
- •1. Понятие Модели. Типология моделей. Сущность и основные элементы экономико-математического моделирования.
- •2. Социально-экономические системы, методы их исследования и моделирования.
- •3. Основные понятия и методы математического моделировании экономических систем. Этапы экономико-математического моделирования систем.
- •4. Основы регрессионного анализа. Модель линейной однофакторной регрессии.
- •5. Основы регрессионного анализа. Модель линейной многофакторной регрессии.
- •6. Основы и виды корреляционного анализа.
- •10. Постановка задачи коммивояжера и метод её решения.
- •8.Методы решения задач линейного программирования
- •9. Классическая транспортная задача
- •10. Постановка задачи коммивояжера и метод её решения.
- •12. Основные понятия модели управления запасами. Модели управления запасами. Модификацикация формулы Уилсона.
- •13. Целевая функция потребления и моделирования поведения потребителей. Функции покупательского спроса. Неценовые факторы, влияющие на спрос.
- •14. Моделирование потребительского поведения. Аксиома предпочтений.
- •15. Cистемы массового обслуживания.
- •16. Понятие статистического моделирования
- •17. Межотраслевая балансовая модель (мбм) и ее свойства. Задачи, решаемые с помощью балансовых моделей.
- •18. Модели сетевого планирования и управления: сетевая модель и ее основные элементы. Назначение и области применения сетевого планирования и управления.
- •19. Элементы теории игр. Понятие об игровых моделях. Решение игры в смешенных стратегиях.
- •20. Моделирование экономических ситуаций в терминах «игры с природой».
5. Основы регрессионного анализа. Модель линейной многофакторной регрессии.
Признак – это основная отличительная черта, особенность изучаемого явления или процесса. Показатель - количественное представление признака называется.
Признаки по их значению для изучения взаимосвязи делятся на два класса: факторные и результативные. Результативный признак – исследуемый показатель экономического процесса, как правило, характеризующий эффективность процесса. Факторный признак – показатель, влияющий на значение результативного показателя.
Регрессионная модель – запись выявленной связи между результативным показателем и факторами в виде уравнения в постановке, когда реализация результирующего показателя имеет случайную составляющую, а факторы – детерминирующую.
Регрессионный анализ включает следующие этапы: 1) определение типа функции; 2) определение и проверку коэффициентов регрессии; 3) расчет значений функции для отдельных значений аргумента; 4) исследование рассеивания оп отклонениям расчетных значений от эмпирических данных.
Для определения типа функции нужно из эмпирических данных получить ответы на следующие вопросы: 1) каково направление связи. 2) изменяется ли направление связи в исследуемой совокупности, т.е. является ли зависимость монотонной. 3) вытекает ли форма связи из равномерно ускоряющихся или замедляющихся изменений, т.е. имеет ли связь линейный или нелинейный характер.
Д ля характеристики связей экономических явлений используют следующие типы функций: линейную гиперболическую показательную
п араболическую степенную
логарифмическую логистическую
Многофакторная регрессия описывает зависимость одного следствия от одного или более признаков.
Уравнение линейной многофакторной модели:
Y – результативный признак; X – фактор; a1 – коэффициент регрессии; a0 – свободный член регрессии. Описывает влияние на результативный признак стахостических (случайных) факторов.
Коэффициент регрессии а1 показывает, на сколько изменится в среднем результативный признак при изменении факторного на 1.
Система нормальных уравнений с k неизвестными:
Система нормальных уравнений с двумя неизвестными
6. Основы и виды корреляционного анализа.
Категории зависимости между признаками
функциональные
корреляционные
Функциональная связь — такой вид соотношения между двумя признаками, когда каждому значению одного из них соответствует строго определенное значение другого (площадь круга зависит от радиуса круга и т.д.). В экономике примером может служить прямо пропорциональная зависимость между производительностью труда и увеличением производства продукции.
Корреляционная связь — такая связь, при которой каждому определенному значению одного признака соответствует несколько значений другого взаимосвязанного с ним признака (связь между ростом и массой тела человека; связь между температурой тела и частотой пульса и др.). Некоторое увеличение аргумента повлечет за собой лишь среднее увеличение или уменьшение (в зависимости от направленности) функции, тогда как конкретные значения у отдельных единиц наблюдения будут отличаться от среднего. Такие зависимости встречаются повсеместно. Например, в сельском хозяйстве это может быть связь между урожайностью и количеством внесенных удобрений. Очевидно, что последние участвуют в формировании урожая. Но для каждого конкретного поля, участка одно и то же количество внесенных удобрений вызовет разный прирост урожайности, так как во взаимодействии находится еще целый ряд факторов (погода, состояние почвы и др.), которые и формируют конечный результат. Однако в среднем такая связь наблюдается – увеличение массы внесенных удобрений ведет к росту урожайности.
Корреляционный анализ, разработанный К.Пирсоном и Дж.Юлом, является одним из методов статистического анализа взаимозависимости нескольких признаков. Основная задача корреляционного анализа состоит в оценке степени зависимости между случайными величинами. Степень линейной зависимости между количественными переменными характеризуется с помощью парных, частных и множественных коэффициентов корреляции.
В статистике принято различать следующие варианты зависимостей: 1) парную корреляцию – связь между признаками (результативным и факторным или двумя факторными); 2) частную корреляцию – зависимость между результативным и одним факторным признаками при фиксированном значении других факторных признаков; 3) множественную корреляцию – зависимость результативного и двух или более факторных признаков, включенных в исследование.
Коэффициент парной корреляции Прежде чем вывести формулу коэффициентов корреляции уточним определения дисперсии (D) и среднего квадратического отклонения (ϭ). Дисперсия (D) – характеристика значений показателя, отражающая степень разброса отдельных значений показателя от среднего значения. Дисперсия для несгруппированных данных рассчитывается по формуле:
Ф
ормулу
для расчета дисперсии после некоторых
преобразований можно привести к
следующему виду:
Среднее квадратическое отклонение ϭ представляет собой корень квадратный из дисперсии
Используя математические свойства средней, получаем следующую формулу для коэффициента парной корреляции – показателя тесноты зависимости для линейных однофакторных зависимостей:
Коэффициент корреляции принимает значения в интервале от -1 до + 1. Принято считать, что если |r| < 0,30, то связь слабая; при
|r| = (0,3÷0,7) – средняя; при
|r| > 0,70 – сильная, или тесная.
Когда |r| = 1 – связь функциональная.
Если же r принимает значение около 0, то это дает основание говорить об отсутствии линейной связи между У и X. Однако в этом случае возможно нелинейное взаимодействие. что требует дополнительной проверки и других измерителей, рассматриваемых ниже.
М
ежду
линейным коэффициентом корреляции и
коэффициентом регрессии существует
определенная зависимость, выражаемая
формулой:
где ai
– коэффициент регрессии в уравнении
связи.