Помощь по Теле2, тарифы, вопросы

Экономико-математические методы (ЭММ) - обобщающее название комплекса экономических и математических научных дисциплин, объединенных для изучения экономики. Введено академиком В.С.Немчи­но­вым в начале 60-х годов. Встречаются высказывания о том, что это название весьма условно и не отвечает современному уровню развития экономической науки, так как «они (ЭММ. - авт.) не имеют собственного предмета исследования, отличного от пред­мета исследования специфических экономических дисциплин» .

Однако, хотя тенденция подмечена верно, она, по-видимому, реализуется еще не скоро. ЭММ в действительности имеют общий объект исследования с другими экономическими дисциплинами - экономику (или шире: социально-эко­но­ми­чес­кую систему), но разный предмет науки: т.е. они изучают разные стороны этого объекта, подходят к нему с разных позиций. И главное, при этом используются особые методы исследования, развитые настолько, что сами они становятся отдельными научными дисциплинами особого методологического характера. В отличие от дисциплин, в которых преобладают онтологические аспекты, а методы исследования выступают лишь в большей или меньшей степени как вспомогательные средства, в «методологических» дисциплинах, составляющих значительную часть комплекса ЭММ, методы сами оказываются объектом исследования. Кроме того, действительный синтез экономики и математики еще впереди, потребуется немало времени, пока он осуществится в полной мере.

Общепринятая классификация экономико-математических дисциплин, явившихся сплавом экономики, математики и кибернетики, пока не выработана. С известной долей условности ее можно представить в виде следующей схемы .

0. Принципы экономико-математических методов:

теория экономико-математического моделирования , включая экономико-статистическое моделирование;

теория оптимизации экономических процессов.

1.Математическая статистика (ее экономические приложения):

выборочный метод;

дисперсионный анализ;

корреляционный анализ;

регрессионный анализ;

многомерный статистический анализ;

факторный анализ;

теория индексов и др.

2. Математическая экономия и эконометрия:

теория экономического роста (модели макроэкномической динамики);

теория производственных функций;

межотраслевые балансы (статические и динамические);

национальные счета, интегрированные материально-финансовые балансы;

анализ спроса и потребления;

региональный и пространственный анализ;

глобальное моделирование и др.

3. Методы принятия оптимальных решений, включая исследование операций:

оптимальное (математическое) программирование;

линейное программирование;

нелинейное программирование;

динамическое программирование;

дискретное (целочисленное) программирование;

блочное программирование;

дробно-линейное программирование;

параметрическое программирование;

сепарабельное программирование;

стохастическое программирование;

геометрическое программирование;

методы ветвей и границ;

сетевые методы планирования и управления;

программно-целевые методы планирования и управления;

теория и методы управления запасами;

теория массового обслуживания;

теория игр;

теория решений;

теория расписаний.

4. ЭММ и дисциплины, специфичные для централизованно планируемой экономики:

теория оптимального функционирования социалистической экономики (СОФЭ);

оптимальное планирование:

народнохозяйственное;

перспективное и текущее;

отраслевое и региональное;

теория оптимального ценообразования;

5. ЭММ, специфичные для конкурентной экономики:

модели рынка и свободной конкуренции;

модели делового цикла;

модели монополии, дуополии, олигополии;

модели индикативного планирования;

модели международных экономических отношений;

модели теории фирмы.

6. Экономическая кибернетика:

системный анализ экономики;

теория экономической информации, включая экономическую семиотику;

теория управляющих систем, включая теорию автоматизированных систем управления.

7. Методы экспериментального изучения экономических явлений (экспериментальная экономика ):

математические методы планирования и анализа экономических экспериментов ;

методы машинной имитации и стендового экспериментирования;

«деловые игры».

В ЭММ применяются различные разделы математики, математической статистики и математической логики ; большую роль в машинном решении экономико-математических задач играют вычислительная математика, теория алгоритмов и другие смежные дисциплины.

Практическое применение ЭММ в некоторых странах приобрело массовый, в каком-то смысле рутинный характер. В тысячах компаний решаются задачи планирования производства , распределения ресурсов с помощью отработанного и часто стандартизированного программного обеспечения , установленного на компьютерах. Ведется изучение этой практики на местах- опросы, обследования.. В США даже издается специальный журнал “Interfaces”, регулярно публикующий сведения о практическом использовании ЭММ в разных отраслях экономики. Для примера, приведем резюме одной из статей этого журнала: «В 2005 и 2006 годах, компания Coca-Cola Enterprises (CCE), крупнейший производитель и дистрибьютор напитка Кока-Кола, внедрила программное обеспечение ORTEC для маршрутизации транспорта. В настоящее время свыше трехсот диспетчеров используют этот софтвер , ежедневно планируя маршруты примерно 10 000 фур. В дополнение к преодолению некоторых нестандартных ограничений, использование этой технологии примечательно прогрессивным (бесперебойным) переходом от прежней хозяйственной практики. ССЕ сумела сократить годовые издержки на 45 млн долларов и улучшить обслуживание клиентов. Этот опыт оказался настолько удачным, что (головная транснациональная компания) Кока Кола расширила его за пределы ССЕ, на другие компании по производству и распространению этого напитка, а также пива».

ЛЕКЦИИ

По дисциплине:

Экономико-математические

методы и модели

ПРЕПОДАВАТЕЛЬ МАЦНЕВ А.П.

Москва 2004 год

1. Моделирование экономических систем.

Основные понятия и определения

1.1. Возникновение и развитие системных представлений

1.2. Модели и моделирование. Классификация моделей

1.3. Виды подобия моделей

1.4. Адекватность моделей

2. МАТЕМАТИЧЕСКИЕ МОДЕЛИ И МЕТОДЫ ИХ РАСЧЕТА

2.1. Понятие операционного исследования

2.2. Классификация и принципы построения математических моделей

3. Некоторые сведения из математики

3.1. Выпуклые множества

3.2. Линейные неравенства

3.3. Значения линейной формы на выпуклом множестве

4. ПРИМЕРЫ ЗАДАЧ ЛИНЕЙНОГО ПРОГРАММИРОВАНИЯ

4.1. Транспортная задача

4.2. Общая формулировка задачи линейного программирования

4.3. Графическая интерпретация решения задач линейного программирования

5. МЕТОДЫ РЕШЕНИЯ ЗАДАЧ ЛИНЕЙНОГО ПРОГРАММИРОВАНИЯ

5.1. Общая и основная задачи линейного программирования

5.2. Геометрический метод решения задач линейного программирования

5.3. Графическое решение задачи распределения ресурсов

5.4. Симплексный метод

5.5. Анализ симплекс-таблиц

5.6. Решение транспортных задач

6. МЕТОДЫ НЕЛИНЕЙНОГО ПРОГРАММИРОВАНИЯ

И МНОГОКРИТЕРИАЛЬНОЙ ОПТИМИЗАЦИИ

6.1. Постановка задачи нелинейного программирования

6.2. Постановка задачи динамического программирования

Основные условия и область применения

6.3. Многокритериальная оптимизация

1. Моделирование экономических систем.

Основные понятия и определения.

1.1. Возникновение и развитие системных представлений

Научно-техническая революция привела к возникновению таких понятий, как большие и сложные экономические системы , обладающие специфическими для них проблемами. Необходимость решения таких проблем привела к появлению особых подходов и методов, которые постепенно накапливались и обобщались, образуя, в конце концов, особую науку - системный анализ.

В начале 80-х годов системность стала не только теоретической категорией, но и осознанным аспектом практической деятельности. Широко распространилось понятие того, что наши успехи связаны с тем, насколько системно мы подходим к решению возникающих проблем, а наши неудачи вызваны отсутствием системности в наших действиях. Сигналом о недостаточной системности в нашем подходе к решению какой-либо задачи является появление проблемы, разрешение же возникшей проблемы происходит, как правило, при переходе на новый, более высокий, уровень системности нашей деятельности. Поэтому системность не только состояние, но и процесс.

В различных сферах человеческой деятельности возникли различные подходы и соответствующие методы решения специфических проблем, которые получили различные названия: в военных и экономических вопросах - «исследование операций» , в политическом и административном управлении - «системный подход» , в философии «диалектический материализм» , в прикладных научных исследованиях - «кибернетика» . Позже стало ясно, что все эти теоретические и прикладные дисциплины образуют как бы единый поток, «системное движение», которое постепенно оформилось в науку, получившую название «системный анализ». В настоящее время системный анализ является самостоятельной дисциплиной, имеющей свой объект деятельности, свой достаточно мощный арсенал средств и свою прикладную область. Являясь по существу прикладной диалектикой, системный анализ использует все средства современных научных исследований - математику, моделирование, вычислительную технику и натурные эксперименты.

 Самая интересная и сложная часть системного анализа - это «вытаскивание» проблемы из реальной практической задачи, отделение важного от несущественного, поиск правильной формулировки для каждой из возникающих проблем, т.е. то, что называется «постановкой задачи».

Многие довольно часто недооценивают работу, связанную с формулировкой задачи. Однако многие специалисты полагают, что «хорошо поставить задачу - значит на половину ее решить». Хотя в большинстве случаев заказчику кажется, что он уже сформулировал свою проблему, системный аналитик знает, что предлагаемая клиентом постановка задачи является моделью его реальной проблемной ситуации и неизбежно имеет целевой характер, оставаясь приблизительной и упрощенной. Поэтому необходимо проверить эту модель на адекватность, что приводит к развитию и уточнению первоначальной модели. Очень часто первоначальная формулировка изложена в терминах не тех языков, которые необходимы для построения модели.

1.2. Модели и моделирование. Классификация моделей

Первоначально моделью называли некое вспомогательное средство, объект, который в определенных ситуациях заменял другой объект. Например, манекен в определенном смысле заменяет человека, являясь моделью человеческой фигуры. Древние философы считали, что отобразить природу можно только с помощью логики и правильных рассуждений, т.е. по современной терминологии с помощью языковых моделей. Через несколько столетий девизом английского Научного общества стал лозунг: «Ничего словами!», признавались только выводы, подкрепленные экспериментально или математическими выкладками.

В настоящее время для постижения истины существует 3 пути:

теоретическое исследование;

 эксперимент;

 моделирование.

 Моделью называется объект-заместитель, который в определенных условиях может заменять объект-оригинал, воспроизводя интересующие нас свойства и характеристики оригинала, причем имеет существенные преимущества:

- дешевизну;

- наглядность;

- легкость оперирования и т.п.

 В теории моделей моделированием называется результат отображения одной абстрактной математической структуры на другую - тоже абстрактную, либо как результат интерпретации первой модели в терминах и образах второй.

Paзвитие понятия модели вышло за пределы математических моделей и стало относиться к любым знаниям и представлениям о мире. Поскольку модели играют чрезвычайно важную роль в организации любой деятельности человека их можно разделить на познавательные (когницитивные) и прагматические , что соответствует делению целей на теоретические и практические .

 Познавательная модель ориентирована на приближении модели к реальности, которую эта модель отображает. Познавательные модели являются формой организации и представления знаний, средством соединения новых знаний с имеющимися. Поэтому при обнаружении расхождения между моделью и реальностью встает задача устранения этого расхождения с помощью изменения модели.

 Прагматические модели являются средством управления, средством организации практических действий, способом представления образцово правильных действий или их результата, т.е. являются рабочим представлением целей. Поэтомy при обнаружении расхождения между моделью и реальностью надо направить усилия на изменение реальности так, чтобы приблизить реальность к модели. Таким образом, прагматические модели носят нормативный характер, играют роль образца, под который подгоняется действительность. Примерами прагматических моделей служат планы, кодексы законов, рабочие чертежи и т.д.

Другим принципом классификации целей моделирования может служить деление моделей на статические и динамические .

 Для одних целей нам может понадобиться модель конкретного состояния объекта в определенный момент времени, своего рода «моментальная фотография» объекта. Такие модели называются статическими . Примером являются структурные модели систем.

 В тех же случаях, когда возникает необходимостъ в отображении процесса изменения состояний, требуются динамические модели систем.

В распоряжении человека имеется два типа материалов для построения моделей - средства самого сознания и средства окружающею материального мира. Соответственно этому модели делятся на абстрактные (идеальные) и материальные .

 Очевидно, что к абстрактным моделям относятся языковые конструкции и математические модели. Математические модели обладают наибольшей точностью, но чтобы дойти до их использования в данной области, необходимо получить достаточное количество знаний. По мнению Канта, любая отрасль знания может тем более именоваться наукой, чем в большей степени в ней используется математика.

1.3. Виды подобия моделей

Чтобы некоторая материальная конструкция могла быть моделью, т.е. замещала в каком-то отношении оригинал, между оригиналом и моделью должно быть установлено отношение подобия. Существуют разные способы установления такого подобия, что придает моделям особенности, специфичные для каждого способа.

 Прежде всего, это подобие, устанавливаемое в процессе создания модели. Назовем такое подобие прямым . Примером такого подобия являются фотографии, масштабированные модели самолетов, кораблей, макеты зданий, выкройки, куклы и т.д.

Следует помнить, что как бы хороша ни была модель, она все-таки лишь заменитель оригинала, только в определенном отношении. Даже тогда, когда модель прямого подобия выполнена из того же материала, что и оригинал, т.е. подобна ему субстратно, возникают проблемы переноса результатов моделирования на оригинал. Например, при испытании уменьшенной модели самолета в аэродинамической трубе задача пересчета данных модельного эксперимента становится нетривиальной и возникает разветвленная, содержательная теория подобия, позволяющая привести в соответствие масштабы и условия эксперимента, скорость потока, вязкость и плотность воздуха. Трудно достигается взаимозаменяемость модели и оригинала в фотокопиях произведений искусства, голографических изображениях предметов искусства.

 Второй тип подобия между моделью и оригиналом называется косвенным . Косвенное подобие между оригиналом и моделью объективно существует в природе и обнаруживается в виде достаточной близости или совпадения их абстрактных математических моделей и вследствие этого широко используется в практике реального моделирования. Наиболее характерным примером может служить электромеханическая аналогия между маятником и электрическим контуром.

Оказалось, что многие закономерности электрических и механических процессов описываются одинаковыми уравнениями, различие состоит в разной физической интерпретации переменных, входящих в это уравнение. Роль моделей, обладающих косвенным подобием, очень велика и роль аналогий (моделей косвенного подобия) в науке и практике трудно переоценить. Аналоговые вычислительные машины позволяют найти решение почти всякого дифференциального уравнения, представляя собой, таким образом, модель, аналог процесса, описываемого этим уравнением. Использование электронных аналогов в практике определяется тем, что электрические сигналы легко измерить и зафиксировать, что дает известные преимущества модели.

 Третий, особый класс моделей составляют модели, подобие которых оригиналу не является ни прямым, ни косвенным, а устанавливается в результате соглашения . Такое подобие называется условным. С моделями условного подобия приходится иметь дело очень часто, поскольку они являются способом материального воплощения абстрактных моделей. Примерами условного подобия служат деньги (модель стоимости), удостоверение личности (модель владельца), всевозможные сигналы (модели сообщения).

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.

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.

Экономико-математические методы в настоящее время широко используются и являются важным направлением в совершенствовании анализа деятельности хозяйствующих субъектов, а также их подразделений. Этого можно достигнуть за счет уменьшения сроков выполнения исследования, глубокой характеристики факторов, а также за счет замены сложных вычислений более простыми. Кроме того, в процессе ставятся и решаются многомерные задачи, которые выполнить традиционными методами или вручную просто невозможно.

Математические экономики требуют:

1) системности подходов в изучении экономической деятельности предприятий, а также учета всех взаимосвязанных направлений в различных сферах хозяйствования организации;

2) разработать комплекс которые отражают характеристику поставленных задач и процессов в количественном выражении;

3) усовершенствовать систему подачи информации об экономической деятельности предприятия;

4) наличия автоматизированных систем, которые отвечают за обработку, хранение и передачу данных, необходимых для применения методов;

5) организации специально подготовленного персонала, который будет состоять из , экономистов, операторов и т.д.

Поставленная задача может быть сформулирована соответствующим образом и решена, используя экономико-математические методы. Также широко распространена статистика. Ее методы применяются в случае, когда анализируемые показатели изменяются в случайном порядке. помогают для которых необходим прогноз.

Применение математики в экономике обусловлено повышением эффективности анализа деятельности предприятия за счет того, что используется расширение изучаемых факторов и обоснование принимаемых решений. Также происходит выбор наилучших вариантов использования ресурсов и выявление резервов для повышения результативности производства и выработки труда.

Экономико-математические методы можно условно разделить на 4 группы:

1) точные оптимизационные;

2) приближенные;

3) точные не оптимизационные;

4) приближенные.

Применение этих способов для анализа деятельности предприятия помогает получить ясное представление об исследуемом объекте, количественно описать и охарактеризовать его внешние связи и внутреннюю структуру. Экономико-математические методы используются в первую очередь в моделировании. Образец, который в итоге получается, представляет собой модель Субъект управления создает ее с отображением характеристик: свойств, взаимосвязей, структурных и функциональных параметров объекта и т.д.

К сожалению, в экономико-математическом моделировании может возникнуть ситуация, когда изучаемый объект имеет сложную структуру. Вследствие этого сложно создать образец, который охватит все особенности исследуемой системы. Примером может служить экономика хозяйствующего субъекта в целом.

Группа экономико-математических методов делится на две подгруппы:

· Методы математической экстраполяции;

· Методы математического моделирования.

Математическая экстраполяция представляет собой распространение закона изменения функции из области ее наблюдения на область, лежащую вне отрезка наблюдения.

Методы экстраполяции основываются на предположении о неизменности факторов, определяющих развитие изучаемого объекта, и заключается в распространении закономерностей развития объекта в прошлом на его будущее.

Суть состоит в том, что траектория развития объекта до момента, с которого начинается прогнозирование ею будущего развития, может быть выражена после соответствующей обработки фактических данных какой либо математической функцией, адекватно описывающей закономерности предшествующего развития объекта

В зависимости от особенностей изменения уровней в ряду динамики приемы экстраполяции могут быть простыми и сложными.

Первую группу составляют методы прогнозирования, основанные на предположении относительного постоянства в будущем абсолютных значений уровней, среднего уровня ряда, среднего абсолютного прироста, среднего темпа роста.

Вторая группа методов основана на выявлении основной тенденции, то есть применении статистических формул, описывающих тренд. Их можно разделить на два основных типа: на адаптивные и аналитические (кривые роста). Адаптивные методы прогнозирования основаны на том, что процесс реализации их заключается в вычислении последовательных во времени значений прогнозируемого показателя с учетом степени влияния предыдущих уровней. К ним относятся методы скользящей и экспоненциальной средних, метод гармонических весов, метод авторегрессионых преобразований.

В основе аналитических методов (кривых роста) прогнозирования положен принцип получения с помощью метода наименьших квадратов оценки детерминированной компоненты Ft, характеризующей основную тенденцию.

Суть метода состоит в том, что траектория развития объекта до момента, с которого начинается прогнозирование, может быть выражена после соответствующей обработки фактических данных какой-либо математической функцией адекватно описывающей закономерности предшествующего развития. Она осуществляется следующим образом:

1. необходимо получить достаточно продолжительный во времени ряд показателей;

2. необходимо построить эмпирическую кривую, графически отображающую динамику этого показателя во времени;

3. необходимо выровнять ряд с помощью граф анализа или статистического подбора функций, который максимизирует приближение к фактическим значениям динамического ряда;

4. исчисляем коэффициент или параметр этой функции (a,b,c…), в результате получится простейшая математическая модель, пригодная для прогноза во времени, при этом предполагают, что совокупный фактор, определяющий тенденции динамического ряда в прошлом в среднем сохранит свою силу.

В экономических исследованиях наиболее распространенным методом прогнозной экстраполяции является метод, основанный на сглаживании временных рядов.

Последовательность расположенных в хронологическом порядке статистических показателей, которые характеризуют изменение экономического явления во времени, представляет собой временной (динамический) ряд. Отдельные значения показателей (наблюдения) временного ряда называются уровнями этого ряда.

Временные ряды подразделяются на моментные и интервальные.

Целью анализа временных рядов экономических явлений за определенный интервал времени является установление тенденции их изменения за рассматриваемый период, которая покажет направление развития изучаемого явления.

Для того чтобы выявить общую тенденцию изменения экономических явлений в течение изучаемого периода времени, следует провести сглаживание временного ряда. Необходимость сглаживания временных рядов обусловлена тем, что помимо влияния на уровни ряда главных факторов, которые в конечном итоге формируют конкретное значение неслучайной компоненты (тренда), на них действуют случайные факторы, которые вызывают отклонения фактических (наблюдаемых) значений уровней ряда от тренда.

Под трендом понимается характеристика основной тенденции временного ряда значений определенного показателя, т.е. основная закономерность движения его во времени, свободная от случайных воздействий.

Таким образом, отдельные уровни временного ряда (y t ) представляют собой результат воздействия главных факторов, которые формируют конкретное значение неслучайной (детерминированной) компоненты (), а также случайной компоненты (е t), обусловленной воздействием случайных факторов, значение которой составляет отклонение фактических (наблюдаемых) значений уровней ряда от тренда. Для устранения случайных отклонений осуществляется сглаживание временного ряда.

Неслучайные компоненты уровней временного ряда могут быть выражены некоторой аппроксимирующей функцией, отражающей закономерности развития исследуемого явления.

Рассмотрим прогнозную экстраполяцию, основанную на сглаживании временных рядов по методу наименьших квадратов.

Суть метода наименьших квадратов состоит в определении параметров модели тренда, минимизирующих ее отклонение от точек исходного временного ряда, т.е. в минимизации суммы квадратических отклонений между наблюдаемыми и расчетными величинами.

Таким образом, суть сглаживания временного ряда наблюдаемых значений показателя состоит в том, что фактические (наблюдаемые) уровни ряда заменяются уровнями, рассчитанными на основе определенной функции, которая в наибольшей степени соответствует наблюдаемым значениям показателей динамического ряда.

Графиком линейной функции является прямая.

Для того чтобы определить параметры а и А уравнения прямой, следует решить систему уравнений:

Часто данные временного ряда имеют нелинейную зависимость, которая выражается в виде квадратичной функции: у = ах 2 + bх + с. Графиком квадратичной функции является парабола. Для того чтобы определить параметры а,b, с уравнения параболы, следует решить систему уравнений:

Экономико-математическое моделирование предполагает конструирование модели на основе предварительного изучения объекта или процесса, выделения его существенных характеристик или признаков.

Экономико-математическая модель - это система формализованных соотношений, которые описывают основные взаимосвязи элементов, образующих определенную экономическую систему.

В зависимости от уровня управления экономическими и социальными процессами различают макроэкономические, межотраслевые, отраслевые, региональные модели и модели макроуровня (отдельных предприятий, фирм).

Примером экономико-математической модели на макроуровне может служить модель производственной функции при прогнозировании объема валового внутреннего продукта (ВВП) страны, которая имеет следующий вид:

Следует отметить, что расчет экономико-математических моделей проводится по соответствующим компьютерным программам.

Экономико-математические модели используются для разработки межотраслевого баланса, моделирование капитальных вложений, трудовых ресурсов и т. д.

Методы планирования как составная часть методологии планирования представляют собой совокупность расчетов, которые необходимы для разработки отдельных разделов и показателей плана и их обоснования. При этом широко используются достижения отраслевых экономических наук: экономической статистики; экономики промышленности; экономики сельского хозяйства; экономики строительства и других. При планировании показателей важно не только рассчитать их значение в плановом периоде, но и выявить возможные резервы его улучшения и вовлечь их в хозяйственный оборот.

К основным методам планирования, которые широко используются в экономической практике относятся следующие: балансовый метод; нормативный метод; программно-целевой метод; экономико-статистические методы; экономико-математические методы.

Балансовый метод - обеспечивает увязку потребностей и ресурсов как в масштабе всего общественного производства, так и на уровне отрасли и отдельного предприятия. В практике планирования применяются следующие виды балансов: 1) материальные балансы; 2) стоимостные балансы; 3) балансы трудовых ресурсов.

Принципиальная схема материального баланса в натуральных единицах измерения следующая:

К стоимостным балансам относятся: межотраслевой баланс производства и распределения продукции, работ и услуг; государственный бюджет и др. В качестве баланса трудовых ресурсов в одной из тем курса будет рассмотрен сводный баланс трудовых ресурсов.

Нормативный, метод планирования основан на разработке и использовании в планировании норм и нормативов. В качестве примера можно привести норму расхода различных материалов в натуральном измерении на единицу выпускаемой продукции. В качестве нормативов можно привести, как пример, норматив отчисления денежных средств из прибыли предприятия в виде налогов.

Программно-целевой метод планирования основан на разработке социально-экономических программ для решения отдельных социально-экономических проблем. Этот метод предусматривает определение комплекса взаимосвязанных организационно-правовых и финансово-экономических мероприятий, направленных на реализацию разработанных программ. Использование этого метода предусматривает концентрацию ресурсов на решение важнейших проблем.

Экономико-статистические методы планирования представляют собой совокупность отдельных методов, с помощью которых рассчитываются отдельные социально-экономические показатели на плановый период и их динамика. Определяется абсолютная и относительная динамика показателей, т.е. изменение их во времени.