- •1.1 Краткий исторический обзор
- •1.2 Математические методы и моделирование экономических процессов
- •1.3 Этапы математического моделирования
- •1.4 Классификация математических моделей
- •Вопросы для самопроверки
- •Тема 2. Модели производства
- •2.1 Производственные функции
- •2.1.1 Понятие производственной функции одной переменной
- •2.1.3 Формальные свойства производственных функций
- •2.1.4 Характеристики производственной функции
- •2.2 Задача производителя
- •2.3 Учет налогов
- •2.4 Функции спроса на ресурсы
- •2.5 Модели ценообразования
- •Вопросы для самопроверки
- •Тема 3. Функция полезности
- •3.1. Множество благ
- •3.2. Функция полезности и ее свойства
- •3.3. Предельная полезность и предельная норма замещения благ
- •3.4. Оптимальный выбор благ потребителем
- •3.4.1. Модель задачи оптимального выбора
- •3.5. Взаимная задача к задаче оптимального выбора благ потребителем
- •Вопросы для самопроверки
- •Тема 4. Балансовые модели
- •4.2 Экономико-математическая модель межотраслевого баланса
- •4.3 Коэффициенты прямых и полных материальных затрат
- •4.4 Агрегирование показателей межотраслевого баланса
- •4.5 Анализ экономических показателей
- •4.5.1 Модель затрат труда
- •4.5.2 Модель фондоемкости продукции
- •4.6. Динамическая модель межотраслевого баланса
- •Вопросы для самопроверки
- •Тема 5. Моделирование финансовых операций
- •5.1. Наращение и дисконтирование
- •5.1.1 Проценты и процентные ставки
- •5.1.2 Наращение по простым процентам
- •5.1.3. Сложные проценты
- •5.1.4. Номинальная и эффективная ставки процентов
- •5.1.6. Учет инфляции при наращении процентов
- •5.1.7. Эквивалентность простых и сложных процентных ставок
- •5.1.8. Дисконтирование и наращение по учетной ставке
- •5.1.9. Наращение по учетной ставке
- •5.1.10. Сравнение методов наращения
- •5.1.11. Сравнение методов дисконтирования
- •5.2. Потоки платежей, ренты
- •5.2.1. Основные определения
- •Ренты бывают постоянные и переменные.
- •5.3. Наращенная сумма потока платежей
- •5.3.1. Наращенная сумма годовой ренты
- •5.3.2.Наращенная сумма годовой ренты с начислением процентов m раз в год
- •5.4. Современная величина потока платежей
- •5.4.1. Современная величина годовой ренты
- •5.4.2. Современная величина годовой ренты с начислением процентов m раз в год
- •5.4.3. Современная величина p – срочной ренты ( m = 1)
- •5.4.4. Современная величина p – срочной ренты при начислении процентов m раз в год
- •5.5 Доходность финансовой операции
- •5.5.1. Различные виды доходности операций
- •5.5.2. Учет налогов и инфляции
- •5.5.3. Поток платежей и его доходность
- •5.5.4. Мгновенная доходность
- •5.6. Кредитные расчеты
- •5.6.1. Показатель полной доходности финансово-кредитной операции
- •5.6.2. Баланс финансово-кредитной операции
- •5.6.3. Определение полной доходности ссудных операций с удержанием комиссионных
- •5.6.4. Методы сравнения и анализа коммерческих контрактов
- •5.6.5. Планирование погашения долгосрочной задолженности
- •Вопросы для самопроверки
- •Тема 6. Математическое и компьютерное моделирование
- •6.1. Классификация видов моделирования
- •6.2. Достоинства и недостатки имитационного моделирования
- •6.3. Типовые задачи имитационного моделирования
- •6.4. Социально-экономические процессы как объекты моделирования
- •6.5. Примеры задач имитационного моделирования
- •Вопросы для самопроверки
- •Тема 7. Сущность метода имитационного моделирования
- •7.1. Метод имитационного моделирования и его особенности
- •7.2. Процесс имитации
- •7.3. Формулирование модели
- •7.4. Оценка адекватности модели
- •7.5. Экспериментирование с использованием имитационной модели
- •7.6. Понятие о модельном времени. Механизм продвижения модельного времени
- •7.7. Интерпретация и реализация результатов моделирования
- •Вопросы для самопроверки
- •Тема 8. Имитационная модель глобальной системы
- •8.1. Основные компоненты динамической мировой модели
- •8.2. Концепция «петля обратной связи»
- •8.3. Основные петли «обратных связей» в мировой модели
- •8.4. Основные переменные в мировой модели
- •8.5. Структура модели мировой системы
- •8.6. Основные результаты экспериментов на модели мировой системы
- •Вопросы для самопроверки
- •Тема 9. Метод Монте-Карло и проверка статистических гипотез
- •Тема 10. Моделирование случайных событий
- •10.1. Моделирование простого события
- •10.2 Моделирование полной группы несовместных событий
- •10.3 Моделирование дискретной случайной величины
- •10.4 Моделирование непрерывных случайных величин
- •10.4.1. Метод обратной функции
- •10.4.2. Моделирование случайных величин с показательным распределением
- •10.4.3. Моделирование случайных величин с равномерным распределением на произвольном интервале (a, b)
- •10.4.4 Моделирование случайных величин с нормальным распределением
- •10.4.5. Моделирование случайных величин с усеченным нормальным распределением
- •10.4.6 Моделирование случайных величин с произвольным распределением
- •Вопросы для самопроверки
- •Тема 11. Системы массового обслуживания
- •11.1. Основные понятия. Классификация СМО
- •11.2 Понятие марковского случайного процесса
- •11.3 Потоки событий
- •11.4. Уравнения Колмогорова. Предельные вероятности состояний
- •11.5. Процесс гибели и размножения
- •11.6. CMО с отказами
- •11.7. СМО с ожиданием (очередью)
- •Вопросы для самопроверки
- •Тема 12. Модели управления запасами
- •12.1. Основные понятия
- •12.2. Статическая детерминированная модель без дефицита
- •12.3. Статическая детерминированная модель с дефицитом
- •12.4. Стохастические модели управления запасами
- •12.5. Стохастические модели управления запасами с фиксированным временем задержки поставок
- •Вопросы для самопроверки
- •ЛИТЕРАТУРА
173
больше машин находится в состоянии ремонта, тем меньше их продолжает эксплуатироваться и тем меньше интенсивность потока вновь поступающих на ремонт машин. Для замкнутых СМО характерным является ограниченное число источников заявок, причем каждый источник "блокируется" на время обслуживания его заявки (т.е. он не выдает новых заявок). В подобных системах при конечном числе состояний СМО предельные вероятности будут существовать при любых значениях интенсивностей потоков заявок и обслуживании. Они могут быть вычислены, если вновь обратиться к процессу гибели и размножения.
11.8. Понятие о статистическом моделировании СМО (методе МонтеКарло)
Основное допущение, при котором анализировались рассмотренные выше СМО, состоит в том, что все потоки событий, переводящие их из состояния в состояние, были простейшими. При нарушении этого требования общих аналитических методов для таких систем не существует. Имеются лишь отдельные результаты, позволяющие выразить в аналитическом виде характеристики СМО через параметры задачи.
В случаях, когда для анализа работы СМО аналитические методы не применимы (или же требуется проверить их точность), используют универсальный метод статистического моделирования, или, как его называют, метод Монте-Карло.
Идея метода Монте-Карло состоит в том, что вместо аналитического описания СМО производится "розыгрыш" случайного процесса, проходящего в СМО, с помощью специально организованной процедуры. В результате такого "розыгрыша" получается каждый раз новая, отличная от других реализация случайного процесса. Это множество реализаций можно использовать как некий искусственно полученный статистический материал, который обрабатывается обычными методами математической статистики. После такой обработки могут быть получены приближенно любые характеристики обслуживания.
Например, необходимо проанализировать очереди, возникающие в магазине, для решения вопроса о расширении магазина. Время подхода покупателей и время их обслуживания носят случайный характер, и их распределения могут быть установлены по имеющейся информации. В результате взаимодействия этих случайных процессов создается очередь.
Согласно методу Монте-Карло перебирают (с помощью ЭВМ) все возможные состояния системы с различным числом покупателей в час, временем их обслуживания и т.п., сохраняя те же характеристики распределения. В результате многократного искусственного воссоздания работы магазина рассчитывают характеристики обслуживания, как если бы они были получены при наблюдении над реальным потоком покупателей.
При моделировании случайных явлений методом Монте-Карло мы пользуемся самой случайностью как аппаратом исследования. Заметим, что для сложных систем обслуживания с немарковским случайным процессом метод статистического моделирования, как правило, оказывается проще аналитического.
Вопросы для самопроверки
1.Что понимают под системой массового обслуживания? Из каких обслуживающих единиц она состоит? Что такое поток требований?
2.Какие показатели эффективности СМО используют на практике?
3.На какие два основных типа делят СМО?
4.Назовите структуру СМО и поясните содержание ее элементов.
174
5.Что такое случайный процесс? Что такое процесс с дискретными состояниями и процесс с непрерывным временем?
6.Какой процесс называют Марковским?
7.Что такое граф состояний?
8.Дайте понятие потока событий? Какие потоки событий вам известны?
9.Простейший поток.
10.Какие величины описывают уравнения Колмогорова?
11.Сформулируйте правило составления уравнений Колмогорова.
12.Что такое предельные вероятности состояний, каков их смысл?
13.Сформулируйте правило составления уравнений Колмогорова для предельных вероятностей.
14.Процесс гибели и размножений, граф состояний.
15.Запишите уравнения Колмогорова для процесса гибели и размножения.
16.Решение системы уравнений для процесса гибели и размножения.
17.Перечислите показатели эффективности СМО с отказами.
18.Запишите формулы для показателей эффективности одноканальной СМО с отказами.
19.В чем состоит отличие СМО с ограниченной очередью от СМО с неограниченной очередью? Как изменятся формулы для показателей эффективности СМО с ограниченной очередью?
