Рассмотрим один частный случай проблемы свертывания показателей, встречающийся при исследовании динамических моделей типа (3.11), (3.12), (3.16). В этих моделях показателями часто являются значения некоторой функции f(x(t), u(t), t) в каждый из моментов времени из промежутка от t = 0 до t = Т. При этом каждому варианту решения (управлению u(t), 0 t =S Т) соответствует бесконечное число показателей. Для того чтобы свести задачу к числовому критерию, используют свертку показателей с помощью специальной весовой функции 6(i), соизмеряющей значения функции f(x(t), u(t), t) в различные моменты времени. Числовой критерий строится в виде [c.42]
Пусть o(z) — весовая функция, задающая для каждого розничного торгового предприятия его вес по итогам предыдущей коммерческой деятельности. [c.187]
Воспользовавшись значениями весовой функции, получаем значения ассортимента [c.190]
Для каждого х е Н существует весовая функция (сущность ее зависит [c.27]
Определим весовую функцию для элемента х = Руководитель. Эта [c.27]
ВЗВЕШИВАЮЩАЯ (ВЕСОВАЯ) ФУНКЦИЯ [c.49]
Взвешивающая (весовая) функция 47, 49 [c.461]
Следовательно, Центр компенсирует предприятиям часть их затрат, связанных как с текущей эксплуатацией, так и с развитием природоохранных фондов. При этом весовые функции ul(t) [0, 1] находятся в распоряжении Центра и выбираются в рамках требования замкнутости (1.2.9), которое здесь имеет вид [c.32]
В данном разделе для описания поведения предприятий используется линейный вариант модели затраты-выпуск , ориентированный на краткосрочное планирование (это соответствует постоянным коэффициентам модели) и задачи оптимального выбора весовых функций иог (t) в рамках схемы частичной компенсации природоохранных затрат предприятий, осуществляемой Центром. В целом (т.е. по состоянию и управлению) эти оптимальные задачи нелинейны и принадлежат так называемому классу билинейных задач оптимального управления. Для их исследования в данном случае оказался удобным аппарат принципа максимума Понтрягина [Понтрягин и др., 1961]. [c.47]
В Я да -теории управления неопределенность удобно задавать в частотной области. Предположим, что передаточная функция исходного объекта Р, и рассмотрим возмущенный объект, передаточная функция которого, например, Р - (1 + AW)P. Здесь W — фиксированная передаточная функция (весовая функция), а А — произвольная устойчивая передаточная функция, удовлетворяющая неравенству ЦдЦ . Такое возмущение А [c.61]
Нетрудно видеть, что выражение в квадратных скобках в (4.30) совпадает с функцией Лагранжа (4.20) для задачи с источниками с постоянной температурой. Однако наличие усреднения с весовой функцией /(То) и требование минимума по А от среднего значения V (А, То) коренным образом меняют характер решения. А именно если распределение /(То) не содержит ( -составляющих (т.е. вектор-функция не содержит участков постоянства), то оптимальное решение (То, А), и (То, А) единственно. Оно находится из условий стационарности по Т функции Лагранжа [c.145]
Далее, как правило, усредняют функцию G(t) на некотором интервале времени а < t < b с учетом некоторой весовой функции W(t) и получают [c.23]
Если известны значения весовой функции W(t), то можно перейти к представлениям о риске. [c.24]
Доказательство. Отображение (2.1) ( ) Я<Л> — L сохраняет норму и, следовательно, переводит только нуль из Я№) в нуль из L. Кроме того, (/) отображает Я<ь> на L. Действительно, L( Г) построено как замыкание линейной оболочки значений (/) на (to — Т, to) с весами из LZ(U — Г, to). Для каждого элемента L(ft), Г) можно указать последовательность Pn(t0, г) весовых функций из L2(fti — Т, ftj), образы которых сходятся к (/о) по норме L(to, Т). Поскольку отображение %(t) сохраняет норму, последовательность Pn(U, т) сходится по норме Я№ и образ ее предела при отображении %(t) совпадает с (ft>). Таким образом, для каждого элемента t,(ta) L(to, Т) может быть построен прообраз и, следовательно, %(t) отображает Жй> на L. [c.303]
Пусть w (у Х) — весовая функция у при фиксированном значении X, F(...) — символ функции распределения. Введем [c.218]
Сравним полученные оценки коэффициентов регрессии с излагавшимися в предыдущих разделах. Если весовые функции wt положить равными единице, то системы (7.46) и (7.50) дадут оценки максимального правдоподобия соответственно для плотностей (7.43) и (7.48). Каждая из весовых функций (7.47) и (7.51) распадается на два экспоненциальных множителя, первая экспонента одинакова у обеих функций. Если вторые экспоненты заменить единицами, то решения совпадут с изложенной в предыдущем пункте эв-регрессией при Я = 1/2. Вторые экспоненты определяют взвешивание по предиктор-ным переменным. [c.226]
Если в основу подбора параметров многомерной регрессии при описании распределения Х(2> положить требование совпадения не обычных, а взвешенных моментов условного распределения Х<2> при известном значении Х 1 то при соответствующем выборе весовой функции можно прийти к использованию эв-регрессии. [c.234]
Построение простейших непараметрических оценок рассматривается в п. 10.1.1. Их слабое место недостаточно эффективное использование гладкости регрессии и особенностей геометрического расположения выборочных значений регрессора. Возможны два пути борьбы с этим недостатком 1) усложнение весовой функции в (10.2) и 2) локальное использо- [c.320]
Мешалкин Л. Д. Использование весовой функции при оценке регрессионной зависимости. — В кн. Многомерный статистический анализ в социально-экономических исследованиях. М., 1974, с. 25—30. [c.463]
Используя Дя) как весовую функцию и выражая составляющие суммарных затрат через соответствующие стоимости из (9.14), получим [c.318]
Весовая функция, определяющая значимость выбора цели 3-го уровня для достижения главной цели, удовлетворяет соотношению [c.223]
Полученные результаты усредняются, и рассчитываются коэффициенты локальной весовой функции г [c.223]
Полученные веса предпочтительности использования проектов с показателями на этих уровнях интегрируются с весовыми функциями, рассчитанными для более высоких уровней иерархии, и определяются окончательные веса (рейтинг) уровней показателей отбираемых проектов. [c.224]
В практических моделях весьма часто используется прием дисконтирования. Введение коэффициента дисконтирования (весовой функции, величина которой тем меньше, чем дальше от начала периода отстоит соответствующий год) приводит к тому, что фонды потребления отдаленных от начала периода лет оказывают на результаты моделирования исчезающе малое влияние. В этом случае продолжительность планового периода Т можно не ограничивать процесс расчетов автоматически остановится на том фонде потребления, числовое влияние которого на конечный результат еще будет поддаваться измерению в заданных пределах точности. [c.184]
Однако учет страты "супер богатых" приводит к существенному увеличению значений различных индикаторов имущественной дифференциации населения — индекса Джини, коэффициента фондов (т.е. отношения суммарных доходов 10% богатейшего населения к суммарным доходам 10% беднейшего населения) и т.п.3 В свою очередь, характеристики дифференциации и поляризации населения по расходам (доходам) являются индикаторами уровня социальной напряженности в обществе, а потому от них существенно зависит и структура весовой функции w(x) в индикаторах бедности типа (1) ведь последние в задаче снижения уровня длительной ("постоянной") бедности (1), (1 ), (2) интерпретируются прежде всего как индикаторы именно социальной напряженности в обществе. [c.13]
В Приложении 3 дано краткое описание бейсик-программы для имитации ряда обобщенного броуновского движения с помощью ряда гауссовского. Этот метод помогает понять, кроме того, что представляет собой обобщенное броуновское движение. Каждое приращение во временном ряду обобщенного броуновского движения вычисляется как скользящее среднее, со степенной весовой функцией, от гауссова процесса с п независимыми случайными числами. С каждым шагом веса предшествующих N наблюдений уменьшаются N олицетворяет собой эффект долговременной памяти системы теоретически она бесконечна. Для целей имитации мы должны ограничить ее произвольно выбранным большим числом. В демонстрационном примере ряд из 8000 псевдослучайных чисел преобразован в 1400 смещенных случайных чисел описанным выше методом. Каждое смещенное приращение состоит из 5 случайных чисел и памяти о 200 смещенных числах. Проверка показала, что программа обладает достаточным быстродействием. Для каждого смещенного приращения (которое состоит из 5 гауссовских чигрИ пл должны оценить 200 предшествующих смещенных чисел (5 200 = 1000 гауссовских чисел). Эффект памяти порождается включением в расчет текущего числа, предшествующих чисел. Если рынок обладает подобного Рода эффектом памяти, то тогда каждая прибыль соотносится с величинами предшествующих М прибылей. В лю-оом случае измерение Н далее ведет к описанной выше несложной, хотя и довольно громоздкой вычислительной процедуре. [c.95]
R, то по ней может быть построена выборочная весовая функция W r . Результат применения к ней алгоритма Крускала обозначим G. Так как при росте объема выборки R -> R (по вероятности), то G также сходится к G в том смысле, что [c.154]
На рис. ЮЛ показаны значения 6 (/ — О, 1, 2), соответствующие непараметрическому оцениванию с помощью метода локальной параболической (порядка i) аппроксимации ( 10.2) с весовой функцией w (х, х0) = ехр — (х — х0)2/2Ь2 . Параметрическое оценивание с неадекватно предположенной моделью /пар — (а + сх) 1 в обоих случаях (п — 75 и п = 300) дало значительно большую погрешность 8пар>1. [c.323]
Порядок определения функции гг для целей смежного уровня рассмотрим для случая построения весовой функции на множестве стра- [c.222]
Индикаторы уровня бедности и социальной напряженности в задаче адресной социальной поддержки малоимущих семей. Если ограничить класс весовых функций w(x), участвующих в выражениях индикаторов бедности (1), функциями вида (3), воспользоваться результатами из (Bourguignon F. and G.S. Fields, 1990) о виде оптимального распределения финансовой поддержки малоимущих семей в этом случае, а также результатами оценивания функции f(x) плотности распределения по совокупным среднедуше- [c.33]