- •Введение
- •Понятие об экономико-математических методах и моделях
- •1.1.Определение модели и цели моделирования
- •1.2. Последовательность построения экономико-математической модели
- •1.3. Классификация экономико-математических методов
- •1.4. Классификация экономико-математических моделей
- •1.5. Объекты моделирования
- •1.6. Цель, критерий и ограничения в экономико-математических моделях
- •2. Математические модели рынка
- •2.1. Понятие рыночного равновесия
- •2.2. Паутинообразная модель рынка
- •2.3. Существование и единственность рыночного равновесия
- •2.4. Государственное регулирование рынка. Налоги
- •. Дотации
- •2.6. Фиксированные цены
- •2.7. Оценка прибыли и убытков при государственном регулировании рынка
- •2.8. Поддержание стабильных цен и производственные квоты
- •2.9. Принципы ценообразования в рыночной экономике. Диверсификация цен
- •2.9.1. Диверсификация цен в зависимости от дохода покупателя
- •2.9.2. Диверсификация цен в зависимости от объема потребления
- •2.9.3. Диверсификация цен по категориям товаров
- •Совокупная прибыль
- •2.9.4. Диверсификация цен по времени
- •3. Производственные функции
- •3.1. Виды производственных функций
- •3.2. Функция Кобба-Дугласа
- •3.3. Модель Солоу
- •3.4. Модель Стоуна
- •3.5. Двойственная задача потребительского выбора
- •3.6. Функция спроса Маршалла
- •3.7. Модель общего равновесия Вальраса
- •3.8. Рыночное равновесие в модели Леонтьева
- •3.9. Пример построения производственной функции
- •Значения коэффициентов парной корреляции
- •3.10. Производственные функции и прогнозирование
- •4. Модели оптимального планирования
- •4.1. Оптимизация прибыли предприятия
- •Исходные данные для предельного анализа
- •4.2. Оптимизация прибыли методами математического программирования
- •Исходные данные для решения задачи оптимизации
- •4.3. Оптимизация прибыли при ограничениях на используемые ресурсы
- •Исходные данные по изделиям
- •Результаты расчета Таблица 4.8
- •4.4. Планирование оптимальной мощности строительного предприятия
- •Для решения задачи на пк коэффициенты целевой функции, матрицы ограничений и правые части ограничений необходимо записать в виде симплекс-матрицы (табл.4.10).
- •Оптимальное значение целевой функции – 240,000.
- •4.5. Модели стохастического программирования
- •4.6. Модели оптимального планирования транспортного типа
- •4.7. Решение задач по планированию перевозок
- •4.8. Производственно-транспортные модели
- •4.9. Транспортные модели с промежуточными пунктами
- •4.10. Модели параметрического программирования
- •4.11. Модель распределения инвестиционных ресурсов между строительными организациями, прошедшими конкурсный отбор
- •4.12. Производственно-транспортная задача прикрепления источников теплоснабжения к потребителям продукции
- •5. Матричные игры
- •5.1. Классификация матричных игр
- •5.2. Игры с нулевой суммой
- •5.3. Решение игры в чистых стратегиях
- •5.4. Решение игры в смешанных стратегиях
- •Очевидным следствием из теоремы о минимаксе является соотношение
- •5.5. Игры с ненулевой суммой и кооперативные игры
- •5.6. Введение в теорию игр п лиц
- •5.7. Позиционные игры
- •5.8. Выбор оптимальной стратегии в условиях неопределенности (игры с природой)
- •5.8.1. Специфика ситуации полной неопределенности
- •5.8.2. Критерии выбора оптимальной стратегии
- •5.9. Применение теории матричных игр в управлении
- •5.10. Сведение матричной игры к задаче линейного программирования Рассмотрим игру, платежная матрица которой имеет размерность
- •5.11. Решение игры с применением процессора электронных таблиц
- •5.12. Определение победителя подрядных торгов с применением теории игр
- •6. Имитационное моделирование
- •6.1. Метод Монте-Карло
- •7. Моделирование систем массового обслуживания
- •7.1. Одноканальная модель с пуассоновским входным потоком с экспоненциальным распределением длительности обслуживания
- •7.2. Многоканальная модель с пуассоновским входным потоком и экспоненциальным распределением длительности обслуживания
- •8. Модели оценки эффективности инвестиционных проектов
- •8.1. Расчет абсолютных и относительных показателей эффективности проекта
- •8.2. Применение процессоров электронных таблиц для оценки эффективности инвестиций
- •8.3. Оптимальное планирование портфеля инвестиций
- •8.4. Учет факторов риска при оценке инвестиций
- •8.5. Определение уровня недиверсифицируемого риска методом корреляционно-регрессионного анализа
- •Исходные данные для расчета
- •9. Модели оценки финансового состояния предприятия
- •9.1. Виды моделей
- •9.2. Статическая и динамическая модели оценки финансового
- •Коэффициенты рентабельности
- •Оценка деловой активности
- •Оценка финансовой устойчивости
- •Оценка платежеспособности и ликвидности
- •Рекомендуемые значения оцениваемых показателей
- •Вопросы и задания
- •Заключение
- •Библиографический список
- •Экономико-математические методы и модели
- •394006 Г.Воронеж, ул. 20-летия Октября, 84
Значения коэффициентов парной корреляции
Переменные |
Y |
К |
L |
Y |
1 |
|
|
К |
0,91624 |
1 |
|
L |
0,94534 |
0,847637 |
1 |
По результатам корреляционного анализа можно сделать вывод о наличии достаточно тесной связи между объемом производства и влияющими на него факторами, причем связь между факторами прямая.
Анализ формы взаимосвязи между факторами проводится с помощью функции «Регрессия» пункта меню «Сервис», «Анализ данных». Результаты обработки исходных данных приведены на рис. 3.5.
Рис.3.5. Результаты регрессионного анализа
Производственная функция примет вид
(3.51)
По результатам расчета можно сделать следующие выводы:
- рост основного капитала на 1% обеспечивает рост производства на 0,25%;
- рост трудовых ресурсов на 1% обеспечивает рост производства на 0,77%.
При одновременном росте на 1% и основного капитала, и труда рост производства составит
. (3.52)
Полученный результат свидетельствует о положительном эффекте расширения масштабов производства.
(3.60)
3.10. Производственные функции и прогнозирование
Одним из важнейших направлений практического применения производственных функций является прогнозирование.
Применение производственных функций в прогнозировании связано с предположением о том, что тенденции, сложившиеся в прошлом, в основном сохранятся и в будущем. К таким моделям следует относиться с большой осторожностью. Однако любые исследования, обращенные в будущее, исходят из информации о прошлом и настоящем.
В простейшем случае прогнозирование какого-либо экономического показателя осуществляется с применением функции, в которой в качестве независимой переменной выступает время:
Yt=f(t). (3.53)
Динамика показателя может моделироваться различными математическими функциями, например:
степенной –
(3.54)
параболической –
(3.55)
Простейшие временные функции применяют для получения ориентировочных прогнозных оценок.
В прогнозировании экономических показателей применяют также однофакторные или многофакторные функции вида
(3.56)
где - прогноз объема производства;- объем- го вида ресурса.
Например, прогноз национального дохода можно осуществить с помощью функции вида
(3.57)
где - объем национального дохода;- величина трудовых ресурсов;- стоимость производственных фондов;- стоимость используемых природных ресурсов.
Отдельными расчетами (или взаимосвязанными с помощью системы уравнений) на прогнозируемый период определяются значения L, K и S. Тогда производственная функция позволяет дать на тот же период прогноз величины национального дохода. Могут быть построены также факторно-временные производственные функции вида
(3.58)
здесь факторы отражают воздействие на результативную величину конкретных экономических показателей, авыражает тенденции, связанные с действием неучтенных факторов: научно-технического прогресса, совершенствования управления, инновационные технологии.
Вопросы и задания
Приведите примеры производственных функций.
Определите коэффициент эластичности для функции .
Какие производственные функции являются многофакторными? Приведите пример.
Какие процессы описывает модель Леонтьева?