Особливості побудови математичної моделі економічного явища. Множинна лінійна регресія в стандартизованому масштабі. Множинна нелінійна регресія, комп’ютерна реалізація методу Брандона. Моделювання для підприємств аграрно-промислового комплексу.
Аннотация к работе
Як основна причина швидкого розповсюдження економіко-математичних методів і моделей перш за все необхідно назвати різке ускладнення сучасної економічної практики, викликане високим рівнем розвитку продуктивних сил, глибокою спеціалізацією виробництва, збільшенням темпів науково-технічного прогресу. Всі ці чинники, доповнені вимогою підвищення ефективності використання природних ресурсів, кількість яких далеко не безмежно, а також необхідність усвідомлення близьких і віддалених екологічних наслідків господарської діяльності людства, приводять до зростання вимог, що предявляються до якості рішень, що приймаються в народному господарстві. Тому розрахункова робота близька зрозуміла економістам і господарникам, так що поява електронної обчислювальної техніки, яка на перший погляд мало відрізнилася від звичайних арифмометрів (хіба що була більш швидкодіючою) само по собі не могло змінити методів ухвалення господарських рішень: просто традиційні розрахунки, що займали раніше багато годин і днів, стали здійснюватися за секунди. Результати цих розрахунків, представлені господарникові, відповідальному за ухвалення рішення (як прийнято говорити, особі, що ухвалює рішення (ОУР)), дали йому можливість вибрати з розглянутих варіантів рішення найбільш відповідний. В процесі вибору рішення за допомогою обчислювальної техніки на основі оцінки його декількох варіантів і у господарника, і у дослідника виникають наступні питання.Надалі ми обмежимось тим розумінням слова "модель", яке використовується в широко поширеному методі дослідження, званому моделюванням. Моделювання - це вивчення обєктів дослідження не безпосередньо, а непрямим шляхом, за допомогою аналізу деяких допоміжних обєктів, які прийнято називати моделями. Класифікацію методів моделювання і моделей можна проводити по різних ознаках: по сфері додатку, по характеру модельованих обєктів, по ступеню подробиці моделей і т.д. Матеріальним моделювання називається у тому випадку, коли дослідження ведеться на моделях, звязок яких з досліджуваними обєктами існує обєктивно, має матеріальний характер. Моделі, використовувані у фізичному моделюванні, призначені для відтворення динаміки процесів, що відбуваються в науковому обєкті, причому спільність процесів, що відбуваються в обєкті дослідження і моделі, ґрунтується на схожості їх фізичної природи.Цей етап включає виокремлення найважливіших рис і властивостей обєкта, що моделюється, і абстрагування від другорядних; вивчення структури обєкта і головних залежностей, що поєднують його елементи; формулювання гіпотез, що пояснюють поведінку і розвиток обєкта. Тому, навіть зустрічаючись з новою економічною задачею спочатку необхідно спробувати застосувати для розвязання цієї задачі вже відомі моделі (адаптувати їх до задачі). У процесі побудови моделі здійснюється зіставлення двох систем наукових знань - економічних і математичних. Треба прагнути до того, щоб одержати модель, яка належить до добре вивченого класу математичних задач (напр. шляхом деякого спрощення вихідних положень моделі), Однак можлива й така ситуація, коли формалізація економічної проблеми приводить до невідомої раніше математичної структури. Аналітичне дослідження моделі порівняно з емпіричним (числовим) має ту перевагу, що одержувані висновки зберігають свою силу за різноманітних конкретних значень зовнішніх і внутрішніх параметрів моделі.Модель має адекватно описувати реальні технологічні та економічні процеси. У моделі потрібно враховувати все істотне, суттєве в досліджуваному явищі чи процесі, нехтуючи всім другорядним, неістотним у ньому. Справді, прості моделі не забезпечують відповідної точності, і "оптимальні" розвязки за такими моделями, як правило, не відповідають реальним ситуаціям, дезорієнтують користувача, а переускладнені моделі важко реалізувати на ЕОМ як з огляду на неможливість їх інформаційного забезпечення, так і через відсутність відповідних методів оптимізації.Розглянемо два методи оцінки параметрів множинної лінійної регресії в стандартизованому масштабі. У стандартизованому масштабі спрощується лінійне стохастичне співвідношення між показником і факторами. Регресія не має вільного члена і в стандартизованому масштабі набуває вигляду. Якщо для оцінки параметрів стандартизованої лінійної регресії використати МНК, то система нормальних рівнянь набуде вигляду. Якщо відома оцінка параметра регресії , то для отримання стандартизованої оцінки параметра фактора необхідно помножити цей параметр на середньоквадратичне відхилення цього фактора і поділити на середньоквадратичне відхилення показника.Лише деякі природні та економічні процеси можна моделювати за допомогою лінійної моделі. її вибір залежить від процесу і тривалості спостереження за ним. Деякі процеси при нетривалому спостереженні за ними можна з певним наближенням моделювати за допомогою лінійної багатофакторної моделі. Як і для парного регресійного аналізу, для багатофакторного регресійного аналізу можна розглядати два типи моделей: лінійні відносно оцінюваних пара
План
Зміст
Вступ
1. Економіко-математичне моделювання
1.1 Основні типи моделювання
1.2 Етапи побудови економіко-математичних моделей
1.3 Особливості побудови математичної моделі економічного явища чи процесу
1.4 Методи економіко-математичного моделювання
1.4.1 Множинна лінійна регресія. Множинна лінійна регресія в стандартизованому масштабі
1.4.2 Множинна нелінійна регресія
1.4.3 Метод Брандона
1.5 Важливість моделювання для підприємств аграрно-промислового комплексу
1.6 Постановка завдання
2 Аналіз собівартості для планування урожайності сільскогосподарської продукції
2.1 Аналіз собівартості сільськогосподарської продукції
3. Економіко-математичне моделювання в управлінні підприємством
3.1 Економіко-математичне моделювання урожайності сільськогосподарської продукції методом Брандона.
3.2 Компютерна реалізація методу Брандона
3.3 Функціональні можливості програми прогнозування урожайності