LØSNINGSFORSLAG KONTINUASJONSEKSAMEN VÅR 2012 I TIØ4120 OPERASJONSANALYSE, GRUNNKURS

Like dokumenter
LØSNINGSFORSLAG EKSAMEN HØST 2012 I TIØ4120 OPERASJONSANALYSE, GRUNNKURS

LØSNINGSFORSLAG KONTINUASJONSEKSAMEN VÅR 2013 I TIØ4120 OPERASJONSANALYSE, GK

EKSAMEN I EMNE TIØ4120 OPERASJONSANALYSE, GK. Torsdag 2. desember 2010 Tid: kl

Side 1 av 13. Svar til. EKSAMEN I EMNE TIØ4120 OPERASJONSANALYSE, GK Torsdag 2. desember 2010 Tid: kl Bokmål

c) En bedrift ønsker å produsere en gitt mengde av en vare, og finner de minimerte

Eksamen i TMA4180 Optimeringsteori Løsningsforslag.

EKSAMEN I TMA4180 OPTIMERINGSTEORI

MAT-INF 2360: Obligatorisk oppgave 3. Løsningsforslag

LØSNINGSFORSLAG EKSAMEN, MAT 1001, HØSTEN (x + 1) 2 dx = u 2 du = u 1 = (x + 1) 1 = 1 x + 1. ln x

Oppsummering matematikkdel

L12-Dataanalyse. Introduksjon. Nelson Aalen plott. Page 76 of Introduksjon til dataanalyse. Levetider og sensurerte tider

Oppsummering matematikkdel

Oppsummering matematikkdel

SØK400 våren 2002, oppgave 4 v/d. Lund

ST0103 Brukerkurs i statistikk Høsten Momentestimatoren og sannsynlighetsmaksimeringsestimatoren

TMA4240 Statistikk Høst 2016

η = 2x 1 + x 2 + x 3 x 1 + x 2 + x 3 + 2x 4 3 x x 3 4 2x 1 + x 3 + 5x 4 1 w 1 =3 x 1 x 2 x 3 2x 4 w 2 =4 x 1 x 3 w 3 =1 2x 1 x 3 5x 4

Løsningsforslag Eksamen M001 Våren 2002

MAT-INF 2360: Obligatorisk oppgave 3

EKSAMEN Emnekode: SFB11102 Dato: Hjelpemidler: Utdelt kalkulator

EKSAMEN I EMNE SIF5072 STOKASTISKE PROSESSER Lørdag 16. august 2003 Tid: 09:00 14:00

SØK400 våren 2002, oppgave 9 v/d. Lund

EKSAMEN I TIØ4120 OPERASJONSANALYSE, GK Tirsdag 4. desember 2012 Tid: kl (Bokmål)

Konsumentteori. Kjell Arne Brekke. Mars 2017

Obligatorisk innleveringsoppgave Econ 3610/4610, Høst 2014

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT

Oppsummering matematikkdel

Løsningsforslag til Obligatorisk innlevering 7

Obligatorisk øvelsesoppgave - Løsning

ECON2200 Obligatorisk Oppgave

ECON2200: Oppgaver til for plenumsregninger

TMA4215 Numerisk matematikk

Emneplan med beskrivelse av læringsutbytte følger vedlagt (se vedlegg 2).

EKSAMEN I EMNE TMA4265/SIF5072 STOKASTISKE PROSESSER Onsdag 10. august 2005 Tid: 09:00 13:00

MA0002 Brukerkurs i matematikk B. Eksamen 28. mai 2016 Løsningsforslag. Oppgave 1

Anbefalte oppgaver - Løsningsforslag

1 Mandag 15. februar 2010

MAT feb feb feb MAT Våren 2010

Anbefalte oppgaver - Løsningsforslag

Oppgave 1. f(2x ) = f(0,40) = 0,60 ln(1,40) + 0,40 ln(0,60) 0,0024 < 0

MAT Prøveeksamen 29. mai - Løsningsforslag

Siden vi her har brukt første momentet i fordelingen (EX = EX 1 ) til å konstruere estimatoren kalles denne metoden for momentmetoden.

Høgskolen i Bodø Matematikk for økonomer 16. desember 2000 Løsninger

Del 2: Alle hjelpemidler er tillatt, med unntak av Internett og andre verktøy som tillater kommunikasjon.

SIF5030/75047 Optimeringsteori, 5 timer. Ingen hjelpemidler.

SIF5005 Matematikk 2, 13. mai 2002 Løsningsforslag

Løsningsforslag Eksamen M100 Høsten 1998

ECON2200: Oppgaver til plenumsregninger

FYS2140 Kvantefysikk, Løsningsforslag for Oblig 1

Produktvalg ITD20106: Statestikk og Økonomi

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

Obligatorisk innleveringsoppgave - Veiledning Econ 3610, Høst 2013

Enkel matematikk for økonomer. Del 1 nødvendig bakgrunn. Parenteser og brøker

Fastsetting av pris uten kostnadsfordeling.

Løsningsforslag, eksamen statistikk, juni 2015

Løsning eksamen desember 2017

TMA4245 Statistikk Eksamen desember 2016

Løsning Eksamensrelevante oppgaver i ELE 3719 Matematikk Vektorer, matriser og lineær algebra Dato Februar Oppgave 1. (A) Vi leser av at

Indifferenskurver, nyttefunksjon og nyttemaksimering

TMA4240 Statistikk Høst 2015

UNIVERSITETET I OSLO

MET Matematikk for siviløkonomer

= x lim n n 2 + 2n + 4

Mikroøkonomien med matematikk

TMA4100 Matematikk 1 Høst 2014

UNIVERSITETET I OSLO

Løsningsforslag Matematisk fysikk, 28. mai 2001

EKSAMEN. Emne: Metode 1: Grunnleggende matematikk og statistikk (Deleksamen i matematikk)

UNIVERSITETET I OSLO

Normal- og eksponentialfordeling.

Løsningsforslag til utvalgte oppgaver i kapittel 10

Spesialisering i økonomistyring og investeringsanalyse DST 9530

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT

EKSAMEN Løsningsforslag

MET Matematikk for siviløkonomer

Oppgave 14 til 9. desember: I polynomiringen K[x, y] i de to variable x og y over kroppen K definerer vi undermengdene:

UNIVERSITETET I OSLO

EKSAMEN I EMNE SIF5072 STOKASTISKE PROSESSER Onsdag 31. juli 2002 Tid: 09:00 14:00

Løsningsforslag Eksamen i Statistikk SIF5060 Aug 2002

a) Siden man baserer sine beslutninger på forventet verdi, er man risikonøytral. Vi kan sette opp følgende tabell:

UNIVERSITETET I OSLO

UNIVERSITETET I BERGEN

Eksamensoppgave i ST0103 Brukerkurs i statistikk

(Noter at studenter som innser at problemet er symmetrisk for x og y og dermed

QED Matematikk for grunnskolelærerutdanningen. Bind 2. Fasit kapittel 1 Kalkulus

TMA4105 Matematikk 2 Vår 2014

Løsning hjemmeregning 2

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT

y (t) = cos t x (π) = 0 y (π) = 1. w (t) = w x (t)x (t) + w y (t)y (t)

Løsning MET Matematikk Dato 03. juni 2016 kl

dg = ( g P0 u)ds = ( ) = 0

Løsningsforslag seminar 1

Tiden går og alt forandres, selv om vi stopper klokka. Stoffet i dette kapittelet vil være en utømmelig kilde med tanke på eksamensoppgaver.

UNIVERSITETET I BERGEN

EKSAMEN. Høgskolen i Telemark. Emnekode: Studiepoeng for emnet: Omfang av denne eksamenen i % av heile emnet: 100%

Eksamensoppgave i TMA4240 Statistikk

LØSNING, KOMMENTAR & STATISTIKK

TIØ 4258 TEKNOLOGILEDELSE EINAR BELSOM 2013

Transkript:

LØSNINGSFORSLAG KONTINUASJONSEKSAMEN VÅR 2012 I TIØ4120 OPERASJONSANALYSE, GRUNNKURS Oppgave 1 1

2

Oppgave 2 a) Vi lar x s, x g og x p være nye priser for henholdsvis standard-, gull- og platinarom. Hvis vi midlertidig innfører y s, y g og y p for antall rom benyttet per dag kan vi skrive: y s = 250(1 1.5(x s 850)/850) = 250 375(x s 850)/850 = 625 375x s /850 y g = 100 200(x g 980)/980 = 300 200x g /980 y p = 50 50(x p 1390)/1390 = 100 50x p /1390 Målfunksjonen blir da: max f(x s, x g, x p ) = y s x s + y g x g + y p x p = 625x s (375/850)x 2 s + 300x g (200/980)x 2 2 Med følgende restriksjoner: x s 700 x g 900 x p 1200 y s + y g + y p 450, som uttrykt med beslutningsvariablene blir: 1025 (375/850)x s (200/980)x g (50/1390)x p 450 Eventuelt, for kompletthet: x s, x g, x p 0 b) Vi konverterer først til standard form: max 625x s (375/850)x 2 s + 300x g (200/980)x 2 2 s.t. x s 700 x g 900 x p 1200 1025 (375/850)x s (200/980)x g (50/1390)x p 450 x s, x g, x p 0 Så kan vi sette opp den avkortede Lagrangefunksjonen: 3

F(x, λ) = 625x s (375/850)x s 2 + 300x g (200/980)x g 2 + 100x p (50/1390)x p 2 λ s ( x s + 700) λ g ( x g + 900) λ p ( x p + 1200) λ t (1025 (375/850)x s (200/980)x g (50/1390)x p 450) KKT-betingelsene kan nå skrives generelt: som for vårt problem blir: 625 (750/850)x s + λ s + (375/850)λ t 0 x s (625 (750/850)x s + λ s + (375/850)λ t ) = 0 x s 0 300 (400/980)x g + λ g + (200/980)λ t 0 x g (300 (400/980)x g + λ g + (200/980)λ t ) = 0 x g 0 100 (100/1390)x p + λ p + (50/1390)λ t 0 x p (100 (100/1390)x p + λ p + (50/1390)λ t ) = 0 x p 0 x s 700 0 λ s (x s 700) = 0 λ s 0 x g 900 0 λ g (x g 900) = 0 λ g 0 x p 1200 0 λ p (x p 1200) = 0 λ p 0 4

1025 + (375/850)x s + (200/980)x g + (50/1390)x p + 450 0 λ t ( 1025 + (375/850)x s + (200/980)x g + (50/1390)x p + 450) = 0 λ t 0 c) KKT-betingelsene gir optimal løsning dersom problemet er konvekst. For et maksimeringsproblem betyr det at målfunksjonen må være konkav: her er målfunksjonen en sum av konkave funksjoner, så derfor er også målfunksjonen konkav. I tillegg er alle restriksjonene lineære, slik at mulighetsområdet utgjør en konveks mengde. Sammen betyr dette at problemet er konvekst, og at en løsning av KKT-betingelsene gir optimal løsning. d) Med bare to bindende restriksjoner blir problemet vi skal løse som følger: max 625x s (375/850)x 2 s + 300x g (200/980)x 2 2 s.t. x g = 900 1025 (375/850)x s (200/980)x g (50/1390)x p = 450 Lagrangefunksjonen blir: L(x, λ) = 625x s (375/850)x 2 s + 300x g (200/980)x 2 2 λ g ( x g + 900) λ t (1025 (375/850)x s (200/980)x g (50/1390)x p 450) Stasjonære punkter for Lagrangefunksjonen gir mulige løsninger til problemet, så vi setter de partiellderiverte lik 0 og løser for de ukjente: (1) 625 0 (2) 300 0 (3) 100 0 (4) 900 0 (5) 575 0 Av (4) følger at x g = 900. Vi kan skrive om (1) slik at vi får x s = λ t /2 + 2125/3 5

Ved å skrive om (3) får vi: x p = λ t /2 + 1390 Innsatt i (5) gir dette: 575 (375/850)(λ t /2 + 2125/3) (200/980) (50/1390)(λ t /2 + 1390) = 0 som gir λ t 120.8 og x s = λ t /2 + 2125/3 768.7 x g = 900 x p = λ t /2 + 1390 1450.4 e) Skyggeprisen til restriksjonen med antall tilgjengelige rom på høyresiden er λ t 120.8. Det betyr at en marginal endring i høyresiden gir en økning i målfunksjonsverdien på 120.8 per enhet endring. Ettersom problemet ikke er lineært vil dog ikke dette være gyldig annet enn i det punktet vi står i nå. Dersom vi fortsetter å øke høyresiden vil senere økning ikke være like gunstig (ettersom vi har et konvekst problem). Det vil si, videre økning vil ikke ha en like stor forbedrende effekt av å øke høyresiden. Et overestimat på ekstra inntekt blir da 20*120.8 = 2416. (Ved å løse problemet på nytt ville vi sett at faktisk økt inntekt er 1578.) Oppgave 3 a) Antakelse 1: Både Tiden mellom fødsler og tiden mellom bortganger må være eksponensialfordelt. Antakelse 2: Vi må kunne angi ferdigbehandlingsrater for hver tilstand. Her er det slik at tiden de snakker (ferdigbehandlingsraten) er avhengig av hvor mange som er i systemet (tilstanden). Derimot har vi i fødsels- og dødsprosesser at tilstanden kun endrer seg fra n til n+1 eller n-1. Det betyr at dersom vi har tre i systemet, så må først en av dem gå ut av systemet og så må de gjenværende ta en tid å behandle som ikke er avhengig av at vi hadde tre i systemet tidligere. De kan altså ikke avslutte praten samtidig. Dette virker som en unaturlig antakelse (skulle tro at alle kunne kjøpt ferdig brusen mens de snakket, slik at siste arbeidstaker kunne gå tilbake til jobb samtidig som nest siste arbeidstaker). (Det er andre små antakelser: tiden for Kim, Andre og Robin blir ikke påvirket av eventuelt andre som bruker brusautomaten.) b) Et forslag er å la hver linje i regnearket svare til en hendelse. På hver linje må vi holde rede på tilstanden, hvilken hendelse vi oppdaterer med nå, og hvilke fremtidige 6

hendelser som allerede er generert. Vi må også holde rede på den informasjonen vi ønsker å beregne, som her inkluderer total tid brukt ved brusautomaten. I forslaget under forutsetter vi at alle arbeidstakerne blir ferdig samtidig (dersom mer enn én arbeidstaker står ved automaten), og at tiden til de blir ferdig å snakke kan være avhengig av hvor mange de er og hvor lenge de allerede hadde stått der før sist ankomne arbeidstaker kom. c) De mulige tilstandene kan karakteriseres ved hvor mange som står ved brusautomaten. Dette kan være enten 0, 1, 2, eller 3. Hendelsene vil være enten at det kommer en arbeidstaker til brusautomaten, eller at noen av dem forlater brusautomaten. Det er kanskje naturlig å tenke seg at de da forlater den sammen (og ikke på den måten som ville vært implisert av å ha modellert dette som en fødsels- og dødsprosess). d) Vi kan bruke inverstransformasjonsmetoden, der vi forutsetter at vi kan få oppgitt tilfeldige tall i intervallet [0,1]: Vi setter F(x) = 1 e αx = r, som gir 1 r = e αx. Tar logaritmen på begge sider og får ln(1 r) = αx, som gir x = ln(1 r)/( α). 7