- •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.
60.Описати алгоритм перевірки на статистичну значущість та r в моделі парної лінійної регресії.
Д ля перевірки на статистичну значущість r вибирається статистичний критерій , який має розподіл Стьюдента із ступенем свободи.Таким чином , а так як випадкова величина має розподіл Стьюдента з ступенями свободи, то й випадкова величина Отже для перевірки статистичної значущості висувається гіпотеза при альтернативній .Надалі алгоритм правдивості здійснюється аналогічно перевірці значущості параметрів .
Найбільш важлива проблема яку необхідно розв’язати для стати аналізу поляг у виявлені лінійної залежності між У та Х.
Це пит можна виріш таки чином: висувається нульова гіпотеза про рівність нулю теоретик коеф . Схематик це можна зобр так:
. Перевіряючи правдивіть Н0 ми можемо дати 2 наслідки:1)відхиляється – це означ що є статистич значущим, тобто існує залеж між У таХ.2)Н0 не відхиляється статистич незначущий,між У та Х не існує залеж. Для перевірки правдивості Н0 вибирають за статистичний критерій випадкову величину : , що має розподіл Стьюдента із ступенями свободи.Знаходимо критичну точку , тоді тобто критичні точки розташовані симетрично відносно нуля. Область прийняття Н0 визначається як
- значення для оцінки .
Коли , то Н0 не відхиляють, в противному разі – відхиляють.
61. Коефіцієнт детермінації : формули для обчислення та сутність. Коефіцієнт детермінації (R2) - це частка пояснене дисперсії відхилень залежної змінної від її середнього значення. Залежна змінна пояснюється (прогнозується) за допомогою функції від пояснюють змінних, в окремому випадку є квадратом коефіцієнта кореляції між залежною змінною та її прогнозними значеннями за допомогою пояснюють змінних. Тоді можна сказати, що R2 показує, яка частка дисперсії результативної ознаки пояснюється впливом пояснюють змінних.
Формула для обчислення коефіцієнта детермінації:
де yi — вибіркові данні, а fi — відповідні їм значення
62. Теоретична та статистична лінійна множинна модель та їх запис у векторно-матричній формі.
У векторно –матричній формулі теоретичну модель можна подати так:
де
Тут - випадковий вектор компонент якого- i -характеризує відхилення викликані випадковим збуренням.
Е мпірична модель являє собою статистичний аналог теоретичної моделі. За її допомогою визначають статистичні оцінки параметрів. У векторно-матричній формулі систему запишемо так: де
Тут вектор – статистична оцінка теоретичного вектора лінійної множинної регресії. вектор похибок є статистичною оцінкою випадкового вектора цієї самої моделі.
63. Умови Гаусса-Маркова для парної та множинної лінійної регресії.
Для множинної регресії Умови Гаусса- маркова аналогічні,як і для парної, а також включають таку умову : між пояснювальними змінними моделі
Тоб то між векторами бути відсутня лінійна(кореляційна) залежність, тобто . У випадку, коли або близький до нуля, такі моделі назив. лінійними моделями з ознакою мультиколінеарності . При цьому, коли , між регресорами існує лінійна функціональна залежність, а коли близький до нуля – тісна статистична залежність.