Для СТУДЕНтов ЗФО
для СТУДЕНтов ЗФО
– модель – образец для изготовления чего-либо; – модель – это схема какого-либо явления или физического аспекта; – модель (modulus – от лат.) – это схема, изображение (описание какого-либо явления) процесса в природе и обществе; – модель – это упрощённое подобие реального объекта, используемое для его исследования – модель – это система, гомоморфная исследуемой системе (называемой объектом моделирования) и используемая для суждения об её свойствах и поведении. Общая формулировка понятия «модель»: модель – объект, имеющий сходство в некоторых отношениях с прототипом и служащий средством описания и / либо объяснения, и / либо прогнозирование поведение прототипа.
1) обучение (для наглядности представления информации о различных объектах и для облегчения передачи знаний о них); 2) научные исследования (для получения, обработки, упорядочения полученной информации; для обеспечения развития теории и практики); 3) управление (ля обоснования принятия решений: описание, обоснование и предсказание поведения систем).
Математическое моделирование – процесс установления соответствия данной реальной системе математической модели. Оно необходимо для изучения характеристик данной системы. Вид математической модели зависит от следующих факторов: 1) от природы реальной системы; 2) от задач исследования; 3) от требуемой достоверности и точности решения задачи. Формы записи математической модели: 1. Инвариантная форма – форма представления модели как совокупности входов, выходов, переменных состояния и глобальных уравнений системы. 2. Аналитическая форма – запись модели в виде результата решения исходных уравнений. 3. Алгоритмическая форма – запись соотношений модели и выбранного численного метода решения в форме алгоритма.
1) аналитическим, когда стремятся получить в общем виде явные зависимости, связывающие искомые характеристики с начальными условиями, параметрами и переменными состояния системы. 2) численным, когда стремятся получить числовые результаты при конкретных начальных данных, не умея решать уравнения в общем виде. 3) качественным, когда можно найти некоторые свойства решения (например, оценить его устойчивость), не имея решения в явном виде.
1) учета дискретных и непрерывных элементов; 2) учета нелинейных характеристик элементов системы; 3) учета многочисленных случайных воздействий и др.
Методы структурного моделирования: 1) методы сетевого моделирования; 2) сочетание методов структуризации с лингвистическими методами; 3) сам структурный подход в направлении формализации построения и исследования структур различного вида на основе теоретико-множественных представлений и понятия номинальной шкалы теории измерений.
1. Принцип адекватности. 2. Принцип соответствия модели поставленной задаче. 3. Принцип абстрагирования от второстепенных элементов (принцип упрощения). 4. Принцип соответствия между уровнем сложности модели и требуемой точностью результатов моделирования. 5. Принцип баланса погрешностей различных видов. 6. Принцип многовариантности реализаций элементов модели. 7. Принцип блочного строения модели.
- во-первых, уровень сложности и организации модели соответствует целям исследования; - во-вторых, модель соответствует выбранному множеству свойств реально существующей системы. Следует отметить, если можно сказать, что модель абсолютно правильно отображает изучаемую систему, то ценность модели достаточно существенна.
Как показывает практика, реализация данного принципа осуществляется зачастую путем проб и ошибок.
1. Содержательное описание моделируемой системы. 2. Формализация операций. 3. Проверка адекватности модели. 4. Корректировка модели. 5. Оптимизация модели.
4) определяется исходное множество характеристик системы (на основе содержательного описания); 5) осуществляется приближенный анализ каждой из выделенных характеристик системы и определяются наиболее существенные параметры системы; 6) исключаются несущественные характеристики; 7) выделяются управляемые и неуправляемые параметры (элементы) и производится символизация; 8) вводится система ограничений на значения управляемых параметров (ограничениями можно пренебречь, если они не имеют принципиального характера); 9) формируется целевая функция модели (функции полезности на исходах операций и критерия эффективности).
1. Все ли существенные параметры включены в модель? 2. Нет ли в модели несущественных параметров? 3. Правильно ли отражены функциональные связи между параметрами? 4. Правильно ли определены ограничения на значения параметров? Для проверки рекомендуется привлекать специалистов, которые не принимали участия в разработке модели. Они могут более объективно рассмотреть модель и заметить ее слабые стороны, чем ее разработчики.
![]()
Систему называют гомоморфной другой системе, если первая обладает некоторыми, но не всеми, свойствами или законами поведения другой.
2. Уникальный или дорогостоящий объект разрушится вследствие исследования (предельная нагрузка на железнодорожный мост). 3. Исследование на реальном объекте дорого, трудоёмко или опасно (влияние биологических средств борьбы с вредителями сельскохозяйственных культур). 4. Исследование на реальном объекте займёт неприемлемо долгое время (процесс формирования каменноугольных залежей). 5. Реальный объект не существует: изучается возможность и целесообразность его создания (скоростная железнодорожная магистраль Москва – Васюки).
1. По целевому значению – теоретические и прикладные. 2. По степени агрегирования – микроэкономические, макроэкономические, наноэкономические. 3. По решаемым задачам – балансовые, эконометрические, оптимизационные, имитационные. 4. По учёту фактора времени – статические и динамические. 5. По учёту фактора неопределённости – детерминированные и стохастические. 6. По отношению к процессу принятия решения – дескриптивные и нормативные.
1. Методы теории систем: – Системный анализ; – Синтетический метод. 2. Методы математической статистики: – Дисперсионный анализ; – Корреляционный анализ; – Регрессионный анализ; – Факторный анализ; – Кластерный анализ; – Теория индексов. 3. Методы исследования операций: – Математическое программирование; 1) линейное (сепарабельное, целочисленное, дробно-линейное); 2) нелинейное; 3) динамическое; 4) параметрическое; 5) стохастическое. – Методы теории игр; – Методы теории расписаний; – Методы теории массового обслуживания; – Управление запасами.
– каждая отрасль выпускает ровно один продукт; – каждый продукт выпускается ровно одной отраслью (число продуктов равно числу отраслей; измерять интенсивность работы отрасли можно объёмом выпуска соответствующего продукта); – затраты любого продукта в каждой отрасли прямо пропорциональны её интенсивности.
Эмпирической базой модели является таблица «затраты-выпуск». В результате можем получить следующие виды моделей: прикладную, мкроэкономическую, балансовую, статическую, детерминированную, нормативную.
– чем меньшую часть ВВП мы рассматриваем в качестве конечного результата функционирования экономики; – тем точнее соответствие между коэффициентами любой строки матрицы B и стоимостными (ценовыми) пропорциями, обеспечивающими необходимый и достаточный объём финансовых ресурсов каждой отрасли. Следовательно, полные затраты любого блага на производство любого другого блага объясняют пропорции цен, складывающихся в экономике, если в качестве конечного продукта признаётся очень малая часть ВВП.
– наличие определённых ресурсов; – наличие определённых технологических возможностей; – цель хозяйственной деятельности (извлечение прибыли, удовлетворение потребностей, предотвращение угрозы, накопление знаний, и т.д.). Суть принципа – планировать хозяйственную деятельность таким образом, чтобы при имеющихся ресурсах и технологиях не существовало способа достичь цели в большей степени, чем это предусматривает план В полной мере этот принцип может быть реализован только с помощью экономико-математических моделей.
1. Выбираем произвольный набор базисных переменных и выражаем их через свободные. 2. Если строк с отрицательными свободными членами нет – опорное решение получено; иначе – п.3. 3. Одну из таких строк выбираем в качестве вспомогательной целевой функции и проводим по ней процедуру решения на минимум, используя алгоритм симплекс-метода. 4. Если оптимум достигнут при отрицательном свободном члене – система ограничений несовместна; иначе – п.5 5. Как только достигнуто положительное значение свободного члена, переходим к п.2.
удовлетворяются линейные неравенстве: и все переменные Эта задача (1.1) — (1-3) и составляет математическую модель линейного программирования. Она возникла на примере из области производственного планирования.
Z=
где: Xj - параметры управления; Сj - коэффициент целевой функции; аij - коэффициенты при параметрах управления в системе ограничений; bj - свободные элементы системы ограничений.
Z=
где: Xij - параметры управления; Сij - коэффициенты целевой функции; аi – свободные элементы первой системы ограничений; bj - свободные элементы второй системы ограничений.
Z= Xij≥(≤)0, где: Xij - параметры управления; Сij - коэффициенты целевой функции; Pij - коэффициенты при параметрах второй системы ограничений; аi – свободные элементы первой системы ограничений; bj - свободные элементы второй системы ограничений.
Во-первых, эти модели, как правило, имеют экономический смысл многих практических приложений, а их математическая структура позволяет моделировать экономические объекты, на первый взгляд очень далекие от сетевой постановки. Во-вторых, что очень важно, особенности математической модели сети позволяют существенно повысить эффективность процесса отыскания решений задач, которые удается записать в терминах сети.
а) если в паре взаимно-двойственных задач одна имеет оптимальное решение, то и другая имеет оптимальное решение с тем же значением целевой функции; б) если целевая функция одной из взаимно-двойственных задач не ограничена, то допустимая область другой пуста.
а) разница между левой и правой частями любого ограничения прямой задачи может отличаться от нуля лишь тогда, когда соответствующая переменная двойственной задачи равна нулю. б) переменная прямой задачи может отличаться от нуля лишь тогда, когда разница между левой и правой частями соответствующего ограничения двойственной задачи равна нулю.
Теорема 3 (теорема об оценках): «Каждая двойственная переменная равна частной производной оптимального значения целевой функции прямой задачи по свободному члену её ограничения, соответствующего данной двойственной переменной».
– множество состояний, в том числе начальное и конечное; – множество возможных переходов из одного состояния в другое (с каждым переходом связывается числовой параметр; интерпретируется как затраты, выгода, расстояние, время и т.п. Найти оптимальную последовательность переходов (путь) из начального состояния в конечное: – максимум или минимум суммы числовых параметров; – предполагается, что хотя бы один путь из начального состояния в конечное существует.
Следствие: – чтобы найти оптимальный путь от 0 до A, достаточно исследовать продолжения к A всех оптимальных путей до вершин, предшествующих A; – продолжения неоптимальных путей к предшествующим вершинам можно не просчитывать: они никогда не дадут оптимального пути к A; Принцип Беллмана позволяет построить простую и эффективную вычислительную процедуру для решения задач динамического программирования.
– Экстремальные задачи без ограничений; – Задачи выпуклого программирования: 1. Задачи дробно-линейного программирования. 2. Задачи квадратичного программирования. 3. Прочие. – Задачи невыпуклого программирования.
Для этого необходимо на основе исходной задачи математического программирования построить функцию Лагранжа:
Главное, чем полезна теорема Куна-Таккера: – выяснение роли множителей Лагранжа в формулировании условий оптимальности; – экономическая интерпретация множителей Лагранжа.
Если исходная задача выпукла – любой из существующих оптимумов соответствует седловой точке функции Лагранжа. Если исходная задача невыпукла – любой из существующих оптимумов соответствует точке Куна-Таккера функции Лагранжа (любая седловая точка обязательно является точкой Куна-Таккера; обратное не всегда верно); – точка Куна-Таккера не обязательно соответствуют оптимумам исходной задачи.
Направление градиента указывает направление, в котором функция растёт быстрее всего, а его модуль (длина, евклидова норма) характеризует скорость роста.
– Учёт эффекта масштаба. – Моделирование рынка: зависимость цены от расстояния. – Олигопольные рынки: зависимость цены от объёма поставок.
2. Выбираем функциональную форму для функции прибыли и статистически оцениваем её параметры 3. Дифференцируя функциональную форму функции прибыли по ценам, получаем формы для функций выпуска и ресурсов 4. Статистически оцениваем параметры функций выпуска и ресурсов 5. Гипотеза отвергается, если различие в оценках одних и тех же параметров, входящих в функции прибыли, выпуска и ресурсов, является значимым (т.е. не остаётся в пределах, объяснимых случайностью) – величина отклонения не должна выходить за границы интервала, охватывающего 95% вероятности возможных значений параметра; – для выяснения этого вопроса используется информация о дисперсии оценки параметра и предположение об её нормальном распределении. 6. В противном случае нет оснований отвергнуть гипотезу (это не значит, что она безусловно верна; но имеющимся данным она не противоречит, и есть основания пользоваться ею в практических приложениях, пока (если) она не будет отвергнута другими исследователями на другом (более подробном!) материале).
В эконометрике при формулировании теоретической модели, как правило, постулируется наличие связи, но не указывается её форма
Если в эконометрическом исследовании используются параметрические методы, то при формулировании эмпирической спецификации используются произвольные (как правило, самые простые) функциональные формы (лишь бы они соответствовали имеющемуся знанию о характере связи – возрастающая, выпуклая, линейно однородная и т.п.). Произвольный выбор функциональной формы при использовании параметрических методов может привести к ошибочным выводам по результатам эконометрического исследования
1. Эконометрическое моделирование зависимости спроса от цены. 2. Эконометрическое моделирование зависимости спроса от дохода. 3. Структурные модели рынка.
Этот подход практически непригоден при предельных случаях эластичности спроса по цене (очень высокая и очень низкая), в том числе для маркетинга важнейших видов сельскохозяйственной продукции продовольственного назначения.
1. Объём сбыта на монопольном рынке. 2. Эластичность спроса по доходу. 3. Эластичность спроса по цене в предположении постоянного дохода. Пригоден для описания только конечного спроса, в том числе и спроса на услуги.
– y – объём спроса одного потребителя; – z – доход потребителя; – ε – влияние на спрос факторов, не связанных с доходом. График функции y = f (z) называется кривой Энгеля.
–
–
–
Подходы к моделированию зависимости спроса от цены 1. По числу переменных – зависимость спроса от одной цены одного товара y = f (p); – зависимость спроса на товар от цен на субституциональные и комплементарные товары y = f (p); – зависимость спроса на множество товаров от их цен y = f(p): 1. Если уравнения системы не имеют общих параметров, они оцениваются по отдельности. 2. Если два уравнения или более содержат один и тот же параметр, используют процедуры оценивания системы уравнений (например, ITSUR). Часто предусматривают: зависимость спроса на суммарное количество субституционарных товаров от их цен; зависимость спроса на один из комплементарных товаров от другого. 2. Дополнительные факторы, включаемые в зависимость: – сезон; – местоположение; – группа покупателей. 3. Наиболее распространённые эмпирические спецификации – Степенная функция – форма с постоянной эластичностью: y = αpβ ; – Линейная функциональная форма (самая простая процедура оценивания, наименьшее количество условностей): y = a0 + a1p ПРОБЛЕМА: практически невозможно обеспечить независимость статистического наблюдения от прочих факторов: от цен на другие товары и от цен других поставщиков; модель может быть адекватной лишь до тех пор, пока прочие факторы, повлиявшие на данные, остаются неизменными
|