Экономические явления характеризуются многомерной системой различных факторов. Часто им свойственны такие черты, как случайность и неопределенность, стохастический (вероятностный) характер связи между явлениями. В этом случае для изучения тесноты связи и взаимосвязи показателей и факторов используют корреляционный и регрессионный анализ. С помощью этих методов можно количественно оценить степень влияния того или иного фактора. Например, только используя корреляционный анализ, можно оценить степень влияния квалификационного состава рабочих, стажа их работы на производительность труда, объем чистой продукции или себестоимость. Бесспорно, что производительность труда зависит от стажа работы, но этот фактор не является определяющим, так как на производительность, труда влияют уровень техники, организации производства и труда, а также другие факторы, т. е. связь в данном случае не функциональная, а корреляционная. [c.142]
Все перечисленные выше стохастические эффекты могут вызвать [c.105]
Управление запасами. Модели управления запасами. Независимый спрос. Системы фиксированного количества и фиксированного времени. Зависимый спрос. Нормирование запасов. Методы расчета потребности в материалах детерминированный, стохастический, эвристический. Классификация материалов. AB - анализ. - анализ. [c.167]
Понятие риска на рынке. Виды и типы рисков. Коммерческие риски, производственно-сбытовые риски, спекулятивные риски, инвестиционные риски, внутрифирменные риски, чистые риски. Причины и факторы риска. Риск на различных этапах маркетингового цикла. Допустимый, неизбежный и недопустимый (чрезмерный) риск. Цена риска. Коэффициент риска. Понятие управления рисками в маркетинге. Задачи управления рисками. Прогнозирование рисков. Страхование рисков. Методы снижения уровня риска диверсификация, страхование, информационная обеспеченность, использование достижений НТП. Роль человеческого фактора в управлении рисками. Стохастический характер ряда рисков. [c.338]
СТАТИСТИЧЕСКИЕ МЕТОДЫ РАСЧЕТА ЧИСЛЕННОСТИ ПЕРСОНАЛА - группа методов определения численности персонала основываются на анализе взаимосвязи между потребностью в персонале и др. переменными величинами (стохастические методы), а также на количественной оценке потребности в персонале, исходя из мнения специалистов, если непосредственное количественное измерение потребности затруднено (методы экспертных оценок). Наиболее применимым на практике из стохастических методов является расчет числовых характеристик (см. Методы расчета потребности в персонале). К стохастическим методам относятся регрессионный и корреляционный анализы. Регрессионный анализ предполагает установление линейной зависимости между численностью персонала и влияющими на нее факторами. Общая формула выглядит следующим образом [c.359]
Если коэффициенты ограничений и коэффициенты оптимизируемой функции являются случайными величинами, то применяют метод стохастического программирования. [c.153]
Задачи по оптимизации решаются различными математическими методами, в основе которых лежат теория вероятностей и математическая статистика, линейная алгебра, нелинейное программирование и, в частности, его простейшая форма — квадратичное программирование, а также стохастическое и динамическое программирования и, наконец, матричное исчисление. [c.18]
Чем удачнее подобрана модель, тем точнее она отражает характерные черты анализируемого процесса, тем достовернее полученные результаты. К построению моделей подходят по-разному используют методы математического программирования (линейное, динамичное, выпуклое, стохастическое), сетевого и матричного планирования, математической статистики (дисперсионный и регрессионный анализы, группировка совокупностей по статистическим критериям) и т.д. [c.33]
Подавляющее большинство зависимостей в экономике носит нелинейный характер. Поэтому начинают развиваться такие методы программирования, как нелинейное (целочисленное, параметрическое), динамическое, стохастическое. [c.146]
Регрессионный анализ представляет собой развитие метода статистических зависимостей он основан на выведении зависимости норм и показателей от формирующих их факторов. В экономике каждый показатель зависит от большого числа факторов, действующих одновременно, т. е. экономические явления характеризуются многомерной системой различных факторов. Часто им свойственны случайность и неопределенность, связь между явлениями носит стохастический (вероятностный) характер. В этом случае для изучения тесноты связи и взаимосвязи показателей н факторов используется метод корреляционного и регрессионного анализов. Преимущества этих методов заключаются в том, что с их помощью можно количественно оценить степень влияния того или иного фактора. [c.137]
С точки зрения системного подхода, как объект анализа комплексный инвестиционный проект является системой и может быть отнесен к разряду сложных (103-107 элементов) стохастических систем. Применение системной методологии для оценки и управления таким объектом закономерно с позиций диалектического материализма. [c.369]
Стохастическое описание. Такая форма описания используется, в тех случаях, когда факторам неопределенности z = (zi,z2,...) можно приписать вероятностный, случайный характер. Случайные факторы z формализованы, если задана их плотность вероятности. Наиболее подробно исследован в научно-технической литературе случай нормального распределения a(z)e yV(M(z),D(z)), которое полностью определяется вектором математического ожидания A/(z) и ковариационной матрицей D(Z). Некоторые специалисты рассматривают ситуацию, когда известна плотность вероятности, как детерминированную, ввиду того, что плотность вероятности является исчерпывающей характеристикой случайных величин. [c.46]
KI = (K1,...,EN) - стохастическая (случайная) компонента ВР (ненаблюдаемые помехи). [c.176]
Алгоритм адаптивной фильтрации. Класс моделей динамические модели, описываемые стохастическими разностными линейными по параметрам уравнениями с аддитивным шумом. Алгоритм может быть использован для идентификации любых ВР. [c.178]
Вполне естественно, что при К4 = 1 качество норм может считаться удовлетворительным. Однако не любое -отклонение от единицы будет свидетельствовать о завышенной или заниженной напряженности норм расхода. Стохастический характер потребления материальных ресурсов в бурении предопределяет объективное отклонение фактических расходов от нормативных. В связи с этим качество норм должно оцениваться с помощью интервальной оценки фактического значения коэффициента напряженности и его критического уровня. [c.26]
По форме математического описания модели разделяются на две группы учитывающие случайные процессы — стохастические и не учитывающие элементов случайности — детерминированные. Последние могут быть представлены в виде дифференциальных уравнений и логи- [c.305]
Объективной предпосылкой этого является стохастический характер самой величины расхода этих ресурсов и факторов, влияющих на нее. Кроме того, фактические расходы электроэнергии и топлива на бурение каждой конкретной скважины фиксируются довольно точно и игнорирование этой ценной информации нельзя признать правильным. [c.69]
Поскольку в стохастических задачах фактор у является случайной величиной с заданным распределением, то и значение целевой функции С (х, у) превращается в случайную величину, причем ее распределение зависит от нашего управления х е X (для простоты предположим, что X не зависит от у). Наиболее распространенная постановка задачи в этом случае такова найти х, на котором достигается [c.198]
В этом параграфе мы рассмотрим наиболее распространенный в экономических (и не только экономических) исследованиях класс стохастических моделей модели систем массового обслуживания. Системы массового обслуживания встречаются повсеместно. Читатель сотни и тысячи раз пользовался такими системами, не догадываясь, видимо, что они являются объектом исследования одного и того же раздела теории принятия решения. [c.200]
Описание этапов имитационного исследования мы будем проводить на примере двух конкретных задач. Первая из них — принятие решения о варианте системы массового обслуживания. Пусть планируется строительство автозаправочной станции, предназначенной для заправки автомобилей бензином. Имеется конечное число вариантов АЗС, которые могут быть построены в интересующем заказчика пункте. Перед ним стоит проблема — выбрать один из этих вариантов. Как читатель знает, анализ систем такого рода обычно относится к исследованию моделей со случайными воздействиями, которые были уже рассмотрены нами. Полученные читателем знания помогут построить модель и оценить преимущества и недостатки имитационного исследования в этом случае. Надо подчеркнуть, что изучение стохастических моделей было первым объектом приложения имитационных исследований к экономическим задачам. Такие исследования относятся к наиболее широко применяемым методам имитации и по настоящее время. [c.239]
Пусть в задаче выбора варианта АЗС заказчика интересуют ответы на вопросы о потере времени при ожидании обслуживания и о потерях, возникающих при простое оборудования АЗС. Пусть в процессе формулировки понятия объекта удалось установить, что заказчик не интересуется общими проблемами анализа систем массового обслуживания ему важно лишь решить конкретную задачу выбора варианта АЗС в конкретных условиях. Пусть далее удалось установить, что поток автомобилей, прибывающих на АЗС, можно считать стохастическим. Таким образом, мы ограничиваемся в исследовании описанием событий, происходящих на бензоколонке. Далее, пусть заказчик согласился с предположением о том, что характеристики обслуживания зависят лишь от варианта бензоколонки. Осталось уточнить лишь то, что заказчика интересует действие АЗС в среднем , в течение продолжительного времени. Таким образом, цель и объект исследования для задачи выбора варианта АЗС, в целом, удалось описать. [c.242]
Математические модели, на основе которых осуществляется имитационный эксперимент, могут быть детерминированными и стохастическими. В детерминированной модели задание внешних воздействий однозначно определяет значения изучаемых величин. Так, в модели долгосрочного прогнозирования задание управлений sx и s2 давало возможность вычислить траектории К (t) и с (/). При использовании детерминированной модели повторение просчета при тех же значениях факторов приводило к тем же реакциям. Иное дело стохастические модели. В них реакция получается в результате взаимодействия внешних воздействий в ряде случайных чисел, которые, хотя и являются выборкой из одного и того же распределения, в силу случайности моделируемого процесса принимают разнообразные значения. В этом случае повторение просчета при тех же внешних воздействиях приведет к иному значению показателей. Так, в задаче выбора АЗС о просчетах с разными значениями случайных чисел при одном и том же варианте АЗС мы получим разные значения среднего времени простоя автомобиля (1/т) Х, и простоя оборудования Ym/Tm. Поэтому для более точной оценки интересующих заказчика величин среднего времени х простоя автомобиля и средней доли у времени простоя оборудования для одного и того же варианта АЗС проводят несколько просчетов. [c.283]
Для обработки результатов в случае стохастических моделей с качественными факторами используются методы дисперсионного анализа, которые пригодны как в случае описательного, так и в случае оптимизационного исследования. Такая универсальность методов дисперсионного анализа основывается на том, что в случае качественных факторов, принимающих конечное число значений, и в описательном и в оптимизационном исследованиях необходимо сравнить все варианты внешних воздействий между собой. В случае задачи о выборе варианта АЗС дисперсионный анализ результатов эксперимента проводится следующим образом. [c.284]
Другой подход к решению вопроса о выборе внешних воздействий на модель состоит в автоматизации планирования эксперимента. Часто это удается осуществить при анализе стохастических моделей. В таком случае одновременно осуществляется и автоматическая обработка результатов эксперимента. Для проведения этих операций в системе нужен блок автоматизированного планирования эксперимента и обработки его результатов. [c.291]
Этапы моделирования инвестиционного цикла . построение модели, оценка параметров, практическое применение для принятия решений, оптимизации и прогнозирования. Интерфейсные, фактуальные и процедурные знания. Семантические сети. Синтез модели из типовых модулей. Стохастические сети Петри. Векторные функции денежных потоков в проектировании инвестиционных циклон. Учет факторов риска и неопределенности в моделях инвестиций. [c.75]
Основные закономерности и тенденции формирования потребностей. Закон Парето, правило "тяжелой половины" Твельда, закон Энге-ля. Стохастический характер формирования потребностей. [c.128]
В настоящее время в строительстве различают следующие виды сетевых моделей по составу исследуемых параметров — временные, стоимостные и ресурсные, по способу учета указанных параметров — детерминированные и вероятностные (стохастические), по числу конечных результатов — одноцелевые и многоцелевые, по способам моделирования и формализации взаимосвязей процессов — традиционные и обобщенные, по характеру отображения— типа работы-дуги и типа работы-величины , по числу независимых комплексов работ — односетевые и многосетевые. [c.27]
Применение математической статистики и моделирования для анализа производственно-хозяйственной деятельности. В экономике каждый показатель, каждое явление зависит от большого числа факторов, действующих одновременно. Иными словами, экономические явления характеризуются многомерной системой различных факторов. Часто им свойственны такие черты, как случайность и неопределенность, связь между явлениями носит стохастический (вероятностный) характер. В этом случае для изучения тесноты связи и взаимосвязи показателей и факторов применяют методы корреляционного и регрессивного янализа. [c.22]
Бахтизин Р.Н., Родионова Л.Н.. Кантор ОТ. Оценка инвестиционных проектов в условиях риска и неопределенности. //Четвертая всероссийская школа-коллоквиум по стохастическим методам. Тезисы докладов - Уфа, Изд-во Фонда содействия развитию научных исследований. -1998. - С. 3-5. [c.46]
Алгоритм Бокса-Дженкинса Класс моделей динамические модели, описываемые стохастическими разностными линейными по параметрам уравнениями с аддитивным шумом. Алгоритм может использоваться для моделирования любого ВР (возможно, после приведения его к стационарному виду с помощью различных преобразований - логарифмирования, взятия разностей и т.п.) [c.178]
Процесс прибытия вагонов-цистерн под налив на нефтепере-валочные пункты характеризуется тем, что в нем присутствует элемент случайности. Стохастический характер времени прибытия их на пункты перевалки осложняет задачу выбора оптимального количества наливщиков. В настоящей -статье предлагается способ решения такой задачи, используя метод теории массового обслуживания. [c.70]
Материальное-техническое снабжение, как и само строительное производство, носит вероятностный характер. Поэтому в оперативном (месячном) планировании, целью которого также ""являетсяГвьшшгнёние задании, объёмы и сроки поставок считаются стохастически известными. Возможный набор работ, подготовленных к производству, определяется из МОТЗ. Месячные плановые задания уточняются из квартальных планов. [c.73]
Модель (1)-(9) представляет собой задачу нелинейного стохастического программирования, которая может быть сведена к эквива -лентной детерминированной задаче заменой условий (3) соответствующими детерминированными эквивалентами. Как следует из (I), ее минимизация осуществляется как по глобальным переменным системы Pj, Pj, Ц ц так и по техническим решениям элементов ц -, Их оптимальные значения могут определяться, например, бозградиент-ными методами минимизации по векторам Р -, 9j, QIJ При этом в ходе решения (при фиксированных / Р, , Q j ) выбираются технические решения по газопроводным участкам и компрессорным станциям. [c.32]
Ермольев Ю.М. Методы стохастического программирования. М., "Наука", 1976, 239 с. [c.33]
Далее мы будем предполагать, что в рассматриваемой нами проблеме недетерминированность некоторых факторов существенна, т. е. мы не можем обойти ее путем решения детерминированной задачи. Какие методы можно предложить для анализа таких проблем Дать ответ на этот вопрос мы постараемся в трех следующих параграфах. Сначала рассмотрим модели массового обслуживания и модели управления запасами, представляющие собой два наиболее распространенных типа моделей с использованием случайных факторов (отметим, кстати, что модели, в которые включаются случайные факторы, часто называются стохастическими). Распространенность этих двух типов моделей связана, с одной стороны, с большим числом задач, укладывающихся в их рамки, и, с другой стороны, с наличием достаточно развитых методов, позволяющих проанализировать модели такого рода. Как мы уже говорили, стохастические модели используются при анализе повторяющихся явлений, поэтому в этих задачах обычно стараются принять такое решение, которое было бы рационально при многократном повторении изучаемого явления. Например, в уже упоминавшемся примере телефонной станции при ее проектировании надо выбрать такое количество соединяющих устройств, чтобы в среднем за год обеспечивалось достаточно оперативное соединение абонентов и при этом оборудование не простаивало бы слишком много времени. [c.198]