htw saar Piktogramm
Zurück zur Hauptseite

Version des Moduls auswählen:
XML-Code

Quantitative Methoden

Modulbezeichnung: Quantitative Methoden
Studiengang: Rechnungs-, Prüfungs- und Finanzwesen, Master, ASPO 01.10.2012
Code: MRPF-140
SWS/Lehrform: 4V (4 Semesterwochenstunden)
ECTS-Punkte: 6
Studiensemester: 1
Pflichtfach: ja
Arbeitssprache:
Englisch/Deutsch
Prüfungsart:
Klausur (120 Minuten / Wiederholung semesterweise)
Zuordnung zum Curriculum:
MRPF-140 Rechnungs-, Prüfungs- und Finanzwesen, Master, ASPO 01.10.2012, 1. Semester, Pflichtfach
Arbeitsaufwand:
Die Präsenzzeit dieses Moduls umfasst bei 15 Semesterwochen 60 Veranstaltungsstunden (= 45 Zeitstunden). Der Gesamtumfang des Moduls beträgt bei 6 Creditpoints 180 Stunden (30 Std/ECTS). Daher stehen für die Vor- und Nachbereitung der Veranstaltung zusammen mit der Prüfungsvorbereitung 135 Stunden zur Verfügung.
Empfohlene Voraussetzungen (Module):
Keine.
Als Vorkenntnis empfohlen für Module:
MRPF-230 Seminar zu Rechnungs-, Prüfungs- und Finanzwesen I
MRPF-330 Seminar zu Rechnungs-, Prüfungs- und Finanzwesen II
MRPF-380 Simulation in Produktion und Logistik


[letzte Änderung 08.09.2014]
Modulverantwortung:
Prof. Dr. Teresa Melo
Dozent:
Prof. Dr. Teresa Melo


[letzte Änderung 30.08.2012]
Lernziele:
Teilgebiet Diskrete Optimierung:
Die Studierenden sollen am Ende der Veranstaltung in der Lage sein,
- Konzepte der Dualitätstheorie für lineare Optimierungsprobleme anzuwenden,
- Modellierungstechniken für ökonomische Optimierungsprobleme sowohl mit einer
  Zielsetzung als auch mit mehreren in Konflikt stehenden Zielen zu
  beherrschen,
- logische Verknüpfungen von Aussagen und Restriktionen mittels binären
  Variablen zu modellieren,
- gemischt-)ganzzahlige Optimierungsmodelle mit Standardsoftware zu lösen und
  zu validieren,
- die erhaltenen Lösungen ökonomisch zu analysieren und zu interpretieren,
- analytische Methoden zur Ermittlung von Kompromisslösungen für
  Optimierungsmodelle mit mehrfacher Zielsetzung anzuwenden,
- die Einsetzbarkeit von Optimierungsmodellen für organisatorische
  Problemstellungen in den Bereichen Logistik, Marketing und Investition
  einzuschätzen,
- analytische Fähigkeiten durch selbständiges Lösen von praxisbezogenen
  Aufgaben zu entwickeln.
 
Teilgebiet Stochastik:
Die Studierenden sollen am Ende der Veranstaltung in der Lage sein,
- statistische Schätz- und Testverfahren in der induktiven Datenanalyse zu
  beherrschen und anzuwenden,
- computergestützte induktive Datenanalyse betriebswirtschaftlicher
  Problemstellungen vorzubereiten, durchzuführen und die erhaltenen Ergebnisse
  zu interpretieren,
- die Struktur und Vorgehensweise nichtparametrischer Methoden zu erläutern und
  diese zur Analyse empirischer Daten anzuwenden,
- die Grenzen der verwendeten statistischen Methodik zu identifizieren und
  kritisch zu diskutieren.


[letzte Änderung 30.08.2012]
Inhalt:
Teilgebiet Diskrete Optimierung:
- Modellierung und Lösung linearer Optimierungsprobleme
- Ökonomische Interpretation von Lösungen und Durchführung von
  Sensitivitätsanalysen
- Dualitätstheorie, deren ökonomische Deutung und der duale Simplexalgorithmus
- Modellierungstechniken für Optimierungsprobleme mit ganzzahligen oder
  diskreten Entscheidungsvariablen
- Modellierung von Entscheidungsproblemen bei mehreren Zielsetzungen
  (Motivation, Zielkonflikte, Kompromisslösung)
- Lösungsansätze für Optimierungsprobleme bei mehrfacher Zielsetzung: Goal
  Programming, Lexikografische Ordnung, Zielgewichtung
- Einsatz von Software zur Lösung diskreter Optimierungsprobleme
  
Teilgebiet Stochastik:
- Eigenschaften und Konstruktion von Schätzfunktionen, Güteeigenschaften von
  Schätzern
- Schätzung von Parametern (Punkt- und Intervallschätzung)
- Formulierung und Prüfen statistischer Hypothesen
- Nichtparametrische Verfahren: Anpassungs-, Unabhängigkeits- und
  Homogenitätstests
- Weitere nichtparametrische Verfahren: verteilungsfreie Methoden
- Einsatz von Standardsoftware (z.B. SPSS)


[letzte Änderung 30.08.2012]
Lehrmethoden/Medien:
Vortrag und Diskussion in der Großgruppe, unterstützt durch Folien (Beamer) und Tafel (Theorie und Vorrechnen exemplarischer Beispiele).
 
Die Vorlesung wird durch Übungen ergänzt. Um eigenständiges Arbeiten zu unterstützen, wird eine Vielzahl von Übungsblättern bereitgestellt, deren thematische Breite das weite Einsatzspektrum der behandelten Methoden zeigt. Anschließend werden die Lösungen der Aufgaben mit den Studierenden besprochen (zum Teil mit Hilfe von Optimierungs- und Statistik-Software).
 
Sowohl das Vorlesungsskript als auch die Übungsblätter stehen den Studierenden in elektronischer Form zur Verfügung.
 


[letzte Änderung 30.06.2011]
Literatur:
Teil I: Diskrete Optimierung
 
Domschke, W., Drexl, A.: Einführung in Operations Research, 7. Auflage, Springer, Berlin, Heidelberg, 2007
 
Domschke, Drexl, Klein, Scholl, Voß: Übungen und Fallbeispiele zum Operations Research, 6. Auflage, Springer, Berlin, Heidelberg, 2007
 
Hillier, F., Lieberman, G.: Introduction to Operations Research, 9. Auflage. McGraw Hill Higher Education, 2010
 
Suhl, L., Mellouli, T.: Optimierungssysteme: Modelle, Verfahren, Software, Anwendungen, 2. Auflage, Springer, 2009
 
Werners, B.: Grundlagen des Operations Research mit Aufgaben und Lösungen, 2. Auflage, Springer, Berlin/Heidelberg, 2008
 
Zimmermann, H.-J.: Operations Research: Methoden und Modelle für Wirtschaftsingenieure, Betriebswirte, Informatiker, 2. Auflage, Vieweg, Wiesbaden, 2008
 
Teil II: Stochastik
 
Caputo, A., Fahrmeir, L., Künstler, R., Lang, S., Pigeot-Kübler, I., Tutz, G.: Arbeitsbuch Statistik, 5. Auflage, Springer, Berlin, 2009
 
Fahrmeir, L., Künstler, R., Pigeot, I., Tutz, G.: Statistik: Der Weg zur Datenanalyse, 6. überarb. Auflage, Springer, Berlin, 2007
 
Mosler, K., Schmid, F.: Wahrscheinlichkeitsrechnung und schließende Statistik, 2. Auflage, Springer, Berlin, 2006
 
Schira, J.: Statistische Methoden der VWL und BWL: Theorie und Praxis, 2. Auflage, Pearson Studium, München, 2005
 
Toutenburg, H., Heumann, Ch.: Induktive Statistik: Eine Einführung mit R und SPSS“, 4. überab. und erw. Auflage, Springer, 2008
 
Toutenburg, H., Heumann, Ch.: Arbeitsbuch zur deskriptiven und induktiven Statistik, 2. Auflage, Springer, 2009
 


[letzte Änderung 30.06.2011]
[Fri Nov 27 09:47:09 CET 2020, CKEY=rqm, BKEY=rpfm, CID=MRPF-140, LANGUAGE=de, DATE=27.11.2020]