Економіко-математичне моделювання
Економіко-математичне моделювання Економіко-математичне моделювання
x a степенева – ˆy = a⋅ x ; показникова – ˆy = ab ; логістична – ˆy cx 1 be − = + a або ˆy b cx 1 e − = та ін. + Для оцінки параметрів у зазначеному випадку використовують ітераційні методи або застосовують апроксимацію. Широко використовується лінійне перетворення функції регресії, що дає можливість застосувати до перетворюваних параметрів статистичні критерії лінійної регресії. Наприклад, зробимо такі перетворення для степеневої функції. b Прологарифмуємо праву та ліву частини функції ˆy = ax , отримаємо ∗ ∗ ln ˆy= lna + ln ˆx. Ввівши заміну: z = lny,a ˆ = lna,x = lnx, отримаємо ∗ ∗ z = a + bx . Аналогічні перетворення виконаємо і для логістичної функції: ⎛a⎞ ⎛a⎞ ln ⎜ − 1 = ln b−cx yˆ ⎟ або ln⎜ − 1 = b −cx ⎝ ⎠ ˆy ⎟ ⎝ ⎠ Для опису необмежених і монотонно зростаючих або монотонно спадних експериментальних залежностей можна використати такі моделі: • лінійна модель 1 використовується для залежностей, у яких перша похідна (швидкість зміни Y або приріст Y) постійні; • параболічна модель 2 характеризується тим, що перша похідна змінюється за лінійним законом; • логарифмічна залежність 5 використовується для моделювання поволі змінюваних залежностей, оскільки її перша похідна спадає обернено пропорційно Х; • експоненти 8-С використовуються для залежностей, в яких логарифми змінюються за лінійним законом. Швидкість зростання степеневої функції 6 при великих Х більша від логарифмічної і менша від експоненціальної, а також може бути меншою чи більшою, залежно від своїх параметрів, швидкості росту лінійної функції. Для опису обмежених монотонно зростаючих та монотонноспадних експериментальних залежностей (залежностей, значення яких прямує до деякої границі) можуть бути використані такі моделі: 454
• при граничному значенні 0: степенева модель 6, експонента 8 та В, гіпербола D; • при довільному граничному значенні модифіковані степенева функція 7, експонента С та гіпербола І; • у випадку двох границь: логістична модель L, у якій значення параметра а визначає нижню границю, а значення b – віддаль між нижньою та верхньою границями. Для моделювання залежностей з одним максимумом (мінімумом) можна використати параболу 2 функції оптимуму J, K (залежність із різким екстремумом і наступним похилим наближенням до границі Y=0) та експоненціально-параболічна модель В. Для представлення залежностей з декількома екстремумами можна використати поліномні моделі, ступінь яких за мінусом одиниці визначає число екстремумів. Ці моделі добрі для екстраполяції, але непридатні для прогнозування, оскільки їх хвости різко йдуть вверх або вниз за границями експериментальної залежності. Для опису періодичних залежностей можна використати модель М із синусоїдою, у якій параметр b визначає довготривалий приріст, параметр с – амплітуду коливань, а параметр е – довжину періоду коливань. Часом виникає необхідність розрахувати декілька моделей і серед них, адекватних експериментальним даним, вибрати ту, для якої буде мінімальна стандартна помилка або максимальний коефіцієнт кореляції. Проте все залежить від конкретної задачі: щоб добре локалізувати область максимуму, можна скористатися і неадекватною моделлю для сильно зашумлених даних. Необхідно враховувати, що ряд нелінійних моделей у процесі обчислень зводяться до лінійної моделі з попереднім перетворенням значень змінних. Ця процедура приводить до ліквідації не самих відхилень експериментальних точок від регресійної кривої, а зважених цим перетворенням відхилень. Опишемо основні формули регресійних моделей системи STADIA: 455
- Page 403 and 404: Побудуємо діаграму
- Page 405 and 406: 4) усі параметри отр
- Page 407 and 408: Збурення є стохаст
- Page 409 and 410: які є в блоці редак
- Page 411 and 412: для входу в екранни
- Page 413 and 414: спеціально індивід
- Page 415 and 416: Розділ 15. Моделі па
- Page 417 and 418: y yi y1 yn y2 u1 A1 ui B2 B1 u2 A2
- Page 419 and 420: Часткового вирішен
- Page 421 and 422: та визначення впли
- Page 423 and 424: Таким чином, ми під
- Page 425 and 426: Метод, в основу яко
- Page 427 and 428: Таблиця 15.1 Вплив ва
- Page 429 and 430: Чисельник (15.16) є ко
- Page 431 and 432: n n n i i 2 i i 2 i i= 1 i= 1 i= 1
- Page 433 and 434: n ∑ i - загальна сума
- Page 435 and 436: ( ) ( ) 2 var e що рівноси
- Page 437 and 438: спостереженнях (аб
- Page 439 and 440: будуть вибірки, тим
- Page 441 and 442: Для статистичного
- Page 443 and 444: симетричний, то рів
- Page 445 and 446: формулою: Δ yx t p ⋅σ =
- Page 447 and 448: Рис. 15.7.2. Структура
- Page 449 and 450: 7. Середня абсолютн
- Page 451 and 452: 6 4 2 0 -2 Рис. 15.8.2. Пара
- Page 453: Розрізняють два кл
- Page 457 and 458: Для порівняння аль
- Page 459 and 460: 459
- Page 461 and 462: Отримане значення
- Page 463 and 464: k1=m=1, k2=n-m-1==10-1-1=8, F та
- Page 465 and 466: Розділ 16. Моделі мн
- Page 467 and 468: Отримаємо: n n n ⎧ ⎪ n
- Page 469 and 470: Знайдемо частинну
- Page 471 and 472: • дослідження доці
- Page 473 and 474: 2 ( e ) ( ) ( ) 1 M e1e2 M e1en 2
- Page 475 and 476: дійсному співвідно
- Page 477 and 478: задовольняло умову
- Page 479 and 480: сфері мікроекономі
- Page 481 and 482: регіону від розмір
- Page 483 and 484: 4. Знаходимо значен
- Page 485 and 486: Тому при співставл
- Page 487 and 488: = R = yy ˆ n ∑( yi − y)( ˆy
- Page 489 and 490: де y - середнє значе
- Page 491 and 492: Підставимо отриман
- Page 493 and 494: Тоді буде мати місц
- Page 495 and 496: або в матричній фор
- Page 497 and 498: ⎧ −1 −1 ′ ⎫ cov( A) = M
- Page 499 and 500: ♦ Рoзв’язування. С
- Page 501 and 502: Значення виразів A
- Page 503 and 504: Значущість коефіці
• при граничному значенні 0: степенева модель 6, експонента 8<br />
та В, гіпербола D;<br />
• при довільному граничному значенні модифіковані степенева<br />
функція 7, експонента С та гіпербола І;<br />
• у випадку двох границь: логістична модель L, у якій значення<br />
параметра а визначає нижню границю, а значення b – віддаль<br />
між нижньою та верхньою границями.<br />
Для <strong>моделювання</strong> залежностей з одним максимумом<br />
(мінімумом) можна використати параболу 2 функції оптимуму J, K<br />
(залежність із різким екстремумом і наступним похилим<br />
наближенням до границі Y=0) та експоненціально-параболічна<br />
модель В.<br />
Для представлення залежностей з декількома екстремумами<br />
можна використати поліномні моделі, ступінь яких за мінусом<br />
одиниці визначає число екстремумів. Ці моделі добрі для<br />
екстраполяції, але непридатні для прогнозування, оскільки їх хвости<br />
різко йдуть вверх або вниз за границями експериментальної<br />
залежності.<br />
Для опису періодичних залежностей можна використати модель<br />
М із синусоїдою, у якій параметр b визначає довготривалий приріст,<br />
параметр с – амплітуду коливань, а параметр е – довжину періоду<br />
коливань.<br />
Часом виникає необхідність розрахувати декілька моделей і<br />
серед них, адекватних експериментальним даним, вибрати ту, для<br />
якої буде мінімальна стандартна помилка або максимальний<br />
коефіцієнт кореляції. Проте все залежить від конкретної задачі: щоб<br />
добре локалізувати область максимуму, можна скористатися і<br />
неадекватною моделлю для сильно зашумлених даних. Необхідно<br />
враховувати, що ряд нелінійних моделей у процесі обчислень<br />
зводяться до лінійної моделі з попереднім перетворенням значень<br />
змінних. Ця процедура приводить до ліквідації не самих відхилень<br />
експериментальних точок від регресійної кривої, а зважених цим<br />
перетворенням відхилень.<br />
Опишемо основні формули регресійних моделей системи<br />
STADIA:<br />
455