
- •Глава 5. Применение балансовых моделей
- •5.2. Применение балансовых моделей
- •Провести расчеты для двух цехов.
- •Провести расчеты для двух цехов с использованием пакета Excel. Последовательность расчета в электронной таблице Excel ms Office:
- •Глава 6. Эконометрические модели
- •6.1. Основные понятия
- •6.2. Задачи экономического анализа, решаемые
- •Последовательность выполнения расчетов вэлектронной
- •6.3. Нелинейные эконометрические модели регрессии
- •Построение полиномиальной модели.
- •Проверка по критерию Фишера
- •Показывает, что модель адекватна.
- •Построение экспоненциальной модели. Для построения уравнения нелинейной регрессии вида
- •6.4. Прогнозирование на основе эконометрических моделей
- •Глава 7. Применение моделей управления запасами в управлении производством
- •7.1. Краткая характеристика задач управления запасами
- •7.2. Модели управления запаса
- •7.2.1. Однопродуктовая статическая модель
- •7.2.2. Однопродуктовая статическая модель с «разрывами» цен
- •7.2.3. Однопродуктовая статическая модель с дефицитом
- •7.2.4. Многопродуктовая статическая модель с ограничениями складских помещений
- •Глава 8. Имитационное моделирование
- •8.1. Применение имитационных моделей при исследовании
- •8.2. Применение имитационных моделей в управлении запасами
- •Требуется построить имитационную модель потока из 30 пассажиров, прибывающих на автобусную остановку, предположив, что моделируемый счетчик времени установлен на нулевой отметке.
- •9.2. Преимущества деревьев решений
- •9.3. Процесс конструирования дерева решений
- •Критерий расщепления
- •Большое дерево не означает, что оно «подходящее».
- •Остановка построения дерева
- •Сокращение дерева или отсечение ветвей
- •Выводы.
- •Задание для самостоятельной работы
- •Заключение
- •Библиографический список
- •Методы и алгоритмы принятия решений в экономике Учебное пособие
- •153003 Иваново, Рабфаковская, 34.
Выводы.
Метод деревьев решений можно кратко определить как иерархическое, гибкое средство предсказания принадлежности объектов к определенному классу или прогнозирования значений числовых переменных.
Качество работы рассмотренного метода деревьев решений зависит как от выбора алгоритма, так и от набора исследуемых данных. Несмотря на все преимущества данного метода, следует помнить, что для того, чтобы построить качественную модель, необходимо понимать природу взаимосвязи между зависимыми и независимыми переменными и подготовить достаточный набор данных.
Задание для самостоятельной работы
Задание 1. Рассмотрим задачу определения того, является ли ядовитым найденный гриб. Действие нашего «определителя грибов», как и других инструментов предсказания с помощью Data Mining, будет состоять из двух процессов: обучение модели (которое выполняется однократно и требует относительно много времени) и принятие решения о том, относится ли конкретный гриб к категории съедобных (что происходит неоднократно).
В качестве исходных данных для обучения модели мы воспользуемся набором данных о более чем 8 тыс. грибов, доступных в виде файла в формате CSV по адресу http://www.ics.uci.edu/~mlearn/MLRepository.html, который содержит таблицу, где имеется колонка Edibility с двумя возможными значениями (Еdible – съедобный и poisonous ядовитый). Для упрощения работы с этим набором данных переведем его на русский язык и импортируем в какую-нибудь СУБД, например в Access или в Microsoft SQL Server. Создадим в этой таблице автоматически заполняемое целочисленное ключевое поле оно потребуется при создании модели Data Mining на основе этих данных.
Теперь можно приступить к созданию самого дерева решений используя соответствующий инструментарий, например, системы STATIATICA.
Задание 2. Сформулировать собственную задачу, построить дерево решений и сделать выводы по полученным результатам.
Контрольные вопросы
В чем отличие задач классификации и прогнозирования методом деревьев решений.
Дайте определение критерия расщепления.
Преречислите преимущества метода деревьев решений.
Каковы правила остановки ветвления дерева решений.
Заключение
Уровень развития науки и техники, достигнутый к настоящему времени, позволяет задумывать и осуществлять процессы, в которые оказываются вовлеченными значительные ресурсы, и материальные, и людские. Это открывает невиданные ранее возможности, но и усложняет управление этими процессами. Использование математического аппарата для изучения зависимостей и прогнозирования поведения в будущем становится актуальным при принятии управленческих решений.
В учебном пособии представлены математические методы, используемые при формировании информационного обеспечения управления. Рассмотрены экспертные методы прогнозирования для решения трудноформализуемых задач, оптимизационные методы (линейного и динамического программирования), балансовые модели для определения объема выпуска, временные ряды и эконометрические модели для изучения зависимостей, модели управления запасами и имитационное моделирование.
Приводятся методики и примеры решения поставленных задач, даются задания для самостоятельной работы. Это позволяет получить практические навыки в построении моделей. Решение задач рассмотрено с использованием современных программных средств – пакетов Excel MS Office и STATISTICA.
Данная работа – это продолжение изданного ранее учебного пособия авторами по курсу «Информационное обеспечение стратегического менеджмента» [24]. Она не охватывает всего множества математических методов, так как является лишь частью математической подготовки специалистов. Данное пособие может быть полезно студентам экономических и информационных специальностей.