Файл: Варианты контрольной работы.docx

ВУЗ: Не указан

Категория: Не указан

Дисциплина: Не указана

Добавлен: 04.05.2024

Просмотров: 113

Скачиваний: 0

ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.

СОДЕРЖАНИЕ

Варианты контрольной работы

Примеры решения задач

2. Регрессионный анализ. Регрессионный анализ есть статистический метод исследования зависимости случайной величины Y от переменных X j(j=1,2,...k), рассматриваемых в регрессионном анализе как kнеслучайных величин, независимо от истинного закона распределения Xj . YОбычно предполагается, что случайная величина Y имеет нормальный закон распределения с условным математическим ожиданием  (X1,X2 ,...,Xk), являющимся функцией от аргументов Xj, и постоянной, не зависящей от аргументов дисперсией 2 . Пусть из генеральной совокупности (Y,X1 ,X2 ,...,Xk)берется выборка Yобъемом n(yi,x1i,x2i,...,xkn)i 1,k. Требуется по выборке найти оценку уравнений регрессии  (X1,X2 ,...,Xk)и исследовать его свойства. Вид функции выбирают заранее, наиболее часто встречающиеся: Y Линейная  0 1X1 2 X2 ...kXk; Полиномиальная     X  X2 ... Xk; Y 0 1 2 k Степенная (логарифмически-линейная)    X1  X2 ...XK Y 0 1 2 k Линейная двумерная модель. Необходимо найти оценку двумерного линейного уравнения регрессии:Y 0  1X y b0  b1x ei. (1)Для оценки неизвестных параметров 0 и 1 из двумерной генеральной совокупности (X,Y)берется выборка объемом n, где ( yi,xi) результат i-того наблюдения ( i 1,2,...,n). Оценку 0 и 1 производится с помощью метода наименьших квадратов (МНК).Согласно МНК, в качестве оценок неизвестных параметров 0 и 1 следует братьтакие значения выборочных характеристик b0 и b1 , которые минимизируют сумму квадратов отклонений: nQ (y b bx)2  min.  i 0 1 i  i1 0 1Исследуя функцию Qна минимум, получим:  Q 0 Q 2(y b bx) 0 b bi 0 1 i b0n b1 xi  yi   0  0  2(2)  Q 0Q 2(y b bx)x 0 b0  xi b1 xi  yixi bbi 0 1 i i  1  1 i i i i;Решая эту систему уравнений, например, методом Крамера получаем: b0  yi x2   x xyb1 nxiyixiyi(3) i i i in x2  ( x)2 n x2  ( x)2 ????Оценка ????2 остаточной дисперсии 2 имеет вид: ????2 = 1∑????(????− ????− ???? ???? )2(4) ???? ????−2????=1 ????0 1 ???? Проверказначимостиинахождениеинтервальныхоценоккоэффициентоврегрессии Для проверки соответствия уравнения регрессии экспериментальным данным. В MS Excel для этих целей рассчитывается Значимость F. Если Значимость F < α. принятого в задаче, то модель соответствует экспериментальным данным. Для проверки значимости коэффициентов регрессии В MS Excel для этих целей рассчитывается P-значение. Если Р-значение < α. принятого в задаче, то коэффициент регрессии значим.Если значим коэффициент регрессии b1, то значимо и уравнение регрессии. Линейная множественная модель. Рассмотрим общий случай линейной регрессии, когда условное математическое Y ожидание есть функция kпеременных: Y 0 1X1 2 X2 ...kXk. В матричном виде это уравнение примет вид: Y X , где Y- вектор-столбец наблюденийразмерности ( n  1); X- матрица факторных признаков размерности ( n  ( k  1));  - вектор неизвестных параметров размерности ((k 1) 1).Оценка МНК вектора  имеет вид:b XT X1 XT Y, где XT- транспонированная матрица Х, XT X1 - матрица, обратная матрице XT X.Несмещенная оценка остаточной дисперсии: ????2 = 1(???? − ????????)????(???? − ????????), ???? ????−????−1ПримеррешениязадачилинейнойдвумернойрегрессииНа основании выборочных данных по 20 туристическим фирмам о затратах на рекламу (Х) и количества туристов, воспользовавшихся услугами фирмы (Y), представленных в таблице, вычислить статистические характеристики двумерной линейной регрессионной модели. Определите соответствие модели экспериментальным данным и значимость регрессионной модели. Определите доверительные интервалы коэффициентов регрессии. Уровень значимости равен 5%. X 8,1 8,2 8,6 9,2 9,4 9,5 9,8 9,9 10,1 10,3 Y 800 850 720 850 800 880 950 820 900 1000 X 10,4 10,5 10,6 11,2 11,3 11,7 11,9 12,4 12,5 12,7 Y 920 1060 950 900 1200 1150 1000 1200 1100 1000 Решение:Построение уравнения линейной регрессии. Для построения линейной регрессии воспользуемся макрофункцией Регрессия (рис. 1). Для макрофункции Регрессия важно, чтобы группирование переменных было по столбцам.Входные интервалы переменных Х и Y вводим вместе с названиями и ставим флажок в поле Метки, чтобы показать, что в первой строке стоят названия переменных. Отмечаем выходной интервал и ставим флажок в графике подбора, на котором отображается корреляционное поле, включающее экспериментальные данные и регрессионную модель. Рис. 1. Макрофункция Регрессия.Выходной интервал содержит 3 таблицы (рис. 2). В первой таблице отражается коэффициент корреляции ρ, коэффициент детерминации R2, нормированный коэффициент детерминации ????2 и стандартная ошибка ???? .норм ???? Рис. 2. Нахождение линейной регрессии.Во второй таблице проводится анализ соответствия модели экспериментальным данным. В третьей таблице представлена информация о коэффициентах регрессии, их значимости и доверительных интервалах.Выводы: норм????2 <0.7 связь между переменными слабая.  ????е=85,07. Значимость F< 0,05, следовательно, модель соответствует экспериментальным данным. Р-значение для коэффициента b0 больше α=0,05, следовательно, коэффициент незначим. Р-значение для коэффициента b1 меньше α=0,05, следовательно, коэффициент значим. Значимость коэффициента b1 свидетельствует о значимости регрессионной модели. Уравнение регрессии имеет вид: ????̃ = 139,29 + 78,08????  Доверительные интервалы ????0 ∈ [−171,54; 450,11] и ????1 ∈ [48,48; 107,68]Примеррешениязадачимножественной линейнойрегрессии.В таблице приведены результаты работы 27 предприятий:

3. Задачи линейного программирования.

4. Двойственные задачи линейного программирования

3. Двумерные задачи линейного программирования

Инвестиционный анализ. Сравнение инвестиционных проектов

Практические задания

Регрессионный анализ

Задачи линейного программирования.

Двойственные задачи линейного программирования

Транспортная задача.

Составление инвестиционной программы

6. Теория игр


1.Стратегическиеигры.Две конкурирующих фирмы, выпускающие стиральные машины, имеют следующие доли общего сбыта своей продукции на местном рынке; 53%

фирма 1 и 47% фирма 1. Обе фирмы пытаются увеличить объем своих продаж. Для этого

у них есть следующие альтернативы:

А1(В1) расширить сеть сбыта;

А2(В

рекламировать свою продукцию;

А3(В3) увеличить ассортимент (число моделей

стиральных машин).Анализ показал, что при осуществлении обеими фирмами указанных мероприятий доля (в %) фирмы 1 на рынке стиральных машин изменится следующим образом:

Стратегия фирмы 1

Стратегия фирмы 2

А1

А2

А3

В1

-4

-5

-1

В2

-1

0

-3

В3

-3

1

-5

Вопросы:1. Какое из мероприятий фирмы 1 наиболее эффективно?

1. Какую долю на рынке будет иметь фирма 1?

  1. Какое из мероприятий фирмы 2 наиболее эффективно?

  2. С какой частотой фирме 2 следует использовать стратегию «реклама»?

Решение:Преобразуем платежную матрицу, увеличив все элементы матрицы на 6:

2 1 5

 



Q 5 6 3


3

1


7

Приведем матричную игру к задаче линейного программирования:

2y1 5y2 3y3 1

y 6y 7y 1

1 2 3



5y13y2y31

yi 0

Z y1 y2 y3 min.

Для решения воспользуемся средствами Excel. На лист Excel внесём расширенную матрицу задачи и необходимые формулы для целевой функции и левых частей системы ограничений. Решим данную задачу с помощью макрофункции MS Excel «Поиск решения» (рис. 1).Выбираем симплекс-метод решения задач линейного программирования и неотрицательность переменных.



Рис. 1. Окно «Поиск решения».


После запуска в Excel задачи на решение в окне "Результаты поиска решения"

необходимо выделить с помощью мыши тип отчета: «Устойчивость».

В результате мы получаем решение и прямой и двойственной задачи (рис. 2 и 3).



Рис. 2. Решение задачи

В отчете по устойчивости показано решение двойственной задачи, относящейся к игроку В:




Рис. 3. Отчет по устойчивости.

Анализируя данные результаты, можно сделать следующие выводы:

  1. Решение прямой задачи равно Y (0,105263;0,157895;0), целевая функция

равна 0,2631579, Следовательно, исправленная цена игры равна *

1

0,2631579

3,8.

Решением игры в смешанных стратегиях для игрока Аявляется следующий вектор,


определенный из условия


q

xj :

A1 A2
A3
A1
A2 A3



0,105263 3,8

0,157895 3,8



0 0,4



0,6 0

   

  1. Решением двойственной задачи относительно игрока В является

Х (0,105263;0;0,157895), тогда решением игры в смешанных стратегиях для

игрока Вявляется следующий вектор:





B1

B2

B3

  В1

В2

В3



0,1

05263 3

,8 0 0

,157895 3,8 0,4

0

0,6



  

  1. Ответить на поставленные вопросы можно следующим образом:


  • для фирмы Анаиболее эффективной стратегией будет стратегия «Реклама»

2=0,6);

  • доля рынка фирмы Аснизится на 2,2%( 3,8 6 2,2(%)) и составит 53%- 2,2%=50,8%;

  • для фирмы Внаиболее эффективной стратегией будет стратегия третья

«Расширение ассортимента» (q3=0,6);

  • вторую стратегию «Реклама» фирме Виспользовать не следует.


2.Статистическиеигры.Известна матрица доходов:

15 10 0



6 17



3 14 8 9 2

1 5 14 20 3

 

7 19 10 2 0

Используя методы принятия решений в условиях полной неопределенности, выберите оптимальную стратегию.

В предположении, что известны вероятности состояний природы, заданные вектором:


1
ПP 

0,2

П20,1

П30,4

П40,2

П


5
,

0,1

выберите оптимальную стратегию, используя методы принятия решений в условиях частичной неопределенности.

Решение:Для выбора оптимальной стратегии в условиях полной неопределенности воспользуемся правилами Вальда, Сэвиджа и Гурвица.

  1. ПравилоВальда.Используя функции МАКС и МИН выполним решение задачи в MSExcel:



Рис. 4. Формулы для решения методом Вальда.




Рис. 5. Решение задачи методом Вальда



Получаем

maxminqij max 6

;2;3

;0 2,следовательно, согласно

i j i

критерию Вальда выбираем вторую стратегию А2, которая имеет максимальную гарантированную доходность.

  1. ПравилоГурвица.Психологический параметр выберем равным 0,3. Используя

функции МАКС и МИН выполним решение задачи (6).



Рис. 6. Формулы для решения задачи методом Гурвица.




Рис. 7. Решение задачи методомГурвица.

Получаем minqij

j

6

;2;3;0

и maxqijj

17

;14

;20

;19

. Тогда

имеем:

    



max{0,3minqij (1 0,3)maxmaxqij}

i j i j

max{0,3 6

i

;2;3

;0 0,7 17

;14

;20

;19

max{10,1

i

;10,4

;13,1

;13,3} 13,3,

следовательно, согласно нашим психологическим склонностям выбираем четвертую



j
стратегию

А4 .

  1. Правило Сэвиджа.Построим матрицу риска R

rij

, где rij= Вmax- Вij.


Рис. 8. Формулы для нахождения матрицы риска.



Рис. 9. Матрица риска.
Тогда используя формулы МАКС и МИН, найдем решение по критерию Сэвиджа:



Рис. 10. Формулы для решения задачи методом Сэвиджа.




Рис. 11. Решение задачи методом Сэвиджа.

Следовательно, согласно критерия Сэвиджа

minmaxrij min26;15;20;18

15,

i j i

вторая стратегия

А2 имеет минимально возможный риск.

  1. Критерий, основанный на известных вероятностных состояниях

«природы».Определим математические ожидания риска и доходности с помощью заданных

вероятностей и найдем максимум

M(B

и минимум M(R .




Рис. 12. Формулы для решения задачи в условиях риска.



Рис. 13.