Экономико-математические методы и прикладные модели
Графические решения задач, направление роста целевой функции. Построение экономико-математической модели задачи. Ограничение по производственной мощности завода, увеличению фонда рабочего времени шлифовального оборудования. Построение адаптивной модели.
Рубрика | Экономико-математическое моделирование |
Вид | контрольная работа |
Язык | русский |
Дата добавления | 06.01.2012 |
Размер файла | 432,5 K |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Размещено на http://www.allbest.ru/
Всероссийский заочный финансово-экономический институт
Контрольная работа
По предмету: Экономико-математические методы и прикладные модели
Владимир 2008г.
Задача № 1
Завод-производитель высокоточных элементов для автомобилей выпускает два различных типа деталей - Х и У. Завод располагает фондом рабочего времени в 4000 чел.-ч. В неделю. Для производства одной детали типа Х требуется 1 чел.-час, а для производства одной детали типа У - 2 чел.-час. Производственные мощности завода позволяют выпускать максимум 2250 деталей типа Х и 1750 деталей типа У в неделю. Каждая деталь типа Х требует 2 кг металлических стержней и 5 кг листового металла. Уровень запасов каждого вида металла составляет 10000 кг в неделю. Кроме того, еженедельно завод поставляет 600 деталей типа Х своему постоянному заказчику. Существует также профессиональное соглашение, в соответствии с которым общее число производимых в течение одной недели деталей должно составлять не менее 1500 штук.
Сколько деталей следует производить, чтобы максимизировать общий доход за неделю, если доход от производства одной детали типа Х составляет 30 ден.ед., а от производства одной детали типа У - 40 ден.ед.
Построить экономико-математическую модель задачи, дать необходимые комментарии к ее элементам и получить решение графическим методом. Что произойдет, если решить задачу на минимум и почему?
Решение:
Пусть:
х1 - количествопроизводимых деталей Х
х2 - количество производимых деталей У
Целевая функция:
max z = 30 • x + 40 • у Необходимо максимизировать общий доход завода
Ограничения:
х + 2• у ? 4000 Фонд рабочего времени в неделю ограничен 4000 часами
х ? 2250
у ? 1750 Ограничение по производственной мощности завода (может производить максимум 2250 ед. деталей Х и 1750 деталей У в неделю)
2 • х + 5 • у ? 10 000 Уровень запасов стержней ограничен 10 000 ед.
5 • х + с • у ? 10 000 Уровень запасов листов ограничен10 000 ед.
х ? 600 Ограничение по количеству деталей Х (необходимо минимум 600 ед. в неделю)
x + y ? 1500 Ограничение по количеству деталей, производимых на заводе (необходимо минимум 1500 ед. в неделю)
x; у ? 0 Количество потребляемых кормов не может быть отрицательным
Решим задачу графически.
Рисунок 1. Графическое решение задачи
Область решения задачи ограничена кривыми ограничений целевой функции и представлена на графике штриховкой.
Направление роста целевой функции показывает градиент этой функции.
Исходя из графика, максимальное значение функции z будет при пересечении графиков х + 2у = 4000 и 5х + 2у = 10000. Решив систему уравнений получим х = 1500 у = 1250
Таким образом, максимально возможная прибыль составляет
z = 30 • 1500 + 40 • 1250 = 95000 ден.ед.
Минимальная выручка будет в точке х = 1500 у = 0 и составит
zmin = 30 • 1500 = 45000 ден.ед
Задача № 2
Предприятие выпускает четыре вида продукции и использует три вида оборудования: токарное, фрезерное, шлифовальное. Общий фонд рабочего времени оборудования каждого вида, нормы расхода и цены реализации единицы каждого вида продукции приведены в таблице.
Тип оборудования |
Нормы расхода ресурса на одно изделия |
Фонд рабочего времени, ч. |
||||
А |
Б |
В |
Г |
|||
Токарное |
2 |
1 |
1 |
3 |
300 |
|
Фрезерное |
1 |
2 |
1 |
70 |
||
Шлифовальное |
1 |
2 |
1 |
0 |
340 |
|
Цена изделия |
8 |
3 |
2 |
1 |
Требуется
1. Сформулировать прямую оптимизационную задачу на максимум выручки от реализации готовой продукции, получить оптимальный план выпуска продукции.
2. Сформулировать двойственную задачу и найти ее оптимальный план с помощью теорем двойственности.
3. Пояснить нулевые значения переменных в оптимальном плане.
4. На основе свойств двойственных оценок и теорем двойственности:
· проанализировать использование ресурсов в оптимальном плане исходной задачи;
· определить, как изменятся выручка и план выпуска продукции, если фонд рабочего времени шлифовального оборудования увеличить на 24 часа;
· оценить целесообразность включения в план изделия Д ценой 11 единиц, если нормы затрат оборудования 8, 2 и 2 единицы соответственно.
Решение:
Пусть x1 - количество производимой продукции А;
x2 - количество производимой продукции Б;
x3 - количество производимой продукции В;
x4 - количество производимой продукции Г.
Max f(x) = 8 • x1 + 3 • x2 + 2 • x3 + 1 • x4- целевая функция
2 • x1 +x2 +x3 + 3 • x4? 300
x1 + 2 • x3 + x4? 70
x1 + 2 • x2 + x3? 340
xi ?0
Решим задачу, используя пакет анали за «Поиск решения» Таким образом, функция достигает максимального значения при
x1 =70
x2 = 135
x3 = 0
x4 = 0
max f(x) = 965
Двойственная задача имеет вид:
Min f(y) = 30 • y1 + 70 • y2 + 340 • y3
2 • y1 + y2 + y3 ? 8
y1 + 2 • y3 ? 3
y1 + 2 • y2 + y3 ? 2
3 • y1 + y2 ? 1
yi ?0 , i = {1, .. 3}
Найдем значения двойственных переменных, используя теоремы двойственности.
Проверим, как удовлетворяется система функциональных ограничений оптимальным планом:
у1 : |
2 • 70 +135 +0 + 3 • 0= 275 ? 300 |
|
у2 : |
70 + 2 • 0 + 0= 70 |
|
у3 : |
70 + 2 • 135 + 0= 340 |
Так как первое ограничение выполняется как строгое неравенство, то
у1 = 0.
Учитывая, что x1 ? 0 ;x2 ? 0, то значения остальных двойственных переменных найдем из 1 и 2-го уравнений системы неравенств. То есть
2 • y1 + y2 + y3 = 8 (1)
y1 + 2 • y3 = 3 (2)
Решая систему из уравнений (1) и (2) получим:
у1 = 0;
у3 = 1,5;
у2 = 8 - 0 - 1,5 = 6,5.
Рассчитаем значение целевой функции двойственной задачи
Min f(y) = 30 • 0 + 70 • 6,5 + 340 • 1,5
Если стоимость ресурсов, затраченных на производство одного изделия, больше его цены, то это изделие не войдет в оптимальный план из-за своей убыточности. В нашей задаче это изделие В и Г. Подтвердим этот факт, подставим в ограничения двойственной задачи оптимальные значения вектора Y.
2 • 0 + 6,5 + 1,5 = 8
0 + 2 • 1,5 = 3
0 + 2 • 6,5 + 1,5 = 14,5 ? 2
3 • 0 + 6,5= 6,5 ? 1
На основе двойственных оценок и теорем двойственности:
а) Поясним использование ресурсов в оптимальном плане исходной задачи.
В оптимальном плане не полностью используется сырье 1, т.к. у1 = 0
Сырье 2 и 3 - дефицитное, т.к. их двойственные оценки отличны от нуля.
б) При увеличении фонда рабочего времени шлифовального оборудования на 24 часа будет возможность получить дополнительную выручку в размере24 • у3 = 24 • 1,5 = 36 ден. ед.
в) оценим целесообразность включения в план изделия Д ценой 11 единиц, если нормы затрат оборудования 8, 2, 2 единицы.
8 • y1 + 2 • y2 + 2 • y3 - ц < 0 - неравенство целесообразностивключения в план нового изделия 8 • 0 + 2 • 6,5 + 2 • 1,5 - 11 = 5 > 0 нецелесообразно.
Задача 3
В течение девяти последовательных недель фиксировался спрос Y(t) (млн.руб.) на кредитные ресурсы финансовой компании.
Линейная модель имеет вид: Yr(t) = a0 + a1 • t.
Параметры модели оценим с помощью МНК:
a1 = ? (xi - xcr) • (yi - ycr) / ? (xi - xcr)2
a0 = ycr - a1 •xcr
Составим разработочную таблицу:
х |
у |
(yi - ycr) |
(xi - xcr) |
(xi - xcr)2 |
(xi - xcr) • (yi - ycr) |
||
1 |
20 |
-22,333 |
-4 |
16 |
89,333 |
||
2 |
27 |
-15,333 |
-3 |
9 |
46,000 |
||
3 |
30 |
-12,333 |
-2 |
4 |
24,667 |
||
4 |
41 |
-1,333 |
-1 |
1 |
1,333 |
||
5 |
45 |
2,667 |
0 |
0 |
0,000 |
||
6 |
51 |
8,667 |
1 |
1 |
8,667 |
||
7 |
51 |
8,667 |
2 |
4 |
17,333 |
||
8 |
55 |
12,667 |
3 |
9 |
38,000 |
||
9 |
61 |
18,667 |
4 |
16 |
74,667 |
||
Сумма |
45 |
381 |
0,000 |
0 |
60 |
300,000 |
|
Среднее |
5 |
42,333333 |
0,000 |
0 |
6,667 |
33,333 |
Отсюда
a1 = 300 / 60 = 5
a0 = 42,33 - 5 • 5 = 17,33
Таким образом, линейная модель имеет вид:
Yr(t) = 17,33 + 5• t
Построим адаптивную модель Брауна 1
По первым пяти точкам ряда оцениваем значения а1 и а0 параметров модели с помощью МНК
х |
у |
уi - ycr |
xi - xcr |
(xi - xcr)2 |
(xi-xcr)•(yi-ycr) |
||
1 |
20 |
-12,600 |
-2 |
4 |
25,200 |
||
2 |
27 |
-5,600 |
-1 |
1 |
5,600 |
||
3 |
30 |
-2,600 |
0 |
0 |
0,000 |
||
4 |
41 |
8,400 |
1 |
1 |
8,400 |
||
5 |
45 |
12,400 |
2 |
4 |
24,800 |
||
Сумма |
15 |
163 |
0 |
0 |
10 |
64 |
|
Среднее |
3 |
32,6 |
0 |
0 |
2 |
12,8 |
Получаем
a1 = 64 / 10 = 6,4
a0 = 32,6 - 6,4 • 3 = 13,4
которые соответствуют моменту времени t=0
Прогноз на первый шаг у1расч = а0(0) + а1(0) = 6,4 + 13,4 = 19,8
Величина отклонения: е = 20 - 19,8 = 0,2
Корректируем параметры (? = 0,4; ? = 0,6)
a0(t) = a0(t-1) + a1(t-1) + (1 - ?2) ? (t) = 13,4 + 6,4 + (1 - 0,62) • 0,2) = 19.928
t |
y |
a0 |
a1 |
yr |
? |
|
0 |
13,400 |
6,400 |
||||
1 |
20 |
19,982 |
6,498 |
19,800 |
0,200 |
|
2 |
27 |
26,953 |
6,753 |
26,480 |
0,520 |
|
3 |
30 |
30,334 |
4,937 |
33,706 |
-3,706 |
|
4 |
41 |
40,484 |
7,744 |
35,270 |
5,730 |
|
5 |
45 |
45,291 |
6,162 |
48,229 |
-3,229 |
|
6 |
51 |
51,041 |
5,940 |
51,453 |
-0,453 |
|
7 |
51 |
51,538 |
3,010 |
56,981 |
-5,981 |
|
8 |
55 |
54,959 |
3,231 |
54,548 |
0,452 |
|
9 |
61 |
60,747 |
4,608 |
58,190 |
2,810 |
a1(t) = a1(t-1) + (1 - ?) 2 ? (t) = 6.4 + (1 - 0,6) 2 • 0,2 = 6.432
Далее расчеты производятся аналогично.
t |
y |
a0 |
a1 |
yr |
? |
|
0 |
13,400 |
6,400 |
||||
1 |
20 |
19,928 |
6,432 |
19,800 |
0,200 |
|
2 |
27 |
26,770 |
6,534 |
26,360 |
0,640 |
|
3 |
30 |
31,189 |
6,006 |
33,304 |
-3,304 |
|
4 |
41 |
39,630 |
6,615 |
37,195 |
3,805 |
|
5 |
45 |
45,448 |
6,415 |
46,245 |
-1,245 |
|
6 |
51 |
51,311 |
6,277 |
51,863 |
-0,863 |
|
7 |
51 |
53,372 |
5,223 |
57,588 |
-6,588 |
|
8 |
55 |
56,294 |
4,648 |
58,595 |
-3,595 |
|
9 |
61 |
60,979 |
4,657 |
60,942 |
0,058 |
Построим адаптивную модель Брауна 2
Производятся аналогичные расчеты для ? = 0,7; ? = 0,3
Графики построенных моделей представлены на рисунке
Рисунок 2 Временной ряд и построенные модели Проведем качества каждой из моделей.
Линейная модель
х |
у |
yr |
? |
? 2 |
yi-ycr |
(yi-ycr)2 |
? / y |
Точки поворота |
|
1 |
20 |
22,333 |
-2,333 |
5,444 |
-22,333 |
498,778 |
11,667 |
||
2 |
27 |
27,333 |
-0,333 |
0,111 |
-15,333 |
235,111 |
1,235 |
+ |
|
3 |
30 |
32,333 |
-2,333 |
5,444 |
-12,333 |
152,111 |
7,778 |
+ |
|
4 |
41 |
37,333 |
3,667 |
13,444 |
-1,333 |
1,778 |
8,943 |
+ |
|
5 |
45 |
42,333 |
2,667 |
7,111 |
2,667 |
7,111 |
5,926 |
+ |
|
6 |
51 |
47,333 |
3,667 |
13,444 |
8,667 |
75,111 |
7,190 |
+ |
|
7 |
51 |
52,333 |
-1,333 |
1,778 |
8,667 |
75,111 |
2,614 |
||
8 |
55 |
57,333 |
-2,333 |
5,444 |
12,667 |
160,444 |
4,242 |
+ |
|
9 |
61 |
62,333 |
-1,333 |
1,778 |
18,667 |
348,444 |
2,186 |
||
Итого |
381 |
54,000 |
1554,000 |
51,780 |
|||||
Среднее |
42,333 |
2,565 |
Критерий случайности отклонений от тренда при уровне вероятности 0,95 можно представить как
Р > 3,118
Учитывая, что неравенство выполняется, то есть 6 > 3,1 - модель адекватна
Рассчитаем коэффициент детерминации по формуле:
Коэффициент детерминации:
Значение коэффициента F-критерия Фишера:
Табличное значение коэффициента F-критерия Фишера равно 5,14 ипоскольку Fрас>Fтаб, уравнение регрессии следует признать адекватным.
Проверим соответствие ряда остатков нормальному распределению по RS-критерию.
Учитывая, что полученное значение RS критерия попадает в интервал от 2,7 до 3,7, то уровни ряда остатков подчиняются нормальному закону распределения. Средняя относительная ошибка аппроксимации:
Еотн = 5,75 < 7, что свидетельствует о хорошем качестве модели.
Модель Брауна 1:
х |
у |
yr |
? |
? 2 |
yi-ycr |
(yi-ycr)2 |
? / y |
Точки поворота |
|
1 |
43 |
19,928 |
0,072 |
0,005 |
-22,333 |
498,778 |
0,360 |
||
2 |
47 |
26,770 |
0,230 |
0,053 |
-15,333 |
235,111 |
0,853 |
+ |
|
3 |
50 |
31,189 |
-1,189 |
1,415 |
-12,333 |
152,111 |
3,965 |
+ |
|
4 |
48 |
39,630 |
1,370 |
1,876 |
-1,333 |
1,778 |
3,341 |
+ |
|
5 |
54 |
45,448 |
-0,448 |
0,201 |
2,667 |
7,111 |
0,996 |
+ |
|
6 |
57 |
51,311 |
-0,311 |
0,097 |
8,667 |
75,111 |
0,610 |
+ |
|
7 |
61 |
53,372 |
-2,372 |
5,625 |
8,667 |
75,111 |
4,650 |
+ |
|
8 |
59 |
56,294 |
-1,294 |
1,675 |
12,667 |
160,444 |
2,353 |
||
9 |
65 |
60,979 |
0,021 |
0,000 |
18,667 |
348,444 |
0,034 |
||
Итого |
381 |
10,947 |
1554,00 |
17,162 |
6 |
||||
Среднее |
42,333 |
Критерий случайности отклонений от тренда при уровне вероятности 0,95 можно представить как
Р> 3,118
Учитывая, что неравенство выполняется, то есть 6 > 3 - модель адекватна
Рассчитаем коэффициент детерминации по формуле:
Коэффициент детерминации:
модель задача фонд
Значение коэффициента F-критерия Фишера:
Табличное значение коэффициента F-критерия Фишера равно 5,14 ипоскольку Fрас>Fтаб, уравнение регрессии следует признать адекватным.
Проверим соответствие ряда остатков нормальному распределению по RS-критерию.
Учитывая, что полученное значение RS критерия не попадает в интервал от 2,7 до 3,7, то уровни ряда остатков не подчиняются нормальному закону распределения.
Средняя относительная ошибка аппроксимации:
Еотн = 1,907 < 7, что свидетельствует о хорошем качестве модели.
Модель Брауна 2:
х |
у |
yr |
? |
? 2 |
yi-ycr |
(yi-ycr)2 |
? / y |
Точки поворота |
|
1 |
43 |
19,800 |
0,200 |
0,040 |
-22,333 |
498,778 |
1,000 |
||
2 |
47 |
26,480 |
0,520 |
0,270 |
-15,333 |
235,111 |
1,926 |
+ |
|
3 |
50 |
33,706 |
-3,706 |
13,734 |
-12,333 |
152,111 |
12,353 |
+ |
|
4 |
48 |
35,270 |
5,730 |
32,828 |
-1,333 |
1,778 |
13,975 |
+ |
|
5 |
54 |
48,229 |
-3,229 |
10,425 |
2,667 |
7,111 |
7,175 |
+ |
|
6 |
57 |
51,453 |
-0,453 |
0,205 |
8,667 |
75,111 |
0,888 |
+ |
|
7 |
61 |
56,981 |
-5,981 |
35,774 |
8,667 |
75,111 |
11,728 |
+ |
|
8 |
59 |
54,548 |
0,452 |
0,204 |
12,667 |
160,444 |
0,822 |
||
9 |
65 |
58,190 |
2,810 |
7,894 |
18,667 |
348,444 |
4,606 |
||
Итого |
381 |
101,375 |
1554,000 |
54,472 |
6 |
||||
Среднее |
42,333 |
1,000 |
Критерий случайности отклонений от тренда при уровне вероятности 0,95 можно представить как
Р> 3,118
Учитывая, что неравенство выполняется, то есть 6 > 3 - модель адекватна
Рассчитаем коэффициент детерминации по формуле:
Коэффициент детерминации:
Значение коэффициента F-критерия Фишера:
Табличное значение коэффициента F-критерия Фишера равно 5,14 ипоскольку Fрас>Fтаб, уравнение регрессии следует признать адекватным.
Проверим соответствие ряда остатков нормальному распределению по RS-критерию.
Учитывая, что полученное значение RS критерия не попадает в интервал от 2,7 до 3,7, то уровни ряда остатков не подчиняются нормальному закону распределения.
Средняя относительная ошибка аппроксимации:
Еотн = 6,05 < 7, что свидетельствует о хорошем качестве модели.
Таким образом можно сделать вывод об адекватности Линейной модели и Модели Брауна 1.
Наиболее точна модель Брауна 1.
Построим прогноз спроса на следующие две недели на основе построенных моделей.
Линейная модель:
При вероятности 0,7 t? = 1,119
1) При t=10
t(10)= 17,33 + 5• 10 = 67,33
Или от 63,74 до 70,92.
2) При t=11
t(10)= 17,33 + 5• 11 = 72,33
Или от 68,53 до 76,13.
Модель Брауна 1:
1) При t=10
у (10)= а0(9) + а1(9) • 1 = 60,979 + 4,657 • 1 = 65,636
2) При t=11
у (11)= а0(9) + а1(9) • 2 = 60,979 + 4,657 • 2 = 70,293
Модель Брауна 2:
3) При t=10
у (10)= а0(9) + а1(9) • 1 = 60,747 + 4,608 • 1 = 65,355
4) При t=11
у (10)= а0(9) + а1(9) • 1 = 60,747 + 4,608 • 2 = 69,963
Рисунок 2 Прогноз временного ряда по построенным моделям
Размещено на Allbest.ru
Подобные документы
Построение экономико-математической модели задачи, комментарии к ней и получение решения графическим методом. Использование аппарата теории двойственности для экономико-математического анализа оптимального плана задачи линейного программирования.
контрольная работа [2,2 M], добавлен 27.03.2008Моделирование экономических систем: основные понятия и определения. Математические модели и методы их расчета. Некоторые сведения из математики. Примеры задач линейного программирования. Методы решения задач линейного программирования.
лекция [124,5 K], добавлен 15.06.2004Основные понятия моделирования. Общие понятия и определение модели. Постановка задач оптимизации. Методы линейного программирования. Общая и типовая задача в линейном программировании. Симплекс-метод решения задач линейного программирования.
курсовая работа [30,5 K], добавлен 14.04.2004Сущность экономико-математической модели, ее идентификация и определение достаточной структуры для моделирования. Построение уравнения регрессии. Синтез и построение модели с учетом ее особенностей и математической спецификации. Верификация модели.
контрольная работа [73,9 K], добавлен 23.01.2009Задача и методы решения экстремальных задач, которые характеризуются линейными зависимостями между переменными и линейным критерием. Построение экономико-математической задачи и ее решение с помощью пакета WinQSB, графический анализ чувствительности.
курсовая работа [259,4 K], добавлен 16.09.2010Роль экономико-математических методов в оптимизации экономических решений. Этапы построения математической модели и решение общей задачи симплекс-методом. Составление экономико-математической модели предприятия по производству хлебобулочных изделий.
курсовая работа [1,3 M], добавлен 09.07.2015Сущность метода наименьших квадратов. Экономический смысл параметров кривой роста (линейная модель). Оценка погрешности и проверка адекватности модели. Построение точечного и интервального прогноза. Суть графического построения области допустимых решений.
контрольная работа [32,3 K], добавлен 23.04.2013Построение математической модели, максимизирующей прибыль фирмы от реализации всех сделок в виде задачи линейного программирования. Сущность применения алгоритма венгерского метода. Составление матрицы эффективности, коэффициентов затрат и ресурсов.
контрольная работа [168,7 K], добавлен 08.10.2009Решение задач линейного программирования на примере ПО "Гомсельмаш". Алгоритм и экономико-математические методы решения транспортной задачи. Разработка наиболее рациональных путей, способов транспортирования товаров, оптимальное планирование грузопотоков.
курсовая работа [52,3 K], добавлен 01.06.2014Цель математического моделирования экономических систем: использование методов математики для эффективного решения задач в сфере экономики. Разработка или выбор программного обеспечения. Расчет экономико-математической модели межотраслевого баланса.
курсовая работа [1,3 M], добавлен 02.10.2009