Byggeøkonomuddannelsen



Relaterede dokumenter
Slide 1. Slide 2. Slide 3. Byggeøkonomuddannelsen. Dagens emner. Usikkerheds- og risikoanalyse. Risikoanalyse Successiv kalkulation

Produkt og marked - matematiske og statistiske metoder

Kursusindhold: Produkt og marked - matematiske og statistiske metoder. Monte Carlo

Hvis α vælges meget lavt, bliver β meget stor. Typisk vælges α = 0.01 eller 0.05

Kursusindhold: X i : tilfældig værdi af ite eksperiment. Antag X i kun antager værdierne 1, 2,..., M.

Trin 1: Formuler hypotese Spørgsmål der ønskes testet vha. data H 0 : Nul hypotese Formuleres som en ligheds hændelse

Løsning eksamen d. 15. december 2008

Forelæsning 1: Intro og beskrivende statistik

Sandsynlighedsfordelinger for kontinuerte data på interval/ratioskala

Konfidensintervaller og Hypotesetest

3.600 kg og den gennemsnitlige fødselsvægt kg i stikprøven.

Byggeøkonomuddannelsen Afrunding successiv kalkulation og Værktøjer til Totaløkonomi

Landmålingens fejlteori - Lektion 2. Sandsynlighedsintervaller Estimation af µ Konfidensinterval for µ. Definition: Normalfordelingen

Hypotesetest. Altså vores formodning eller påstand om tingens tilstand. Alternativ hypotese (hvis vores påstand er forkert) H a : 0

Tema. Dagens tema: Indfør centrale statistiske begreber.

Oversigt. Kursus Introduktion til Statistik. Forelæsning 1: Intro og beskrivende statistik. Per Bruun Brockhoff. Praktisk Information

Note til styrkefunktionen

Løsning til eksaminen d. 14. december 2009

Normalfordelingen og Stikprøvefordelinger

Analyse af måledata II

Tema. Model og modelkontrol ( Fx. en normalfordelt obs. række m. kendt varians) Estimation af parametre. Fordeling. Hypotese og test. Teststørrelse.

Kapitel 4 Sandsynlighed og statistiske modeller

MLR antagelserne. Antagelse MLR.1:(Lineære parametre) Den statistiske model for populationen kan skrives som

Statistiske modeller

Statistik vejledende læreplan og læringsmål, foråret 2015 SmartLearning

1/41. 2/41 Landmålingens fejlteori - Lektion 1 - Kontinuerte stokastiske variable

Fagplan for statistik, efteråret 2015

Statistik Lektion 1. Introduktion Grundlæggende statistiske begreber Deskriptiv statistik Sandsynlighedsregning

Statistik Lektion 1. Introduktion Grundlæggende statistiske begreber Deskriptiv statistik

Statistik vejledende læreplan og læringsmål, efteråret 2013 SmartLearning

Projekt 1 Spørgeskemaanalyse af Bedst på Nettet

Kvantitative Metoder 1 - Forår 2007

Vejledende besvarelser til opgaver i kapitel 14

Regneregler for middelværdier M(X+Y) = M X +M Y. Spredning varians og standardafvigelse. 1 n VAR(X) Y = a + bx VAR(Y) = VAR(a+bX) = b²var(x)

Note om Monte Carlo metoden

Forelæsning 5: Kapitel 7: Inferens for gennemsnit (One-sample setup)

Deskriptiv statistik. Version 2.1. Noterne er et supplement til Vejen til matematik AB1. Henrik S. Hansen, Sct. Knuds Gymnasium

a) Har måleresultaterne for de 2 laboranter samme varians? b) Tyder resultaterne på, at nogen af laboranterne måler med en systematisk fejl?

Forelæsning 3: Kapitel 5: Kontinuerte fordelinger

Analysestrategi. Lektion 7 slides kompileret 27. oktober :24 p.1/17

Kapitel 12 Variansanalyse

Modelkontrol i Faktor Modeller

Konfidensinterval for µ (σ kendt)

men nu er Z N((µ 1 µ 0 ) n/σ, 1)!! Forkaster hvis X 191 eller X 209 eller

Landmålingens fejlteori - Lektion4 - Vægte og Fordeling af slutfejl

En intro til radiologisk statistik. Erik Morre Pedersen

Skriftlig eksamen Science statistik- ST501

Torsdag: PROJEKTPLANLÆGNING, ØKONOMI

Program. Konfidensinterval og hypotesetest, del 2 en enkelt normalfordelt stikprøve I SAS. Øvelse: effekt af diæter

Mikro-kursus i statistik 1. del Mikrokursus i biostatistik 1

Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Estimation

Kursus Introduktion til Statistik. Forelæsning 7: Kapitel 7 og 8: Statistik for to gennemsnit, ( , ) Per Bruun Brockhoff

Produkt og marked - matematiske og statistiske metoder

Kapitel 7 Forskelle mellem centraltendenser

Program: 1. Repetition: p-værdi 2. Simpel lineær regression. 1/19

Anvendt Statistik Lektion 2. Sandsynlighedsregning Sandsynlighedsfordelinger Normalfordelingen Stikprøvefordelinger

Kapitel 4 Sandsynlighed og statistiske modeller

Løsninger til kapitel 1

Program. 1. Repetition 2. Fordeling af empirisk middelværdi og varians, t-fordeling, begreber vedr. estimation. 1/18

Definition: Normalfordelingen. siges at være normalfordelt med middelværdi µ og varians σ 2, hvor µ og σ er reelle tal og σ > 0.

Landmålingens fejlteori Lektion 1 Det matematiske fundament Kontinuerte stokastiske variable

Bilag til Statistik i løb : Statistik og Microsoft Excel tastevejledning / af Lars Bo Kristensen

Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Introduktion

Praktiske erfaringer fra estimering med usikkerhed i IT projekter

PhD-kursus i Basal Biostatistik, efterår 2006 Dag 2, onsdag den 13. september 2006

Gennemsnit og normalfordeling illustreret med terningkast, simulering og SLUMP()

Rettevejledning til eksamen i Kvantitative metoder 1, 2. årsprøve 2. januar 2007

To-sidet varians analyse

Program: 1. Repetition: fordeling af observatorer X, S 2 og t. 2. Konfidens-intervaller, hypotese test, type I og type II fejl, styrke.

Reminder: Hypotesetest for én parameter. Økonometri: Lektion 4. F -test Justeret R 2 Aymptotiske resultater. En god model

Hypotese test. Repetition fra sidst Hypoteser Test af middelværdi Test af andel Test af varians Type 1 og type 2 fejl Signifikansniveau

Oversigt. Kursus Introduktion til Statistik. Forelæsning 4: Kapitel 5: Kontinuerte fordelinger. Per Bruun Brockhoff. Eksponential fordelingen

Kursusindhold: X i : tilfældig værdi af ite eksperiment. Antag X i kun antager værdierne 1, 2,..., M.

02402 Vejledende løsninger til hjemmeopgaver og øvelser, Uge 4

Systematisk risiko, usystematisk risiko og eksempel på beregning af Beta

Transkript:

Byggeøkonomuddannelsen Risikoanalyse Successiv kalkulation Ken L. Bechmann 18. november 2013 1

Dagens emner Risikoanalyse og introduktion hertil Kalkulation / successiv kalkulation Øvelser og småopgaver Beregninger i Excel Lidt om programmer 2

Usikkerheds- og risikoanalyse Helt centralt i mange forhold eksempelvis: Hvilket tilbud man skal give Hvordan arbejdet skal planlægges Hvor lang tid et bestemt arbejde tager Hvad er de kritiske faser/omkostninger. Hvad man vil investere i Hvilket lån man vil tage Hvilken forsikring man skal tegne Hvilken strategi man skal vælge i POKER 3

Risikoanalyse I Grundidé: For et projekt er man interesseret i at få et bedre beslutningsgrundlag end det traditionelle beregninger kan give. Dette kan eksempelvis være vedr. projektets: Samlede omkostninger Samlet gennemførelsestid Givet de vigtigste delaktiviteter/poster i projektet beregnes hvad projektet forventes at koste/tage af tid og hvor stor usikkerheden er på denne forventede værdi. 4

Risikoanalyse II Dette gøres ved på en systematisk måde at identificere, vurdere og behandle risikofaktorer som led i helhedsbetragtningen Metoden: Skal arbejde med usikre talværdier under overholdelse af de statistiske grundlove Mere eller mindre objektive historiske talværdier suppleres med objektive vurderinger Skal medtage alle de forhold, der har væsentlig indflydelse på resultatet (også de upopulære) Skal koncentrere sig om det væsentlige Skal være overskuelig. 5

Risikoanalyse III Estimering er svært men nødvendigt Svært fordi Estimering foretages tidligt i processen Analyse og design er ofte usikkert Det kan være svært at forstå hvad et estimat udtrykker Der i nogle tilfælde ikke anvendes systematiske estimeringsmetoder Manglende anvendelse af erfaringsdata Nødvendigt fordi Markedet kræver det kan give kompetitiv fordel Ledelsen har behov for at prioritere knappe ressourcer 6

Eksempel Idrætsanlæg Består overordnet af følgende delaktiviteter: Opstartsarbejder Boldbaner Andre græsarealer Parkanlæg Afsluttende arbejder Andre mere generelle forhold 7

Eksempel Idrætsanlæg: Fordeling af omkostninger 16% 14% 12% Sandsynlighed 10% 8% 6% 4% 2% 0% 4 5 6 7 8 9 10 11 12 13 Omkostninger (millioner kr.) 8

Eksempel Idrætsanlæg: Kilder til usikkerheden 31,4 15,3 0,4 0,8 4,1 2,7 0,3 49,1 Opstartsarbejder Boldbaner Andre græsarealer Parkanlæg Befæstede arealer Afsluttende arbejder Generelle forhold 9

Nødvendige værktøjer Sandsynligheder og statistik bruges til behandling, vurdering og kvantificering af usikkerhed / risiko Beregningsmetode (successiv kalkulation): Strukturering af fremgangsmåde Generering af resultater Skal have information: Erfaringer Databaser Osv. 10

Successiv kalkulation I Komplet og effektivt kalkulationsværktøj til usikkerhedsanalyse. Anvendes i høj grad i praksis: Flere tusinde danske Google hits Mange konkrete eksempler på: Anvendelser (Virksomheder, forvaltninger, organisation og ministerier) Udbydere af software til beregninger Udbydere af kurser osv. i beregningerne Kritik af manglende brug heraf i nogle skandaler 11

Successiv kalkulation II Resultat er: Et korrekt estimat for den forventede værdi Usikkerheden er specificeret og minimeret Realistisk billede af denne usikkerhed fordelt ud på de enkelte delaktiviteter/delposter. 12

Successiv kalkulation III Herudover opnås blandt andet også: Optimalt resultat med minimal arbejdsindsats Lokalisering af forbedringsmuligheder Lokalisering af svage punkter Kan medvirke til at forhindre overskridelser Effektiv og inspirerende arbejdsproces Optimal udnyttelse af ressourcer Bedre overblik Sammentømring af projektgruppen I hvert fald ifølge sælgere af kurser i Successiv kalkulation 13

Praktisk arbejdsgang 1. Start: Projektbeskrivelse definition 2. Forudsætninger indgår ikke i beregning 3. Opdeling i poster/aktiviteter 4. Liste og definition over generelle forhold 5. Vurdering af minimum/sandsynlig/maksimum for generelle forhold og for poster/aktiviteter 6. Beregning af samlet forventet værdi og usikkerhed. 7. Hvis resultat ikke er tilfredsstillende og forbedring er mulig, da indhentes ny information og der returneres til punkt 3. 8. Slut 14

Tilfredsstillende resultatet Usikkerheden må ikke være for stor! Middelværdien må ikke afvige for meget (jf. usikkerheden) fra et ønsket interval. (Nogle grundregler skal overholdes for at resultatet er troværdigt mere senere) Resultatet kan forbedres ved: Et eller flere af posterne med størst usikkerhed bestemmes bedre enten ved at specificere disse bedre i flere underposter eller ved at hente nye oplysninger Ændring ved forudsætningerne 15

Vurdering af usikkerhed Usikkerheden for en bestemt post/aktivitet er i princippet givet ved en såkaldt fordeling, men sådanne kan være lidt svære at fastlægge: 20% 18% 16% 14% Sandsynlighed 12% 10% 8% 6% 4% 2% 0% 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Omkostning (Tusinder kr.) 16

Vurdering af MIN / SAN / MAX I stedet vurderes for den enkelte post/aktivitet: MIN (minimum) Ekstrem minimum: Svarende til 1% fraktilen, dvs. at sandsynligheden for at denne værdi underskrides er 1%. I praksis: den mindste værdi man kan forestille sig. SAN (sandsynlig) den mest sandsynlige værdi: Svarende til den værdi der har højeste tæthed (sandsynlighed) I praksis: den værdi man tror mest på. MAX (maksimum) Ekstrem maksimum: Svarende til 99% fraktilen, dvs. at sandsynligheden for at denne værdi overskrides er 1%. I praksis: den største værdi man kan forestille sig. 17

Vurdering af MIN / SAN / MAX 20% 18% 16% 14% Sandsynlighed 12% 10% 8% 6% MIN SAN MAX 4% 2% 0% 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Omkostning (Tusinder kr.) 18

Vurderingsteknik erfaringer fra øvelsen Spørgsmål der besvares mest forkert: Dårligste forudsætninger Ukendte enheder Usandsynlige Ikke intuitive / snydere Anbefalinger til mere sikker vurdering Anvend passende enheder Pres ikke på for at få stor sikkerhed Skaf om muligt simpel baggrundsinformation Vurder MIN og MAX først evt. ud fra kendt SAN. Måske en hjælp, hvis flere arbejder sammen. 19

Vurderingsteknik andre erfaringer Faldgruber: Speciel interesse i resultatet: ønske, frygt, taktik, politik Dimensionsfejl: Enkelt styk versus masseproduktion Falsk sikkerhed: Dygtighed versus lille usikkerhed Støtte i det velkendte: Mest vægt på det nærmeste / mest kendte 20

Beregninger ud fra MIN / SAN / MAX For hver post beregnes følgende vigtige tal: MID: Middelværdien: Den værdi der med 50% sandsynlighed over- eller underskrides. STD: Standardafvigelsen: Et mål for usikkerheden (spredningen) 2/3 ssh. for at ligge i intervallet fra MID STD til MID+STD. 95% ssh. for at ligge i intervallet fra MID 2 STD til MID+2 STD. VAR: Variansen: Et andet mål for usikkerheden (varians) Er STD 2, dvs. STD STD. PRI: Prioritetstal: Et mål for postens usikkerhed i forhold til samlet usikkerhed 21

Beregninger ud fra MIN / SAN / MAX For den enkelte post fås: MID STD VAR PRI ( MIN ( MAX STD 3 SAN STD (100VAR) / MIN) / 5 MAX VAR Samlet Hvor VAR Samlet er summen af VAR for alle de opstillede delaktiviteter/poster. ) / 5 22

Beregninger ud fra MIN / SAN / MAX For den tidligere post haves: MID (1 3 4 12) / 5 25 / 5 5 STD (12 1) / 5 2,2 VAR 2,2 2,2 4,84 23

Beregninger ud fra MIN / SAN / MAX For det samlede projekt fås nu: MID Samlet = Summen af middelværdierne for de opstillede poster. VAR Samlet = Summen af varianserne for de opstillede poster. STD Samlet = Kvadratroden af VAR Samlet 24

Et større eksempel I Et projekt, hvor resultatet afhænger af tre poster, hvor nedenstående MIN/SAN/MAX er vurderet. For det samlede projekt fås således: Lille opgave: Check (efterregn) alle de gråbrune tal! 25

Et større eksempel II Resultat: 35% 30% 25% Post 1 Post 2 Post 3 Samlet 20% 15% 10% 5% 0% 0 5 10 15 20 25 30 35 40 26

Forudsætninger for troværdigt resultatet Bygger på en del statistik (se evt. sidste slides) som i praksis betyder at følgende forudsætninger gerne skal være opfyldt: Tilstrækkeligt mange poster minimum ca. 30. Alle usikkerheder er medtaget Intet prioritetstal (PRI) afviger ekstremt Uafhængighed mellem posterne Hvis disse antagelser ikke (nogenlunde) er opfyldte skal man passe på med at hænge for meget på slutresultatet nærmere analyser bør foretages! 27

Uafhængighed I Udfaldet af en post må ikke sige noget om udfaldet af andre poster Eksempler: Afhængige poster: Beton Type X og Type Y Arbejdsløn af forskellige typer Uafhængige poster (tilnærmelsesvist): Materialeomk. ved 1 m 2 græs henholdsvis 1 m 2 asfalt Omkostninger til inventar og til etablering af parkering. 28

Uafhængighed II Eksempel på betydning: Betragt to poster begge med VAR=100. Hvis helt uafhængige: VAR Samlet =200 Hvis helt afhængige: VAR Samlet =400 Hvis der haves problemer med afhængighed, da undervurderes den samlede usikkerhed! 29

Løsning på uafhængighed Find alle de fælles forhold, som skaber afhængigheden mellem nogle af (alle) posterne. Indfør disse forhold som en post under generelle forhold og vurder for hver af disse den samlede påvirkning af projektet (MIN/SAN/MAX). Vurder de øvrige poster uden hensyntagen til disse forhold. 30

Generelle forhold I Politiske forhold Myndighedsproblemer Arbejdsmiljø Sikkerhedsforhold Miljøforhold Lønforhold Konkurrence Inflation Realrenten Disponible ressourcer Størrelse / omfang Lokale forhold Udførelsestidspunkt Tidsplan Vejret Tyveri/hærværk Samarbejdsevner Kvalitetsniveau Uforudsete forhold Optimisme / pessimisme Etc. 31

Generelle forhold II Vurdering af generelle forhold: Kan gøres i absolutte beløb Beton-prisen: 20.000 / 30.000 / 60.000 Løn-forhold: 40.000 / 0 / 50.000 Osv. Eller som procenter af summen af alle de andre relevante poster (hvor faktoren indgår): Tyveri/hærværk: 5% / 0% / 10% Vejret: 0% / 5% / 10% Osv. 32

Mulige problemer med metoden Andre fejlmuligheder: Undervurdering af generelle forhold Indregning af reserve flere gange Brugerfejl fx at alle poster ikke vender ens. Andre problemer: Resultater kan være svært at kommunikere til folk, der ikke selv har erfaringer med metoden Metoden (og arbejdet hermed) kan misbruges Vigtigt men ikke altid nemt at arbejde med de generelle forhold. 33

Større eksempel: Idrætsanlæg Bestemmelse af de samlede omkostninger til etablering af idrætsanlæg: Post Beskrivelse Mængde Enhed MIN SAN MAX MID STD VAR (10 6 ) PRI 1 Opstartsarbejder 1 stk. 37.500 187.500 450.000 210.000 82.500 6.806 0,4 2 Boldbaner 50.000 m 2 30 75 120 3.750.000 900.000 810.000 49,1 3 Andre græsarealer 25.000 m 2 8 15 30 412.500 112.500 12.656 0,8 4 Parkanlæg 20.000 m 2 8 23 60 540.000 210.000 44.100 2,7 5 Befæstede arealer 15.000 m 2 90 225 330 3.285.000 720.000 518.400 31,4 6 Afsluttende arbejder 1 stk. 37.500 150.000 375.000 172.500 67.500 4.556 0,3 7 Generelle forhold 8.370.000 sum -10% 0% 20% 167.400 502.200 252.205 15,3 Samlet 8.537.400 1.284.026 1.648.724 100,0 Ovenstående findes i et regneark, som man kan studere, hvis man har lyst. 34

Større eksempel: Idrætsanlæg Med udgangspunkt i dette regneark vises nogle yderligere aspekter af successiv kalkulation i praksis og det vises, hvorledes Excel på flere måder med fordel kan anvendes i dette arbejde. I forbindelse med sidstnævnte findes en række smarte funktioner til hjælp i Excel. Dem vil vi ikke gøre ret meget ud af (ej pensum). 35

Excel funktioner I Tegning af projektets usikkerhed: Normfordeling(x; MID;STD;FALSK) *GrafEnhed Eksempel: Hvis MID=12,5 mdr. og STD=1,5 mdr. da er fordelingen af projektets usikkerhed: Normfordeling(x; 12,5; 1,5; FALSK)*1. Bemærk: Normfordeling er det danske navn for funktionen; på engelsk hedder den: Normdist og FALSK hedder naturligvis FALSE. 36

Excel funktioner II 30% 25% 20% Sandsynlighed 15% 10% 5% 0% 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Måneder 37

Excel funktioner III Eksempel fortsat: Sandsynligheden for at projektet kommer til at vare mindre end 10 mdr.: Normfordeling(10; 12,5; 1,5; SAND)=4,8% Og sandsynligheden for at projektet kommer til at vare mere end 14 mdr. er: 1 ssh. for under 14 mdr.= 1 Normfordeling(14;12,5;1,5;SAND)=16% 38

Appendiks I: Lidt tekniske forhold/bemærkninger Metoden bygger på, at de enkelte poster antages at følge forskellige erlangfordelinger (skæve normalfordelinger). For disse gælder generelt, at MID og STD med god tilnærmelse kan beregnes som angivet tidligere. Summeres en række (tilstrækkeligt mange) erlangfordelte stokastiske variable bliver summen normalfordelt med MID og STD som beregnet tidligere. 39

Appendiks II: Lidt tekniske forhold/bemærkninger Vil du vide mere, så findes der forskellige (mere eller mindre komplicerede) noter og lærebøger om emnet. Eksempler (uden ansvar): Steen Lichtenberg: Rapport over successiv kalkulation Anlægsteknik 2, Styring af byggeprocessen Anlægsteknik 3, Økonomi i bygge- og anlægsvirksomheder To sidstnævnte udgives på Polyteknisk Forlag. Yderligere tilbydes der forskellige kurser, der i vid udstrækning fokuserer på forskellige konkrete anvendelser i praksis. 40

Programmer Der findes forskellige færdige programmer til successiv kalkulation. Eksempel: Sigma 2007 Enterprise: integration af de to kalkulationsværktøjer, V&S PrisDatabase og Sigma. Programmet kan blandt andet foretage forskellige beregninger og herunder også foretage successiv kalkulation. 41