- •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.
Графічний метод розв’язування задач нелінійного програмування.
Геометрично цільова функція визначає деяку поверхню, а її обмеження — допустиму підмножину n-вимірного евклідового простору. Знаходження оптимального розв’язку задачі нелінійного програмування зводиться до відшукання точки з допустимої підмножини, в якій досягається поверхня найвищого (найнижчого) рівня. Якщо цільова функція неперервна, а допустима множина розв’язків замкнена, непуста і обмежена, то глобальний максимум (мінімум) задачі існує.
Розглянемо приклад геометричного способу розв’язування задачі нелінійного програмування. Знайти мінімальне і максимальне значення функції:
.
О
,
.
Оскільки , то точка С (8; 0) є точкою глобального максимуму. Очевидно, що найменший радіус , тоді:
. Тобто точка М є точкою мінімуму, оскільки їй відповідає найменше можливе значення цільової функції.
Зазначимо, що в даному разі точка, яка відповідає оптимальному плану задачі (мінімальному значенню функціонала), знаходиться всередині багатокутника допустимих розв’язків, що в задачах лінійного програмування неможливо.
Метод множників Лагранжа. Теорема Лагранжа. Алгоритм розв’язування задачі на безумовний екстремум.
Ідея методу множників Лагранжа полягає в заміні початкової задачі простішою. Для цього цільову функцію замінюють іншою, з більшою кількістю змінних, тобто такою, яка включає в себе умови, що подані як обмеження. Після такого перетворення дальше розв’язування задачі полягає в знаходженні екстремуму нової функції, на змінні якої не накладено ніяких обмежень. Тобто від початкової задачі пошуку умовного екстремуму переходимо до задачі відшукання безумовного екстремального значення іншої функції.
Для розв’язування задачі необхідно знайти вирази частинних похідних нової цільової функції за кожною змінною і прирівняти їх до нуля. В результаті отримаємо систему рівнянь. Її розв’язок визначає так звані стаціонарні точки, серед яких є і шукані екстремальні значення функції.
Розглянемо метод множників Лагранжа для розв’язування задачі нелінійного програмування, що має вигляд:
за умов: , де функції і мають бути диференційовними.
Задача полягає в знаходженні екстремуму функції за умов виконання обмежень .
Переходимо до задачі пошуку безумовного екстремуму. Замінюємо цільову функцію на складнішу. Ця функція називається функцією Лагранжа і має такий вигляд:
де — деякі невідомі величини, що називаються множниками Лагранжа.
Знайдемо частинні похідні і прирівняємо їх до нуля:
Отримаємо систему рівнянь, що матиме вигляд:
Друга група рівнянь системи забезпечує виконання умов початкової задачі нелінійного програмування. Система, як правило, нелінійна.
Розв’язками її є і — стаціонарні точки. Оскільки, ці розв’язки отримані з необхідної умови екстремуму, то вони визначають максимум, мінімум задачі (8.6), (8.7) або можуть бути точками перегину (сідловими точками).
Для діагностування стаціонарних точок і визначення типу екстремуму необхідно перевірити виконання достатніх умов екстремуму, тобто дослідити в околі стаціонарних точок диференціали другого порядку (якщо для функцій існують другі частинні похідні і вони неперервні).
Узагальнення достатньої умови існування локального екстремуму для функції n змінних приводить до такого правила: за функцією Лагранжа виду (8.8) будується матриця Гессе, що має блочну структуру розмірністю :
де О — матриця розмірністю , що складається з нульових елементів,
Р — матриця розмірністю , елементи якої визначаються так:
,
— транспонована матриця до Р розмірністю ,
Q — матриця розмірністю виду:
, де .
Розглянемо ознаки виду екстремуму розв’язку системи (8.9). Нехай стаціонарна точка має координати і .
1. Точка є точкою максимуму, якщо, починаючи з головного мінору порядку (m + 1), наступні (n – m) головних мінорів матриці Н утворюють знакозмінний числовий ряд, знак першого члена якого визначається множником .
2. Точка є точкою мінімуму, якщо, починаючи з головного мінору порядку (m + 1), знак наступних (n – m) головних мінорів матриці Н визначається множником .