Kiekybiniai sprendimų metodai konspektas


Logistikos konspektas.

Porinė koreliacinė analizė. Rezultatų interpretavimas , taikymo pavyzdžiai. Vidutinis kvadratinis nuokrypis. Koreliacijos koeficientas. Porinė regresinė analizė. Regresinė dispersija. Likutinė dispersija. Daugianarė koreliacinė regresinė analizė. Koreliacinės regresinės analizės etapai. Netiesinė regresija. Laiko eilučių analizė. Laiko eilutėmis. Slenkančio vidurkio metodas. Eksponentinio išltginimo metodas. Trendo ekstrapoliacija prognozavimas. Prognozavimas trendo pagalba. Trendo su sezonine komponente prognozavimas. Trendas su sezonine komponente paskaita. Tiesinis programavimas. Leistinas sprendinys. Optimalus sprendinys. Tikslo funkcija. Gamybos planavimo uždavinys. Mišinio sudarymo , arba dietos , uždavinys. Grafinis tiesinio programavimo uždavinio sprendimas. Geometrinė tiesinio programavimo uždavinio interpretacija. Tiesinio programavimo uždavinio jautrumo analizė. Šešėlinės kainos. Dualus uždavinys. Transporto uždavinys. Potencialų metodas. Apibendrintas transporto uždavinys. Paskyrimo uždavinys. Priskyrimo paskyrimo uždavinys paskaita. Sveikaskaitinio programavimo uždavinys. Sveikaskaitinio programavimo uždaviniai. Sveikaskaitinio programavimo uždavinio grafinis sprendimas. Atkirtimo metodą. Grįžtamojo metodo. Sveikaskaitinis programavimas paskaita. Baziniai kintamieji ir baziniai sprendiniai. Simplekso metodo esmė. Keitimo metodas. Algebrinės sudėties metodas. Determinantų metodas. Matricinis metodas. Grafinis metodas. Gauso metodas. Praktiniai klausimai.


Dispersija – tai išsibarstymo apie vidurkį matas: S2 = (xi –X)2 / n. Supaprastintu būdu: (VAR).

Turint kreivę, tikrinamas jos adekvatumas realiai padėčiai.

Šios formulės randamos tokia tvarka F=∑(ŷi-yi)2, gerumo kriterijus (F). Ieškom tokios tiesės, kuri minimizuoja šią išraišką F=∑(a0+a1xi-yi)2→min; xi, yi – skaičiai, kuriuos mes žinom. Reikia surasti išvestines a ir b atžvilgiu ir jas prilyginti 0: ∂F/∂a0=0

∂F/∂ai=0 yra normalinės lygtys, iš kurių reikia rasti tuos koeficientus a0ir a1. Tiesės atveju sistema

Koeficientus galime apskaičiuoti naudojantis MS Excel funkcijomis SLOPE ir INTERCEPT, kartu pasitikrinsime, ar gerai apskaičiavome a1 ir a0 naudojantis formulėmis.

Likutinė dispersija atspindi rezultatinio požymio Y variaciją, priklausančią nuo visų likusių veiksnių, išskyrus X.

Turint ir galime apskaičiuoti Fpask. reikšmę. Norint įvertinti gautų analitinių išraiškų adekvatumą realiai padėčiai, reikia (Fišerio kriterijus) palyginti Fpask., kuris apskaičiuojamas pagal šią formulę:

Daugianarė koreliacinė regresinė analizė nagrinėja priklausomo veiksnio y ryšius nuo daugelio veiksnių x1; x2....xn. Daugianarės koreliacinės regresijos koeficientas (R) parodo ryšį tarp y ir kelių veiksnių (x) priklausomybę visumoje.

Naudojant mažiausių kvadratų principą, galima sudaryti normalinių lygčių sistemą koeficientams rasti:

Daugianarė regresinė analizė fiksuojama šiomis funkcijomis:

Dauguma ekonominių procesų aprašomi netiesinėmis priklausomybėmis. Imties koreliacijos koeficientas r apibūdina tik tiesinio atsitiktinių dydžių X ir Y priklausomumo laipsnį. Jei |r| ≤ 0,4, laikoma, kad tiesinio koreliacinio priklausomumo nėra arba jis yra labai silpnas. Bet šiuo atveju tarp X ir Y gali būti netiesinis priklausomumas.

Netiesinio piklausomumo laipsnį apibūdina imties koreliacinis santykis η*yx (atsitiktinio dydžio Y atžvilgiu X) ir koreliacinis santykis η*xy (atsitiktinio dydžio X atžvilgiu Y). Jei koreliacinio santykio reikšmė artima vienetui, tai tarp atsitiktinių dydžių yra stiprus koreliacinis priklausomumas. Konkretų priklausomumo tipą (kvadratinis, hiperbolinis, logaritminis, rodiklinis, laipsninis ir pan.) galima rasti mažiausių kvadratų metodu. Tada iš keleto regresijos kreivių galima parinkti geresniąją.

0 ≤ η*xy ≤ 1, 0 ≤ η*yx ≤ 1.

Jei η*yx = 0 arba η*xy = 0, tai tarp požymių X ir Y nėra koreliacinio priklausomumo.

Jei η*yx = 1 arba η*xy = 1, tai tarp požymių X ir Y yra funkcinis priklausomumas.

Koreliacijos koeficientą ir koreliacinį santykį sieja nelygybė |r| ≤ η*.

Jei teisinga nelygybė η*xy < η*yx, reikėtų rasti regresijos kreives: y = g*(x), jei teisinga nelygybė η*yx < η*xy , reikėtų rasti regresijos kreives x = h*(y).

Vienas iš netiesinės regresijos modelio įvertinimo metodų yra netiesinių modelių transformavimas į tiesinius. Netiesinėje regresijoje atrenkamas tas regresijos modelis, kurio liekamųjų kvadratų suma mažesnė.

Pvz.: Tiesė: y = a0 + a1x, hiperbolė: y = a0 + a1/x, logaritminė: y = a0 + a1lnx, rodiklinė: y = a0 + a1ex.

Eksponentinė regresija su m nepriklausomųjų turi tokią išraišką: . Norint rasti b0, b1, b2, ..., bn kreivių koeficientus, naudojame MS EXCEL funkciją LOGEST.

Laiko eilutėmis vadinami sutvarkyti praeities duomenys. Laiko eilutė yra einančių vienas po kito laiko bėgyje stebėjimų visuma. Prognozavimo tikslais naudinga įsivaizduoti laiko eilutę, susidedančią iš atskirų komponenčių:

Trendo komponentė. Stebėjimai daromi reguliariai laiko eilutei vykdant tam tikrus atsitiktinius svyravimus, tačiau dažniausiai pastebimas nuoseklus reikšmių pasikeitimas prie santykinai didesnių ar santykinai mažesnių reikšmių.

Šis laipsniškas laiko eilutės pasikeitimas, kurį sąlygojo ilgalaikiai veiksniai, vadinami eilutės trendu. Ilgalaikiai veiksniai:

  • Logistika Konspektai
  • 2016 m.
  • Lietuvių
  • 16 puslapių (6299 žodžiai)
  • Logistikos konspektai
  • Microsoft Word 91 KB
  • Kiekybiniai sprendimų metodai konspektas
    10 - 5 balsai (-ų)
Kiekybiniai sprendimų metodai konspektas. (2016 m. Vasario 16 d.). http://www.mokslobaze.lt/kiekybiniai-sprendimu-metodai-konspektas.html Peržiūrėta 2016 m. Gruodžio 03 d. 17:43