Экономико-математическое моделирование

Составление экономико-математической модели оптимизации прибыли от инвестиций. Вычисление её промежуточных результатов по параметрам линейной модели. Изучение адекватности модели математического ожидания значений. Расчеты по адаптивной модели Брауна.

Рубрика Экономико-математическое моделирование
Вид задача
Язык русский
Дата добавления 23.04.2013
Размер файла 170,6 K

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru/

Задача 1

Финансовый консультант фирмы «ABC» консультирует клиента по оптимальному инвестиционному портфелю. Клиент хочет вложить средства (не более 25000$) в два наименования акций крупных предприятий в составе холдинга «Дикси».

Анализируются акции «Дикси -Е» и «Дикси -В». Цены на акции: «Дикси -Е» - 5$ за акцию; «Дикси - В» - 3$ за акцию.

Клиент уточнил, что он хочет приобрести максимум 6000 акций обоих наименований, при этом акций одного из наименований должно быть не более 5000 штук.

По оценкам «ABC» прибыль от инвестиций в эти две акции в следующем году составит: «Дикси -Е» - 1,1$; «Дикси -В» - 0,9$.

Задача консультанта состоит в том, чтобы выдать клиенту рекомендации по оптимизации прибыли от инвестиций.

Построить экономико-математическую модель задачи, дать необходимые комментарии к ее элементам и получить решение графическим способом. Что произойдет, если решать задачу на минимум и почему?

РЕШЕНИЕ:

Пусть х1 шт. - количество акций «Дикси-Е»; х2 шт. - количество акций «Дикси-В», тогда количество приобретаемых акций:

х1 + х2 <= 6000

Причем:

х1<=5000; x2<=5000.

Вложенные средства должны составить:

1 + 3х2 <= 25 000$

А максимальная прибыль выразится функцией:

Z = 1,1x1 + 0,9x2 max

Получили задачу оптимизации: найти максимальное значение линейной функции:

Z = 1,1x1 + 0,9x2 при ограничениях:

х12 <= 6000

1 + 3х2 <= 25000

Построим многоугольник решений. Для этого в системе координат х1Ох2 на плоскости изобразим граничные прямые:

х1 + х2 = 6000 (L1)

110х1+90х2=0 (z)

1 + 3x2 = 25000 (L2)

Установим, какую полуплоскость определяет каждое неравенство относительно граничной прямой.

x1

x2

L1

0

6000

6000

0

L2

0

8333

5000

0

L3

0

5000

5000

5000

L4

5000

0

5000

5000

z

0

0

900

-1100

0

0

5500

4500

В результате имеем пятиугольник АВ СDО.

Построим вектор N = (5500; 4500) и прямую:

1,1х1 + 0,9х2 = 0 (Z)

Перемещаем прямую Z параллельно самой себе в направлении вектора N. Из рис. следует, что она выйдет из многогранника решений и станет опорной по отношению к нему в угловой точке С; в точке С линейная функция принимает максимальное значение. Точка С лежит на пересечении прямых L1 и L2; для определения ее координат решим систему уравнений:

х1 + х2 = 6000

1 + 3x2 = 25000

Имеем: х1 = 3500; х2 = 2500.

Подставляя найденные значения в линейную функцию, получаем Zmax = 1,1*3500+0,9*2500 = 3850+2250 = 6100.

Для того, чтобы обеспечить максимум прибыли (6100 $), необходимо приобрести 3500 акций «Дикси -Е» и 2500 акций «Дикси -В». Если решить эту задачу на минимум, то получим, что вообще ничего не надо приобретать, т.к. функция достигает своего минимального значения в точке (0; 0).

Задача 2

Для изготовления трех видов продукции используют три вида сырья, запасы сырья, нормы его расхода и цены реализации единицы каждого вида продукции приведены в таблице.

Тип сырья

Нормы расхода на 1 изделие

Запасы сырья

А

Б

В

I

II

III

18

6

5

15

4

3

12

8

3

360

192

180

Цена изделия

9

10

16

Требуется:

1) Сформулировать прямую оптимизационную задачу на максимум выручки от реализации готовой продукции, получить оптимальный план выпуска продукции.

2) Сформулировать двойственную задачу и найти ее оптимальный план с помощью теорем двойственности.

3) Пояснить нулевые значения переменных в оптимальном плане;

4) На основе свойств двойственных оценок и теорем двойственности: проанализировать использование ресурсов в оптимальном плане исходной задачи;

- определить, как изменятся выручка от реализации продукции и план ее выпуска, если запас сырья I вида увеличить на 45 кг, а II вида уменьшить на 9 кг;

- оценить целесообразность включения в план изделия Г ценой 11 ед., на изготовление которого расходуется соответственно 9, 4 и 6 кг соответствующего вида сырья:

РЕШЕНИЕ:

Обозначим через хj = 1,2,3 - количество выпускаемой продукции j-го вида и запишем математическую модель задачи по критерию «максимум выручки от реализации готовой продукции».

Решение проведем в среде EXCEL, получим результат:

Таблица:

x1

x2

x3

0

8

20

9

10

16

400

18

15

12

360

<=

360

6

4

8

192

<=

192

5

3

3

84

<=

180

Проверим, как удовлетворяется система функциональных ограничений оптимальным планом:

Значение целевой функции на этом плане равно: f(X`) = 9*0+10*8+16*20 =400.

Чтобы предприятие имело максимальную выручку от реализации готовой продукции, необходимо выпускать изделия Б - 8 ед. и изделия В- 20 ед., а изделия А не выпускать. Двойственная задача имеет вид:

Для нахождения оценок y1, y2, y3 используем вторую теорему двойственности.

Поскольку третье ограничение в (*) выполняется как строгое неравенство, то у3=0, а т.к. х2>0 и х3>0, то:

15y1+ 4у2 + 3y3 = 10

12y1+8у2 +3у3 =16

Т.е. для получения двойственных оценок имеем систему:

Вычислим значение целевой функции двойственной задачи:

(Y`) =360*2/9+192*5/3+ 180*0 = 400.

То есть:

f (X`) = (Y`) = 400

По первой теореме двойственности можно утверждать, что действительно найдены оптимальные значения двойственных переменных.

Нулевое значение переменной х1 в оптимальном плане говорит о том, что изделия типа А выпускать не нужно, а нулевое значение переменной у3 = 0 говорит о том, что сырье третьего типа является не дефицитным и его запасы не повлияют на оптимальный план выпуска продукции:

а) увеличение запасов сырья I вида на 1 единицу приведет к росту максимальной стоимости на 0,22 ед. (y1 =2/9); увеличение запасов сырья II вида на 1 ед. приведет к росту максимальной стоимости на 1,7 ед. (у2 =5/3), а увеличение запасов сырья III вида на 1 ед. не повлияет на оптимальный план выпуска продукции и на общую стоимость изделий (у2= 0).

б) двойственные оценки отражают сравнительную дефицитность различных видов ресурсов. Оценки показывают, какие ресурсы являются более дефицитными, а какие совсем не дефицитны. В нашем случае недефицитным ресурсом является сырье III вида, т.к. у3=0. Острее ощущается дефицитность сырья II вида (у2=5/3) оно более дефицитно, чем сырье I вида (у1 = 2/9).

в) двойственные оценки позволяют определять своеобразные «нормы заменяемости ресурсов», заменяемость с точки зрения конечного эффекта. В нашем случае относительная заменяемость ресурсов определяется соотношением 2/9:5/3 = 2:15.

г) Определим, как изменится выручка от реализации продукции и план ее выпуска, если запас сырья I вида увеличить на 45 кг, а II вида уменьшить на 9 кг:

f (x) = 2 / 9*45 - 5 / 3 * 9 = 10 - 15= - 5.

Т.е. максимальная выручка уменьшится на 5 ед.

д) Определим целесообразность включения в план изделия Г ценой 11 ед., на изготовление которого расходуется 9, 4 и 6 кг соответствующего вида сырья:

Как выгодное расширение ассортимента;

Задача 3

В течение девяти последовательных недель фиксировался спрос Y(t) (млн. руб.) на кредитные ресурсы финансовой компании.

Временной ряд Y(t) этого показателя приведен в таблице:

t

1

2

3

4

5

6

7

8

9

Y(t)

12

15

16

19

17

20

24

25

28

Требуется:

1) Проверить наличие аномальных наблюдений.

2) Построить линейную модель:

Y(t) =

Параметры которой оценить МНК (Y(t) - расчетные, временного ряда).

3) Построить адаптивную модель Брауна:

?(k) =

С параметром сглаживания б = 0,4 и б = 0,7; выбрать лучшее значение параметра сглаживания б.

4) Оценить адекватность построенных моделей, используя свойства независимости остаточной компоненты, случайности и соответствия нормальному закону распределения (при использовании R/S-критерия взять табулированные границы 2,7 - 3,7).

5) Оценить точность моделей на основе использования средней относительной ошибки аппроксимации.

6) По двум построенным моделям осуществить прогноз спроса на следующие две недели (доверительный интервал прогноза считать при доверительной вероятности р = 70%).

7) Фактические значения показателя, результаты моделирования и прогнозирования представить графически.

Вычисления провести с одним знаком в дробной части. Основные промежуточные результаты вычислений представить в таблицах (при использовании компьютера представить соответствующие листинги с комментариями).

РЕШЕНИЕ.

1) Для выявления аномальных уровней временного ряда используем метод Ирвина, который предполагает использование следующей формулы:

Где среднеквадратическое отклонение у рассчитывается с использованием формул:

Таблица:

t

Y

|yt-yt-1|

yt-yср

(yt-yср)2

л

лтабл

1

12

-7,6

57,1

2

15

3

-4,6

20,8

1,7

>1,5

3

16

1

-3,6

12,6

0,6

1,5

4

19

3

-0,6

0,3

1,7

>1,5

5

17

2

-2,6

6,5

1,1

1,5

6

20

3

0,4

0,2

1,7

>1,5

7

24

4

4,4

19,8

2,3

>1,5

8

25

1

5,4

29,6

0,6

1,5

9

28

3

8,4

71,3

1,7

>1,5

Сумма

45

176

218,2

Ср.знач

5

19,6

24,2

3,0

?

1,7

Вывод: видим, что значения у2, у4, у6, у7 и у8 являются аномальными, т.к. все, кроме них, вычисленные значения л меньше критического значения критерия Ирвина: n=10, для уровня значимости 0,05, т.е. с 5%-ной ошибкой, лтабл=1,5.

2) Результаты регрессионного анализа для временного ряда представим в следующих таблицах.

Таблица:

Коэффициенты

Стандартная ошибка

t-статистика

Y-пересечение

10,30556

0,985152

10,46088

t

1,85

0,175066

10,56744

Таблица:

Наблюдение

Предсказанное Y

Остатки

1

12,15556

-0,15556

2

14,00556

0,994444

3

15,85556

0,144444

4

17,70556

1,294444

5

19,55556

-2,55556

6

21,40556

-1,40556

7

23,25556

0,744444

8

25,10556

-0,10556

9

26,95556

1,044444

Сумма

176,0

0,0

Во втором столбце табл. 4.2 содержатся коэффициенты уравнения регрессии и , в третьем столбце - стандартные ошибки коэффициентов уравнения регрессии, а в четвертом - t-статистика, используемая для проверки значимости коэффициентов уравнения регрессии.

Уравнение регрессии зависимости уt (спроса на кредитные ресурсы финансовой компании) от времени t имеет вид:

Y(t) = 10,3 + 1,9 * t

При вычислении «вручную» получаем те же результаты.

Оценка параметров модели «вручную».

Промежуточные расчеты параметров линейной модели приведем в таблице ниже:

Таблица:

t

y

t-tср

(t-tср)2

y-yср

(t-tср)(y-yср)

1

12

-4

16

-7,56

30,2

2

15

-3

9

-4,56

13,7

3

16

-2

4

-3,56

7,1

4

19

-1

1

-0,56

0,6

5

17

0

0

-2,56

0,0

6

20

1

1

0,44

0,4

7

24

2

4

4,44

8,9

8

25

3

9

5,44

16,3

9

28

4

16

8,44

33,8

сумма

45

176

0

60

0,0

111

среднее

5

19,6

1,9

19,6- 1,9*5 = 10,3.

Оценка качества построенной модели:

Для этого исследуем адекватность модели. Модель является адекватной, если математическое ожидание значений остаточного ряда близко или равно нулю и если значения остаточного ряда случайны, независимы и подчинены нормальному закону распределения.

Проверка равенства нулю математического ожидания уровней ряда остатков.

В нашем случае = 0, поэтому гипотеза о равенстве математического ожидания значений остаточного ряда нулю выполняется.

При проверке независимости (отсутствие автокорреляции) определяется отсутствие в ряду остатков систематической составляющей, например, с помощью d-критерия Дарбина-Уотсона по формуле. Численное значение коэффициента равно:

d`= 4 - 2,03=1,97 - попадает в интервал от d2 до 2 (для линейной модели при 10 наблюдениях можно взять в качестве критических табличных уровней величины d1 = 1,08, d2 = 1,36), значит, гипотеза о независимости уровней остаточной последовательности.

Т.е. об отсутствии в ней автокорреляции, принимается и модель адекватна по данному признаку.

Таблица:

Остатки

еtt-1

tt-1)2

е2

1,0

1,2

1,3

1,0

0,1

-0,9

0,7

0,0

1,3

1,2

1,3

1,7

-2,6

-3,9

14,8

6,5

-1,4

1,2

1,3

2,0

0,7

2,2

4,6

0,6

-0,1

-0,8

0,7

0,0

1,0

1,2

1,3

1,1

0,00

1,2

26,2

12,9

Проверку случайности уровней ряда остатков проведем на основе критерия поворотных точек: в случайном ряду чисел должно выполняться строгое неравенство:

При N=9 в правой части неравенства имеем: [2*(9-2)/3-2v(16*9-29)/90] = [2,7] = 2. Здесь р = 6; 6>2 - неравенство выполняется, следовательно, свойство случайности выполняется.

Соответствие ряда остатков нормальному закону распределения определим при помощи RS-критерия:

RS= [еmax - еmin] : Sе = [1,3+2,6] : 1,3 = 3,0

Для N=10 и 5%-го уровня значимости границы критерия (2,7 - 3,7)), 3,0 попадает в указанный интервал, следовательно, свойство нормальности распределения выполняется.

Вывод: модель статистически адекватна (выполняются все условия из четырех).

Средняя относительная ошибка:

4,9%

Т.к. 4,9% < 15%, то точность модели считается приемлемой.

5. Построим точечный и интервальный прогнозы спроса на следующие две недели (для вероятности 70% использовать t = 1,12):

Yp(10) = = 10,3 + 1,9*10 = 29,3

Yp(11) = = 10,3 + 1,9*11= 31,2

Для построения интервального прогноза рассчитаем доверительный интервал.

Примем значение уровня значимости б = 0,3 следовательно, доверительная вероятность равна 70%, а критерий Стьюдента при v = п - 2 = 7 равен 1,12.

Ширину доверительного интервала вычислим по формуле:

Где:

1,4

m=1 - количество факторов в модели (для линейной модели m=1).

Таблица:

п + к

U(k)

Прогноз

Формула

Верхняя граница

Нижняя граница

10

11

U(l) = 1,9

U(2) = 2,1

29,3

31,2

Прогноз + U(1) Прогноз - U (2)

31,2

33,3

27,4

29,1

Т.к. построенная модель адекватна.

Исходя из этого, можно утверждать следующие:

При сохранении сложившихся закономерностей развития, прогнозируемая величина попадает в интервал, образованный нижней и верхней границами.

Отобразим на графике фактические данные, результаты расчетов и прогнозирования.

Для этого следует преобразовать график подбора, который был получен с помощью инструмента Регрессия:

Рисунок:

Рисунок:

Результаты моделирования и прогнозирования.

Построим адаптивную модель Брауна.

Расчетное значение в момент времени получается по формуле:

Где: k - количество шагов прогнозирования (обычно k = 1).

Это значение сравнивается с фактическим уровнем, и полученная ошибка прогноза:

Е(t) = Y(t) - Yp(t)

Используется для корректировки модели.

Корректировка параметров осуществляется по формулам:

Где: в - коэффициент дисконтирования данных, отражающих большую степень доверия к более поздним данным.

Процесс модификации модели (t = 1, 2,…,N) в зависимости от текущих прогнозных качеств обеспечивает ее адаптацию к новым закономерностям развития.

Для прогнозирования используется модель, полученная на последнем шаге (при t=N).

Начальные оценки параметров получим по первым пяти точкам при помощи МНК.

Таблица:

t

Y(t)

t-tср

(t-tср)2

Y(t)-Yср

(t-tср)(Y(t)-Yср)

1

12

-2

4

-3,8

7,6

2

15

-1

1

-0,8

0,8

3

16

0

0

0,2

0

4

19

1

1

3,2

3,2

5

17

2

4

1,2

2,4

Сумма = 15

79

0

10

0,00

14

СРзнач = 3

15,8

Используя эти результаты, получим:

14 : 10 = 1,4;

15,8 - 1,4*3 = 11,6.

Возьмем k = 1 и б = 0,4, в = 1 - б = 0,6.

Подробно покажем расчет на первых двух шагах, а остальные отразим в таблице.

t = 1 11,6 + 1,4*1 = 13,0;

Е(1) = Y(1) - Yp(1) = 12 - 13 = -1;

13,0 - 1*0,64 = 12,4;

1,4 - 1*0,16 = 1,2.

2 12,4 + 1,2*1 = 13,6;

Е(2) = Y(2) - Yp(2) = 15 - 13,6 = 1,4;

13,6 +1,4*0,64 = 14,5;

1,2 +1,4*0,16 = 1,4 и т. д.

Таблица - Оценка параметров модели:

б=0,4

t

Факт Y(t)

a0(t)

a1(t)

Расчет Yp(t)

E(t)

E2(t)

0

11,6

1,4

1

12

12,4

1,2

13,0

-1,0

1,0

2

15

14,5

1,5

13,6

1,4

2,0

3

16

16,0

1,5

16,0

0,0

0,0

4

19

18,4

1,7

17,5

1,5

2,4

5

17

18,1

1,2

20,2

-3,2

10,0

6

20

19,8

1,3

19,3

0,7

0,4

7

24

22,9

1,8

21,1

2,9

8,5

8

25

24,9

1,8

24,7

0,3

0,1

9

28

27,5

2,0

26,7

1,3

1,6

Сумма

176

172,1

3,9

25,97

a=0,7

t

Факт Y(t)

a0(t)

a1(t)

Расчет Yp(t)

E(t)

E2(t)

0

11,6

1,4

0

1

12

12,1

1,3

13,0

-1,0

1,0

2

15

14,9

1,5

13,4

1,6

2,6

3

16

16,0

1,4

16,3

-0,3

0,1

4

19

18,9

1,6

17,5

1,5

2,4

5

17

17,3

1,3

20,4

-3,4

11,7

6

20

19,9

1,4

18,6

1,4

2,1

7

24

23,8

1,6

21,3

2,7

7,5

8

25

25,0

1,6

25,4

-0,4

0,1

9

28

27,9

1,7

26,6

1,4

1,9

сумма

176,0

172,4

29,39

Так как:

2(t) (б = 0,4) < ?E2(t) (б = 0,7)

На последнем шаге получена модель:

Yp (N+k) = 27,5 +2,0k

Оценка качества построенной модели.

Для этого исследуем адекватность модели. Модель является адекватной, если математическое ожидание значений остаточного ряда близко или равно нулю и если значения остаточного ряда случайны, независимы и подчинены нормальному закону распределения.

Проверка равенства нулю математического ожидания уровней ряда остатков. Проверка равенства математического ожидания уровней ряда остатков нулю выполним с использованием t-критерия Стьюдента:

Где:

t < tтабл, поэтому гипотеза о равенстве математического ожидания значений остаточного ряда нулю выполняется.

При проверке независимости (отсутствие автокорреляции) определяется отсутствие в ряду остатков систематической составляющей, с помощью d-критерия Дарбина-Уотсона по формуле. Численное значение коэффициента равно:

d`= 4 - 2,3=1,7 - попадает в интервал от d2 до 2 (для линейной модели при 10 наблюдениях можно взять в качестве критических табличных уровней величины d1 = 1,08, d2 = 1,36), значит, гипотеза о независимости уровней остаточной последовательности, т.е. об отсутствии в ней автокорреляции, принимается и модель адекватна по данному признаку.

Таблица:

Остатки

еtt-1

tt-1)2

е2

Eотн

-1,0

1,0

8,3

1,4

2,4

5,8

2,0

9,3

0,0

-1,4

1,8

0,0

0,2

1,5

1,5

2,3

2,4

8,1

-3,2

-4,7

22,1

10,0

18,6

0,7

3,8

14,5

0,4

3,3

2,9

2,3

5,1

8,5

12,2

0,3

-2,7

7,0

0,1

1,1

1,3

1,0

1,0

1,6

4,5

3,9

2,3

59,7

26,0

65,7

7,3

Проверка случайности уровней ряда остатков по критерию пиков дает положительный результат: р = 6; 6>2 - неравенство выполняется, следовательно, свойство случайности выполняется.

Рисунок:

Соответствие ряда остатков нормальному закону распределения определим при помощи RS-критерия:

RS= [еmax - еmin]:Sе = [2,9+3,2]: 1,8 = 3,4

Для N=10 и 5%-го уровня значимости границы критерия (2,7 - 3,7)), 3,4 попадает в указанный интервал, следовательно, свойство нормальности распределения выполняется.

Вывод: модель статистически адекватна (выполняются все условия из четырех).

Средняя относительная ошибка:

%

Т.к. 7,3% < 15%, то точность модели считается приемлемой. Построим точечный и интервальный прогнозы спроса на следующие две недели:

Yp(10) = 27,5 +2,0 * k = 27,5 + 2*1 = 29,5

Yp(11) = 27,5 +2,0 * k = 31,5

Для построения интервального прогноза рассчитаем доверительный интервал. Примем значение уровня значимости б = 0,3 следовательно, доверительная вероятность равна 70%, а критерий Стьюдента при v = п - 2 = 7 равен 1,12. Ширину доверительного интервала вычислим по формуле:

Где:

m=1 - количество факторов в модели (для линейной модели m=1):

,

.

Таблица:

Время t

Шаг k

Прогноз

Верхняя граница

Нижняя граница

10

11

1

2

29,5

31,5

32,2

34,4

26,8

28,6

математический инвестиция линейный

Т.к. построенная модель адекватна, то можно утверждать, что при сохранении сложившихся закономерностей развития, прогнозируемая величина попадает в интервал, образованный нижней и верхней границами.

Отобразим на графике фактические данные, результаты расчетов и прогнозирования.

Размещено на Allbest.ru

...

Подобные документы

  • Роль экономико-математических методов в оптимизации экономических решений. Этапы построения математической модели и решение общей задачи симплекс-методом. Составление экономико-математической модели предприятия по производству хлебобулочных изделий.

    курсовая работа [1,3 M], добавлен 09.07.2015

  • Сущность и содержание метода моделирования, понятие модели. Применение математических методов для прогноза и анализа экономических явлений, создания теоретических моделей. Принципиальные черты, характерные для построения экономико-математической модели.

    контрольная работа [141,5 K], добавлен 02.02.2013

  • Цель математического моделирования экономических систем: использование методов математики для эффективного решения задач в сфере экономики. Разработка или выбор программного обеспечения. Расчет экономико-математической модели межотраслевого баланса.

    курсовая работа [1,3 M], добавлен 02.10.2009

  • Построение экономико-математической модели задачи, комментарии к ней и получение решения графическим методом. Использование аппарата теории двойственности для экономико-математического анализа оптимального плана задачи линейного программирования.

    контрольная работа [2,2 M], добавлен 27.03.2008

  • Построение уравнения регрессии, учитывающего взаимодействия факторов, проверка полученной модели на адекватность. Построение математической модели и нахождение численных значений параметров этой модели. Вычисление коэффициентов линейной модели.

    курсовая работа [1005,0 K], добавлен 07.08.2013

  • Решение экономико-математических задач методами линейного программирования. Геометрическая интерпретация и решение данных задач в случае двух переменных. Порядок разработки экономико-математической модели оптимизации отраслевой структуры производства.

    курсовая работа [116,4 K], добавлен 23.10.2011

  • Составление экономико-математической модели плана производства продукции. Теория массового обслуживания. Модели управления запасами. Бездефицитная простейшая модель. Статические детерминированные модели с дефицитом. Корреляционно-регрессионный анализ.

    контрольная работа [185,7 K], добавлен 07.02.2013

  • Сущность экономико-математического моделирования. Понятия и типы моделей. Принцип работы симплекс-метода. Разработка математической модели по формированию производственной программы. Оптимизационные расчеты, связанные с выбором производственной программы.

    курсовая работа [1,3 M], добавлен 09.07.2015

  • Сущность экономико-математической модели, ее идентификация и определение достаточной структуры для моделирования. Построение уравнения регрессии. Синтез и построение модели с учетом ее особенностей и математической спецификации. Верификация модели.

    контрольная работа [73,9 K], добавлен 23.01.2009

  • Построение экономико-математической модели оптимизации производства с учетом условия целочисленности. Расчет с помощью надстроек "Поиск решения" в Microsoft Excel оптимального распределения поставок угля. Экономическая интерпретация полученного решения.

    контрольная работа [2,5 M], добавлен 23.04.2015

  • Применение методов оптимизации для решения конкретных производственных, экономических и управленческих задач с использованием количественного экономико-математического моделирования. Решение математической модели изучаемого объекта средствами Excel.

    курсовая работа [3,8 M], добавлен 29.07.2013

  • Задачи, функции и этапы построения экономико-математических моделей. Аналитические, анионные, численные и алгоритмические модели. Экономическая модель спортивных сооружений. Модели временных рядов: тенденции и сезонности. Теории массового обслуживания.

    реферат [167,6 K], добавлен 22.07.2009

  • Модели зависимости спроса от дохода (кривые Энгеля). Эластичность спроса по доходу. Модели производственных затрат и прибыли предприятия, точка безубыточности. Оптимизационные задачи с линейной зависимостью между переменными. Модель мультипликатора.

    презентация [592,2 K], добавлен 07.08.2013

  • Элементы экономико-математического моделирования. Основные направления оптимизационного моделирования банковской деятельности. Модели банка как совокупности стохастических финансовых процессов. Управление портфелем ценных бумаг в банковском бизнесе.

    дипломная работа [1,3 M], добавлен 17.07.2013

  • Графический метод решения и построение экономико-математической модели производства. Определение выручки от реализации готовой продукции и расчет оптимального плана выпуска продукции. Баланс производства проверка продуктивность технологической матрицы.

    задача [203,4 K], добавлен 03.05.2009

  • Основные понятия и типы моделей, их классификация и цели создания. Особенности применяемых экономико-математических методов. Общая характеристика основных этапов экономико-математического моделирования. Применение стохастических моделей в экономике.

    реферат [91,1 K], добавлен 16.05.2012

  • Экономико-математическое моделирование как метод научного познания, классификация его процессов. Экономико-математическое моделирование транспортировки нефти нефтяными компаниями на примере ОАО "Лукойл". Моделирование личного процесса принятия решений.

    курсовая работа [770,1 K], добавлен 06.12.2014

  • Определение страховой премии и фактический убыток страхователя по каждому страховому случаю. Экономико-математические методы и модели в отрасли связи. Основы проектирования телефонной связи. Вычисление исходящей интенсивности внутристанционной нагрузки.

    контрольная работа [40,2 K], добавлен 23.01.2015

  • Основные понятия моделирования. Общие понятия и определение модели. Постановка задач оптимизации. Методы линейного программирования. Общая и типовая задача в линейном программировании. Симплекс-метод решения задач линейного программирования.

    курсовая работа [30,5 K], добавлен 14.04.2004

  • Составление рациона кормления для заданной группы скота из имеющихся в хозяйстве кормов при определенном уровне продуктивности, который должен полностью удовлетворять биологические потребности животных. Разработка экономико-математической модели задачи.

    контрольная работа [113,8 K], добавлен 19.10.2010

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.