Y= A * K * X * e (11.6)
где l - темп роста (техн. прогресса) качественного показателя товара во времени.
Все 3 модели имеют компьютерное выражение в виде программ, обеспечивающих ЛПР качественными оценками.
Методы экономико-математического моделирования в условиях полной информации об управляемом объекте подразделяются:
1. метод линейной регрессии;
2. графоаналитический метод;
3. методы линейного програмирования:
- симплексный метод;
- метод обратной матрицы;
4. методы не линейного программирования;
5. методы динамического программирования.
Рассмотрим метод линейной регрессии.
Используется в случае необходимости отыскания коэффициентов нелинейной производ. функции (типа К-Д) и часто для выбора функции потребления. Регрессионное уравнение имеет вид:
Y= a + bх + U 11 8.7)
Выражение 8.7 - это линейная регрессионная модель, в которой:
х – объясняющая (независимая) переменная;
Y – объясняющая (зависимая) переменная;
U – остаток (ошибка), равный разнице между фактическим значением и значением модели; случайная независимая переменная;
|
|
a, b - параметры, требующие определения на условиях ограничения.
Система уравнений 8.7 называется системой нормальных уравнений, решение которых относительно a и b, имеют вид:
_ _
å (хi – х)(yi – y)
b = ----------------------
å(x – x) 2 i=(1,р) (11.8)
_ _
a = у - bх (11.9)
_
где х = хi/р – арифметическое среднее; _
у = уi/р – среднее значение переменных.
Точку на прямой регрессии, полученную по МНК, которая соответствует фактическому значению объясняющей переменой xi называется, рассчетным или теоритическим значением yi, соответствующим xi и имеющему вид:
~
yi = a + bxi (11.10)
Разность фактического и рассчетного значения Ui
~
Ui = yi – yi (11.11)
есть остаток – расчетное значение случайной ошибки, не подлежащей наблюдению, полученной по МНК.
Примечание. РУР в этом случае называют систему методов оценки параметров коэффициентов a и b на основе имеющихся наблюдений x и y.
МНК называют процедуру выбора таких значений параметров a и b, которые при подстановке р-пар значений переменных в выражение 8.7 минимизируют сумму регрессионных остатков имеющих вид:
P 2 p 2
S = å Ui = å [ yi – (a + bxi) ] Þ min (11.12)
i=1 i=1
Дифференцируя S в (8.12) по a и b и положив значения частных коэффициентов равными 0, получим систему уравнений:
¶S p
= -2 å (yi – a - bxi) = 0
¶a i=1 (11.13)
¶S p
= - 2 å xi (yi – a - bxi) =0
¶b i=1
Степень приближения к экстремуму (адекватность регрессионной модели к реальному объекту) характеризуется коэффициентом детерминации.
P _ 2 p _ 2
R = å (yi – yi) / å (yi – yi) (11.14)
i=1 i=1
Положительное значение корня из коэффициента детерминации (8.14) называется коэффициентом корреляции.
|
|