Методы к которым относится экономико математическое моделирование. Экономико-математические методы (ЭММ)

1. Экономико-математические методы, применяемые в анализе хозяйственной деятельности

Список использованных источников

1. Экономико-математические методы, применяемые в анализе хозяйственной деятельности

Одним из направлений совершенствования анализа хозяйственной деятельности является внедрение экономико-математических методов и современных ЭВМ. Их применение повышает эффективность экономического анализа за счет расширения изучаемых факторов, обоснования принимаемых управленческих решений, выбора оптимального варианта использования хозяйственных ресурсов, выявления и мобилизации резервов повышения эффективности производства.

Математические методы опираются на методологию экономико-математического моделирования и научно обоснованную классификацию задач анализа хозяйственной деятельности. В зависимости от целей экономического анализа различают следующие экономико-математические модели: в детерминированных моделях - логарифмирование, долевое участие, дифференцирование; в стохастических моделях - корреляционно-регрессивный метод, линейное программирование, теорию массового обслуживания, теорию графов и др.

Стохастический анализ - это метод решения широкого класса задач статистического оценивания. Он предполагает изучение массовых эмпирических данных путем построения моделей изменения показателей за счет факторов, не находящихся в прямых связях, в прямой взаимозависимости и взаимообусловленности. Стохастическая связь существует между случайными величинами и проявляется в том, что при изменении одной из них меняется закон распределения другой.

В экономическом анализе выделяются следующие наиболее типичные задачи стохастического анализа:

Изучение наличия и тесноты связи между функцией и факторами, а также между факторами;

Ранжирование и классификация факторов экономических явлений;

Выявление аналитической формы связи между изучаемыми явлениями;

Сглаживание динамики изменения уровня показателей;

Выявление параметров закономерных периодических колебаний уровня показателей;

Изучение размерности (сложности, многогранности) экономических явлений;

Количественное изменение информативных показателей;

Количественное изменение влияния факторов на изменение анализируемых показателей (экономическая интерпретация полученных уравнений).

Стохастическое моделирование и анализ связей между изученными показателями начинаются с корреляционного анализа. Корреляция состоит в том, что средняя величина одного из признаков изменяется в зависимости от значения другого. Признак, от которого зависит другой признак, принято называть факторным. Зависимый признак именуют результативным. В каждом конкретном случае для установления факторного и результативного признаков в неодинаковых совокупностях необходим анализ природы связи. Так, при анализе различных признаков в одной совокупности заработная плата рабочих в связи с их производственным стажем выступает как результативный признак, а в связи с показателями жизненного уровня или культурными потребностями - как факторный. Часто зависимости рассматривают не от одного факторного признака, а от нескольких. Для этого применяется совокупность методов и приемов выявления и количественной оценки взаимосвязей и взаимозависимостей между признаками.

При исследовании массовых общественно-экономических явлений между факторными признаками проявляется корреляционная связь, при которой на величину результативного признака влияет, помимо факторного, множество других признаков, действующих в разных направлениях одновременно или последовательно. Часто корреляционную связь называют неполной статистической или частичной в отличие от функциональной, которая выражается в том, что при определенном значении переменной (независимая переменная - аргумент) другая (зависимая переменная - функция) принимает строгое значение.

Корреляционную связь можно выявить только в виде общей тенденции при массовом сопоставлении фактов. Каждому значению факторного признака будет соответствовать не одно значение результативного признака, а их совокупность. В этом случае для вскрытия связи необходимо найти среднее значение результативного признака для каждого значения факторного.

Если зависимость прямолинейная:

Значения коэффициентов а и b находится из системы уравнений, полученных по способу наименьших квадратов по формуле:

N - число наблюдений.

В случае прямолинейной формы связи между изучаемыми показателями коэффициент корреляции рассчитывается по формуле:

Если коэффициент корреляции возвести в квадрат, то получим коэффициент детерминации.

Дисконтирование - это процесс пересчета будущей стоимости капитала, денежных потоков или чистого дохода в настоящую. Ставка, по которой производится дисконтирование, называется ставкой дисконтирования (ставкой дисконта). Основная посылка, лежащая в основе понятия дисконтированного потока реальных денег, состоит в том, что деньги имеют временную цену, то есть сумма денег, имеющаяся в наличии сегодня, обладает большей ценностью, чем такая же сумма в будущем. Эта разница может быть выражена как процентная ставка, характеризующая относительные изменения за определенный период (обычно равный году).

Многие задачи, с которыми приходится сталкиваться экономисту в повседневной практике при анализе хозяйственной деятельности предприятий, многовариантны. Так как не все варианты одинаково хороши, среди множества возможных приходится отыскивать оптимальный. Значительная часть подобных задач на протяжении долгого времени решалась исходя из здравого смысла и опыта. При этом не было никакой уверенности, что найденный вариант является наилучшим.

В современных условиях даже незначительные ошибки могут привести к огромным потерям. В связи с этим возникла необходимость привлечения к анализу и синтезу экономических систем оптимизационных экономико-математических методов и ЭВМ, что создает основу для принятия научно обоснованных решений. Такие методы объединяются в одну группу под общим названием "оптимизационные методы принятия решений в экономике". Чтобы решить экономическую задачу математическими методами, прежде всего, необходимо построить адекватную ей математическую модель, то есть формализовать цель и условия задачи в виде математических функций, уравнений и (или) неравенств.

В общем случае математическая модель оптимизационной задачи имеет вид:

max (min): Z = Z(x),

при ограничениях

f i (x) Rb i , i = ,

где R - отношения равенства, меньше или больше.

Если целевая функция и функции, входящие в систему ограничений, линейны относительно входящих в задачу неизвестных, такая задача называется задачей линейного программирования. Если же целевая функция или система ограничений не линейна, такая задача называется задачей нелинейного программирования.

В основном, на практике, задачи нелинейного программирования путем линеаризации сводятся к задаче линейного программирования. Особый практический интерес среди задач нелинейного программирования представляют задачи динамического программирования, которые из-за своей многоэтапности нельзя линеаризовать. Поэтому мы рассмотрим только эти два вида оптимизационных моделей, для которых сегодня имеется хорошее математическое и программное обеспечение.

Метод динамического программирования представляет собой особый математический прием оптимизации нелинейных задач математического программирования, который специально приспособлен к многошаговым процессам. Многошаговым обычно считают процесс, развивающийся во времени и распадающийся на ряд "шагов", или "этапов". При этом метод динамического программирования используется и для решения задач, в которых время не фигурирует. Некоторые процессы распадаются на шаги естественным образом (например, процесс планирования хозяйственной деятельности предприятия на отрезок времени, состоящий из нескольких лет). Многие процессы можно расчленить на этапы искусственно.

Суть метода динамического программирования состоит в том, что вместо поиска оптимального решения сразу для всей сложной задачи предпочитают находить оптимальные решения для нескольких более простых задач аналогичного содержания, на которые расчленяется исходная задача.

Метод динамического программирования также характеризуется тем, что выбор оптимального решения на каждом шаге должен производиться с учетом последствий в будущем. Это означает, что, оптимизируя процесс на каждом отдельном шаге, ни в коем случае нельзя забывать обо всех последующих шагах. Таким образом, динамическое программирование - это дальновидное планирование с учетом перспективы.

Принцип выбора решения в динамическом программировании является определяющим и носит название принципа оптимальности Беллмана. Сформулируем его следующим образом: оптимальная стратегия обладает тем свойством, что, каковы бы ни были первоначальное состояние и решение, принятое в начальный момент, последующие решения должны вести к улучшению ситуации относительно состояния, являющегося результатом первоначального решения.

Таким образом, при решении оптимизационной задачи методом динамического программирования необходимо на каждом шаге учитывать последствия, к которым приведет в будущем решение, принимаемое в данный момент. Исключением является последний шаг, которым заканчивается процесс. Здесь можно принимать такое решение, чтобы обеспечить максимальный эффект. Спланировав оптимальным образом последний шаг, можно "пристраивать" к нему предпоследний так, чтобы результат этих двух шагов был оптимальным, и т.д. Именно таким образом - от конца к началу - можно развернуть процедуру принятия решений. Оптимальное решение, найденное при условии, что предыдущий шаг закончился определенным образом, называют условно-оптимальным решением.

Статистическая теория игр является составной частью общей теории игр, которая представляет собой раздел современной прикладной математики, изучающий методы обоснования оптимальных решений в конфликтных ситуациях. В теории статистических игр различают такие понятия, как исходная стратегическая игра и собственно статистическая игра. В этой теории первого игрока называют "природой", под которой понимают совокупность обстоятельств, в условиях которой приходится принимать решения второму игроку - "статистику". В стратегической игре оба игрока действуют активно, предполагая, что противник - "разумный" игрок. Для стратегической игры характерна полная неопределенность в выборе стратегии каждым игроком, то есть игроки ничего не знают о стратегиях друг друга. В стратегической игре оба игрока действуют на основе детерминированной информации, определенной матрицей потерь.

В собственно статистической игре природа не является активно действующим игроком в том смысле, что она "не разумна" и не пытается противодействовать максимальному выигрышу второго игрока. Статистик (второй игрок) в статистической игре стремится выиграть игру у воображаемого противника - природы. Если в стратегической игре игроки действуют в условиях полной неопределенности, то для статистической игры характерна частичная неопределенность. Дело в том, что природа развивается и "действует" в соответствии со своими объективно существующими законами. У статистика есть возможность постепенно изучать эти законы, например, на основе статистического эксперимента.

Теория массового обслуживания - прикладная область теории случайных процессов. Предметом ее исследования являются вероятностные модели реальных систем обслуживания, где в случайные (или не в случайные) моменты времени возникают заявки на обслуживание и имеются устройства (каналы) выполнения заявок. Теория массового обслуживания исследует математические методы количественной оценки процессов массового обслуживания, качества функционирования систем, где случайными могут быть как моменты появления требований (заявок), так и затраты времени на их исполнение.

Система массового обслуживания находит применение в решении следующих задач: например, тогда, когда в массовом порядке поступают заявки (требования) на обслуживание с последующим их удовлетворением. На практике это могут быть поступление сырья, материалов, полуфабрикатов, изделий на склад и их выдача со склада; обработка широкой номенклатуры деталей на одном и том же технологическом оборудовании; организация наладки и ремонта оборудования; транспортные операции; планирование резервных и страховых запасов ресурсов; определение оптимальной численности отделов и служб предприятия; обработка плановой и отчетной документации и др.

Балансовая модель - это система уравнений, характеризующих наличие ресурсов (продуктов) в натуральном или денежном выражении и направления их использования. При этом наличие ресурсов (продуктов) и потребность в них количественно совпадают. В основу решения таких моделей положены методы линейной векторно-матричной алгебры. Поэтому балансовые методы и модели называют матричными методами анализа. Наглядность изображений различных экономических процессов в матричных моделях и элементарные способы разрешения систем уравнений позволяют применять их в различных производственно-хозяйственных ситуациях.

Математическая теория нечетких множеств, разработанная в 60-е годы XX столетия, сегодня все шире применяется в финансовом анализе деятельности предприятия, включающем анализ и прогноз финансового положения предприятия, анализ изменений оборотного фонда, потоков свободных денежных средств, экономического риска, оценки влияния затрат на прибыль, расчета стоимости капитала. В основе данной теории лежат понятия "нечеткое множество" и "функции принадлежности".

В общем случае решение задач такого типа довольно громоздко, так как имеет место большой объем информации. Практическое использование теории нечетких множеств позволяет развивать традиционные методы финансово-хозяйственной деятельности, адаптировать их к новым потребностям учета неопределенности в будущем основных показателей деятельности предприятий.

Задача 1

По приведенным данным о численности персонала промышленного предприятия рассчитать коэффициент оборота по приему и выбытию рабочих и коэффициент текучести. Сделать выводы.

Решение:

Определим:

1) коэффициент по приему (К пр):

Прошлый год: Кпр = 610 / (2490 + 3500) = 0,102

Отчетный год: Кпр. = 650 / (2539 + 4200) = 0,096

В отчетном году коэффициент внешнего оборота по принятию уменьшился на 0,006 (0,096 - 0,102).

2) коэффициент по увольнению (выбытию) работников (К ув):

Прошлый год: Квыб. = 690 / (2490 + 3500) = 0,115

Отчетный год: Квыб. = 725 / (2539 + 4200) = 0,108

В отчетном году коэффициент внешнего оборота по выбытию также снизился на 0,007 (0,108 - 0,115).

3) коэффициент текучести кадров (К тек):

Прошлый год: Ктек. = (110 + 30) / (2490 + 3500) = 0,023

Отчетный год: Ктек. = (192 + 25) / (2539 + 4200) = 0,032

В отчетном году коэффициент текучести кадров также вырос на 0,009 (0,032 - 0,023), что является отрицательной тенденцией в движении кадров.

4) коэффициент общего оборота рабочей силы (К об):

Прошлый год: Коб = (610 + 690) / (2490 + 3500) = 0,217

Отчетный год: Коб. = (650 + 725) / (2539 + 4200) = 0,204

Коэффициент общего оборота рабочей силы снизился на 0,013 (0,204 - 0,217).

Задача 2

Составить исходную модель объема продукции. Определить тип факторной модели. Рассчитать влияние факторов на изменение объема продукции всеми известными приемами.

Решение:

Результативный показатель - фондоотдача.

Исходная математическая модель:

ФО = ВП / ОФ.

Тип модели - кратный. Общее количество используемых для расчета результативных показателей - 3, т. к. рассчитывается влияние 2-х факторов (2 + 1 = 3). Количество условных результативных показателей - 1, т. к. оно равно количеству факторов минус 1.

Для данной модели применимы следующие приемы: цепной подстановки, индексный и интегральный.

1. Рассчитаем уровень влияния факторов изменения результативного показателя способом цепной подстановки.

Алгоритм решения:

ФО пл = ВП пл /ОФ пл = 20433 / 2593 = 7,88 руб.

ФО усл1 = ВП ф /ОФ пл =20193 / 2593 = 7,786 руб.

ФО ф = ВП ф /ОФ ф =20193 / 2577 = 7,836 руб.

Расчет факторов, повлиявших на изменение фондоотдачи, оформим в таблице.

№ фак-торов	Название факторов	Расчет уровня влияния факторов	Уровень влияния факторов изменения общей суммы прибыли
	Измените фондоотдачи за счет изменения объема продукции	7,786-7,88 =-0,094
	Измените фондоотдачи за счет изменения основных фондов	7,836-7,786 = 0,05
	ИТОГО (балансовая увязка)

2. Рассчитаем уровень влияния факторов изменения результативного показателя интегральным способом.

ВП = ВП ф - ВП пл = 20193 - 20433 = -240;

ОФ = ОФ ф - ОФ пл = 2577 - 2593 = -16.

ФО пл = 20433 / 2593 = 7,88 руб.

ФО ф = 20193 / 2577 = 7,836 руб.

ФО вп = = 15 ln|0,99| = -0,09284

ФО оф = ?ФО общ - ?ФО вп = (7,836-7,88) - (-0,09284) = 0,04884

3. Рассчитаем уровень влияния факторов изменения результативного показателя индексным способом.

I ФО = I ВП I ОФ.

I ФО = (ВП ф / ОФ ф) : (ВП пл / ОФ пл) = 7,836/7,88 = 0,99

I ВП = (ВП ф / ОФ пл) : (ВП пл / ОФ пл) = 7,786 /7,88 = 0,988

I ОФ = (ВП ф / ОФ ф) : (ВП ф / ОФ пл) = 7,836/7,786 = 1,006

I ФО = I ВП I ОФ = 0,988 1,006 = 0,99.

Если из числителя вышеприведенных формул вычесть знаменатель, то получим абсолютные приросты фондоотдачи в целом и за счет каждого фактора в отдельности, т. е. те же результаты, что и способом цепной подстановки.

Задача 3

Определить каким будет средний уровень урожайности, если количество внесенных удобрений составит 20 ц. Определить тесноту связи между показателем "у" и фактором "х".

Дано: Уравнение регрессии

где у - среднее изменение урожайности, ц /га

х - количество внесенных удобрений, ц.

Коэффициент детерминации - 0,92.

Решение:

Средний уровень урожайности равен 62 ц /га.

Регрессионный анализ своей целью имеет вывод, определение (идентификацию) уравнения регрессии, включая статистическую оценку его параметров. Уравнение регрессии позволяет найти значение зависимой переменной, если величина независимой или независимых переменных известна.

Коэффициент корреляции вычисляется по формуле:

Доказано, что коэффициент корреляции находится в интервале от минус единицы до плюс единицы (-1 < R x, y <1). Коэффициент корреляции в квадрате () называется коэффициентом детерминации. Коэффициент корреляции R для данной выборки равен 0,9592 (). Чем он ближе к единице, тем теснее связь между признаками. В данном случае связь очень тесная, почти абсолютная корреляция. Коэффициент детерминации R 2 равен 0,92. Это означает, что уравнение регрессии определяется на 92 % дисперсией результативного признака, а на долю сторонних факторов приходится 8 %.

Коэффициент детерминации показывает долю разброса, учитываемого регрессией, в общем разбросе результативного признака. Этот показатель, равный отношению факторной вариации к полной вариации признака, позволяет судить о том, насколько "удачно" выбран вид функции. Чем больше R 2 , тем больше изменение факторного признака объясняет изменение результативного признака и тем, следовательно, лучше уравнение регрессии, лучше выбор функции.

Список использованных источников

Анализ хозяйственной деятельности предприятия: Учеб. пособие/ Под общ. ред. Л. Л. Ермолович. - Мн.: Интерпрессервис; Экоперспектива, 2001. - 576 с.

Савицкая Г. В. Анализ хозяйственной деятельности предприятия, 7-е изд., испр. - Мн.: Новое знание, 2002. - 704 с.

Савицкая Г. В. Теория анализа хозяйственной деятельности. - М.: Инфра-М, 2007.

Савицкая Г. В. Экономический анализ: Учеб. - 10-е изд., испр. - М.: Новое знание, 2004. - 640 с.

Скамай Л. Г., Трубочкина М. И. Экономический анализ деятельности предприятия. - М.: Инфра-М, 2007.

Введение

Глава 1. Моделирование как метод научного познания

1.2 Процесс моделирования

Глава 2. Экономико-математическое моделирование

2.1 Классификация экономико-математических моделей

2.2 Этапы экономико-математического моделирования

Заключение

Список литературы

Введение

Экономико-математическое моделирование является неотъемлемой частью любого исследования в области экономики. Бурное развитие математического анализа, исследования операций, теории вероятностей и математической статистики способствовало формированию различного рода моделей экономики.

Почему можно говорить об эффективности применения методов моделирования в этой области? Во-первых, экономические объекты различного уровня (начиная с уровня простого предприятия и кончая макроуровнем - экономикой страны или даже мировой экономикой) можно рассматривать с позиций системного подхода. Во-вторых, такие характеристики поведения экономических систем:

Изменчивость (динамичность)

Противоречивость поведения

Тенденция к ухудшению характеристик

Подверженность воздействию окружающей среды

Предопределяют выбор метода их исследования.

За последние 30-40 лет методы моделирования экономики разрабатывались очень интенсивно. Они строились для теоретических целей экономического анализа и для практических целей планирования, управления и прогноза. Содержательно модели экономики объединяют такие основные процессы: производство, планирование, управление, финансы и т.д. Однако в соответствующих моделях всегда упор делается на какой-нибудь один процесс (например, процесс планирования), тогда как все остальные представляются в упрощенном виде.

В литературе, посвященной вопросам экономико-математического моделирования, в зависимости от учета различных факторов (времени, способов его представления в моделях; случайных факторов и т.п.) выделяют, например, такие классы моделей:

1.статистические и динамические

2. дискретные и непрерывные

3. детерминированные и стохастические.

Если же рассматривать характер метода, на основе которого строится экономико-математическая модель, то можно выделить два основных типа моделей:

Математические

Имитационные.

Проникновение математики в экономическую науку связано с преодолением значительных трудностей. В этом отчасти была "повинна" математика, развивающаяся на протяжении нескольких веков в основном в связи с потребностями физики и техники. Но главные причины лежат все же в природе экономических процессов, в специфике экономической науки.

Большинство объектов, изучаемых экономической наукой, может быть охарактеризовано кибернетическим понятием сложная система.

Наиболее распространено понимание системы как совокупности элементов, находящихся во взаимодействии и образующих некоторую целостность, единство. Важным качеством любой системы является эмерджентность - наличие таких свойств, которые не присущи ни одному из элементов, входящих в систему. Поэтому при изучении систем недостаточно пользоваться методом их расчленения на элементы с последующим изучением этих элементов в отдельности. Одна из трудностей экономических исследований - в том, что почти не существует экономических объектов, которые можно было бы рассматривать как отдельные (внесистемные) элементы.

Сложность системы определяется количеством входящих в нее элементов, связями между этими элементами, а также взаимоотношениями между системой и средой. Экономика страны обладает всеми признаками очень сложной системы. Она объединяет огромное число элементов, отличается многообразием внутренних связей и связей с другими системами (природная среда, экономика других стран и т.д.). В народном хозяйстве взаимодействуют природные, технологические, социальные процессы, объективные и субъективные факторы.

Сложность экономики иногда рассматривалась как обоснование невозможности ее моделирования, изучения средствами математики. Но такая точка зрения в принципе неверна. Моделировать можно объект любой природы и любой сложности. И как раз сложные объекты представляют наибольший интерес для моделирования; именно здесь моделирование может дать результаты, которые нельзя получить другими способами исследования.

Потенциальная возможность математического моделирования любых экономических объектов и процессов не означает, разумеется, ее успешной осуществимости при данном уровне экономических и математических знаний, имеющейся конкретной информации и вычислительной технике. И хотя нельзя указать абсолютные границы математической формализуемости экономических проблем, всегда будут существовать еще неформализованные проблемы, а также ситуации, где математическое моделирование недостаточно эффективно.

Все названные вопросы требуют дальнейшего рассмотрения и изучения, что является целью данной работы, в задачи которой входит систематизация, накопление и закрепление знаний об экономико-математических моделях.

Глава 1. Моделирование как метод научного познания

1.1 Моделирование в научных исследованиях

Моделирование в научных исследованиях стало применяться еще в глубокой древности и постепенно захватывало все новые области научных знаний: техническое конструирование, строительство и архитектуру, астрономию, физику, химию, биологию и, наконец, общественные науки. Большие успехи и признание практически во всех отраслях современной науки принес методу моделирования ХХ в. Однако, методология моделирования долгое время развивалась независимо отдельными науками. Отсутствовала единая система понятий, единая терминология. Лишь постепенно стала осознаваться роль моделирования как универсального метода научного познания.

Термин "модель" широко используется в различных сферах человеческой деятельности и имеет множество смысловых значений. Рассмотрим только такие "модели", которые являются инструментами получения знаний.

Модель - это такой материальный или мысленно представляемый объект, который в процессе исследования замещает объект - оригинал так, что его непосредственное изучение дает новые знания об объекте - оригинале.

Под моделирование понимается процесс построения, изучения и применения моделей. Оно тесно связано с такими категориями, как абстракция, аналогия, гипотеза и др. Процесс моделирования обязательно включает и построение абстракций, и умозаключения по аналогии, и конструирование научных гипотез.

Главная особенность моделирования в том, что это метод опосредованного познания с помощью объектов-заместителей. Модель выступает как своеобразный инструмент познания, который исследователь ставит между собой и объектом и с помощью которого изучает интересующий его объект. Именно эта особенность метода моделирования определяет специфические формы использования абстракций, аналогий, гипотез, других категорий и методов познания.

Необходимость использования метода моделирования определяется тем, что многие объекты (или проблемы, относящиеся к этим объектам) непосредственно исследовать или вовсе невозможно, или же это исследование требует много времени и средств.

1.2 Процесс моделирования

Процесс моделирования включает три элемента:

Субъект (исследователь),

Объект исследования,

Модель, опосредствующую отношения познающего субъекта и познаваемого объекта.

Пусть имеется или необходимо создать некоторый объект А. Мы конструируем (материально или мысленно) или находим в реальном мире другой объект В - модель объекта А. Этап построения модели предполагает наличие некоторых знаний об объекте - оригинале. Познавательные возможности модели обуславливаются тем, что модель отражает какие-либо существенные черты объекта - оригинала. Вопрос о необходимости и достаточной мере сходства оригинала и модели требует конкретного анализа. Очевидно, модель утрачивает свой смысл как в случае тождества с оригиналом (тогда она перестает быть оригиналом), так и в случае чрезмерного во всех существенных отношениях отличия от оригинала.

Таким образом, изучение одних сторон моделируемого объекта осуществляется ценой отказа от отражения других сторон. Поэтому любая модель замещает оригинал лишь в строго ограниченном смысле. Из этого следует, что для одного объекта может быть построено несколько "специализированных" моделей, концентрирующих внимание на определенных сторонах исследуемого объекта или же характеризующих объект с разной степенью детализации.

На втором этапе процесса моделирования модель выступает как самостоятельный объект исследования. Одной из форм такого исследования является проведение "модельных" экспериментов, при которых сознательно изменяются условия функционирования модели и систематизируются данные о ее "поведении". Конечным результатом этого этапа является множество знаний о модели R.

На третьем этапе осуществляется перенос знаний с модели на оригинал - формирование множества знаний S об объекте. Этот процесс переноса знаний проводится по определенным правилам. Знания о модели должны быть скорректированы с учетом тех свойств объекта-оригинала, которые не нашли отражения или были изменены при построении модели. Мы можем с достаточным основанием переносить какой-либо результат с модели на оригинал, если этот результат необходимо связан с признаками сходства оригинала и модели. Если же определенный результат модельного исследования связан с отличием модели от оригинала, то этот результат переносить неправомерно.

Четвертый этап - практическая проверка получаемых с помощью моделей знаний и их использование для построения обобщающей теории объекта, его преобразования или управления им.

Для понимания сущности моделирования важно не упускать из виду, что моделирование - не единственный источник знаний об объекте. Процесс моделирования "погружен" в более общий процесс познания. Это обстоятельство учитывается не только на этапе построения модели, но и на завершающей стадии, когда происходит объединение и обобщение результатов исследования, получаемых на основе многообразных средств познания.

Моделирование - циклический процесс. Это означает, что за первым четырехэтапным циклом может последовать второй, третий и т.д. При этом знания об исследуемом объекте расширяются и уточняются, а исходная модель постепенно совершенствуется. Недостатки, обнаруженные после первого цикла моделирования, обусловленные малым знанием объекта и ошибками в построении модели, можно исправить в последующих циклах. В методологии моделирования, таким образом, заложены большие возможности саморазвития.

Глава 2. Экономико-математическое моделирование

2.1 Классификация экономико-математических моделей

Математические модели экономических процессов и явлений более кратко можно назвать экономико-математическими моделями. Для классификации этих моделей используются разные основания.

По целевому назначению экономико-математические модели делятся на теоретико-аналитические, используемые в исследованиях общих свойств и закономерностей экономических процессов, и прикладные, применяемые в решении конкретных экономических задач (модели экономического анализа, прогнозирования, управления).

Экономико-математические модели могут предназначаться для исследования разных сторон народного хозяйства (в частности, его производственно-технологической, социальной, территориальной структур) и его отдельных частей. При классификации моделей по исследуемым экономическим процессам и содержательной проблематике можно выделить модели народного хозяйства в целом и его подсистем - отраслей, регионов и т.д., комплексы моделей производства, потребления, формирования и распределения доходов, трудовых ресурсов, ценообразования, финансовых связей и т.п.

Остановимся более подробно на характеристике таких классов экономико-математических моделей, с которыми связаны наибольшие особенности методологии и техники моделирования.

В соответствии с общей классификацией математических моделей они подразделяются на функциональные и структурные, а также включают промежуточные формы (структурно-функциональные). В исследованиях на народнохозяйственном уровне чаще применяются структурные модели, поскольку для планирования и управления большое значение имеют взаимосвязи подсистем.

Типичными структурными моделями являются модели межотраслевых связей. Функциональные модели широко применяются в экономическом регулировании, когда на поведение объекта ("выход") воздействуют путем изменения "входа". Примером может служить модель поведения потребителей в условиях товарно-денежных отношений.

Один и тот же объект может описываться одновременно и структурой, и функциональной моделью. Так, например, для планирования отдельной отраслевой системы используется структурная модель, а на народнохозяйственном уровне каждая отрасль может быть представлена функциональной моделью.

Выше уже показывались различия между моделями дескриптивными и нормативными. Дескриптивные модели отвечают на вопрос: как это происходит? или как это вероятнее всего может дальше развиваться? т.е. они только объясняют наблюдаемые факты или дают вероятный прогноз. Нормативные модели отвечают на вопрос: как это должно быть? т.е. предполагают целенаправленную деятельность. Типичным примером нормативных моделей являются модели оптимального планирования, формализующие тем или иным способом цели экономического развития, возможности и средства их достижения.

Применение дескриптивного подхода в моделировании экономики объясняется необходимостью эмпирического выявления различных зависимостей в экономике, установления статистических закономерностей экономического поведения социальных групп, изучения вероятных путей развития каких-либо процессов при неизменяющихся условиях или протекающих без внешних воздействий.

Примерами дескриптивных моделей являются производственные функции и функции покупательского спроса, построенные на основе обработки статистических данных.

Является ли экономико-математическая модель дескриптивной или нормативной, зависит не только от ее математической структуры, но от характера использования этой модели. Например, модель межотраслевого баланса дескриптивна, если она используется для анализа пропорций прошлого периода. Но эта же математическая модель становится нормативной, когда она применяется для расчетов сбалансированных вариантов развития народного хозяйства, удовлетворяющих конечные потребности общества при плановых нормативах производственных затрат.

Многие экономико-математические модели сочетают признаки дескриптивных и нормативных моделей. Типична ситуация, когда нормативная модель сложной структуры объединяет отдельные блоки, которые являются частными дескриптивными моделями. Например, межотраслевая модель может включать функции покупательского спроса, описывающие поведение потребителей при изменении доходов. Подобные примеры характеризуют тенденцию эффективного сочетания дескриптивного и нормативного подходов к моделированию экономических процессов. Дескриптивный подход широко применяется в имитационном моделировании.

По характеру отражения причинно-следственных связей различают модели жестко детерминистские и модели, учитывающие случайность и неопределенность. Необходимо различать неопределенность, описываемую вероятностными законами, и неопределенность, для описания которой законы теории вероятностей неприменимы. Второй тип неопределенности гораздо более сложен для моделирования.

По способам отражения фактора времени экономико-математические модели делятся на статические и динамические. В статических моделях все зависимости относятся к одному моменту или периоду времени. Динамические модели характеризуют изменения экономических процессов во времени. По длительности рассматриваемого периода времени различаются модели краткосрочного (до года), среднесрочного (до 5 лет), долгосрочного (10-15 и более лет) прогнозирования и планирования. Само время в экономико-математических моделях может изменяться либо непрерывно, либо дискретно.

Модели экономических процессов чрезвычайно разнообразны по форме математических зависимостей. Особенно важно выделить класс линейных моделей, наиболее удобных для анализа и вычислений и получивших вследствие этого большое распространение.

Различия между линейными и нелинейными моделями существенны не только с математической точки зрения, но и в теоретико-экономическом отношении, поскольку многие зависимости в экономике носят принципиально нелинейный характер: эффективность использования ресурсов при увеличении производства, изменение спроса и потребления населения при увеличении производства, изменение спроса и потребления населения при росте доходов и т.п. Теория "линейной экономики" существенно отличается от теории "нелинейной экономики". От того, предполагаются ли множества производственных возможностей подсистем (отраслей, предприятий) выпуклыми или же невыпуклыми, существенно зависят выводы о возможности сочетания централизованного планирования и хозяйственной самостоятельности экономических подсистем.

По соотношению экзогенных и эндогенных переменных, включаемых в модель, они могут разделяться на открытые и закрытые. Полностью открытых моделей не существует; модель должна содержать хотя бы одну эндогенную переменную. Полностью закрытые экономико-математические модели, т.е. не включающие экзогенных переменных, исключительно редки; их построение требует полного абстрагирования от "среды", т.е. серьезного огрубления реальных экономических систем, всегда имеющих внешние связи. Подавляющее большинство экономико-математических моделей занимает промежуточное положение и различаются по степени открытости (закрытости).

Для моделей народнохозяйственного уровня важно деление на агрегированные и детализированные.

В зависимости от того, включают ли народнохозяйственные модели пространственные факторы и условия или не включают, различают модели пространственные и точечные.

Таким образом, общая классификация экономико-математических моделей включает более десяти основных признаков. С развитием экономико-математических исследований проблема классификации применяемых моделей усложняется. Наряду с появлением новых типов моделей (особенно смешанных типов) и новых признаков их классификации осуществляется процесс интеграции моделей разных типов в более сложные модельные конструкции.

2.2 Этапы экономико-математического моделирования

Основные этапы процесса моделирования уже рассматривались выше. В различных отраслях знаний, в том числе и в экономике, они приобретают свои специфические черты. Проанализируем последовательность и содержание этапов одного цикла экономико-математического моделирования.

1. Постановка экономической проблемы и ее качественный анализ. Главное здесь - четко сформулировать сущность проблемы, принимаемые допущения и те вопросы, на которые требуется получить ответы. Этот этап включает выделение важнейших черт и свойств моделируемого объекта и абстрагирование от второстепенных; изучение структуры объекта и основных зависимостей, связывающих его элементы; формулирование гипотез (хотя бы предварительных), объясняющих поведение и развитие объекта.

2. Построение математической модели. Это - этап формализации экономической проблемы, выражения ее в виде конкретных математических зависимостей и отношений (функций, уравнений, неравенств и т.д.). Обычно сначала определяется основная конструкция (тип) математической модели, а затем уточняются детали этой конструкции (конкретный перечень переменных и параметров, форма связей). Таким образом, построение модели подразделяется в свою очередь на несколько стадий.

Неправильно полагать, что чем больше фактов учитывает модель, тем она лучше "работает" и дает лучшие результаты. То же можно сказать о таких характеристиках сложности модели, как используемые формы математических зависимостей (линейные и нелинейные), учет факторов случайности и неопределенности и т.д.

Излишняя сложность и громоздкость модели затрудняют процесс исследования. Нужно учитывать не только реальные возможности информационного и математического обеспечения, но и сопоставлять затраты на моделирование с получаемым эффектом (при возрастании сложности модели прирост затрат может превысить прирост эффекта).

Одна из важных особенностей математических моделей - потенциальная возможность их использования для решения разнокачественных проблем. Поэтому, даже сталкиваясь с новой экономической задачей, не нужно стремиться "изобретать" модель; вначале необходимо попытаться применить для решения этой задачи уже известные модели.

В процессе построения модели осуществляется взаимосопоставление двух систем научных знаний - экономических и математических. Естественно стремиться к тому, чтобы получить модель, принадлежащую хорошо изученному классу математических задач. Часто это удается сделать путем некоторого упрощения исходных предпосылок модели, не искажающих существенных черт моделируемого объекта. Однако возможна и такая ситуация, когда формализация экономической проблемы приводит к неизвестной ранее математической структуре. Потребности экономической науки и практики в середине ХХ в. способствовали развитию математического программирования, теории игр, функционального анализа, вычислительной математики. Вполне вероятно, что в будущем развитие экономической науки станет важным стимулом для создания новых разделов математики.

3. Математический анализ модели. Целью этого этапа является выяснение общих свойств модели. Здесь применяются чисто математические приемы исследования. Наиболее важный момент - доказательство существования решений в сформулированной модели (теорема существования). Если удастся доказать, что математическая задача не имеет решения, то необходимость в последующей работе по первоначальному варианту модели отпадает и следует скорректировать либо постановку экономической задачи, либо способы ее математической формализации. При аналитическом исследовании модели выясняются такие вопросы, как, например, единственно ли решение, какие переменные (неизвестные) могут входить в решение, каковы будут соотношения между ними, в каких пределах и в зависимости от каких исходных условий они изменяются, каковы тенденции их изменения и т.д. Аналитической исследование модели по сравнению с эмпирическим (численным) имеет то преимущество, что получаемые выводы сохраняют свою силу при различных конкретных значениях внешних и внутренних параметров модели.

Знание общих свойств модели имеет столь важное значение, часто ради доказательства подобных свойств исследователи сознательно идут на идеализацию первоначальной модели. И все же модели сложных экономических объектов с большим трудом поддаются аналитическому исследованию. В тех случаях, когда аналитическими методами не удается выяснить общих свойств модели, а упрощения модели приводят к недопустимым результатам, переходят к численным методам исследования.

4. Подготовка исходной информации. Моделирование предъявляет жесткие требования к системе информации. В то же время реальные возможности получения информации ограничивают выбор моделей, предназначаемых для практического использования. При этом принимается во внимание не только принципиальная возможность подготовки информации (за определенные сроки), но и затраты на подготовку соответствующих информационных массивов.

Эти затраты не должны превышать эффект от использования дополнительной информации.

В процессе подготовки информации широко используются методы теории вероятностей, теоретической и математической статистики. При системном экономико-математическом моделировании исходная информация, используемая в одних моделях, является результатом функционирования других моделей.

5. Численное решение. Этот этап включает разработку алгоритмов для численного решения задачи, составления программ на ЭВМ и непосредственное проведение расчетов. Трудности этого этапа обусловлены, прежде всего, большой размерностью экономических задач, необходимостью обработки значительных массивов информации.

Обычно расчеты по экономико-математической модели носят многовариантный характер. Благодаря высокому быстродействию современных ЭВМ удается проводить многочисленные "модельные" эксперименты, изучая "поведение" модели при различных изменениях некоторых условий. Исследование, проводимое численными методами, может существенно дополнить результаты аналитического исследования, а для многих моделей оно является единственно осуществимым. Класс экономических задач, которые можно решать численными методами, значительно шире, чем класс задач, доступных аналитическому исследованию.

6. Анализ численных результатов и их применение. На этом заключительном этапе цикла встает вопрос о правильности и полноте результатов моделирования, о степени практической применимости последних.

Математические методы проверки могут выявлять некорректные построения модели и тем самым сужать класс потенциально правильных моделей. Неформальный анализ теоретических выводов и численных результатов, получаемых посредством модели, сопоставление их с имеющимися знаниями и фактами действительности также позволяют обнаруживать недостатки постановки экономической задачи, сконструированной математической модели, ее информационного и математического обеспечения.

Заключение

Можно выделить, по крайней мере, четыре аспекта применения математических методов в решении практических проблем.

1. Совершенствование системы экономической информации. Математические методы позволяют упорядочить систему экономической информации, выявлять недостатки в имеющейся информации и вырабатывать требования для подготовки новой информации или ее корректировки. Разработка и применение экономико-математических моделей указывают пути совершенствования экономической информации, ориентированной на решение определенной системы задач планирования и управления. Прогресс в информационном обеспечении планирования и управления опирается на бурно развивающиеся технические и программные средства информатики.

2. Интенсификация и повышение точности экономических расчетов. Формализация экономических задач и применение ЭВМ многократно ускоряют типовые, массовые расчеты, повышают точность и сокращают трудоемкость, позволяют проводить многовариантные экономические обоснования сложных мероприятий, недоступные при господстве "ручной" технологии.

3. Углубление количественного анализа экономических проблем. Благодаря применению метода моделирования значительно усиливаются возможности конкретного количественного анализа, изучение многих факторов, оказывающих влияние на экономические процессы, количественная оценка последствий изменения условий развития экономических объектов и т.п.

4. Решение принципиально новых экономических задач. Посредством математического моделирования удается решать такие экономические задачи, которые иными средствами решить практически невозможно, например: нахождение оптимального варианта народнохозяйственного плана, имитация народнохозяйственных мероприятий, автоматизация контроля за функционированием сложных экономических объектов.

Сфера практического применения метода моделирования ограничивается возможностями и эффективностью формализации экономических проблем и ситуаций, а также состоянием информационного, математического, технического обеспечения используемых моделей. Стремление во что бы то ни стало применить математическую модель может не дать хороших результатов из-за отсутствия хотя бы некоторых необходимых условий.

В соответствии с современными научными представлениями системы разработки и принятия хозяйственных решений должны сочетать формальные и неформальные методы, взаимоусиливающие и взаимодополняющие друг друга. Формальные методы являются, прежде всего, средством научно обоснованной подготовки материала для действий человека в процессах управления. Это позволяет продуктивно использовать опыт и интуицию человека, его способности решать плохо формализуемые задачи.

Список литературы

1. Ашманов С.А. Введение в математическую экономику. М.: Наука, 1984.

2. Курс экономики: Учебник / Под ред. Б.А. Райзберга. - ИНФРА-М, 1997.

3. Лотов А.В. Введение в экономико-математическое моделирование. М.: Наука, 1984.

4. Янч Э. Прогнозирование научно-технического прогресса. / Пер. с англ. - М.: Прогресс, 1974.

Экономико-математическое моделирование - это исследование экономики, ее систем с применением экономических и математических дисциплин. ЭММ изучает количественные взаимосвязи и закономерности с использованием научных методов. Таким образом, моделировать можно объект любой сложности и получить результат, которого нельзя добиться другими способами.

Одноэтапные и двухэтапные схемы ;

Проводятся расчеты с помощью теории игр;

Используется для расчетов теория управления запасами;

Проводятся расчеты с помощью сетевого планирования;

Используется для расчетов теория массового обслуживания.

Для решения проблемы также необходимо:

1. Знание экономической теории, то есть законов, закономерностей развития экономического общества.

2. Знание сущности проблемы.

3. Знание приемов и методов исследования, изучающихся в статистике, эконометрике, экономике и т.д.

4. Знание компьютера и владение пакетом прикладных программ.

Тема 1. Основные понятия математического моделирования социально-экономических систем.

Моделирование как метод научного познания.

СЭС, их свойства.

Этапы экономико-математического моделирования.

Классификация экономико-математических моделей.

Моделирование в научных исследованиях стало применяться ещё в глубокой древности и постепенно захватывало всё более новые области научных знаний: техническое конструирование, строительство и архитектуру, астрономию, физику, химию, биологию и, наконец, общественные науки. Большие успехи и признание практически во всех отраслях современной науки принес моделированию ХХ век.

Методология моделирования долгое время развивалась независимо отдельными науками. Отсутствовала единая система понятий, единая терминология. Лишь постепенно стала осознаваться роль моделирования как универсального метода научного познания.

Под моделированием понимается процесс построения, изучения и применения моделей.

Процесс моделирования обязательно включает построение абстракций, умозаключения по аналогии и конструирование научных гипотез. Главная особенность моделирования в том, что это метод опосредованного познания с помощью объектов-заместителей.

Модель - это условный образ, схема объекта исследования. Модель выступает как своеобразный инструмент познания, который исследователь ставит между собой и объектом и с помощью которого изучает интересующий его объект.

Необходимость использования метода моделирования определяется тем, что многие объекты (или проблемы, относящиеся к этим объектам) непосредственно исследовать или вовсе невозможно, или же это исследование требует много времени и средств.

Процесс моделирования включает 3 элемента: субъект (исследователь), объект исследования, модель, опосредствующую отношения субъекта и объекта.

Большинство объектов, изучаемых экономической наукой, может быть охарактеризовано кибернетическим понятием сложная система . Наиболее распространено понимание системы как совокупности элементов, находящихся во взаимодействии и образующих некоторую целостность, единство. Сложность системы любой природы (технической, экономической, биологической, социальной и т.д.) определяется количеством входящих в нее элементов, связями между ними, а также взаимоотношениями между системой и средой.

Экономика обладает всеми признаками сложной системы. Она объединяет огромное число элементов, отличающихся многообразием внутренних связей и связей с другими системами (природной средой, экономической деятельностью других субъектов, социальными отношениями). Сложность экономики иногда рассматривалась как обоснование невозможности ее моделирования, изучения средствами математики. Но такая точка зрения в принципе неверна.

Моделировать можно объект любой природы и любой сложности. Наибольший интерес для моделирования представляют сложные объекты; именно здесь моделирование может дать результаты, которые нельзя получить другими методами исследования.

Таким образом, основным методом исследования систем является метод моделирования, т.е. способ теоретического анализа и практического действия, направленный на разработку и использование моделей.

Моделирование развития систем основывается на двух методологических подходах:

Системный анализ , т.е. расчленение системы на отдельные элементы, изучение их взаимосвязей и закономерностей развития с использованием модели.

Системный подход, т.е. синтез – изучение объекта как единого целого на основе использования комплекса логических, информационных и алгоритмически взаимосвязанных систем моделей и методов их решения.

Если экономическая система трактуется как система общественного производства и потребления материальных благ, то социальные аспекты жизни общества весьма многогранны и не всегда доступны для детального анализа, моделирования и прогнозирования. Вместе с тем некоторые социальные проблемы являются объектом исследования для практических работников (анализ и прогнозирование покупательного спроса в маркетинге, распределение работников по уровню заработной платы в экономике и социологии труда). Многие из такого рода проблем могут быть решены с использованием экономико-математических методов и моделей.

Экономико-математическая модель представляет собой подобие или аналог изучаемого экономического явления или процесса, выраженного с помощью математических зависимостей и соотношений.

Под экономико-математическими методами подразумевается цикл научных дисциплин, предметом изучения которых являются количественные характеристики и закономерности экономических процессов, рассматриваемые в неразрывной связи с их качественными характеристиками.

В исследованиях применяют методы математической статистики, теории вероятностей, в значительной степени используют аппарат математического программирования и моделирования экономических процессов, сетевого планирования, теории массового обслуживания, экспертных оценок и т.д.

Применение математических методов в решении практических проблем позволяет совершенствовать систему экономической информации, повысить точность экономических расчетов, углубить количественный анализ экономических проблем, решить принципиально новые экономические задачи.

Практическими задачами экономико-математического моделирования являются:

Анализ экономических объектов и процессов;

Экономическое прогнозирование развития процессов и явлений;

Выработка управленческих решений на всех уровнях управления.

Полученные в результате экономико-математического моделирования данные могут использоваться как «консультирующие» средства.

Важным понятием при ЭММ является понятие адекватности модели , т.е. соответствия модели моделируемому объекту или процессу по тем свойствам, которые являются существенными для исследования. Проверка адекватности экономико-математических моделей осложняется трудностью измерения экономических величин.

Сфера практического применения метода моделирования ограничивается возможностями и эффективностью формализации экономических проблем и ситуаций, а также состоянием информационного, математического, технического обеспечения используемых моделей.

В настоящее время наиболее перспективным направлением использования экономико-математических методов является реализация системы ЭММ в рамках автоматизированных систем управления, автоматизированных рабочих мест специалистов, руководителей в рамках локальных информационных сетей (ЛИС).

Социально-экономическая система (СЭС) относится к сложным системам. Она является более сложной по сравнению с экономической и определяется системой отношений человека с природой, обществом, производством, предпринимательством. Она охватывает процессы производства, обмена, распределения и потребления материальных и других благ.

В экономической подсистеме рассматриваются отношения человека к производству, в социальной - отношения человека к природе.

СЭС включает экономические и социальные подсистемы.

В рамках «экономической системы» выделяют понятие «производственной системы». Это закономерно устойчивая связь и взаимоотношение всех отраслей и элементов производства в определенный период времени. Модели производственной системы позволяют описать целенаправленно развиваемый вид трудовой деятельности человека, его динамику.

Производственная система подразделяется на подкомплексы отраслей АПК:

отрасли, обеспечивающие развитие отраслей АПК;

собственно сельское хозяйство;

создание конечных продуктов (перерабатывающая промышленность).

Такие системы можно рассмотреть на федеральном, региональном уровне, уровне межхозяйственных объединений и предприятий, предприятий и их подразделений.

Сложные системы в экономике обладают рядом свойств, которые необходимо учитывать при их моделировании, иначе невозможно говорить об адекватности построенной экономической модели.

Важнейшие из этих свойств:

Эмерджентность - проявление целостности системы, т.е. наличие у экономической системы таких свойств, которые не присущи ни одному из составляющих ее элементов, взятому в отдельности. Поэтому СЭС необходимо исследовать и моделировать в целом.

Массовый характер экономических явлений и процессов . Закономерности экономических процессов не обнаруживаются на основании небольшого числа наблюдателей. Поэтому моделирование в экономике должно опираться на массовые наблюдения.

Динамичность экономических процессов заключается в изменении параметров и структуры экономических систем под влиянием среды (внешних факторов).

Случайность и неопределённость в развитии экономических явлений. Поэтому экономические явления и процессы носят в основном вероятностный характер, и для их изучения необходимо применение ЭММ на базе теории вероятностей и математической статистики.

Невозможность изолировать протекающие в экономических системах явления и процессы от окружающей среды , чтобы наблюдать и исследовать их в чистом виде.

Активная реакция на проявляющиеся новые факторы, способность СЭС к активным действиям в зависимости от отношения системы к этим факторам, способам и методам их воздействия.

Выделенные свойства СЭС, естественно, осложняют процесс их моделирования, однако эти свойства следует постоянно иметь в виду при рассмотрении различных аспектов экономико-математического моделирования, начиная с выбора типа модели и заканчивая вопросами практического использования результатов моделирования.

Разработка ЭММ осуществляется поэтапно, в определённой последовательности:

1. Постановка экономической проблемы и её качественный анализ.

Требуется экономическая формулировка, включающая цель решения, установление планового периода, выяснение известных параметров объекта и тех, значение которых нужно определить, их производственно-экономических связей, а также множества факторов и условий, отражающих моделируемый процесс.

Цель решения задачи выражается количественно конкретным показателем, называемым критерием оптимальности. Он должен соответствовать экономической сущности решаемой задачи. При этом необходим всесторонний и глубокий качественный анализ существа задачи и точная формулировка цели её решения.

2. Построение математической модели .

Это этап формализации экономической проблемы, т.е. выражения её в виде конкретных математических зависимостей (функций, уравнений, неравенств). Построение модели подразделяется в свою очередь на несколько стадий. Сначала определяется тип ЭММ, изучаются возможности применения в данной задаче, затем уточняется конкретный перечень переменных и параметров и форма связей.

3.Математический анализ модели.

Целью этого этапа является выяснение общих свойств модели. Здесь применяются математические приёмы исследования. Наиболее важный момент - доказательство существования решений в сформулированной модели.

4.Подготовка исходной информации.

Математическое моделирование предъявляет жесткие требования к системе информации; при этом надо принимать во внимание не только возможность подготовки информации, но и затраты на ее подготовку. При системном экономико-математическом моделировании результаты функционирования одних моделей служат исходной информацией для других.

Информация как совокупность необходимых для моделирования сведений об экономическом объекте или процессе должна быть полной, достоверной, доступной и своевременной.

Целью обработки исходной информации является разработка и обоснование системы технико-экономических характеристик объекта или процесса.

Для любой модели эти характеристики формируются в виде технико-экономических коэффициентов, коэффициентов целевой функции и объёмных показателей (констант) ресурсов или продукции.

ТЭК можно подразделить на 3 группы:

Нормативы затрат ресурсов или выхода продукции

Коэффициенты пропорциональности (предусматривают определение соотношения между зависимыми переменными)

Коэффициенты связи (обуславливают зависимость переменной от объёмного показателя).

Затраты на подготовку информации не должны превышать эффект от её использования.

5.Численное решение.

Этот этап включает разработку алгоритмов численного решения задачи, подготовку программ на ЭВМ и непосредственное проведение расчётов, при этом значительные трудности вызываются большой размерностью экономических задач.

Обычно расчёты на основе ЭММ носят многовариантный характер. Многочисленные модельные эксперименты, изучение поведения модели при различных условиях возможно проводить благодаря высокому быстродействию современных ЭВМ. Для решения задач важное значение имеют методы оптимизации.

6. Анализ численных результатов и их применение.

На этом этапе решается вопрос о правильности и полноте результатов моделирования и применимости их как в практической деятельности, так и в целях усовершенствования модели.

Перечисленные этапы экономико-математического моделирования находятся в тесной взаимосвязи и могут иметь место возвратные связи этапов. Так, на этапе построения модели может выясниться, что постановка задачи или противоречива, или приводит к слишком сложной математической модели; в этом случае исходная постановка задачи должна быть скорректирована. Наиболее часто необходимость возврата к предшествующим этапам моделирования возникает на этапе подготовки исходной информации.

Таким образом, моделирование - циклический процесс. Знания об исследованном объекте расширяются и уточняются, а исходная модель постепенно совершенствуется.

В дальнейшем можно использовать более общую схему процесса моделирования, включающую:

Постановку задачи,

Формирование ЭММ,

Решение задачи,

Анализ полученных результатов.

Суть экономико- математического моделирования заключается в описании СЭС и процессов в виде ЭММ.

Математические модели можно подразделить по ряду признаков:

1. По общему целевому назначению:

Теоретико-аналитические – используются при изучении общих свойств и закономерностей экономических процессов;

Прикладные – применяются в решении конкретных экономических задач (модели экономического анализа, прогнозирования и управления).

2. По степени агрегирования объектов:

Макроэкономические (экономика в целом);

Микроэкономические (предприятие).

3. По конкретному предназначению (по цели создания и применения):

Балансовые модели, выражающие требование соответствия наличия ресурсов их использованию;

Трендовые модели, в которых развитие моделируемой экономической системы отражается через тренд (длительную тенденцию) её основных показателей;

Оптимизационные модели, предназначенные для выбора наилучшего варианта функционирования системы;

Имитационные модели используются в процессе машинной имитации изучаемых систем или процессов.

4. По типу информации:

Аналитические (опыт);

Идентифицируемые (эксперимент)

5. По учёту фактора времени:

Статические описывают состояние экономического объекта в конкретный момент или период времени;

Динамические описывают экономические системы в развитии.

6. По типу математического аппарата:

Модели матричные, линейного и нелинейного программирования, сетевого планирования, корреляционно – регрессионные, теории игр и т. д.

Модели экономических процессов весьма разнообразны по форме математических зависимостей. Особенно важно выделить класс линейных моделей, наиболее удобных для анализа и вычислений и получивших вследствие этого большое распространение. Но в то же время многие зависимости в экономике носят принципиально нелинейный характер.

7. По учёту фактора неопределённости:

Детерминированные предполагают жесткие функциональные связи между переменными модели;

Стохастические (вероятностные) допускают наличие случайных воздействий на исследуемые показатели.

8. По типу подхода к изучаемым СЭС :

Дескриптивные (описательные) предназначены для описания и объяснения фактически наблюдаемых явлений, их прогноза (балансовые, трендовые модели);

Нормативные определяют как развивается экономическая система, как она должна быть устроена и как должна действовать с учётом определённых критериев (оптимизационные модели).

С развитием экономико-математических исследований проблема классификации применяемых моделей усложняется. Наряду с появлением новых типов моделей и новых признаков их классификации осуществляется процесс интеграции моделей разных типов в более сложные модельные конструкции.

Предметом курса являются количественные характеристики экономических явлений и процессов в агропромышленном производстве и предпринимательстве.

Задачи курса:

Изучить основные приёмы и методы моделирования основных закономерностей и экономических процессов в СЭС аграрного сектора.

Основным методом являются методы математического моделирования, т.е. расчёта количественных характеристик развития биолого-технических, организационно-технологических, производственно-отраслевых и предпринимательских отношений личности работника с природой, обществом, производством.

Научиться пользоваться пакетом прикладных программ для ЭВМ для автоматизации формирования и расчёта системы ЭММ.

Изучить экономико-математический анализ оптимальных решений.

МЕТОДЫ ЭКОНОМИКО-МАТЕМАТИЧЕСКОГО МОДЕЛИРОВАНИЯ

1.1. ПРЕДМЕТ И НАЗНАЧЕНИЕ МОДЕЛИРОВАНИЯ

Принцип аналогии в моделировании, общее понятие модели

Моделирование основывается на принципе аналогии (подобия, сходства) между двумя объектами или явлениями, имеющими за­частую качественно различную природу. В этом случае один из объектов рассматривается как оригинал, а второй - как его мо­дель, копия. Наиболее существенным сходством между оригина­лом и его моделью является сходство их поведения при определен­ных условиях. Моделирование используется как способ исследования, изуче­ния сложных систем и явлений.

При изучении методом аналогии непосредственному исследо­ванию всегда подвергается одна система, а вывод делается для другой. Система, которая исследуется непосредственно, является отображением или моделью изучаемой системы, оригинала.

Модель (лат. modulus) - мера, мерило, образец, норма. В математике существует теория моделей, в которой под моделью понимается произвольное множество с заданным на нем набо­ром свойств и отношений. Модель представляет собой отображение каким-либо способом наиболее существенных характеристик, процессов и взаимосвязей реальных систем, а под моделированием понимает­ся воспроизведение или имитирование какой-либо существующей системы на специально построенном аналоге или модели.

Под моделированием понимается ис­следование объектов познания не непосредственно, а косвенным путем, с помощью анализа некоторых других вспомогательных объектов - моделей.

Все экономические модели можно в общем смысле разбить на два класса:

Модели позитивного анализа - для познания свойств реаль­ных или гипотетических экономических систем. Значение их па­раметров невозможно оценить по эмпирическим данным;

Модели нормативного анализа - для прогнозирования или принятия управляющих решений. Их параметры можно оценить по опытным данным.

Объектом моделирования является зафиксированный или по крайней мере наблюдаемый процесс развития экономического объекта во времени.

Экономико-математические модели

Для более глубокого исследования и изучения сложных систем используется математическое моделирование, под которым пони­мается описание или представление наиболее важных причинных и функциональных взаимосвязей и зависимостей, существующих в реальной действительности, в математической форме.

Математическая модель имеет другую по сравнению с реаль­ным объектом природу и представляет собой уравнение или систему уравнений и неравенств, описывающую взаимосвязи, происходящие в оригинале.

Математическое моделирование получило широкое распростра­нение в исследовании экономических систем. Это обусловлено тем, что экономические системы характеризуются сложными количественными взаимозависимостями, которые можно выразить как взаимосвязь множества переменных и которые хорошо поддаются ма­тематическому описанию в виде уравнений и неравенств. Исполь­зуется оно как средство изучения, как инструмент познания эко­номических явлений. Анализируя уравнения и неравенства, кото­рые описывают количественные взаимосвязи данной системы, мож­но анализировать и саму экономическую систему.

Следовательно, под экономико-математической моделью пони­мается описание количественных взаимосвязей и взаимозависимо­стей экономических систем или процессов в математической форме.

Экономические системы характеризуются огромным количест­вом взаимосвязей, детальный учет которых привел бы к очень громоздким и практически неиспользуемым моделям или системе моделей. Важно включить в модель факторы, оказывающие основ­ное влияние на производство, и не менее важно опускать те из них, которые не оказывают на него существенного влияния. Таким об­разом, экономико-математическая модель характеризует наиболее важные свойства конкретных экономических систем, абстрагируясь от деталей и частностей.

По определению академика, экономико-математическая модель есть концентрированное выражение существующих взаимосвязей и закономерностей экономического явления в математической форме. Модель выступает как аналог исследуемого процесса, так как она отобра­жает наиболее существенные и основные связи моделируемого объекта.

Математическое моделирование открыло широкие возможно­сти для изучения экономических взаимосвязей и закономерностей. С появлением математического модели­рования и ЭВМ стало возможным экспериментирование и в эко­номике, но не на реальных объектах, а на математических моделях экономических систем и явлений. Для этого необходимо представить экономический процесс в виде экономико-мате­матической задачи и решить ее на ЭВМ. Причем, изменяя условия, можно проанализировать множество вариантов и выбрать наибо­лее выгодный из них. Это открывает новые возможности, как в проверке различных гипотез, предположений, так и в совершенствовании реального про­цесса воспроизводства.

Математическое моделирование предполагает предварительный качественный анализ условий, в которых будут проявляться коли­чественные взаимосвязи моделируемого объекта. Вид и характер математической модели определяются взаимо­связями и взаимозависимостями экономических систем.

Математическая модель экономического объекта, экономико-математическая модель - совокупность математических уравнений и неравенств, описывающая функционирование экономического объекта с заданной степенью детализации. Структурны­ми элементами экономико-математической модели являются технико-экономические показатели деятельности объекта, представленные в виде известных (заданных) и неизвестных (пе­ременных) величин.

Основными переменными, с помощью которых описывается экономическая система, являются объемы различных товаров и ус­луг, которые производятся и потребляются, прибавляются и вы­читаются из имеющихся запасов, продаются и покупаются, а так­же цены , по которым покупаются и продаются товары и услуги.

Для построения уравнений нужны данные: имеющееся количе­ство природных и людских ресурсов, уровень технических знаний, природа потребительских предпочтений. Из этих данных и переменных формируются условия функционирования некоторого экономического объекта, т. е. система уравнений (или неравенств).

Сложность природы экономических объектов состоит в том, что основные переменные (объемы товаров и цены) хотя и сущест­вуют объективно, но зависят от поведения отдельных людей, ин­дивидуумов, корпоративного поведения групп взаимосвязанных людей, совокупного поведения больших масс людей, а также пове­дения государственных и политических деятелей. Аналитическое описание их поведения - наиболее сложная часть в формализации развития экономических систем. Но нельзя также забывать, что одно из основных понятий поведен­ческой деятельности - выбор, выбор одного из многих вариантов поведения (стратегий). Выбор всегда делает индивидуум, основы­ваясь на своих соображениях, предпочтениях, руководствуясь той или иной целевой установкой - экономической выгодой.

Экономико-математическая модель должна включать форма­лизованное описание критерия выбора, т. е. экономической цели: целевую функцию.

Делая свой выбор, люди всегда учитывают не только сущест­вующую экономическую ситуацию, но и ее будущие изменения, т. е. изменившиеся ожидания. Следовательно, выбор осуществля­ется в динамике.

Исследуя поведение отдельного индивидуума на рынке това­ров, можно сделать вывод о поведении населения (индивидуаль­ный и массовый спрос) или групп взаимосвязанных людей (орга­низаций, фирм), чтобы управлять спросом на товары и услуги. Итак, если основные задачи экономической теории - объяс­нить текущее состояние и предсказать будущее развитие экономи­ческих систем (объектов), то основная задача математической эко­номики - дать для этого необходимый аналитический аппарат.

1.2. ОБЩАЯ ЗАДАЧА ОПТИМИЗАЦИИ

Первые задачи, связанные с отысканием наименьших и наибольших величин, были поставлены в древности. Упоминания о максимумах и минимумах встречаются в трудах Евклида, Аполло­ния, Архимеда. Потребность решать экстремальные проблемы спо­собствовала созданию математического анализа и вариационного исчисления. В XVII и XVIII веках были открыты вариационные принципы в оптике и механике, вариационное исчисление стало языком экономики и естествознания.

В становлении современных методов оптимизации сыграли оп­ределенную роль ученые Куисни (1759) и Л. Вальрас (1874), предло­жившие первые элементарные модели математического программи­рования. Фон Нейман (1937) и (1939) разработали экономические модели оптимизации. Математические основы линейного программирования разрабатывались
М. Жорданом (1873), Г. Мынковским (1896) и Ю. Фаркашем (1903). Серьезный вклад в| динамическое программирование внес (1954), а также
(1920), разработавший элементы теории массового обслуживания. Важную роль в теории оптимизации сыграл фундаментальный труд Г. Вагнера (1969), который является одним из ведущих специалистов по исследованию операций.

Оптимизация имеет важное значение в экономических исследованиях.

Изучение экономико-математических моделей начнем с микроэкономического уровня, на котором функционируют предприятия (фирмы), т. е. товаропроизводители, а также домашние хозяйства, т. е. потребители.

Домашнее хозяйство - один или несколько человек, объединенных общим доходом , сообща планирующие его расходование на приобретение товаров и услуг.

Предприятие (фирма) - группа лиц, организующих совместную деятельность для производства товаров и услуг и реализации их домашним хозяйствам и другим фирмам.

Основная экономическая цель потребителя - достичь максимального уровня удовлетворения при расходовании дохода, выбрав среди доступных ему вариантов поведения один - наи­лучший.

Основная экономическая цель производителя - достичь максимума прибыли при выборе наилучшей производственной прог­раммы.

При планировании производственной деятельности на любом уровне управления предполагаются заданными те производ­ственные ресурсы, которыми мы располагаем и которыми можем распоряжаться. Известными являются и нормативы затрат производственных ресурсов при различных способах производства. Неизвестные (переменные) - количество производимых товаров и услуг, которое можно произвести в заданный промежуток време­ни, чтобы достичь экономического эффекта (цели производства).

aij - норма затрат /-го вида ресурса на единицу j-го вида деятельности;

bi - объем имеющегося ресурса i-го вида.

Дадим определения основных структурных элементов задачи линейного программирования.

Итак, задача линейного программирования (1.5, 1.6) в экономике называется линейной моделью оптимального планирования. Целевая функция f - критерий оптимальности модели. Решение - план (производственная программа, способ функционирования). Множество решений системы линейных неравенств (1.6) без учета целевой функции - множество допустимых решений (в математике) и совокупность допустимых планов (в экономике). Точка оптимума (n-мерный вектор , при котором достигается f(х)), т. е. оптимальное решение задачи линейно­го программирования (1.5, 1.6), в экономике называется оптимальным планом.

Повторим: задача линейного программирования состоит в отыскании значений п переменных x1, х2,…,хn доставляющих экстремум функции f(x1x2,..,хn) при условиях (1.6), представляющих собой систему линейных нестрогих неравенств, которые в случае необходимости могут быть превращены в равенства посредством присоединения искусственных переменных xn+i (i =1,2,.., m). Обычно добавляются условия неотрицательности переменных x j ≥ 0 (j = 1, 2,.., n).

Поскольку целевая функция линейна, она не имеет критических точек. Следовательно, все точки оптимумов являются граничными. Допустимое множество выпукло, так как все ограничения линейны. Линейная целевая функция одновременно и выпукла, и вогнута, поэтому все максимумы и минимумы являются глобальными. Если решение задачи линейного программирования существует, то в принципе оно может быть точно найдено (рассчитано). Универсальный метод решения общей задачи линейного программирования (симплекс-метод) введен Дж. Данцигом. Для других классов задач оптимизации нет хороших конечных численных методов, поэтому для экономистов-практиков, заинтересованных в непосредственном численном решении задач оптимизации, теория ЛП очень важна. Если исходные модели могут быть приближены к линейным с приемлемой точностью, то симплекс-метод дает возможность получить численное решение для последующего анализа.

Свойства решений задачи линейного программирования во многом зависят от особенностей области определения, заданной условиями (1.6). Для изучения этих свойств введем основные понятия.

1. Множество точек {х}, х = (х1 х2,…, х n ), удовлетворяющих системе (1.6), есть область определения задачи линейного программирования. Когда
п = 2, область определения - многоугольник на плоскости, в общем случае - n - мерный многогранник.

2. Функция f(x) - целевая функция (плоскость при п = 2, в общем случае - гиперплоскость); она достигает экстремума в одной или нескольких допустимых точках области определения. Эти точки называются оптимальным решением.

3. Область определения называется выпуклой, если вместе с двумя любыми точками она содержит и весь отрезок, соединяющий эти точки.

4. Область определения является замкнутой (т. е. содержащей собственную границу), так как в выражении (1.6) все неравенства нестрогие.

Точка х , принадлежащая выпуклой области, называется крайней, если в данной области нет двух таких точек х1 и х2 , что х находится на отрезке между х1 и х2 .

Крайняя точка не совпадает с граничной.

Область определения, заданная условиями (1.6), - выпуклый замкнутый многогранник, вершины которого - крайние точки, число их конечно.

5. Если не существует точки х = (х1 х2,.., х n ), удовлетворяющей системе (1.6), тогда область определения задачи линейного программирования - пустое множество, а система (1.6) называется несовместной. Экстремум целевой функции не существует.

6. Экстремум целевой функции в задаче линейного программирования (если он существует) всегда является абсолютным (глобальным), т. е. единственным.

7. Множество экстремальных точек х* (точек, в которых f = extr) в задаче линейного программирования (если оно непусто) всегда содержит, хотя бы одну крайнюю точку многогранника (области определения).

Перечисленные свойства задач линейного программирования легко можно проиллюстрировать графически в двумерном случае.

На рис. 1.3 точки О, Е1 Е2 Е3, Е4 - экстремальные. Оптимум задачи лежит в одной из них либо на множестве экстремальных точек (отрезок в двумерном случае).

Из свойств 1-7 следует, что всякая процедура, предусматривающая направленный перебор крайних точек области определения задачи (1.5, 1.6), должна привести к отысканию среди них точки экстремума х *, т. е. оптимального решения. Эта идея отражена в симплекс-методе. Он позволяет найти крайнюю точку области определения и оценить, является ли она точкой экстремума целевой функции f . Если нет, то обеспечивается переход к соседней крайней точке, где значение f больше (меньше) предыдущего. Через конечное число шагов точка экстремума либо оказывается найденной, либо признается несуществующей (система условий (1.6) несовместна).

Рис. 1.3. Геометрическая схема решения задачи линейного программирования

Симплекс-метод часто называют методом последовательного улучшения плана. Для обоснования алгоритма расчетов симплекс-метода будем рассматривать каноническую задачу линейного программирования (простейшую): min сх при Ах = b , х ≥ 0, где А - матрица; b , с, х - векторы.

Пусть известна угловая (крайняя) точка х = (х1 х2,.., хп) - опорный план.

Ненулевые значения компонент хj образуют вектор, который называется базисом. Для невырожденных задач базис содержит т компонент (т < п). Итерационный шаг метода состоит в переходе от угловой точки х к угловой точке х", при котором значение целевой функции убывает: (сх") < (сх).

Метод реализован в виде стандартных пакетов прикладных программ на всех массовых моделях ЭВМ и широко используется при решении практических задач экономического анализа и планирования.

Перечислим другие классы задач оптимизации, для которых существуют эффективные (не всегда конечные) методы решения .

1. Квадратичное программирование - задача минимизации положительно определенной квадратичной формы при линейных ограничениях.

2. Целочисленное программирование - задача ЛП, в которой все или некоторые переменные могут принимать только дискретные значения.

3. Выпуклое программирование - задача максимизации вогнутых целевых функций на выпуклых множествах.

4. Стохастическое программирование - задача Л П, в которой матрица А и вектор b содержат случайные параметры с известным законом распределения либо сами ограничения носят вероятностный характер.

5. Блочная задача линейного программирования большой
размерности - задача ЛП, в которой матрица А имеет вид шахматной доски со связующими переменными и (или) ограничениями, а общая размерность превышает (500*500).

6. Динамическое программирование - система методов, поз­воляющих решать многоэтапные задачи планирования.

7. Многокритериальная оптимизация - с несколькими целе­выми функциями.

1.5. ДВОЙСТВЕННАЯ ЗАДАЧА ЛИНЕЙНОГО ПРОГРАММИРОВАНИЯ

Для экономического анализа весьма важным является анализ двойственной задачи ЛП, так как принципы двойственности проясняют природу цен. Цена - самое фундаментальное понятие экономической теории.

Пусть стандартная задача ЛП в векторно-матричных обозначениях записывается в виде: найти

х = (х1 х2,…, хп)

чтобы получить

max cx (1.7)

при ограничениях

Ax ≤ b , x ≥0. (1.8)

Где с - n-мерная вектор-строка;

b - m-мерный вектор-столбец;

А – матрица m*n;

m – произвольное число, m < n.

Двойственной по отношению к исходной задаче (1.7, 1.8) называется задача вида: найти

y (y 1 , y 2 ,…, ym ) (1.9)

чтобы обеспечить

min yb

при условиях

yA ≥ c , y ≥ 0. (1.10)

Здесь А, b , с имеют тот же смысл, что в задаче (1.7, 1.8).

Тогда исходная задача является прямой. Двойственная к двойственной задаче - исходная. Двойственность - формальное математическое соотношение. Двойственная задача по построению всегда существует. Если прямая задача выражает функционирование реального экономического объекта, то и двойственная имеет экономическую интерпретацию. Для анализа этого вопроса сформулируем теоремы.

1-я теорема двойственности (теорема существования). Допустимый вектор прямой задачи х* оптимален тогда и только тогда, когда существует допустимый вектор двойственной задачи у* , такой, что сх* = y *b. В этом случае у* - оптимальный вектор двойственной задачи.

Иными словами, если одна из задач двойственной пары имеет оптимальное решение, то и другая задача имеет оптимальное решение, причем максимальное значение целевой функции исходной задачи и минималь­ное значение целевой функции двойственной задачи численно равны. (Если же одна из задач не имеет оптимального решения, то систе­ма ограничений двойственной задачи противоречива.)

2-я теорема двойственности (теорема равновесия).

1. Пусть векторы х* и у* допустимы в прямой и двойственных задачах соответственно. Они оптимальны тогда и только тогда, когда выполняются следующие условия:

а) у* i ≥ 0, но у* i = 0, если https://pandia.ru/text/79/131/images/image011.gif" width="114" height="50">, j=1,…,n.

2.Оптимальная точка всегда будет такова, что число ненулевых переменных в решении каждой задачи не превосходит числа функциональных ограничений задачи.

Иными словами, если в оптимальном плане исходной задачи значение какой-либо переменной строго больше нуля, то соот­ветствующее ограничение двойственной задачи при подстановке в не­го оптимального плана становится равенством.

2-я теорема двойственности дает возможность экономической интерпретации двойственной задачи, что иллюстрирует следующий пример.

Задана линейная модель производства, в которой выпускается п продуктов [ x j ] и затрачивается т факторов [ bi ], [а ij ] - постоянные коэффициенты затрат.

С другой стороны, заданы векторы цен и вектор ресурсов , ограничивающий использование факторов.

По 1-й теореме двойственности имеем рх* = y*b (стоимость продукции равна стоимости затраченных факторов. Следова­тельно, у* - вектор цен на факторы).

Двойственные переменные часто называются условными оценками (двойственными оценками, объективно обусловленными оценками). В данном случае они дают ответ на вопрос: какова наименьшая стоимость набора факторов b , дающая возможность обращения факторов в продукты и продажи продуктов по ценам р. Если оценка затрат, необходимых для производства продукта, меньше цены продукта, то более выгодно произвести и продать продукт, чем продать эти факторы. При оптимальных значениях х* и у* фирме безразлично, выпускать ли продукты, чтобы продать по ценам р, или продать ресурсы по ценами y*, так как y* b = р х* .

По 2-й теореме двойственности имеем:

а) всякий фактор, который не может быть использован при производстве оптимального набора продуктов, получает нулевую оценку (т. е. избыточно предлагаемые факторы не представляют ценности);

б) продукт, издержки на производство которого превосходят его цену (когда факторы оцениваются в оптимальных условных оценках), не будет производиться при оптимальном производстве. Поскольку эти соотношения соответствуют состоянию равновесия конкурентной экономики, 2-я теорема получила название теоремы равновесия.

Прямая задача Двойственная задача

m ax px min yb

Ах ≤ Ь, х ≥0 y А ≥ р, у ≥ 0

Запись прямой и двойственной задач в развернутой форме приведена ниже.

Задача I (исходная)

Задача II (двойственная)

F = c1 x1 + c2 x2 + …+ cn xn ® max при ограничениях a 11 x 1 + a 12 x 2 +… + a 1n xn ≤ b1 a21 x1+ a 22 x2 +… + a 2 n xn ≤ b2 ………………………………. am1 x1 + a m2 x2 +… + a mn xn ≤ bm и условии неотрицательности x 1 ≥ 0 , x 2 ≥ 0,…, xn ≥ 0. Составить такой план выпуска про­дукции Х= (x 1 , x 2 ,…, xn ), при кото­ром прибыль (выручка) от реализа­ции продукции будет максималь­ной при условии, что потребление ресурсов по каждому виду продукции не превзойдет имеющихся запасов

Z = b1 y1 + b2 y2 + …+ bn yn ® min при ограничениях a 11 y 1 + a 21 y 2 +… + a m1 ym ≥ p1 a12 y1 + a 22 y2 +… + a m2 ym ≥ p2 ………………………………. a1n y1 + a 2n y2 +… + a mn ym ≥ pm и условии неотрицательности y 1 ≥ 0 , y 2 ≥ 0,…, ym ≥ 0. Найти такой набор цен (оценок) ре­сурсов У = (у1 у2 ,..., ут), при кото­ром общие затраты на ресурсы бу­дут минимальными при условии, что затраты на ресурсы при произ­водстве каждого вида продукции будут не менее прибыли (выручки) от реализации этой продукции

Пусть ν * - оптимальное значение целевой функции, у* - оптимальный вектор двойственной задачи. Заменим b на b+ https://pandia.ru/text/79/131/images/image013.gif" width="15" height="18 src=">v* оптимального значения целевой функции определяется соотношением: v* = у* https://pandia.ru/text/79/131/images/image013.gif" width="15" height="18 src=">v* = yi * b i .