- •1.Загальна задача лінійного програмування.
- •2.Графічний метод розв’язування злп.
- •3.Симплексний метод: ідея, вимогита умови оптимальності.
- •9.Транспортна задача: особливості, типи, математична модель.
- •6.Двоїста пара задач: типи та алгоритм перетворення.
- •7.Теореми двоїстості.
- •8.Розв’язування двоїстої задачі.
- •10.Умови оптимальності в тз, її обґрунтування.
- •11.Тз: види виродженої задачі.
- •14.Метод потенціалів в тз
- •45.Узагальнений метод найменших квадратів (метод Ейткена).
- •12.Методи будування базисних планів при розв’язуванні тз.
- •15.Динамічне програмування: мат. Моде-ль та її види.
- •14.Метод потенціалів в тз.
- •47. Метод визначення гетеро- за тестом Гольфельда-Квандта.
- •16.Метод динамічного програмування: властивості, переваги, недоліки.
- •13.Альтернативний оптимум в тз
- •19.Розв’язування задач методом динамічного програмування.
- •20.Задача про призначення: її модель та алгоритм.
- •21.Задача про кільцевий маршрут: модуль та розв’язування.
- •22.Угорський метод.
- •24.Задача про максимальний потік: модель та алгоритм.
- •25.Задача про найкоротшу відстань: модель та алгоритм.
- •26.Загальна економетрична модель та її постановка.
- •27.Вимоги та етапи будування економетричної моделі.
- •28.Специфікація економетричної моделі.
- •46.Метод визначення гетероскедастичності за μ-критерієм.
- •30.Метод найменших квадратів.
- •31.Передумови застосування мнк.
- •33.Оцінка тісноти зв’язку між змінними рівнянь регресії.
- •34.Стандартні похибки при оцінці параметрів моделі.
- •35.Оцінка значущості зв’язку між змінними моделі.
- •37.Стат. Критерії перевірки значущості зв’язку між змінними моделі.
- •38.Поняття мультиколінеарності, її негативність, наслідки та ознаки
- •40.Визначення мультиколінеарності за допомогою критерія Пірсона.
- •41.Визначення мультиколінеарності за допомогою критерія Стьюдента.
- •42.Визначення мультиколінеарності за допомогою критерія Фішера.
- •39.Напрямки усунення мульт-.
- •43.Алгоритм Феррара-Глобера для виявлення мульт- (загальна частина).
- •44.Гетероскедастичність та її вплив на оцінки параметрів моделі.
- •48.Визначення гетероскедастичності за тестом Спірмана.
- •50.Автокореляція: зміст, причини виникнення та її наслідки.
- •51.Методи визначення автокореляції.
- •Графічний метод розв’язування злп.
33.Оцінка тісноти зв’язку між змінними рівнянь регресії.
Після одержання теоретичної залежності не-обхідно провести аналіз на адекватність фактичному явищу за допомогою знаход-ження оцінки тісноти та значущості зв’язку. Блок-схема алгоритму оцінюючих характери-стик наступна:
1.R2=1- (∑(yi – yiˆ)2/(∑(yi - y‾)2 →
2.R=√R2 →
3. t= (R√(n-m))/√(1-R2) →
4. α=0,05 (n-m) tт < |t| →
5.∆R=tт (1-R)/√n [R - ∆R ÷ R+∆R] → 6.r=||rxk rxL|| →
7. F=((n-m)/(m-1))*(R2/(1-R2)) →
8. Fт<F. Блок 1: коефіцієнт детермінації. Цей коеф. є сумарною мірою оцінки якості одер-жаної теортеичної залежності. Цей коеф по-казує міру варіації залежної змінної (у) від ва-ріації незалежної змінної (х). Цей коеф є мірою адекватності економетричної моделі. Ей коеф знаходиться в діапазоні [0,1]. Еконо-метрична модуль вважається адекватною, коли коеф детермінації ≥0,7. Блок 2: знаходження коеф кореляції. Цей коеф є від-носною мірою зв’язку між двома факторами, тобто він показує, на скільки суттєвим є вплив даних вихідного масиву. Знаходиться у діапа-зоні (-1;1). Чим ближче R до ±1, тим тісніший зв’язок між змінними. Якщо =1 – функціона-льна залежність. Вважають, що при коеф < 0,3 зв’язок слибкий, у діапазоні 0,3 ; 0,7 середній, при значенні > 0,7 – сильний. Блоки 3-4: аналіз величин коеф кореляції за допомогою критерія Стьюдента (t-критерій). При заданому рівні помилок α=0,05 та ступе-ні вільності (n-m) , де n- кількість спостере-жень, m – кількість параметрів, знаходять таб-личне значення цього критерію. Якщо tтабл< tфакт, то має місце значущість коеф кореляції. Блок 5:знаходження діапазону зміни коеф кореляції. Блок 6:знаходженні парних коеф кореляції, тобто знаходження рівня зв’язку між будь-якою парою масива незалежних змінних (х). Блоки 7-8: знаходження тісноти зв’язку між залежними і незалежними змін-ними за допомогою статистичного критерія Фішера (F). Якщо фактичне значення більше табличного, то побудована регресійна модель за прийнятою гіпотезою адекватна реалльній дійсності.
34.Стандартні похибки при оцінці параметрів моделі.
Блок-схема:
1.ui2=(yi - yiˆ)2*σu2 = ∑ui2/(n-m) →
2. Saiˆ=√(σu2*Cii) ai(%)=100* Saiˆ/ aiˆ →
3.t aiˆ = | aiˆ|/ Saiˆ →
4. t aˆ > tт →
5. aiˆ - t aiˆ Saiˆ ≤ aiˆ ≤ aiˆ + t aiˆ Saiˆ .
Блоки 1-2: знаходження величин похибки параметрів економетричної моделі з урахува-нням дисперсії залишків σu2,, де Сіі – елементи матриці похибок С, яка є оберненою матри-цею до матриці Х’Х. похибки знаходяться в абсолютних величинах. Значення стандарт-них похибок діє можливість робити висновки про ступінь незміщеності оцінок параметрів. Чим менша стандартна похибка, тим більша точність знайденої теоретичної залежності у вигляді вибраної специфікації. Якщо значен-ня стандартної похибки від 25%, то вважають, що оцінка парамета теоретичного рівняння є зміщеною і неефективною. Блоки 3-4: для збудованої економетричної моделі проводи-ться аналіз на значущість оцінок параметріа за допомогою довірчих інтервалів, припустив-ши, що вони задовольняють нормальному розподілу. Для цього перевіряють гіпотези про значущість оцінки параметрів проводить-ся за допомогою статистичного критерія Стьюдента, де використовуються діагональні елементи оберненої матриці С. якщо факти-чні значення цього критерію більше таблич-ного, то оцінка значущості параметру є досто-вірною. У протилежному випадку вплив змін-них хі на показник уі є нестійким і такий фак.-тор можливо виключити з множини вихід-ного масиву. Блок 5: для кожного параметру регресії знаходяться довірчі інтервали. Якщо стандартна помилка не перевищує значень самих параметрів (за модулем), то дані пара-метри є незміщеними відносно їх справжніх значень.
36.Довірчі інтервали рівнянь регресії.
Нехай
прогнозоване значення Y визначається
по рівнянню регресії з оціненими
параметрами
В
силу того, що
-
незміщені оцінки деяких невідомих
параметрів відповідного
взаємозв'язку, Y(дом) -
одне з можливих значень прогнозованої
величини при заданих значеннях Х,
точніше - це оцінка середнього значення Y.
Оскільки
випадкова
величина, то і оцінка Y(дом) також
випадкова і має дисперсію. Визначимо
її значення.
Використавши теорему про дисперсії суми залежних величин, одержимо:
Перепишемо
у вигляді:
де
-
вектор заданих значень незалежних
змінних. Звідки одержимо:
Оскільки
значення
нам
відомо, то введемо в останню формулу
її оцінку S2,
звідки дисперсія Y(дом)
буде:
Таким
чином, середнє значення Y
лежить
у межах:
.
