- •Казанский кооперативный институт (филиал)
- •Экономико-математические методы и модели лекционный материал
- •Введение
- •Тема 1. Математическое моделирование и анализ экономических процессов. Основные представления о математических моделях.
- •Тема 2. Методы и модели оптимального планирования хозяйственной деятельности
- •Тема 3. Оптимальное планирование перевозок товаров. (Транспортная задача, транспортный метод).
- •Формулировка транспортной задачи.
- •Математическая модель транспортной задачи.
- •Необходимое и достаточное условия разрешимости транспортной задачи.
- •Свойство системы ограничений транспортной задачи.
- •Опорное решение транспортной задачи.
- •Метод вычеркивания
- •Методы построения начального опорного решения. Метод северо-западного угла.
- •Метод минимальной стоимости.
- •Переход от одного опорного решения к другому.
- •Означенный цикл.
- •Распределительный метод.
- •Метод потенциалов.
- •Особенности решения транспортных задач с неправильным балансом.
- •Алгоритм решения транспортной задачи методом потенциалов.
- •Транспортная задача по критерию времени.
- •Тема 4. Принятие решений
- •Методы принятия решений
- •Матрица выйгрышей
- •Матрица Рисков
- •2. Принятие решений в условиях частичной неопределенности (в условиях коммерческого риска)
- •Тема 5. Модель системы массового обслуживания
- •Системы массового обслуживания
- •Основные понятия теории массового обслуживания
- •1.7. Система массового обслуживания с отказами
- •8. Одноканальная система массового обслуживания с неограниченной очередью
- •1.10. Система массового обслуживания с ограниченной очередью
- •1.10.1. Одноканальная смо с ограниченной очередью
- •1.10.2 Многоканальная смо с ограниченной очередью
- •Тема 6. Основные понятия и задачи метода сетевого планирования и управления
- •Основные понятия и задачи.
- •Проект реконструкции торгового центра
- •Тема 7. Экономико-математические методы и модели изучения и прогнозирования спроса.
- •1) Исследователь вносит гипотезу о структуре ящика
- •2) Определение неизвестных коэффициентов a0 и a1 модели
- •3) Проверка
- •Линейная множественная модель
- •Тема 8. Модели управления запасами
- •Модели управления запасами.
- •I. Детерминированные модели управления запасами.
- •1.Простейшая модель оптимального размера заказа.
- •2. Модель оптимального размера заказа с фиксированным временем его выполнения.
- •4. Модель оптимального размера заказа с дефицитом.
- •5. Модель оптимального размера с количественными скидками.
- •II. Стохастическая модель
- •6. Дискретная стохастическая модель оптимизации начального запаса.
- •Примеры
- •Тема 8. Балансовая модель. Балансовый метод.
- •Решение балансовых уравнений с помощью обратной матрицы. Коэффициенты полных затрат.
- •Полные внутрипроизводственные затраты.
- •Полные затраты труда капиталовложений
- •Экономико-математические методы и модели лекционный материал
- •420045 Республика Татарстан, г. Казань,
Тема 7. Экономико-математические методы и модели изучения и прогнозирования спроса.
Однофакторные регрессионные модели.
Многофакторные регрессионные модели.
В целях исследований часто бывает удобно представить исследуемый объект в виде ящика, имеющего входы и выходы, не рассматривая детально его внутренней структуры. Конечно, преобразования в ящике (на объекте) происходят (сигналы проходят по связям и элементам, меняют свою форму и т. п.), но при таком представлении они происходят скрыто от наблюдателя.
По степени информированности исследователя об объекте существует деление объектов на три типа «ящиков»:
«белый ящик»: об объекте известно все;
«серый ящик»: известна структура объекта, неизвестны количественные значения параметров;
«черный ящик»: об объекте неизвестно ничего.
Черный ящик условно изображают как на рис. 2.1.
|
|
Рис. 2.1. Обозначение черного ящика на схемах |
Значения на входах и выходах черного ящика можно наблюдать и измерять. Содержимое ящика неизвестно.
Задача состоит в том, чтобы, зная множество значений на входах и выходах, построить модель, то есть определить функцию ящика, по которой вход преобразуется в выход. Такая задача называется задачей регрессионного анализа.
В зависимости от того, доступны входы исследователю для управления или только для наблюдения, можно говорить про активный или пассивный эксперимент с ящиком.
Пусть, например, перед нами стоит задача определить, как зависит выпуск продукции от количества потребляемой электроэнергии. Результаты наблюдений отобразим на графике (см. рис. 2.2). Всего на графике n экспериментальных точек, которые соответствуют n наблюдениям.
|
|
Рис. 2.2. Графический вид представления результатов наблюдения над черным ящиком |
Для начала предположим, что мы имеем дело с черным ящиком, имеющим один вход и один выход. Допустим для простоты, что зависимость между входом и выходом линейная или почти линейная. Тогда данная модель будет называться линейной одномерной регрессионной моделью.
1) Исследователь вносит гипотезу о структуре ящика
Рассматривая экспериментально полученные данные, предположим, что они подчиняются линейной гипотезе, то есть выход Y зависит от входа X линейно, то есть гипотеза имеет вид: Y = A1X + A0 (рис. 2.2).
2) Определение неизвестных коэффициентов a0 и a1 модели
Линейная одномерная модель (рис. 2.3).
|
|
Рис. 2.3. Одномерная модель черного ящика |
Для каждой из n снятых экспериментально точек вычислим ошибку (Ei) между экспериментальным значением (YiЭксп.) и теоретическим значением (YiТеор.), лежащим на гипотетической прямой A1X + A0 (см. рис. 2.2):
Ei = (YiЭксп. – YiТеор.), i = 1, …, n;
Ei = Yi – A0 – A1 · Xi, i = 1, …, n.
Ошибки Ei для всех n точек следует сложить. Чтобы положительные ошибки не компенсировали в сумме отрицательные, каждую из ошибок возводят в квадрат и складывают их значения в суммарную ошибку F уже одного знака:
Ei2 = (Yi – A0 – A1 · Xi)2, i = 1, …, n.
Цель метода — минимизация суммарной ошибки F за счет подбора коэффициентов A0, A1. Другими словами, это означает, что необходимо найти такие коэффициенты A0, A1 линейной функции Y = A1X + A0, чтобы ее график проходил как можно ближе одновременно ко всем экспериментальным точкам. Поэтому данный метод называется методом наименьших квадратов.
Суммарная ошибка F является функцией двух переменных A0 и A1, то есть F(A0, A1), меняя которые, можно влиять на величину суммарной ошибки (см. рис. 2.4).
|
|
Рис. 2.4. Примерный вид функции ошибки |
Чтобы суммарную ошибку минимизировать, найдем частные производные от функции F по каждой переменной и приравняем их к нулю (условие экстремума):
После раскрытия скобок получим систему из двух линейных уравнений:
Для нахождения коэффициентов A0 и A1 методом Крамера представим систему в матричной форме:
Решение имеет вид:
Вычисляем значения A0 и A1.