- •1.Визначення моделі.
- •2.Причини, що зумовлюють необхідність моделювання.
- •4.Визначення лінійного програмування.
- •5.Визначення динамічного програмування.
- •7.Що таке адекватність функції?
- •Класифікація математичного моделювання за видом економічних задач та відповідно до окремих розділів математики.
- •9. Стандартна форма запису задач лп.
- •10. Канонічна форма запису задачі лп.
- •12. Геометрична інтерпретація задачі нелінійного програмування.
- •11.Геометрична інтерпретація задачі лп.
- •13. Математична постановка задачі лп.
- •14.Перетворення математичного запису задачі лп для застосування симплекс методу.
- •15. Формули, які складають основу реалізації симплексного методу.
- •16. Економічна інтерпретація розв’язку задачі лп отриманого симплексним методом.
- •17. Яким чином з математичної постановки задачі лп скласти двоїсту задачу?
- •18. Необхідні і достатні умови для оптимального розв’язку двоїстої задачі
- •19. Теореми двоїстості, які дозволяють знайти розв’язок прямої задачі лп
- •20. Формула приросту цільової функції двоїстої задачі та її складові.
- •21. Формули, які складають основу реалізації двоїстого симплексного методу .
- •23.Яким чином скласти додаткове обчислення до задачі лп, щоб отримати цілочисловий розв’язок.
- •24. Загальний математичний запис транспортної задачі.
- •25.Загальний математичний запис задачі про призначення.
- •26.Загальний математичний запис транспортної задачі з пунктом перевалу.
- •27.З якої умови починають розв’язок транспортної задачі?
- •28.Умова якою перевіряють на оптимальність базові плани транс. Задачі.
- •29. Умова за якою визначають потенціали для базисних планів транспортної задачі.
- •30. Метод диференціальних рент.
- •31. Суть методу потенціалів.
- •32.В чому полягає перевага методу диференціальних рент над методом потенціалів?
- •34. Яка умова взята за основу при математичному формуванні Транспортної задачі?
- •35. Приведення стандартних форм запису лп до канонічних.
- •36. Основні перетворення при застосуванні методу множників Лагранжа.
- •37. Умови Куна-Такера для задач нелінійного програмування.
- •38. Теорема Куна-Такера.
- •39. Чого досягається застосовуючи множники Лагранжа в системі нелінійних рівнянь.
- •40. Необхідна і достатня умова для перевірки на оптимальність розв’язку задачі нелінійного програмування.
- •41. Що таке градієнт функції в градієнтних методах розв’язку задач нелінійного програмування.
- •42. Основна термінологія задач динамічного програмування.
- •45.Суть задачі динамічного програмування.
- •48.Суть задачі розподілу ресурсів в динамічній постановці.
- •50. Суть стохастичної задачі для динамічної постановки.
- •51. Математичні перетворення задачі динамічного програмування у диференційованій та стохастичній постановці.
- •52.Метод визначення коефіцієнтів рівняння регресії. 53.Яка формула відображає суть методу найменших квадратів. Разом.
- •54.Умова для застосування поліноміальних рівнянь одно факторної регресії для вирівнювання ряду динаміки.
- •55.Як вибрати степінь поліменіарності.
- •56.Вбудовані функції в програмі MathCad для розрахунку коефіцієнтів однофакторної регресії.
- •57,58 Статичні критерії для перевірки достовірності однофакторної регресійної моделі.
- •59. Формула емпіричної оцінки коефіцієнта факторної кореляції.
- •60. Математичний запис багатофакторного множинного поняття регресії.
- •61. Статистичні критерії та їх формули за якими виконують перевірку рівняння множинної регресії.
- •62. Що таке мультиколеніарність та як її визначати?
- •Що таке стійкість розв’язку при визначенні коефіцієнтів рівняння множинної регресії.
- •Як оцінюють адекватність рівняння множинної регресії
- •Як розраховують істотність, суттєвість рівняння множинної регресії?
- •Якщо в рівнянні множинної регресії присутні 3 і більше факторів, який метод вибору з цих факторів для включення в дане рівняння застосовують?
- •(Визначення моделей з ризику. 68. Поняття якими оперують в моделях ризику та не визначеності.). Разом.
62. Що таке мультиколеніарність та як її визначати?
Мультиколінеарність – це наявність таких значень r, при яких
│ rxy│<│ rxx│, тобто коефіцієнт парної кореляції між факторами xj більший за модулем, ніж коефіцієнт кореляції між відповідними х та показниками у.
Наявність мультиколеніарності перешкоджає встановленню дійсного впливу кожного фактора на прогнозований показник. В такому випадку система нормальних рівнянь стає виродженою і отримані результати не можна вважати надійними.
Для визначення мультиколеніарності розраховується система парних коефіцієнтів кореляції, які відображають тісноту зв'язку пар факторів, що входять в модель.
В практичних цілях рекомендується вважати зв'язок мульти-коленіарним, якщо коефіцієнт парної кореляції між двома факторами по абсолютній величині дорівнює або більше 0,8. Оскільки вказана межа значення коефіцієнта парної кореляції визначена довільно і нічим не обґрунтована, існують спроби певним чином обґрунтувати межі мультиколеніарності.
Що таке стійкість розв’язку при визначенні коефіцієнтів рівняння множинної регресії.
Реалізація у регресійному аналізі чисельних методів розв”язку, зокрема методу найменших квадратів, передбачає визначення стійкості розв”язку. Поняття стійкості розв”язку в свою чергу визначається обумовленістю системи лінійних рівнянь, яка у векторно-матричній формі запису може бути представлена такою формулою
, (3.2.9)
де: А – вектор-стовпець коефіцієнтів рівняння регресії , тобто шуканих значень розв”язку (попутно зауважимо, що коефіцієнт розраховується за окремо складеним рівнянням); Х, Y - відповідно матриця та вектор-стовпець відхилень значень вхідних даних xj,i та уі від їх середніх величин (для факторів впливу хj,i беруться середні величини по кожному з факторів j з масиву вхідних даних); Т – знак транспонування матриці.
Аналітичний розв”язок цієї системи має вигляд
. (3.2.10)
Таким чином, якщо незначні зміни у правій частині системи ведуть до суттєвої зміни розв”язку А , то така система називається погано обумовленою, а сам розв”язок – нестійким. В результаті, не дивлячись на те, що розв”язок отриманий, регресійна модель буде суперечити суті економічного, фізичного, технологічного чи іншого явища. Вимога адекватності порушується і застосовувати отримане рівняння регресії не можна. В цьому плані ми як би знаходимо математичне підтвердження того факту, що підбір факторів впливу для кореляційно-регресійної залежності в першу чергу має здійснюватися на основі попереднього аналізу і дотримання економічної, фізичної, технологічної і т.п. суті (логіки) зв”язків у системі дослідження (тобто, структури системи).
Щодо кількісних оцінок обумовленості системи рівнянь, то в навчальній та науковій літературі можна знайти такі рекомендації. Рекомендують, наприклад, розраховувати числа обумовленості матриці
. (3.2.11)
Числа обумовленості розраховують як добуток норм прямої та оберненої матриць до вказаної матриці системи рівнянь. Ці числа означають, у скільки разів може збільшитися відносна похибка в коефіцієнтах А за наявності похибки у вихідній матриці М . Для розрахунку чисел обумовленості матриці М у програмному середовищі Mathcad існують вмонтовані функції cond1(M), cond2(M), conde(M), condi(M) (від англ. сondition – умова, обумовленість). Різняться числа обумовленості несуттєво, тим більше, що за критерій обумовленості береться не саме число, а його порядок. Зустрічаються такі рекомендації : при значеннях cond , що має порядок 101 розв”язок можна вважати стійким; якщо число обумовленості сягає порядку 102 ..103 , то розв”язок системи суперечливий; при значеннях cond порядку 104 і вище система рівнянь погано обумовлена. В останньому випадку ми матимемо значну закорельованість факторів та статистичних характеристик, тому таблиця мультиколінеарності (коефіцієнтів парної кореляції між факторами) рекомендується як ще один побічний критерій, за яким можна визначити стійкість розв”язку. Бажано, щоб максимальний коефіцієнт парної кореляції між факторами не перевищував значення 0.4 , але практично витримати цю умову вдається не завжди. Якщо коефіцієнти парної кореляції між факторами приймають значення 0.8 і вище, то вірогідний висновок про наявність мультиколінеарності (недопустимої закорельованості факторів). Існує також обмеження, за яким коефіцієнти парної кореляції між факторами та показником у за модулем повинні бути суттєво більшими від значення за модулем відповідних коефіцієнтів парної кореляції між самими факторами. Необхідною умовою існування добре обумовленої матриці М є відмінність від нуля визначника цієї матриці. У випадку detM ≈ 0 матриця М є погано обумовленою, містить майже лінійно залежні вектори-стовпці, а тому її розв”язок буде нестійким. Зустрічається також рекомендація, щоб detM приймав значення, більші порівняно з коефіцієнтами матриці М.
Чим менш стійкий розв”язок вихідної матриці системи рівнянь, тим вужчий діапазон значень довірчих інтервалів для коефіцієнтів рівняння регресії. Довірчі інтервали визначають із застосуванням t-критеріїв Стьюдента на рівні значущості α ( α = 0.05) та при ступенях вільності n – N
,
(3.2.12)
де
-
стандартне відхилення коефіцієнта
регресії,
. (3.2.13)
У формулі
(3.2.13)
- залишкова дисперсія,
-
алгебраїчні доповнення діагональних
елементів матриці М
. Дисперсію
можна отримати, використовуючи формулу
суми квадратів відхилень
,
(3.2.14)
а із курсу вищої математики пригадуємо, що алгебраїчні доповнення визначаються як мінор матриці М , помножений на (-1)i+k , де i – кількість рядків мінора, k – кількість стовпців мінора. Оскільки у кореляційно-регресійному аналізі мають справу з квадратними матрицями М, то даний множник приймає значення 1 і його можна опускати. Під мінором матриці М розуміють визначник матриці на порядок меншої за М, яку можна отримати, “викреслюючи” (умовно) і-тий рядок та k-ий стовпець у матриці М, які на перехресті визначають один з діагональних елементів.
