Full Download PDF of (Ebook PDF) Spreadsheet Modeling and Decision Analysis: A Practical Introduction To Business Analytics 7th Edition All Chapter

(eBook PDF) Spreadsheet Modeling and
Decision Analysis: A Practical

Introduction to Business Analytics 7th
Edition
Go to download the full and correct content document:
https://ebooksecure.com/product/ebook-pdf-spreadsheet-modeling-and-decision-anal
ysis-a-practical-introduction-to-business-analytics-7th-edition/
More products digital (pdf, epub, mobi) instant
download maybe you interests ...
(eBook PDF) Spreadsheet Modeling & Decision Analysis: A

Practical Introduction to Business Analytics 8th
Edition
http://ebooksecure.com/product/ebook-pdf-spreadsheet-modeling-
decision-analysis-a-practical-introduction-to-business-
analytics-8th-edition/
Spreadsheet Modeling & Decision Analysis: A Practical

Introduction to Business Analytics 8th Edition by Cliff
Ragsdale (eBook PDF)
http://ebooksecure.com/product/spreadsheet-modeling-decision-
analysis-a-practical-introduction-to-business-analytics-8th-
edition-by-cliff-ragsdale-ebook-pdf/
Spreadsheet Modeling and Decision Analysis: A Practical

Introduction to Business Analytics, 9e 9th Edition
Cliff Ragsdale - eBook PDF
https://ebooksecure.com/download/spreadsheet-modeling-and-
decision-analysis-a-practical-introduction-to-business-
analytics-9e-ebook-pdf/
(eBook PDF) Business Analytics: Data Analysis &

Decision Making 7th Edition
http://ebooksecure.com/product/ebook-pdf-business-analytics-data-
analysis-decision-making-7th-edition/
(eBook PDF) Business Analytics Data Analysis Decision
Making 6th
http://ebooksecure.com/product/ebook-pdf-business-analytics-data-
analysis-decision-making-6th/
Business Analytics: Data Analysis & Decision Making

(MindTap Course List) 7th Edition Albright - eBook PDF
https://ebooksecure.com/download/business-analytics-data-
analysis-decision-making-mindtap-course-list-ebook-pdf/
Business Analytics: Data Analysis & Decision Making 6th

Edition (eBook PDF)
http://ebooksecure.com/product/business-analytics-data-analysis-
decision-making-6th-edition-ebook-pdf/
Modern Business Analytics: Practical Data Science for

Decision-making - eBook PDF
https://ebooksecure.com/download/modern-business-analytics-
practical-data-science-for-decision-making-ebook-pdf/
(eBook PDF) Statistics, Data Analysis, and Decision

Modeling 5th Edition
http://ebooksecure.com/product/ebook-pdf-statistics-data-
analysis-and-decision-modeling-5th-edition/
vi Preface
Christopher M. Rump, Bowling Green State University

Samuel L. Seaman, Pepperdine University
Maureen Sevigny, Oregon Institute of Technology
Larry E. Shirland, The University of Vermont
Andrew Shogan, Haas School of Business, University of California, Berkeley
Thomas R. Steinhagen, Colorado Christian University
Pandu R. Tadikamalla, University of Pittsburgh, Katz School of Business
Nabil Tamimi, University of Scranton
I also thank Tom Bramorski of the University of Wisconsin-Whitewater for preparing
the test bank that accompanies this book. David Ashley also provided many of the sum-
mary articles found in “The World of Business Analytics” feature throughout the text
and created the queuing template used in Chapter 13. Jack Yurkiewicz, Pace University,
contributed several of the cases found throughout the text. Tallys Yunes, University of
Miami, provided some especially helpful feedback and suggestions for this edition of
the book.
My sincere thanks goes to all students and instructors who have used previous edi-
tions of this book and provided many valuable comments and suggestions for making it
better. I also thank the wonderful SMDA team at Cengage : Aaron Arnsparger, Product
Manager; Maggie Kubale, Content Development; Cliff Kallemeyn, Sr. Content Project
Manager; and Chris Valentine, Media Developer. I feel very fortunate and privileged to
work with each of you.
A very special word of thanks to my friend Dan Fylstra and the crew at Frontline
Systems (http://www.solver.com) for conceiving and creating Analytic Solver Platform
and supporting me so graciously and quickly throughout my revision work on this
book. In my opinion, Analytic Solver Platform is the most significant development in
OR/MS education since the creation of personal computers and the electronic spread-
sheet. (Dan, you get my vote for a lifetime achievement award in analytical modeling
and induction in the OR/MS Hall of Fame!)
Once again, I thank my dear wife, Kathy, for her unending patience, support, encour-
agement, and love. (You will always be the one.) This book is dedicated to our sons,
Thomas, Patrick, and Daniel. I am proud of each one of you and will always be so glad
that God let me be your daddy and the leader of the Ragsdale ragamuffin band.
Final Thoughts
I hope you enjoy the spreadsheet approach to teaching quantitative analysis as much
as I do and that you find this book to be very interesting and helpful. If you find crea-
tive ways to use the techniques in this book or need help applying them, I would love
to hear from you. Also, any comments, questions, suggestions, or constructive criticism
you have concerning this text are always welcome.
Cliff T. Ragsdale
e-mail: Cliff.Ragsdale@vt.edu
Copyright 201 Cengage Learning. All Rights Reserved. May not be copied, scanned, or duplicated, in whole or in part. Due to electronic rights, some third party content may be suppressed from the eBook and/or eChapter(s).
Editorial review has deemed that any suppressed content does not materially affect the overall learning experience. Cengage Learning reserves the right to remove additional content at any time if subsequent rights restrictions require it.
Brief Contents
1 Introduction to Modeling and Decision Analysis 1
2 Introduction to Optimization and Linear Programming 17
3 Modeling and Solving LP Problems in a Spreadsheet 46
4 Sensitivity Analysis and the Simplex Method 139
5 Network Modeling 187
6 Integer Linear Programming 245
7 Goal Programming and Multiple Objective Optimization 313
8 Nonlinear Programming and Evolutionary Optimization 358
9 Regression Analysis 433
10 Data Mining 484
11 Time Series Forecasting 550
12 Introduction to Simulation Using Analytic Solver Platform 619
13 Queuing Theory 703
14 Decision Analysis 736
15 Project Management (Online) 15-1
Index 811
vii
Contents
1. Introduction to Modeling and Decision Analysis 1
Introduction 1
The Modeling Approach to Decision Making 3
Characteristics and Benefits of Modeling 3
Mathematical Models 4
Categories of Mathematical Models 6
Business Analytics and the Problem-Solving Process 7
Anchoring and Framing Effects 10
Good Decisions vs. Good Outcomes 11
Summary 12
References 12
The World of Business Analytics 12
Questions and Problems 14
Case 15
2. Introduction to Optimization and Linear Programming 17

Introduction 17
Applications of Mathematical Optimization 17
Characteristics of Optimization Problems 18
Expressing Optimization Problems Mathematically 19
Decisions 19 Constraints 19 Objective 20
Mathematical Programming Techniques 20
An Example LP Problem 21
Formulating LP Models 21
Steps in Formulating an LP Model 21
Summary of the LP Model for the Example Problem 23
The General Form of an LP Model 23
Solving LP Problems: An Intuitive Approach 24
Solving LP Problems: A Graphical Approach 25
Plotting the First Constraint 26 Plotting the Second Constraint 27 Plotting the Third
Constraint 28 The Feasible Region 28 Plotting the Objective Function 29 Finding the
Optimal Solution Using Level Curves 29 Finding the Optimal Solution by Enumerating
the Corner Points 32 Summary of Graphical Solution to LP Problems 33 Understand-
ing How Things Change 33
Special Conditions in LP Models 34
Alternate Optimal Solutions 34 Redundant Constraints 34 Unbounded Solutions 36
Infeasibility 37
viii
Contents ix
Summary 38
References 39
Case 44
3. Modeling and Solving LP Problems in a Spreadsheet 46

Introduction 46
Spreadsheet Solvers 46
Solving LP Problems in a Spreadsheet 47
The Steps in Implementing an LP Model in a Spreadsheet 47
A Spreadsheet Model for the Blue Ridge Hot Tubs Problem 49
Organizing the Data 50 Representing the Decision Variables 50 Representing the
Objective Function 50 Representing the Constraints 51 Representing the Bounds on the
Decision Variables 51
How Solver Views the Model 52
Using Analytic Solver Platform 54
Defining the Objective Cell 55 Defining the Variable Cells 56 Defining the Constraint
Cells 57 Defining the Nonnegativity Conditions 60 Reviewing the Model 61 Other
Options 62 Solving the Problem 63
Using Excel’s Built-in Solver 64
Goals and Guidelines for Spreadsheet Design 65
Make vs. Buy Decisions 66
Defining the Decision Variables 67 Defining the Objective Function 67 Defining the
Constraints 68 Implementing the Model 68 Solving the Problem 70 Analyzing the
Solution 71
An Investment Problem 71
Solution 74
A Transportation Problem 75
Constraints 77 Implementing the Model 78 Heuristic Solution for the Model 79
Solving the Problem 80 Analyzing the Solution 81
A Blending Problem 82
Constraints 83 Some Observations About Constraints, Reporting, and Scaling 83
Rescaling the Model 84 Implementing the Model 85 Solving the Problem 86
Analyzing the Solution 86
A Production and Inventory Planning Problem 88
Solution 93
A Multiperiod Cash-Flow Problem 93
Solution 100 Modifying the Taco-Viva Problem to Account for Risk (Optional) 101
Implementing the Risk Constraints 103 Solving the Problem 104 Analyzing the
Solution 104
x Contents
Data Envelopment Analysis 105

Defining the Decision Variables 106 Defining the Objective 106 Defining the
Constraints 106 Implementing the Model 107 Solving the Problem 109 Analyzing
the Solution 112
Summary 113
References 114
The World of Management Science 115
Cases 133
4. Sensitivity Analysis and the Simplex Method 139

Introduction 139
The Purpose of Sensitivity Analysis 139
Approaches to Sensitivity Analysis 140
An Example Problem 140
The Answer Report 141
The Sensitivity Report 143
Changes in the Objective Function Coefficients 143 A Comment about Constancy 145
Alternate Optimal Solutions 146 Changes in the RHS Values 146 Shadow Prices for
Nonbinding Constraints 147 A Note about Shadow Prices 147 Shadow Prices and the
Value of Additional Resources 149 Other Uses of Shadow Prices 149 The Meaning of
the Reduced Costs 150 Analyzing Changes in Constraint Coefficients 152 Simultane-
ous Changes in Objective Function Coefficients 153 A Warning about Degeneracy 154
The Limits Report 154
Ad Hoc Sensitivity Analysis 155
Creating Spider Plots and Tables 155 Creating a Solver Table 159 Comments 162
Robust Optimization 162
The Simplex Method 166
Creating Equality Constraints Using Slack Variables 166 Basic Feasible Solutions 167
Finding the Best Solution 170
Summary 170
References 170
The World of Management Science 171
Cases 181
5. Network Modeling 187

Introduction 187
The Transshipment Problem 187
Characteristics of Network Flow Problems 187 The Decision Variables for Network
Flow Problems 189 The Objective Function for Network Flow Problems 189 The
Constraints for Network Flow Problems 190 Implementing the Model in a
Spreadsheet 191 Analyzing the Solution 193
The Shortest Path Problem 194
An LP Model for the Example Problem 196 The Spreadsheet Model and Solution 196
Network Flow Models and Integer Solutions 198
Contents xi
The Equipment Replacement Problem 199

The Spreadsheet Model and Solution 200
Transportation/Assignment Problems 202
Generalized Network Flow Problems 203
Formulating an LP Model for the Recycling Problem 205 Implementing the Model 206
Analyzing the Solution 208 Generalized Network Flow Problems and Feasibility 209
Maximal Flow Problems 212
An Example of a Maximal Flow Problem 212 The Spreadsheet Model and Solution 214
Special Modeling Considerations 216
Minimal Spanning Tree Problems 219
An Algorithm for the Minimal Spanning Tree Problem 220 Solving the Example
Problem 220
Summary 221
References 221
Cases 239
6. Integer Linear Programming 245

Introduction 245
Integrality Conditions 245
Relaxation 246
Solving the Relaxed Problem 246
Bounds 248
Rounding 250
Stopping Rules 252
Solving ILP Problems Using Solver 253
Other ILP Problems 256
An Employee Scheduling Problem 256
Defining the Decision Variables 257 Defining the Objective Function 258 Defining
the Constraints 258 A Note About the Constraints 259 Implementing the Model 259
Solving the Model 260 Analyzing the Solution 261
Binary Variables 262
A Capital Budgeting Problem 262
the Constraints 263 Setting Up the Binary Variables 263 Implementing the Model 263
Solving the Model 264 Comparing the Optimal Solution to a Heuristic Solution 266
Binary Variables and Logical Conditions 266
The Fixed-Charge Problem 267
Constraints 268 Determining Values for “Big M” 269 Implementing the Model 270
Solving the Model 271 Analyzing the Solution 271 A Comment on IF( ) Functions 273
Minimum Order/Purchase Size 274
Quantity Discounts 275
Formulating the Model 275 The Missing Constraints 276
xii Contents
A Contract Award Problem 276

Formulating the Model: The Objective Function and Transportation Constraints 277
Implementing the Transportation Constraints 278 Formulating the Model: The Side
Constraints 279 Implementing the Side Constraints 280 Solving the Model 282
The Branch-and-Bound Algorithm (Optional) 282
Branching 284 Bounding 285 Branching Again 286 Bounding Again 288 Summary
of B&B Example 288
Summary 290
References 290
Cases 307
7. Goal Programming and Multiple Objective Optimization 313

Introduction 313
Goal Programming 313
A Goal Programming Example 314
Defining the Decision Variables 315 Defining the Goals 315 Defining the Goal Con-
straints 315 Defining the Hard Constraints 316 GP Objective Functions 317 Defining
the Objective 318 Implementing the Model 319 Solving the Model 320 Analyzing the
Solution 321 Revising the Model 322 Trade-Offs: The Nature of GP 323
Comments about Goal Programming 324
Multiple Objective Optimization 325
An Molp Example 327
Defining the Decision Variables 327 Defining the Objectives 327 Defining the
Constraints 328 Implementing the Model 328 Determining Target Values for the
Objectives 329 Summarizing the Target Solutions 331 Determining a GP Objective 332
The MINIMAX Objective 334 Implementing the Revised Model 335 Solving the
Model 335
Comments on Molp 338
Summary 339
References 339
Cases 353
8. Nonlinear Programming and Evolutionary Optimization 358

Introduction 358
The Nature of NLP Problems 358
Solution Strategies for NLP Problems 360
Local vs. Global Optimal Solutions 361
Economic Order Quantity Models 363
Implementing the Model 366 Solving the Model 366 Analyzing the Solution 368
Comments on the EOQ Model 368
Contents xiii
Location Problems 369

Constraints 371 Implementing the Model 371 Solving the Model and Analyzing
the Solution 372 Another Solution to the Problem 373 Some Comments about the
Solution to Location Problems 374
Nonlinear Network Flow Problem 375
Constraints 376 Implementing the Model 377 Solving the Model and Analyzing
the Solution 378
Project Selection Problems 380
the Constraints 381 Implementing the Model 382 Solving the Model 383
Optimizing Existing Financial Spreadsheet Models 385
Implementing the Model 385 Optimizing the Spreadsheet Model 386 Analyzing
the Solution 388 Comments on Optimizing Existing Spreadsheets 388
The Portfolio Selection Problem 388
Constraints 391 Implementing the Model 391 Analyzing the Solution 393
Handling Conflicting Objectives in Portfolio Problems 395
Sensitivity Analysis 397
Lagrange Multipliers 400 Reduced Gradients 400
Solver Options for Solving NLPs 400
Evolutionary Algorithms 402
Forming Fair Teams 403
A Spreadsheet Model for the Problem 404 Solving the Model 405
The Traveling Salesperson Problem 406
A Spreadsheet Model for the Problem 407 Solving the Model 409
Summary 411
References 411
Cases 428
9. Regression Analysis 433

Introduction 433
An Example 433
Regression Models 435
Simple Linear Regression Analysis 436
Defining “Best Fit” 437
Solving the Problem Using Solver 438
Solving the Problem Using the Regression Tool 440
Evaluating the Fit 442
The R2 Statistic 444
xiv Contents
Making Predictions 446

The Standard Error 446 Prediction Intervals for New Values of Y 447 Confidence
Intervals for Mean Values of Y 449 Extrapolation 449
Statistical Tests for Population Parameters 450
Analysis of Variance 450 Assumptions for the Statistical Tests 451 Statistical Tests 452
Introduction to Multiple Regression 453
A Multiple Regression Example 455
Selecting the Model 456
Models with One Independent Variable 457 Models with Two Independent
Variables 457 Inflating R2 460 The Adjusted-R2 Statistic 460 The Best Model
with Two Independent Variables 461 Multicollinearity 461 The Model with
Three Independent Variables 461
Making Predictions 463
Binary Independent Variables 463
Statistical Tests for the Population Parameters 464
Polynomial Regression 465
Expressing Nonlinear Relationships Using Linear Models 466 Summary of Nonlinear
Regression 470
Summary 470
References 470
Cases 479
10. Data Mining 484

Introduction 484
Data Mining Overview 484
Classification 487
A Classification Example 488
Classification Data Partitioning 495
Discriminant Analysis 497
Discriminant Analysis Example 499
Logistic Regression 505
Logistic Regression Example 507
k-Nearest Neighbor 510
k-Nearest Neighbor Example 511
Classification Trees 513
Classification Tree Example 515
Neural Networks 519
Neural Network Example 521
Naïve Bayes 524
Naïve Bayes Example 526
Comments on Classification 530
Combining Classifications 530 The Role of Test Data 531
Contents xv
Prediction 531
Association Rules (Affinity Analysis) 532
Association Rules Example 533
Cluster Analysis 535
Cluster Analysis Example 537
k-Means Clustering Example 537 Hierarchical Clustering Example 539
Time Series 542
Summary 542
References 542
Case 548
11. Time Series Forecasting 550

Introduction 550
Time Series Methods 551
Measuring Accuracy 551
Stationary Models 552
Moving Averages 553
Forecasting with the Moving Average Model 555
Weighted Moving Averages 557
Forecasting with the Weighted Moving Average Model 558
Exponential Smoothing 559
Forecasting with the Exponential Smoothing Model 562
Seasonality 563
Stationary Data with Additive Seasonal Effects 564
Forecasting with the Model 567
Stationary Data with Multiplicative Seasonal Effects 568
Trend Models 572
An Example 572
Double Moving Average 572
Double Exponential Smoothing (Holt’s Method) 576
Forecasting with Holt’s Method 579
Holt-Winter’s Method for Additive Seasonal Effects 579
Forecasting with Holt-Winter’s Additive Method 583
Holt-Winter’s Method for Multiplicative Seasonal Effects 583
Forecasting with Holt-Winter’s Multiplicative Method 587
Modeling Time Series Trends Using Regression 587
Linear Trend Model 587
Forecasting with the Linear Trend Model 590
Quadratic Trend Model 590
Forecasting with the Quadratic Trend Model 592
xvi Contents
Modeling Seasonality with Regression Models 593

Adjusting Trend Predictions with Seasonal Indices 593
Computing Seasonal Indices 593 Forecasting with Seasonal Indices 595 Refining the
Seasonal Indices 597
Seasonal Regression Models 599
The Seasonal Model 599 Forecasting with the Seasonal Regression Model 602
Combining Forecasts 603
Summary 603
References 604
Cases 614
12. Introduction to Simulation Using Analytic Solver Platform 619

Introduction 619
Random Variables and Risk 619
Why Analyze Risk? 620
Methods of Risk Analysis 620
Best-Case/Worst-Case Analysis 621 What-If Analysis 622 Simulation 622
A Corporate Health Insurance Example 623
A Critique of the Base Case Model 625
Spreadsheet Simulation Using Analytic Solver Platform 625
Starting Analytic Solver Platform 626
Random Number Generators 626
Discrete vs. Continuous Random Variables 628
Preparing the Model for Simulation 629
Alternate RNG Entry 631
Running the Simulation 633
Selecting the Output Cells to Track 633 Selecting the Number of Replications 634
Selecting What Gets Displayed on the Worksheet 635 Running the Simulation 636
Data Analysis 636
The Best Case and the Worst Case 636 The Frequency Distribution of the Output Cells
637 The Cumulative Distribution of the Output Cells 638 Obtaining Other Cumulative
Probabilities 639 Sensitivity Analysis 640
The Uncertainty of Sampling 641
Constructing a Confidence Interval for the True Population Mean 641 Constructing
a Confidence Interval for a Population Proportion 643 Sample Sizes and Confidence
Interval Widths 643
Interactive Simulation 644
The Benefits of Simulation 645
Additional Uses of Simulation 646
A Reservation Management Example 646
Implementing the Model 647 Details for Multiple Simulations 648 Running the
Simulations 650 Data Analysis 650
Contents xvii
An Inventory Control Example 651

Creating the RNGs 653 Implementing the Model 654 Replicating the Model 657
Optimizing the Model 658 Analyzing the Solution 664 Other Measures of Risk 666
A Project Selection Example 668
A Spreadsheet Model 668 Solving and Analyzing the Problem with Analytic Solver
Platform 670 Considering Another Solution 671
A Portfolio Optimization Example 673
A Spreadsheet Model 674 Solving the Problem with Analytic Solver Platform 676
Summary 679
References 679
Cases 694
13. Queuing Theory 703

Introduction 703
The Purpose of Queuing Models 703
Queuing System Configurations 704
Characteristics of Queuing Systems 705
Arrival Rate 706 Service Rate 707
Kendall Notation 709
Queuing Models 709
The M/M/s Model 711
An Example 712 The Current Situation 712 Adding a Server 713 Economic Analysis 714
The M/M/s Model with Finite Queue Length 714
The Current Situation 715 Adding a Server 716
The M/M/s Model with Finite Population 716
An Example 717 The Current Situation 718 Adding Servers 719
The M/G/1 Model 720
The Current Situation 721 Adding the Automated Dispensing Device 722
The M/D/1 Model 724
Simulating Queues and the Steady-State Assumption 724
Summary 725
References 725
Cases 733
14. Decision Analysis 736

Introduction 736
Good Decisions vs. Good Outcomes 736
Characteristics of Decision Problems 737
An Example 737
xviii Contents
The Payoff Matrix 738

Decision Alternatives 738 States of Nature 739 The Payoff Values 739
Decision Rules 740
Nonprobabilistic Methods 740
The Maximax Decision Rule 741 The Maximin Decision Rule 742 The Minimax Regret
Decision Rule 742
Probabilistic Methods 744
Expected Monetary Value 745 Expected Regret 746 Sensitivity Analysis 747
The Expected Value of Perfect Information 749
Decision Trees 751
Rolling Back a Decision Tree 752
Creating Decision Trees with Analytic Solver Platform 753
Adding Event Nodes 754 Determining the Payoffs and EMVs 758 Other Features 758
Multistage Decision Problems 759
A Multistage Decision Tree 760 Developing a Risk Profile 761
Sensitivity Analysis 762
Tornado Charts 763 Strategy Tables 766 Strategy Charts 768
Using Sample Information in Decision Making 770
Conditional Probabilities 771 The Expected Value of Sample Information 772
Computing Conditional Probabilities 773
Bayes’ Theorem 775
Utility Theory 776
Utility Functions 776 Constructing Utility Functions 777 Using Utilities to Make
Decisions 780 The Exponential Utility Function 780 Incorporating Utilities in
Decision Trees 781
Multicriteria Decision Making 782
The Multicriteria Scoring Model 783
The Analytic Hierarchy Process 787
Pairwise Comparisons 787 Normalizing the Comparisons 788 Consistency 789
Obtaining Scores for the Remaining Criteria 791 Obtaining Criterion Weights 792
Implementing the Scoring Model 792
Summary 793
References 793
Cases 805
15. Project Management 15-1

Introduction 15-1
An Example 15-1
Creating the Project Network 15-2
Start and Finish Points 15-4
CPM: An Overview 15-5
The Forward Pass 15-6
Contents xix
The Backward Pass 15-8

Determining the Critical Path 15-10
A Note on Slack 15-11
Project Management Using Spreadsheets 15-12
Important Implementation Issue 15-16
Gantt Charts 15-16
Project Crashing 15-18
An LP Approach to Crashing 15-19 Determining the Earliest Crash Completion Time
15-20 Implementing the Model 15-22 Solving the Model 15-23 Determining a Least
Costly Crash Schedule 15-24 Crashing as an MOLP 15-25
PERT: AN Overview 15-26
The Problems with PERT 15-27 Implications 15-29
Simulating Project Networks 15-29
An Example 15-30 Generating Random Activity Times 15-30 Implementing the Model
15-31 Running the Simulation 15-32 Analyzing the Results 15-34
Microsoft Project 15-35
Summary 15-37
References 15-38
The World of Business Analytics 15-38
Questions and Problems 15-39
Cases 15-49
Index 811
Chapter 1
Introduction to Modeling
and Decision Analysis
1.0 Introduction
This book is titled Spreadsheet Modeling and Decision Analysis: A Practical Introduction to
Business Analytics, so let’s begin by discussing exactly what this title means. By the very
nature of life, all of us must continually make decisions that we hope will solve prob-
lems and lead to increased opportunities for ourselves or the organizations for which
we work. But making good decisions is rarely an easy task. The problems faced by de-
cision makers in today’s competitive, data-intensive, fast-paced business environment
are often extremely complex and can be addressed by numerous possible courses of
action. Evaluating these alternatives and choosing the best course of action represents
the essence of decision analysis.
Since the inception of the electronic spreadsheet in the early 1980s, millions of busi-
ness people have discovered that one of the most effective ways to analyze and evaluate
decision alternatives involves using a spreadsheet package to build computer models
of the business opportunities and decision problems they face. A computer model is
a set of mathematical relationships and logical assumptions implemented in a com-
puter as a representation of some real-world object, decision problem, or phenomenon.
Today, electronic spreadsheets provide the most convenient and useful way for busi-
ness people to implement and analyze computer models. In fact, most business people
would probably rate the electronic spreadsheet as their most important analytical tool
apart from their brain! Using a spreadsheet model (a computer model implemented
via a spreadsheet), a businessperson can analyze decision alternatives before having to
choose a specific plan for implementation.
This book introduces you to a variety of techniques from the field of b usiness analyt-
ics that can be applied in spreadsheet models to assist in the decision-analysis process.
For our purposes, we will define business analytics as a field of study that uses data,
computers, statistics, and mathematics to solve business problems. It involves using
the methods and tools of science to drive business decision making. It is the science of
making better decisions. Business analytics is also sometimes referred to as operations
research, management science, or decision science. See Figure 1.1 for a summary of how
business analytics has been applied successfully in a number of real-world situations.
In the not too distant past, business analytics was a highly specialized field that gener-
ally could be practiced only by those who had access to mainframe computers and who
possessed advanced knowledge of mathematics, computer programming languages,
and specialized software packages. However, the proliferation of powerful PCs and
the development of easy-to-use electronic spreadsheets have made the tools of business
analytics far more practical and available to a much larger audience. Virtually everyone
1
2 Chapter 1 Introduction to Modeling and Decision Analysis
Figure 1.1
Home Runs in Business Analytics
Examples of Over the past decade, scores of business analytics projects saved companies mil-
successful business lions of dollars. Each year, the Institute for Operations Research and the Manage-
analytics
ment Sciences (INFORMS) sponsors the Franz Edelman Awards competition to
applications
recognize some of the most outstanding business analytics projects during the
past year. Here are some of the “home runs” from the 2010 and 2011 Edelman
Awards (described in Interfaces, Vol. 41, No. 1, January-February, 2010, and Vol.
42, No. 1, January-February 2011).
● New Brunswick Department of Transportation (NBDoT) is charged with
maintaining a strong transportation system throughout the province of New
Brunswick, Canada—and on a limited budget. As a public entity accountable
to its taxpayers, NBDoT must ensure that its strategic plan is defensible to
the public it serves. To assist in this process, NBDoT built a linear program-
ming model to help determine how better decisions could be developed. This
model incorporates long-term objectives and operational constraints that con-
sider costs, timings, and asset life cycles to produce optimal activity plans. This
analysis helped secure a three-year commitment from the Government of New
Brunswick for increased funding. NBDoT projects $72 million in annual sav-
ings as the return on this $2 million investment.
● In the early 2000s, Procter & Gamble (P&G) needed more advanced inven-
tory tools to allow it to lower inventories while maintaining customer service.
It used a multi-echelon inventory planning engine based on the guaranteed
service model of safety stock optimization, allowing P&G to capture the multi-
echelon nature of its supply chains. Since 2006, multi-echelon inventory op-
timization has been applied to more than 80% of P&G’s global Beauty Care
supply chains to address tactical and strategic production-inventory planning
problems. Some applications of the multi-echelon decision tool have yielded
cost reductions of more than 25%. P&G estimates this technique has reduced
investments in inventory by $1.5 billion.
● Industrial and Commercial Bank of China (ICBC) is the world’s largest pub-
licly traded bank in terms of profitability, market capitalization, and deposit
volume. ICBC has a network of more than 16,000 branch locations and needed
to reconfigure them to match its evolving customer distribution. As a result,
it required an analytic tool to quickly predict where new branches should be
opened to serve promising, new, high-potential markets. The bank partnered
with IBM to create a custom branch network optimization system. ICBC has
implemented this system in more than 40 major cities in China. ICBC attrib-
utes over $1 billion in new deposits to this system in a typical major city.
● Although most consumers of electricity don’t give its availability much thought,
a lot of work goes into ensuring a constant balance in the real-time demand and
generation of power. Midwest Independent Transmission System Operator Inc.
(MISO) has transformed this process in the power industry of 13 Midwestern
states in the United States through the development of energy and ancillary
services markets. MISO uses a mixed-integer optimization model to determine
when various power plants should be on or off and has developed other mod-
els to predict energy output levels and trading prices. This has increased the
efficiency of the existing power plants and transmission lines, improved the
reliability of the power grid, and reduced the need for additional investments
in infrastructure. It is estimated that the MISO region has saved between $2.1
billion and $3.0 billion from 2007 through 2010 as a result of these efforts.
Characteristics and Benefits of Modeling 3
who uses a spreadsheet today for model building and decision making is a practitioner
of business analytics—whether they realize it or not.
1.1 The Modeling Approach

to Decision Making
The idea of using models in problem solving and decision analysis is really not new and
is certainly not tied to the use of computers. At some point, we all have used a mod-
eling approach to make a decision. For example, if you have ever moved into a dormi-
tory, apartment, or house, you undoubtedly faced a decision about how to arrange the
furniture. There were probably a number of different arrangements to consider. One
arrangement might give you the most open space but require that you build a loft. An-
other might give you less space but allow you to avoid the hassle and expense of build-
ing a loft. To analyze these different arrangements and make a decision, you did not
build the loft. You more likely built a mental model of the two arrangements, picturing
what each looked like in your mind’s eye. Thus, a simple mental model is sometimes all
that is required to analyze a problem and make a decision.
For more complex decisions, a mental model might be impossible or insufficient,
and other types of models might be required. For example, a set of drawings or blue-
prints for a house or building provides a visual model of the real-world structure. These
drawings help illustrate how the various parts of the structure will fit together when it
is completed. A road map is another type of visual model because it assists a driver in
analyzing the various routes from one location to another.
You have probably also seen car commercials on television showing automotive
engineers using physical, or scale, models to study the aerodynamics of various car
designs to find the shape that creates the least wind resistance and maximizes fuel
economy. Similarly, aeronautical engineers use scale models of airplanes to study the
flight characteristics of various fuselage and wing designs. And civil engineers might
use scale models of buildings and bridges to study the strengths of different construc-
tion techniques.
Another common type of model is a mathematical model, which uses mathemati-
cal relationships to describe or represent an object or decision problem. Throughout
this book, we will study how various mathematical models can be implemented and
analyzed on computers using spreadsheet software. But before we move to an in-depth
discussion of spreadsheet models, let’s look at some of the more general characteristics
and benefits of modeling.
1.2 Characteristics and Benefits

of Modeling
Although this book focuses on mathematical models implemented in computers via
spreadsheets, the examples of nonmathematical models given earlier are worth discuss-
ing a bit more because they help illustrate a number of important characteristics and
benefits of modeling in general. First, the models mentioned earlier are usually simpli-
fied versions of the object or decision problem they represent. To study the aerodynam-
ics of a car design, we do not need to build the entire car complete with engine and
stereo because such components have little or no effect on aerodynamics. So, although
a model is often a simplified representation of reality, the model is useful as long as it is
Another random document with
no related content on Scribd:
Hier traf er nun mit den ihm von Dresden her bekannten jungen
Malern Wagner und Ernst Oehme zusammen. „Hier in Rom
entdeckten wir (Oehme und Richter) bald, daß ein anderes liebes
Geheimnis uns verband; denn er hatte eine Emma, wie ich eine
Auguste, in der Heimat und im Herzen, beide Mädchen kannten sich,
beide wurden von Pflegeeltern erzogen, welche einander nicht
unbekannt waren, und so konnte es nicht fehlen, daß wir uns
ebenfalls vertraulich nahe fühlten.“
Großen Einfluß auf ihn gewann zuerst vor allem der aus der
Sturm- und Drangperiode herübergekommene Landschafts- und
Figurenmaler Joseph Anton Koch, das originelle derbe und biedere
Tiroler Landeskind. Besonders seine historischen Landschaften
wirkten auf den jungen Künstler bestimmend. Noch im Laufe des
ersten Winters in Rom, 1823–1824, malte Richter ein Bild, den
Watzmann darstellend. Während er daran arbeitete, besuchte ihn
Koch, der von da an großen Anteil an seinem Schaffen nahm und in
herzlichen Verkehr zu ihm trat; ihm hat Richter für seine
künstlerische Fortentwickelung viel zu danken. Auch Julius Schnorr
aus Leipzig trat Richter jetzt freundschaftlich näher. Schnorrs
Persönlichkeit und Geistesrichtung berührten Richter innerlich noch
mehr, weil er eine ihm verwandte Natur war. Koch suchte das Große
und Gewaltige mit Pathos in der Formengebung auszudrücken,
wogegen der lyrische Schnorr durch seinen Schönheitssinn und die
Anmut in seiner Gestaltung, durch blühende Phantasie und
Romantik in unserem jungen Künstlergemüt gleichgestimmte Saiten
erklingen machte.
Abb. 19. C a s t e l G a n d o l f o . Radierung. 1832. Verlag von C. G. Boerner in
Leipzig. (Zu Seite 40.)
Im „Kunstblatt“, Jahrgang 1824, wird über dies Bild vom

Watzmann, das er in Dresden ausgestellt und seinem Gönner Arnold
überließ, berichtet: „Die Meisterhaftigkeit, mit welcher dieses Bild
ausgeführt ist, der schöne und tiefe Sinn für Natur, der sich darin
spiegelt und in Treue und Wahrheit den Charakter dieser
Berggegend wiedergibt, die gut gedachten Effekte der Licht- und
Schattenpartien erfreuen uns um so mehr, da der Künstler noch sehr
jung ist und bei solchen Anlagen und so früher Entfaltung von
praktischer Geschicklichkeit das Höchste in dieser Kunst zu
erwarten berechtigt.“ Und von Quandt schreibt ebenda: „Das
Romantische, das, was in der Natur ans Unbegreifliche und in der
Darstellung ans Unglaubliche reicht, ohne die Grenzen des
Möglichen und Wirklichen zu überschreiten, ist ganz des jungen
Malers Fach, und er vermag es mit solcher Wahrheit vor die Augen
zu stellen, daß uns ganz das Gefühl des Erhabenen durchdringt,
welches der Anblick im reinsten Sonnenlicht strahlender Gletscher,
ungestümer Bäche und ernster Waldungen, welche als Landwehr
den Bergstürzen und Lawinen sich entgegenstellen, uns einflößt.“
Die Dresdener Akademie gewährte ihm auf dieses Bild ein
Stipendium von hundert Talern. Abends zeichnete Richter mit
größtem Eifer mit den Genossen in der sogenannten Academia, die
Passavant und einige Freunde eingerichtet hatten, nach dem
lebenden Modell; er vergleicht diese Figurenstudien mit denen, die
zu der Zeit in Deutschland gezeichnet wurden, und sagt, daß man
dort solche Figurenstudien in eine gewisse manierierte Schablone
brachte, weil der Respekt vor der Natur fehlte; aber „hier zeichnete
man mit der größten Sorgfalt, mit unendlichem Fleiß und großer
Strenge in der Auffassung der Individualität, so daß diese
Zeichnungen oft kleine Kunstwerke wurden, an denen jeder seine
Freude haben konnte; denn es war eben ein Stück schöner Natur.“
Abb. 20. P o r t r ä t L u d w i g R i c h t e r s .
Gezeichnet 1831 von Adolf Zimmermann. (Zu
Seite 40.)
Abb. 21. V e r t r e i b u n g a u s d e m P a r a d i e s .
1832.
Aus „Biblische Historien“ von Zahn.
Mit Genehmigung der Verlagshandlung A. Bagel in
Düsseldorf. (Zu Seite 40.)
Im Frühling 1824 zog unser Landschafter ins anmutige

Albanergebirge, später nach Tivoli, wo er mit Philipp Veit am Tempel
der Sibylla zusammentraf. An einem Regentage wurde hier
beschlossen (Oehme, Wagner, Götzlaff und Rist waren die
Genossen Richters), daß jeder bis zum Nachmittag eine
Komposition entwerfen sollte. Richter schreibt darüber: „Ich hatte
eine Gruppe sächsischer Landleute mit ihren Kindern gezeichnet,
welche auf einem Pfade durch hohes Korn einer fernen Dorfkirche
zuwandern, ein Sonntagmorgen im Vaterlande. Diese Art von
Gegenständen war damals nicht an der Tagesordnung und in Rom
erst recht nicht. Das Blatt machte deshalb unter den anderen einige
Wirkung; — ich erinnere mich wohl, wie ich das Blatt ohne
Überlegen, gleichsam scherzweise, meinen damaligen
Bestrebungen und Theorien entgegen, hinwarf, und dieser Umstand
ist mir in späteren Jahren wieder eingefallen und deshalb
merkwürdig erschienen, weil das recht eigentlich improvisierte Motiv
der erste Ausdruck einer Richtung war, die nach vielen Jahren
wieder in mir auftauchte, als ich meine Zeichnungen für den
Holzschnitt machte. Es waren liebe Heimatserinnerungen, sie
stiegen unwillkürlich aus einer Tiefe des Unbewußten herauf und
gingen darin auch wieder schlafen, bis sie später in der Mitte meines
Lebens mit Erfolg neu auferstanden.“ Richter beschloß die Studien
für diesen Sommer und Herbst in Olevano im Sabinergebirge.
Dieses einzige Stückchen herrlichen Landes hatte Koch einige Jahre
vorher entdeckt; seit Jahren ist die Serpentara, die kleine felsige
Kuppe mit einem Wald deutscher Eichen, der Glanzpunkt von
Olevano, in Verfolg einer Anregung deutscher Künstler in Erinnerung
dort verbrachter Studienzeit in den Besitz des Deutschen Reiches
übergegangen.
Abb. 22. E r n t e z u g i n d e r r ö m i s c h e n C a m p a g n a . 1833. Ölbild im

Museum zu Leipzig. (Zu Seite 40.)
Abb. 23. D e r W a s s e r f a l l
bei Langhennersdorf.
Radierung. 1834.
Verlag von Carl Gräf (E. Arnold) in
Dresden.
(Zu Seite 40.)
Abb. 24. D a s To r a u f d e m
Neu-Rathen.
Radierung. 1834.
Verlag von Carl Gräf (E. Arnold) in
Dresden.
(Zu Seite 40.)
Abb. 25. A u f s t e i g e n d e s G e w i t t e r a m S c h r e c k e n s t e i n . Nach
einem Aquarelle von 1836. (Zu Seite 42.)
Nach Rom zurückgekehrt, malte Richter im Winter das Bild

„Rocca di Mezzo“ (Abb. 10), welches durch Vermittelung Schnorrs
der Baron Speck von Sternburg erwarb; es befindet sich jetzt im
Museum zu Leipzig. Bei Philipp Veit, dem Sohn von Dorothea von
Schlegel, mit dem er in Rom unter einem Dach wohnte, sah er zwei
Bände Holzschnitte und Stiche Dürers, von denen ihm bisher wenige
bekannt waren. Veit erschloß ihm den Reichtum an Schönheiten und
die Bedeutung dieser Werke; er ist von der volkstümlichen Art,
deutsches Leben und Wesen wiederzugeben, ganz begeistert, und
für die Folge haben diese Eindrücke fördernd und bestimmend auf
unseren jungen Künstler eingewirkt und vielfältige und herrliche
Früchte gezeitigt. In der Galerie Camuccini sah er ein seitdem in
England verschwundenes Bild von Tizian, eine Landschaft mit einem
Zechgelage von Göttern und Göttinnen, welches einen
unauslöschlichen Eindruck auf ihn machte. „Ich war ganz
hingerissen von diesem herrlichen Gemälde, der großartigsten
Landschaft, die ich je gesehen,“ schreibt er in seiner Biographie, und
weiter dann in den Tagebuchaufzeichnungen vom Jahre 1824: „Aus
Tizians ‚Bacchanal‘ weht eine wunderbare Frische und holde
Lebensfülle; das Kolorit ist wahre Zauberei, eine Kraft, ein Glanz und
eine Glut in den Farben, die einen wunderbaren Reiz wirken und
schon für sich die höchste poetische Stimmung im Beschauer
erwecken. Die Komposition ist höchst einfach, grandios und edel.
Auf einem lustigen Plätzchen am grünen Walde haben sich die
Götter zum fröhlichen Feste versammelt und niedergelassen. Die
Figuren sind schön gemalt, voll Ausdruck und Leben, aber ziemlich
gemein, ja völlig travestiert dargestellt.“ Er schildert dann weiter die
Landschaft und schließt mit dem Ausruf: „So müssen Landschaften
gemalt werden, so muß die Natur aufgefaßt werden! Das ist der Stil,
der sich zu Heldengedichten eignet; er ist größer, edler, als der
lyrische. So groß, so sinnvoll und lebendig und so einfach nun auch
d e u t s c h e Natur aufgefaßt!“ Und noch nach fünfzig und mehr
Jahren geriet er in Begeisterung, wenn die Rede auf dieses Bild
kam; er zeichnete bei einer solchen Gelegenheit dem Verfasser
nach einem Stich in dem bekannten Werk von Agincourt die hier
(Abb. 11) wiedergegebene Pause und schwelgte dabei in
Erinnerungen.
Abb. 26. Ü b e r f a h r t a m S c h r e c k e n s t e i n . 1837. Ölbild im Museum zu
Dresden.
Nach einer Originalphotographie von F. & O. Brockmanns Nachf. (R. Tamme) in
Dresden. (Zu Seite 36 und 42.)
Abb. 27. D i e F i g u r e n z u r Ü b e r f a h r t a m S c h r e c k e n s t e i n . Nach
einer Zeichnung im Museum zu Dresden. 1837. (Zu Seite 43.)
⇒
GRÖSSERES BILD
Abb. 28. A i m é e i n d e r B a d e w a n n e . 12. März 1835. (Zu Seite 44.)
Außerordentlich anregend für unseren jungen Maler, freilich nach

einer anderen Seite hin als das Bild von Tizian, waren die Arbeiten
zweier Künstler, die beide im Beginn ihrer Laufbahn starben: Karl
Philipp Fohr aus Heidelberg und Franz Horny aus Weimar. Fohr
ertrank 1818 beim Baden im Tiberfluß bei Aqua Acetosa vor den
Toren Roms, Horny starb im folgenden Jahre in Olevano. Richter
schreibt in seiner Biographie: „Das Andenken beider lebte noch
warm in den Genossen, und die Naturstudien wie die
Kompositionen, welche sich noch im Besitz ihrer Freunde vorfanden,
versetzten mich in einen Rausch der Begeisterung; insbesondere
war das bei Fohr der Fall. Frühere, noch in Deutschland gemachte
Naturstudien zeigen eine so feine, liebevolle Beobachtung der Natur
und manierlose, naive Darstellung, daß, weil diese Eigenschaften
mit einem großen Stilgefühl sich verbanden, die reizvollsten
Zeichnungen entstehen mußten.“ Er schildert sodann einige solcher
ganz vorzüglichen Zeichnungen, die unbestritten zu den
hervorragendsten Arbeiten aus dieser Zeit gehören und für alle
Zeiten mustergültig bleiben werden. Von Hornys Arbeiten schreibt
unser Meister: „Höchst originell, eine großartige, strenge, ja herbe
Auffassung und Behandlung liebend, studierte er meist in den
sterilen Bergen von Olevano und Civitella. Die Zeichnungen dieses
Künstlers sind auch von großem und hohem künstlerischen Werte.“
Abb. 29. Z e i c h n u n g z u e i n e m Ö l b i l d e : R u h e n d e P i l g e r . 1840.

(Zu Seite 45.)
Auf dem Boden der Kirche in Olevano sah Verfasser 1866 eine
Reihe von Arbeiten dieses Künstlers; es waren runde Stationsbilder,
die an diesem Orte seit fünfzig Jahren verborgen lagen. Vor Richters
Ankunft in Rom war der geistreiche Radierer Joh. Christ. Erhard,
dessen deutsche Blätter unseren Richter so anregten und
entzückten, aus diesem Leben geschieden; er war nicht angelegt,
der romantischen Richtung der Zeit folgen zu können, aus Kummer
darüber erschoß er sich in Rom 1822. Richter schreibt in seiner
Biographie: „Erhard litt an Melancholie, welche sich oft bis zum
Unerträglichen steigerte, und verzagte in solcher Stimmung gänzlich
an seinem Talente. Ich glaube auch, daß sich die italienische Natur
für seine künstlerische Eigentümlichkeit nicht eignete.“ Den Freund
Erhards, den liebenswürdigen Maler Reinhold aus Gera, besuchte
Richter oft und erfreute sich an dessen ganz vortrefflichen
Naturstudien; auch mit dem höchst talentvollen Ernst Fries aus
Heidelberg, dem Freunde Fohrs und Rottmanns, kam er öfters
zusammen.
Abb. 30. Zeichnung zum G e h ö r n t e n S i e g f r i e d .

Aus den Volksbüchern von Marbach. 1838.
Mit Genehmigung der Verlagshandlung von Otto Wigand
in Leipzig.
(Zu Seite 46.)
Hier in Rom sah Richter auch die 1823 in Wien erschienenen

wundervollen Steinzeichnungen von Ferdinand von Olivier, die
sogenannten sieben Tage der Woche; es sind Bilder aus Salzburg
und Berchtesgaden, fast alle mit köstlicher Staffage belebt; diese
Blätter gehören mit zu den schönsten Werken aus jener Zeit, streng
und vornehm in der Formengebung, dabei von einer seltenen
Liebenswürdigkeit und Anmut. Ferdinand von Olivier, geboren 1785
in Dessau, lebte, ehe er nach Rom ging, in Wien und traf dort mit
Overbeck und Julius Schnorr zusammen. Des letzteren Bild im
städtischen Museum zu Leipzig, „Der heilige Rochus“, ist in dieser
Zeit in Wien gemalt; es erinnert sehr an die Art und Weise Oliviers.
Die Illustrationen Burgkmaiers zum „Trostspiegel in Glück und
Unglück von Petrarca“, diesem so wunderlichen Buche, haben die
deutschen Künstler in Rom ganz besonders geschätzt und viel
danach gezeichnet. Von Richter existieren noch Pausen nach diesen
Holzschnitten aus dieser Zeit; er besaß dieses Buch und hat viel
Anregung daraus empfangen.
Abb. 31. Zum G e h ö r n t e n S i e g f r i e d .

Aus den Volksbüchern von Marbach. (Zu Seite 47.)
Abb. 32. Zeichnung zum G e h ö r n t e n S i e g f r i e d .
Aus den Volksbüchern von Marbach. (Zu Seite 46.)
In jener Zeit las Richter auch Stillings „Jugend- und

Wanderjahre“; gerade hier in Rom mußte dieses Stück deutschen
Volkstums großen Eindruck auf ihn machen. Besonders aber
berührte ihn der fromme Sinn des Buches und traf eine wunde Stelle
seines Herzens, deren Heilung ihm immer mehr Bedürfnis wurde.
Das religiöse innere Leben Richters war ganz unentwickelt,
verkümmert, halberstickt, aber es arbeitete mächtig in ihm. Bei dem
erkrankten Freunde Oehme lernte er den Landschaftsmaler J.
Thomas und den Kupferstecher N. Hoff aus Frankfurt und Ludwig
von Maydell aus Dorpat kennen; letzterer war ein ehemaliger
russischer Ingenieuroffizier, der gegen Frankreich mitgekämpft hatte.
1824 am Silvesterabend suchte Richter, nachdem er bis zehn Uhr an
Oehmes Krankenbett gesessen, Maydell in dessen nahegelegener
Wohnung auf, wo er Hoff und Thomas traf; er erzählt von diesen für
ihn so hochbedeutenden Stunden, wie Maydell einen Aufsatz über
den achten Psalm vorgelesen, die Freunde sich dann des weiteren
unterhalten, und sagt dann: „Ich habe keine Erinnerung von dem,
was an jenem Abend gesprochen wurde; es war auch nichts
Einzelnes, was mich besonders tiefer berührt hätte; aber den
Eindruck gewann ich und wurde von ihm überwältigt, daß diese
Freunde in ihrem Glauben an Gott und an Christum, den Heiland der
Welt, den Mittelpunkt ihres Lebens gefunden hatten und alle Dinge
von diesem Zentrum aus erfaßten und beurteilten. Ihr Glaube hatte
einen festen Grund im Worte Gottes, im Evangelio von Christo. Der
meinige, welcher mehr Meinung und Ansicht war, schwebte in der
Luft und war den wechselnden Gefühlen und Stimmungen
unterworfen. Still, aber im Innersten bewegt, hörte ich den Reden
der Freunde zu und war mir an jenem Abend der Umwandlung nicht
bewußt, die in mir vorging.“ — „Und als nun das beginnende Geläute
der Mitternacht den Schluß des alten und Anfang des neuen Jahres
verkündete und Thomas uns aufforderte, diesen Übergang mit dem
alten schönen Choral ‚Nun danket alle Gott‘ zu feiern, — da konnte
ich recht freudigen Herzens mit einstimmen. Oehmes Krankheit war
der äußere Anlaß gewesen, welcher uns zusammengeführt hatte;
eine gemeinsame Geistesrichtung, die aus dem tiefsten Bedürfnis
des Herzens kam, war in dieser Stunde hervorgetreten und hat uns
für das ganze Leben treu verbunden bis ans Ende dieser Erdentage;
denn sie ruhen nun alle, und nur ich, der jüngste von ihnen, bin der
Überlebende und segne noch heute diesen für mich so hoch
bedeutsamen Silvesterabend.“ Wie ein Jauchzen erklingt es in ihm
am Neujahrsmorgen 1825: „Ich habe Gott, ich habe meinen Heiland
gefunden; nun ist alles gut, nun ist mir ewig wohl!“ und weiter: „Das
Alte ist vergangen, siehe, es ist alles neu geworden.“ Maydell, der
vielbelesene Protestant, nahm sich des Suchenden herzlich an und
half ihm getreulich. Besonders machte er ihn mit der Bibel und mit
Luthers Schriften bekannt. Auch Richard Rothe, der damals Prediger
an der preußischen Gesandtschaftskapelle in Rom war, nachmaliger
Doktor und Professor der Theologie und geheimer Kirchenrat zu
Heidelberg, ein Mann von großer Bedeutung, gewann viel Einfluß
auf unseren suchenden Jüngling. Auf Wunsch eines großen Teiles
der evangelischen Künstler Roms veranstaltete Rothe (Brief an
seine Eltern vom 21. Februar 1824 und andere Nachrichten, vergl.
Friedrich Nippold „Richard Rothe“) Vorträge über Kirchengeschichte
zur Förderung des evangelischen Sinnes und Glaubens; diese
Vorträge gingen wohl auch in recht lebhafte Gespräche über und
gaben zu mannigfaltigen Erörterungen Anlaß. Hieran beteiligte sich
unser Künstler mit größtem Eifer. Den damals in Rom lebenden
deutschen Künstlern war Kunst ohne Religion undenkbar; die beiden
Elemente waren ihnen zu e i n e m verschmolzen, von welchem sie
tief durchdrungen waren. Wie ernst die Künstler ihr Christentum
nahmen und hielten, darüber spricht sich unser Meister nach
vierundvierzig Jahren in einer Tagebuchaufzeichnung vom 20.
August 1868 aus: „Bedeutend ist die romantische Kunstperiode in
Rom im Vergleich zu den gleichzeitigen Bestrebungen der
romantischen Dichter in Beziehung zum Christentum. Die ersteren
machten Ernst damit, machten es zur Lebensaufgabe; bei letzteren
war es teils Dekoration oder ästhetische Ansicht und Meinung, bei
den Künstlern ein Leben, nicht sowohl n a c h ihrem Glauben,
sondern a u s dem Glauben.“ Die Protestanten fanden vielfach, dem
romantischen Zuge der Zeit entsprechend, in ihrer Kirche nicht das,
was sie suchten, es neigten viele zur katholischen Kirche; unter
anderen traten die Maler von Rhoden aus Kassel und der Lübecker
Overbeck zum Katholizismus über. Es mag viel gestritten und
gerungen worden sein. Hier war auch bei den Streitigkeiten hin und
her der Vergleich zwischen den beiden christlichen Kirchen
gebraucht worden, man möge sich beide wie zwei verschiedene
Regimenter vorstellen, die, verschiedene Uniformen tragend, doch
einem Könige dienten.
Abb. 33. D i e L u t h e r l i n d e i n R i n g e t a l . Radierung. 1839.
Verlag von Carl Gräf (E. Arnold) in Dresden. (Zu Seite 47.)
In dem Hause des damaligen preußischen Gesandten beim

päpstlichen Stuhle, Freiherrn von Bunsen, fand Richter eine
freundliche und sehr wohlwollende Aufnahme.
In dieser Zeit hatte Schnorr einen Teil seiner viel bewunderten
und großes Aufsehen machenden Landschaften gezeichnet. Es sind
über hundert Blätter geworden, die im Besitze seines Freundes
Eduard Cichorius aus Leipzig sind. Diese Zeichnungen beeinflußten
Richter stark; sie waren ihm ein Wegweiser, wie stilvolle Auffassung
mit Naturwahrheit zu verbinden sei.
Im Frühjahr 1825 ging Richter nach Neapel und Amalfi bis
Pästum, später mit Maydell bis zum Herbst nach Civitella, wo er
viele Zeichnungen und Studien sammelte. Wir bringen aus dieser
Zeit nur eine figürliche Zeichnung (Abb. 12).
Er fühlte sich krank, Brustschmerzen quälten ihn
besorgniserregend, er hatte viel mit Schmermut zu kämpfen. In der
Biographie ist ein Gedicht von ihm, „Sehnsucht“, abgedruckt, das
einen tiefen Einblick in seine Stimmung gewährt. Nach Rom ins
Winterquartier zurückgekehrt, ging er an die Ausführung eines
größeren Ölbildes „Blick in das Tal von Amalfi“, die Komposition
dazu hatte er nach seinen in Amalfi im Sommer gesammelten
Studien in Civitella vorbereitet. Wir geben hier eine Nachbildung des
Gemäldes, das sich jetzt im Museum in Leipzig als Geschenk von E.
Cichorius befindet (Abb. 13).

Full Download PDF of (Ebook PDF) Spreadsheet Modeling and Decision Analysis: A Practical Introduction To Business Analytics 7th Edition All Chapter

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Full Download PDF of (Ebook PDF) Spreadsheet Modeling and Decision Analysis: A Practical Introduction To Business Analytics 7th Edition All Chapter

Uploaded by

Copyright:

Available Formats

(eBook PDF) Spreadsheet Modeling and

Decision Analysis: A Practical

(eBook PDF) Spreadsheet Modeling & Decision Analysis: A

Spreadsheet Modeling & Decision Analysis: A Practical

Spreadsheet Modeling and Decision Analysis: A Practical

(eBook PDF) Business Analytics: Data Analysis &

Business Analytics: Data Analysis & Decision Making

Business Analytics: Data Analysis & Decision Making 6th

Modern Business Analytics: Practical Data Science for

(eBook PDF) Statistics, Data Analysis, and Decision

Christopher M. Rump, Bowling Green State University

2. Introduction to Optimization and Linear Programming 17

3. Modeling and Solving LP Problems in a Spreadsheet 46

Data Envelopment Analysis 105

4. Sensitivity Analysis and the Simplex Method 139

5. Network Modeling 187

The Equipment Replacement Problem 199

6. Integer Linear Programming 245

A Contract Award Problem 276

7. Goal Programming and Multiple Objective Optimization 313

8. Nonlinear Programming and Evolutionary Optimization 358

Location Problems 369

9. Regression Analysis 433

Making Predictions 446

10. Data Mining 484

11. Time Series Forecasting 550

Modeling Seasonality with Regression Models 593

12. Introduction to Simulation Using Analytic Solver Platform 619

An Inventory Control Example 651

13. Queuing Theory 703

14. Decision Analysis 736

The Payoff Matrix 738

15. Project Management 15-1

The Backward Pass 15-8

1.1 The Modeling Approach

1.2 Characteristics and Benefits

Im „Kunstblatt“, Jahrgang 1824, wird über dies Bild vom

Im Frühling 1824 zog unser Landschafter ins anmutige

Abb. 22. E r n t e z u g i n d e r r ö m i s c h e n C a m p a g n a . 1833. Ölbild im

Nach Rom zurückgekehrt, malte Richter im Winter das Bild

Außerordentlich anregend für unseren jungen Maler, freilich nach

Abb. 29. Z e i c h n u n g z u e i n e m Ö l b i l d e : R u h e n d e P i l g e r . 1840.

Abb. 30. Zeichnung zum G e h ö r n t e n S i e g f r i e d .

Hier in Rom sah Richter auch die 1823 in Wien erschienenen

Abb. 31. Zum G e h ö r n t e n S i e g f r i e d .

In jener Zeit las Richter auch Stillings „Jugend- und

In dem Hause des damaligen preußischen Gesandten beim

You might also like