- •1.Классификация эмм.
- •2.Технология построения эмм.
- •3. Эмм задачи производств. Планирования.
- •4. Эмм задачи трансп. Перевозок.
- •5. Эмм задачи оптимизации промышленных смесей
- •6. Эмм задачи раскроя материалов.
- •7. Эмм формирования запасов. Типы издержек.
- •12. Смо с отказами. Ф-лы эрланга.
- •9. Эмм формир.Зап. С конечн. Интенсив. Поставки без дефиц.
- •10.Эмм формир. Запасов при налич.Деф.С учет. Неуд. Требов.
- •13. Смо с ∞ числом приборов.
- •11. Эмм теории массового обслуживания. Осн.Парам. Смо
- •14. Смо с ожиданием (с очередью). Осн. Хар-ки.
- •15. Матричн. Игра 2 лиц с нулевой σ, ее реш. В чист. Страт.
- •16. Стат. Игры (игры с природ.). Матрица рисков.
- •17. Крит. Байеса, лапласа, вальда, сэвиджа, гурвица
- •20. Матрицы мо потоков, прямых мат. Затрат.
- •19. Экономическая схема моб.
- •22. Матрица полных затрат.
- •25. Краткоср.Прогноз.Стац.Пок-лей м-дом ср. Скольз.
- •24. Статическое моделирование.
- •26. Краткоср.Прогн.Стац.Показ. М-дом эксп.Взвеш.Ср.
- •27. Меры точности прогноза.
- •28. Среднеср.Прогн.Нестац.Пок.Виды тренд,постр.Тр.
- •29. Типы дисперсий. Коэф. Детерминации.
- •30. Точечн. Прогноз. Доверит. Интервал.
24. Статическое моделирование.
Прогноз – это рез-т экстраполяции прошлого в будущее. Прогнозы строятся на осн-ии статист-х данных и предст. собой несмещенные оценки моделир-го показателя. Пусть дан времен. ряд d1, d2, dt некот. эк-го пок-ля. Временной ряд-это знач. нек.эк. пок-ля в отдельн.моменты времени.По данным времен. ряда строится прогноз U(t), кот. явл-ся несмещен. оценкой показателя dt+1. Ut= t+1 ( прогнозируем. значение). Несмещенная оценка – мат. ожид. этой оценки равно оцениваемому пар-ру. M(Ut)=M( t+1)=dt+1.
В моделир-нии строят несмещ. оценки. Но если меняются объективные данные, что прогноз не м.б. выполнен, его необх. корректир.. Пример: V стр-ва жилья в посл. годы росли, след-но, вероятно, что в тек. году V стр-ва также вырастут, но сейчас сокращен V финансир-я,т.е. роста м. и не быть. При прогнозир-ии различ. 2 типа пок-лей:
1) стационарные; 2) нестационарные. СТАЦИОН. – ср. знач. пок-ля остается неизмен.. ГРАФИК
При прогнозировании таких пок-лей исп. методы краткосрочного прогнозирования:
1) метод скользящего среднего; 2) метод экспоненциального взвешенного среднего.
НЕСТАЦИОНАРНЫЕ – ср. знач. изменяется во времени.
ГРАФИК
При прогнозировании таких пок-й исп-т методы среднесрочного прогнозир-я или м-ды регрессионного выравнивания, с пом. кот. строят ф-ию тренда данного пок-ля.Тренд – ф-я, кот. изменяет определение ср. знач-я моделируемого показателя во времени.
26. Краткоср.Прогн.Стац.Показ. М-дом эксп.Взвеш.Ср.
Пусть
дан временной ряд d1,
d2,
dt
,рассмотрим послед чисел
,
0
.Явл
бесконечно убывающей геом.прогрессией,
этой
прогрессии=1 и это послед.весовых
коэфф-в,и
сами числовые значения наз-ся
весами.
При
построении прогноза по методу
экспонен.взвеш.среднего,все значения
временного ряда оказыв.влияния на
проноз,но каждая из них входит со своим
весовым коэфф.,причем более поздние
входят с большими весовыми коэф.
Ut=
запиш.
прогноз для предыд.Ut-1=
преобразовываем и получаем Ut=Ut
.
-ошибка.
Для
вычисл.прогноза по этому методу:1)опред
const
.т.к.имеет
место след.соотв.м/у константами из
значения ряда
.
Следоват.,
характ.фактор старения данных (степень
старения). Чем больше
к 1,тем быстрее устаревают данные.На
практике
чаще всего выбир.0,2,но в отд.случаях
знач. м. измен.2)необх.задать
первонач.или нулевой прогноз, обычно
его опред 1 из след способов:а)полагают
нач.значения времен.ряда U0=d1
б)полагают равным среднему арифм.известных
значений этого моделир.показателя.В)методом
экспертных оценок.
27. Меры точности прогноза.
Пусть дан времен/ ряд d1,d2,…,dt и по какому-л. м-ду построен прогноз U1,U2,…,Ut-1.
Меры точности прогноза:
1.
Ошибка
прогноза
,разность
м/у знач. времен.ряда и велич.прогноза.
2.Стандартное
отклонение
=
(определяет степень точности прогноза
с большой степенью достоверности, м.
сказать, что прогнозируемое значение
будет отклоняться от реального на
величину ±2σt.)
3.Средняя
абсолютная %-я ошибка (MAPE)
MAPE=
(определяет степень точности прогноза,
если MAPE<10%-высокая
точность прогноза, 10-20%-хорошая точность,
20-50%-удовлетворительная,
>50%-неудовлетворительная)
