- •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.
Описати алгоритм перевірки на статистичну значущість та r в моделі парної лінійної регресії.
Для того щоб перевірити на статистичну значущість висувається нульова гіпотеза про рівність нулю теоретичного коефіцієнта за альтернативної гіпотези, що він не дорівнює нулеві.
Сформульовану гіпотезу називають гіпотезою про статистичну значущість коефіцієнта регресії.
При цьому, перевіряючи правдивість Но ми можемо мати два наслідки:
відхиляється — це означає, що (З, вважається статистично значущим, а це інформує нас про існування лінійної залежності між УтаХ;
_ не відхиляється (немає підстав для її відхилення) — в цьому разі можемо зробити висновок, що між змінними УтаХ не існує лінійної залежності, оскільки статистично не значущий.
Для перевірки правильності Н0 нам потрібно порівняти табличний розподіл Стьюдента із k-2 ступенями свободи з значенням
tрозр=ai/сигма розр ai.
Якщо розрахункове значення перевищує табличне за абсолютною величиною, то оцінку параметра можна вважати значимою з обраною надійністю. Навпаки, якщо розрахункове значення менше за табличне,то оцінку параметра не можна вважати значимою.
Для перевірки на статистичну значущість r вибирається статистичний критерій t= (r/√1-r²)*√n-2, який має розподіл Стьюдента із к=n-2 ступенями свободи.
Висувається гіпотеза:
Hα: r≠0
Надалі алгоритм перевірки правдивості H0 здійснюється аналогічно перевірці значущості параметрів β.
Коефіцієнт детермінації : формули для обчислення та сутність.
Сумарною мірою оцінювання загальної якості рівняння регресії є коефіцієнт детермінації , який обчислюється за такою формулою:
R² = 1- (∑(y – y*)²/∑(y - yser) ²)
R² є величиною, яка дає змогу визначити, якою мірою знайдена пряма регресії дає найкращий результат для пояснення поведінки залежної змінної У, ніж горизонтальна пряма у= yser.
0<R²<1 і його значення вказує на те, на скільки розкид значень показника пояснюється побудованою моделлю.
Коефіцієнт детермінації пов'язаний з парним коефіцієнтом кореляції:
R²= r²= (кореляційний момент/(σх*σу)) ²
Теоретична та статистична лінійна множинна модель та їх запис у векторно-матричній формі.
На будь-який економічний показник У зазвичай впливає не один, а кілька факторів Х1,Х2,...,Хт.
У подібних випадках маємо справу з множинною регресією, яку можна подати залежністю:
M(Y/X1, X2, …, Xm)=α(X1, X2, …, Xm)
Ця формула інформує про функціональну залежність умовного математичного сподівання залежної змінної У від т регресорів (незалежних, пояснювальних змінних) X = (Х,,Х2,...,Хт).
Задача оцінки статистичного взаємозв'язку між У та X = (Х1,Х2,..., Хт) формулюється аналогічно парній регресії.
Розглянемо лінійну залежність ознаки У від т незалежних змінних (регресорів) хі(і = 1,т). Лінійна теоретична модель може бути зображена в такому вигляді:
y1=β0+ β1x11+ β2x12+ β3x13+…+ βmx1m+ε1
y2=β0+ β1x21+ β2x22+ β3x23+…+ βmx2m+ε2
y3=β0+ β1x31+ β2x32+ β3x33+…+ βmx3m+ε3
…
yn=β0+ β1xn1+ β2xn2+ β3xn3+…+ βmxnm+εn
де (βi, i=1,m — теоретичні коефіцієнти регресії (часткові коефіцієнти), які характеризують реакцію залежної змінної У на зміну регресора Xi, тобто, вони інформують про вплив на M{у / Х1,Х2,...,ХІП) пояснювальної змінної (регресора) Хi теоретичної моделі за умови, що решта регресорів цієї моделі залишаються сталими;
β 0 — вільний член, який визначає значення Y за умови, що всі регресори моделі дорівнюють нулю.
У векторно-матричній формі теоретичну модель можна подати так: