- •4. Сутність економіко-математичної моделі.
- •6. Схема математичного моделювання економічних процесів.
- •7. Етапи математичного моделювання.
- •8. Випадковість і невизначеність процесів економічних систем.
- •9. Причини виникнення невизначеності.
- •10. Системні характеристики соціально-економічних систем.
- •11. Стійкість розвитку соціально-економічних систем
- •12. Ефективність соціально-економічних систем.
- •13. Маневреність, надійність, напруженість, еластичність соціально-економічних систем.
- •14. Як можливо покращувати системні характеристики
- •15. Сутність адекватності економіко-математичних моделей.
- •16. Проблеми оцінювання адекватності моделі.
- •17. Способи перевірки адекватності економіко-математичних моделей.
- •18. Поняття адаптації та адаптивних систем.
- •19. Елементи класифікації економіко-математичних моделей.
- •20. Сутність аналітичного та комп’ютерного моделювання.
- •21. Системи економіко-математичних моделей.
- •22. Інтегрована система економіко-математичних моделей.
- •23. Методологічні принципи побудови системи економіко-математичних моделей.
- •24. Предмет та об’єкт “Математичне програмування”. Приклади економічних задач математичного програмування.
- •25. Загальна постановка задачі лінійного програмування. Приклади економічних задач лінійного програмування.
- •26. Модель задачі лінійного програмування в розгорнутому і скороченому вигляді, а також в матричній і векторній формах.
- •27. Властивості розв’язків задачі лінійного програмування. Геометрична інтерпретація задач лінійного програмування.
- •28. Означення планів задачі лінійного програмування (допустимий, опорний, оптимальний).
- •29. Побудова опорного плану задачі лінійного програмування, перехід до іншого опорного плану.
- •30. Теорема про оптимальність розв’язку задачі лінійного програмування симплекс-методом.
- •31. Знаходженння оптимального розв’язку задачі лінійного програмування. Алгоритм симплекс-методу
- •32. Симплексний метод із штучним базисом. Ознака оптимальності плану із штучним базисом.
- •33. Двоїста задача. Правила побудови двоїстої задачі. Симетричні й несиметричні двоїсті задачі.
- •34. Економічний зміст двоїстої задачі й двоїстих оцінок.
- •35. Теореми двоїстої задачі лінійного програмування,її економ інтерпретація.
- •36 Застосування теорем двоїстості в розв’язуванні задач лінійного програмування.
- •37 Аналіз розв’язків лінійних економіко-математичних моделей. Оцінка рентабельності продукції. Доцільність введення нової продукції.
- •38 Аналіз обмежень дефіцитних і недефіцитних ресурсів.
- •40 Цілочислове програмування. Область застосування цілочислових задач в плануванні й управлінні виробництвом.
- •41. Геометрична інтерпретація задачі цілочислового програмування.
- •42. Метод Гоморі.
- •43. Постановка задачі нелінійного програмування, математична модель. Геометрична інтерпретація.
- •44. Графічний метод розв’язування задач нелінійного програмування.
- •45. Метод множників Лагранжа. Теорема Лагранжа. Алгоритм розв’язування задачі на безумовний екстремум.
- •46. Поняття про опуклі функції. Геометрична інтерпретація задачі опуклого програмування на площині.
- •47. Сідлова точка та необхідні і достатні умови її існування. Теорема Куна-Таккера.
- •48. Квадратична функція та її властивості.
- •49. Постановка задачі квадратичного програмування та її математична модель.
- •50. Градієнтні методи розв’язання задач нелінійного програмування та їх класифікація.
- •51. Метод Франка-Вульфа. Алгоритм розв’язування задачі нелінійного програмування.
- •52. Загальний вигляд теоретичного та емпіричного рівнянь парної лінійної регресії, їх складові елементи.
- •53. Причини, які спонукають появу випадкової складової в регресійних моделях.
- •54. Етапи побудови економетричної моделі.
- •55. Параметри моделі парної лінійної регресії, їх сутність та оцінювання.
- •56.Закони розподілу ймовірностей емпіричних параметрів , їх числові характерстики та статистичні властивості.
- •57.Що являється точковою незміщеною статистичною оцінкою для в моделі парної лінійної регресії?
- •58. Описати алгоритм побудови довірчих інтервалів із заданою надійністю для параметрів і функції регресії
- •59.Побудова точкового та інтервального прогнозу залежної змінної в моделі парної лінійної регресії.
- •60.Описати алгоритм перевірки на статистичну значущість та r в моделі парної лінійної регресії.
- •62. Теоретична та статистична лінійна множинна модель та їх запис у векторно-матричній формі.
- •63. Умови Гаусса-Маркова для парної та множинної лінійної регресії.
- •64. Чому дорівнює вектор в моделі множинної лінійної регресії?
- •65. Чому дорівнює м( ), cov , m( ) в моделі множинної лінійної регресії?
- •66. Як визначається точкова незміщена статистична оцінка для в моделі множинної лінійної регресії?
- •67. Як побудувати довірчий інтервал із заданною надійністю для та теоретичної множинної лінійної регресії?
- •68. Перевірки статистичної значущості та перевірка загальної якості множинної регресії.
- •69. Суть та наслідки мультиколінеарності. Методи усунення з моделі ознаки мультиколінеарності.
- •70. Як виявити ознаку мультиколінеарності в лінійних моделях? в якому випадку: , , ?
- •71.Виробнича функція Кобба-Дугласа. Визначення для неї .
- •72.Поліноміальна та гіперболічна моделі, визначення для них .
- •73.Суть гетероскедастичності. Які негативні наслідки викликає ознака гетероскедастичності в лінійних моделях?
- •74.Які лінійні моделі з порушенням ознаки гетероскедастичності належать до першої, другої та третьої групи? Чому дорівнює для лінійних моделей, що належать цих групи?
- •75. В чому полягає суть тесту гельдфельда-квандта? послідовність його виконання.
- •76. Узагальнений метод найменших квадратів. Визначення вектора і .
- •77. Зважений метод найменших квадратів. Визначення вектора і за умов а) та б) .
- •78. Часовий ряд в загальному вигляді. Поняття тренду, сезонної, циклічної та випадкової компоненти. Основні етапи аналізу числових рядів?
- •79. Що називається середнім темпом та середнім комулятивним темпом часового ряду?
- •80. В чому полягає суть ковзної середньої?
- •81. Який загальний вигляд має лінійний фільтр?
- •82. Автокореляція часового ряду, коефіцієнт автокореляці, автокореляційна функція.
- •83. Що слід розуміти під поняттям «аналітичне вирівнювання рядів»? Описати етапи аналітичного вирівнювання.
- •84. Що називається стаціонарним часовим рядом? Які його основні характеристики?
- •85. Дайте означення економічного ризику. Поясніть його сутність
- •86. Наведіть приклади економічних рішень, обтяжених ризиком. Ідентифікуйте ризики, здійсніть їх якісний аналіз.
- •87.Поясніть основні причини виникнення економічного ризику.
- •88. Пояснити сутність таких понять як: джерело, об`єкт, суб`єкт економічного ризику.
- •89. Назвіть основні види джерел ризику, в певному виді економічної діяльності, й самих ризиків
- •90. Сутність кількісного аналізу ризику. Навести відповідні приклади
- •91. Сутність кількісного аналізу ризику за допомогою методів імітаційного моделювання.
- •92. Основні засади кількісного аналізу ризику методом аналогій.
- •93. Сутність та основні кроки здійснення аналізу ризику за допомогою методу аналізу чутливості. Навести відповідний приклад.
- •94. Чому для кількісного вимірювання величини ризику використовують декілька показників? Навести окремі з них, та подати відповідні приклади.
- •95. Які Ви знаєте показники кількісної оцінки ризику в абсолютному вираженні? Навести приклади.
- •96. Чому та в якому випадку для оцінювання переваг одного з декількох варіантів проектів використовують коефіцієнт варіації, узагальнений коефіцієнт варіації?
- •97. Навести приклади показників ступеня ризику у відносному вираженні.
- •98. В яких ситуаціях доцільніше оцінювати ризик за допомогою семіваріації? За допомогою коефіцієнта семіваріації? Навести приклади.
- •99. Пояснити, що означають терміни: “допустимий”, “критичний”, “катастрофічний” ризик, навести приклади кількісного визначення цих величин.
- •100. Розкрити зміст основних етапів процесу управління ризиком. Навести приклади.
- •101. Наведіть приклади ситуацій, коли доцільно використовувати зовнішні способи зниження ступеня ризику. Дайте відповідні пояснення.
- •102. В яких випадках доцільно й можливо застосовувати страхування як спосіб зниження ризику? Наведіть приклади.
- •103. Для розв’язання яких проблем та в яких сферах економіки можна застосовувати теорію портфеля? Наведіть приклади та дайте відповідні пояснення.
- •104. Суть поняття “систематичний ризик ” та “специфічний ризик ” цінного паперу. Навести приклади та дати відповідні пояснення.
- •Сутність соціально-економічних систем.
- •Структура соціально-економічних систем.
45. Метод множників Лагранжа. Теорема Лагранжа. Алгоритм розв’язування задачі на безумовний екстремум.
Розглянемо метод множників Лагранжа на прикладі такої задачі нелінійного програмування:
Z =f (х1, х2... хп) —> mах (min) за умов
q1(x1,x2,…xn)=bi,i=1, де функція f (х1, x2, ..., хп) i q1(x1, x2, …xn) диференційовані.
Ідея методу множників Лагранжа полягає в заміні даної задачі простішою: на знаходження екстремуму складнішої функції, але без обмежень. Ця функція називається функцією Лагранжа і подається у вигляді
де λi— не визначені поки що величини, так звані множники Лагранжа.
Знайшовши частинні похідні функції L за всіма змінними і прирівнявши їх до нуля:
запишемо систему
що є, як правило, нелінійною.
Розв'язавши цю систему, знайдемо X* =(х1, x2, ..., хп) i λ0= (λ1, λ 2, ..., λm) — стаціонарні точки. Оскільки їх визначено з необхідної умови екстремуму, то в них можливий максимум або мінімум.
46. Поняття про опуклі функції. Геометрична інтерпретація задачі опуклого програмування на площині.
Опукле програмування розглядає методи розв’язування задач нелінійного програмування, математичні моделі яких містять опуклі або угнуті функції.
Загальний вигляд задачі опуклого програмування такий:
, (1.1)
, ; (1.2)
, (1.3)
де , — угнуті функції.
Аналогічний вигляд має задача для опуклих функцій.
Позначимо: , тоді , і маємо:
, (8.34)
; (8.35)
, (8.36)
де , — опуклі функції.
Множина допустимих планів задачі, що визначається системою (1.2), є опуклою.
Як наслідок теорем 1.2 та 1.3 справджується таке твердження: точка локального максимуму (мінімуму) задачі опуклого програмування (1.1)—(1.3) є одночасно її глобальним максимумом (мінімумом).
Отже, якщо визначено точку локального екстремуму задачі опуклого програмування, то це означає, що знайдено точку глобального максимуму (мінімуму).
47. Сідлова точка та необхідні і достатні умови її існування. Теорема Куна-Таккера.
Точка називається сідловою точкою функції Лагранжа, якщо для всіх виконується співвідношення:
. (1.1)
Для диференційовних функцій та знайдемо необхідні умови існування сідлової точки.
Об’єднуючи всі три випадки для невід’ємних координат, маємо необхідні умови сідлової точки:
для тих індексів j, де .
Для недодатних координат необхідна умова має вигляд:
для тих індексів j, де .
І нарешті, якщо на знак хj умови не накладаються, то необхідною умовою є:
, — довільного знака.
Узагальнення всіх випадків приводить до рівняння: .
Розглядаючи другу частину нерівності (1.1), за допомогою аналогічних міркувань встановлюємо необхідні умови для похідних по функції Лагранжа в сідловій точці:
для тих індексів і, де ,
для тих індексів і, де ,
для тих індексів і, де має довільний знак.
Отже, справджується рівняння: .
Сукупність цих співвідношень становить необхідні умови, які має задовольняти сідлова точка функції Лагранжа для точок, що належать множині . При цьому повинна мати частинні похідні по всіх компонентах векторів .
Теорема Куна—Таккера:
Вектор Х* є оптимальним розв’язком задачі тоді і тільки тоді, коли існує такий вектор , що при для всіх точка є сідловою точкою функції Лагранжа ,і функція мети для всіх угнута, а функції — опуклі.