- •Экономико-математические методы и модели в социально-экономических исследованиях
- •Экономико-математические методы и модели в социально-экономических исследованиях
- •Информационные ресурсы дисциплины
- •Модель границы производственных возможностей
- •Возможности и потребности. Модели и реальность
- •1.2. Альтернативная стоимость. Издержки и выбор
- •1.3. Экономический рост и эффективность
- •Графы, сети и их применение в экономике
- •Основные определения и характеристики графов. Плоские графы
- •2.2. Ориентированные графы. Построение минимального остовного дерева сети
- •2.3. Задача нахождения кратчайшего пути. Дерево решений
- •2.4. Сетевые графики
- •3. Управление запасами
- •3.1. Вводные замечания и основная модель
- •3.2. Модель производственных поставок. Модель поставок со скидкой
- •3.3. Модель управления запасами, включающая штрафы
- •3.4. Обобщенная модель определения оптимального размера партии
- •4. Распределение ресурсов
- •4.1. Постановка задачи распределения ресурсов. Механизм прямых приоритетов
- •4.2. Механизм обратных приоритетов. Конкурсный механизм
- •4.3. Механизм открытого управления
- •4.4. Открытое управление и экспертный опрос
- •5. Математические модели в финансовых операциях
- •5.1. Простые проценты. Сложные проценты
- •5.2 Начисление процентов в условиях инфляции.
- •5.3. Погашение кредита. Балансовое равенство
- •5.4. Балансовое уравнение
- •Иерархии и приоритеты
- •6.1. Приоритеты. Измерения и согласованность. Идеальные измерения
- •6.2. Обратно-симметричные и согласованные матрицы. Индекс согласованности
- •6.3. Вычисление собственных характеристик обратно-симметричной матрицы
- •6.4. Проблема сравнения. Построение шкал. Иерархии
- •7. Методы прогнозирования
- •7.1. Анализ временных рядов. Метод подвижного (скользящего) среднего.
- •7.2. Метод проецирования тренда
- •7.3. Прогнозирование с учетом сезонной вариации. Аддитивная модель
- •7.4. Мультипликативная модель. Каузальные методы прогнозирования. Качественные методы прогнозирования
- •8. Основы управления рисками в экономике
- •8.1. Риски в экономике. Оптимизация портфелей банка
- •8.2. Диверсификация портфеля
- •8.3. Достижимое и эффективное множества
- •8.4. Выбор оптимального портфеля
- •9. Динамические модели
- •9.1. Модель народонаселения
- •9.2. Модель мобилизации
- •9.3. Модель гонки вооружений
- •9.4. Модель хищник – жертва
- •Глоссарий
- •Библиографический список
- •Порядковые номера дней в невисокосном году
- •Порядковые номера дней в високосном году
- •Предметный указатель
- •Оглавление
9. Динамические модели
9.1. Модель народонаселения
Интересно, что построить математическую модель часто совсем нетрудно. Нередко для этого используются самые простые и легко объяснимые предположения.
Предположим, что речь идет о численности населения какого-либо населенного пункта. Знание о том, с какой скоростью растет население, весьма важно для построения планов, например, строительства общественных зданий. Во времена, когда эта модель была создана – конец XVIII, начало XIX веков - общественными зданиями в основном были церкви, и вопрос о том, стоит или не стоит строить новую церковь, и каких размеров, был часто весьма актуален. Так что по ходу наших рассуждений можно говорить о количестве жителей или прихожан.
Обозначим через хn количество жителей к концу n−го года. Их численность через год, т. е. к концу (n + 1)−го года, естественно обозначить через хn+1. Тогда изменение численности за этот год можно описать разностью
Δхn = хn+1 − хn.
Оно происходит по двум естественным причинам — люди рождаются и умирают (для простоты будем считать, что миграции и других причин изменения численности населения нет). Определить число родившихся и число умерших за год по приходским книгам, например, особого труда не составляет. Просмотрев записи и подсчитав число родившихся и умерших в разные годы, можно сопоставить полученные числа
b1,…,bk
и
d1,…,dk
с общим числом жителей за эти годы
х1,...,хк
и отметить, что отношения
b1/ х1,…,bk /хк,
год от года различаются весьма мало. То же касается и отношений
d1/ х1,…,dk / хк.
Для простоты расчетов будем считать эти отношения постоянными и обозначим их через α и β соответственно.
Тем самым число родившихся в n-м году оказывается равным
bn = α хn,
а число умерших –
dn = β хn.
Изменение численности населения по естественным причинам составит
Δхn = + α хn − β хn.
Население в n + 1 году выразится через численность населения в n –м году как:
хn+1 = хn + Δхn = хn + α хn − β хn = хn(1+ α – β).
Положим
γ = 1+ α – β.
Тогда интересующая нас формула примет вид
хn+1 = γ хn . (9.1)
Можно считать модель построенной. Эта модель называется математической моделью роста народонаселения Мальтуса в итерационной форме.
Попробуем теперь разобраться с тем, что же получилось, т. е. проанализировать построенную модель.
Возможны три случая:
1) γ > 1 (δ = α — β > 0 — рождается больше, чем умирает) и численность прихожан растет год от года,
2) γ = 1 (δ = α — β = 0 — умирает столько же, сколько рождается) и численность прихожан год от года остается неизменной,
3) γ < 1 (δ = α — β < 0 — умирает больше, чем рождается) и численность прихожан неуклонно снижается.
Так как побудительным мотивом для построения модели было желание узнать, как быстро будет расти число прихожан, начнем с рассмотрения первого случая.
Случай 1. γ > 1. Итак, численность прихожан растет. Но как, насколько быстро?
xn n xn x0 n |
Рис. 9.1 |
Обратим внимание на то, что числовая последовательность роста населения представляет собой геометрическую прогрессию со знаменателем γ. Если обозначить через х0 численность населения в начальный период, в год с индексом 0, мы получаем следующую геометрическую прогрессию:
хn = х0 γn. (9.2)
При любом γ > 1 картинка, иллюстрирующая изменение хn, имеет похожий вид − хn будет расти экспоненциально. Вид этой зависимости представлен на рис.9.1. Чтобы почувствовать, как быстро происходит рост в соответствии с этой зависимостью, положим γ = 1,02. Это означает 2 % прироста населения каждый год. Так вот, через 36 лет γ36 будет равна с точностью до шестого знака после запятой 2,039887, то есть население удвоится относительно первоначальной численности. Нетрудно подсчитать, что 36×56 = 2016, и что γ2016 = (γ36)56 ≈ 256 > 1014. Численность населения Земли не дотягивает до этой цифры. О чем это говорит? Лишь о том, что модель имеет свои границы применимости. Она неплохо описывает рост народонаселения на промежутках в несколько лет, но как видим, дает неверный результат на больших временных промежутках.
В 1820 г. в Лондоне Т. Р. Мальтусом была опубликована работа "Principles of political economy considered with a view to their practical application" (в русском переводе - "Опыт о законе народонаселения ..." Т. 1-2. СПб., 1868), в которой, в частности, говорилось о том, что в силу биологических особенностей людей население имеет тенденцию размножаться по закону геометрической прогрессии:
хn+1 = γ хn , γ 1,
в то время как средства существования могут увеличиваться лишь по закону арифметической прогрессии:
yn+1 = yn + d, d 0.
Такое различие в скорости изменения величин, непосредственно связанных с проблемами выживаемости популяции, не могло остаться незамеченным и вызвало довольно жесткую критику и сильно политизированную полемику в общественных кругах, которая продолжалась довольно долго.
Важный вывод. Предлагая построенную или выбранную вами модель, вы непременно должны указать пределы, в которых ею можно пользоваться, и предупредить о том, что нарушение этих ограничений может привести (и, скорее всего, приведет) к серьезным ошибкам. Коротко говоря, у каждой модели есть свой ресурс.
Случай 2. γ = 1. Численность населения не изменяется (рис. 9.2).
Случай 3. γ < 1. Население вымирает (рис. 9.3).
-
n
xn
n
xn
Рис. 9.2
Рис. 9.3
Мы умышленно весьма подробно остановились на описании модели народонаселения, во-первых, потому, что она является одной из первых моделей подобного рода, и, во-вторых, чтобы на ее примере показать, через какие основные этапы проходит решение задачи построения математической модели.
Очень часто, описывая эту модель народонаселения, привлекают ее дифференциальный вариант:
= δх.
Здесь подразумевается, что х = x(t) — зависящая от времени численность популяции, — производная по времени, δ — некоторая постоянная величина. Решением этого уравнения является функция:
x(t) = x0 , (9.3)
где x0 – численность населения в момент времени t = 0 (9.3) называют математической моделью народонаселения Мальтуса в дифференциальной форме. Положив в (9.3) γ = eδ, можно убедиться, что мы переходим к формуле (9.2). Нетрудно установить связь между коэффициентом γ = 1 + α – β из (9.1) и коэффициентом δ из (9.3). Для этого запишем равенство:
γ = eδ ,
следовательно
δ = = . (9.4)
При больших значениях x конкурентная борьба за средства существования приводит к уменьшению δ, и эта жесткая модель должна быть заменена более мягкой:
= δ(х) х,
в которой коэффициент δ зависит от численности населения. В простейшем случае эта зависимость описывается так:
δ(х) = а — bх,
где а и b — постоянные числа, а соответствующее уравнение принимает вид
= ах — bх2. (9.5)
Это уравнение можно записать в виде, более удобном для анализа:
, (9.6)
где . Это уравнение называется логистическим уравнением и известно также как уравнение Ферхюльста.
x
-
0
t
Рис.9.4
Таким образом, мы приходим к более сложной, так называемой логистической модели, которая описывает динамику популяции уже достаточно хорошо. Анализ логистической кривой (рис. 9.4) весьма поучителен, и его проведение может быть любопытно читателю.
Точным решением уравнения (9.6) является выражение:
,
где К можно трактовать как ёмкость среды, т. е. максимально возможную численность населения, а – начальная численность населения. Исходя из сказанного, можно записать:
К сказанному следует добавить, что логистическая модель хорошо описывает и другие процессы, например эффективность рекламы, жизненный цикл товарного образца.
В наших рассуждениях, которые привели к модели роста народонаселения Мальтуса в итерационной форме, можно было бы говорить не только росте населения людей, но и о росте популяции любых живых организмов. Суть рассуждений можно было бы для этого не менять. Положим, что речь идет о популяции рыб. Положим также, что к модели (9.1) добавляется некая квота отлова рыбы за время каждого такта, описываемого моделью. Получается экспоненциальная модель роста популяции в итерационной форме с отловом:
хn+1 = γ хn – с. (9.7)
|
Рис. 9.5 |
На рис. 9.5 изображены расчеты нескольких траекторий хn по формуле
хn+1 = 1,1хn – 0,05
при изменении n от 0 до 30. Положив в (9.7) хn+1 = хn, можно получить значение стационарной траектории:
хстац. = . (9.8)
Траектория с х0 = 0,5 является для выбранной зависимости стационарной и критической. Падение популяции ниже этого уровня ведет, как видно из рис. 9.5 к монотонному уменьшению популяции с той или иной скоростью и ее гибели. Можно привести и экономическую интерпретацию модели роста популяции с отловом. Под хn можно подразумевать прибыль организации за n-ый период времени, γ может означать способность организации зарабатывать эту прибыль, а с может обозначать постоянные выплаты, которые не зависят от прибыли. Модель иллюстрирует существование некоторого критического размера изначальной прибыли, при превышении которой возможен дальнейший ее неограниченный рост. И напротив, если уровень этой прибыли ниже критического, то в будущем прибыль будет только сокращаться.
В заключение этого раздела следует упомянуть еще об одной современной модели народонаселения, предложенной С. П. Капицей в 1992 году в статье «Математическая модель роста народонаселения мира». Эта модель базируется на том факте, обнаруженном автором, что рост населения Земли происходит пропорционально квадрату полной численности людей. Этот факт принципиально выделяет человека из животного мира, для которого характерно, что скорость роста каждого вида пропорциональна числу особей (при отсутствии ограничений). Уравнение роста народонаселения мира можно в этом случае записать как:
dN/dt = aN2. (9.9)
Обосновать такую закономерность можно следующим образом. Рост населения мира (N), например, с 10 до 100 млн. человек подразумевает, что и уровень развития жизнеобеспечивающих технологий вырос приблизительно в 10 раз. С другой стороны, десятикратный рост численности населения означает и десятикратный рост числа потенциальных ученых и изобретателей, а значит, и десятикратное возрастание относительных темпов технологического роста. Вывод следующий: с ростом численности населения в 10 раз абсолютная скорость технологического роста вырастет в 10 × 10 = 100 раз (в соответствии с уравнением (9.9)).
Решением дифференциального уравнения (9.9) является гиперболическое уравнение вида
Nt = 1/a(t0 — t). (9.10)
С. П. Капицей предложено следующее представление этой формулы с введенными в нее эмпирическими коэффициентами:
N = C/(T1 − T) = 186/(2025 − T) млрд, (9.11)
где N − число людей на Земле в момент времени T, T1 − критическая дата в нашем летоисчислении, С − постоянная с размерностью [человекогоды].
Эта формула, хотя и имеет ограниченную область применения (неточна как в далеком прошлом, так и в ближайшем будущем), но все же дает приемлемые оценки искомой величины в последние 1,6 млн лет развития человечества.
Автор определил предел стабилизации народонаселения мира в 75 миллиардов и дал оценку общего числа людей, когда-либо живших, в 100 миллиардов.
Важно отметить, что, рассматривая информационную природу численности народонаселения Земли, он приходит к утверждению о «единстве развития Человечества как целого» и необходимости «рассматривать его как некую мировую структуру, глобальный суперорганизм, охваченный общим информационным взаимодействием. Это утверждение возникает как существенный вывод из всей рассматриваемой концепции».