مدل های برنامه ریزی استراژیک

مدل های برنامه ریزی استراژیک

چکیده:

امروزه سازمان ها با محیطی متلاطم و ناآرام روبرو هستند. تهدیدهای محیطی از هر سو حیات و بقای سازمان ها را تهدید می کند. سازمان ها باید جایگاه فعلی خود را شناخته، نقاط قوت و ضعف خود را دقیقا تحلیل کرده و با تکیه بر قوت ها از فرت های محیطی استفاده کنند و خود را برای برخورد با تهدید ها آماده کنند.

این مهم در قالب برنامه ریزی استراتییک امکان پذیر است. در چارچوب برنامه ریزی استراتژیک سازمان توانمندی و شرایط محیطی را تحلیل کرده و بر اساس آن اهداف قابل دسترس و روش های رسیدن به آنها را مشخص می کند.

در این راستا آنچه مهم است این است که چگونه می توان یک برنامه ریزی استراتژیک ، پویا و کاربردی برای سازمان تدوین کرد. این مقاله در دو بخش به معرفی مدل های برنامه ریزی استراتژیک می پردازد.

ابتدا تعدادی از مدل های تدوین برنامه ریزی استراتژیک را که بر اساس توالی زمانی شکل گرفته اند معرفی کرده و سپس در بخش دوم تکنیک های جدولی برای تجزیه تحلیل برنامه ریزی استراتژیک را معرفی می کند. این مقاله گام های اساسی طراحی برنامه ریزی استراتژیک و نحوه تحلیل متغیرهای اساسی آن را بررسی می کند.

مقدمه:

در این مقاله مدل هایی که فرآیند تدوین برنامه ریزی استراتژیک را مورد بحث قرار داده اند، بر اساس توالی زمانی تدوین آنها معرفی می شود. بدیهی است هر مدل نسبت به مدل قبلی کامل تر شده و طراحی برنامه ریزی استراتژیک را شفاف تر مطرح نموده است.

تعداد صفحات: 15

مقاله مدل های احتمالاتی فرآیندهای پواسن

این فصل بعضی از ویژگی های ساده فرآیندهای =واسن را تعمیم می دهد. ما فرآیندهای پواسن ناهمگن (NHPP) و فرآیندهای پواسن همگن (HPP) ، هر دو را در نظر می گیریم.

1. فرآیندهای پواسن؛

توزیع پواسن یک مدل مفید برای بیشتر کاربردها ، توزیعی گسسته بر اعداد صحیح نامنفی است.توزیع پواسن یک نقش مرکزی را در مطالعه فرآیندهای پواسن ایفا می کند و یک رده از مدل ها را برای سیستم های تعمیرپذیر تشکیل می دهد.

تعریف 23. متغیر تصادفی X دارای توزیع پواسن است اگر متغیر تصادفی گسسته ای باشد که تابع جرم احتمال آن برابر باشد با:

p(x) = P(X=x) = ,   x=0,1,2,… .

اگر متغیر تصادفی گسسته X دارای این تابع جرم احتمال باشد،می نویسیسم X~ POI(Φ).

قضیه بعدی میانگین و واریانس توزیع فرآیند را ارائه می دهد.

قضیه 14. اگر X~ POI(Φ) ، آنگاه E(x)=Φ و V(x)=Φ.

اثبات.اثبات واضح است.

E(X) =

       =

         =exp(-

       =

       =

سری عبارت آخر،سری های توانی exp(Φ) است،بنابراین:

E(x) = Φ exp(-Φ) exp(Φ) = Φ

برای یافتن واریانس x ابتدا E(x2) را می یابیم.

E(X2) =

         =

         =

         = exp(-φ)

         =φ exp(-φ) + )

         = )

         = )

       =

       = .

Thus:

V(x) = E(X2) – [E(x)]2

         =

         = .

شکل2.1، توابع جرم احتمال برای دو توزیع پواسن

شکل 2.1 توابع جرم احتمال را برای توزیع های پواسن با میانگین Φ = 2 و Φ = 5.2 نشان می دهد.کمترین مقدار احتمال برای عدد تصادفی x صفر است و خروجی x از بالا بی کران است

این مقاله به صورت  ورد (docx ) می باشد و تعداد صفحات آن 180صفحه  آماده پرینت می باشد

چیزی که این مقالات را متمایز کرده است آماده پرینت بودن مقالات می باشد تا خریدار از خرید خود راضی باشد

مقالات را با ورژن  office2010  به بالا بازکنید