- •2. Понятие и виды коррел. И регресс. Задачи коррел. И регресс. Ан-за
- •3. Парн. Лин. Регресс.(плр)
- •5.Коэф-т корреляции
- •6.Предпос. М-да наим. Квадратов. Т. Г-м
- •7.Анализ точности опред. Оценок коэф-ов регрессии.
- •1. Понятие экон-ки. Осн. Задачи экон-ки.
- •8) Проверка гипотез относит. Коэф-тов лин. Ур-я регрес
- •9. Интерв. Оценки коэф-ов лин. Ур-ния регрессии
- •13. Расчет коэф-в множ. Регр-ии.
- •24/Обратная модель.
- •14. Дисперсии и станд. Ошибки коэф-в.
- •19. Проверка равенства двух коэффициентов детерминации.
- •20. Проверка гипотезы о совпадении уравнений регрессии для двух выборок
- •21. Статистика Дарбина-Уртсона
- •22.Логарифмические (лог-линейные) модели.
- •Вопрос 28 – Постановка и мат. Модель задачи векторной оптимизации
- •Вопрос 30 – методы решения многоцелевых задач
- •31. Метод лин.Комбинаций част.Критериев.
- •32. Метод ведущего критерия.
- •34. Метод равных и наим-их относит. Отклонени
- •35. Метод минимакса
- •36. Предмет и основные понятия теории игр
- •40. Решение матричных игр в смешанных стратегиях. Теорема о необходимом и достаточном условии смешанных стратегий
- •41.Теорема о преобразованиях эл-ов платежной матрицы
- •16. Пров стат значимости коэф ур-ния множ лин регрессии
- •42. Теорема о сведении плат-й матрицы к матрице с полож числами.
- •43. Сведение матричной игры к задаче линейного программирования
- •44. Игры с природой. Понятие риска сиатистика. Матрица рисков.
- •45. Критерии Байеса и Лапласа выбора наилучшей стратегии статистика
- •46. Критерии Вальда, Сэвиджа и Гурвица выбора наилучшей стратегии статистика.
- •47. Модели анализа основных финансовых операций.
- •48. Дисконтирование денежных потоков. Текущая стоимость проекта.
- •49. Чистая текущая стоимость инвестиционного проекта
- •50. Внутренняя норма прибыли проекта
- •Вопрос 51. Индекс прибыльности и период окупаемости проекта.
- •Вопрос 52. Влияние инфляции на денежные потоки проекта.
- •55. Осн. Понятия и опр. Спу
- •54.Анализ чувств-ти ден. Потоков проекта
- •17, 18. Проверка общ кач-ва ур множ рег-сии и статзначимостикоэф детерминации.
- •56. Правила построения сет. Графиков
- •57. Расч. Врем. Парам. Событ.
- •Вопрос 60 Оптимизация проекта по времени, если задан срок выполнения проекта
- •Вопрос 59 Линейный график комплекса работ (график Ганта). Диаграмма потребления ресурсов
- •58. Расч времен парам раб.
- •61. Оптимизац проекта по времени за счет вложен выделен сумм.Ср.
- •62. Оптимизация проекта по стоимости при нефиксированной величине критического пути.
- •67. Основные соотношения, отражающие сущность моб.
- •68. Мат. Модель моб. Эк. Сущность коэф-тов прямых затрат (кпз).
- •65.Принципиальная схема моб в снс.
- •66. Экономическое содержание квадрантов моб.
Вопрос 28 – Постановка и мат. Модель задачи векторной оптимизации
Многие экономико-управленческие задачи являються многоцелевыми, в силу этого решение по одному критерию может оказаться не наилучшим по другим. Для решен подобн задач исп метод векторн оптимизац.
Множество критериев можно представить в виде векторной целевой ф-ии:
F(x) = (f1(x)f2(x),…, fk(x))
Для минимизации частного критерия fk(x) достаточно максимизировать - fk(x), т. к.
min fk(x) = max (-fk(x)), поэтому каждый компонент векторного критерия максимизируется.
Задача: 1. max F (x) = (f1(x)f2(x),…, fk(x))
2. φi(x) {<=,=,>=}b, i= 1,n
3. xij >=0, j=1,n
Будем рассматривать эту задачу для случая, когда оптимальные решения xk, k= 1,k, полученные при решении по каждому критерию не совпадают. Найти решения, при которых значения всех критериев одновременно будет наилучшим можно в области компромисса, кот в ОДР.
Решения, которые доставляют критериям наилучшие значения называются – эффективными, компромиссными, оптимальными по Паретто.
План Х1 не хуже плана Х2, если fk(x1)>=fk(x2), k=1,n. Если среди последних неравенств хотя бы одно строгое, то план Х1 называется предпочтительнее плана Х2./ План Х1 оптимален по Паретто, если он допустим и не существует другого плана Х2, для которого fk(x1)>=fk(x2), k=1,n и хотя бы для 1-го критерия выполняется строгое неравенство.
Bопрос 29 – Основные проблемы, возникающие при решении задач векторной оптимизации.
Проблема нормализации. Возникает в связи с тем, что локальные критерии имеют различные ед-цы и масштабы измерения, что делает невозможным их непосредственное сравнение. Для этого приходится приводить их к единому масштабу и безразмерному виду – нормировать. Самые распространённые способы нормирования: - замена абсолютных значений критериев их безразмерными относительными величинами: fk = fk/f*k, k=1,n; - замена абсолютных значений критериев их относительными значениями отклонений от оптимальных значений
Проблема учёта приоритетов критерия. Здесь приходится находить как математическое, так и специальное влияние критерия на решение задачи.
Проблема определения области компромисса.
Вопрос 30 – методы решения многоцелевых задач
Методы решения многоцелевых задач делятся на:
-методы, кот основаны на свёртывании критериев -методы, в кот используются ограничения на критерии, -методы, которые основаны на отыскании компромиссного решения.
Наиболее распространёнными среди них являются:
1.Метод линейной комбинации частных критериев 2.Метод оследовательных уступок 3.Метод ведущего критерия 4.Метод равных и наименьших относительных отклонений
31. Метод лин.Комбинаций част.Критериев.
При решении задач данным методом вводится вектор весовых коэф.,кот.характ.важность соотвюкритерия.
α=(α1,α2,…αк), αк>0
Тогда целевая ф-ция будет представлять собой един.частных критериев,умноженных на весовые коэф.При этом критерии обязат.должны быть нормированы.
maxF(x)=Сумм αк*fк(x)
λi(x){<= >=}bi,i=1,m
xj>=0,j=1,n