- •Математическое моделирование Учебное пособие
- •Донецк 2006
- •Содержание
- •Введение
- •1. Построение экспериментальных законов распределения
- •1.1. Общие положения
- •1.2. Статистические критерии согласия
- •Г) Критерий согласия Романовского
- •1.3. Построение закона Пуассона
- •1.4. Построение показательного закона
- •1.5. Построение нормального закона
- •2. Модели оптимизации
- •2.1. Принципы формирования моделей оптимизации
- •Задача производственного планирования
- •Задача оптимальной загрузки оборудования
- •Задача о смесях
- •Транспортная задача
- •2.2. Графический метод решения задачи линейного программирования
- •Алгоритм графического метода решения злп
- •2.3. Универсальный метод решения линейных задач оптимизации
- •Алгоритм симплекс-метода решения злп
- •Пример 2.3.1. Решить злп (2.2.1), (2.2.5) симплекс-методом.
- •Критерий оптимальности опорного плана
- •Переход к следующей симплекс-таблице осуществляют по правилам:
- •2.4. Двойственная задача линейного программирования
- •Свойства двойственных задач
- •2.5. Методы анализа конфликтных ситуаций с помощью матричных игр
- •Алгоритм принципа максимина (минимакса)
- •Решение. Этаматричная игра имеет размерность (3х4), т.Е. Игрок а имеет три стратегии, а игрок в – четыре. Запишем ее в нормальной форме.
- •Последовательность действий при решении игры
- •3. Регрессионный анализ
- •3.1. Однофакторные модели
- •3.1.1. Построение однофакторных моделей
- •3.1.2. Оценка качества моделей
- •Свойства коэффициента корреляции
- •Построение доверительного интервала для прогнозного значения
- •Пример 3.1.Исследовать зависимость объема прибыли от количества торговых точек. Сделать прогноз в предположении, что количество торговых точек будет увеличено до 25.
- •Вспомогательная расчетная таблица
- •Пример 3.2.Исследовать зависимость показателяуи факторахс помощью логарифмической, степенной и полиномиальной регрессий.
- •3.1.3. Модели рядов динамики
- •3.2. Автокорреляция данных и остатков
- •3.2.1. Автокорреляция данных
- •Пример 3.4. Исследовать на автокорреляцию динамический ряд:
- •Вспомогательная таблица для расчета коэффициента автокорреляции
- •3.2.2. Автокорреляция остатков
- •Причины возникновения автокорреляции
- •Вспомогательная таблица для расчета d-статистики
- •С помощью формулы (3.2.2) найдем d -статистику:
- •3.3. Мультиколлинеарность
- •Причины возникновения мультиколлинеарности:
- •Методы исследования мультиколлинеарности
- •Меры по устранению мультиколлинеарности:
- •3.4. Множественная линейная регрессия
- •3.4.1. Построение множественной линейной регрессии
- •Расчет элементов коэффициента
- •3.4.2. Матричный подход
- •Построение корреляционной матрицы
- •Построение модели множественной линейной регрессии и ее анализ
- •3.4.4. Нелинейные модели
- •3.4.5. Эластичность
- •4.Экспертные оценки и элементы теории графов
- •4.1. Ранговая корреляция
- •4.1.1. Экспертное оценивание
- •4.1.2. Этапы работ в системе экспертных оценок
- •4.1.3. Метод ранговой корреляции
- •Вспомогательные расчеты
- •Б) Случай многих экспертов
- •4.2. Элементы сетевого планирования
- •Основные элементы сетевого графика
- •Основные требования к сетевой модели
- •5. Индивидуальные задания для самостоятельной работы студентов по курсу “математическое моделирование”
- •5.1. Задания к разделу “Построение законов распределения”
- •5.2. Задания к разделу “Математическое программирование”
- •5.3. Задания к разделу “Регрессионный анализ”
- •Задание 2.
- •Задание 3.
- •5.4. Задания к разделу “Экспертные оценки и элементы теории графов” Задание 1.
- •Значение критерия Пирсона
- •Критерий Колмогорова
- •Критерий Колмогорова
- •Квантили распределения Стьюдента
- •Коефициентов автокорреляции
- •Литература
- •Пеніна Галина Геннадіївна, канд. Екон. Наук, доцент
1.5. Построение нормального закона
Для формирования нормального закона имеется две функции:
Плотность вероятности
,
где ,- функция четная, значения функции– находят по таблицам (приложение В);
- среднее квадратическое отклонение:,
где ,.
, (1.5.1)
,– длина интервала.
Функция вероятностей
,
где - функция нечетная, значения функциинаходят по таблицам (приложение Г)
,,- начало интервала,- конец интервала.
, (1.5.2)
.
Пример 1.3. В результате измерения диаметров у 150 деталей получен ряд отклонений от номинального размера. Проверить гипотезу о том, что данные отклонения подчиняются нормальному закону.
Отклонение от номинала |
Частота |
|
24,5 – 27,5 |
1 |
26 |
27,5 – 30,5 |
4 |
29 |
30,5 – 33,5 |
13 |
32 |
33,5 – 36,5 |
23 |
35 |
36,5 – 39,5 |
22 |
38 |
39,5 – 42,5 |
29 |
41 |
42,5 – 45,5 |
29 |
44 |
45,5 – 48,5 |
16 |
47 |
48,5 – 51,5 |
11 |
50 |
51,5 – 54,5 |
2 |
53 |
|
150 |
|
Решение. Для нахождения среднего квадратического отклонения составим вспомогательную расчетную таблицу.
Таблица 1.8
Вспомогательная расчетная таблица
-
26
3
78
676
2028
29
6
174
841
5046
32
13
416
1024
13312
35
23
805
1225
28175
38
28
1064
1444
40432
41
32
1312
1681
53792
44
29
1276
1936
56144
47
14
658
2209
30926
50
2
100
2500
5000
150
5883
-
234855
Имеем ,.
Тогда .
Сформируем функции
По формуле (1.5.1) - .
По формуле (1.5.2) - .
Таблица 1.9
Расчеты по плотности вероятности
|
|
|
| |||
26 |
3 |
-2,52 |
0,003179 |
1 |
2 |
0,50 |
29 |
6 |
-1,95 |
0,011365 |
5 |
1 |
0,20 |
32 |
13 |
-1,38 |
0,029362 |
13 |
0 |
0,00 |
35 |
23 |
-0,81 |
0,054808 |
25 |
3 |
0,12 |
38 |
28 |
-0,23 |
0,074101 |
33 |
29 |
0,88 |
41 |
32 |
0,34 |
0,071814 |
32 |
0 |
0,00 |
44 |
29 |
0,91 |
0,050291 |
23 |
41 |
1,78 |
47 |
14 |
1,48 |
0,026594 |
12 |
4 |
0,33 |
50 |
2 |
2,06 |
0,009116 |
4 |
4 |
1,00 |
|
150 |
- |
- |
149 |
- |
4,81 |
Имеем,,. По таблицам Пирсона (приложение А) находим. В результате.
Вывод: гипотеза о нормальном законе не отвергается.
Таблица 1.10
Расчет по функции вероятности
|
|
|
|
|
|
|
|
|
24,5–27,5 |
-2,81 |
-2,24 |
-0,4976 |
-0,4875 |
0,0101 |
2 |
2 |
1 |
27,5–30,5 |
-2,24 |
-1,66 |
-0,4875 |
-0,4515 |
0,036 |
5 |
0 |
0 |
30,5–33,5 |
-1,66 |
-1,09 |
-0,4515 |
-0,3621 |
0,0894 |
13 |
0 |
0 |
33,5–36,5 |
-1,09 |
-0,52 |
-0,3621 |
-0,1985 |
0,1636 |
25 |
2 |
0,08 |
36,5–39,5 |
-0,52 |
0,05 |
-0,1985 |
0,0199 |
0,2184 |
33 |
23 |
0,696 |
39,5–42,5 |
0,05 |
0,63 |
0,0199 |
0,2357 |
0,2158 |
32 |
0 |
0 |
42,5–45,5 |
0,63 |
1,20 |
0,2357 |
0,3849 |
0,1492 |
22 |
44 |
2 |
45,5–48,5 |
1,20 |
1,77 |
0,3849 |
0,4616 |
0,0767 |
12 |
6 |
0,5 |
48,5–51,5 |
1,77 |
2,34 |
0,4616 |
0,4909 |
0,0293 |
4 |
6 |
1,5 |
|
- |
- |
- |
- |
- |
148 |
- |
5,776 |
Имеем ,,. По таблицам Пирсона (приложение А) находим. В результате.
Вывод: гипотеза о нормальном законе не отвергается.
б) Используем критерий Колмогорова.
Таблица 1.11
Проверка закона Пуассона по критерию Колмогорова
|
|
|
|
|
|
26 |
0,02 |
0 |
0,003179 |
0 |
0 |
29 |
0,04 |
0,02 |
0,011365 |
0,003179 |
0,016821 |
32 |
0,09 |
0,06 |
0,029362 |
0,014544 |
0,045456 |
35 |
0,15 |
0,15 |
0,054808 |
0,043906 |
0,102761 |
38 |
0,19 |
0,30 |
0,074101 |
0,098714 |
0,201286 |
41 |
0,21 |
0,49 |
0,071814 |
0,172815 |
0,313852 |
44 |
0,19 |
0,70 |
0,050291 |
0,244629 |
0,455371 |
47 |
0,09 |
0,89 |
0,026594 |
0,29492 |
0,598413 |
50 |
0,01 |
0,99 |
0,009116 |
0,321514 |
0,665153 |
По формуле (1.2.2) рассчитаем характеристику Колмогорова
.
Вывод:вероятность=1, по данному критерию использование закона вполне допустимо.
в) Используем критерий Ястремского.
Таблица 1.12
Проверка закона Пуассона по критерию Ястремского
|
|
|
|
|
3 |
1 |
0,003179 |
0,996821 |
4,012757 |
6 |
5 |
0,011365 |
0,988635 |
0,202299 |
13 |
13 |
0,029362 |
0,970638 |
0 |
23 |
25 |
0,054808 |
0,945192 |
0,169278 |
28 |
33 |
0,074101 |
0,925899 |
0,818206 |
32 |
32 |
0,071814 |
0,928186 |
0 |
29 |
23 |
0,050291 |
0,949709 |
1,648102 |
14 |
12 |
0,026594 |
0,973406 |
0,34244 |
2 |
4 |
0,009116 |
0,990884 |
1,0092 |
|
|
|
|
8,202281 |
Таким образом, Q=8,2022. Посколькуk= 9,Z= 0,6, то по формуле (1.2.3) имеем:
А =.
Вывод:посколькуА< 3, то по этому критерию гипотеза о законе принимается.
г) Используем критерий Романовского.
Поскольку = 5,776,q = 9 – 2 = 7, то по формуле (1.2.3) имеем
.
Вывод:величинаменьше 3 – значит, в соответствии с этим критерием гипотеза о законе Пуассона не отвергается.