Економіко-математичне моделювання
Економіко-математичне моделювання Економіко-математичне моделювання
Припустимо, що чиста продукція в розрахунку на один верстат за одиницю часу складає а грн. Ставиться завдання: максимізувати прибуток, який припадає на одиницю часу. Зауважимо, що прибуток підраховується як різниця між загальною величиною чистої продукції і витратами на ремонт верстатів, що вийшли із ладу, і обслуговування. Тоді сподіваний прибуток буде: n( а − с2 − с1 Pt ) t = 0 M [ П( T ) ] = . (12.4) T Запишемо необхідні умови максимізації для Т* : ⎧ ∗ ∗ M ⎡ П ( T ) ⎤ M ⎡ П ( T 1) ⎤ ⎪ ⎣ ⎦ ≥ ⎣ − ⎦ ; ⎨ (12.5) ∗ ∗ ⎪M ⎡ П ( T ) ⎤ ≥ M ⎡ П ( T + 1) ⎤ ⎣ ⎦ ⎣ ⎦ . ⎩ Приклад 12.1. В цеху знаходяться n=60 верстатів. На проведення ремонтних робіт одного верстата витрачається c1=150 грн., а для профілактики c2=20 грн. Імовірність виходу із ладу верстата в момент часу t наведено в табл. 12.1. Знайти оптимальний інтервал проведення профілактичного ремонту. ♦Розв’язування. Задача полягає у визначенні оптимального значення Т*, при якому мінімізуються загальні витрати на ремонт верстатів, що вийшли з ладу, та проведення профілактичного ремонту в розрахунку на один інтервал часу (табл. 12.1). Таблиця 12.1 P ∑ − T 1 M C(T ) Т t t = 0 348 T ∑ −1 P [ ] 1 2 3 4 1 0,04 0 1200 2 0,08 0,04 780 3 0,12 0,12 760←min 4 0,14 0,24 840 5 0,17 0,38 924 Отримані результати показують, що профілактичний ремонт необхідно проводити через кожні три інтервали часу (Т*=3). ♦ t
12.2. Критерій «сподіване значення – дисперсія» Розглянемо модифікацію наведеного критерію в §12.1 для випадків, які повторюються рідко. Якщо х – випадкова величина з D ( x) дисперсією D(x), то вибіркове середнє x має дисперсію , де n – n обсяг вибірки. Звідси, якщо D(x) зменшується, дисперсія x також зменшується, і ймовірність того, що x близьке до M(x), збільшується. Це показує доцільність введення критерію, в якому максимізація сподіваного значення прибутку поєднується з мінімізацією її дисперсії. Можливим критерієм, що відповідає цій меті, є максимум виразу M(x)-KD(x), де х – випадкова величина, що відображає прибуток, K – задана постійна величина (K>0). Величину K інколи інтерпретують як рівень несхильності до ризику. Дійсно, K визначає ступінь важливості дисперсії х відносно M(x). Наприклад, підприємець, який особливо гостро реагує на великі від’ємні відхилення прибутку вниз від M(x), може взяти K набагато більше за одиницю. Це надає велику вагу дисперсії і призводить до розв’язку, що зменшує ймовірність великих втрат прибутку. Введений критерій погоджується із використанням корисності при прийнятті рішень, оскільки параметр несхильності до ризику характеризує відношення особи, яка приймає рішення, до великих відхилень від очікуваних значень. Використаємо критерій «сподіване значення – дисперсія» до конкретної ситуації, наведеної у прикладі 12.1. Нам необхідно обчислити дисперсію витрат за один інтервал, тобто дисперсію T −1 ∑ c1 nt+ nc2 CT = t= 0 T . (12.6) Оскільки nt ( t = 0, T − 1) – випадкова величина, то CT – також випадкова, nt має біномний розподіл із середнім значенням nPt і дисперсією n Pt (1– Pt ). Тоді 2 T−1 2 T−1 ⎛c1⎞ ⎛c1⎞ DC [ T] = ⎜ ⎟ ∑Dn ( t) = ⎜ ⎟ ∑nPt( 1− Pt) = ⎝T ⎠ t= 0 ⎝T ⎠ t= 0 2 T−1 T−1 2 T−1 ⎛c1⎞ ⎛ 2⎞ ⎛c1⎞ 2 = n⎜ ⎟ Pt Pt n ( Pt P t ) . T ⎜∑ − ∑ ⎟= ⎜ ⎟ ∑ − ⎝ ⎠ ⎝ t= 0 t= 0 ⎠ ⎝T ⎠ t= 0 (12.7) 349
- Page 297 and 298: 323000 : 2, 02 = 159901 фунті
- Page 299 and 300: факторами, на які і
- Page 301 and 302: Назва показника Фо
- Page 303 and 304: 10.3. Загальні принци
- Page 305 and 306: Фактори ризику Об’
- Page 307 and 308: Метод аналогій вик
- Page 309 and 310: Перший тип експерт
- Page 311 and 312: спеціалісти з ризи
- Page 313 and 314: Вхід Суб’єкт управ
- Page 315 and 316: Розрізняють такі м
- Page 317 and 318: виконавцем проекту
- Page 319 and 320: Розділ 11. Система п
- Page 321 and 322: Наприклад, нехай пр
- Page 323 and 324: Рис. 11.2.1. Діаграма в
- Page 325 and 326: або планові сумарн
- Page 327 and 328: Середнє сподіване
- Page 329 and 330: D 1 D 2 2 2 2 2 = ( 18 − 9, 5)
- Page 331 and 332: 2 2 2 2 ( ( −2, 2) ⋅ 0, 2 + (
- Page 333 and 334: SSV A = 8, 70%. Аналогічн
- Page 335 and 336: Позначимо: S - почат
- Page 337 and 338: Р Ймовірність отри
- Page 339 and 340: За допомогою криво
- Page 341 and 342: 11.6. Систематичний і
- Page 343 and 344: Таблиця 11.6 Класифі
- Page 345 and 346: фінансових інструм
- Page 347: вийде із ладу в пер
- Page 351 and 352: в подальшому можли
- Page 353 and 354: 12.4. Кількісний анал
- Page 355 and 356: ринковий попит. Ная
- Page 357 and 358: наявності успіху; -1
- Page 359 and 360: Розраховані значен
- Page 361 and 362: Етап 3. Для кожного
- Page 363 and 364: математичне сподів
- Page 365 and 366: Оцінюючи необхідну
- Page 367 and 368: Враховуючи формули
- Page 369 and 370: Перейдемо до розгл
- Page 371 and 372: Припустимо, що інве
- Page 373 and 374: Розділ 13. Прийняття
- Page 375 and 376: початкову задачу м
- Page 377 and 378: { } R2= min 29; 26; 24; 30; 30 = 24
- Page 379 and 380: Аналогічно для най
- Page 381 and 382: Існування закону р
- Page 383 and 384: 383
- Page 385 and 386: 3. Які критерії покл
- Page 387 and 388: опис існуючих кіль
- Page 389 and 390: За кінцевими прикл
- Page 391 and 392: Е К О Н О М Е Т Р І Я М
- Page 393 and 394: y = ˆy+ u, тобто y = f ( x) +
- Page 395 and 396: q q2t-1 q0 q2t попит А D Рt-
- Page 397 and 398: схема переважно ви
12.2. Критерій «сподіване значення – дисперсія»<br />
Розглянемо модифікацію наведеного критерію в §12.1 для<br />
випадків, які повторюються рідко. Якщо х – випадкова величина з<br />
D ( x)<br />
дисперсією D(x), то вибіркове середнє x має дисперсію , де n –<br />
n<br />
обсяг вибірки. Звідси, якщо D(x) зменшується, дисперсія x також<br />
зменшується, і ймовірність того, що x близьке до M(x), збільшується.<br />
Це показує доцільність введення критерію, в якому максимізація<br />
сподіваного значення прибутку поєднується з мінімізацією її<br />
дисперсії. Можливим критерієм, що відповідає цій меті, є максимум<br />
виразу M(x)-KD(x), де х – випадкова величина, що відображає<br />
прибуток, K – задана постійна величина (K>0).<br />
Величину K інколи інтерпретують як рівень несхильності до<br />
ризику. Дійсно, K визначає ступінь важливості дисперсії х відносно<br />
M(x). Наприклад, підприємець, який особливо гостро реагує на великі<br />
від’ємні відхилення прибутку вниз від M(x), може взяти K набагато<br />
більше за одиницю. Це надає велику вагу дисперсії і призводить до<br />
розв’язку, що зменшує ймовірність великих втрат прибутку.<br />
Введений критерій погоджується із використанням корисності<br />
при прийнятті рішень, оскільки параметр несхильності до ризику<br />
характеризує відношення особи, яка приймає рішення, до великих<br />
відхилень від очікуваних значень.<br />
Використаємо критерій «сподіване значення – дисперсія» до<br />
конкретної ситуації, наведеної у прикладі 12.1. Нам необхідно<br />
обчислити дисперсію витрат за один інтервал, тобто дисперсію<br />
T −1<br />
∑<br />
c1 nt+ nc2<br />
CT<br />
= t=<br />
0<br />
T<br />
. (12.6)<br />
Оскільки nt ( t = 0, T − 1)<br />
– випадкова величина, то CT – також<br />
випадкова, nt має біномний розподіл із середнім значенням nPt і<br />
дисперсією n Pt (1– Pt ).<br />
Тоді<br />
2 T−1 2 T−1<br />
⎛c1⎞ ⎛c1⎞ DC [ T] = ⎜ ⎟ ∑Dn ( t) = ⎜ ⎟ ∑nPt(<br />
1−<br />
Pt)<br />
=<br />
⎝T ⎠ t= 0 ⎝T ⎠ t=<br />
0<br />
2 T−1 T−1 2 T−1<br />
⎛c1⎞ ⎛ 2⎞ ⎛c1⎞ 2<br />
= n⎜ ⎟ Pt Pt n ( Pt P t ) .<br />
T<br />
⎜∑ − ∑ ⎟=<br />
⎜ ⎟ ∑ −<br />
⎝ ⎠ ⎝ t= 0 t= 0 ⎠ ⎝T ⎠ t=<br />
0<br />
(12.7)<br />
349