Project Management (H H 22 op CD-ROM)

Save this PDF as:
 WORD  PNG  TXT  JPG

Maat: px
Weergave met pagina beginnen:

Download "Project Management (H 9.8 + H 22 op CD-ROM)"

Transcriptie

1 Project Management (H H 22 op CD-ROM) CPM (Critical Path Method) Activiteiten met afhankelijkheden en vaste duur zijn gegeven. CPM bepaalt de minimale doorlooptijd van het project. PERT (Program Evaluation and Review Technique) Houdt rekening met onzekerheden in duur. Met PERT kunnen bv. kansen op tijdoverschrijding worden berekend. Beide methoden zijn van eind Representatie van een project als netwerk kan als Activity On Arc (AOA) netwerk Een activiteit correspondeert met een tak. Activity On Node (AON) netwerk Een activiteit correspondeert met een knoop. AON AOA Beide netwerken modelleren de afhankelijkheden: B na A, D na B, C na B, E na C en D, F na A, G na C en F, H na E en G. Een projectnetwerk is op beide manieren te representeren. Eventueel zijn dummy takken (gestippeld) nodig om de juiste afhankelijkheden te krijgen.

2 Voorbeeld: Reliable Construction Co. (8.9) Bouwproject als AON netwerk

3 CPM methode Forward sweep: Bepaal de Earliest Start Times (ES) en Earliest Finish Times (EF) van Start naar Finish Backward sweep: Bepaal Latest Start Times (LS) en Latest Finish Times (LF) van Finish naar Start

4

5 Resultaat van het CPM algoritme: Activiteiten met ES = LS liggen op het kritieke pad. Zo n pad bepaalt de minimale tijdsduur van een project. Activiteiten op het kritieke pad moeten op een vast tijdstip beginnen en als zo n activiteit uitloopt, loopt het project uit. Kritieke pad is in dit voorbeeld: ABCEFJLN Alle paden door het project moeten toelaatbaar zijn, dus ook het langste. Een kritiek pad is dus automatisch een langste pad in het netwerk van Start naar Finish. Er kunnen meer kritieke paden zijn.

6 Crashen van projecten Alle mogelijke paden door het project Het verkorten van een taak met kosten

7 Verkorten van 44 naar 40 weken kan door per week de goedkoopste taak in het kritieke pad te crashen: Dit levert: Activiteit J en F beide met 2 weken verkorten. Kosten zijn dan $ Als je nóg een week wil verkorten moet je drie kritieke paden verkorten: ABCDGHM, ABCEFJLN en ABCIJLN. Dit kan door één taak te verkorten: B is dan het goedkoopst, kosten $ Als crashen van B en C $ zou kosten, dan kun je B of C verkorten ($ ), maar beter L en (D of G) ($ $40.000). Het hoeft dus niet optimaal te zijn om telkens één activiteit te crashen

8 Project na crashen van 2 weken J en 2 weken F, nu met 3 kritieke paden.

9 Crashen met lineair programmeren x j is de reductie in tijd van activiteit j. y j is de starttijd van activiteit j. F is de opvolger van E (F na E) De duur van E na reductie met x E is 4 x E. F komt na E: y F y E + (4 x E ) Maximale crashduur: x j x j, max Project moet binnen 40 weken: y finish 40 Niet-negativiteit: x j, y j 0 Minimaliseer de crashkosten: Min Z = 100x A + 50x B x B N Alle voorwaarden zijn lineair, dus dit is een LP model. De LP formulering levert als oplossing: x F = x J = 2, rest = 0, Z = $

10 Nadeel van de LP aanpak t.o.v. CPM is dat er één oplossing uit komt en het langste pad niet gevonden kan worden. Een kritiek pad kan worden gevonden m.b.v. het duale probleem. Voorbeeld: 5 activiteiten op de takken met benodigde tijd t 12, t 13, t 23, t 24, t 34 Tijdstippen waarop je in de knopen bent: x 1, x 2, x 3, x 4 Min x 4 x 1 z.d.d. x 2 x 1 t x 3 x 2 t x 3 x 1 t x 4 x 2 t x 4 x 3 t en x j 0 Duale probleem (schaduwprijzen x 12, x 23, x 13, x 24, x 34 ): Max t 12 x 12 + t 23 x 23 + t 13 x 13 + t 24 x 24 + t 34 x 34 z.d.d. x 12 x x 12 x 23 x x 23 + x 13 x x 24 + x en x ij 0 Tel alle ongelijkheden op: 0 0. Dit betekent dat alle ongelijkheden gelijkheden moeten zijn:

11 Max t 12 x 12 + t 23 x 23 + t 13 x 13 + t 24 x 24 + t 34 x 34 z.d.d. x 12 x 13 = 1 x 12 x 23 x 34 = 0 x 23 + x 13 x 34 = 0 x 23 +x 13 x 34 = 0 x 24 + x 34 = 1 en x ij 0 Dit is een netwerkstromingsprobleem in het bovenstaande netwerk, waarbij x ij over tak i j stroomt, 1 eenheid in knoop 1 in gaat en bij knoop 4 eruit komt. Vanwege de geheeltalligheidseigenschap (coëfficiëntmatrix is unimodulair) is er een binaire optimale oplossing, dat is een pad van 1 naar 4. Gemaximaliseerd wordt de totale tijdsduur langs dit pad. De optimale oplossing is dus een langste pad. De schaduwprijzen x ij geven aan of tak i j in dit langste pad zit (1) of niet (0). Je vindt zo één mogelijk kritiek pad. Voordeel van de LP aanpak is dat het altijd werkt en je niet hoeft na te denken over hoe je moet crashen, en dat je niet telkens alle langste paden hoeft te bepalen.

12 CPM Methode met Excel Solver

13 PERT Tijdsduren worden geschat met drie parameters: o = optimistische (minimale) schatting voor tijdsduur m = meest waarschijnlijke tijdsduur p = pessimistische schatting Er wordt uitgegaan van een Betaverdeling: Verwachtingswaarde: Variantie: μ = σ 2 o + 4m + p 6 = p o 6 2 De verwachte tijdsduur is een gewogen gemiddelde van m, o en p, waarin de meest waarschijnlijke waarde m (top van de verdeling) het zwaarst telt.

14 Met de meest pessimistische schatting duurt het project 69 weken, i.p.v. 44.

15 Aangenomen dat de activiteiten op het kritieke pad onafhankelijk zijn kun je de variantie van de doorlooptijd berekenen als som van de varianties van de onderdelen. Met de aanname dat de projectduur normaal verdeeld is (wet van de grote aantallen) kun je de kans schatten dat het project binnen de deadline van 47 weken blijft: De afwijking is 1 standaarddeviatie. De kans om hoogstens één standaarddeviatie boven het gemiddelde te zitten is: P(T d) = P(standaard normaal μ + 1 σ) = = 1 P(standaard normaal > μ + 1 σ) = = 1 0,1587 = 0,8413

16 Bandbreedte in de kosten tijdens het doorlopen van het project als gevolg van taken die kunnen schuiven

Les E-03 Kritieke pad problemen in projecten

Les E-03 Kritieke pad problemen in projecten Les E-03 Kritieke pad problemen in projecten 3.1 Projecten beheersen Projecten bestaan vaak uit meerdere deelactiviteiten. Deze activiteiten beslaan een bepaalde tijd. Daarnaast kunnen sommige activiteiten

Nadere informatie

Tentamen Optimalisering (IN2520) Datum: 5 november 2004, Docent: Dr. J.B.M. Melissen

Tentamen Optimalisering (IN2520) Datum: 5 november 2004, Docent: Dr. J.B.M. Melissen Tentamen Optimalisering (IN2520) Datum: 5 november 2004, 14.00 17.00. Docent: Dr. J.B.M. Melissen Veel succes! 1 Deze opgave bestaat uit 15 tweekeuzevragen. Per goed antwoord krijg je 2 punten. a. Dynamisch

Nadere informatie

1 In deze opgave wordt vijftien maal telkens drie beweringen gedaan waarvan er één juist is. Kruis de juiste bewering aan. (2pt. per juist antwoord).

1 In deze opgave wordt vijftien maal telkens drie beweringen gedaan waarvan er één juist is. Kruis de juiste bewering aan. (2pt. per juist antwoord). Tentamen Optimalisering (IN2805-I) Datum: 3 april 2008, 14.00 17.00. Docent: Dr. J.B.M. Melissen Naam: Studienummer: 1 In deze opgave wordt vijftien maal telkens drie beweringen gedaan waarvan er één juist

Nadere informatie

1. Een kortste pad probleem in een netwerk kan worden gemodelleerd als a. een LP probleem. b. een IP probleem. c. een BIP probleem. d.

1. Een kortste pad probleem in een netwerk kan worden gemodelleerd als a. een LP probleem. b. een IP probleem. c. een BIP probleem. d. 1. Een kortste pad probleem in een netwerk kan worden gemodelleerd als a. een LP probleem. b. een IP probleem. c. een BIP probleem. d. een toewijzingsprobleem. 2. Het aantal toegelaten hoekpunten in een

Nadere informatie

Netwerkdiagram voor een project. AOA: Activities On Arrows - activiteiten op de pijlen.

Netwerkdiagram voor een project. AOA: Activities On Arrows - activiteiten op de pijlen. Netwerkdiagram voor een project. AOA: Activities On Arrows - activiteiten op de pijlen. Opmerking vooraf. Een netwerk is een structuur die is opgebouwd met pijlen en knooppunten. Bij het opstellen van

Nadere informatie

Netwerkdiagram voor een project. AON: Activities On Nodes - activiteiten op knooppunten

Netwerkdiagram voor een project. AON: Activities On Nodes - activiteiten op knooppunten Netwerkdiagram voor een project. AON: Activities On Nodes - activiteiten op knooppunten Opmerking vooraf. Een netwerk is een structuur die is opgebouwd met pijlen en knooppunten. Bij het opstellen van

Nadere informatie

Sommige praktische IP problemen kunnen worden geformuleerd als optimalisering op een netwerk.

Sommige praktische IP problemen kunnen worden geformuleerd als optimalisering op een netwerk. Netwerkanalyse (H3) Sommige praktische IP problemen kunnen worden geformuleerd als optimalisering op een netwerk. Deze problemen kunnen vaak als continu LP probleem worden opgelost. Door de speciale structuur

Nadere informatie

Tie breaking in de simplex methode

Tie breaking in de simplex methode Tie breaking in de simplex methode Tijdens de Simplexmethode kan op een aantal momenten onduidelijk zijn wat je moet doen: 1. Variabele die de basis in gaat: Zoek de grootste coëfficiënt in de doelfunctie.

Nadere informatie

Uitwerkingen oefenopdrachten or

Uitwerkingen oefenopdrachten or Uitwerkingen oefenopdrachten or Marc Bremer August 10, 2009 Uitwerkingen bijeenkomst 1 Contact Dit document is samengesteld door onderwijsbureau Bijles en Training. Wij zijn DE expert op het gebied van

Nadere informatie

Operationeel Onderzoek Opgave 5: oplossing

Operationeel Onderzoek Opgave 5: oplossing Oefening 1- Operationeel Onderzoek Opgave 5: oplossing a. Een correcte voorstelling van het maximum-flow netwerk is hieronder weergegeven. De redenering is als volgt. We beschikken over 32 maanden arbeid

Nadere informatie

Hoofdstuk 13: Integer Lineair Programmeren

Hoofdstuk 13: Integer Lineair Programmeren Hoofdstuk 13: Integer Lineair Programmeren Vandaag: Wat is Integer Lineair Programmeren (ILP)? Relatie tussen ILP en LP Voorbeeld 1: Minimum Spanning Tree (MST) Voorbeeld 2: Travelling Salesman Problem

Nadere informatie

BOUWschriftje. Onderwerp: Netwerkplanning Rekenmethode van Precedence. Publicatiedatum: 10 juni 2013

BOUWschriftje. Onderwerp: Netwerkplanning Rekenmethode van Precedence. Publicatiedatum: 10 juni 2013 OUWschriftje Onderwerp: Netwerkplanning Inhoud: Rekenmethode van Precedence Omvang: pag. Publicatiedatum: 1 juni 1 uteur: Goost Info: Voor het aansturen van bouwwerken worden veelal staafschema s (Gantt)

Nadere informatie

1 Vervangingsstrategie auto

1 Vervangingsstrategie auto Transport-, Routing- en Schedulingproblemen Wi4062TU / Wi487TU / a86g Uitwerkingen 28-03-2002 1 Vervangingsstrategie auto Onderdeel a Zij V = {0, 1, 2, 3, 4, 5, 6}, waarbij knoop i staat voor het einde

Nadere informatie

Ontwerpmethodologie LES 2

Ontwerpmethodologie LES 2 Ontwerpmethodologie LES 2 Steve Vanlanduit 20-2-2006 Herhaling titel van presentatie 1 Inhoud les 2 Inleiding projectmanagement Economische aspecten in het ontwerpproces: Kapitaalsinvestering beslissingen

Nadere informatie

Modelleren C Appels. Christian Vleugels Sander Verkerk Richard Both. 2 april 2010. 1 Inleiding 2. 3 Data 3. 4 Aanpak 3

Modelleren C Appels. Christian Vleugels Sander Verkerk Richard Both. 2 april 2010. 1 Inleiding 2. 3 Data 3. 4 Aanpak 3 Modelleren C Appels Christian Vleugels Sander Verkerk Richard Both 2 april 2010 Inhoudsopgave 1 Inleiding 2 2 Probleembeschrijving 2 3 Data 3 4 Aanpak 3 5 Data-analyse 4 5.1 Data-analyse: per product.............................

Nadere informatie

TW2020 Optimalisering

TW2020 Optimalisering TW2020 Optimalisering Hoorcollege 9 Leo van Iersel Technische Universiteit Delft 11 november 2015 Leo van Iersel (TUD) TW2020 Optimalisering 11 november 2015 1 / 22 Mededelingen Huiswerk 2 nagekeken Terug

Nadere informatie

Verandermanagement. Hoofdstuk 8 Implementatie

Verandermanagement. Hoofdstuk 8 Implementatie Verandermanagement Hoofdstuk 8 Implementatie Schema implementatie IST situatie Interne organisatie SOLL situatie Marketing Afnemers & Markten Strategie en vaststellen ondernemingsdoelstellingen Organisatiestructuur

Nadere informatie

Tie breaking in de simplex methode

Tie breaking in de simplex methode Tie breaking in de simplex methode Tijdens de Simplexmethode kan op een aantal momenten onduidelijk zijn wat je moet doen: 1. Variabele die de basis in gaat: Zoek de grootste coëfficiënt in de doelfunctie.

Nadere informatie

Optimalisering WI 2608

Optimalisering WI 2608 Optimalisering WI 2608 Docent: Hans Melissen, EWI kamer 7.080 e-mail: j.b.m.melissen@ewi.tudelft.nl tel: 015-2782547 Studiemateriaal op : http://www.isa.ewi.tudelft.nl/~melissen (kijk bij onderwijs WI

Nadere informatie

Vraag 1... Vraag 2... Vraag 3...

Vraag 1... Vraag 2... Vraag 3... Nota: Schrijf je antwoorden kort en bondig in de daartoe voorziene velden. Elke theorie-vraag staat ofwel op 1.5 ofwel op 2 punten, en elke oefening op 10 punten. Het geheel staat op 60. Vraag 1...[.../3]

Nadere informatie

We zullen in deze les kijken hoe we netwerken kunnen analyseren, om bijvoorbeeld de volgende vragen te kunnen beantwoorden:

We zullen in deze les kijken hoe we netwerken kunnen analyseren, om bijvoorbeeld de volgende vragen te kunnen beantwoorden: Wiskunde voor kunstmatige intelligentie, 24 Les 5 Proces analyse Veel processen laten zich door netwerken beschrijven, waarin een aantal knopen acties aangeeft en opdrachten langs verbindingen tussen de

Nadere informatie

Projectmanagement onder onzekerheid

Projectmanagement onder onzekerheid Projectmanagement onder onzekerheid Risicomanagement & robuuste planningsstrategieën Damien Schatteman Research Center for Operations Management Katholieke Universiteit Leuven 1 Projectplanning onder onzekerheid

Nadere informatie

Overzicht. Inleiding. Toepassingen. Verwante problemen. Modellering. Exacte oplosmethode: B&B. Insertie heuristieken. Local Search

Overzicht. Inleiding. Toepassingen. Verwante problemen. Modellering. Exacte oplosmethode: B&B. Insertie heuristieken. Local Search Overzicht Inleiding Toepassingen Verwante problemen Modellering Exacte oplosmethode: B&B Insertie heuristieken Local Search Handelsreizigersprobleem 1 Cyclische permutatie van steden b 3 77 a 93 21 42

Nadere informatie

Geheeltallige programmering

Geheeltallige programmering Geheeltallige programmering In een LP probleem zijn alle variabelen reëel. In een geheeltallig probleem blijven doelfunctie en constraints lineair, maar zijn de variabelen geheeltallig. LP: IP: BIP: MIP:

Nadere informatie

Critical path effect based delay analysis method for construction projects

Critical path effect based delay analysis method for construction projects Universiteit Gent Faculteit Economie en Bedrijfskunde Academiejaar 2013 2014 Critical path effect based delay analysis method for construction projects Masterproef voorgedragen tot het behalen van de graad

Nadere informatie

TW2020 Optimalisering

TW2020 Optimalisering TW2020 Optimalisering Hoorcollege 5 Leo van Iersel Technische Universiteit Delft 2 oktober 206 Leo van Iersel (TUD) TW2020 Optimalisering 2 oktober 206 / 3 Dualiteit Dualiteit: Elk LP probleem heeft een

Nadere informatie

Optimalisering en Complexiteit, College 1. Han Hoogeveen, Utrecht University

Optimalisering en Complexiteit, College 1. Han Hoogeveen, Utrecht University Optimalisering en Complexiteit, College 1 Han Hoogeveen, Utrecht University Gegevens Docent : Han Hoogeveen : j.a.hoogeveen@uu.nl Vak website : http://www.cs.uu.nl/docs/vakken/opt/ Student assistenten

Nadere informatie

Extra Opgaven. 3. Van 10 personen meten we 100 keer de hartslag na het sporten. De gemiddelde hartslag van

Extra Opgaven. 3. Van 10 personen meten we 100 keer de hartslag na het sporten. De gemiddelde hartslag van Extra Opgaven 1. Een persoon doet een HIV-test. Helaas is de uitslag positief. De test is echter niet perfect. De persoon vraagt zich af wat de kans is dat hij nu ook echt HIV heeft. Gegeven is: de kans

Nadere informatie

TU/e 2DD50: Wiskunde 2 (1)

TU/e 2DD50: Wiskunde 2 (1) TU/e 2DD50: Wiskunde 2 () Tussentoets 26 november, tijdens de instructies Zaal: paviljoen (study hub) Time: 90min Tentamenstof: colleges 4 (LP; Simplex; dualiteit; complementaire slackness) Oude tentamens:

Nadere informatie

Toegepaste Wiskunde 2: Het Kalman-filter

Toegepaste Wiskunde 2: Het Kalman-filter Toegepaste Wiskunde 2: Het Kalman-filter 25 februari, 2008 Hans Maassen 1. Inleiding Het Kalman filter schat de toestand van een systeem op basis van een reeks, door ruis verstoorde waarnemingen. Een meer

Nadere informatie

TW2020 Optimalisering

TW2020 Optimalisering TW2020 Optimalisering Hoorcollege 9 Leo van Iersel Technische Universiteit Delft 16 november 2016 Leo van Iersel (TUD) TW2020 Optimalisering 16 november 2016 1 / 28 Vandaag Integer Linear Programming (ILP)

Nadere informatie

en-splitsingen: een aantal alternatieven worden parallel toegepast, of-splitsingen: van een aantal alternatieven wordt er één toegepast,

en-splitsingen: een aantal alternatieven worden parallel toegepast, of-splitsingen: van een aantal alternatieven wordt er één toegepast, Kansrekening voor Informatiekunde, 25 Les 8 Proces analyse Veel processen laten zich door netwerken beschrijven, waarin knopen acties aangeven en opdrachten langs verbindingen tussen de knopen verwerkt

Nadere informatie

Weken Kans

Weken Kans Contact Dit document is samengesteld door onderwijsbureau Bijles en Training. Wij zijn DE expert op het gebied van bijlessen en trainingen in de exacte vakken, van VMBO tot universiteit. Zowel voor individuele

Nadere informatie

Lineaire functies? x 3x. (x 1, x 2 ) 5x 1 7x 2. x 6x 17. x ax. (a, x) ax??? 3x log x 2. substitueer x 1 = y 1, x 2 = exp(y 2 ) levert

Lineaire functies? x 3x. (x 1, x 2 ) 5x 1 7x 2. x 6x 17. x ax. (a, x) ax??? 3x log x 2. substitueer x 1 = y 1, x 2 = exp(y 2 ) levert Lineaire functies? x 3x (x 1, x 2 ) 5x 1 7x 2 x 6x 17 x ax (a, x) ax??? 3x 1 2 + 5log x 2 substitueer x 1 = y 1, x 2 = exp(y 2 ) levert 3y 1 + 5y 2 na substitutie lineair. Niet-lineaire functies kunnen

Nadere informatie

Overzicht. Inleiding. Modellering. Duaal probleem. αβ-algoritme. Maximale stroom probleem. Voorbeeld. Transportprobleem 1

Overzicht. Inleiding. Modellering. Duaal probleem. αβ-algoritme. Maximale stroom probleem. Voorbeeld. Transportprobleem 1 Overzicht Inleiding Modellering Duaal probleem αβ-algoritme Maximale stroom probleem Voorbeeld Transportprobleem 1 Inleiding W 1 b 1 a 1 D 1 W 2 b 2 a 2 D 2 a m Dm W n b n depots warenhuizen c ij zijn

Nadere informatie

1. Het aantal optimale oplossingen van een LP probleem is 0, 1, of oneindig. 2. De vereniging van twee konvexe verzamelingen is niet convex. 3.

1. Het aantal optimale oplossingen van een LP probleem is 0, 1, of oneindig. 2. De vereniging van twee konvexe verzamelingen is niet convex. 3. 1. Het aantal optimale oplossingen van een LP probleem is 0, 1, of oneindig. 2. De vereniging van twee konvexe verzamelingen is niet convex. 3. Een LP probleem heeft n>2 variabelen en n+2 constraints.

Nadere informatie

Projectmanagement. Hoofdstuk 3 en 4 Het project van begin tot eind De planning. Roel Grit

Projectmanagement. Hoofdstuk 3 en 4 Het project van begin tot eind De planning. Roel Grit Projectmanagement Hoofdstuk 3 en 4 Het project van begin tot eind De planning Roel Grit Hoofdstuk 3 Van begin tot eind 1. Project organiseren en uitvoeren 2. Projectvoorstel 3. Intakegesprek met de opdrachtgever

Nadere informatie

Parkeervraag 'project Duinhoek

Parkeervraag 'project Duinhoek Exploitatiemaatschappij De Quack BV Parkeervraag 'project Duinhoek Datum 25 augustus 2008 Kenmerk EDQ002/Khr/0007 Eerste versie 20 augustus 2008 1 Inleiding Exploitatiemaatschappij De Quack BV, eigenaar

Nadere informatie

Optimalisering WI 2608

Optimalisering WI 2608 Optimalisering WI 2608 Docent: Hans Melissen, EWI kamer 4.150 e-mail: j.b.m.melissen@tudelft.nl tel: 015-2782547 Het project is een verplicht onderdeel van het vak Het project start in week 5. Nadere informatie

Nadere informatie

Overzicht. 1. Definities. 2. Basisalgoritme. 3. Label setting methoden. 4. Label correcting methoden. 5. Ondergrenzen. 6.

Overzicht. 1. Definities. 2. Basisalgoritme. 3. Label setting methoden. 4. Label correcting methoden. 5. Ondergrenzen. 6. Overzicht 1. Definities 2. Basisalgoritme 3. Label setting methoden 4. Label correcting methoden 5. Ondergrenzen 6. Resultaten Kortste Pad Probleem 1 Definities Een graaf G = (V, E) bestaat uit een verzameling

Nadere informatie

Het werken met de precedence -planning

Het werken met de precedence -planning Het werken met de precedence -planning E1020 1 Het werken met de precedence -planning (activiteiten op knooppunt) P. H. Buscher 1. Inleiding E1020 3 2. Netwerk E1020 3 2.1. Bouwstenen van een netwerk E1020

Nadere informatie

INLEIDING. Definitie Stochastisch Proces:

INLEIDING. Definitie Stochastisch Proces: Definitie Stochastisch Proces: INLEIDING Verzameling van stochastische variabelen die het gedrag in de tijd beschrijven van een systeem dat onderhevig is aan toeval. Tijdparameter: discreet: {X n, n 0};

Nadere informatie

Eindexamen wiskunde A1-2 vwo 2006-II

Eindexamen wiskunde A1-2 vwo 2006-II Eindexamen wiskunde A- vwo 006-II 4 Beoordelingsmodel Zeep aangeven hoe de kans P(X < 90 = 93, =,4) met de GR kan worden berekend Deze kans is (ongeveer) 0,06 3 De gevraagde kans is 006, het antwoord (ongeveer)

Nadere informatie

Opgaven bij Numerieke Wiskunde I

Opgaven bij Numerieke Wiskunde I Opgaven bij Numerieke Wiskunde I 7 november 8 1. (a) Gegeven verschillende interpolatiepunten x, x 1, x [a, b], en getallen y, y 1, y, z 1, toon aan dat er hooguit 1 polynoom p P 3 is met p(x i ) = y i,

Nadere informatie

Modelleren C Appels. 1 Inleiding. Inhoudsopgave. 2 Probleembeschrijving. Christian Vleugels Sander Verkerk Richard Both.

Modelleren C Appels. 1 Inleiding. Inhoudsopgave. 2 Probleembeschrijving. Christian Vleugels Sander Verkerk Richard Both. 1 Inleiding Inhoudsopgave Modelleren C Appels Christian Vleugels Sander Verkerk Richard Both 18 mei 2010 1 Inleiding 2 2 Probleembeschrijving 2 3 Data 3 4 Aanpak 4 5 Deterministische aanpak 4 5.1 Populariteit

Nadere informatie

TW2020 Optimalisering

TW2020 Optimalisering TW2020 Optimalisering Hoorcollege 13 Leo van Iersel Technische Universiteit Delft 9 december 2015 Leo van Iersel (TUD) TW2020 Optimalisering 9 december 2015 1 / 13 Vraag Wat moet ik kennen en kunnen voor

Nadere informatie

Statistiek voor Natuurkunde Opgavenserie 1: Kansrekening

Statistiek voor Natuurkunde Opgavenserie 1: Kansrekening Statistiek voor Natuurkunde Opgavenserie 1: Kansrekening Inleveren: 12 januari 2011, VOOR het college Afspraken Serie 1 mag gemaakt en ingeleverd worden in tweetallen. Schrijf duidelijk je naam, e-mail

Nadere informatie

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica. Tentamen Statistiek (2DD14) op vrijdag 17 maart 2006, 9.00-12.00 uur.

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica. Tentamen Statistiek (2DD14) op vrijdag 17 maart 2006, 9.00-12.00 uur. TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Statistiek DD14) op vrijdag 17 maart 006, 9.00-1.00 uur. UITWERKINGEN 1. Methoden om schatters te vinden a) De aannemelijkheidsfunctie

Nadere informatie

Figuur 1. Schematisch overzicht van de structuur van het twee-stadia recourse model.

Figuur 1. Schematisch overzicht van de structuur van het twee-stadia recourse model. Samenvatting In dit proefschrift worden planningsproblemen op het gebied van routering en roostering bestudeerd met behulp van wiskundige modellen en (numerieke) optimalisatie. Kenmerkend voor de bestudeerde

Nadere informatie

Robuustheid regressiemodel voor kapitaalkosten gebaseerd op aansluitdichtheid

Robuustheid regressiemodel voor kapitaalkosten gebaseerd op aansluitdichtheid Robuustheid regressiemodel voor kapitaalkosten gebaseerd op aansluitdichtheid Dr.ir. P.W. Heijnen Faculteit Techniek, Bestuur en Management Technische Universiteit Delft 22 april 2010 1 1 Introductie De

Nadere informatie

HOOFDSTUK VII REGRESSIE ANALYSE

HOOFDSTUK VII REGRESSIE ANALYSE HOOFDSTUK VII REGRESSIE ANALYSE 1 DOEL VAN REGRESSIE ANALYSE De relatie te bestuderen tussen een response variabele en een verzameling verklarende variabelen 1. LINEAIRE REGRESSIE Veronderstel dat gegevens

Nadere informatie

Hoofdstuk!7!Kortste!paden!

Hoofdstuk!7!Kortste!paden! oofdstukkortstepaden oofdstukkortstepaden In een gewogen graaf is men soms geïnteresseerd in het kortste pad tussen twee punten: dat is een pad, waarbij de som van de gewichten zo klein mogelijk is..inleiding

Nadere informatie

Modelleren C Appels. Christian Vleugels Sander Verkerk Richard Both. 15 juni 2010. 1 Inleiding 2. 3 Data 3. 4 Aanpak 4

Modelleren C Appels. Christian Vleugels Sander Verkerk Richard Both. 15 juni 2010. 1 Inleiding 2. 3 Data 3. 4 Aanpak 4 Modelleren C Appels Christian Vleugels Sander Verkerk Richard Both 15 juni 2010 Inhoudsopgave 1 Inleiding 2 2 Probleembeschrijving 2 3 Data 3 4 Aanpak 4 5 Deterministische aanpak 4 5.1 Populariteit van

Nadere informatie

x 3 E H x 1 B A = (0,0,0) B = (1,0,0) C = (0,1,0) E = (0,0,1) I = (1,1,1/2) J = (1/2,1,1) H=(1,1/2,1) x 2

x 3 E H x 1 B A = (0,0,0) B = (1,0,0) C = (0,1,0) E = (0,0,1) I = (1,1,1/2) J = (1/2,1,1) H=(1,1/2,1) x 2 1. Gegeven een LP probleem (P) max z = c 1 x 1 + c 2 x 2 + c 3 x 3 (= c x) waarvoor het gebied van toegelaten oplossingen T wordt gegeven als de verzameling punten op het afknotingsvlak van een symmetrisch

Nadere informatie

Eindexamen wiskunde B1 vwo 2004-II

Eindexamen wiskunde B1 vwo 2004-II Brandstofverbruik Een schip maakt een tocht over een rivier van P naar Q en terug. De afstand tussen P en Q is 42 km. Van P naar Q vaart het schip tegen de stroom in (stroomopwaarts); op de terugreis vaart

Nadere informatie

Kortste Paden. Algoritmiek

Kortste Paden. Algoritmiek Kortste Paden Toepassingen Kevin Bacon getal Six degrees of separation Heeft een netwerk de small-world eigenschap? TomTom / Google Maps 2 Kortste paden Gerichte graaf G=(N,A), en een lengte L(v,w) voor

Nadere informatie

0.97 0.03 0 0 0.008 0.982 0.01 0 0.02 0 0.975 0.005 0.01 0 0 0.99

0.97 0.03 0 0 0.008 0.982 0.01 0 0.02 0 0.975 0.005 0.01 0 0 0.99 COHORTE MODELLEN Markov ketens worden vaak gebruikt bij de bestudering van een groep van personen of objecten. We spreken dan meestal over Cohorte modellen. Een voorbeeld van zo n situatie is het personeelsplanning

Nadere informatie

OEFENINGEN HOOFDSTUK 6

OEFENINGEN HOOFDSTUK 6 OEFENINGEN HOOFDSTUK 6 1 OEFENING 1 EEN INDIVIDU NEEMT EEN BELEGGING IN OVERWEGING MET VOLGENDE MOGELIJKE RENDEMENTEN EN HUN WAARSCHIJNLIJKHEDEN VAN VOORKOMEN: RENDEMENTEN -0,10 0,00 0,10 0,0 0,30 WAARSCHIJNLIJKHEID

Nadere informatie

A.1 Grafentheorie 64 BIJLAGE A. OPLOSSING VAN DE VRAGEN A.1. GRAFENTHEORIE 65. dan heeft deze kring in ieder knooppunt een even aantal takken).

A.1 Grafentheorie 64 BIJLAGE A. OPLOSSING VAN DE VRAGEN A.1. GRAFENTHEORIE 65. dan heeft deze kring in ieder knooppunt een even aantal takken). 64 BIJLAGE A. OPLOSSING VAN DE VRAGEN A. Grafentheorie Vraag. Neem drie knooppunten i, j en k. d(i, k) = het minimum aantal takken in een keten tussen i en k Vraag.2 het minimum aantal takken in een keten

Nadere informatie

Enkele basismodellen uit operationeel onderzoek

Enkele basismodellen uit operationeel onderzoek Enkele baimodellen uit operationeel onderzoek Roel Leu Roel.Leu@econ.kuleuven.be Studiedag Wikunde e graad ASO 6 mei Inleiding Operationeel onderzoek (O.O.) = het gebruik van wikundige technieken voor

Nadere informatie

Wiskunde in de Radiotherapie. Sebastiaan Breedveld

Wiskunde in de Radiotherapie. Sebastiaan Breedveld Wiskunde in de Radiotherapie Sebastiaan Breedveld Overzicht achtergrondinformatie bestralingsprobleem wiskundige formulatie resultaat problemen: positie onzekerheden hoeken Achtergrond studie Technische

Nadere informatie

Examen Datastructuren en Algoritmen II

Examen Datastructuren en Algoritmen II Tweede bachelor Informatica Academiejaar 2006 2007, tweede zittijd Examen Datastructuren en Algoritmen II Naam :.............................................................................. 1. Verzamelingen:

Nadere informatie

Examenvragen D0H45 (Lineaire optimalizatie)

Examenvragen D0H45 (Lineaire optimalizatie) Examenvragen D0H45 (Lineaire optimalizatie) Tijdstip: Vrijdag 3 februari 2012 vanaf 09.00 uur tot 12.00 uur Er zijn vier opgaven. Achter de opgaven zitten de bladzijden die u kunt gebruiken om uw antwoord

Nadere informatie

a) (5 pnt) Wat is de optimale bestelgrootte? b) (5 pnt) Wat is de optimale grootte van het aantal naleveringen per bestelcyclus

a) (5 pnt) Wat is de optimale bestelgrootte? b) (5 pnt) Wat is de optimale grootte van het aantal naleveringen per bestelcyclus Contact Dit document is samengesteld door onderwijsbureau Bijles en Training. Wij zijn DE expert op het gebied van bijlessen en trainingen in de exacte vakken, van VMBO tot universiteit. Zowel voor individuele

Nadere informatie

Het schatten van de Duitse oorlogsproductie: maximum likelihood versus de momentenmethode

Het schatten van de Duitse oorlogsproductie: maximum likelihood versus de momentenmethode Het schatten van de Duitse oorlogsproductie: maximum likelihood versus de momentenmethode Rik Lopuhaä TU Delft 30 januari, 2015 Rik Lopuhaä (TU Delft) Schatten van de Duitse oorlogsproductie 30 januari,

Nadere informatie

Examen VWO. wiskunde B1

Examen VWO. wiskunde B1 wiskunde Eamen VW Voorbereidend Wetenschappelijk nderwijs Tijdvak Dinsdag 3 mei 3.3 6.3 uur 6 Voor dit eamen zijn maimaal 7 punten te behalen; het eamen bestaat uit vragen. Voor elk vraagnummer is aangegeven

Nadere informatie

Nieuwe rekenmethode (voertuigafhankelijke) verkeerslichtenregelingen

Nieuwe rekenmethode (voertuigafhankelijke) verkeerslichtenregelingen Nieuwe rekenmethode (voertuigafhankelijke) verkeerslichtenregelingen Carl Stolz DTV Consultants Bart Veroude DTV Consultants Samenvatting In dit paper worden delen van een nieuwe methode voor het doorrekenen

Nadere informatie

5 Constraints 5.1 Inleiding 5.2 Soorten constraints

5 Constraints 5.1 Inleiding 5.2 Soorten constraints 5 Constraints 5.1 Inleiding Bij het invoeren van taken in project wordt het taaktype van elke taken ingesteld op As Soon As Possible als het project van Start date wordt gepland, en As Late As Possible

Nadere informatie

Samenvatting college 1-12

Samenvatting college 1-12 Samenvatting college 1-12 Probleemformulering Duidelijk definiëren van beslissingsvariabelen Zinvolle namen voor variabelen bv x ij voor ingrediënt i voor product j, niet x 1,..., x 20 Beschrijving van

Nadere informatie

Optimalisering/Besliskunde 1. College 1 3 september, 2014

Optimalisering/Besliskunde 1. College 1 3 september, 2014 Optimalisering/Besliskunde 1 College 1 3 september, 2014 Algemene informatie College: woensdag 9:00-10:45: Gorlaeus C1/C2, Leiden vrijdag: werkcollege Leiden en Delft Vier verplichte huiswerkopgaven Informatie

Nadere informatie

Voorbeeld simplexmethode. Max Z = 3x 1 + 2x 2 0.5x 3 z.d.d. 4x 1 + 3x 2 + x 3 10, 3x 1 + x 2-2x 3 8, en x 1, x 2, x 3 0.

Voorbeeld simplexmethode. Max Z = 3x 1 + 2x 2 0.5x 3 z.d.d. 4x 1 + 3x 2 + x 3 10, 3x 1 + x 2-2x 3 8, en x 1, x 2, x 3 0. Voorbeeld simplexmethode Max Z = 3x 1 + 2x 2 0.5x 3 z.d.d. 4x 1 + 3x 2 + x 3 10, 3x 1 + x 2-2x 3 8, en x 1, x 2, x 3 0. Voer slackvariabelen (x 4, x 5 ) in: Max Z = 3x 1 + 2x 2 0.5x 3 z.d.d. 4x 1 + 3x

Nadere informatie

+ ( 1 4 )2 σ 2 X σ2. 36 σ2 terwijl V ar[x] = 11. Aangezien V ar[x] het kleinst is, is dit rekenkundig gemiddelde de meest efficiënte schatter.

+ ( 1 4 )2 σ 2 X σ2. 36 σ2 terwijl V ar[x] = 11. Aangezien V ar[x] het kleinst is, is dit rekenkundig gemiddelde de meest efficiënte schatter. STATISTIEK OPLOSSINGEN OEFENZITTINGEN 5 en 6 c D. Keppens 2004 5 1 (a) Zij µ de verwachtingswaarde van X. We moeten aantonen dat E[M i ] = µ voor i = 1, 2, 3 om te kunnen spreken van zuivere schatters.

Nadere informatie

6.1 Beschouw de populatie die wordt beschreven door onderstaande kansverdeling.

6.1 Beschouw de populatie die wordt beschreven door onderstaande kansverdeling. Opgaven hoofdstuk 6 I Learning the Mechanics 6.1 Beschouw de populatie die wordt beschreven door onderstaande kansverdeling. De random variabele x wordt tweemaal waargenomen. Ga na dat, indien de waarnemingen

Nadere informatie

Kansrekening en Statistiek

Kansrekening en Statistiek Kansrekening en Statistiek College 8 Donderdag 13 Oktober 1 / 23 2 Statistiek Vandaag: Stochast en populatie Experimenten herhalen Wet van de Grote Getallen Centrale Limietstelling 2 / 23 Stochast en populatie

Nadere informatie

. Dan geldt P(B) = a. 1 4. d. 3 8

. Dan geldt P(B) = a. 1 4. d. 3 8 Tentamen Statistische methoden 4052STAMEY juli 203, 9:00 2:00 Studienummers: Vult u alstublieft op het meerkeuzevragenformulier uw Delftse studienummer in (tbv automatische verwerking); en op het open

Nadere informatie

Paragraaf 1.1 : Lineaire verbanden

Paragraaf 1.1 : Lineaire verbanden Hoofdstuk 1 Formules, grafieken en vergelijkingen (H4 Wis B) Pagina 1 van 11 Paragraaf 1.1 : Lineaire verbanden Les 1 Lineaire verbanden Definitie lijn Algemene formule van een lijn : y = ax + b a = richtingscoëfficiënt

Nadere informatie

Examen VWO. wiskunde B1 (nieuwe stijl)

Examen VWO. wiskunde B1 (nieuwe stijl) wiskunde B1 (nieuwe stijl) Examen VWO Voorbereidend Wetenschappelijk Onderwijs Tijdvak 2 Woensdag 2 juni 1.0 16.0 uur 20 04 Voor dit examen zijn maximaal 87 punten te behalen; het examen bestaat uit 18

Nadere informatie

Grafen en BFS. Mark Lekkerkerker. 24 februari 2014

Grafen en BFS. Mark Lekkerkerker. 24 februari 2014 Grafen en BFS Mark Lekkerkerker 24 februari 2014 1 Grafen Wat is een graaf? Hoe representeer je een graaf? 2 Breadth-First Search Het Breadth-First Search Algoritme Schillen De BFS boom 3 Toepassingen

Nadere informatie

5 Automatische partitionering van softwaresystemen

5 Automatische partitionering van softwaresystemen 26 Proceedings of the 52 nd European Study Group with Industry 5 Automatische partitionering van softwaresystemen Rob Bisseling, Jarosław Byrka, Selin Cerav-Erbas, Nebojša Gvozdenović, Mathias Lorenz,

Nadere informatie

Inhoud. Woord vooraf 13. Hoofdstuk 1. Inductieve statistiek in onderzoek 17. Hoofdstuk 2. Kansverdelingen en kansberekening 28

Inhoud. Woord vooraf 13. Hoofdstuk 1. Inductieve statistiek in onderzoek 17. Hoofdstuk 2. Kansverdelingen en kansberekening 28 Inhoud Woord vooraf 13 Hoofdstuk 1. Inductieve statistiek in onderzoek 17 1.1 Wat is de bedoeling van statistiek? 18 1.2 De empirische cyclus 19 1.3 Het probleem van de inductieve statistiek 20 1.4 Statistische

Nadere informatie

Toetsende Statistiek Week 5. De F-toets & Onderscheidend Vermogen

Toetsende Statistiek Week 5. De F-toets & Onderscheidend Vermogen M, M & C 7.3 Optional Topics in Comparing Distributions: F-toets 6.4 Power & Inference as a Decision 7.1 The power of the t-test 7.3 The power of the sample t- Toetsende Statistiek Week 5. De F-toets &

Nadere informatie

Transport-, Routing- en Schedulingproblemen. Wi4062TU / Wi487TU / a86g. Uitwerkingen 08-04-2005

Transport-, Routing- en Schedulingproblemen. Wi4062TU / Wi487TU / a86g. Uitwerkingen 08-04-2005 Transport-, Routing- en Schedulingproblemen Wi4062TU / Wi487TU / a86g Uitwerkingen 08-04-2005 1 Transportprobleem Onderdeel a Fabriek 1 kan 120 ton staal fabriceren in 40 uur. Voor fabriek 2 is dit 150

Nadere informatie

TW2020 Optimalisering

TW2020 Optimalisering TW2020 Optimalisering Hoorcollege 2 Leo van Iersel Technische Universiteit Delft 14 september 2016 Leo van Iersel (TUD) TW2020 Optimalisering 14 september 2016 1 / 30 Modelleren van LP en ILP problemen

Nadere informatie

Verhouding PM10-FDMS / PM10-ruwe data

Verhouding PM10-FDMS / PM10-ruwe data Verhouding PM10-FDMS / PM10-ruwe data De verhouding tussen de resultaten voor PM10-FDMS en PM10-ruwe data wordt op drie verschillende manieren bepaald: - helling van de rechte door de oorsprong, berekend

Nadere informatie

WORKSHOP PRA. Introductie Bas Bloemers Risicomanager Ballast Nedam

WORKSHOP PRA. Introductie Bas Bloemers Risicomanager Ballast Nedam WORKSHOP PRA Introductie Bas Bloemers Risicomanager Ballast Nedam DOEL WORKSHOP Herkennen van 3 uitvoeringen van een Probabilistische Risico Analyse (PRA) Concluderen welke PRA uitvoering voor jou de meeste

Nadere informatie

Voorbereidend Wetenschappelijk Onderwijs Tijdvak 2 Woensdag 22 juni 13.30 16.30 uur

Voorbereidend Wetenschappelijk Onderwijs Tijdvak 2 Woensdag 22 juni 13.30 16.30 uur wiskunde B Eamen VW Voorbereidend Wetenschappelijk nderwijs Tijdvak 2 Woensdag 22 juni 3.30 6.30 uur 20 05 Voor dit eamen zijn maimaal 86 punten te behalen; het eamen bestaat uit 9 vragen. Voor elk vraagnummer

Nadere informatie

Examen G0N34 Statistiek

Examen G0N34 Statistiek Naam: Richting: Examen G0N34 Statistiek 8 september 2010 Enkele richtlijnen : Wie de vragen aanneemt en bekijkt, moet minstens 1 uur blijven zitten. Je mag gebruik maken van een rekenmachine, het formularium

Nadere informatie

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamenopgaven Statistiek 2DD71: UITWERKINGEN 1. Stroopwafels a De som S van de 12 gewichten is X 1 + X 2 + + X 12. Deze is normaal

Nadere informatie

Vierde college complexiteit. 14 februari Beslissingsbomen

Vierde college complexiteit. 14 februari Beslissingsbomen College 4 Vierde college complexiteit 14 februari 2017 Restant zoeken Beslissingsbomen 1 Binair zoeken Links := 1; Rechts := n; while Links Rechts do Midden := Links + Rechts 2 ; if X = A[Midden] then

Nadere informatie

Publieke Database. Verslag modelleren 4 (2H144) Finbar Bogerd (s474580) & Judy van Sambeek (s476368)

Publieke Database. Verslag modelleren 4 (2H144) Finbar Bogerd (s474580) & Judy van Sambeek (s476368) Publieke Database Verslag modelleren 4 (2H144) Finbar Bogerd (s474580) & Judy van Sambeek (s476368) Technische Universiteit Eindhoven Faculteit: Technische Wiskunde & Informatica 28 augustus 2002 Inhoudsopgave

Nadere informatie

P = LIMIETGEDRAG VAN MARKOV KETENS Limietverdeling van irreducibele, aperiodieke Markov keten:

P = LIMIETGEDRAG VAN MARKOV KETENS Limietverdeling van irreducibele, aperiodieke Markov keten: LIMIETGEDRAG VAN MARKOV KETENS Limietverdeling van irreducibele, aperiodieke Markov keten: Voorbeeld: Zoek de unieke oplossing van het stelsel π = π P waarvoor bovendien geldt dat i S π i = 1. P = 0 1/4

Nadere informatie

Critical Chain Project Management (CCPM) Een korte introductie

Critical Chain Project Management (CCPM) Een korte introductie Critical Chain Project Management (CCPM) Een korte introductie Inleiding Critical Chain Project Management is een methode om projecten te plannen en bewaken en is afgeleid van de management theorie Theory

Nadere informatie

Eindexamen wiskunde B1 vwo 2006-II

Eindexamen wiskunde B1 vwo 2006-II Drinkbak In figuur staat een tekening van een drinkbak voor dieren. De bak bestaat uit drie delen: een rechthoekige, metalen plaat die gebogen is tot een smmetrische goot, een voorkant en een achterkant

Nadere informatie

Onafhankelijke verzamelingen en Gewogen Oplossingen, door Donald E. Knuth, The Art of Computer Programming, Volume 4, Combinatorial Algorithms

Onafhankelijke verzamelingen en Gewogen Oplossingen, door Donald E. Knuth, The Art of Computer Programming, Volume 4, Combinatorial Algorithms Onafhankelijke verzamelingen en Gewogen Oplossingen, door Donald E. Knuth, The Art of Computer Programming, Volume 4, Combinatorial Algorithms Giso Dal (0752975) Pagina s 5 7 1 Deelverzameling Representatie

Nadere informatie

P (X n+1 = j X n = i, X n 1,..., X 0 ) = P (X n+1 = j X n = i). P (X n+1 = j X n = i) MARKOV KETENS. Definitie van Markov keten:

P (X n+1 = j X n = i, X n 1,..., X 0 ) = P (X n+1 = j X n = i). P (X n+1 = j X n = i) MARKOV KETENS. Definitie van Markov keten: Definitie van Markov keten: MARKOV KETENS Een stochastisch proces {X n, n 0} met toestandsruimte S heet een discrete-tijd Markov keten (DTMC) als voor alle i en j in S geldt P (X n+1 = j X n = i, X n 1,...,

Nadere informatie

Inhoud. Neuronen. Synapsen. McCulloch-Pitts neuron. Sigmoids. De bouwstenen van het zenuwstelsel: neuronen en synapsen

Inhoud. Neuronen. Synapsen. McCulloch-Pitts neuron. Sigmoids. De bouwstenen van het zenuwstelsel: neuronen en synapsen Tom Heskes IRIS, NIII Inhoud De bouwstenen van het zenuwstelsel: neuronen en synapsen Complex gedrag uit eenvoudige elementen McCulloch-Pitts neuronen Hopfield netwerken Computational neuroscience Lerende

Nadere informatie

max 5x 1 2x 2 s.t. 2x 1 x 2 10 (P) x 1 + 2x 2 2 x 1, x 2 0

max 5x 1 2x 2 s.t. 2x 1 x 2 10 (P) x 1 + 2x 2 2 x 1, x 2 0 Voorbeeldtentamen Deterministische Modellen in de OR (158075) Opmerking vooraf: Geef bij elke opgave een volledige en duidelijke uitwerking inclusief argumentatie! Gebruik van de rekenmachine is niet toegestaan.

Nadere informatie

Overzicht. Inleiding. Modellering. Insertie heuristieken. Voorbeeld: CVV. Local Search. Meta heuristieken. Vehicle Routing Problem 1

Overzicht. Inleiding. Modellering. Insertie heuristieken. Voorbeeld: CVV. Local Search. Meta heuristieken. Vehicle Routing Problem 1 Overzicht Inleiding Modellering Insertie heuristieken Voorbeeld: CVV Local Search Meta heuristieken Vehicle Routing Problem 1 Inleiding Gegeven Depot-knoop 0 Klant-knopen i met vraag q i, i = 1,..., n

Nadere informatie

Statistiek II. 1. Eenvoudig toetsen. Onderdeel toetsen binnen de cursus: Toetsen en schatten ivm één statistiek of steekproef

Statistiek II. 1. Eenvoudig toetsen. Onderdeel toetsen binnen de cursus: Toetsen en schatten ivm één statistiek of steekproef Statistiek II Onderdeel toetsen binnen de cursus: 1. Eenvoudig toetsen Toetsen en schatten ivm één statistiek of steekproef Via de z-verdeling, als µ onderzocht wordt en gekend is: Via de t-verdeling,

Nadere informatie