- •1. Сутність моделювання. Сформулюйте поняття «модель» та «метод моделювання», поясніть відмінності даних понять.
- •2. Опишіть особливості, принципи математичного моделювання
- •3. Поясніть необхідність використання нелінійних математичних моделей
- •4. Розкрийте сутність економічних спостережень і вимірів
- •5. Чим пояснюється наявність випадковості і невизначеності економічного розвитку
- •9. Охарактеризуйте економіку як складну систему з внутрішньо притаманним ризиком
- •6. Наведіть основні елементи класифікації економіко-математичних моделей
- •7. Опишіть основні етапи економіко-математичного моделювання
- •8. Які завдання вирішуються при перевірці адекватності моделей?
- •10. Опишіть системні властивості економічних рішень
- •14. Наведіть форми запису моделей лінійного програмування в розгорнутому, скороченому та векторно-матричному вигляді.
- •11. Сутність оптимізаційних моделей. Приклади економічних задач математичного програмування.
- •12. Класифікація задач математичного програмування
- •13. Загальна математична модель лінійного програмування. Приклади економічних задач лп.
- •16. Означення планів задачі лінійного програмування (допустимий, опорний, оптимальний).
- •26. Опишіть суть аналізу обмежень дефіцитних і недефіцитних ресурсів.
- •15. Властивості розв’язків задачі лінійного програмування. Геометрична інтерпретація задач лінійного програмування.
- •19. Знаходження розв’язку задачі лінійного програмування. Алгоритм симплексного методу.
- •17. Побудова опорного плану задачі лінійного програмування, перехід до іншого опорного плану.
- •17. (Продовження)
- •20. Суть симплексного методу із штучним базисом. Ознака оптимальності плану із штучним базисом. Відмінність від класичного методу.
- •18. Суть теореми про оптимальність розв’язку задачі лінійного програмування симплекс-методом.
- •22. Правила побудови двоїстої задачі. Симетричні й несиметричні двоїсті задачі.
- •21. Економічна інтерпретація прямої та двоїстої задач лінійного програмування
- •25. Сутність аналізу розв’язків лінійних економіко-математичних моделей. Оцінка рентабельності продукції. Доцільність введення нової продукції.
- •23. Теореми двоїстості. Економічна інтерпретація першої та другої теорем двоїстості.
- •24. Приклад застосування теорем двоїстості в розв’язуванні задач лінійного програмування.
- •27. Опишіть суть аналізу коефіцієнтів цільової функції задач лінійного програмування.
- •28. Постановка транспортної задачі. Опис алгоритму одного із методів рішення задач транспортної задачі.
- •29. Сутність цілочислове програмування. Область застосування цілочислових задач в плануванні й управлінні виробництвом.
- •30. Геометрична інтерпретація задачі цілочислового програмування.
- •35. Геометрична інтерпретація задач нелінійного програмування.
- •31. Сутність методу Гоморі.
- •32. Економічна і математична постановка задачі дробово-лінійного програмування
- •33. Геометрична інтерпретація задачі дробово-лінійного програмування
- •34. Економічна і математична постановка задачі нелінійного програмування.
- •36. Суть умовного та безумовного екстремуму функції.
- •37. Опишіть суть методу множників Лагранжа.
- •38. Необхідні умови існування сідлової точки
- •39. Опишіть сутність теореми Куна-Таккера.
- •40. Опишіть сутність опуклого програмування
- •41. Постановка задачі квадратичного програмування та її математична модель.
- •42. Градієнтні методи розв’язання задач нелінійного програмування та їх класифікація.
- •43. Загальний вигляд теоретичного та емпіричного рівнянь парної лінійної регресії, їх складові елементи.
- •44. Причини, які спонукають появу випадкової складової ε в регресійних моделях.
- •45. Опишіть поняття специфікації та основні етапи побудови економетричної моделі.
- •47. Характерстики та статистичні властивості емпіричних параметрів оцінок β0*, β1*.
- •46. Параметри моделі парної лінійної регресії, їх сутність та оцінювання. Умови застосування мнк.
- •48. Суть і обчислення коваріаційної матриці оцінок параметрів моделі
- •49. Описати алгоритм побудови довірчих інтервалів із заданою надійністю для параметрів β0,β1 і функції регресії Використання розподілу Стьюдента.
- •50. Побудова точкового та інтервального прогнозу залежної змінної в моделі парної лінійної регресії.
- •51. Описати алгоритм перевірки на статистичну значущість β1.
- •52. Коефіцієнт детермінації r2: формули для обчислення та сутність.
- •53. Теоретична та статистична лінійна множинна модель та їх запис у векторно-матричній формі.
- •54. Умови Гаусса-Маркова для парної та множинної лінійної регресії.
- •55. Напишіть та поясніть формулу у матричному вигляді визначення коефіцієнтів регресії в моделі множинної лінійної регресії?
- •56. Як виявити ознаку мультиколінеарності в лінійних моделях? в якому випадку: , , ?
- •57. Суть та наслідки мультиколінеарності. Методи усунення з моделі ознаки мультиколінеарності.
- •58. Опишіть алгоритм Фаррара–Глобера дослідження наявності мультиколінеарності. Що характеризують критерії χ2, f, t ?
- •59. Поняття виробничої функції. Виробнича функція Кобба-Дугласа. Визначення для неї .
- •60. Суть гетероскедастичності. Які негативні наслідки викликає ознака гетероскедастичності в лінійних моделях?
- •61. Перерахуйте основні методи визначення гетероскедастичності. Вкажіть основні відмінності між ними.
- •62. В чому полягає суть тесту Гельдфельда-Квандта? Послідовність його виконання?
- •63. Особливості матриці s та суть гіпотез залежності пропорційності залишків до зміни поряснювальної.
- •64. Узагальнений метод найменших квадратів Ейткена. Особливості та алгоритм.
- •65. Особливості застосування критерію μ у визначеності гетероскедастичності.
- •66. Модель лінійної регресії з автокорельованими збуренями. Наслідки автокорельованості на оцінки мнк.
- •67. Основи використання критерію Дарбіна – Уотсона для визначення автокорельованості
- •68. Дайте основні визначення економічного ризику
- •69. Вкажіть основні кроки процедури аналізу ризику
- •70. Дайте характеристику основних чинників ризику
- •71. Наведіть основні типи та види ризиків. Дайте їм характеристики
- •72. Наведіть основні відмінності методу аналогій та чутливості у кількісному аналізі ризику
- •73. Дайте характеристику основних кроків аналiзу ризику методами iмiтацiйного моделювання
- •74. Охарактеризуйте п’ять спрощених ситуацій прийняття рішення. Поясніть приклад однієї із них графічно.
- •75. Охарактеризуйте зони ризику збитків на графічному прикладі функції щільності розподілу ймовірності збитків
- •76. Охарактреризуйте ймовірність як один з підходів до оцінки ризику
- •78. Поясніть основні відмінності методів оц-ня ризику як величини очікуваної невдачі та методу зваженого середньогеометричного значення економічного показника
- •77. Охарактеризуйте інгредієнт економічного показника ризику, основні відмінності м-дів абсолютному вираження та спрощеного оцінювання ризику. Наведіть приклад.
- •79. Дисперсія та середньоквадратичне відхилення як міра ризику. Наведіть приклад
- •80. Семіваріація та семіквадратичне відхилення як міра ризику. Наведіть приклад
- •82. Поняття премії за ризик. Наведіть графічний приклад
- •83. Опишіть поняття схильності – несхильності до ризику.
- •Сутність моделювання. Сформулюйте поняття «модель» та «метод моделювання», поясніть відмінності даних понять.
39. Опишіть сутність теореми Куна-Таккера.
Теорема Куна—Таккера дає змогу встановити типи задач, для яких на множині допустимих розв’язків існує лише один глобальний екстремум зумовленого типу. Вона тісно пов’язана з необхідними та достатніми умовами існування сідлової точки.Розглянемо задачу нелінійного програмування, яку, не зменшуючи загальності, подамо у вигляді: , , .(Очевидно, що знак нерівності можна змінити на протилежний множенням лівої і правої частин обмеження на (– 1)).
Теорема 8.1. (Теорема Куна—Таккера). Вектор Х* є оптимальним розв’язком задачі (8.22)—(8.24) 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.
40. Опишіть сутність опуклого програмування
Нехай задано n-вимірний лінійний простір Rn. Функція F(X), що задана на опуклій множині , називається опуклою, якщо для будь-яких двох точок X1 та X2 з множини X і будь-яких значень виконується співвідношення:
. (8.27)
Якщо нерівність строга і виконується для , то функція F(X) називається строго опуклою. Опукле програмування розглядає методи розв’язування задач нелінійного програмування, математичні моделі яких містять опуклі або угнуті функції. Загальний вигляд задачі опуклого програмування такий: , , ; , де , — угнуті функції.Аналогічний вигляд має задача для опуклих функцій. Позначимо: , тоді , і маємо: , ; , де , — опуклі функції. Оскільки ці задачі еквівалентні, то нижче розглянемо задачу . Множина допустимих планів задачі, що визначається системою , є опуклою.Як наслідок теорем 8.2 та 8.3 справджується таке твердження: точка локального максимуму (мінімуму) задачі опуклого програмування є одночасно її глобальним максимумом (мінімумом).Отже, якщо визначено точку локального екстремуму задачі опуклого програмування, то це означає, що знайдено точку глобального максимуму (мінімуму).У разі обмежень-нерівностей задачу опуклого програмування розв’язують, застосовуючи метод множників Лагранжа.
41. 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:
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 протилеж-ному разі Z(X) є додатно означеною (якщо Z(X) ≥ 0, то маємо додатно напівозначену квадратичну форму).
42. 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.
1. Методи, при використанні яких досліджувані точки не виходять за межі області допустимих розв’язків задачі . Найбільш поширеним з таких методів являється метод Франка – Вулфа .
2. 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 .