- •2. Понятие и виды коррел. И регресс. Задачи коррел. И регресс. Ан-за
- •3. Парн. Лин. Регресс.(плр)
- •5.Коэф-т корреляции
- •6.Предпос. М-да наим. Квадратов. Т. Г-м
- •7.Анализ точности опред. Оценок коэф-ов регрессии.
- •1. Понятие экон-ки. Осн. Задачи экон-ки.
- •8) Проверка гипотез относит. Коэф-тов лин. Ур-я регрес
- •9. Интерв. Оценки коэф-ов лин. Ур-ния регрессии
- •13. Расчет коэф-в множ. Регр-ии.
- •24/Обратная модель.
- •14. Дисперсии и станд. Ошибки коэф-в.
- •19. Проверка равенства двух коэффициентов детерминации.
- •20. Проверка гипотезы о совпадении уравнений регрессии для двух выборок
- •21. Статистика Дарбина-Уртсона
- •22.Логарифмические (лог-линейные) модели.
- •33. Метод лин.Комбинаций част.Критериев.
- •34. Метод ведущего критерия.
- •36. Метод равных и наим-их относит. Отклонени
- •37. Метод минимакса
- •38. Предмет и основные понятия теории игр
- •42. Решение матричных игр в смешанных стратегиях. Теорема о необходимом и достаточном условии смешанных стратегий
- •43.Теорема о преобразованиях эл-ов платежной матрицы
- •16. Пров стат значимости коэф ур-ния множ лин регрессии
- •44. Теорема о сведении плат-й матрицы к матрице с полож числами.
- •45. Сведение матричной игры к задаче линейного программирования
- •46. Игры с природой. Понятие риска сиатистика. Матрица рисков.
- •47. Критерии Байеса и Лапласа выбора наилучшей стратегии статистика
- •48. Критерии Вальда, Сэвиджа и Гурвица выбора наилучшей стратегии статистика.
- •49. Модели анализа основных финансовых операций.
- •50. Дисконтирование денежных потоков. Текущая стоимость проекта.
- •51. Чистая текущая стоимость инвестиционного проекта
- •52. Внутренняя норма прибыли проекта
- •Вопрос 53. Индекс прибыльности и период окупаемости проекта.
- •Вопрос 54. Влияние инфляции на денежные потоки проекта.
- •58. Осн. Понятия и опр. Спу
- •57.Анализ чувств-ти ден. Потоков проекта
- •17, 18. Проверка общ кач-ва ур множ рег-сии и статзначимостикоэф детерминации.
- •59. Правила построения сет. Графиков
- •60. Расч. Врем. Парам. Событ.
- •63. Оптимизация проекта по времени, если задан срок выполнения проекта
- •62. Линейный график комплекса работ (график Ганта). Диаграмма потребления ресурсов
- •61. Расч времен парам раб.
- •64. Оптимизац проекта по времени за счет вложен выделен сумм.Ср.
- •65. Оптимизация проекта по стоимости при нефиксированной величине критического пути.
- •66. Оптимизация проекта по стоимости при фиксированной величине критического пути
- •67. Оптимизация проекта по ресурсам
- •70. Основные соотношения, отражающие сущность моб.
- •71. Мат. Модель моб. Эк. Сущность коэф-тов прямых затрат (кпз).
- •72Испол.Моб в исслед.Взаимосв. Отрасл.Структур
- •73. Использование модели моб в прогноз.Цен
- •68.Принципиальная схема моб в снс.
- •69. Экономическое содержание квадрантов моб.
24/Обратная модель.
Обратной моделью(гипербола) называется модель вида: У= β0+ β1 1/Х + ε. Она сводится к линейной модели заменой 1/Х=Х*.
Данная модель применяется в тех случаях, когда неограниченное увеличение объясняющей переменной Х асимптотически приближает зависимую переменную У к к некоторому пределу β0.
12. Множ.лин.регр-сия.Опред-е парам-в ур-ния регр-сии. На люб.экон.показатель чаще всего оказыв.влияние не 1, а неск.факторов.В этом случ.вместо парной рассм-ся множеств.регр-ссия:М(Y/x1,x2…,xm)=f(x1,x2,…,xm). Ур-ние множ.регр-сии в общ.виде: Y=f(β,X)+ε, где β=( β0, β1,…, βm)-вектор теоретич.коэф-тов,кот.нужно определить. X=(X1,X2,…,Xm)-вектор независ.переменных. Теоретич.лин.ур-ние множ.регр-сии имеет вид:Y= β0+β1X1+β2X2+…+βmXm+ε или в кажд.конкр. случае: yi= β0+ β1xi1+β2xi2+…+ βmxim+εi, i=. Число степеней свободы для множ.лин.регр-сии: ѵ=n-m-1. Если n>m+1, то возник-ет необх-сть оценив-ния теорет.коэф-тов регр-сии. Будем исполь-ть метод наим.квадр-в.Должны выполняться предпосылки Гаусса-Маркова и еще 2 предпос-ки:а) отсутствие мультиколлинеарности,т.е. между независ.перемен-ми должна отсутсв-ть сильная лин.завис-сть b)случ.отклонения εi, i= должны иметь норм.распред-ние εi ~ N(0,6). Истинные значения коэф-тов по выборке опред-ть невозможно, поэтому строится импирич.ур-ние регр-сии: Ŷ= b0+b1X1+b2X2+…+bmXm. Для каждого наблюдения мы получим: yi=ŷi+ei, i=. Для нахождения оценок b0,b1,…,bm исполь-ся ф-ция Q(b0,b1,…,bm)==→min. Дан.ф-ция-квадратичная. Необх.условие сущ-ния минимума-рав-во нулю всех ее частн.производных
=-2=0, i= =-2xij=0, j=.
14. Дисперсии и станд. Ошибки коэф-в.
3 предпосылки для расчёта:
1)
2)
3) , где,,,
Подставим в *У теор. знач-я завис-й перем-й:
У=Х. В=*(Х=*Х)**
Из послед. ф-лы => В-. Строим дисперс.-ковариац-ю матрицу вектора оц-к парам-в. К(В)=М=
Т.к. все независ. перем-ые не явл. случ. велич-ми, то получ.:
==. Получ., что,j=0,m, где – диогональн. элем-т матрицы. Знач-ие дисп-иизамен-ся несмещ-ой оц-кой. Поэтому по выборке опр-ем выборочн. дисперсии эмпирич. коэф. регрессии.)=,j=0,m. Как и в парной регр-ии – стандарт. ош-ка регр-ии;-станд. ош-ка коэф-та регр-ии.
15. Интерваль. оц-ки коэф-в теор-го ур-ния множ-й регр-сии. Для опр-ия интервал. оц-к строится t-статистика: t = . Она имеет число степ-ей свободы По выбран. ур-ню значимостиопр-ем, которое удовлетвор. соотнош-ю:) = 1-. Преобраз-м и получим доверит. интервалы вида:<, где)===. Аналог-но в парн регр-ии можно построить в матрич. форме оц-ку для ср. знач. завис-ей перемен-й, когда Х=.
19. Проверка равенства двух коэффициентов детерминации.
Пусть построенное по n наблюд-ям урав-е регр-ии имеет вид:
и коэф-т детерминации для этой модели равен . Исключим из рассм-нияk объясняющих перем-ых. По первонач. n наблюд-ям для оставшихся факторов построим другое урав-е регр-и: , для кот. коэф-т детерм-ции равен . Очевидно, что.
Возн-ет вопрос: существенно ли ухуд-сь кач-во описания поведения зависимой перем-ой Y. На него можно ответить, проверяя гипотезу и используя статистику:
В случае справед-ти F имеет распред-ие Фишера с числами степеней свободы,.
По таблицам критич. точек распред-ия Фишера находят .
Если F>Fкp., то нулевая гипотеза о равенстве коэфф-ов детерминации должна быть отклонена, т.е. одновременное исключение из рассм-ия k объясняющих перем-ых некорректно, так как (общее кач-во первонач. урав-я регр-ии лучше кач-ва урав-я регр-ии с отброш. перем-ыми.
Если же F<Fкр., то одноврем-ое отбрас-е k объясняющих перем-ых не привело к существ. ухудш-ю общего кач-ва урав-я регр-ии, и оно вполне допустимо.
Аналогичные рассуждения могут быть использованы и по поводу обоснованности включения новых k объясняющих переменных. В этом случае рассчитывается F-статистика
Если она > Fкp. то включение новых перем-ых оправдано, и наоборот.