- •Оглавление
- •Тема 8. Имитационное моделирование 65
- •Рабочая программа
- •Тема 1. Основные понятия экономического моделирования
- •Тема 2. Модели межотраслевого баланса производства и распределения продукции
- •Тема 3. Аппроксимация и экстраполяция в экономическом моделировании
- •Тема 4. Модели задач линейного программирования
- •Тема 5. Корреляционный и регрессионный анализ в экономических исследованиях
- •Тема 6. Производственные функции
- •Тема 7. Сетевое планирование и управление (спу)
- •Тема 8. Имитационное моделирование
- •Рекомендуемая литература а) основная
- •Б) дополнительная
- •Вопросы для зачетов по дисциплине
- •Тема 1. Основные понятия экономического моделирования
- •1.1. Социально-экономические системы, методы их описания и исследования
- •1.2. Классификация моделей
- •1.3. Литература по теме 1
- •Тема 2. Модели межотраслевого баланса производства и распределения продукции
- •2.1. Статическая модель макроэкономического межотраслевого баланса производства и распределения продукции
- •2.4. Литература по теме 2
- •Тема 3. Аппроксимация и экстраполяция в экономическом моделировании
- •3.1. Метод наименьших квадратов и его использование для нахождения аппроксимирующей функции
- •3.2 Пакет программ daez
- •3.1. Литература по теме 3
- •Тема 4. Модели задач линейного программирования
- •4.1. Метод линейного программирования, его особенности
- •Экономическая интерпретация двойственной задачи Исходная задача
- •Решение
- •Результаты
- •Результаты
- •4.3. Литература по теме
- •Тема 5. Корреляционный и регрессионный анализ в экономических исследованиях
- •5.1. Задачи корреляционного и регрессионного анализа
- •5.2 Линейная парная регрессия
- •5.3. Коэффициент корреляции и его свойства
- •Основные свойства коэффициента корреляции
- •Литература по теме 5
- •Тема 6. Производственные функции
- •6.1. Основные понятия и соотношения производственной функции
- •6.2 Геометрическое представление производственной функции. Кривые безразличия
- •Свойства кривых безразличия
- •6.3 Степенная производственная функция. Производственная функция Кобба-Дугласа
- •6.4. Литература по теме 6
- •Тема 7. Сетевое планирование и управление (спу)
- •7.1. Назначение и области применения спу
- •7.2. Cетевая модель и ее основные элементы
- •7.3. Порядок и правила построения сетевых графиков
- •7.4. Упорядочивание сетевого графика и нахождение критического пути
- •7.5. Временные параметры сетевых графиков
- •Формулы для вычисления временных параметров:
- •7.6. Коэффициент напряженности работы. Анализ и оптимизация сетевого графика
- •7.7. Литература по теме 7
- •Тема 8. Имитационное моделирование
- •8.1. Имитационное моделирование, его сущность
- •8.2. Порядок построения имитационной модели
- •8.3. Структура моделирующего алгоритма для оптимизационной модели со случайными факторами
- •X цикл по X
- •8.4. Литература по теме 8
- •Задачи для решения на практических (лабораторных) занятиях
- •Межотраслевой баланс
- •Межотраслевой баланс
- •Аппроксимация и экстраполяция в экономическом моделировании
- •Аппроксимация и экстраполяция в экономическом моделировании
- •Модели задач линейного программирования
- •Модели задач линейного программирования
- •Модели задач линейного программирования Задача о диете
- •Модели задач линейного программирования Транспортная задача
- •Корреляционный и регрессионный анализ в экономических исследованиях
- •Корреляционный и регрессионный анализ в экономических исследованиях
- •Сетевое планирование и управление
- •Исходный график:
- •Продолжительность работ:
- •Сетевое планирование и управление
- •Методические указания по выполнению студентами заочного обучения контрольных работ (домашних заданий)
- •Тема: Модели межотраслевого баланса производства и распределения продукции
- •Тема: Модели межотраслевого баланса производства и распределения продукции
- •Тема: Модели межотраслевого баланса производства и распределения продукции
- •Тема: Аппроксимация и экстраполяция в экономическом моделировании
- •Тема: Модели задач линейного программирования
- •Тема: Модели задач линейного программирования
- •Тема: Модели задач линейного программирования (транспортная задача)
- •Тема: Производственные функции
- •Тема: Сетевое планирование и управление
- •Тема: Сетевое планирование и управление
- •Исходный график:
- •Алгоритм решения систем уравнений в microsoft excel
- •Примеры систем уравнений для упражнений Используя Microsoft Excel, решить системы уравнений:
- •Алгоритм решения задач линейного программирования в microsoft excel
- •Примеры линейного программирования для упражнений Используя Microsoft Excel, найти максимум функции f при заданных ограничениях:
- •Найти минимум функции f при следующих ограничениях:
- •Алгоритм обращения матриц в microsoft excelгоритм обращения матриц в 0000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000
- •Приложение. Примерная схема межотраслевого баланса производства и распределения продукции
- •Учебное издание Боков Иван Иванович Математические методы и модели в экономике
- •344002, Ростов-на-Дону, б. Садовая, 69, ргэу «ринх».
2.4. Литература по теме 2
-
Карасев А.И. и др. Математические методы и модели в планировании: Учебное пособие для экономических вузов/ А.И.Карасев, Н.Ш.Кремер, Т.И.Савельева: Под ред. А.И.Карасева. - М.: Экономика, 1987. - С.39-68.
-
Математическая экономика на персональном компьютере. Пер. с яп. / М.Кубонива, М.Табата, С.Табата, Ю.Хасэбэ: Под ред. М.Кубонива: Под ред. и с предисл, Е.З. Демиденко. - М.: Финансы и статистика, 1991. - С.156-215.
-
Моделирование народнохозяйственных процессов. Учебное пособие. Под ред. И.В.Котова. - Л.: Изд-во Ленинградского университета, 1990. - С.95-110.
-
Терехов Л.Л. Моделирование экономических систем: Учеб. пособие / Л.Л. Терехов; Ростовский гос. экономический ун-т «РИНХ». – Ростов н/Д, 2008. – с. 40-54.
Тема 3. Аппроксимация и экстраполяция в экономическом моделировании
3.1. Метод наименьших квадратов и его использование для нахождения аппроксимирующей функции
В экономике важными элементами анализа и прогнозирования являются аппроксимация и экстраполяция.
Аппроксимацией называют замену одних математических объектов другими, близкими к исходным. Аппроксимация функций на основе табличных данных позволяет прогнозировать числовые характеристики и качественные свойства изучаемого объекта.
Прогноз развития на будущий период с использованием аппроксимирующей функции и переносе выявленных закономерностей на будущее называют экстраполяцией.
Проблема состоит в отыскании аппроксимирующей функции. Одним из распространенных способов нахождения аппроксимирующей функции является метод наименьших квадратов.
Первоначально на основе табличных данных строится диаграмма рассеяния. Диаграмма рассеяния - это график показывающий значения пары экономических переменных для различных экономических единиц или временных периодов. Затем визуально или специальными приемами предполагается общий вид аппроксимирующей функции. Параметры такой функции определяют методом наименьших квадратов. Например, для функциональной зависимости у = а0 + а1х + а2х2 параметры а0, а1, а2.
Рассмотрим сущность метода наименьших квадратов.
Пусть установлено, что между переменными х и у существует некоторая функциональная зависимость у = f (x), которую необходимо определить. Из статистического сборника в таблицу записаны n пар соответствующих значений этих переменных:
X |
x1 |
x2 |
... |
xi |
... |
xn-1 |
xn
|
Y |
y1 |
y2 |
... |
yi |
... |
yn-1 |
yn
|
Для решения поставленной задачи представим эти данные графически в виде диаграммы рассеяния.
y
. An
AnI
. Ai An-1I
AiI
. A2 . An-1
A2I ynI yn
A1I yiI yi yn-1I yn-1
A1 y2I y2
y1I y1
x
x1 x2 ... хi ... xn-1 xn
В прямоугольной системе координат парам переменных ( х1,y1 ); (x2,y2); ... ; ( xi,yi); ... ; ( xn-1,yn-1 ); ( xn,yn ) соответствуют точки А1, A2, ... , Ai, ... , An-1, An.
Если между переменными величинами х и у реально существует некоторая функциональная зависимость, то точки А1, A2, ... , Ai, ... , An-1, An будут располагаться около плавной линии, являющейся графическим отображением этой функциональной зависимости. Задача сводится к нахождению уравнения этой линии. Это уравнение будет выражать искомую зависимость.
Однако, если исходить только из эмпирических данных, то можно подобрать много плавных кривых, которые близко подходят к построенным точкам. На вопрос о том, какой из линий отдать предпочтение, в общем случае определенного ответа дать нельзя. Также трудно решить и вопрос об уравнении этой линии.
Поступают следующим образом: вначале выбирают определенный вид уравнения. Этот вид определяется расположением построенных точек на чертеже, а также существом рассматриваемого явления.
После того, как форма уравнения выбрана, остается определить его параметры.
Например, если между переменными х и у существует линейная зависимость у = ах + b, задача сводится к определению параметров а и b.
Если процесс протекает так, что зависимость между переменными х и у выражается в виде показательной функции,
у = bах
то подлежат определению также два параметра.
Часто встречаются случаи, когда между х и у существует параболическая зависимость,
у = а0 + а1х + а2х2
которая определяется тремя параметрами: а0, a1, a2.
Иногда имеет место гиперболическая зависимость:
у = а/x + b ( 3.1.3)
В данном случае подлежат определению два параметра
и т. п.
Численные значения параметров уравнений наиболее точно определяют методом наименьших квадратов.
Вернемся к нашей диаграмме рассеяния. Предположим, что между переменными х и у существует линейная зависимость.
Может случиться, что проведенная прямая пройдет через все эмпирически найденные точки. Такой идеальный вариант не вызовет проблем в нахождении параметров a и b. Достаточно найти уравнение прямой, проходящей через две точки из имеющихся n точек.
На практике такая ситуация может встретиться лишь в виде исключения. В общем случае построенные точки лишь приблизительно лежат на этой прямой. Сама прямая отражает главным образом тенденцию изменения величин. Таким образом, пусть не все точки А1, A2, ... , Ai, ... , An-1, An лежат на прямой. Подстановка в уравнение у = ах + b вместо х значений x1, x2, ... , xi, ... , xn-1, xn дает нам ординаты точек прямой у1I, y2I, ... , yiI, ... , yn-1I, ynI, не совпадающие с ординатами точек А1, A2, ... , Ai, ... , An-1, An. Поэтому разности между ними
D1 = ах1 + b - y1
D2 = ах2 + b - y2
......................... ( 3.1.4)
Di = ахi + b - yi
.........................
Dn = ахn + b - yn
отличны от нуля, хотя некоторые из них могут оказаться равными нулю. Графически эти разности представляются в некотором масштабе длинами отрезков A1A1I, A2A2I, ... , AnAnI.
Изменяя параметры а и b, мы изменяем величины отклонений D1, D2, ... , Di, ... , Dn . Они могут или уменьшаться, или возрастать.
Французский математик Лежандр в 1806 году предложил взять в качестве меры отклонений сумму S квадратов этих отклонений:
S = D12 + D22 + ... + Di2 + ... + Dn2 = (ах1 + b - y1 )2+(ах2+b- y2 )2+ + ... +
+ ( aхi+ + b - yi )2 + ... + ( ахn + b - yn )2
( 3.1.5)
В качестве искомой Лежандр считал ту прямую, для которой сумма квадратов отклонений наименьшая. Отсюда и название: способ или метод наименьших квадратов.
В рассматриваемом случае сумма S является функцией переменных a и b. Условием минимума функции нескольких переменных является обращение в нуль ее частных производных по этим переменным. Выполненные преобразования позволяют получить систему нормальных уравнений:
n b + a å xi = å yi
b å xi + a å xi2 = å xi yi
( i = 1, 2, ... , n ) ( 3.1.6)
Для отыскания параметров a и b необходимо теперь решить систему двух уравнений относительно этих двух параметров.
Если зависимость между переменными х и у выражается показательной функцией y = bax, то логарифмы параметров этой функции находят путем решения системы:
n ln b + ln a å xi = å ln yi
ln b å xi + ln a å xi2 = å xi ln yi
( i = 1, 2, ... , n ) ( 3.1.7)
В тех случаях, когда между переменными х и у существует гиперболическая зависимость (у = а/x + b ), параметры а и b определяются из системы уравнений:
n b + a å 1/xi = å yi
b å xi + a å 1/xi2 = å 1/xi yi
( i = 1, 2, ... , n ) ( 3.1.8)
Если между величинами х и у существует параболическая зависимость, то параметры а0, a1, a2 этой функции определяются следующей системой уравнений:
n a0 + a1 å xi + a2 å xi2 = å yi
a0å xi + a1 å xi2 + a2 å xi3 = å xi yi
a0å xi2 + a1 å xi3 + a2 å xi4 = å xi2yi
( i = 1, 2, ... , n ) ( 3.1.9)