IV modelleerimine võimaldab lahendada ,,aga mis siis, kui" tüüpi probleeme, tuua välja alternatiive V modelleerimine ei sega tegelikkuses kulgevaid protsesse VI modelleerimine võimaldab määrata iga üksiku komponendi või muutuja mõju tulemusele ja järjestada neid tähtsuse alusel Modelleerimise puudused: head modelleerimismudelid on kallid ja mudeli loomine on aeganõudev tegevus modelleerimine ei paku optimaalset lahendust, nagu seda teeb lineaarplaneerimine; katse kordamisel võib modelleerimine anda erinevaid lahendusi iga modelleerimismudel on unikaalne Monte Carlo meetod. Meetod võimaldab paljudel juhtudel statistiliste andmete puudumisel luua kunstlik statistika, mis on vajalik stohhastilise ülesande lahendamisel. Meetod tugineb juhuslike arvude genereerimismeetodite ning seda kasutatakse keerukate protsesside simuleerimiseks. Protsessi
1. Mis on funktsioon? Mis on sõltumatu muutuja, sõltuv muutuja? Kui hulga X igale elemendile x on seatud vastavusse kindel element y hulgast Y. sõltumatu muutuja ehk argument, sõltuv muutuja ehk funktsiooni väärtus 2. Mis on funktsiooni määramispiirkond muutumispiirkond? Mis on funktsiooni loomulik määramispiirkond? Määramispiirkond - argumendi x selliste väärtuste hulk, mille korral on võimalik funktsiooni f(x) väärtust välja arvutada. Muutumispiirkond - muutumispiirkonna Y all mõeldakse funktsiooni kõikvõimalike väärtuste hulka. loomulik määramispiirkond - Argumendi väärtuste hulk, mille korral funktsiooni määrav eeskiri on rakendatav. 3. Millised on funktsiooni põhilised esitusviisid? Graafikuna, tabelina, analüütiline 4. Mis on funktsiooni graafik? Funktsiooni f graafik on kõikide järjestatud paaride (x, f(x)) hulk, kus x on määramispiirkonna X element....
Mudeli lubatavaks hulgaks nimetatakse kõigi selliste punktide hulka, mis rahuldavad mudeli kõiki kitsendusi. 8. Mis on planeerimisülesande lubatav lahend, optimaalne lahend? Luvatav lahend on lahend, mis rahuldab kõiki mudeli kitsendusi. Optimaalne lahend on lubatava hulga punkt, mis annab sihifunktsioonile optimaalse väärtuse 9. Mis on lineaarse planeerimise ülesande baaslahend, lubatav baaslahend? ● Lubatav baaslahend on simplekssüsteemi (lineaarplaneerimine kanoonilisel kujul) lahend, mis rahuldab mittenegatiivsuse nõuet. ● Baaslahend on simplekssüsteemi lahend (lineaarplaneerimine kanoonilisel kujul), mis võib olla lubatav baaslahend, aga ei pea rahuldama mittenegatiivsuse nõuet 10. Nimetada lineaarse planeerimise ülesande omadusi (optimaalsete lahendite olemasolu ja omadused)? ● Kinnises tõkestatud piirkonnas lineaarplaneerimisülesanne omab optimaalset
I I - tOo L ~ - kaubad - kapital - teenused - en ergta -m aterjal -In fo Tootlikkus 0 J Juhtimise teaduslik organiseerimine (Taylor, Emerson) Konveiertootmine (Ford) Tootmispsiihholoogia (Gilbreth, Mayo) Lineaarplaneerimine ja vorkmudelid Kvaliteedi statistiline kontroll Arvutid TQM, JIT, ISO Strateegia mudelid ja piirangute teooria (Goldratt) Internet, Outsourcing Edasised mojurid Maailmaturg ja globaliseerumine Strateegiline juhtimine Paindlikkus UQM Tipptehnoloogiad Inimkapital Okoloogia MAJANDlJSMATEMAATILISE iVlODELLEERliVlISE ETAPID JA NENDE OMAVAHELISED SEOSED
x modelleerimine võimaldab lahendada ,,aga mis siis, kui" tüüpi probleeme, tuua välja alternatiive x modelleerimine ei sega tegelikkuses kulgevaid protsesse x modelleerimine võimaldab määrata iga üksiku komponendi või muutuja mõju tulemusele ja järjestada neid tähtsuse alusel. Modelleerimise puudused: x head modelleerimismudelid on kallid ja mudeli loomine on aeganõudev tegevus x modelleerimine ei paku optimaalset lahendust, nagu seda teeb lineaarplaneerimine; katse kordamisel võib modelleerimine anda erinevaid tulemusi x määrata tuleb uuritava probleemi lahendi tingimused ja piirangud x iga modelleerimismudel on unikaalne. Monte Carlo meetod Meetod võimaldab paljudel juhtudel statistiliste andmete puudumisel luua kunstlik statistika, mis on vajalik stohhastilise ülesande lahendamiseks. Monte Carlo meetod tugineb juhuslike arvude genereerimismeetodile ning seda kasutatakse keerukate protsesside simuleerimiseks
x modelleerimine võimaldab lahendada ,,aga mis siis, kui" tüüpi probleeme, tuua välja alternatiive x modelleerimine ei sega tegelikkuses kulgevaid protsesse x modelleerimine võimaldab määrata iga üksiku komponendi või muutuja mõju tulemusele ja järjestada neid tähtsuse alusel. Modelleerimise puudused: x head modelleerimismudelid on kallid ja mudeli loomine on aeganõudev tegevus x modelleerimine ei paku optimaalset lahendust, nagu seda teeb lineaarplaneerimine; katse kordamisel võib modelleerimine anda erinevaid tulemusi x määrata tuleb uuritava probleemi lahendi tingimused ja piirangud x iga modelleerimismudel on unikaalne. Monte Carlo meetod Meetod võimaldab paljudel juhtudel statistiliste andmete puudumisel luua kunstlik statistika, mis on vajalik stohhastilise ülesande lahendamiseks. Monte Carlo meetod tugineb juhuslike arvude genereerimismeetodile ning seda kasutatakse keerukate protsesside simuleerimiseks
annaabi.ee 
