Так как дисперсия не имеет значения для линейной функции полезности, оба принципа и здесь совместимы. [c.88]
Получается, что если мы будем настаивать на использовании этой простой формулы, а не какой-то более сложной, полученные численные величины окажутся единственными с точностью до линейного преобразования. Например, предположим, что задавая числа этим путем, мы получили совокупность чисел в колонке 3 таблицы I для сущностей от А до /. Теперь, если бы вместо того, чтобы задать величины 7 и 6 для В и А, мы бы сначала решили задать какую-то величину 7 для В и какую-то величину 5 для А, то могли бы получить взамен последовательность в колонке 7. Колонка 7 является линейным преобразованием колонки 3. Другими словами, по нашему собственному усмотрению, мы можем произвольно задавать числа для этих двух сущностей как только это будет сделано, наш метод определит те оставшиеся единственные числа, которые будут заданы. Но все различные множества численных значений (полезностей), которые могли бы быть получены, зависят от двух исходных численных значений и являются линейными преобразованиями друг друга. Таким образом, наш процесс измерения является единственным в своем роде с точностью до какого-то линейного преобразования. [c.354]
Если предшествующий метод приписывания чисел правильно прогнозирует выбор, который в действительности делает субъект среди неопределенных перспектив, значит, мы успешно задали числа в качестве указателей предпочтительного выбора. Мы успешно измерили полезность и сделали это при помощи вышеприведенной формулы. Кроме того, каждое линейное преобразование нашего прогнозирования численных значений, полезностей будет в равной степени справедливо или несправедливо. В итоге, (1) мы нашли какой-то путь для определения численных значений (2) получается, что для предложенного пути заданные значения являются единственными с точностью до линейных преобразований (3) этими значениями можно манипулировать. Все это подразумевалось в ряду наших постулатов. Прежде чем задать вопрос а прогнозируют ли эти численные значения действительное поведение, мы обсудим некоторые побочные спорные вопросы. [c.354]
Модели скользящего среднего (МА) представляют стационарный процесс в виде линейной комбинации последовательных значений белого шума . Такие модели оказываются полезными как в качестве самостоятельных описаний стационарных процессов, так и в качестве дополнения к моделям авторегрессии для более детального описания шумовой составляющей. [c.105]
Во-вторых, предположение о "линейном потоке" инновационного процесса - от изобретения до применения, как это показано на рисунке, -которого безоговорочно придерживаются правительственные чиновники -вступает в противоречие с имеющимися факторами, которые будут обсуждаться ниже. Не существует "прямого пути" к успешной инновации "Инновация не возникает автоматически из научного изобретения и не обеспечивает с абсолютной гарантией конкурентного превосходства". Но если линейная модель является не слишком полезной, не правы и приверженцы идеи о "второстепенном значении науки" в инновационном процессе. [c.125]
Самое важное решение, которое должен принять аналитик, — это выбор совокупности переменных для описания моделируемого процесса. Чтобы представить себе возможные связи между разными переменными, нужно хорошо понимать существо задачи. В этой связи очень полезно будет побеседовать с опытным специалистом в данной предметной области. Относительно выбранных вами переменных нужно понимать, значимы ли они сами по себе, или же в них всего лишь отражаются другие, действительно, существенные переменные. Проверка на значимость включает в себя кросс-корреляционный анализ. С его помощью можно, например, выявить временную связь типа запаздывания (лаг) между двумя рядами. То, насколько явление может быть описано линейной моделью, проверяется с помощью регрессии по методу наименьших квадратов (OLS). Полученная после оптимизации невязка R может принимать значения от 0 (полное несоответствие) до 1 (точное соответствие). Часто бывает так, что для линейных систем OLS-метод дает такие результа- [c.58]
Средние содержания ценных компонентов обычно рассчитывают способом взвешивания по мощности. Однако при подсчете часто приходится иметь дело со столовыми (видимыми) значениями мощности, причем пересчет их в истинные значения не всегда может быть осуществлен достаточно надежно. Расчет средних при этом обычно ведут со взвешиванием по значениям стволовых мощностей. Такое взвешивание может приводить к систематическим ошибкам, если между углами встречи тела полезного ископаемого выработками и качеством сырья в отдельных его частях возникает некоторая связь. Так, на полиметаллическом месторождении Степное (Казахстан) вертикальные скважины закономерно пересекали среднюю часть седловидной залежи под углами, близкими к прямому, а фланговые части - под более острыми углами, что определяло повышенные значения стволовых мощностей на флангах и пониженные в центре (рис. 3.8). Однако фланговые части залежи на крыльях антиклинали как раз характеризовались пониженным качеством руд. Взвешивание по стволовым мощностям приводило в данном случае к занижению среднего качества руд по залежи в целом. Аналогичные погрешности могут возникать при разведке неоднородных по качеству сырья линейных тел веерными скважинами. [c.90]
АМОРТИЗАЦИЯ НЕМАТЕРИАЛЬНЫХ АКТИВОВ - постепенное списание стоимости нематериальных активов в процессе их производственного использования осуществляется на основе использования прямолинейного (линейного) метода, т.е. равными частями, исходя из их первоначальной стоимости с учетом индексации. Нормы списания нематериальных активов предприятие устанавливает самостоятельно в пределах срока их полного полезного- использования (но не более 10 лет непрерывной эксплуатации). Амортизационные отчисления производятся до достижения остаточной стоимостью нематериального актива нулевого значения. [c.11]
Тем не менее, доказанная теорема полезна и используется в расчетах следующим образом обычно в начале расчета полагается k 2, 3. Если процесс решения задачи соответствует предположению теоремы, т. е. на каждой итерации задача линейного программирования имеет решение, число k не меняется. Когда начинают встречаться случаи отсутствия решения задачи линейного программирования, k увеличивается на 1, пока не достигнет заданного предельного значения k. После этого начинается уменьшение s. Заметим еще, что этот механизм не работает в самом начале решения задачи, когда в силу грубости исходного управления ы 0) ( ) все условия задачи грубо нарушены. Подробнее эти вопросы будут освещены при анализе решения конкретных задач (особенно в 37). [c.184]
Проблемы с методологией регрессии. Методология регрессии — это традиционный способ уплотнения больших массивов данных и их сведения в одно уравнение, отражающее связь между мультипликаторами РЕ и финансовыми фундаментальными переменными. Но данный подход имеет свои ограничения. Во-первых, независимые переменные коррелируют друг с другом . Например, как видно из таблицы 18,2, обобщающей корреляцию между коэффициентами бета, ростом и коэффициентами выплат для всех американских фирм, быстрорастущие фирмы обычно имеют большой риск и низкие коэффициенты выплат. Обратите внимание на отрицательную корреляцию между коэффициентами выплат и ростом, а также на положительную корреляцию между коэффициентами бета и ростом. Эта мультиколлинеарность делает мультипликаторы регрессии ненадежными (увеличивает стандартную ошибку) и, возможно, объясняет ошибочные знаки при коэффициентах и крупные изменения этих мультипликаторов в разные периоды. Во-вторых, регрессия основывается на линейной связи между мультипликаторами РЕ и фундаментальными переменными, и данное свойство, по всей вероятности, неадекватно. Анализ остаточных явлений, связанных с корреляцией, может привести к трансформациям независимых переменных (их квадратов или натуральных логарифмов), которые в большей степени подходят для объяснения мультипликаторов РЕ. В-третьих, базовая связь между мультипликаторами РЕ и финансовыми переменными сама по себе не является стабильной. Если же эта связь смещается из года в год, то прогнозы, полученные из регрессионного уравнения, могут оказаться ненадежными для более длительных периодов времени. По всем этим причинам, несмотря на полезность регрессионного анализа, его следует рассматривать только как еще один инструмент поиска подлинного значения ценности. [c.649]
Между этими крайними типами деловых людей находится человек, чья функция полезности по отношению к деньгам будет линейной и чье поведение будет согласованным в смысле максимизации ожидаемого дохода. Имея дело с таким человеком, мы могли бы на практике обойтись без знания полезности, а использовать прямо денежные значения. [c.76]
При установлении априорного распределения часто предполагают, что хвосты распределения имеют мало значения в случае, когда функция полезности принимающего решение линейна или близка к этому. Обсудить правдоподобность этого предположения, [c.122]
Линейный способ начисления амортизации предполагает списание стоимости объекта равными суммами в течение срока его службы. Например, если первоначальная стоимость объекта составляет 100 000 руб. при сроке его службы 5 лет, то годовая сумма амортизации равна 100 000 5 = 20 000 руб. Норма амортизации является постоянной. Накопленная амортизация в течение срока полезного использования равномерно увеличивается, остаточная стоимость равномерно уменьшается до достижения нулевого значения. [c.148]
Для показателей, имеющих в НТД ограничения предельных значений Р, пр (например, наработка до отказа не менее 1000 ч, масса изделия не более 1,0 кг, диаметр вала 10 мм + 0,001 мм), относительный показатель качества определяется так же, как и в предыдущем случае, т.е. по формулам, отражающим только линейные зависимости k/ от Р/. Между тем, механическое деление значений показателей не всегда дает объективный результат. Чем выше достигнутый при изготовлении ресурс или коэффициент полезного действия электродвигателя, тем труднее его повысить. Следовательно, в таких случаях при определении относительных показателей необходимо исходить из нелинейной зависимости k, от Р/. Это несложно осуществить с помощью коэффициента влияния на качество Д gj,., который может быть в пределах Д вл.тш < Д M. < Д ал.тах- В реальных пределах величину коэффициента влияния целесообразно принять в пределах 0 < Biw < 2. Очевидно, что при Bim = 1 зависимость , от Р, будет линейной, а во всех других случаях — нелинейной. [c.285]
И, наконец, полученное значение периода оборачиваемости запасов сравните с данными по предыдущему отчетному периоду. Если выявите изменения между двумя периодами, то будет полезно рассмотреть период оборачиваемости по каждому составному элементу запасов (то есть сырью, незавершенной и готовой продукции). После рассмотрения всех этих периодов Вы сможете провести более точный анализ и более предметно обсудить данный вопрос с линейным руководителем. [c.483]
Содержательно результат теоремы 1 обусловлен тремя факторами во-первых, в окрестности нулевого действия доход центра растет быстрее, чем затраты АЭ во-вторых, центр имеет постоянный доход на масштаб производства (его функция дохода линейна, то есть не существует никаких технологических ограничений на число АЭ, осуществляющих совместную деятельность в рамках данной АС) и в-третьих, АЭ получают в равновесии нулевую полезность (то есть они безразличны с точки зрения значения своей целевой функции между участием и неучастием в данной АС и входят в состав АС только в силу благожелательно отношения к центру — см. ГБ выше). [c.120]
Если приобретенный вами подержанный объект основных средств уже полностью отработал свой срок, вы можете определить срок его полезного использования самостоятельно. В таком же порядке может начисляться амортизация для целей налогообложения. При этом каким способом - линейным или нелинейным - начисляется амортизация, значения не имеет. [c.535]
При больших значениях х каждое дополнительное вложение уже не влияет столь значительно на результат, возможности инвестиций реализуются в порядке убывающей отдачи от вложений. Таким образом, при больших значениях х полезность вложений растет менее, чем линейно по х [c.42]
При средних значениях вложений х функция полезности может возрастать линейно по х [c.42]
Полезно исследовать нормированные коэффициенты дискриминантной функции в примере с отпуском на курорте. С данными низкими коэффициентами корреляциями между предикторами можно использовать значения нормированных коэффициентов, чтобы предположить, что доход — важный предиктор при дискриминации между группами, а за ним следуют размер семьи и значение, придаваемое семейному отдыху. Аналогичное наблюдение получено из проверки структурных корреляций. Эти коэффициенты линейной корреляции между предикторами и дискриминантной функцией перечислены в порядке их убывания. [c.696]
Аналитическое выравнивание временных рядов аналогично определению теоретической линии регрессии в корреляционном анализе. Первая задача состоит в выборе типа кривой многочлены, дробно-рациональные функции, экспоненты, логистические кривые и др. Вид кривых предпочтительно определить из теоретических соображений внутренней логики процесса и его связей с окружающим миром. Помогает также анализ конечных разностей и их относительных значений [77, с. 266]. При выравнивании многочленами полезно предварительное вычисление конечных разностей порядок многочлена равен наивысшему порядку ненулевых разностей. На приемлемость экспоненциальной аппроксимации указывает близкая к линейной зависимость от времени логарифмов исходных данных. [c.124]
М/Р приблизительно равно (1 + М — Р), где М и Р близки к единице мы опускаем в формуле единицу, так как константа не имеет большого значения для результатов. Полезность такой аппроксимации состоит в том, что решение для Р будет линейным. [c.423]
Так как /(0) = 0, то она проходит через начало координат. Принадлежащая первой лотерее функция полезности по Бернулли является геометрическим местом всех линейных комбинаций, состоящих из значений полезности U(0) и U(50). Она начерчена как непрерывная сплошная линия. Определенная аналогичным образом полезность по Бернулли второй лотереи изображена пунктиром. На основе заданных вероятностей математиче- [c.55]
Как видим, по сравнению с кардиналистским орди-налистский подход допускает значительно больший произвол в присвоении числовых значений различным полезностям функция T(U) не обязательно должна быть линейной. Важно лишь, чтобы большим значениям ее аргумента соответствовали большие значения функции. [c.57]
Таким образом, все шкалы различаются между собой только значением свободного члена а (это может быть любое число) и коэффициента пропорциональности Ь (это может быть любое положительное число). Иными словами, любая шкала полезности по фон Нейману— Моргенштерну может быть получена из любой другой с помощью линейного преобразования — изменения начала отсчета и масштаба. Наиболее естественной представляется шкала, в которой 17(77) = О, U(X) = 1. Здесь полезность любого набора совпадает с вероятностью выигрыша хорошего приза в безразличной лотерее, U( ) =o . [c.87]
Другим полезным непрерывным распределением является треугольное рас пределение Этот тип распределения, представленный на рис. 2А.2, описывает ситуа цию, когда значения моделируемого показателя концентрируются около наиболее веро ятного среднего значения, причем вероятности появления значений, отклоняющихся от среднего, линейно уменьшаются с ростом этого отклонения. Диапазон значения доход ности распределения С — от —5 до +15%, а наиболее вероятное значение равно 10%. Наиболее вероятная доходность распределения D равна 5%, но диапазон ее значений составляет всего от 0 до +10%. Отметим, что распределение С сдвинуто влево, а распре деление D симметрично Ожидаемая доходность для распределения С составляет 6.67%, [c.70]
По аналогии с аппаратом теории полезности [22, 23, 39] и др. для количественной оценки субъективной степени склонности к нестохастическому риску была предложена функция UN (y(a)) оценки полезности нестохастически рискованных результатов у (а). Областью определения функции uN(y) оценки полезности нестохастически рискованных результатов является отрезок [0 1], в который линейно отображается все множество возможных значений результатов операции в натуральной шкале. Преобразование проводят по формуле [c.303]
В [37] перечисляются следующие принципы определения страховых тарифов принцип эквивалентности, принцип ожидаемого значения, принцип дисперсии, принцип стандартного отклонения, принцип нулевой полезности, а также более сложные принципы и их модификации - принцип Эшера, швейцарский принцип, принцип Орлича и др. В соответствии с методиками Росстрахнадзора можно использовать рисковую модель (основывающуюся на анализе вероятности разорения страховщика и коэффициентах вариации) или (при наличии достаточного количества статистических данных) модель линейного тренда убыточности страховщика. [c.13]