Предложите, как улучшить StudyLib
(Для жалоб на нарушения авторских прав, используйте
другую форму
)
Ваш е-мэйл
Заполните, если хотите получить ответ
Оцените наш проект
1
2
3
4
5
1.Моделирование:
сущность, виды, практические аспекты
применения
Моделирование –
тот процесс, метод, который позволяет
осуществлять перенос информации от
реальной системы
к модели и наоборот.
Моделирование —
это универсальный метод получения,
описания и использования знаний. Оно
используется в любой профессиональной
деятельности.
В
современной науке и технологии
математическое моделирование
усиливается, актуализируется проблемами,
успехами других наук. Математическое
моделирование реальных и нелинейных
систем живой и неживой природы позволяет
перекидывать мостики между нашими
знаниями и реальными системами,
процессами, в том числе и мыслительными.
Моделирование —
процесс построения, изучения и
применения моделей.
Т.
е. можно сказать, что моделировaние —
это изучение объектa путем построения
и исследования его модели, осуществляемое
с определенной целью и состоит в зaмене
экспериментa с оригинaлом экспериментом
нa модели.
Приведем
наиболее важные типы моделей
(моделирования) с краткими определениями,
примерами.
Сущность
моделирования.
В
экономике применяются абстрактные
модели. Они должны отражать реальную
действительность и используются в
том случае, когда невозможно исследовать
явление, процесс в естественных
условиях.
Модели
могут быть построены в форме формул,
числовых выражений, таблиц (матриц),
графов, логических выражений (например,
блок — схема алгоритмов и программ
расчетов) и др. Соответственно модели
подразделяются на экономико-математические
(экономико-статистические, тренды,
модели уравнения, неравенств, тождеств,
регрессий, экономико-метрические и
др.), макроэкономические, матричные,
сетевые, числовые, имитационные и
другие.
В
экономике чаще всего используются
экономико-математические модели, так
как они более удобны для изучения
сложных систем. Экономико-математическая
модель представляет собой математическое
описание изучаемого явления, процесса
или объекта.
По
уровню агрегирования все известные
модели можно разделить на:
-метамодели
(блоки сельского хозяйства и
продовольствия в моделях глобального
развития);
-макромодели
(рациональные модели сельского
хозяйства и пищевой промышленности);
-региональные
модели;
-многопродуктовые
модели;
-модели
продуктовых подкомплексов;
-модели
агропромышленных формирований и
специализированных предприятий;
-модели
отдельных социально-экономических
процессов и явлений.
Виды
моделирования.
Модель
называется статической,
если среди параметров, участвующих в
описании модели, нет временного
параметра.
Модель непрерывная,
если она описывает поведение системы
для всех моментов времени из некоторого
промежутка.
Модель имитационная,
если она предназначена для испытания
или изучения, проигрывания возможных
путей развития и поведения объекта
путем варьирования некоторых или всех
параметров модели.
Модель детерминированная,
если каждому входному набору параметров
соответствует вполне определенный и
однозначно определяемый набор выходных
параметров; в противном случае
модель недетерминированная,
стохастическая (вероятностная).
Модель теоретико-множественная,
если представима с помощью некоторых
множеств и отношений принадлежности
им и между ними.
Модель логическая,
если она представима предикатами,
логическими функциями.
Модель игровая,
если она описывает, реализует некоторую
игровую ситуацию между участниками
игры (лицами, коалициями).
Модель алгоритмическая,
если она описана некоторым алгоритмом
или комплексом алгоритмов, определяющим
ее функционирование, развитие.
Модель языковая, лингвистическая,
если она представлена некоторым
лингвистическим объектом, формализованной
языковой системой или структурой.
Модель визуальная,
если она позволяет визуализировать
отношения и связи моделируемой системы,
особенно в динамике.
Модель натурная,
если она есть материальная копия
объекта моделирования.
Модель геометрическая, графическая,
если она представима геометрическими
образами и объектами.
2.Модель:
понятие и классификация
Модель –
результат отображения одной структуры
на другую. Отобразив физическую систему
(объект) на математическую систему
(например, математический аппарат
уравнений), получим физико-математическую модель
системы, или математическую
модель физической системы.
Модель –
это тот объект, та система, которая
позволяет облечь эту информацию в
конкретное, например компьютерное,
представление, содержание.
Модель
– изображение, представление объекта,
системы, процесса в некоторой форме,
отличной от реального существования.
Различают
физическое и математическое
моделирование.
Классификация
моделей.
функционально-физические.
Предназначены для изучения физических
(реальных) явлений, используемых для
реализации заложенных в систему
функций;
модели
процессов и явлений,
такие как кинематические, прочностные,
динамические и другие. Предназначены
для исследования тех или иных свойств
и характеристик системы, обеспечивающих
её эффективное функционирование.
По
особенностям представления
С
целью подчеркнуть отличительную
особенность модели их подразделяют
на простые и сложные, однородные и
неоднородные, открытые и закрытые,
статические и динамические, вероятностные
и детерминированные и т. д. Стоит
отметить, что когда говорят, например,
о техническом устройстве как простом
или сложном, закрытом или открытом
и т. п., в действительности
подразумевают не само устройство, а
возможный вид его модели, таким образом
подчеркивая особенность состава или
условий работы.
Четкого
правила разделения моделей
на сложные и простые не
существует. Обычно признаком сложных
моделей служит
многообразие выполняемых функций,
большое число составных частей,
разветвленный характер связей, тесная
взаимосвязь с внешней средой, наличие
элементов случайности, изменчивость
во времени и другие. Понятие сложности
системы — субъективно и определяется
необходимыми для его исследования
затратами времени и средств, потребным
уровнем квалификации, то есть зависит
от конкретного случая и конкретного
специалиста.
Разделение
систем на однородные и неоднородные проводится
в соответствии с заранее выбранным
признаком: используемые физические
явления, материалы, формы и т. д.
При этом одна и та же модель при разных
подходах может быть и однородной, и
неоднородной. Так, велосипед —
однородное механическое устройство,
поскольку использует механические
способы передачи движения, но
неоднородное по типам материалов, из
которых изготовлены отдельные части
(резиновая шина, стальная рама,
пластиковое седло).
Все
устройства взаимодействуют с внешней
средой, обмениваются с нею сигналами,
энергией, веществом. Модели относят
к открытым,
если их влиянием на окружающую среду
или воздействием внешних условий на
их состояние и качество функционирования
пренебречь нельзя. В противном случае
системы рассматривают как закрытые,
изолированные.
Динамические модели,
в отличие от статических,
находятся в постоянном развитии, их
состояние и характеристики изменяются
в процессе работы и с течением времени.
Характеристики вероятностных (иными
словами, стохастических)
моделей случайным образом распределяются
в пространстве или меняются во времени.
Это является следствием как случайного
распределения свойств материалов,
геометрических размеров и форм объекта,
так и случайного характера воздействия
внешних нагрузок и условий.
Характеристики детерминированных моделей
заранее известны и точно предсказуемы.
3.Этапы
практического моделирования
Цепочка
выглядит следующим образом:
Прототип
(объект, процесс) → Моделирование →
Принятие решения
Моделирование —
творческий процесс. Заключить его в
формальные рамки очень трудно. В
наиболее общем виде его можно представить
поэтапно. При решении конкретной
задачи эта схема может подвергаться
некоторым изменениям: какой-то блок
будет убран или усовершенствован,
какой-то — добавлен
Этап
1. Постановка задачи.
Под
задачей понимается некая проблема,
которую надо решить. На этапе постановки
задачи необходимо:
1.
описать задачу,
2.
определить цели моделирования,
3.
проанализировать объект или процесс.
Описание
задачи. Главное
здесь — определить объект моделирования
и понять, что должен представлять
собой результат.
Цели
моделирования.
1. Познание
окружающего мира.
2. Создание
объектов с заданными свойствами
3. Определение
последствий воздействия на объект и
принятие правильного решения
4. Эффективность
управления объектом (или
процессом). Анализ
объекта.
Этап
2. Разработка модели.
Информационная
модель. На
этом этапе выясняются свойства,
состояния, действия и другие
характеристики элементарных объектов
в любой форме: устно, в виде схем,
таблиц. Формируется представление об
элементарных объектах, составляющих
исходный объект, т. е. информационная
модель. Модели должны отражать наиболее
существенные признаки, свойства,
состояния и отношения объектов
предметного мира. Именно они дают
полную информацию об объекте.
Информации не обязательно должно быть
много. Важно, чтобы она была «по существу
вопроса», т. е. соответствовала цели,
для которой используется.
Выбор
наиболее существенной информации при
создании информационной модели и
сложность этой модели обусловлены
целью моделирования.
Построение
информационной модели является отправным
пунктом этапа
разработки модели.
модели
в соответствии с целью моделирования.
Знаковая
модель
Компьютерная
модель —
это модель, реализованная средствами
программной среды.
Основные
функции компьютера при моделировании
систем:
·
исполнение роли вспомогательного
средства для решения задач, решаемых
и обычными вычислительными средствами,
алгоритмами, технологиями;
·
исполнение роли средства постановки
и решения новых задач, не решаемых
традиционными средствами, алгоритмами,
технологиями;
·
исполнение роли средства конструирования
компьютерных обучающих и моделирующих
сред типа: · исполнение роли средства
моделирования для получения новых
знаний;
·
«обучение» новых моделей (самообучение
моделей).
Этап
3. Компьютерный эксперимент.
Компьютерное
моделирование —
основа представления знаний в ЭВМ.
Компьютерное моделирование для
рождения новой информации использует
любую информацию, которую можно
актуализировать с помощью ЭВМ.
Разновидность
компьютерного моделирования —
вычислительный эксперимент, т. е.
эксперимент, осуществляемый
экспериментатором над исследуемой
системой или процессом с помощью
орудия эксперимента — компьютера,
компьютерной среды, технологии.
Вычислительный
эксперимент позволяет находить новые
закономерности, проверять гипотезы,
визуализировать ход событий и т. д.
Этап
4. Анализ результатов моделирования.
Конечная
цель моделирования
— принятие решения, которое должно
быть выработано на основе всестороннего
анализа полученных результатов. Этот
этап решающий — либо вы продолжаете
исследование, либо заканчиваете.
Возможно, вам известен ожидаемый
результат, тогда необходимо сравнить
полученный и ожидаемый результаты. В
случае совпадения вы сможете принять
решение.
Основой
для выработки решения служат результаты
тестирования и экспериментов. Если
результаты не соответствуют целям
поставленной задачи, значит, допущены
ошибки на предыдущих этапах. Если
такие ошибки выявлены, то
требуется корректировка
модели,
т. е. возврат к одному из предыдущих
этапов. Процесс повторяется до
тех пор, пока результаты эксперимента
не будут отвечать целям моделирования.
Основы математического моделирования социально-экономических процессов
наряду с машинными решениями содержит блоки, где решения принимаются человеком (экспертом); вместо непосредственного участия человека в принятии решений может выступать база знаний
позволяет найти из множества возможных (альтернативных) вариантов наилучший вариант производства, распределения или потребления
отображает комплекс работ (операций) и событий и их взаимосвязь во времени
Основы математического моделирования социально-экономических процессов
в данных моделях все факторы и закономерности, входящие в модель, считаются полностью определенными
Модели с элементами неопределенности
в данных моделях случайный фактор полностью не определен, о данных, входящих в модель, нельзя собрать никаких статистических данных
в данных моделях есть неизвестные факторы, но они являются случайными величинами, для которых известны функции распределения и различные статистические характеристики
Основы математического моделирования социально-экономических процессов
один из методов экспертизы риска на основе обобщающего показателя, определяемого по ряду экспертно оцениваемых частных показателей (факторов) степени риска
общее название группы методов анализа и управления инвестициями, позволяющих на основе экономико-математических, статистических и других методов разработать с учетом риска: — принципы работы на финансовом рынке (направления инвестиций по сегментам, отраслям и(или) рынкам); — условия изменения структуры инновационного портфеля (покупки или продажи конкретных ценных бумаг и т.п.)
Метод балльной оценки риска
метод прогноза, при котором в процессе исследования исключается непосредственное общение между членами группы и проводится индивидуальный опрос экспертов с использованием анкет для выяснения их мнения относительно будущих гипотетических событий
Основы математического моделирования социально-экономических процессов
область, в пределах которой величина вероятных потерь не превышает ожидаемой прибыли и, следовательно, коммерческая деятельность имеет экономическую целесообразность
Зона катастрофического риска
область вероятных потерь, которые превосходят критический уровень и могут достигать величины, равной собственному капиталу организации
область возможных потерь, превышающих величину ожидаемой прибыли вплоть до величины полной расчетной выручки (суммы затрат и прибыли)
Основы математического моделирования социально-экономических процессов
Экспертный метод оценки риска
основан на построении кривой распределения вероятностей потерь и оценки показателей предпринимательского риска
Статистический метод оценки риска
основан на изучении статистики потерь с установлением частоты и уровня
Расчетно-аналитический метод оценки риска
основан на изучении и обработке заключений опытных предпринимателей и специалистов
Основы математического моделирования социально-экономических процессов
Верны ли утверждения? А) Экономико-математическое моделирование основывается на принципе аналогии, т.е. возможности изучения объекта посредством построения и рассмотрения другого, подобного ему, но более простого и доступного объекта, его модели В) Суть экономико-математического моделирования заключается в описании социально-экономических систем и процессов в виде экономико-математических моделей, которые следует понимать как продукт процесса экономико-математического моделирования, а экономико-математические методы — как инструмент Подберите правильный ответ
Основы математического моделирования социально-экономических процессов
К методам локализации рисков относятся:
создание небольшого дочернего предприятия как самостоятельного юридического лица для высокотехнологических (рискованных) проектов
реализация инновационных проектов, эффективность которых вызывает сомнение
создание специальных структурных подразделений (с обособленным балансом) для выполнения рискованных проектов
заключение договоров о совместной деятельности для реализации рискованных проектов
Основы математического моделирования социально-экономических процессов
___________ — этап формализации экономической проблемы, выражения ее в виде конкретных математических зависимостей и отношений (функций, уравнений, неравенств и т.д.)
Построение математической модели
Постановка экономической проблемы и ее качественный анализ
Математический анализ модели
Основы математического моделирования социально-экономических процессов
Постановка экономической проблемы и ее качественный анализ – этап, включающий в себя:
формулирование гипотез (хотя бы предварительных), объясняющих поведение и развитие объекта
построение математической модели
изучение структуры объекта и основных зависимостей, связывающих его элементы
выделение важнейших черт и свойств моделируемого объекта и абстрагирование от второстепенных
Основы математического моделирования социально-экономических процессов
Задачи ____________ систем массового обслуживания (СМО) – задачи, которые предполагают оценку эффективности функционирования СМО при известных, наперёд заданных исходных характеристиках системы: структуре системы, дисциплине обслуживания, потоках требований и законах распределения времени их обслуживания
Основы математического моделирования социально-экономических процессов
Метод ___________ (метод равномерного поиска)— простейший из методов поиска значений действительнозначных функций по какому-либо из критериев сравнения (на максимум, на минимум, на определённую константу); применительно к экстремальным задачам является примером прямого метода условной одномерной пассивной оптимизации
Экзаменационные вопросы по дисциплине «Моделирование социально-экономических процессов»
Подобный материал:
- Экзаменационные вопросы по курсу «Исследование социально-экономических и политических, 21.31kb.
- Экзаменационные вопросы по дисциплине «конструирование и моделирование швейных изделий», 18.47kb.
- Вопросы к экзамену по дисциплине Математическое моделирование экономических производственных, 32.96kb.
- Правительстве Российской Федерации» (Финансовый университет) Кафедра «Математическое, 246.23kb.
- Экзаменационные вопросы по дисциплине «Математические методы и модели исследования, 35.79kb.
- Методические указания к выполнению контрольных, курсовых работ По дисциплине Имитационное, 222.24kb.
- Экзаменационные вопросы по дисциплине «государственные и муниципальные финансы» для, 29.02kb.
- Имитационное моделирование экономических процессов для специальности, 23.54kb.
- Учебно методический комплекс по дисциплине «Исследование социально-экономических, 600.67kb.
- Практический семинар математическое моделирование, 80.33kb.
ЭКЗАМЕНАЦИОННЫЕ ВОПРОСЫ
по дисциплине «Моделирование социально-экономических процессов»
1. Предмет и цели экономико-математических методов и моделей
2. Основные принципы системного анализа
3. Атрибуты экономико-математического моделирования социально — экономических объектов (системный анализ, синтез объектов, информационные системы, ЭВМ).
4. Системный подход и моделирование экономических объектов
5. Модель. Схема модели сложной системы
6. Модель. Спряжение отдельных моделей
7. Управление системами
8. Управление как процесс
9. Модель системы с корректируемыми целями
10. Управление как управленческая деятельность
11. Понятие обратной связи
12. Модель системы с обратной связью
13. Основы классификации экономико-математических моделей
14. Основы классификации экономико-математических моделей с точки зрения характера их изменения
- Экономико-математические модели без управления
- Модели без управления. Регрессионное уравнение
- Модели без управления. Степенное управление
- Оптимизационные модели
- Познание процессов с помощью принципов кибернетики
20. Задача об оптимальной перевозке грузов (транспортная задача). Оптимизационные модели
21.Задача о пользе услуг. Оптимизационные модели.
- Оптимизационные модели. Виды оптимизационных моделей (модели линейного программирования, модели динамического программирования, экстремальные модели, гомеостатистические)
- Игровые модели
- Игровые модели. Виды игр
- Имитационные системы
- Проблемы моделирования «больших систем»
- Имитационное моделирование
- Имитационное моделирование. Имитационная модель
- Имитационное моделирование. Экспертные процедуры
- Имитационное моделирование. «Языки» ЭВМ
- Методика построения экономико — математических моделей
- Процесс разработки экономико-математических моделей. Постановка задачи
- Процесс разработки экономико-математических моделей. Формализация задачи
- Процесс разработки экономико-математических моделей. Выбор метода моделирования
- Процесс разработки экономико-математических моделей. Процесс построения модели
- Процесс разработки экономико-математических моделей. Процесс моделирования
- Процесс разработки экономико-математических моделей. Анализ результатов экспериментального моделирования
- Процесс разработки экономико-математических моделей. Внедрение модели в практику
- Системный подход в моделировании
- Целесообразность построения экономико-математических моделей.
- Программно-целевой метод.
- Глобальные и макроэкономические модели.
- Прогнозирование многоотраслевых комплексов, отраслей и регионов.
- Методы отраслевого прогнозирования.
- Модели ценообразования. Паутинообразные модели.
- Модели ценообразования. Модель Эванса.
- Модели ценообразования. Модель Вальраса.
- Факторы и условия размещения производства.
- Модели развития отдельных отраслей промышленности. Вариантная модель.
- Модели развития отдельных отраслей промышленности. Безвариантная модель.
- Модели развития отдельных отраслей промышленности. Транспортно-производственная модель.
- Понятие экономических рядов динамики.
- Тренд-сезонные экономические процессы и их анализ.
- Трендовые модели на основе кривых роста.
С этим файлом связано 3 файл(ов). Среди них: РП МАТЕМАТИКА 1 КЛАСС 2021-2022.docx, дельта тест повар.docx, dokumen.tips_chapter-53-web-view-i-phenylacetone-also-known-as-p.
Показать все связанные файлы
Подборка по базе: Экологические основы природопользования.odt, Медико-биологические и социальные основы здоровья.4..docx, Лекция Основы тригонометрии.docx, билеты Основы бух.уч 2.doc, Теоретические и методические основы организации продуктивных вид, ПРАВОВЫЕ ОСНОВЫ ПП.pdf, 0 основы СР. семинары.doc, Тема 1. Первая помощь — содержание, объем, организационные и юри, Тема 8.1 Основы охраны труда.docx, Теоретические основы. Практическая 1.pdf
| Автономная некоммерческая организация высшего образования
«МОСКОВСКИЙ МЕЖДУНАРОДНЫЙ УНИВЕРСИТЕТ» |
| Кафедра экономики и управленияФорма обучения: заочная/очно-заочная |
ВЫПОЛНЕНИЕ
ПРАКТИЧЕСКИХ ЗАДАНИЙ
ПО ДИСЦИПЛИНЕ
ОСНОВЫ МАТЕМАТИЧЕСКОГО МОДЕЛИРОВАНИЯ СОЦИАЛЬНО-ЭКОНОМИЧЕСКИХ ПРОЦЕССОВ
Группа Кт20ГУ191
Студент
Горбовская П.А.
МОСКВА 2022
Практическая работа 1
1. Запишите вид парной линейной регрессии. Дайте определение всем входящим в нее элементам.
В случае парной линейной регрессии для данных генеральной совокупности связь между независимой переменной (факториальным признаком) X и зависимой переменной (результативным признаком) Y описывает модель
где
— свободный член прямой парной линейной регрессии,
— коэффициент направления прямой парной линейной регрессии,
— случайная погрешность,
N — число элементов генеральной совокупности.
2. В чем суть метода наименьших квадратов?
Задача заключается в нахождении коэффициентов линейной зависимости, при которых функция двух переменных а и b 
принимает наименьшее значение. То есть, при данных а и b сумма квадратов отклонений экспериментальных данных от найденной прямой будет наименьшей. В этом вся суть метода наименьших квадратов.
3. Дайте интерпретацию параметров b1 и b0 линейной модели. Покажите их графическое представление.
Параметр b называется коэффициентом регрессии. Его величина показывает среднее изменение результата с изменением фактора на одну единицу. Возможность четкой экономической интерпретации коэффициента регрессии сделала линейное уравнение парной регрессии достаточно распространенным в эконометрических исследованиях.
Формально a – значение y при x = 0. Если x не имеет и не может иметь нулевого значения, то такая трактовка свободного члена a не имеет смысла. Параметр a может не иметь экономического содержания. Попытки экономически интерпретировать его могут привести к абсурду, особенно при a< 0. Интерпретировать можно лишь знак при параметре a. Если a> 0, то относительное изменение результата происходит медленнее, чем изменение фактора.
4. Что оценивает линейный коэффициент корреляции?
Коэффициент корреляции показывает тесноту линейной взаимосвязи и изменяется в диапазоне от -1 до 1. -1 (минус один) означает полную (функциональную) линейную обратную взаимосвязь. 1 (один) – полную (функциональную) линейную положительную взаимосвязь. 0 – отсутствие линейной корреляции (но не обязательно взаимосвязи).
5. Приведите примеры нелинейных моделей по объясняющей переменной x.
Примером нелинейной регрессии по включаемым в нее объясняющим переменным могут служить следующие функции:
1. полиномы разных степеней
2. равносторонняя гипербола
6. Что понимается под линеаризацией нелинейной модели?
Сущность метода линеаризации заключается в том, что нелинейную функцию заменяют некоторой линейной и затем по уже известным правилам находят числовые характеристики этой линейной функции, считая их приближенно равными числовым характеристикам нелинейной функции.
7. Каким показателем характеризуется теснота связи факторов для нелинейной модели? Каковы свойства этого показателя?
Мерой интенсивности связи при нелинейных соотношениях между переменными служит индекс корреляции.
Индекс корреляции рассчитывается, когда выбрана конкретная нелинейная зависимость между переменными, построена эта зависимость и по ней определены теоретические значения результирующей переменной “ŷ”.
| Регрессионный анализ | ||||||||||||||
| N= | 5 | |||||||||||||
| Исходные данные | Линейная | Степенная | Экспоненциальная | лог x(i) | лог y(i) | лог x(i)^2 | лог y(i)^2 | |||||||
| i | x(i) | y(i) | 2,302585 | 5,114635 | 4,60517 | 10,22927 | ||||||||
| 1 | 10 | 166,44 | 125,308 | 18,9004005 | 166,5006887 | 2,995732 | 4,01476 | 5,991465 | 8,02952 | |||||
| 2 | 20 | 55,41 | 87,501 | 18,56350618 | 55,40494758 | 3,401197 | 2,914522 | 6,802395 | 5,829044 | |||||
| 3 | 30 | 18,44 | 49,694 | 18,36922632 | 18,43660973 | 3,688879 | 1,814825 | 7,377759 | 3,629649 | |||||
| 4 | 40 | 6,14 | 11,887 | 18,23261691 | 6,134986009 | 3,912023 | 0,71295 | 7,824046 | 1,4259 | |||||
| 5 | 50 | 2,04 | -25,92 | 18,12735445 | 2,041484519 | итого | 16,30042 | 14,57169 | 32,60083 | 29,14338 | ||||
| Вспомогательные величины | ||||||||||||||
| Сумма x(i) | Сумма y(i) | Сумма x(i)*y(i) | Сумма x(i)^2 | Сумма y(i)^2 | ||||||||||
| 150 | 248,47 | 3673,4 | 5500 | 31154,4365 | ||||||||||
| Суммлог x(i) | Суммлог y(i) | Суммпрлог x(i)*y(i) | Суммквлог x(i)^2 | Суммаx(i)lny(i) | Суммквлог y(i)^2 | |||||||||
| 16,300417 | 14,57169174 | 43,20063948 | 219,0248369 | 327,1176971 | 29,14338347 | |||||||||
 |
||||||||||||||
| Параметры | Коэфф. | Линейная | Степенная | Экспоненц. | ||||||||||
| В0 | -3,7807 | 20,06404936 | 500,3610786 | |||||||||||
| В1 | 163,115 | -0,02594758 | -0,110033055 | |||||||||||
Дневное отделение — ГМУ 3 курс
Вопросы для подготовки к экзамену.
1.Основные понятия математического моделирования социально-экономических процессов.
2.Социально-экономические системы, методы их исследования и моделирования.
3.Этапы экономико-математического моделирования.
4.Классификация экономико-математических методов и моделей.
5.Регрессионный анализ.
6.Уравнение парной линейной регрессии.
7.Уравнение парной нелинейной регрессии.
8.Уравнение множественной регрессии.
9.Понятия экономических рядов динамики.
10.Корреляционный анализ.
11.Расчет показателей динамики развития экономических процессов.
12.Трендовые модели на основе кривых роста.
13.Оценка адекватности и точности трендовых моделей.
14.Цензурирование данных.
15.Методы классификации.
16.Кластерный анализ.
17.Методы экспертных оценок.
18.Балансовые модели. Модель Леонтьева.
19.Основы теории игр.
20.Динамическое программирование.
Экзамен будет проходить в форме теста по теоретической части дисциплины.
Задания для лабораторных работ: /вариант — номер в списке рейтинга/
1. Лабораторная работа «Модель парной линейной регрессии». Выполнить учебное задание и индивидуальное задание /по вариантам/.
2. Лабораторная работа «Модель парной нелинейной регрессии» Выполнить учебное задание и индивидуальное задание /по вариантам/.
3. Лабораторная работа «Модель множественной регрессии»
4. Лабораторная работа «Временные ряды»
5. Лабораторная работа «Цензурирование данных»
6. Лабораторная работа «Балансовые модели. Модель Леонтьева». Замечание: решение в Mathcad — не делать.
Задания для самостоятельной работы:
1. Задача кластерного анализа.
2. Задача экспертных оценок.
3. Задача динамического программирования. Формулировка задачи такая же, как на семинаре.
Задачи нужно сдавать в письменном виде. Номер варианта выбирайте такой же, какой номер у вас в списке рейтинга.
Рейтинг
Группа 18301
Группа 18302
Группа 18303
Заочное отделение
Темы контрольных работ
Скачать
Вопросы к экзамену
Скачать
Задания:
19 января
Задание 1
Задание 2
Задание 3
Задание 4
Задание 5
22 января
Лекция
Задание 1
Задание 2
Задание 3
23 января
Задание 1
Задание 2
РЕЙТИНГ