und Mini-Fallstudien. 5., überarbeitete Auflage Horst Tempelmeier Supply Chain Management und Produktion Übungen und Mini-Fallstudien 5., überarbeitete Auflage Teil A: Gestaltung der Infrastruktur von Supply Networks 1 1 Standortentscheidungen 1 Verständnis-

Mehr

Vorratsmanagement und Lagerhaltungstheorie

Vorratsmanagement und Lagerhaltungstheorie 0BKlausur: 1536 WS 2008/2009 Name, Vorname: Matrikelnummer: Fakultät: Prüfung: 3BPrüfer: Vorratsmanagement und Lagerhaltungstheorie Prof. Dr. Karl Inderfurth 1BZugelassene Hilfsmittel: Taschenrechner laut

Mehr

Bestandsplanung und -steuerung: Die Berechnung der Bestellmengen

Bestandsplanung und -steuerung: Die Berechnung der Bestellmengen Bestandsplanung und -steuerung: Die Berechnung der Bestellmengen Dortmund, Oktober 1998 Prof. Dr. Heinz-Michael Winkels, Fachbereich Wirtschaft FH Dortmund Emil-Figge-Str. 44, D44227-Dortmund, TEL.: (0231)755-4966,

Mehr

Kapitel 2 Wahrscheinlichkeitsrechnung

Kapitel 2 Wahrscheinlichkeitsrechnung Definition 2.77: Normalverteilung & Standardnormalverteilung Es sei µ R und 0 < σ 2 R. Besitzt eine stetige Zufallsvariable X die Dichte f(x) = 1 2 πσ 2 e 1 2 ( x µ σ ) 2, x R, so heißt X normalverteilt

Mehr

Supply Chain Management und Produktion

Supply Chain Management und Produktion Horst Tempelmeier Supply Chain Management und Produktion Übungen und Mini-Fallstudien 3., überarbeitete und erweiterte Auflage Inhaltsverzeichnis Aufbau des Buches 1 Teil A: Supply Chain Management und

Mehr

Logistik I. 4 Beschaffungslogistik (Teil c)

Logistik I. 4 Beschaffungslogistik (Teil c) Logistik I Quelle: Ehrmann Logistik I Lagermodell: Darstellung und Begriffe Bestand Max. Bestand Beschaffungsauslösebestand (Meldebest.) Bestellauslösebestand Durchschnittsbestand optimale Bestellmenge

Mehr

Operations Management

Operations Management Operations Management Supply Chain Management und Lagerhaltungsmanagement Prof. Dr. Helmut Dietl Lernziele Nach dieser Veranstaltung sollen Sie die Gründe für Lagerhaltung verstehen die grundsätzlichen

Mehr

5. Spezielle stetige Verteilungen

5. Spezielle stetige Verteilungen 5. Spezielle stetige Verteilungen 5.1 Stetige Gleichverteilung Eine Zufallsvariable X folgt einer stetigen Gleichverteilung mit den Parametern a und b, wenn für die Dichtefunktion von X gilt: f x = 1 für

Mehr

825 e 290 e 542 e 945 e 528 e 486 e 675 e 618 e 170 e 500 e 443 e 608 e. Zeichnen Sie das Box-Plot. Sind in dieser Stichprobe Ausreißer vorhanden?

825 e 290 e 542 e 945 e 528 e 486 e 675 e 618 e 170 e 500 e 443 e 608 e. Zeichnen Sie das Box-Plot. Sind in dieser Stichprobe Ausreißer vorhanden? 1. Aufgabe: Eine Bank will die jährliche Sparleistung eines bestimmten Kundenkreises untersuchen. Eine Stichprobe von 12 Kunden ergab folgende Werte: 825 e 290 e 542 e 945 e 528 e 486 e 675 e 618 e 170

Mehr

Der Trainer einer Fußballmannschaft stellt die Spieler seiner Mannschaft auf. Insgesamt besteht der Kader seiner Mannschaft aus 23 Spielern.

Der Trainer einer Fußballmannschaft stellt die Spieler seiner Mannschaft auf. Insgesamt besteht der Kader seiner Mannschaft aus 23 Spielern. Aufgabe 1 (2 + 1 + 2 + 2 Punkte) Der Trainer einer Fußballmannschaft stellt die Spieler seiner Mannschaft auf. Insgesamt besteht der Kader seiner Mannschaft aus 23 Spielern. a) Wieviele Möglichkeiten hat

Mehr

Stetige Verteilungen. A: Beispiele Beispiel 1: a) In den folgenden Abbildungen sind die Dichtefunktionen von drei bekannten Verteilungen graphisch

Stetige Verteilungen. A: Beispiele Beispiel 1: a) In den folgenden Abbildungen sind die Dichtefunktionen von drei bekannten Verteilungen graphisch 6 Stetige Verteilungen 1 Kapitel 6: Stetige Verteilungen A: Beispiele Beispiel 1: a) In den folgenden Abbildungen sind die Dichtefunktionen von drei bekannten Verteilungen graphisch dargestellt. 0.2 6

Mehr

!!!!!!! Bachelor!Thesis!

!!!!!!! Bachelor!Thesis! BachelorThesis Vor.undZuname geb.am in: Matr..Nr.: MariusSchwarzmann 12.03.1990 Memmingen 20066776 Titel: MehrstufigeLagerhaltungsmodelleundihreAnwendbarkeitinderPraxis Abgabedatum: 28.07.2015 BetreuenderProfessor:

Mehr

Exponentialverteilung

Exponentialverteilung Exponentialverteilung Dauer von kontinuierlichen Vorgängen (Wartezeiten; Funktionszeiten technischer Geräte) Grenzübergang von der geometrischen Verteilung Pro Zeiteinheit sei die Eintrittswahrscheinlichkeit

Mehr

Klausur zur Vorlesung Logistik im WS 03/04

Klausur zur Vorlesung Logistik im WS 03/04 Universität Hannover Wirtschaftswissenschaftliche Fakultät Lehrstuhl für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Logistik im WS 03/04 Hinweise: Die Klausur besteht aus 13 Seiten

Mehr

Klausur zur Vorlesung Logistik im Sommersemester 2015

Klausur zur Vorlesung Logistik im Sommersemester 2015 Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Florian Sahling Sitzplatznr.: Klausur zur Vorlesung Logistik im Sommersemester 2015 Hinweise:

Mehr

Ökonomische Analyse der Medikamentenverteilung im Krankenhaus

Ökonomische Analyse der Medikamentenverteilung im Krankenhaus Helmut Kühn Ökonomische Analyse der Medikamentenverteilung im Krankenhaus Eine empirische Simulationsstudie UNIVERSITÄTS- BIBLIOTHEK PETER LANG Frankfurt am Main Bern New York Nancy INHALTSVERZEICHNIS

Mehr

(8 + 2 Punkte) = = 0.75

(8 + 2 Punkte) = = 0.75 Aufgabe 1 (8 + 2 Punkte) Von 20 Teilnehmern einer Bergwanderung geben 8 Personen an Knieschmerzen zu haben. 6 Teilnehmer leiden an Sonnenbrand. 8 Teilnehmer blieben unversehrt. a) Wie groß ist die Wahrscheinlichkeit,

Mehr

EFFIZIENTE UND EFFEKTIVE LAGERHALTUNG - IT-GESTÜTZTE DURCHFÜHRUNG VON BESTANDSMANAGEMENT-PROJEKTEN

EFFIZIENTE UND EFFEKTIVE LAGERHALTUNG - IT-GESTÜTZTE DURCHFÜHRUNG VON BESTANDSMANAGEMENT-PROJEKTEN EFFIZIENTE UND EFFEKTIVE LAGERHALTUNG - IT-GESTÜTZTE DURCHFÜHRUNG VON BESTANDSMANAGEMENT-PROJEKTEN Professor Dr.-Ing. Frank Herrmann Hochschule Regensburg - University of Applied Sciences Regensburg Innovation

Mehr

Operations Management

Operations Management Operations Management Supply Chain Management und Lagerhaltungsmanagement Prof. Dr. Helmut Dietl Lernziele Nach dieser Veranstaltung sollen Sie wissen, was man unter Supply Chain Management und Lagerhaltungsmanagement

Mehr

Einige Konzepte aus der Wahrscheinlichkeitstheorie (Wiederh.)

Einige Konzepte aus der Wahrscheinlichkeitstheorie (Wiederh.) Einige Konzepte aus der Wahrscheinlichkeitstheorie (Wiederh.) 1 Zusammenfassung Bedingte Verteilung: P (y x) = P (x, y) P (x) mit P (x) > 0 Produktsatz P (x, y) = P (x y)p (y) = P (y x)p (x) Kettenregel

Mehr

Logistik im Handel. Waldemar Toporowski. y Physica-Verlag. Optimale Lagerstruktur und Bestellpolitik einer Filialunternehmung. Mit 40 Abbildungen

Logistik im Handel. Waldemar Toporowski. y Physica-Verlag. Optimale Lagerstruktur und Bestellpolitik einer Filialunternehmung. Mit 40 Abbildungen Waldemar Toporowski 2008 AGI-Information Management Consultants May be used for personal purporses only or by libraries associated to dandelon.com network. Logistik im Handel Optimale Lagerstruktur und

Mehr

Klausur zur Vorlesung Logistik im Sommersemester 2012

Klausur zur Vorlesung Logistik im Sommersemester 2012 Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Jun.-Prof. Dr. Florian Sahling Klausur zur Vorlesung Logistik im Sommersemester 2012 Hinweise: Die

Mehr

Statistik 2 für SoziologInnen. Stetige Zufallsvariable Normalverteilung & Exponentialverteilung

Statistik 2 für SoziologInnen. Stetige Zufallsvariable Normalverteilung & Exponentialverteilung Statistik 2 für SoziologInnen Stetige Zufallsvariable Normalverteilung & Exponentialverteilung Univ.Prof. Dr. Marcus Hudec Statistik 2 für SoziologInnen 1 Normalverteilung Stetige Zufalls-Variable Erweitert

Mehr

6.6 Poisson-Verteilung

6.6 Poisson-Verteilung 6.6 Poisson-Verteilung Die Poisson-Verteilung ist eine Wahrscheinlichkeitsverteilung, die zur Modellierung der Anzahl von zufälligen Vorkommnissen in einem bestimmten räumlichen oder zeitlichen Abschnitt

Mehr

OPERATIONS MANAGEMENT. Supply Chain Management

OPERATIONS MANAGEMENT. Supply Chain Management OPERATIONS MANAGEMENT Supply Chain Management Supply Chain Management: Definition Management des Güterflusses innerhalb eines Zuliefer- und Abnehmernetzwerkes, so dass die richtigen Güter zum richtigen

Mehr

Klausur zur Vorlesung Logistik im WS 04/05

Klausur zur Vorlesung Logistik im WS 04/05 Universität Hannover Wirtschaftswissenschaftliche Fakultät Lehrstuhl für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Logistik im WS 04/05 Hinweise: Die Klausur besteht aus 14 Seiten

Mehr

Einführung in Verkehr und Logistik

Einführung in Verkehr und Logistik WS 13/14 Einführung in Verkehr und Logistik 1 / 28 Einführung in Verkehr und Logistik (Bachelor) Fallstudie zur Distributionsplanung (Nur zur internen Verwendung!) Univ.-Prof. Dr. Knut Haase Institut für

Mehr

Bestandsplanung. Prof. Dr.-Ing. Bernd Noche

Bestandsplanung. Prof. Dr.-Ing. Bernd Noche Prof. Dr.-Ing. Bernd Noche Bestandsplanung Fakultät für Ingenieurwissenschaften Abteilung Maschinenbau Transportsysteme und -logistik Keetmanstr. 3-9 47058 Duisburg Telefon: 0203 379-2785 Telefax: 0203

Mehr

Biometrieübung 5 Spezielle Verteilungen. 1. Anzahl von weiblichen Mäusen in Würfen von jeweils 4 Mäusen

Biometrieübung 5 Spezielle Verteilungen. 1. Anzahl von weiblichen Mäusen in Würfen von jeweils 4 Mäusen Biometrieübung 5 (Spezielle Verteilungen) - Aufgabe Biometrieübung 5 Spezielle Verteilungen Aufgabe 1. Anzahl von weiblichen Mäusen in Würfen von jeweils 4 Mäusen Anzahl weiblicher Mäuse (k) Anzahl Würfe

Mehr

12 Die Normalverteilung

12 Die Normalverteilung 12 Die Normalverteilung Die Normalverteilung ist eine der wichtigsten Wahrscheinlichkeitsverteilungen in der Praxis, weil aufgrund des sogenannten zentralen Grenzwertsatzes in vielen Situationen angenommen

Mehr

Übung 1: Wiederholung Wahrscheinlichkeitstheorie

Übung 1: Wiederholung Wahrscheinlichkeitstheorie Übung 1: Wiederholung Wahrscheinlichkeitstheorie Ü1.1 Zufallsvariablen Eine Zufallsvariable ist eine Variable, deren numerischer Wert solange unbekannt ist, bis er beobachtet wird. Der Wert einer Zufallsvariable

Mehr

Marcus Hudec. Statistik 2 für SoziologInnen. Normalverteilung. Univ.Prof. Dr. Marcus Hudec. Statistik 2 für SoziologInnen 1 Normalverteilung

Marcus Hudec. Statistik 2 für SoziologInnen. Normalverteilung. Univ.Prof. Dr. Marcus Hudec. Statistik 2 für SoziologInnen 1 Normalverteilung Statistik 2 für SoziologInnen Normalverteilung Univ.Prof. Dr. Marcus Hudec Statistik 2 für SoziologInnen 1 Normalverteilung Stetige Zufalls-Variable Erweitert man den Begriff der diskreten Zufallsvariable

Mehr

Inferenzstatistik (=schließende Statistik)

Inferenzstatistik (=schließende Statistik) Inferenzstatistik (=schließende Statistik) Grundproblem der Inferenzstatistik: Wie kann man von einer Stichprobe einen gültigen Schluß auf di Grundgesamtheit ziehen Bzw.: Wie groß sind die Fehler, die

Mehr

OPERATIONS MANAGEMENT. - Supply Chain Management - SCM: Definition

OPERATIONS MANAGEMENT. - Supply Chain Management - SCM: Definition OPERATIONS MANAGEMENT - Supply Chain Management - SCM: Definition Management des Güterflusses innerhalb eines Zulieferund Abnehmernetzwerkes, so dass die richtigen Güter zum richtigen Zeitpunkt in der

Mehr

Übungsbuch Produktion und Logistik

Übungsbuch Produktion und Logistik Hans-Otto Günther Horst Tempelmeier Übungsbuch Produktion und Logistik Supply Chain und Operations Management 8., erweiterte und verbesserte Auflage Inhaltsverzeichnis Teil A: Einführung - Grundfragen

Mehr

Normalverteilung. Erwartungswert, Median und Modus sind identisch. Symmetrieeigenschaft um den Erwartungswert

Normalverteilung. Erwartungswert, Median und Modus sind identisch. Symmetrieeigenschaft um den Erwartungswert Normalverteilung Stetige Wahrscheinlichkeitsverteilung, die zahlreiche natur, wirtschafts und sozialwissenschaftliche Merkmalsausprägungen mit guter Näherung abbilden kann und somit von elementarer Bedeutung

Mehr

4. Verteilungen von Funktionen von Zufallsvariablen

4. Verteilungen von Funktionen von Zufallsvariablen 4. Verteilungen von Funktionen von Zufallsvariablen Allgemeine Problemstellung: Gegeben sei die gemeinsame Verteilung der ZV en X 1,..., X n (d.h. bekannt seien f X1,...,X n bzw. F X1,...,X n ) Wir betrachten

Mehr

70 Wichtige kontinuierliche Verteilungen

70 Wichtige kontinuierliche Verteilungen 70 Wichtige kontinuierliche Verteilungen 70. Motivation Zufallsvariablen sind nicht immer diskret, sie können oft auch jede beliebige reelle Zahl in einem Intervall [c, d] einnehmen. Beispiele für solche

Mehr

Statistik 2 für SoziologInnen. Normalverteilung. Univ.Prof. Dr. Marcus Hudec. Themen dieses Kapitels sind:

Statistik 2 für SoziologInnen. Normalverteilung. Univ.Prof. Dr. Marcus Hudec. Themen dieses Kapitels sind: Statistik 2 für SoziologInnen Normalverteilung Univ.Prof. Dr. Marcus Hudec Statistik 2 für SoziologInnen 1 Normalverteilung Inhalte Themen dieses Kapitels sind: Das Konzept stetiger Zufallsvariablen Die

Mehr

Marcus Hudec. Statistik 2 für SoziologInnen. Normalverteilung. Univ.Prof. Dr. Marcus Hudec. Statistik 2 für SoziologInnen 1 Normalverteilung

Marcus Hudec. Statistik 2 für SoziologInnen. Normalverteilung. Univ.Prof. Dr. Marcus Hudec. Statistik 2 für SoziologInnen 1 Normalverteilung Statistik 2 für SoziologInnen Normalverteilung Univ.Prof. Dr. Marcus Hudec Statistik 2 für SoziologInnen 1 Normalverteilung Inhalte Themen dieses Kapitels sind: Das Konzept stetiger Zufallsvariablen Die

Mehr

Operations Management

Operations Management Operations Management Supply Chain Management und Lagerhaltungsmanagement Prof. Dr. Helmut Dietl Lernziele Nach dieser Veranstaltung sollen Sie wissen, was man unter Supply Chain Management und Lagerhaltungsmanagement

Mehr

Übungsblatt 9 (25. bis 29. Juni)

Übungsblatt 9 (25. bis 29. Juni) Statistik 2 Dr. Andrea Beccarini Dipl.-Vw. Dipl.-Kffr. Heike Bornewasser-Hermes Sommersemester 2012 Übungsblatt 9 (25. bis 29. Juni) Stetiges Verteilungsmodell und Gemeinsame Verteilung Stetiges Verteilungsmodell

Mehr

Willkommen zur Vorlesung Statistik (Master)

Willkommen zur Vorlesung Statistik (Master) Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Verteilungen stetiger Zufallsvariablen Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften

Mehr

Binomialverteilung. Häufigkeit, mit der Ereignis A bei n unabhängigen Versuchen eintritt. Träger von X : X = {0, 1, 2,..., n}.

Binomialverteilung. Häufigkeit, mit der Ereignis A bei n unabhängigen Versuchen eintritt. Träger von X : X = {0, 1, 2,..., n}. Binomialverteilung Konstruktionsprinzip: Ein Zufallsexperiment wird n mal unabhängig durchgeführt. Wir interessieren uns jeweils nur, ob ein bestimmtes Ereignis A eintritt oder nicht. X = Häufigkeit, mit

Mehr

SozialwissenschaftlerInnen II

SozialwissenschaftlerInnen II Statistik für SozialwissenschaftlerInnen II Henning Best best@wiso.uni-koeln.de Universität zu Köln Forschungsinstitut für Soziologie Statistik für SozialwissenschaftlerInnen II p.1 Wahrscheinlichkeitsfunktionen

Mehr

Standardnormalverteilung

Standardnormalverteilung Standardnormalverteilung 1720 erstmals von Abraham de Moivre beschrieben 1809 und 1816 grundlegende Arbeiten von Carl Friedrich Gauß 1870 von Adolphe Quetelet als "ideales" Histogramm verwendet alternative

Mehr

13 Mehrdimensionale Zufallsvariablen Zufallsvektoren

13 Mehrdimensionale Zufallsvariablen Zufallsvektoren 3 Mehrdimensionale Zufallsvariablen Zufallsvektoren Bisher haben wir uns ausschließlich mit Zufallsexperimenten beschäftigt, bei denen die Beobachtung eines einzigen Merkmals im Vordergrund stand. In diesem

Mehr

STATISTIK Teil 2 Wahrscheinlichkeitsrechnung und schließende Statistik

STATISTIK Teil 2 Wahrscheinlichkeitsrechnung und schließende Statistik Kapitel 11 Diskrete Zufallsvariablen 11.1. Wahrscheinlichkeits- und diskret Wahrscheinlichkeitsverteilungen Wahrscheinlichkeitsfunktion von X Nimmt abzählbare Anzahl von Ausprägungen an (z.b. Zählvariablen)

Mehr

Kenngrößen von Zufallsvariablen

Kenngrößen von Zufallsvariablen Kenngrößen von Zufallsvariablen Die Wahrscheinlichkeitsverteilung kann durch die sogenannten Kenngrößen beschrieben werden, sie charakterisieren sozusagen die Verteilung. Der Erwartungswert Der Erwartungswert

Mehr

ETWR Teil B. Spezielle Wahrscheinlichkeitsverteilungen (stetig)

ETWR Teil B. Spezielle Wahrscheinlichkeitsverteilungen (stetig) ETWR Teil B 2 Ziele Bisher (eindimensionale, mehrdimensionale) Zufallsvariablen besprochen Lageparameter von Zufallsvariablen besprochen Übertragung des gelernten auf diskrete Verteilungen Ziel des Kapitels

Mehr

Planung von Milkruns in

Planung von Milkruns in Martin Grunewald Planung von Milkruns in der Beschaffungslogistik der Automobilindustrie Ein Ansatz zur Integration von Bestandsmanagement und Tourenplanung Mit einem Geleitwort von Prof. Dr. Thomas S.

Mehr

Wirtschaftsmathematik

Wirtschaftsmathematik Einführung in einige Teilbereiche der Wintersemester 206 Prof. Dr. Stefan Etschberger HSA Unabhängigkeit von Ereignissen A, B unabhängig: Eintreten von A liefert keine Information über P(B). Formal: P(A

Mehr

Wahrscheinlichkeitsfunktion. Binomialverteilung. Binomialverteilung. Wahrscheinlichkeitshistogramme

Wahrscheinlichkeitsfunktion. Binomialverteilung. Binomialverteilung. Wahrscheinlichkeitshistogramme Binomialverteilung Wahrscheinlichkeitsfunktion Konstruktionsprinzip: Ein Zufallsexperiment wird n mal unabhängig durchgeführt. Wir interessieren uns jeweils nur, ob ein bestimmtes Ereignis A eintritt oder

Mehr

Material-Logistik und Bestandsmanagement

Material-Logistik und Bestandsmanagement Material-Logistik und Bestandsmanagement Bestandsmanagement und dynamische Losgrößenplanung Horst Tempelmeier, Johannes Antweiler SS 2017 2 Konzept: Konstituierende Sitzung, 12 Themensitzungen und Klausurtermin

Mehr

Beschaffung. Entscheidungsbereiche. Beschaffungspolitik. Beschaffungsprogramm. Beschaffungskommunikation. Beschaffungsmethode. Beschaffungskonditionen

Beschaffung. Entscheidungsbereiche. Beschaffungspolitik. Beschaffungsprogramm. Beschaffungskommunikation. Beschaffungsmethode. Beschaffungskonditionen Beschaffung Entscheidungsbereiche der Beschaffungspolitik Beschaffungsprogramm Beschaffungskonditionen Beschaffungsmethode Beschaffungskommunikation 1 Beschaffung Begriffe des Beschaffungswesens Optimierung

Mehr

Einführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management

Einführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management Einführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management Sommersemester 2013 Hochschule Augsburg Unabhängigkeit von Ereignissen A, B unabhängig:

Mehr

Einführung in die Maximum Likelihood Methodik

Einführung in die Maximum Likelihood Methodik in die Maximum Likelihood Methodik Thushyanthan Baskaran thushyanthan.baskaran@awi.uni-heidelberg.de Alfred Weber Institut Ruprecht Karls Universität Heidelberg Gliederung 1 2 3 4 2 / 31 Maximum Likelihood

Mehr

Teil A: Supply Chain Management und Produktion I (Strukturen) 3

Teil A: Supply Chain Management und Produktion I (Strukturen) 3 Inhaltsverzeichnis Aufbau des Buches 1 Teil A: Supply Chain Management und Produktion I (Strukturen) 3 1 Standortentscheidungen 3 Verständnis- und Wiederholungsfragen 3 Übungsaufgaben 4 Al.l: Standortplanung

Mehr

Heute. Die Binomialverteilung. Poissonverteilung. Approximation der Binomialverteilung durch die Normalverteilung

Heute. Die Binomialverteilung. Poissonverteilung. Approximation der Binomialverteilung durch die Normalverteilung Heute Die Binomialverteilung Poissonverteilung Approximation der Binomialverteilung durch die Normalverteilung Arbeiten mit Wahrscheinlichkeitsverteilungen Die Binomialverteilung Man werfe eine Münze n

Mehr

Klausurteil Operations Management Sommersemester Geben Sie bei Ihnen Berechnungen stets die Einheiten der verwendeten Gröÿen an!

Klausurteil Operations Management Sommersemester Geben Sie bei Ihnen Berechnungen stets die Einheiten der verwendeten Gröÿen an! Prof. Dr. Stefan Helber Leibniz Universität Hannover Klausurteil Operations Management Sommersemester 2015 Hinweise: Der Klausurteil besteht aus drei Aufgaben, die alle von Ihnen zu bearbeiten sind. Die

Mehr

Statistik I für Betriebswirte Vorlesung 5

Statistik I für Betriebswirte Vorlesung 5 Statistik I für Betriebswirte Vorlesung 5 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 7. Mai 2018 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 5 Version: 30. April

Mehr

Wahrscheinlichkeitstheorie und Statistik

Wahrscheinlichkeitstheorie und Statistik Wahrscheinlichkeitstheorie und Statistik Definitionen und Sätze Prof. Dr. Christoph Karg Studiengang Informatik Hochschule Aalen Sommersemester 2018 2.5.2018 Diskrete Wahrscheinlichkeitsräume Diskreter

Mehr

Biostatistik, Winter 2011/12

Biostatistik, Winter 2011/12 Biostatistik, Winter 2011/12 Wahrscheinlichkeitstheorie:, Kenngrößen Prof. Dr. Achim Klenke http://www.aklenke.de 7. Vorlesung: 09.12.2011 1/58 Inhalt 1 2 Kenngrößen von Lagemaße 2/58 mit Dichte Normalverteilung

Mehr

Bestellmengenplanung

Bestellmengenplanung Bestellmengenplanung Ziel: Ermittlung der optimalen Bestellmenge durch Minimierung der Kosten Anstieg der Lagerkosten K L mit zunehmender Bestellmenge, anderseits Abnahme der bestellfixen Kosten K B durch

Mehr

Mathematische und statistische Methoden II

Mathematische und statistische Methoden II Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike

Mehr

Inhaltsverzeichnis. 3.1 Beliebige Standorte 103 3.1.1 Ein Standort 103 3.1.2 Mehrere Standorte 114. Kapitel 3 Standortplanung 99

Inhaltsverzeichnis. 3.1 Beliebige Standorte 103 3.1.1 Ein Standort 103 3.1.2 Mehrere Standorte 114. Kapitel 3 Standortplanung 99 Inhaltsverzeichnis Kapitel 1 Einleitung 25 1.1 Operations Management und der Funktionalbereich Operations 26 1.2 Die Inhalte des Buches 28 1.3 Eigenschaften des Buches 29 1.4 Nutzung des Buches 30 1.5

Mehr

10. Vorlesung. Grundlagen in Statistik. Seite 291. Martin-Luther-Universität Halle/Wittenberg

10. Vorlesung. Grundlagen in Statistik. Seite 291. Martin-Luther-Universität Halle/Wittenberg . Vorlesung Grundlagen in Statistik Seite 29 Beispiel Gegeben: Termhäufigkeiten von Dokumenten Problemstellung der Sprachmodellierung Was sagen die Termhäufigkeiten über die Wahrscheinlichkeit eines Dokuments

Mehr

Kennwerteverteilungen von Häufigkeiten und Anteilen

Kennwerteverteilungen von Häufigkeiten und Anteilen Kennwerteverteilungen von Häufigkeiten und Anteilen SS200 6.Sitzung vom 29.05.200 Die hypergeometrische Verteilung Wahrscheinlichkeitsverteilung der Häufigkeit eines binären Merkmals bei Einfacher Zufallsauswahl

Mehr

1 1 e x2 =2 d x 1. e (x2 +y 2 )=2 d x d y : Wir gehen nun zu Polarkoordinaten uber und setzen x := r cos und y := r sin.

1 1 e x2 =2 d x 1. e (x2 +y 2 )=2 d x d y : Wir gehen nun zu Polarkoordinaten uber und setzen x := r cos und y := r sin. Lemma 92 Beweis: Wir berechnen zunachst I 2 : I 2 = Z 1 I := e x2 =2 d x p = 2: 1 Z 1 1 Z 1 Z 1 = 1 1 Z 1 e x2 =2 d x 1 e (x2 +y 2 )=2 d x d y : e y2 =2 d y Wir gehen nun zu Polarkoordinaten uber und setzen

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik und Wahrscheinlichkeitsrechnung Statistik und Wahrscheinlichkeitsrechnung 11. Vorlesung Jochen Köhler 10.05.011 1 Inhalt der heutigen Vorlesung Zusammenfassung Parameterschätzung Übersicht über Schätzung und Modellbildung Modellevaluation

Mehr

7 Scenarios und Optimierung

7 Scenarios und Optimierung 7 Scenarios und Optimierung 7.1 Process Analyzer (PAN) 7.2 Optimierung mit OptQuest Otto-von-Guericke-Universität Magdeburg Thomas Schulze 1 7.1 Evaluierung mittels Process Analyzer (PAN) Aufgabe Mittels

Mehr

Fit for Abi & Study Stochastik

Fit for Abi & Study Stochastik Fit for Abi & Study Stochastik Prof. Dr. Tilla Schade Hochschule Harz 15. und 16. April 2014 No. 1 Stochastik besteht aus: Wahrscheinlichkeitsrechnung Statistik No. 2 Gliederung Grundlagen Zufallsgrößen

Mehr

Einführung in Quantitative Methoden

Einführung in Quantitative Methoden Einführung in Quantitative Methoden Karin Waldherr & Pantelis Christodoulides 11. Mai 2011 Waldherr / Christodoulides Einführung in Quantitative Methoden- 8.VO 1/40 Poisson-Verteilung Diese Verteilung

Mehr

Programm. Wiederholung. Gleichverteilung Diskrete Gleichverteilung Stetige Gleichverteilung. Binomialverteilung. Hypergeometrische Verteilung

Programm. Wiederholung. Gleichverteilung Diskrete Gleichverteilung Stetige Gleichverteilung. Binomialverteilung. Hypergeometrische Verteilung Programm Wiederholung Gleichverteilung Diskrete Gleichverteilung Stetige Gleichverteilung Binomialverteilung Hypergeometrische Verteilung Wiederholung verschiedene Mittelwerte für verschiedene Skalenniveaus

Mehr

Probeprüfung BWL III Teil Operations Management

Probeprüfung BWL III Teil Operations Management Probeprüfung BWL III Teil Operations Management 1. Operations Management (Prof. Dietl) (20 Punkte) Hinweise: - Schreiben Sie bitte Ihren Namen und Ihre Matrikel Nr. auf jedes Blatt. - Bitte übertragen

Mehr

Operations Management

Operations Management Ulrich Thonemann Operations Management Unter Mitarbeit von Marc Albers Andreas Brinkhoff Kai Hoberg Marcel Sieke ein Imprint von Pearson Education München Boston San Francisco Harlow, England Don Mills,

Mehr

Definition 2.1 Der Erwartungswert einer diskreten Zufallsvariablen mit Wahrscheinlichkeitsfunktion

Definition 2.1 Der Erwartungswert einer diskreten Zufallsvariablen mit Wahrscheinlichkeitsfunktion Kapitel 2 Erwartungswert 2.1 Erwartungswert einer Zufallsvariablen Definition 2.1 Der Erwartungswert einer diskreten Zufallsvariablen mit Wahrscheinlichkeitsfunktion È ist definiert als Ü ÜÈ Üµ Für spätere

Mehr

Material 2. Optimale Bestellmenge MAT 2 / 1. optimale Bestellmenge:

Material 2. Optimale Bestellmenge MAT 2 / 1. optimale Bestellmenge: 1. Optimale Bestellmenge Menge Bestellkosten Lagerkosten Gesamt 50 1.470,00 120,00 1.590,00 100 735,00 240,00 975,00 150 490,00 360,00 850,00 200 367,50 480,00 847,50 250 294,00 600,00 894,00 300 245,00

Mehr

Zufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential

Zufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential Zufallsvariablen Diskret Binomial Hypergeometrisch Poisson Stetig Normal Lognormal Exponential Verteilung der Stichprobenkennzahlen Stetige Zufallsvariable Verteilungsfunktion: Dichtefunktion: Integralrechnung:

Mehr

Wirtschaftswissenschaftliches Prüfungssekretariat Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Sommersemester 2015

Wirtschaftswissenschaftliches Prüfungssekretariat Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Sommersemester 2015 Wirtschaftswissenschaftliches Prüfungssekretariat Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Sommersemester 205 Namensschild Dr. Martin Becker Hinweise für die Klausurteilnehmer

Mehr

Kapitel 12 Stetige Zufallsvariablen Dichtefunktion und Verteilungsfunktion. stetig. Verteilungsfunktion

Kapitel 12 Stetige Zufallsvariablen Dichtefunktion und Verteilungsfunktion. stetig. Verteilungsfunktion Kapitel 1 Stetige Zufallsvariablen 1.1. Dichtefunktion und Verteilungsfunktion stetig Verteilungsfunktion Trägermenge T, also die Menge der möglichen Realisationen, ist durch ein Intervall gegeben Häufig

Mehr

Bestandsplanung und -steuerung: Schwerpunktbildung

Bestandsplanung und -steuerung: Schwerpunktbildung Bestandsplanung und -steuerung: Schwerpunktbildung Dortmund, Oktober 1998 Prof. Dr. Heinz-Michael Winkels, Fachbereich Wirtschaft FH Dortmund Emil-Figge-Str. 44, D44227-Dortmund, TEL.: (0231)755-4966,

Mehr

Kapitel 12 Stetige Zufallsvariablen Dichtefunktion und Verteilungsfunktion. stetig. Verteilungsfunktion

Kapitel 12 Stetige Zufallsvariablen Dichtefunktion und Verteilungsfunktion. stetig. Verteilungsfunktion Kapitel 12 Stetige Zufallsvariablen 12.1. Dichtefunktion und Verteilungsfunktion stetig Verteilungsfunktion Trägermenge T, also die Menge der möglichen Realisationen, ist durch ein Intervall gegeben Häufig

Mehr

Prüfungstutorat: Angewandte Methoden der Politikwissenschaft. Polito Seminar Carl Schweinitz 10.12.2014

Prüfungstutorat: Angewandte Methoden der Politikwissenschaft. Polito Seminar Carl Schweinitz 10.12.2014 Prüfungstutorat: Angewandte Methoden der Politikwissenschaft Polito Seminar Carl Schweinitz 10.12.2014 Übersicht 1. Einheiten und Variablen 2. Skalen und ihre Transformation 3. Deskriptive Statistik 4.

Mehr

Wahrscheinlichkeitsrechnung und Statistik für Studierende der Informatik. PD Dr. U. Ludwig. Vorlesung 7 1 / 19

Wahrscheinlichkeitsrechnung und Statistik für Studierende der Informatik. PD Dr. U. Ludwig. Vorlesung 7 1 / 19 Wahrscheinlichkeitsrechnung und Statistik für Studierende der Informatik PD Dr. U. Ludwig Vorlesung 7 1 / 19 2.2 Erwartungswert, Varianz und Standardabweichung (Fortsetzung) 2 / 19 Bedingter Erwartungswert

Mehr

Klausur zur Vorlesung Logistik im Sommersemester 2013

Klausur zur Vorlesung Logistik im Sommersemester 2013 Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Logistik im Sommersemester 2013 Hinweise: Die Klausur

Mehr

Vorlesung Gesamtbanksteuerung Mathematische Grundlagen II Dr. Klaus Lukas Carsten Neundorf. Vorlesung 04 Mathematische Grundlagen II,

Vorlesung Gesamtbanksteuerung Mathematische Grundlagen II Dr. Klaus Lukas Carsten Neundorf. Vorlesung 04 Mathematische Grundlagen II, Vorlesung Gesamtbanksteuerung Mathematische Grundlagen II Dr. Klaus Lukas Carsten Neundorf 1 Was sollen Sie heute lernen? 2 Agenda Wiederholung stetige Renditen deskriptive Statistik Verteilungsparameter

Mehr

Zusammenfassung Mathe II. Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen

Zusammenfassung Mathe II. Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen Zusammenfassung Mathe II Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen Zufallsexperiment: Ein Vorgang, bei dem mindestens zwei Ereignisse möglich sind

Mehr

7.2 Theoretische Kennwerte

7.2 Theoretische Kennwerte 7.2 Theoretische Kennwerte Theoretische Varianz und Standardabweichung Definition und Notation Verschiebungsformel für die theoretische Varianz 391 7.2 Theoretische Kennwerte Interpretation der theoretischen

Mehr

Philipp Sibbertsen Hartmut Lehne. Statistik. Einführung für Wirtschafts- und. Sozialwissenschaftler. 2., überarbeitete Auflage. 4^ Springer Gabler

Philipp Sibbertsen Hartmut Lehne. Statistik. Einführung für Wirtschafts- und. Sozialwissenschaftler. 2., überarbeitete Auflage. 4^ Springer Gabler Philipp Sibbertsen Hartmut Lehne Statistik Einführung für Wirtschafts- und Sozialwissenschaftler 2., überarbeitete Auflage 4^ Springer Gabler Inhaltsverzeichnis Teil I Deskriptive Statistik 1 Einführung

Mehr

Stetige Wahrscheinlichkeitsverteilung

Stetige Wahrscheinlichkeitsverteilung Stetige Wahrscheinlichkeitsverteilung Stetige Wahrscheinlichkeitsverteilung Gaußsche Normalverteilung [7] S.77 [6] S.7 ORIGIN µ : Mittelwert σ : Streuung :, 9.. Zufallsvariable, Zufallsgröße oder stochastische

Mehr

Theorie Parameterschätzung Ausblick. Schätzung. Raimar Sandner. Studentenseminar "Statistische Methoden in der Physik"

Theorie Parameterschätzung Ausblick. Schätzung. Raimar Sandner. Studentenseminar Statistische Methoden in der Physik Studentenseminar "Statistische Methoden in der Physik" Gliederung 1 2 3 Worum geht es hier? Gliederung 1 2 3 Stichproben Gegeben eine Beobachtungsreihe x = (x 1, x 2,..., x n ): Realisierung der n-dimensionalen

Mehr