logo search
Шпорка по ЕММ

22. Метод розв'язування задачі дрібно лінійного програмування у загальному вигляді.

Економічна і математична постановка задачі

Розв'язуючи економічні задачі, часто за критерій оптимальності беруть показники рентабельності, продуктивності праці тощо, які математично подаються дробово-лінійними функціями. Загальну економіко-математичну модель у цьому разі записують так:

за умов

Припускають, що знаменник цільової функції в області допустимих розв'язків системи обмежень не дорівнює нулю.

Алгоритм розв'язування задачі дробово-лінійного програму­вання передбачає зведення її до задачі лінійного програмування. Щоб виконати таке зведення, позначимо

зробимо заміну змінних

і запишемо економіко-математичну модель:

за умов

Дістали задачу лінійного програмування, яку можна розв'язати симплексним методом. Нехай оптимальний план

Оптимальні значення х0j знайдемо за формулою

Графічний метод

У разі, коли задача дробово-лінійного програмування містить лише дві змінні, для її розв’язування зручно скористатися графіч­ним методом.

Нехай маємо таку задачу:

(7.4)

за умов:

(7.5)

, (7.6)

Спочатку, як і для звичайної задачі лінійного програмування будуємо геометричне місце точок системи нерівностей (7.5), що визначає деякий багатокутник допустимих розв’язків.

Допустимо, що , і цільова функція набуває деякого значення:

.

Після елементарних перетворень дістанемо:

або (7.7)

Останнє рівняння описує пряму, що обертається навколо початку системи координат залежно від зміни значень х1 та х2.

Розглянемо кутовий коефіцієнт нахилу прямої (7.7), що виражає цільову функцію:

(7.8)

Отже, кутовий коефіцієнт являє собою функцію від Z. Для визначення умов зростання (спадання) функції (7.8) дослідимо зміну знака її похідної:

(7.9)

Використовуючи формулу (7.9), можна встановити правила пошуку максимального (мінімального) значення цільової функції:

1.) якщо ,

то функція (7.8) є зростаючою, і за збільшення значення Z (значення цільової функ­ції) кутовий коефіцієнт нахилу прямої (7.7) також збільшується. Тобто у разі, якщо , для відшукання точки максимуму необхідно повертати пряму, що описує цільову функцію, навколо початку системи координат у напрямку проти годинникової стрілки;

2.)якщо , то функція (7.8) є спадною і за збільшення значення Z (значення цільової функції) кутовий коефіцієнт нахилу прямої (7.7) буде зменшуватись. Тому у разі, якщо , для відшукання точки максимуму необхідно повертати пряму, що описує цільову функцію, навколо почат­ку системи координат у напрямку за годинниковою стрілкою.

При розв’язуванні задачі дробово-лінійного програмування графічним методом можливі такі випадки: -багатокутник розв’язків задачі обмежений і максимальне та мінімальне значення досягаються у його кутових точках;

-багатокутник розв’язків задачі необмежений, однак існують кутові точки, в яких досягаються максимальне та мінімальне значення цільової функції;

-багатокутник розв’язків задачі необмежений і досягається лише один із екстремумів;

-багатокутник розв’язків задачі необмежений, точки екстремумів визначити неможливо.

Розв’язування зведенням до задачі лінійного програмування

Нехай потрібно розв’язати задачу (7.1)—(7.3).

Позначимо

і введемо заміну змінних . Тоді цільова функція (7.1) матиме вигляд:

Отримали цільову функцію, що виражена лінійною залежністю. Оскільки , то звідси маємо: . Підставимо виражені через нові змінні значення в систему обмежень (7.2):

Крім того, з початкової умови

Умова (7.3) стосовно невід’ємності змінних набуває вигляду:

.

Виконані перетворення приводять до такої моделі задачі:

Отримали звичайну задачу лінійного програмування, яку мож­на розв’язувати симплексним методом.

Допустимо, що оптимальний розв’язок останньої задачі існує і позначається:

.

Оптимальні значення початкової задачі (7.1)—(7.3) визначають за формулою:

.

23. Довірчі інтервали значень множинної лінійної функції регресії із заданою надійністю .

24. Довірчі інтервали параметрів множинної лінійної функції регресії із заданою надійністю .

25. Форми запису лінійної задачі оптимізації: в скороченому вигляді, в матричній і

векторній формах.

1. матричний

Z=cx  max(min)

AX=B, x0,

де C=(C1 C2…Cn)

2. векторний

Z=cx  max(min)

A1X1 + A2X2 + … + AnXn =B, x0,

де

3. Через знак ∑

(1)

, i=1,m (2)

Xj  0, j=1,n (3)

Вектор Х=(х1,х2…хn) називається допустимим розв’язком задачі (1)-(2), якщо задовольняє обмеження (3).

26. Метод найменших квадратів (1МНК). (Система нормальних рівнянь).

Якщо припустити, що економетрична модель з двома змінними є лінійною:

,

в якій стохастична складова (залишки) має нульове математичне сподівання та постійну дисперсію, то параметри моделі можна оцінити на основі звичайного методу найменших квадратів (1МНК).

В основі методу 1МНК лежить принцип мінімізації суми квадратів залишків моделі. Реалізація цього принципу дає можливість отримати систему нормальних рівнянь:

В даній системі n — кількість спостережень, , , , — величини, які можна розрахувати на основі вихідних спостережень над змінними Y і X.

Щоб оцінити параметри моделі на основі методу 1МНК, необхідно дотримуватися таких передумов (гіпотез):

1) математичне сподівання залишків має дорівнювати нулю, тобто M(u) = 0;

2) значення вектора залишків u незалежні між собою і мають постійну дисперсію:

незалежні змінні моделі не зв’язані із залишками, тобто

;

4) незалежні змінні моделі створюють лінійно-незалежну систему векторів, тобто

Оператор оцінювання параметрів моделі на основі 1МНК:

Неважко довести, що оцінки , які можна отримати на основі оператора оцінювання 1МНК, мінімізують суму квадратів залишків u. При цьому значення вектора є розв’язком нормальної системи рівнянь:

Якщо незалежні змінні в матриці X взяті як відхилення кожного значення від своєї середньої, то матрицю називають матрицею моментів. Числа, що стоять на її головній діагоналі, характеризують величину дисперсій незалежних змінних, інші елементи відповідають взаємним коваріаціям.