Мы отдаем себе полный отчет в том, что наши результаты в значительной степени зависят от характера частотного распределения, свойственного нашим генераторам случайных чисел, от выбранных для тестирования методов и от методов построения функций затрат и спроса. Будущие экспериментаторы могли бы проверить ряд альтернатив, включая функции спроса и затрат со случайными ошибками наблюдения и сдвигами функций затрат и спроса. Метод обучения, описанный в Приложении А, по-видимому, заслуживает дальнейшего исследования, и нужно рассмотреть альтернативные методы моделирования, использованные в данной статье. Можно было бы предпринять эмпирическое изучение методов, применяемых в промышленности. Очевидно, что главным нашим результатом является ряд предложений для дальнейшего анализа, а также некоторая степень уверенности в том, что данное направление исследований способно привести к содержательным выводам. [c.470]
Выбор математической формы связи при моделировании себестоимости добычи нефти, как показывает практика, целесообразно проводить методом перебора известных уравнений регрессий с переходом от менее сложных форм к более сложным. Часто случается так, что одна часть факторов связана с себестоимостью добычи нефти линейной зависимостью, другая — нелинейной. Поэтому удобнее поиск искомой формы связи начинать с линейной зависимости, затем проверить нелинейную зависимость, а потом перейти к более сложным формам связи (приложение 1). При выборе формы связи необходимо стремиться к получению достаточно простой по решению и удобной для экономической интерпретации модели. Модель себестоимости добычи нефти должна также отвечать условиям адекватности при включении в нее возможно меньшего числа факторов. Последнее обстоятельство указывает на то, что оценка значимости факторов с последующим отсевом менее существенных из них не утрачивает своей актуальности и на этом этапе исследования. [c.18]
Безусловно, что были рассмотрены только простейшие модели выбора эффективных плановых решений. При их оценке используются и другие методы — в частности, многокритериальной оценки, рассмотренные в разделе 11, а также имитационное моделирование (приложение 3). [c.520]
Основой системы эколого-экономических моделей явилась модель взаимодействия природы и хозяйства региона, в которой природа и экономика описывались как равноправные составляющие [Модели..., 1978 Модели..., 1981]. Применительно к Байкальскому региону выявились глубина и сложность задач комплексного моделирования регионального развития. Возникла необходимость создания специализированного программно-информационного комплекса для работы с моделями и информацией на ЭВМ, а также разработки специальных методик информационного обеспечения модели, позволяющих по имеющейся информации получать требуемые коэффициенты [Взаимодействие..., 1981]. Проблемы интерпретации результатов сценарного анализа, необходимость проведения локального анализа природно-экономических процессов в регионе, а также потребности насыщения моделей недостающей информацией инициировали разработку менее агрегированных моделей — второго уровня [Системные..., 1986]. Особое внимание было уделено моделированию лесных [Планирование..., 1984], водных [Математические..., 1987] и биологических ресурсов, включая популяцию омуля в Байкале [Эколого-экономичес-кие..., 1987]. Результатом проведенной работы явился довольно универсальный (для регионов) комплекс эколого-экономических моделей Регион и сопровождающий его специализированный программно-информационный комплекс. Подробное описание комплекса Регион и результатов его применения отражено в серии коллективных монографий [Взаимодействие..., 1981 Моделирование..., 1982 Эколого-экономичес-кие..., 1987 Приложение..., 1988 Эколого-экономическая..., 1990]. [c.169]
Макроэкономические предположения для моделирования были разработаны совместно с экспертами Института экономики переходного периода. Базовые принципы макроэкономической методологии, использованные для оценки стоимости различных структурных реформ представлены в приложении 3.1. По сути, мы взяли базовые макроэкономические прогнозы правительства на 2004-2006 гг. в качестве основы для построения набора из четырех долгосрочных макроэкономических сценариев, каждый из которых отражает индивидуальную комбинацию двух определяющих факторов будущей макроэкономической ситуации в России, а именно среднее значение мировых цен на нефть и ожидаемые темпы структурных реформ в стране. Как упоминалось в предыдущем разделе, затем мы использовали два из четырех макроэкономических сценариев - сценарии с активными реформами - 12 и 14 в качестве основы для [c.143]
Имея данные о базовой величине собственного капитала (СКо = 16 507,30 тыс. руб.) и объеме продаж (В = 165 980 тыс. руб.) (см. Приложения I, II), а также любые пять из шести переменных, участвующих в расчете модели достижимого роста, можно определить шестой параметр. В табл. 2.6 представлен пример моделирования. Заданные переменные выделены полужирным начертанием, рассчитанные с их использованием недостающие параметры — курсивом. [c.150]
Подсистема моделирования G2 является достаточно автономной, но важной частью системы. На различных этапах жизненного цикла приложения она служит различным целям. Во время разработки подсистема моделирования используется вместо объектов реального мира для имитации показаний датчиков. Очевидно, что отладка на реальных объектах может оказаться слишком дорогой, а иногда (например, при разработке системы управления атомной станцией) и небезопасной. [c.289]
Учитывая матричную форму изложения в учебнике вопросов множественной регрессии, в приложении (главе 11) приведены основные сведения из линейной алгебры. Кроме того, в ыаве 12 рассмотрено применение компьютерных пакетов для оценивания эконометрических моделей, а также проведение эксперимента по методу Монте-Карло, основанного на компьютерном моделировании случайных величин. [c.4]
При оценке совместных вероятностей вы, возможно, захотите смоделировать кривые, образуемые значениями строк и столбцов таблицы, с помощью какого-нибудь математического процесса. Возможно, что при оценке совместных вероятностей или коэффициентов корреляции, введенных совместными распределениями изложенной здесь Теории Условной Вероятности, пригодится какая-нибудь разновидность регрессионного анализа, нейронных сетей или другого аппарата. Это поистине широко открытая область приложений. В главе 4 Математики управления капиталом рассказано о моделировании распределения одной случайной величины с помощью критерия Колмогорова-Смирнова. Этот метод можно также использовать для моделирования строк и столбцов таблицы совместных вероятностей. Тем, кто заинтересован в развитии сходных методов, следует изучить кривые Пирсона, а также Байесову статистику. Для этого рекомендую прочитать Прикладную теорию статистических решений Говарда Райффы и Роберта Шлайфера (изд-во Гарвардского университета, Бостон, 1961 г.) и Адаптивные процессы управления Ричарда Беллмана (изд-во Принстонского университета, Принстон, 1961 г.). [c.168]
Стоит начать с того, чтобы изобразить распределение переменной с помощью гистограммы или же рассчитать для него характеристики асимметрии (симметричность распределения) и эксцесса (весомости хвостов распределения). В результате будет получена информация о том, насколько распределение данных близко к нормальному. Многие методы моделирования, в том числе, — нейронные сети, дают лучшие результаты на нормализованных данных. Далее, с помощью специальных статистических тестов, например, на расстояние Махаланобиса, можно выявить многомерные выбросы, с которыми затем нужно разобраться на предмет достоверности соответствующих данных. Эти выбросы могут порождаться ошибочными данными или крайними значениями, вследствие чего структура связей между переменными может (а может и не) нарушаться (см. [19]). В некоторых приложениях выбросы могут нести положительную информацию, и их не следует автоматически отбрасывать. [c.61]
Случайный характер потока заявок (требований), а также, в общем случае, и длительности обслуживания приводит к тому, что в системе массового обслуживания происходит случайный процесс. По характеру случайного процесса, происходящего в системе массового обслуживания (СМО), различают системы марковские и немарковские. В марковских системах входящий поток требований и выходящий поток обслуженных требований (заявок) являются пу-ассоновскими. Пуассоновские потоки позволяют легко описать и построить математическую модель системы массового обслуживания. Данные модели имеют достаточно простые решения, поэтому большинство известных приложений теории массового обслуживания используют марковскую схему. В случае немарковских процессов задачи исследования систем массового обслуживания значительно усложняются и требуют применения статистического моделирования, численных методов с использованием ЭВМ. [c.85]
Расчеты производились на основе данных, генерированных с помощью Монте-Карло-моделирования наблюдений, подчиненных распределению (5), в котором параметры о2, ау, (/ = 1, 2,. .., /с), а -ц и q +1 оценивались по методике, описанной в разделах 2.4.3, 2.4.4 и Приложении П.2, по выборочным данным RLMS (8-й раунд)8, увеличенным на Х% (каждое). Для каждого значения X моделировалось по 20 выборок объемом 400000 каждая. Такой объем каждой выборки был избран исходя из того, чтобы латентная страта с весом Qk+1 < 0,1% имела достаточное (порядка 100) представителей в этой выборке. Наличие 20 выборок для каждого значения X позволило приблизительно оценить разброс истинных значений оцениваемых характеристик дифференциации, т.е. их интервальные оценки с уровнем доверия, не меньшим 0,95. Пример подобных интервальных оценок приведен на рис. 2. [c.44]
Краткое описание модели представлено в Приложении к отчету Всемирного банка (2003с), а также в документе "Моделирование и Актуарные Оценки" (2003). Предыдущая версия модели была проанализирована консультантами ТАСИС, и их основные комментарии (Stott, 2002), такие как необходимость более точного отражения пенсионных взносов, уплачиваемых работающими пенсионерами, были учтены в последней версии модели. [c.225]
В V.A.3 мы приведем ряд хорошо известных результатов для доверительных интервалов и критериев для среднего одной нормальной совокупности или разности между средними двух нормальных совокупностей. Мы обсудим, например, /-критерий для одной либо двух совокупностей с неизвестными и возможно различными дисперсиями. Рассматриваются предположения -критерия и имитационное моделирование, а также биномиальное распределение и оценивание квантилей. В V.A.4 изучается определение объема выборки. Для доверительного интервала заданной длины обсуждается двойная выборка и (асимптотически состоятельная и эффективная) последовательная выборка. Многочисленные применения в моделировании и экспериментах Монте-Карло показывают, что правила останова срабатывают. Мы также определим объем выборки для проверки гипотез с заданными ошибками аир при применении двойной выборочной процедуры. В качестве альтернативы можно взять подход, основанный на селекции ( зона безразличия ), который отбирает с заданной надежностью уточненную совокупность. Эвристический последовательный метод применен в имитационном эксперименте. Проверку гипотез с заданными ошибками а и р и строго последовательной выборкой можно осуществить по критерию последовательного отношения вероятностей Вальда (Wald) (КПОВ) (при условии, что нет мешающих параметров следовательно, для биномиальной совокупности существует точный КПОВ). Часть А заканчивается приложениями, упражнениями и библиографией. [c.121]
Помимо предположения о известных дисперсиях при имитационном моделировании может нарушаться также предположение о нормальности распределений. В приложении V.B.2 приведен метод, не требующий, чтобы наблюдения были нормальными, а удовлетворяющийся тем, что нормальны выборочные средние. В силу центральной предельной теоремы это довольно слабое предположение. (Следовательно, метод можно применять для ранжирования других параметров, кроме средних из нормальных совокупностей, при условии, что средние оценки этих параметров имеют приближенно нормальные распределения см. также [Be hhofer, 1954, р. 29].) Заметим, что оценки дисперсий для распределений с нарушением нормальности остаются несмещенными. [c.247]
Пособие содержит вводный материал и упражнения по теории, методам и экономическим приложениям линейных и нелинейных задач о дополнительности, а также конечномерным вариационным неравенствам. Может быть полезно студентам математических и экономических специальностей вузов, аспирантам и специалистам в области вычислительной математики и математической экономики, а также всем, кто сталкивается с математическим моделированием экономических процессов и решением сложных нелинейных задач. [c.1]
Как следует из приведенных примеров, для различных системы применяются различные типы моделей. Тип модели может меняться от приложения к приложению и зависеть от конкретной природы системы. Моделирование расписаний применяется для проектирования железнодорожных систем, но для разработки воздушных судов оно вряд ли применимо, поскольку в данном случае более уместно использование аэродинамического моделирования. (Аэродинамика, несомненно, важна также и для высокоскоростных поездов). Для моделирования систем передачи данных (и голоса) используются диаграммы последовательности сообщений, а для моделирования систем, имеющих сложную структуру данных, применяются модели, содержащие диаграммы сущность-связь (entity-relationship diagrams). [c.19]
Сегодня подобное математическое моделирование доступно большинству специалистов по маркетингу. Программы типа Lotus 1-2-3 делают довольно безболезненным проведение регрессионного анализа, необходимого при использовании данного метода, - впрочем, не до конца безболезненным. Пользователь должен ознакомиться с основными концепциями статистической регрессии, а затем прочитать инструкции и примеры, приведенные в руководстве, приложенном к программе. Даже после полного овладения данным приемом специалист по прогнозированию может оказаться не в состоянии с высокой точностью дать прогноз продаж. Несколько лет назад один из нас потратил несколько недель на построение модели, прогнозирующей продажи услуг по фрахтовке. Когда каждый из возможных факторов был выражен количественно и введен в анализ, модель все еще объясняла чуть более 50 процентов изменений в национальном уровне фрахтовки транспорта. Это означало, кроме всего прочего, что для того, чтобы определить, пойдут ли продажи в данной отрасли вверх или вниз в следующий период, с таким же успехом можно подбрасывать монету. Не очень приятно осознавать это после двух недель кропотливой работы с цифрами [c.116]
Далее в целях практического освоения новой технологии описаны программные средства автоматизированной системы формирования и обработки гипертекстов (АСФОГ), приведены общая схема организации разработки гипертекстовых баз знаний (ГБЗ), обоснован и проиллюстрирован гипертекстовый подход к совершенствованию систем обработки экономической информации (СОЭИ), показаны процесс и результаты использования гипертекстовых технологий для проектирования и исследования различных экономических систем. Приложения содержат фрагменты реально существующих гипертекстов, разработанных в целях моделирования и совершенствования конкретных экономических предметных областей, а также проектирования и сопровождения экономических информационных систем (ЭИС). [c.6]
С точки зрения авторов данной книги, мнение этих ведущих специалистов отражает не суть явления (а суть в том, что обе модели в большинстве случаев являются динамическими), а возможности используемых ими инструментальных средств. Дело в том, что до недавнего времени для моделирования деятельности компании разработчики могли использовать только статические ИС, так как других средств не было. Типичными ИС, применяемыми для моделирования деятельности компаний, являлись разнообразные ASE-средства, которые описывали деятельность компании в статических понятиях, например, E/R-диаграммы, диаграммы потоков данных и т.п. (см. разд. 3.4). Эти средства позволяли описать компанию в виде взаимосвязанной совокупности блоков (отделений, отделов, лабораторий, групп и т.п.), указывая при этом их функции, входы, выходы, диапазоны передаваемых параметров и т.п. Однако эти ИС не позволяли описывать реальное, текущее состояние компании и ее подразделений, изменяемое во времени. В последнее время в ряд ASE-средств начинают вводить компоненты, позволяющие в ограниченном виде описывать некоторые аспекты динамики. Не вызывает сомнения, что любая модель компании (в том числе и статическая) лучше, чем отсутствие модели, однако для многих компаний их деятельность не может быть адекватно описана без привлечения динамики, т.е. без учета временного фактора. Например, в Приложении 2 описана модель автоматизированного грузового комплекса (Шереметьево-Карго), обеспечивающего прием (отправку) и хранение грузов при авиационных перевозках. Учитывая высокую динамичность подобных компаний (самолеты прибывают или убывают каждые несколько минут), адекватно описать их модель статическими средствами невозможно даже теоретически. Другим примером компаний, требующих для их описания динамической модели, являются любые компании, использующие для производства продукции технологические процессы (металлургические, химические, перерабатывающие и др.). [c.126]
Смотреть страницы где упоминается термин ПРИЛОЖЕНИЕ А. МОДЕЛИРОВАНИЕ
: [c.75] [c.192] [c.681] [c.194] [c.102] [c.277] [c.159] [c.168] [c.136] [c.6] [c.514] [c.262] [c.127]Смотреть главы в:
Опционы полный курс для профессионалов -> ПРИЛОЖЕНИЕ А. МОДЕЛИРОВАНИЕ