- •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.
49. Описати алгоритм побудови довірчих інтервалів із заданою надійністю для параметрів β0,β1 і функції регресії Використання розподілу Стьюдента.
Припускається, що випадкові величини емпіричних коефіцієнтів bj мають нормальний розподіл. Робочі формули t-статистики ti = (bi-i)/Sbi
мають розподіл Стьюдента зі ступенями вільності (n-2).
Для визначення 100(1-)% довірчого інтервалу за допомогою таблиць критичних точок розподілу Стьюдента та довірчої ймовірності = 1- з (n-2) ступ. волі шукається t-критичне, яке має задовольняти умову:
P(|t|t/2(n-2))=1-
Підставляючи кожну статистику в попередній результат, відповідно будемо мати:
P(-t/2(n-2) (bi-i)/Sbi t/2(n-2))=1-.
Після перетворень матимемо:
bi-t/2(n-2)Sbiibi+t/2(n-2)Sbi.
Це і є довірчі інтервали, які з надійністю (1-) покривають теоретичні параметри i.
Фактично довірчий інтервал визначає значення теоретичних коефіцієнтів регресії, які будуть придатні при знайдених оцінках емпіричних коефіцієнтів bi.
50. Побудова точкового та інтервального прогнозу залежної змінної в моделі парної лінійної регресії.
Розглянемо спочатку точковий прогноз і припустимо, що ми визначили його як деяку лінійну функцію від , тобто
(4.20)
де і — номер спостереження ( ); — вагові коефіцієнти значень . (Їх потрібно вибрати так, щоб зробити найкращим лінійним незміщеним прогнозом).
Оскільки то незміщена оцінка прогнозу
(4.21)
Підставивши в (4.16) значення із (4.17), запишемо , або
де j — номер пояснювальної змінної, .
Тоді незміщену оцінку прогнозу (4.17) можна обчислити за формулою
Отже, буде незміщеним лінійним прогнозом лише тоді, коли = 1 і . (4.22)
Дисперсія матиме вигляд
Доходимо висновку: чим менше значення , тим кращий прогноз .
З огляду на сказане можемо записати:
= 1;
дисперсія прогнозу
Вона зростає з віддаленням значення від відповідного середнього значення вибірки.
У матричному вигляді дисперсія прогнозу
Середньоквадратична помилка прогнозу
,
Довірчий інтервал для прогнозних значень
або
Отже, інтервальний прогноз індивідуального значення визначається як
або
51. Описати алгоритм перевірки на статистичну значущість β1.
Для того щоб перевірити на статистичну значущість β1 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:
Н0 відхиляється — це означає, що (З, вважається статистично значущим, а це інформує нас про існування лінійної залежності між УтаХ; Н0_ 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.