Контрольна робота з дисципліни Економіко-математичне моделювання - файл n1.doc

Контрольна робота з дисципліни Економіко-математичне моделювання
скачать (557 kb.)
Доступные файлы (1):
n1.doc557kb.06.11.2012 20:46скачать

n1.doc

ПИТАННЯ ТЕОРЕТИЧНОЇ ЧАСТИНИ

1.Методичні аспекти вирішення задач лінійного програмування.

2.Сутність мультиколінеарності, напрями її виявлення.
3.ПРАКТИЧНА ЧАСТИНА

1.Методичні аспекти рішення задач лінійного програмування

1. Сутність лінійного програмування.

2. Особливості задач лінійного програмування.

3. Основні методи розв’язування задач лінійного програмування.

4. Практичні аспекти рішення задач лінійного програмування.

Сутність лінійного програмування

Лінійне програмування – це напрямок, який включає математичний інструментарій, що базується на теорії і методах вирішення задач про екстремуми лінійних функцій на множинах n-мірного векторного простору, що задається системами лінійних рівнянь.

Лінійне програмування є одним з напрямів випуклого програмування, яке, в свою чергу, витупає одним з напрямів математичного програмування. Одначасно воно є основою декількох методів вирішення задач цілочислового і нелінійного програмування. Більшість ознак задач лінійного програмування можна інтерпретувати також як ознаки багатокутників і таким чином геометрично формулювати і доводити їх.

Термін «програмування» необхідно розуміти як «планування». Він був запропонований в середині 40-х років Джорджем Данцигом, одним із засновників лінійного програмування, ще до того, як комп’ютери були використані для вирішення лінійних задач оптимізації.

Особливості задач лінійного програмування

Серед безлічі оптимізаційних задач існують особливі задачі, які називають задачами лінійного програмування. Задачам лінійного програмування властиві наступні особливості:

1. Цільова функція є зваженою лінійною сумою від невідомих змінних xi

вигляду

(1)

де ci – коефіцієнти цільової функції. Таку цільову функцію часто

називають лінійною формою і позначають буквою L.

2. Обмеження, що накладаються на область можливих рішень, мають вид

лінійної рівності або нерівності:

(2)

де aij, bi – значення показників цільової функції, причому величини aij, xi,

bi позитивні.

Основні методи розв’язування лінійних задач лінійного програмуванння

Самим відомим і широко вживаним на практиці методом для вирішення задачі лінійного програмування (ЛП) є симплекс-метод. Незважаючи на те, що симплекс-метод є достатньо ефективним алгоритмом, що показав відповідні результати при вирішенні прикладних задач лінійного програмування, він є алгоритмом з експоненціальною складністю. Причина цього полягає в комбінаторному характері симплекс-методу, що послідовно перебирає вершини багатокутника допустимих рішень при пошуку оптимального рішення. Симплексний метод використовують для вирішення будь-якої задачі лінійного програмування. З геометричного значення задачі лінійного програмування виходить, що для її вирішення необхідно обчислити координати всіх вершин багатокутника обмежень і значення лінійної форми в них.

Вирішити задачі лінійного програмування можна методом перебору. Дійсно, перебором всіх вершин можна знайти таку вершину, де функція L має екстремальне значення. При цьому можливі дві труднощі: оскільки при n > m система обмежень лінійно залежна, то для побудови багатокутника необхідно виділення всіх лінійно незалежних систем рівнянь і їх рішення; число вершин багатокутника різко зростає із збільшенням n > m, такий метод перебору всіх вершин може виявитися дуже трудомістким (n - число невідомих, m - число обмежень). Симплексний метод забезпечує більш раціональне вирішення задачі, ніж метод перебору. Його сутність полягає в тому, що, відправляючись з деякої довільної вершини багатокутника обмежень, переходять до обчислення тільки такої вершини, в якій значення лінійної форми буде більше, ніж в попередній. Решту варіантів не обчислюють. Тоді при кінцевому порівняно малому числі кроків може бути знайдений оптимальний план. Таким чином, проводиться впорядкований перебір вершин, при якому відбувається постійне збільшення лінійної форми. Тому симплексний метод називають ще методом послідовного поліпшення плану. Вирішення задачі симплексним методом включає два етапи. Перший полягає в знаходженні однієї довільної вершини багатокутника обмежень, координати якого визначають початковий опорний план. Другий етап полягає в послідовному впорядкованому переході від однієї вершини багатокутника до іншого, суміжного значення. Оскільки прилеглих вершин багато, то кожного разу вибирають таку вершину, при переході до якої забезпечується найбільше зростання лінійної форми. На кожному кроці процесу поліпшення плану проводять перевірку на оптимальність. Очевидно, що план буде оптимальним, якщо серед вершин, прилеглих до змінної, немає такої, при переході до якої відбувається зростання лінійної форми.

Розглянемо алгоритм використання симплексного методу.

Обчислювальний процес знаходження оптимального плану має ітераційний характер. Кожна ітерація складається з двох етапів. Перший етап полягає в дослідженні базисного рішення на оптимальність. Якщо даний план задовольняє умовам оптимальності, то задача вирішена, в іншому випадку переходять до другого етапу. На другому етапі визначають вектор r Ak , який повинен бути введений в базис, і вектор r Ar , який повинен бути виключений з нього, тобто виходить новий базисний план з великим значенням лінійної форми. Щоб знайти вектори r Ak і r Ar , заміна яких забезпечує найбільше зростання лінійної форми, виразимо всі вектори, що не входять в базис, через базисні вектори:

(3)

де aij - проекції вектора r Aj на вектор r Ai . Запишемо систему обмежень у векторній формі в наступному вигляді:

(4)

, ТО (5)

Співвідношення (5) дає рішення тільки в тому випадку, коли

коефіцієнти при векторах r Ai і r Ak нового базису будуть ненегативними, тобто (6)



Позначимо (8) . Тоді значення лінійної форми в новій вершині багатокутника рішення можна знайти з рівняння

(9)

Величину dj називають оцінкою плану. В симплексному методі параметри dj відіграють важливу роль: їх знаки дозволяють визначити, чи є опорний план оптимальним. Якщо dj 0 для всіх j, то даний опорний план є оптимальним, оскільки на підставі (3.9) і зважаючи на ? ? 0 перехід до будь-якої нової вершини веде до убування лінійної форми. Якщо опорний план неоптимальний, то можливі два випадки:

  1. Є хоча б один індекс j = k для якого dk < 0 і всі відповідні компоненти У цьому випадку лінійна форма не обмежена зверху і задача нерозв'язна.

  2. Для деяких j dj < 0 і для кожного такого j, принаймні, одна з проекцій aij >0. Тоді при переході до наступної вершини лінійна форма згідно з (9) зростає і план поліпшується. Для найшвидшого зростання L необхідно в базис включити той вектор Ak , для якого оцінка dk < 0 і максимальна за модулем, а вектор Ar , для якого значення позитивно і мінімально, виключити.

Власне алгоритм симплексного методу складається з таких етапів:

  1. Обчислити елементи рядка оцінки плану [ ] d n 0:

  2. Знайти номер k до Ak вектора, що має максимальну за абсолютною величиною негативну оцінку плану. Якщо всі оцінки плану позитивні, то план оптимальний.

Обчислити стовпець значень ? у вигляді елементів матриці

(10)

3. Знайти рядок з номером r, де ? = min T[ i] для всіх T [i] > 0.



елементи стовпця з номером k

(11)

елементи рядка з номером r

(12)

решта елементів матриці (i ? r, j ? k)

(13)

Якщо виконуються всі умови, то слід перейти до п.1, тобто до наступної ітерації.

5. Видати на друк оптимальний план.



6. Видати на друк інформацію про невирішеність задачі, якщо dk < 0.

Методом, що використовується при вирішенні задач лінійного програмування, є метод еліпсоїдів, який був запропонований в 1979 р. радянським математиком Л.Хачіяном. Метод еліпсоїдів має абсолютно іншу, некомбінаторну, природу, ніж симплекс-метод. Проте в обчислювальному плані цей метод виявився неперспективним. Проте сам факт поліноміальної складності задач привів до створення цілого класу ефективних алгоритмів лінійного програмування- методів внутрішньої точки, першим з яких був алгоритм Н. Кармаркара, запропонований в 1984 р. Алгоритми цього типу використовують безперервне трактування задачі лінійного програмування, коли замість перебору вершин багатокутника вирішень задачі лінійного програмування здійснюється пошук уздовж траєкторій у просторі змінних задачі, що не проходять через вершини багатокутника. Метод внутрішніх крапок, який, на відміну від симплекс-методу, обходить точки з внутрішньої частини області допустимих значень, використовує методи логарифмічних бар'єрних функцій нелінійного програмування.

Практичні аспекти вирішення задач лінійного програмування

Розглянемо деякі практичні аспекти вирішення задач лінійного програмування. Фірма виробляє дві моделі А і В збірних книжкових полиць. Їх виробництво обмежено наявністю сировини (високоякісних дощок) і часом машинної обробки. Для кожного виробу моделі А потрібен 3 м2 дощок, а для моделі В - 4 м2. Фірма може одержувати від своїх постачальників до 1700 м2 дощок за тиждень. Для кожного виробу моделі А потрібно 12 хв. машинного часу, а для виробу моделі В - 30 хв. У тиждень можна використовувати 160 годин машинного часу. Скільки виробів кожної моделі слід випускати фірмі за тиждень, якщо кожний вироб моделі А приносить 2 грн. прибутку, а кожний виріб моделі В - 4 грн. прибутку?

.

Побудова математичної моделі:

Нехай x1 - кількість випущених за тиждень полиць моделі А, а

x2 - кількість випущених полиць моделі В. Тоді: 3x1 - кількість дощок, необхідних на тиждень для виготовлення полиць моделі А, 4x2- кількість дощок, необхідних на тиждень для виготовлення полиць моделі В,

3x1 + 4x2- кількість дощок, потрібних на тиждень для виготовлення книжкових полиць двох моделей, за умовами задачі це число не повинно перевищувати 1700 м2, отже одержуємо перше обмеження:



Знайдемо обмеження на використання машинного часу.

12 хв. складають 0,2 години, а 30 хв. - 0,5 години, таким чином:

0,2x1 - кількість часу, що потрібна на тиждень для виробництва полиць

моделі А; 0,5x2 - кількість часу, що потрібна на тиждень для виробництва полиць

моделі В; 0,2x1 + 0,5x2 - кількість часу, необхідного на тиждень для виробництва

двох моделей, а за умовою задачі це число не повинно перевищувати 160 годин,

отже, одержуємо друге обмеження:

0,2x1 + 0,5x2<=160 або 2x1 + 5x2<=1600

Крім того, оскільки x1 і x2 виражають щотижневий обсяг виробів, що випускаються, то вони не можуть бути негативними, тобто x1>=0, x2>=0

Ця задача полягає в тому, щоб знайти такі значення x1 і x2, при яких щотижневий прибуток буде максимальним. Складемо вираз для щотижневого прибутку:

2x1 - щотижневий прибуток, одержаний від продажу полиць моделі А. 4x2 - щотижневий прибуток, який одержаний від продажу полиць моделі В .Тоді F=2x1 + 4x2 - щотижневий прибуток, який повинен бути максимальним. Таким чином, маємо наступну математичну модель для даної задачі:



Отримана модель є задачею лінійного програмування. Функція F - це цільова функція, вона є лінійною функцією своїх змінних(x1 і x2). Обмеження на ці змінні (1) і (2) теж є лінійними. Виконана умова позитивності для змінних x1 і x2.

Необхідно знайти значення змінних x1 і x2, при яких дана функція F приймає максимальне значення, при дотриманні обмежень, що накладаються на ці змінні. Рішення, що задовольняють системі обмежень і вимозі, позитивності, є допустимими, а рішення, що задовольняють одночасно і вимозі мінімізації (максимізації) функції, в цілому є оптимальними.

Висновки

Задачі математичного програмування поділяються на два великі класи лінійні та нелінійні. Якщо цільова функція та обмеження є лінійними функціями, тобто вони містять змінні Xj у першому або нульовому степені. В усіх інших випадках задача буде нелінійною. Для розв'язування лінійних задач розроблено універсальний метод, який називається симплексним методом. Лінійні економіко-математичні моделі часто є неадекватними, а тому доводиться будувати нелінійні та стохастичні моделі.

Симплекс-метод – поетапна обчислювальна процедура, в основу якої покладено принцип послідовного поліпшення значень цільової функції переходом від одного опорного плану задачі лінійного програмування до іншого. Алгоритм розв’язування задачі лінійного програмування симплекс-методом складається з п’яти етапів:

1.Визначення початкового опорного плану задачі лінійного програмування.

2.Побудова симплексної таблиці.

3.Перевірка опорного плану на оптимальність за допомогою оцінок ∆. Якщо всі оцінки задовольняють умову оптимальності, то визначений опорний план є оптимальним планом задачі. Якщо хоча б одна з оцінок ∆j не задовольняє умову оптимальності, то переходять до нового опорного плану або встановлюють, що оптимального плану задачі не існує.

4.Перехід до нового опорного плану задачі здійснюється визначенням розв’язувального елемента та розрахунками елементів нової симплексної таблиці.

5.Повторення дій, починаючи з п. 3.

Далі ітераційний процес повторюють, доки не буде визначено оптимальний план задачі. У разі застосування симплекс-методу для розв’язування задач лінійного програмування можливі такі випадки. 1. Якщо в оцінковому рядку останньої симплексної таблиці оцінка ∆j відповідає вільній (небазисній) змінній, то це означає, що задача лінійного програмування має альтернативний оптимальний план. Отримати його можна, вибравши розв’язуваль­ний елемент у зазначеному стовпчику таблиці та здійснивши один крок симплекс-методом. 2. Якщо при переході у симплекс-методі від одного опорного плану задачі до іншого в напрямному стовпчику немає додатних елементів aik, тобто неможливо вибрати змінну, яка має бути виведена з базису, то це означає, що цільова функція задачі лінійного програмування є необмеженою й оптимальних планів не існує. 3. Якщо для опорного плану задачі лінійного програмування всі оцінки ∆j (j=1,n) задовольняють умову оптимальності, але при цьому хоча б одна штучна змінна є базисною і має додатне значення, то це означає, що система обмежень задачі несумісна й оптимальних планів такої задачі не існує.
2.Сутність мультиколінеарності, напрями її виявлення.

1.Поняття про мультиколінеарність та її вплив на оцінку параметрів моделі
2.Тестування наявності мультиколінеарності
3.Висновки

  1. Поняття про мультиколінеарність та її вплив на оцінку параметрів моделі


Означення
: Суть мультиколінеарності полягає в тому, що в багатофакторній регресійній моделі дві або більше незалежних змінних пов'язані між собою лінійною залежністю або, іншими словами, мають високий ступінь кореляції:
                                                                                           
 Природа мультиколінеарності



                             Практичні наслідки мультиколінеарності:
Мультиколінеарність незалежних змінних (факторів) призводить до:

Зауваження.   Мультиколінеарність не є проблемою, якщо єдиною метою регресійного аналізу є прогноз (оскільки чим більше значення R2, тим точніший прогноз). Якщо метою аналізу є не прогноз, а дійсне значення параметрів, то мультиколінеарність перетворюється на проблему, оскільки її наявність призводить до значних стандартних похибок оцінок параметрів.

2. Тестування наявності мультиколінеарності.

Зовнішні ознаки наявності мультиколінеарності


Для визначення мультиколінеарності здебільшого застосовують такі тести:

- F-тест, запропонований Глобером і Фарраром ( інша назва: побудова допоміжної регресії)
- Характеристичні значення та умовний індекс
                                                             Алгоритм Фаррара-Глобера:
1. Визначити критерій Пірсона ?2 (“хі”- квадрат),  для цього знайти:
а). нормалізовані змінні х1, х2, …, х m:
                                                                   

б). на основі матриці нормалізованих змінних, обчислити кореляційну матрицю:
                                                           

в). обчислити визначник кореляційної матриці:
г). обчислити критерій ?2:



Порівняти значення ?2 з табличним при    ступенями свободи і рівні значущості ?,(якщо ?2> ?2табл, то в масиві незалежних змінних існує мультиколінеарність).
 2. Обчислити F- критерій Фішера.
а). обчислити матрицю похибок:


б). розрахувати F- критерії


 Порівняти значення Fk з табличним при ступенями свободи і рівні значущості ?

(якщо Fk>Fтабл, то відповідна k-та незалежна змінна
мультиколінеарна з іншими).
в). розрахувати коефіцієнти детермінації
для кожної змінної:


3. Визначити t- критерій Ст’юдента:
 

              де                    

Порівняти значення              з табличним при                
 

ступенями свободи і рівні значущості ? (якщо

то між незалежними змінними хk та хj

існує мультиколінеарність).
F-тест
Нехай -коефіцієнт детермінації в регресії, яка пов'язує фактор хi з іншими факторами.
1) для кожного коефіцієнта детермінації розраховуємо Fi-відношення:


F-тест перевіряє гіпотезу Н0 :


проти гіпотези Н1:

2) Fкр знаходимо за таблицею F-розподілу Фішера з (т-1) і (п-т) ступенями свободи і заданим рівнем значущості;

3) якщо Fi > Fкр , то гіпотезу Н0 відкидаємо
(хi — мультиколінеарний фактор),
якщо Fi< Fкр , то гіпотезу Но приймаємо
(фактор хi не є мультиколінеарним).

Висновки

Мультиколлінеарність – це поняття, що використовується для опису проблеми, коли нестрога лінійна залежність між пояснювальними змінними призводить до отримання ненадійних оцінок регресії. Проте, така залежність, зовсім необов’язково дає незадовільні оцінки. Якщо всі інші умови задовільні, тобто якщо кількість спостережень і вибіркові дисперсії пояснювальних змінних великі, а дисперсія випадкого члена мала, то в результаті можно отримати досить позитивні оцінки.

Мультиколлінеарність повинна виникати за рахунок сполучення нестрогої залежності однією (або більше) незадовільних умов, і це є питання ступеня визначенності явища, а не його виду. Оцінки регресії будуть незадовільні від неї у відповідному ступені, коли тільки всі незалежні змінні будуть абсолютно некорельовані. Розгляд цієї проблеми починається тільки тоді, коли вона досить суттєво впливає на результати оцінки регресії.

Ця проблема є звичною для регресій часовий рядів, тобто коли значення показників складаються з рядів спостережень протягом визначеного періоду часу. Якщо дві або більше незалежних змінних мають часовий тренд, то між ними буде існувати кореляція, і це може призвести до мультиколлінеарності.

Існують різні методи для зменшення мультиколлінеарності. Вони діляться на дві категорії: до першої категорії відносяться методи, спрямовані на виконання умов, що забезпечують надійність оцінок регресії; до других відносяться використання зовнішньої інформації. Якщо з початку використовувати можливі значення показників, то, звичайно, було б важливим збільшити кількість спостережень. Якщо, наприклад, використовують часові ряди, то це можно зробити шляхом скорочення терміну кожного періоду часу. Якщо використовують дані перехресної виборки і дослідник знаходиться на стадії планування дослідження, то можна збільшити точність оцінок регресії і послабити проблему мультиколлінеарності за рахунок більших витрат коштів на збільшення розміру вибірки та ін. методи.
Список використаної літератури :

  1. К.А.Мамонов «Економіко-математичне моделювання»,навчальний посібник, 2010рік.

  2. Банди Б. Основы линейного программирования. – М.: Радио и Связь, 1989.

  3. Жданов С. Экономические модели и методы управления. М.Эльта 1998

  4. Лук’яненко І.Г., Городніченко Ю.О. Сучасні економетричні методи у фінансах. Навчальний посібник.-К.: Літера ЛТД, 2002.-352 с.

3.Практична частина

1.Вибираю згідно варіанту масив даних для розрахунків за 12 місяців звітного року .

Номери періодів діяльності підпри-ємства

Години роботи устатку-вання (X), год.

Витрати на обслуго-вування (Y), грн

120

1390

8190

121

1400

8200

122

1410

8230

123

1420

8260

124

1430

8270

125

1440

8320

126

1450

8350

127

1460

8380

128

1470

8410

129

1480

8440

130

1490

8490

131

1500

8500

2. Регресійний аналіз - використовують для визначення зміни середнього значення, залежної змінної величини під впливом зміни значення однієї або кількох незалежних змінних величин. Передбачає застосування методу найменших квадратів, який дає змогу розрахувати елементи функції витрат, а і в так, щоб сума квадратів відстані від усіх точок сукупності, що вивчається до лінії регресії є найменшою.

? у = nа + в? х

? х у = а?х +в?х2

х - незалежна змінна величина (рівень спостережу вальної діяльності);

у - залежна змінна величина (загальні або змішані витрати, грн..)

а - загальні постійні витрати

в - змінні витрати на одиницю діяльності

n - кількість спостережень.

Дану систему рівнянь розв’язують у такій послідовності – розраховують ? х, ? у, ? х у, ?х2

3.Розраховую ? х, ? у, ? х у, ?х2 за допомогою програми Microsoft Excel.

Згідно отриманих розрахунків отримую наступну таблицю:

Номери періодів діяльності підпри-ємства

Години роботи устатку-вання (X), год.

Витрати на обслуго-вування (Y), грн



X2

120

1390

8190

11384100

1932100

121

1400

8200

11480000

1960000

122

1410

8230

11604300

1988100

123

1420

8260

11729200

2016400

124

1430

8270

11826100

2044900

125

1440

8320

11980800

2073600

126

1450

8350

12107500

2102500

127

1460

8380

12234800

2131600

128

1470

8410

12362700

2160900

129

1480

8440

12491200

2190400

130

1490

8490

12650100

2220100

131

1500

8500

12750000

2250000

 ?

17340

100040

144600800

25070600


4.Cкладаємо систему рівнянь:

? у = nа + в? х

?ху = а?х +в?х2

5.Підставляємо в систему отримані дані .



Звідси,

a= ,

Підставимо вираз а в нижню частину системи .

Отримаємо,

,

,

,

,

 ,

,

b=3,006.

6.Підставимо значення b у вираз a=,

Отримаємо







7. Формуюємо функцію витрат

Функція витрат — це математичний опис взаємозв’язку витрат та їх чинника. Вона може бути описана таким рівнянням:

Y = a + bx,

де Y — загальні витрати;

a — постійні витрати; +

b — змінні витрати на одиницю діяльності;

x — значення чинника витрат.

Отже, 





Висновки: Згідно даних розрахунків значення чинника витрат
, постійні витрати мінні витрати на одиницю діяльності b=3,006.

Учебный материал
© bib.convdocs.org
При копировании укажите ссылку.
обратиться к администрации