- •Інтегрована система економіко-математичних моделей.
- •Методологічні принципи побудови системи економіко-математичних моделей. Это ваще бредятина полная!!!))) привет!) как дела?)
- •Предмет та об’єкт “Математичне програмування”. Приклади економічних задач математичного програмування.
- •Загальна постановка задачі лінійного програмування. Приклади економічних задач лінійного програмування.
- •Модель задачі лінійного програмування в розгорнутому і скороченому вигляді, а також в матричній і векторній формах.
- •Властивості розв’язків задачі лінійного програмування. Геометрична інтерпретація задач лінійного програмування.
- •Означення планів задачі лінійного програмування (допустимий, опорний, оптимальний).
- •Побудова опорного плану задачі лінійного програмування, перехід до іншого опорного плану.
- •Теорема про оптимальність розв’язку задачі лінійного програмування симплекс-методом.
- •Знаходженння оптимального розв’язку задачі лінійного програмування. Алгоритм симплексного методу.
- •Симплексний метод із штучним базисом. Ознака оптимальності плану із штучним базисом.
- •Двоїста задача. Правила побудови двоїстої задачі. Симетричні й несиметричні двоїсті задачі.
- •Економічний зміст двоїстої задачі й двоїстих оцінок.
- •Теореми двоїстості, їх економічна інтерпретація.
- •Застосування теорем двоїстості в розв’язуванні задач лінійного програмування.
- •Аналіз розв’язків лінійних економіко-математичних моделей. Оцінка рентабельності продукції. Доцільність введення нової продукції.
- •Аналіз обмежень дефіцитних і недефіцитних ресурсів.
- •Аналіз коефіцієнтів цільової функції задач лінійного програмування.
- •Цілочислове програмування. Область застосування цілочислових задач в плануванні й управлінні виробництвом.
- •Геометрична інтерпретація задачі цілочислового програмування.
- •Метод Гоморі.
- •Постановка задачі нелінійного програмування, математична модель. Геометрична інтерпретація.
- •Графічний метод розв’язування задач нелінійного програмування.
- •Метод множників Лагранжа. Теорема Лагранжа. Алгоритм розв’язування задачі на безумовний екстремум.
- •Поняття про опуклі функції. Геометрична інтерпретація задачі опуклого програмування на площині.
- •Сідлова точка та необхідні і достатні умови її існування. Теорема Куна-Таккера.
- •Квадратична функція та її властивості.
- •Постановка задачі квадратичного програмування та її математична модель.
- •Градієнтні методи розв’язання задач нелінійного програмування та їх класифікація.
- •Метод Франка-Вульфа. Алгоритм розв’язування задачі нелінійного програмування.
- •Загальний вигляд теоретичного та емпіричного рівнянь парної лінійної регресії, їх складові елементи.
- •Причини, які спонукають появу випадкової складової в регресійних моделях.
- •Етапи побудови економетричної моделі.
- •Закони розподілу ймовірностей емпіричних параметрів , їх числові характерстики та статистичні властивості.
- •Що являється точковою незміщеною статистичною оцінкою для в моделі парної лінійної регресії?
- •Описати алгоритм побудови довірчих інтервалів із заданою надійністю для параметрів і функції регресії
- •Побудова точкового та інтервального прогнозу залежної змінної в моделі парної лінійної регресії.
- •Описати алгоритм перевірки на статистичну значущість та r в моделі парної лінійної регресії.
- •Коефіцієнт детермінації : формули для обчислення та сутність.
- •Теоретична та статистична лінійна множинна модель та їх запис у векторно-матричній формі.
- •Умови Гаусса-Маркова для парної та множинної лінійної регресії.
- •Чому дорівнює вектор в моделі множинної лінійної регресії?
- •85.Дайте означення економічного ризику. Поясніть його сутність.
- •86.Наведіть приклади економічних рішень, обтяжених ризиком. Ідентифікуйте ризики, здійсніть їх якісний аналіз.
- •88.Пояснити сутність таких понять як: джерело, об`єкт, суб`єкт економічного ризику.
- •87.Поясніть основні причини виникнення 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.
- •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.
- •105.Які цінні папери вважаються більш привабливими для інвестора: з більшим чи з меншим коефіцієнтом β? Навести приклади.
- •Сутність соціально-економічних систем.
- •Структура соціально-економічних систем.
Постановка задачі квадратичного програмування та її математична модель.
До задач квадратичного програмування 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 .
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. 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.
Градієнтні методи поділяються на дві групи:
До першої групи відносяться методи , при використанні яких досліджувані точки не виходять за межі області допустимих розв’язків задачі . Найбільш поширеним з таких методів являється метод Франка – Вулфа .
До другої групи відносяться методи , при використанні яких досліджуємі точки можуть як належити , так і не належити області допустимих розв’язків .Однак в результаті реалізації ітераціонного процесу находиться точка області допустимих розв’язків , оприділяюча прийнятне розв’язання . Із цих методів найбільш часто використовується метод штрафних функцій або метод Ерроу—Гурвіца .
Метод Франка-Вульфа. Алгоритм розв’язування задачі нелінійного програмування.
Метод Франка — Вульфа – один з градієнтних методів розв’язання задач нелінійного програмування, процедура якого передбачає визначення оптимального плану задачі шляхом перебору розв’язків, які є допустимими планами задачі.
Нехай необхідно відшукати
за лінійних обмежень: ;
Допустимо, що Х0 — початкова точка, що належить множині допустимих планів даної задачі. В деякому околі цієї точки нелінійну цільову функцію замінюють лінійною і потім розв’язують задачу лінійного програмування. Нехай розв’язок лінійної задачі дав значення цільової функції F0, тоді з точки Х0 в напрямку F0 необхідно рухатись доти, поки не припиниться зростання цільової функції. Тобто у зазначеному напрямку вибирають наступну точку Х1, цільова функція знову замінюється на лінійну, і знову розв’язується задача лінійного програмування.
Знаходимо послідовність точок , які поступово наближаються до оптимального плану початкової задачі. Ітераційний процес повторюється до того моменту, поки значення градієнта цільової функції не стане рівним нулю або виконуватиметься умова , де — досить мале число, яке означає потрібну точність обчислень.