- •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.
78. Поясніть основні відмінності методів оц-ня ризику як величини очікуваної невдачі та методу зваженого середньогеометричного значення економічного показника
Якщо відомі всі можливі наслідки окремої події та ймовірності їх настання, то для оцінки міри (ступеня) ризику використовується величина очікуваної невдачі (сподіване значення, математичне сподівання), пов’язана з невизначеністю, тобто середньозважена величина цих можливих результатів, де ймовірність кожного з них використовується як частота або питома вага відповідного значення. У випадку, коли всі можливі наслідки події описуються дискретною випадковою величиною
Х= Х – ={x1; x2;…; xn},
а розподіл ймовірностей їх настання P = {p1; p2;…; pn}; , величина ризику очікуваної невдачі:
W = M(Х –) = .
Якщо ж несприятливі наслідки події описуються неперервною випадковою величиною , то
W = M(Х –) = ,
де f(x) — щільність розподілу ймовірності.
У якості характеристики центра групування реалізацій економічного показника (випадкової величини Х) можна використовувати величину G(Х) — його зважене середньогеометричне значення. У випадку, коли Х > 0, G(Х) визначається за формулою:
G(Х) = еM(ln X).
Якщо ж Х є дискретною випадковою величиною, тобто Х = {x1; x2;…;xn}, то
Якщо ж при цьому р1 = р2 = … рn = 1/n, то отримуємо середньогеометричну оцінку випадкової величини Х:
У ситуації, коли випадкова величина Х набуває як додатних, так і від’ємних значень і є дискретною, зважену середньогеометричну оцінку можна знайти за формулою [14]:
де , (наприклад, = 1).
Під час обчислення зваженої середньогеометричної оцінки норми прибутку цінного паперу ( чи портфеля цінних паперів) покладають X = R/100% (R — норма прибутку), а = – 1, = 0. Тоді
У випадку, коли величина G(Х) оцінюється на основі статистичних даних,
де Т — кількість періодів.
Якщо випадкова величина Х відображає спектр можливих збитків (платежів тощо), то зважене середньогеометричне цієї величини можна використовувати в якості оцінки величини ризику W = G(Х –).
77. Охарактеризуйте інгредієнт економічного показника ризику, основні відмінності м-дів абсолютному вираження та спрощеного оцінювання ризику. Наведіть приклад.
Екон. показник Х має позит. інгредієнт, якщо при прийнятті рішення орієнтуються на його макс. значення. Х = Х+.
Якщо орієнтуються на мін.значення екон. показника, то вважають, що він має негативний інгредієнт. Х = Х –.
В абсолютному вираженні ризик може визначатися сподіваною величиною можливих збитків, якщо збитки піддаються такому вимірові. Як міру ризику в абсолютному вираженні використовують також оцінки мінливості результату.
На практиці, оцінюючи ризик, часто обмежуються спрощеним підходом. При цьому спираються на одне значення економічного показника, яке відображає найважливішу узагальнену характеристику у даній конкретній ситуації. Якщо в якості такої узагальненої характеристики виступає величина небажаних наслідків(збитки, платежі тощо), то міра (ступінь) ризику невдачі (в процесі досягнення мети) може визначатися як добуток ймовірності невдачі (небажаних наслідків) на величину цих наслідків, тобто:
W = pнхн,
де хн — величина небажаних наслідків.