- •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.
48. Квадратична функція та її властивості.
Окремою частиною задач опуклого програмування є задачі квадратичного програмування. До них належать задачі, які мають лінійні обмеження, а функціонал являє собою суму лінійної і квадратичної функцій:
Квадратична функція n змінних називається квадратичною формою і може бути подана у вигляді:
,
де , , ,
причому матриця С завжди симетрична, тобто для всіх .
Квадратична форма Z(X) називається від’ємно означеною, якщо для всіх Х, крім Х = 0, значення Z(X) < 0 (якщо Z(X) ≤ 0, то маємо від’ємно напівозначену квадратичну форму), у протилежному разі Z(X) є додатно означеною (якщо Z(X) ≥ 0, то маємо додатно напівозначену квадратичну форму).
Квадратична форма Z(X) називається неозначеною, якщо вона додатна для одних значень Х і від’ємна для інших.
49. Постановка задачі квадратичного програмування та її математична модель.
Окремою частиною задач опуклого програмування є задачі квадратичного програмування. До них належать задачі, які мають лінійні обмеження, а функціонал являє собою суму лінійної і квадратичної функцій:
Деякі умови утворюють стосовно змінних систему (n + m) рівнянь з 2(n + m) невідомими.
Інші умови означають, що змінні не можуть одночасно мати додатні значення, тобто входити в базис разом. Якщо деякі k компонент вектора додатні, то відповідні їм компоненти вектора V дорівнюють нулю і лише (n – k) компонент відмінні від нуля (додатні). Отже, разом будуть мати не більш ніж n додатних компонент. З аналогічних міркувань випливає, що разом з буде n + m відмінних від нуля компонент, тобто це може бути базисний розв’язок системи, що утворена умовами. Для знаходження такого розв’язку можна застосувати симплексний метод.
Якщо зазначена система рівнянь має допустимий план (він буде єдиним), то оптимальний план відповідної задачі квадратичного програмування також існує.
50. Градієнтні методи розв’язання задач нелінійного програмування та їх класифікація.
Градієнтні методи належать до наближених методів розв’язування задач нелінійного програмування і дають лише певне наближення до екстремуму, причому за збільшення обсягу обчислень можна досягти результату з наперед заданою точністю, але в цьому разі є можливість знаходити лише локальні екстремуми цільової функції. Зауважимо, що такі методи можуть бути застосовані лише до тих типів задач нелінійного програмування, де цільова функція і обмеження є диференційовними хоча б один раз. Зрозуміло, що градієнтні методи дають змогу знаходити точки глобального екстремуму тільки для задач опуклого програмування, де локальний і глобальний екстремуми збігаються.
В основі градієнтних методів лежить основна властивість градієнта диференційовної функції — визначати напрям найшвидшого зростання цієї функції. Ідея методу полягає у переході від однієї точки до іншої в напрямку градієнта з деяким наперед заданим кроком.
Метод Франка — Вульфа, полягає в тому, що його процедура передбачає визначення оптимального плану задачі шляхом перебору розв’язків, які є допустимими планами задачі.