WWW.REFERATCENTRAL.ORG.UA - Я ТУТ НАВЧАЮСЬ

... відкритий, безкоштовний архів рефератів, курсових, дипломних робіт

ГоловнаЕкономіка (різне) → Шпаргалка - Реферат

Шпаргалка - Реферат

Шпаргалка

1. Алгоритм аналізу економічного ризику

Крок1-аналіз та діагностика економічної (управлінської) ситуації, пов'язаної з певним об'єктом(проектом) і обтяженої ризиком. Визначення головних завдань, основних суперечностей (неузгодженості), домінуючих тенденцій.

Крок2-Виявлення інтересів основних учасників подій, їхнього ставлення до ризику

Крок3-Виявлення управлінських цілей, методів та засобів їх досягнення

Крок4-Аналіз основних чинників(параметрів), які впливають на прийняття рішень, розподіл їх на керовані та некеровані параметри ризику

Крок5-Здобуття інформації про можливі діапазони значень некерованих параметрів (чинників) ризику

Крок6-Генерація набору альтернативних варіантів проекта (об'єкта, способу дій)

Крок7-Виявлення пріоритетів (системних критеріїв) суб'єкта ризику щодо різних варіантів проекту (об'єкта, способу дій)

Крок8-Оцінювання згенерованих альтернативних варіантів. Вибір їх підмножини, що найкраще відповідає вимогам суб'єкта ризику

Крок9-Розробка відповідного способу дій (програми), яка була б найкращою (найбільш ефективною) з погляду переведення обтяженої ризиком ситуації у більш сприятливу.

2. Алгоритм графічного розв'язання задачі нелінійного програмування

Алгоритм графічного методу розв'язування задачі лінійного програмування складається з таких кроків:

1. Будуємо прямі, рівняння яких дістаємо заміною в обмеженнях задачі (2.18) знаків нерівностей на знаки рівностей.

2. Визначаємо півплощини, що відповідають кожному обмеженню задачі.

3. Знаходимо багатокутник розв'язків задачі лінійного програмування.

4. Будуємо вектор , що задає напрям зростання значення цільової функції задачі.

5. Будуємо пряму с1х1 + с2х2 = const, перпендикулярну до вектора .

6. Рухаючи пряму с1х1 + с2х2 = const в напрямку вектора (для задачі максимізації) або в протилежному напрямі (для задачі мінімізації), знаходимо вершину багатокутника розв'язків, де цільова функція набирає екстремального значення.

7. Визначаємо координати точки, в якій цільова функція набирає максимального (мінімального) значення, і обчислюємо екстремальне значення цільової функції в цій точці.

3. Алгоритм Дарбіна-Уотсона

Для перевірки наявності автокореляції залишків можна застосувати чотири методи, один із яких це метод Дарбіна-Уотсона. Алгоритм цього методу наступний:

Крок 1. Приймається гіпотеза r1=0 і мінімізується на основі 1МНК сума квадратів: . Отже, так само й далі обчислюються параметри для моделі .

Крок 2.Знаходяться залишки і на основі критерію Дарбіна — Уотсона перевіряється нульова гіпотеза відносно автокореляції залишків. Якщо гіпотеза відхиляється, то переходять до кроку 3.

Крок 3. На даному кроці мінімізується сума квадратів відхилень:

де і — оцінки параметрів, знайдені на першому кроці 1МНК. У результаті параметр r2 визначається як коефіцієнт регресії залишків, знайдених 1МНК, на їх лагові змінні, які стосуються минулого періоду.

Крок 4. Використовуючи значення оцінки параметра r2, визначають оцінки параметрів і на основі 1МНК, який застосовується до перетворених даних і .

Крок 5. Визначаються залишки і перевіряються на наявність автокореляції. Якщо гіпотеза про наявність автокореляції відхиляється, то ітеративний процес припиняється. У противному разі переходимо до кроку 3, де використовуються знайдені оцінки параметрів і .

Коли ітеративний процес припиняється, то виконується перевірка значущості параметрів з допомогою останньої економетричної моделі. У такому разі звичайні формули дадуть обгрунтовані оцінки дисперсій залишків.

4. Алгоритм економіко-математичного моделювання

1. Попередня орієнтація та аналіз системи, формулювання основних припущень та гіпотез, розробка перших сценаріїв та нормативних установ

2. Формалізація гіпотез

3. Відбір і формалізація необхідної інформації

4. Дослідження моделей (перевірка на чутливість, адекватність і стійкість результатів)

5. Побудова альтернативних сценаріїв та експерименти з моделлю

5. Алгоритм розв'язання М-задачі

Задачу з системою обмежень

називають розширеною, або М-задачею. Розв'язок розширеної задачі збігатиметься з розв'язком початкової лише за умови, що всі введені штучні змінні в оптимальному плані задачі будуть виведені з базису, тобто дорівнюватимуть нулеві. Тоді система обмежень не міститиме штучних змінних, а розв'язок розширеної задачі буде i розв'язком задачі.

1. Введемо до базису змінні, які покращать значення цільової функції. Для задачі на максимум вони його збільшують, а на мінімум-навпаки. Отже, маємо: або ).

2. Перевіряємо систему обмежень на сумісність: якщо в оптимальному плані розширеної задачі існує хоча б одне значення , то це означає, що початкова задача не має розв'язку, тобто система обмежень несумісна

3. Для розв'язання розширеної задачі за допомогою симплексних таблиць зручно використовувати таблиці, оцінкові рядки яких поділені на дві частини-рядки. Тоді в (m+2)-му рядку записують коефіцієнти з М, а в (m+1)-му — ті, які не містять М. Вектор, який підлягає включенню до базису, визначають за (m+2)-м рядком. Ітераційний процес по (m+2)-му рядку проводять до повного виключення всіх штучних змінних з базису, потім процес визначення оптимального плану продовжують за (m+1)-им рядком.

4. Визначення оптимального плану початкової задачі відбувається наступним чином: Якщо в оптимальному плані розширеної задачі штучні змінні , то план є оптимальним планом початкової задачі.

6. Алгоритм симплекс-методу

Симплекс-метод – поетапна обчислювальна процедура, в основу якої покладено принцип послідовного поліпшення значень цільової функції переходом від одного опорного плану задачі лінійного програмування до іншого.

Алгоритм розв'язування задачі лінійного програмування симплекс-методом складається з п'яти етапів:

1.Визначення початкового опорного плану задачі лінійного програмування.

2.Побудова симплексної таблиці.

3.Перевірка опорного плану на оптимальність за допомогою оцінок ∆. Якщо всі оцінки задовольняють умову оптимальності, то визначений опорний план є оптимальним планом задачі. Якщо хоча б одна з оцінок ∆j не задовольняє умову оптимальності, то переходять до нового опорного плану або встановлюють, що оптимального плану задачі не існує.

4.Перехід до нового опорного плану задачі здійснюється визначенням розв'язувального елемента та розрахунками елементів нової симплексної таблиці.

5.Повторення дій, починаючи з п. 3.

Далі ітераційний процес повторюють, доки не буде визначено оптимальний план задачі.

У разі застосування симплекс-методу для розв'язування задач лінійного програмування можливі такі випадки.

1. Якщо в оцінковому рядку останньої симплексної таблиці оцінка ∆j відповідає вільній (небазисній) змінній, то це означає, що задача лінійного програмування має альтернативний оптимальний план. Отримати його можна, вибравши розв'язувальний елемент у зазначеному стовпчику таблиці та здійснивши один крок симплекс-методом.

2. Якщо при переході у симплекс-методі від одного опорного плану задачі до іншого в напрямному стовпчику немає додатних елементів aik, тобто неможливо вибрати змінну, яка має бути виведена з базису, то це означає, що цільова функція задачі лінійного програмування є необмеженою й оптимальних планів не існує.

3. Якщо для опорного плану задачі лінійного програмування всі оцінки ∆j (j=1,n) задовольняють умову оптимальності, але при цьому хоча б одна штучна змінна є базисною і має додатне значення, то це означає, що система обмежень задачі несумісна й оптимальних планів такої задачі не існує.

7. Алгоритм усунення гетероскедастичності

Економетрична модель, якій притаманна гетероскедастичність, є узагальненою моделлю, і для оцінювання її параметрів слід скористатися узагальненим методом найменших квадратів. Розглянемо цей метод.

Нехай задано економетричну модель

коли

Розрахункова модель запишеться так:

Задача полягає в знаходженні оцінок елементів вектора в моделі. Для цього використовується матриця S, за допомогою якої коригується вихідна інформація. Цю ідею було покладено в основу методу Ейткена, що є базовим способом усунення гетероскедастичності.

8. Алгоритм утворення спряженої задачі лінійного програмування

Якщо пряма задача лінійного програмування подана в стандартному вигляді, то двоїста задача утворюється за такими правилами:

1. Кожному обмеженню прямої задачі відповідає змінна двоїстої задачі. Кількість невідомих двоїстої задачі дорівнює кількості обмежень прямої задачі.

2. Кожній змінній прямої задачі відповідає обмеження двоїстої задачі, причому кількість обмежень двоїстої задачі дорівнює кількості невідомих прямої задачі.

Loading...

 
 

Цікаве