Вы находитесь на странице: 1из 50

1.

Понятие модели
2. Понятие моделирования
3. Значение применения математических методов и моделей
4. Применение математических методов для решения задач
землеустройства и кадастров
5. Виды и классы моделей, применяемые в землеустройстве и
кадастрах
6. Требования, предъявляемые к использованию математических
методов и моделей
7. Виды математических связей между экономическими
показателями
8. Исходные данные для построения экономико-математической
модели
9. Получение статистических данных и их обработка в целях
корреляционно-регрессионного анализа
10.Понятие и виды регрессии
11.Понятие и виды корреляции
12.Задачи применения корреляционно-регрессионого анализа
13.Последовательность построения регрессионных моделей
14.Преобразование качественных факторов в количественные при
обработке статистических данных
15.Понятие, задачи и стратегии спецификации моделей
16.Методы подбора факторов при спецификации моделей
17.Принципы подбора факторов при спецификации моделей
18.Методы выбора вида математической функции
19.Построение и анализ диаграммы рассеивания
20.Виды уравнений регрессионной модели
21.Понятие и применение линейной регрессионной модели
22.Понятие и применение степенной регрессионной модели
23.Аналитический и экспериментальный методы выбора типа
регрессионной модели
24.Задачи этапа верификации регрессионной модели
25.Оценка тесноты связи с помощью коэффициента корреляции
26.Оценка качества функциональной зависимости с помощью
коэффициента детерминации
27.Понятие линейного программирования.
28.Землеустроительные задачи, решаемые методами линейного
программирования.
29.Понятие и сущность транспортной задачи
30.Отличительные особенности распределительных задач линейного
программирования.
31.Базовая модель задачи, решаемой распределительным методом
32.Приведение транспортной задачи к закрытому виду
33.Допустимое и оптимальное решения распределительных задач
34.Алгоритм метода минимального элемента при решении
распределительных задач
35.Алгоритм метода максимального элемента при решении
распределительных задач
36.Алгоритм метода аппроксимации на min при решении
распределительных задач
37.Алгоритм метода аппроксимации на max при решении
распределительных задач
38.Проверка опорного решения на оптимальность методом
потенциалов при решении распределительных задач
39.Улучшение опорного плана методом построения улучшающего
многоугольника при решении распределительных задач
40.Решение распределительных задач с дополнительными
ограничениями
41.Условия, учитываемые при постановке экономико-
математических задач
42.Алгоритм вычислений симплекс-методом
43.Структурный вид симплекс-задачи
44.Особенности применения симплекс-метода
45.Геометрическая интерпретация задач линейного
программирования
46.Каноническая форма симплекс-задачи
47.Виды дополнительных переменных в симплекс-задачах
48.Экономический смысл остаточных переменных в симплекс-
задачах
49.Экономический смысл избыточных переменных в симплекс-
задачах
50.Состав и содержание оптимального плана симплекс-задачи
51.Анализ оптимального решения в симплекс-задачах
52.Введение в базис симплекс-задачи основной небазисной
переменной
53.Введение в базис симплекс-задачи дополнительной небазисной
переменной
1. Понятие модели:
Термин модель происходит от латинского слова «modulus» - образец, норма, мера.
Метод научного познания – аналогия.
Модель – это аналог чего – либо.
Модель- это материальный или мысленно представляемый объект (система), который в
процессе исследования отображает и замещает объект – оригинал так, что его
непосредственное изучение даёт новые адекватные знания объекте – оригинале. Цель
моделирования – получить новые знания об объекте.
Три типа моделей:
- геометрические (представляют некоторый объект, геометрически подобный своему
оригиналу; например, макет);
- физические (отражают подобие между оригиналом и моделью не только с точки зрения
их формы и геометрических пропорций, но и с точки зрения проходящих в них основных
физических процессов);
- математические (представляют собой абстрактные описания объектов, явлений или
процессов с помощью знаков, символов). Математические модели имеют вид некоторой
совокупности математических уравнений или неравенств, таблиц, матриц, формул и
других результатов математического описания тех или иных объектов, явлений или
процессов. Математические модели применяются, когда геометрическое или физическое
моделирование объекта затруднено или невозможно вообще.
Свойства модели:
- они подобны изучаемому объекту и отражают его наиболее существенные стороны;
- при исследовании, модели способны замещать изучаемый объект, явление или процесс;
- они дают информации не только о самом объекте, но и о его предполагаемом поведении
при изменяющихся условиях.

2. Понятие моделирования:
Опр. – это процесс построения модели изучаемого объекта, явления или процесса.
Цель – это поиск наилучших значений параметров модели.
Математические модели, применяемые в экономических исследованиях –экономико –
математические модели.
Часть этих моделей эффективно применяется в геодезии, землеустройстве и кадастрах.
Экономико – математичекое моделирование – это способ построения экономико –
математической модели изучаемого экономического явления.
Математическая модель в общем виде:
F= f(x,a,G);
a – параметры модели;
x – управляющие переменные;
G – случайные величины;
F – целевая функция.
Большинство земельно –кадастровых экономико – математических задач имеют
многовариантный, альтернативный характер, и основной вопрос заключается в том, как из
множества допустимых вариантов выбрать наилучший, оптимальный вариант по
заданному критерию.
Математически такие задачи сводятся к поиску максимумов и минимумов различных
функций, т.е. к нахождению экстремума.
Критерий оптимальности – признак, на основании которого производится сравнительная
оценка возможных решений (альтернатив) и выбор наилучшего варианта.
Примеры критерия оптимальности:
-Максимум чистого дохода предприятия при заданных условиях хозяйствования;
-Минимум издержек предприятия при заданных условиях хозяйствоания;
-Минимум объёма капиталовложений в инфраструктуру объектов недвижимости
при заданных условиях строительства.

3. Значение применения математических методов и моделей:


1. Выявить особенности функционирования исследуемого экономического объекта,
основные тенденции развития процесса;
2. Изучать потенциальные параметры и функционирование объектов без реальных
финансовых вложений;
3. Предсказывать будущее поведение объекта при изменении каких - либо параметров;
4. Находить оптимальные планы использования ресурсов, что способствует достижению
заданных объёмов выхода продукции при минимальных затратах труда и средств;
5. Улучшать качество подготовки исходной информации и её использование;
6. Оптимизировать экономические, финансовые и технические показатели
управленческих решений и проектов;
7. Усовершенствовать систему организации и планирования производства;
8. Изучать дополнительные условия и факторы, их экономическую значимость и
исследовать эффективность полученных проектных результатов, выявить ожидаемые
опасности;
9. Лучше понимать многообразие взаимосвязей и обосновывать причинно – следственные
зависимости.

4. Применение математических методов для решения задач


землеустройства и кадастров:
Возможность применения экономико – математических методов обусловлена:
- экономическим характером задач землеустройства и кадастров;
- альтернативным характером землеустроительных и кадастровых решений,
наличием множества вариантов развития землепользований;
- возможностью выразить переменные (площади участков, длину линий, стоимость
участков, зданий) в числовой форме;
- наличием системы определенных условий и ограничений (сумма площадей
земельных угодий должна равняться общей площади землевладений).
Оптимизация мероприятий по освоению и интенсификации использования земель
Оптимизация рациональной структуры городского землепользования
Оптимизации размещения на территории города объектов различного функционального
назначения
Определение оптимального размера зон города
Оптимизация перераспределения земель между зонами города

5. Виды и классы моделей, применяемые в землеустройстве и


кадастрах:
Классификационный признак Виды моделей
Вид проектной Графические
документации Экономические
Степень определенности Детерминистические
информации Стохастические
Вид землеустройства Межотраслевые
Межхозяйственного землеустройства
Внутрихозяйственного
землеустройства
Математические методы, лежащие Аналитические
в основе Экономико – статистичекие
Оптимизационные
Балансовые
Сетевого планирования
Графическая модель – цифровая модель местности
Экономическая модель – выраженные в математической форме различные расчеты по
проетам землеустройства.
Аналитическая модель основана на применении классического математического аппарата
(алгебра, геометрия, мат.анализ). Рассчитывают средние расстояния, коэффициент
компактности землепользования и др.
Экономико – статическая модель основана на использовании статистической информации,
сборе статистических данных (оценить зависимость стоимости здания от удалённости от
станции метро). При этом подбирается статистика по стоимости зданий и их удалённости
за последний год.
Оптимизационная модель основана на методах математического программирования,
позволяющих находить экстремальные (максимальные или минимальные) значения
целевой функции по искомому перечню переменных при заданных условиях. Необходимо
найти такие размеры Парка культуры и отдыха (общая площадь, состав зон и их
площади), которые, исходя из его направления деятельности, фондооснащенности и
трудообеспеченности давали бы максимальную прибыль.
Балансовая модель основана на взаимном сопоставлении имеющихся материальных,
трудовых и финансовых ресурсов и потребностей в них. Под балансовой моделью следует
понимать систему уравнений, которые удовлетворяют следующему требованию:
соответствие наличия ресурса и его использования (модель межотраслевого баланса
производства и распределения продукции в региональной экономике).
Модели сетевого планирования и управления применяются при планировании и
организации землеустроительных работ, при разработке планов перехода к новому
составу угодий и новым севооборотам, при составлении планов реализации проекта
землеустройства и авторского надзора.

6. Требования, предъявляемые к использованию математических


методов и моделей:
Сочетание при моделировании количественного и качественного анализа (выявление
зависимостей и их математическое описание в виде систем переменных и ограничений).
Разрабатываемые модели должны учитывать экономические, технологические,
землеустроительные, технические и др. условия.
Возможности моделирования жестко связаны с качеством исходной информации.
Обязательный анализ и корректировка моделей и результатов решений.
Максимальное упрощение модели, только в таком случае, её можно будет
модифицировать.
Комплексное применение математических методов и моделей.
Математ.модель в общем виде
F = f (x;a;G)
A – параметр модели
X –управляем.перемен.
G – случайные величины
F – целевая функция
Критерий оптимальности - признак, на основании которого производится сравнительная
оценка возможных решений(альтернатив) и выбор наилучшего варианта.
Нахождение экстремума.
Критерии оптимальности:
- максимум чистого дохода предприятия
-минимум издержек предприятия
-минимум капиталовложений
7. Виды математических связей между экономическими
показателями:
*Закономерности в экономике проявляются как взаимосвязи между экономическими
показателями.
*Изучая объемы выпуска продукции на некотором предприятии, естественно полагать,
что он зависит от затрат различных видов ресурсов (х1,х2,...ха) и записать у= F(x1,x2...xk).

*Y=F(X11,..xk). Связь между зависимой переменной Y и n независимыми переменными


(х1,х2...хk). Связь между экономическими показателями: функциональная, стохастическая
(в жизни их больше).
*Функциональная связь (детерминированная, классическая) связь - всегда выражается в
виде формульный зависимости. В этом случае переменные Х полагаются независимыми, а
У- зависимой.
*Зная точное значение независимой переменной и подставляя его в связующую формулу,
получим единственное значение зависимой переменной.
*В каждом случае функциональной связи известен полный перечень факторов,
определяющих величину результатов (результативного показателя), а также точный
механизм этого влияния, выраженный определённым уравнением. Нам известны все х,
определяющие у.
*Пример функциональной связи: связь м жду оплатой труда У и выработкой Х при
простой сдельной оплате труда.
*Стохастическая связь. Наиболее рапространена: т .к. экономические у величины
складываются под влиянием множества факторов, часть из которых случайны и
иррациональны. Неполный сбор информации не известен полный перечень факторов
влияющих на исследуемый показатель эти факторы могут быть качественно неоднородны
и их действие проявляется неоднозначно. 
Значения зависимой переменной подвержены случайному разбросу, они не могут быть
предсказаны точно, а только с определённой вероятностью. 
У=F(X1,x2....xk)+£
где х1,х2... независимые переменные
F()-часть результативного показателя, сформировавшаяся под влиянием учтённых
факторный признаков находящихся в стохастической связи с У
£- часть результативного показателя, возникшая вследствие действия неконтролируемых
или неучтенных факторов, а также неточности измерения учтённых переменных х1,х2,хк
и прочих случайных явлений.
Разными значениями независимой переменной соответствуют разные вероятностные
распределения значений зависимой переменной т е за изменением значения одного
признака следует закономерное изменение среднего значения другого У.

8. Исходные данные для построения экономико-математической


модели:
Исходными данными для построения и анализа модели являются выборочные
статистические данные
Статистические данные бывают 2 видов: экспериментальные и не экспериментальные 
Данные:
-экспериментальные (получают как результат специально поставленного эксперимента)
-не экспериментальные (получают на основе материалов учета статистической
отчетности, специальных обследований):
* перекрестные( пространственные, данные собранные с разных объектов в один момент
времени)
* временные ряды (данные для одного объекта в различные моменты времени)
Одну и ту же зависимость можно изучать как на перекрестных, так и временных данных.
Например, зависимость объема продукции отрасли от затрат труда и производственных
фондов можно получить 2 путями: На основе данных за один год по различным
предприятиям отрасли (перекрёстные наблюдения), либо данных за несколько лет в
целом по отрасли (временные ряды)
* Исходная статистическая совокупность образуется из комбинированных перекрестно-
временных данных (панельные данные), например, данные ряда предприятий за несколько
отчётных периодов;
* Для проведения сбора данных существует множество методов: опросные листы,
непосредственное наблюдение, использование внутренней отчётности компании и фирм,
данные публикации статистической отчётности;
* Статистические данные представляются обычно в виде таблиц, гистограмм, временных
графиков 

9. Получение статистических данных и их обработка в целях


корреляционно-регрессионного анализа:
При сборе информации используют два метода: - экспериментальный метод подготовки
данных имеет то преимущество, что информация получается в результате проведения
опытов, условия которых позволяют контролировать процесс получения данных; -
статистический метод основан на использовании статистической информации, сборе
статистических данных.
Требования к факторам: точность уравнения регрессии выше при большем числе
эмпирических данных, включаемых в расчёт; факторы – аргументы должны оказывать
наиболее существенное влияние на оценку стоимости объекта недвижимости; факторы
должны быть представлены одним признаком (абсолютным или стоимостным); число
отобранных факторов не должно быть слишком большим, поскольку это усложняет
модель; включаемые в модель факторы не должны находиться между собой в состоянии
функциональной связи, так как они будут характеризовать одну и ту же сторону
изучаемого явления. Выборка должна удовлетворять следующим требованиям: - быть
однородной; исключать аномальные наблюдения (сильно отличающие от других данных);
включать в себя факторы, которые измеряются однозначно некоторым числом или
системой чисел; иметь согласованность в единицах измерения; использована единая
система цен; иметь общие интервалы времени (год, квартал, месяц); соответствие степени
укрупнения (здание, квартира, комната).

10.Понятие и виды регрессии:


Регрессия - односторонняя стохастическая (вероятностная) зависимость между
случайными величинами, которая выражается с помощью функции. Регрессия
устанавливает соответствие между случайными величинами-переменными. 
Виды переменных: 
Зависимая переменная (эндогенная, результативная)- это экономическая переменная,
значение которой определяется внутри модели в результате решения соотношений,
образующих модель. 
Независимая (экзогенная, факторная) переменная - это переменная, значение которой
определяется вне данной модели. 
Регрессия (корреляция) относительно формы зависимости:
* линейная регрессия (корреляция), выражаемая линейной функцией;
* нелинейная регрессия (корреляция), выражаемая нелинейной функцией. 

Виды регрессии и корреляции:


Регрессия (корреляция) относительно числа переменных:
Простая – регрессия (корреляция) между двумя переменными Y и X1;
Множественная- регрессия(корреляция) между зависимой переменной Y и несколькими
объясняющими переменными Х1, Х2, ..., Хм.

В зависимости от характера регрессии (корреляции) различают:


- отрицательную регрессию (корреляцию), где зависимая переменная изменяется в
обратном направлении относительно независимой
- Положительную регрессию (корреляцию), где зависимая переменная изменяется в таком
же направлении как независимая

Относительно типа соединения явлений различают:


- непосредственную регрессию(корреляцию), зависимая и независимая переменные
связанны непосредственно друг с другом
- Косвенную регрессию(корреляцию), независимая переменная действует на зависимую
через ряд других переменных
- Ложную регрессию(корреляцию), которая возникает при формальном подходе к
исследуемым явлениям без уяснения того, какие причины обусловливают данную связь

11.Понятие и виды корреляции:


Корреляция (от лат. correlatio «соотношение,взаимосвязь») или корреляционная
зависимость – статистическая взаимосвязь двух или более случайных величин (либо
величин, которые можно с некоторой допустимой степенью точности считать таковыми).
При этом изменения значений одной или нескольких из этих величин сопутствуют
систематическому изменению значений другой или других величин. Математической
мерой корреляции двух случайных величин служит корреляционное отношение. Мерой
линейной статистической связи двух случайных величин, имеющих нормальное
распределение, является коэффициент парной корреляции rxy.
Виды регрессии и корреляции:
Виды корреляционной связи между измеренными переменными могут быть различны: так
корреляция бывает линейной и нелинейной, положительной и отрицательной. Она
линейна, если с увеличением или уменьшением одной переменной, вторая переменная
также растёт, либо убывает. Она нелинейная, если при увеличении одной величины,
характер изменения второй не линеен, а описывается другими законами (полиномиальная,
гиперболическая). Если повышение уровня одной переменной сопровождается
повышением уровня другой, то речь идёт о положительной корреляции. Если рост уровня
одной переменной сопровождается снижением уровня другой, то мы имеет дело с
отрицательной корреляцией. Нулевой называется корреляция при отсутствии связи
переменных.
Регрессия (корреляция) относительно числа переменных:
Простая – регрессия (корреляция) между двумя переменными Y и X1;
Множественная- регрессия(корреляция) между зависимой переменной Y и несколькими
объясняющими переменными Х1, Х2, ..., Хм.

В зависимости от характера регрессии (корреляции) различают:


- отрицательную регрессию(корреляцию), где зависимая переменная изменяется в
обратном направлении относительно независимой
- Положительную регрессию(корреляцию), где зависимая переменная изменяется в таком
же направлении как независимая

Относительно типа соединения явлений различают:


- непосредственную регрессию(корреляцию), зависимая и независимая переменные
связанны непосредственно друг с другом
- Косвенную регрессию(корреляцию), независимая переменная действует на зависимую
через ряд других переменных
- Ложную регрессию(корреляцию), которая возникает при формальном подходе к
исследуемым явлениям без уяснения того, какие причины обусловливают данную связь

12.Задачи применения корреляционно-регрессионого анализа:


Корреляционно-регрессионный анализ
- любое причинное влияние может выражаться либо функционально, либо
корреляционной связью
- Но не каждая функция или корреляция соответствует причинной зависимости между
явлениями. Поэтому требуется обязательное исследование причинно-следственных связей

Исследование корреляционных связей называют корреляционным анализом, исследование


односторонних стохастических зависимостей- регрессионным анализом

Задачи корреляционного анализа:


1. Измерение степени связности (тесноты, силы) двух и более явлений. Здесь речь идёт в
основном о подтверждении уже известных связей
2. Отбор фактов, оказывающих существенное влияние на результативный признак, на
основании измерения тесноты связи между явлениями. 
Задачи регрессионного анализа:
1. Установление формы зависимости (линейная или нелинейная; положительная или
отрицательная и т.д.).
2. Определение функции регрессии и установление влияния факторов на зависимую
переменную. 
Важно не только определить форму регрессии, указать общую тенденцию изменения
зависимостей племенной, но и выяснить, каково было бы действие на зависимую
переменную главных факторов, если бы прочие не изменялись и если бы были исключены
случайные элементы. 
3. Нахождение математической функции, описывающей зависимость результативного
показателя У от наиболее информативных факторов Х. 
Эта функция выполняет роль модели, которая аналитически выражает зависимость
условного среднего значения результативного признака от факторный переменных. 
Корреляционно-регрессивный анализ решает следующие задачи: 
1. Выявление из большого числа факторов наиболее информативных, оказывающих более
существенное воздействие на результативную величину (предварительный анализ,
базирующийся на методах выявления зависимостей и экспертных оценках); 
2. Определение направления и количественной оценки тесноты зависимости между
факторный величиной Х и результативной У (при этом факторный переменных может
быть много, тогда определяется множественная корреляция);

13.Последовательность построения регрессионных моделей:


* Экономический анализ объектов недвижимости- определение зависимой переменной и
выявление факторов, влияющих на неё;
* Получение систематических данных и их обработка;
* Преобразование качественных факторов в количественные 
* Спецификация-определение математической формы связи независимой и зависимой
переменных;
* Параметризация? - определение параметров регрессионной модели; 
* Верификация-оценка степени соответсвия регрессионной модели изучаемому процессу; 
* Экономическая интерпретация модели - её использование для направленных целей 

14.Преобразование качественных факторов в количественные при


обработке статистических данных:
Для объектов недвижимости, большинство ценообразующих факторов являются
качественными показателями (местоположение, соседство, качество внутренней отделки,
ориентация по сторонам света, материал стен). 
Существует 2 возможных случая перехода: 
1. Простой - исследуемый, ценообразующий фактор имеет 2 качественных уровня
(наличие или отсутствие чего-либо, например, парковки). В этом случае для отображения
статистических данных этого фактора примеряется бинарная система, когда при наличии
признака ставится "1", а при отсутствии "0".
2. Более сложный случай - признак может быть охарактеризован разной степенью
качества. Применяется порядковая шкала. При этом свойства данного признака,
устанавливаются экспериментом путём в порядке возрастания. 
В практическом использование удобна шкала от 1 до 9, так как она позволяет учесть все ?
отличия. Наилучшему значению фактора можно присвоить 1-2, а значению, которое имеет
абсолютное преимущество над всеми остальными, можно присвоить 9. 

15.Понятие, задачи и стратегии спецификации моделей:


Спецификация - выбор аналитически представляющий уравнения регрессии. Целью
спецификации является: подбор из множества аналитических зависимостей такой, которая
наилучшим образом отображало бы зависимые Y от переменных X, то есть это замена
реальной картины однозначной функциональной зависимостью. 
Подобную функцию (зависимость) называют уравнением регрессии. 
Задачи спецификации:
1. Определить стратегию спецификационных моделей и набор факторный моделей;
2. Преобразовать качественные факторы в количественные;
3. Оценить меру зависимости каждого из отобранных факторов и результативного
показателя;
4. Провести анализ взаимосвязи между отдельными фактурными переменными (проверка
на наличие мульколлинеарности); 
5. Выбрать тип функциональной зависимости (формы уравнения для регрессионной
модели)
Ошибки на этапе спецификации:
- Неправильный выбор математической функции,
- Недоучёт выравнивания регрессии какого-либо существующего фактора. 

16.Методы подбора факторов при спецификации моделей (зависимых


переменных):
Выбор факторов осуществляется на основе содержательного и количественного анализа
исследуемого процесса оценки объекта. Содержательный анализ позволяет решить вопрос
о целесообразности включения модели тех или иных факторов, основываясь на теории
поставленных задач, а также проблему установления взаимосвязи между явлениями. 
Отбор факторов усложняет ложная корреляция (корреляция, которая возникла не в
результате прямого соотношения между оцениваемыми переменными, а в результате их
связей с третьей переменной или четвертой…), которая характеризуется высокими
значениями коэффициентов корреляции,
у процессов не связанных между собой, но случайно совпадающих. 
Количественный анализ позволяет проверить гипотезу о значимости влияния фактора на
зависимую переменную и выявить факторы, которые целесообразно удалить из
регрессионной модели. 
В процессе количественного анализа поступают следующим образом: 
1. В исходный вариант модели включают все факторы, отобранные в ходе
содержательного анализа.
2. Дальше из модели последовательно удаляют незначимым факторы. Те, у которых
невысокое значение коэффициентов корреляции. 
3. Процесс построения модели завершается, когда остаются только значимые факторы, а
сама модель удовлетворяет всем критериям качества.
Выбор факторов осуществляется на основе: содержательного и количественного анализа
исследуемого процесса оценки объектов.
Содержательный анализ позволяет решить вопрос о целесообразности включения модели
тех или иных факторов, основываясь на теории поставленной задачи, а также проблемы
установления взаимосвязи между явлениями.
Отбор факторов усложняет ложная корреляция, которая характеризуется высокими
значениями коэффициента корреляции и процессов, не связанных между собой, но при
случайном совпадении тенденций.
Колличественный анализ позволяет проверить гипотезу о значимости влияния фактора на
зависимую переменную и выявить факторы, которые целесообразно удалить из
регрессионной модели.

17.Принципы подбора факторов при спецификации моделей:


Требования к факторам: точность уравнения регрессии выше при большем числе
эмпирических данных, включаемых в расчёт; факторы – аргументы должны оказывать
наиболее существенное влияние на оценку стоимости объекта недвижимости; факторы
должны быть представлены одним признаком (абсолютным или стоимостным); число
отобранных факторов не должно быть слишком большим, поскольку это усложняет
модель; включаемые в модель факторы не должны находиться между собой в состоянии
функциональной связи, так как они будут характеризовать одну и ту же сторону
изучаемого явления. Выборка должна удовлетворять следующим требованиям: - быть
однородной; исключать аномальные наблюдения (сильно отличающие от других данных);
включать в себя факторы, которые измеряются однозначно некоторым числом или
системой чисел; иметь согласованность в единицах измерения; использована единая
система цен; иметь общие интервалы времени (год, квартал, месяц); соответствие степени
укрупнения (здание, квартира, комната).
1)В исходный вариант модели включают все факторы, отображенные в ходе анализа, а
дальше из модели удаляются незначительные факторы, у которых невысокое значение
коэффициента корреляции.
2)Процесс завершается, когда остаются только значащие факторы, а сама модель
удовлетворяет всем критерия качества

18.Методы выбора вида математической функции:


В парной регрессии выбор вида математической функции может быть осуществлен
тремя методами:
- графическим;
- аналитическим;
-экспериментальным;
-по аналогии.
При изучении зависимости между признаками графическим способом используется
поле корреляции.
Аналитический метод основан на изучении материальной природы связи исследуемых
признаков.
При обработке информации на компьютере выбор вида уравнения регрессии обычно
осуществляется экспериментальным методом, т.е. путем сравнения величины
остаточной дисперсии, рассчитанной при разных моделях.
Если уравнение регрессии проходит через все точки корреляционного поля, что
возможно только при функциональной связи, когда все точки лежат на линии
регрессии, то фактические значения результативного признака совпадают с
теоретическими, т. е. они полностью обусловлены влиянием фактора х. В этом случае
остаточная дисперсия равна нулю. В практических исследованиях имеет место
некоторое рассеяние точек относительно линии регрессии. Оно обусловлено влиянием
прочих не учитываемых в уравнении регрессии факторов, т.е. имеют место отклонения
фактических данных от теоретических. Величина этих отклонений и лежит в основе
расчета остаточной дисперсии.
Чем меньше величина остаточной дисперсии, тем в меньшей мере наблюдается
влияние прочих не учитываемых в уравнение регрессии факторов и лучше уравнение
регрессии подходит к исходным данным. Если остаточная дисперсия оказывается
примерно одинаковой для нескольких функций, то предпочтение отдается более
простым видам функций.
При исследовании взаимосвязей между результативными показателями и различными
факторами хозяйственной деятельности необходимо учитывать то, что их зависимость
вызвана взаимосвязанным влиянием одних явлений на другие; отдельное какое-то
явление развивается под действием многих явлений. Поэтому основным методом для
оценки взаимосвязей и зависимостей является регрессионный анализ.

19.Построение и анализ диаграммы рассеивания:


Диаграмма рассеивания – это графическое представление пар исследуемых данных в виде
множества точек на координатной плоскости. Диаграмма рассеивания даёт возможность
выдвинуть гипотезу о наличии или отсутствии корреляционной связи между двумя
случайными величинами.
Каждой переменной наблюдений (х,у), будет соответствовать точка кп. 
Чем теснее связь между переменными, тем более плотно точки должны располагаться
вокруг некоторой линии. Эта линия будет графиком аналитической зависимости между
переменными. 
Анализ диаграммы рассеивания
Если точки корреляционного поля беспорядочно (хаотично) разбросаны на координатной
плоскости и не выстраиваются в воображаемую линию, то это означает отсутсвие тесной
взаимосвязи между переменными. 
Чем сильнее связь между признаками, тем теснее будут группироваться точки вокруг
определённой линии, выражающей форму связи. 
Если точки сконцентрированы вокруг линии, которая проходит из левого нижнего угла к
правому верхнему, то связь между признаками прямая, причём в одном случае- линейная,
а в другом - нелинейная. 
Прямая криволинейная связь - точки выстраиваются в кривую.
Если точки сконцентрированы наоборот вокруг линии, которая проходит от левого в
верхнего угла к правому нижнему, то связь между признаками -обратная. Может быть
линейной и нелинейной. 
Диаграмма наличия выброса данных. В исходных данных некоторые характеристики
точек, будут сильно заметно отличаться от других точек. Это свидетельствует о наличии
выброса в исходных статистических данных. Например, одна точка ведёт себя
неправильно. В таком случае по правилам статистики, информация о данной точки
исключается из выборки и вместо неё рассматривается ещё один объект. Этот объект
является исключением. 
Диаграмма наличия двух групп данных. В том случае, если на диаграмме рассеивания,
наблюдается две или несколько групп данных, необходимо разделить статистические
данные по соответствующим группам и рассматривать их отдельно. Могут влиять
неучтённый данные. 
Пример. На основании представленных данных определить стоимость от площади. 

Выводы по анализу диаграммы рассеивания.


Визуальный анализ графика показывает, что зависимость между переменными вполне
реальна или существует. 
В данном случае в качестве её аналитического выражения может выступать, например,
прямая с положительным угловым коэффициентом. 
Если наблюдается концентрация значений результативного показателя около прямой с
положительным наклоном, то говорят, что имеет место линейная положительная
корреляционная связь, или положительная корреляция. 
В обратном случае, такая связь называется - линейная отрицательная корреляционная
связь. 

20.Виды уравнений регрессионной модели:


Параметры а1,а2 и т. д. характеризуют среднее изменение результата в следствие
изменения соответствующего фактора на единицу, при неизменном значении других
факторов. Например, в функции рыночной стоимости 
Yx = 2000+400*x, х- площадь, следовательно с увеличением площади на ед, рыночная
стоимость увеличение. На 400
Параметр а0 формально представляет значение у, в том случае, если х=0. 
Когда х не равен 0, а0- это усреднённое влияние факторов, не включённых в модель. 
Линейная зависимость применяется в случае равномерного нарастания или убывания
результативного признака с изменением значения фактора оценки. 
Линейные парные и множественные зависимости используются в оценке стоимости
объектов недвижимости. 
А также, при анализе использования основных фондов предприятия с целью выявления
факторов, влияющих на эффективность производства. 
Степенная зависимость. 
Применение гиперболической зависимости. 
Гиперболические зависимости находят применение при определении различных
нормативов. 
Применяют при расчёты ставок арендных платежей на объекты недвижимости. 
Наиболее часто для характеристики связей экономических явлений используются такие
типы функций:
Линейную зависимость, парная (при наличии одного фактора):
и множественная ( при наличии многих факторов, влияющих на результат):
Степенную зависимость (парную):
и множественную (функция Кобба – Дугласа):
Гиперболическая зависимость (парная):
в том числе первого порядка (b=1):
Полиномиальная зависимость (парная):
в частом случае L=2 имеем уравнение обычной параболы:
Кинетическая зависимость (множественная):
Зависимость асимптотического роста (множественная):

21.Понятие и применение линейной регрессионной модели:


Линейная зависимость используется в оценке стоимости недвижимости, а также при
оценке различных фондов предприятия с целью выявление факторов, влияющих на
эффективность производства
у=а0+а1х – парная (один фактор)
- множественная (при наличии факторов, влияющих на
результат).
Параметры а1 а2 ...аi характеризуют средние изменения результата вследствие изменения
соответствующего фактора на единицу при неизменном значении других факторов.
Линейная зависимость применяется в случае равномерного нарастания (убывания)
результативного признака с изменением значения данного фактора производства.
Линейные парные и множественные зависимости используются в землеустройстве для
моделирования нормальной урожайности сельскохозяйственных культур при проведении
земельно – оценочных работ. В модель включают различные факторы и условия
производства (климатические характеристики, качество почв, количество вносимых
удобрений). Часто линейные производственные функции применяются также при анализе
использования земель в конкретных сельскохозяйственных предприятий с целью
выявления основных факторов, влияющих на эффективность производства. Эти же
функции используются при планировании урожайности сельскохозяйственных культур в
схемах и проектах землеустройства.

22.Понятие и применение степенной регрессионной модели:


Степенные зависимости:
-для парной зависимости:
y=a0xai
-для множественной зависимости (функция Кобба-Дугласа)

а1>0, a0>0

a1<0, a0>0

Степенная зависимость может быть использована в случае криволинейного


возрастания (убывания) результативного показателя при изменении фактора
производства. Такие зависимости широко применяются для анализа уровня и
интенсивности использования земель в районах со сложными природными условиями:
в зонах орошаемого земледелия, в хозяйствах с развитой водной эрозией почв и
дефляцией, в районах широкого проведения осушительных мероприятий и
культуртехнических мероприятий.
23.Аналитический и экспериментальный методы выбора типа
регрессионной модели:
Основан на изучении материальной природы (конкретной) связи исследуемых
признаков. 
Например, при изучении величины арендной платы (у) в зависимости от арендованной
площади недвижимости (х) размер арендной платы (у) можно разделить на 2 части: 
1. Не связанный с площадью объекта (а0);
2. Непосредственно связанный с площадью объекта (а1*х)
Тогда зависимость размера арендной платы от площади объекта можно выразить
уравнением регрессии: 
У=а0+а1*х
Х и у- неизвестные величины, А1и а0 - искомые величины
Экспериментальный метод
Применяют способ разности
Для этого вычисляют первые разности между последним уравнение и его
предшествующим уравнением
у2-у1=u1; у3-у2=u2; уn-уn-1=un-1
Если данные разности не равны, находим вторую последовательность разности
u2-u1=t1; u3-u2=t2; un-un-1=tn-1
И так поступают до тех пор. Пока разности не будут примерно равны.
Достигнув этого этапа берем функцию того порядка, на котором были получены равные
разности.

24.Задачи этапа верификации регрессионной модели:


После спецификации модели возникают вопросы: насколько удачно построена модель,
можно ли рассчитывать на то, что её использование для прогнозирования и
имитационных расчётов даст результаты адекватные наблюдаемой действительности
(строим модель, для того, чтобы прогнозировать зависимость, важно, чтобы модель была
близка к наблюдаемой ситуации)?Какова точность прогнозных и имитационных расчётов,
основанных на построенной модели?
Ответы на эти вопросы- это суть верификационной модели (эконометрической). 
Верификация основана на статистической проверке гипотез и анализе характеристик
точности различных приемов оценивания. 

25.Оценка тесноты связи с помощью коэффициента корреляции:


Линейный коэффициент корреляции разработали Карл Пирсон, Фрэнсис Эджуорт и
Рафаэль Уэлдон в 90-х годах 19 века. Корреляции рассчитывается по формуле:

Х,У- значение изученных факторов


Х,У- среднее значение по каждому фактору
-Коэффициент корреляции изменяется в пределах от -1 до 1
- чем ближе абсолют. значение к 1 (по модулю), тем сильнее линейная связь между
факторами (при r=1 между y и х строгая функциональная зависимость, на графике все
точки лягут на прямую, дополнительные факторы не будут влиять на Y). Мы
рассматриваем чаще всего стахостическую зависимость (несколько y и x, есть условия,
которые влияют на y). Следует иметь в виду, что близость абсолютной величины (по
модулю) линейной корреляции к 0 еще не означает отсутствие связи между признаками.
При другой нелин. модели связь между признаками может оказаться достаточно тесной.
Коэффициент корреляции указывает на тесноту связи.
Коэффициент множественной корреляции для линейной зависимости используется (от 2х
факторов, когда много x) определенных по формуле.
Для характеристики коэффициента корреляции используют шкалу Чеддока:
рассматривают такие х, чтобы коэффициент корреляции находился в интервале от 0,5 и
выше. Факторы, у которых коэффициент корреляции ниже – отбрасывают:
Показ. Тесноты связи по модулю r характер силы связи
0,1-0,3 слабая
0,3-0,5 умеренная
0,5-0,7 заметная
0,7-0,9 сильная
0,9-0,99 весьма высокая

Корреляционное отношение (близко к коэффициенту корреляции)


При криволинейной связи рассчитывают корреляционное отношения – которые
показывают на сколько регрессионная зависимость соответствует реальной
статистической картине. Выполняет те же функции для криволинейных связей, что и
коэффициент корреляции для линейных (оценили тесноту связи):

Уфактическое значение результата


У – среднее значение

У – вычисленное значение
Корреляционное отношение выполняет те же функции что и коэф. Корреляции для
линейной связи

26.Оценка качества функциональной зависимости с помощью


коэффициента детерминации:
Для оценки качества подбора линейной функции рассчитывают квадрат линейного
коэффициента корреляции, называемый коэф. Детерминации
Коэффициент детерминации – характеризует долю дисперсии результирующего признака
у, объясняемую регрессией, в общей дисперсии данного результирующего признака.
Именно он покажет насколько именно у зависит от данного х и насколько он не зависит

- характеризует долю дисперсии У


Вызванную влиянием остаточных неучтенных факторов
Дисперсионный анализ-средство изучения качества регрессионной модели
- согласно основной идеи дисперсионного анализа, сумма квадратов отклонений
переменной у от среднего значения у раскладывается на 2 части: «объясненную»и
«необъяснённую».

∑(y – y)^2=∑(yx – y)^2=∑(y – yx)^2

общая сумма квадратов отклонений

сумма квадратов отклонений, объясненная регрессией

∑ (y-yx)^2 остаточная сумма квадратов отклонений, характеризующая влияние


неучтенных в модели факторов

Коэффициент детерминации характеризует:


Долю результативного признака, объясняемую регрессией, в общей дисперсии
результатов. При этом не существует приемлемого показателя R2(коэффициента
детерминации). При исследовании данных об однотипных объектах, полученных
примерно в один момент времени, величина R2 не превышает уровня 0,6-0,7 (60%-70%).

27.Понятие линейного программирования:


В линейных моделях целевая функция и ограничения задачи представлены в виде системы
линейных уравнений и неравенств (неизвестные в первой степени).
Линейное программирование – это часть математического программирования, связанная с
решением экстремальных задач, в которых целевая установка (критерий оптимальности) и
условия (ограничения) выражаются линейными функциями.
Наиболее известны алгоритмы линейного программирования: распределительный и
симплексный методы.
Алгоритмы линейного программирования базируются на последовательном улучшении
первоначального плана и за определенное число циклически повторяющихся вычислений
позволяют получить оптимальное решение.
После каждой из итераций значение целевой функции улучшается. Процесс повторяется
до тех пор, пока не будет получен оптимальный план.

28.Землеустроительные задачи, решаемые методами линейного


программирования:
Все задачи землеустроительного проектирования имеют многовариантный характер, а
величины, которыми оперируют, выражаются численно (площади, длины линий,
координаты, валовой объем продукции, прибыль). Их можно связать системой уравнений
и неравенств и объединить определенной целевой функцией, установкой.
Используя методы программирования можно учесть все имеющиеся условия, и, избегая
длительных ручных расчетов, получить наилучший результат.
В проекте внутрихозяйственного землеустройства проводят трансформацию угодий,
рассчитывают потребность скота в кормах и источники их покрытия.
При межхозяйственном землеустройстве используют экономико – математические модели
определения оптимального размера землевладения СХП, оптимизации перераспределения
земель СХП.

29.Понятие и сущность транспортной задачи:


Транспортная задача является представителем класса задач линейного программирования
и поэтому обладает всеми качествами линейных оптимизационных задач, но
одновременно она имеет и ряд дополнительных полезных свойств, которые позволили
разработать специальные методы ее решения. Эти методы, как и симплексный метод,
позволяют найти начальное опорное решение, а затем, улучшая его, получить
оптимальное решение. Под термином «транспортные задачи» понимается широкий круг
задач не только транспортного характера. Общим для них является, как правило,
распределение ресурсов, находящихся у m производителей (поставщиков), по n
потребителям этих ресурсов. Различают два типа транспортных задач: но критерию
стоимости (план перевозок оптимален, если достигнут минимум затрат на его
реализацию) и по критерию времени (план оптимален, если на его реализацию
затрачивается минимум времени: L(X) = ∑n(сверху суммы) i=1 (снизу суммы)∑m(сверху)
j=1 (снизу) cijxij min; L(X)- транспортные расходы на перевозку всей продукции.
Постановка задачи: Имеется m поставщиков с запасом Ai (i=1, 2,…m); i- номер
поставщика; И n – потребителей с потребностями грузов Bj (j=1, 2,…n); j-номер
потребителя; индексы i, m принадлежат строке; j, n – столбцу.
Известна стоимость перевозки единицы груза по каждому возможному маршруту cij из i-
го пункта отправления в j-ый пункт назначения.
Требуется определить такие оптимальные маршруты поставок xij от i-го поставщика к j-
му потребителю (т.е. такой план перевозок), чтобы значение целевой функции достигало
своего экстремума (min,max). Xij – объем груза, перевозимого из i-го пункта отправления
в j-ый пункт назначения.

Пункт
назначения 1 2 j… n Запасы груза,
Пункт Ai
отправления
1 C11 C12 C1j C1n A1
X11 X12 X1j X1n
2 C21 C22 C2j C2n A2
X21 X22 X2j X2n
i… Ci1 Ci2 Cij Cin Ai
Xi1 Xi2 Xij Xin
M Cm1 Cm2 Cmj Cmn Am
Xm1 Xm2 Xmj Xmn
Потребность в B1 B2 Bj Bn ∑Ai
грузах, Bj ∑Bj

30.Отличительные особенности распределительных задач линейного


программирования:
1. Все условия задачи (ограничения) представлены в виде уравнений.
2. Все переменные выражаются в одних и тех же единицах измерения (га, км, руб, ц и т.
д.).
3. Все коэффициенты при переменных в ограничениях модели всегда равны единицы.
4. Каждая переменная входит только в два ограничения: в ограничение по строке и в
ограничение по столбцу.

31.Базовая модель задачи, решаемой распределительным методом:


Экономико – математическая модель состоит из трех составных частей:
1) Целевая функция;
2) Система ограничений;
3) Неотрицательность переменных.

Структурная запись:
1. Целевая функция Z = max(min)
Развернутая запись Z = C11X11 + C12X12+…+CmnXmn max(min), где сij –
стоимость перевозки единицы груза из i-го пункта отправления в j-ый пункт назначения.
2. Система ограничений
Ограничения по строкам. Количество перевозимых грузов из i-го пункта отправления в j-
ые пункты назначения равно запасу i-го пункта отправления.
Структурная запись
Развернутая запись X11+X12+X1j+…+X1n=A1
X21+X22+X2j+…+X2n=A2
Xi1+Xi2+Xij+…+Xin=Ai
Xm1+Xm2+Xmj+…+Xmn=Am

Количество перевозимых грузов из i-ых пунктов отправления в j-ый пункт назначения


должно равняться потребности в j-м пункте назначения.
Ограничения по столбцам
Структурная запись
Развернутая запись
x11 +x21 + xi1 +…xm1 = b1
x12 + x22 + xi2 +…xm2 = b2
x1j + x2j + xij +…xmn = bj
x1n + x2n + xin +…xmn = bn
Балансовое условие: Количество распределяемых грузов и потребности в них должны
быть равны, структурная запись: ∑Ai = ∑Bj, развернутая запись: A1+A2+…+Am =
B1+B2+…+Bn, если равенство выполняется, то модель задачи закрытая сбалансированная,
если не выполняется, то модель задачи открытая. Условие неотрицательности переменных
Xij≥0.

Таблица

32.Приведение транспортной задачи к закрытому виду:


Если сумма столбцов и сумма строк равны, то задача является сбалансированной, то есть
приведена к закрытому виду
Если суммы не совпадают, то вводится фиктивная строка или фиктивный столбец. Для
решения задачи открытую модель приводят к закрытому виду путём введения фиктивного
пункта отправления с запасом, равным: Am=i = ∑Bj -∑A1, или bn=j = ∑a1 - ∑bj.
Стоимость перевозок грузов по фиктивному пункту принимают равными «0»:Cm=i =0
(i=1,2..m), Cn=j =0 (1,2..n). При расчете разностей µk фиктивные элементы (столбец
строка) участвуют в последнюю очередь.
33.Допустимое и оптимальное решения распределительных задач:
Допустимое решение – это такая совокупность значений переменных Xij, которая
удовлетворяет всем поставленным в задаче ограничениям. Оптимальное решение –
допустимое решение, приводящее к экстремуму (минимальному/максимальному)
значению целевой функции. Если задача линейного программирования имеет
оптимальное решение, то оно соответствует хотя бы одной угловой точке многогранника
решений (и совпадает с одним из допустимых базисных решений системы ограничений).

34.Алгоритм метода минимального элемента при решении


распределительных задач:
На каждом шаге алгоритма поиска опорного решения стараются занять максимально
возможным ресурсом прежде всего те клетки транспортной таблицы, в которых стоят
наименьшие величины Cij. 1) Из всех оценок Cij в таблице выбирают наименьшее. 2) В
соответствующую клетку записывают значение Xij, равное наименьшему из
соответствующих величин Ai,Bj. 3) Определяют новые значения величин Ai, Bj. 4) Если
запас груза Ai равен 0, а потребность в грузе Bj больше нуля, то из таблицы вычеркивают
соответствующую строку. Если Bj равен 0, то вычеркивают столбец. Если обе величины
Ai,Bj равны нулю, то вычеркивают только строку или только столбец. С оставшимися
элементами далее работают как обычно. 5) Далее, указанные операции повторяются до
тех пор, пока все ресурсы не будут распределены по клеткам.

35.Алгоритм метода максимального элемента при решении


распределительных задач:
1) Из всех оценок Cij в таблице выбирают наибльшее. 2) В соответствующую клетку
записывают значение Xij, равное наименьшему из соответствующих величин Ai,Bj. 3)
Определяют новые значения величин Ai, Bj. 4) Если запас груза Ai равен 0, а потребность
в грузе Bj больше нуля, то из таблицы вычеркивают соответствующую строку. Если Bj
равен 0, то вычеркивают столбец. Если обе величины Ai,Bj равны нулю, то вычеркивают
только строку или только столбец. С оставшимися элементами далее работают как
обычно. 5) Далее, указанные операции повторяются до тех пор, пока все ресурсы не будут
распределены по клеткам.

36.Алгоритм метода аппроксимации на min при решении


распределительных задач:
На каждом шаге выбор очередной клетки, заполняемой ресурсом, осуществляется не на
основе строго локальных оценок стоимостей Cij, как в методе минимального элемента, а
на основе разностей между оценками. Это позволяет приближенно оценивать полезность
данного шага с точки зрения скорейшего приближения к оптимальному решению. 1) По
каждому столбцу и строке находят 2 минимальных значения Сij. 2) Определяют их
разности µi (значение итерации) для строк и µj для столбцов. 3) Из всех разностей
выбирают наибольшую µmax. 4) По строке или столбцу, к которым относится µmax, в
клетку, где размещается наименьшее значение Cij, записывают значение Xij, равное
наименьшей из соответствующих величин Ai,Bj. 5) Если запас груза Ai равен нулю, а
потребность в грузе Bj больше нуля, то из таблицы вычеркивают соответствующую
строку. Если Bj равен 0, то вычеркивают столбец. Если обе величины Ai,Bj равны нулю,
то вычеркивают только строку или только столбец. С оставшимся элементом далее
работают как обычно. 6) Далее указанные операции повторяются до тех пор, пока все
ресурсы не будут распределены по клеткам. 7) Полученное решение необходимо
проверить по числу занятых клеток. Их должно быть m+n-1. Проверяем, сходится ли
сумма по строке с запасами груза Ai и сумма по столбцу с Bj. 8) Далее считаем целевую
функцию.
При реализации данного алгоритма возможны некоторые особенности: Величины
разностей могут иметь одинаковое наибольшее значение. В этом случае нужно брать ту
разность, для которой в соответствующих столбцах или строках находится наименьшее
значение Cij. Если таких Cij несколько, то для решения берут то клетку, которую можно
заполнить наибольшим значением Xij. В случае, если выбирают 2 элемента, необходимо
выбрать какой выгоднее вычеркнуть. Для этого, по рассматриваемым строке и столбцу,
выбираем наименьшее значение Cij и вычеркиваем тот элемент, где Cij больше.

37.Алгоритм метода аппроксимации на max при решении


распределительных задач:
При решении задач на максимум, приведённый алгоритм меняется в двух пунктах: 1)
Вместо двух минимальных, находят 2 максимальных значения Cij. 2) Определяют их
разности µi для строк и µj для столбцов. 3) Из всех разностей выбирают наибольшую
µmax. 4) По строке или столбцу, к которым относится µmax, в клетку, где размещается
наибольшее значение Cij, записывают значение Xij, равное наименьшей из
соответствующих величин Ai,Bj (заполняют клетку грузом с наибольшим значением Cij).
5) Если запас груза Ai равен нулю, а потребность в грузе Bj больше нуля, то из таблицы
вычеркивают соответствующую строку. Если Bj равен 0, то вычеркивают столбец. Если
обе величины Ai,Bj равны нулю, то вычеркивают только строку или только столбец. С
оставшимся элементом далее работают как обычно. 6) Далее указанные операции
повторяются до тех пор, пока все ресурсы не будут распределены по клеткам. 7)
Полученное решение необходимо проверить по числу занятых клеток. Их должно быть
m+n-1. Проверяем, сходится ли сумма по строке с запасами груза Ai и сумма по столбцу с
Bj. 8) Далее считаем целевую функцию.

38.Проверка опорного решения на оптимальность методом


потенциалов при решении распределительных задач:
После получений первоначального опорного плана необходимо проверить его на
оптимальность. Для определения оптимальности плана используются потенциалы,
которые вычисляются по занятым клеткам, по следующим формулам: αi + cij = βj, αi = βi –
cij, где αi – потенциалы по строкам, βj – потенциалы по столбцам. За первый потенциал
берётся любое число. Чтобы потенциалы были только положительными, необходимо
первый потенциал взять чуть больше наибольшей оценки Cij по матрице.

39.Улучшение опорного плана методом построения улучшающего


многоугольника при решении распределительных задач:
Если условие оптимальности выполняется для всех клеток, то план оптимален. Если
условие не выполняется, необходимо провести улучшение плана методом построения
улучшающего многоугольника. Начинаем строить улучшающий многоугольник для
свободной клетки, в которой характеристика максимальна по модулю. Из отрицательных
вершин выбираем наименьшее значение и перемещаем его вершинам многоугольника.
Правила построения улучшающего многоугольника: 1. Строится многоугольник для
свободной неотрицательной клетки. 2. Вершины многоугольника должны находиться в
занятых клетках, кроме одной начальной, лежащей в испытуемой свободной клетке. 3.
Шагать можно по занятым клеткам с поворотом под прямым углом. 4. Стороны
многоугольника должны быть параллельны строкам и столбцам матрицы. 5. Знаки
присваиваются + вершине в свободной клетке; и далее знаки чередуются - + -.
40.Решение распределительных задач с дополнительными
ограничениями:
Дополнительные ограничения xij ≥ Dij, причем Dij<Ai, Dij<Bj, иначе ограничение теряет
смысл. Для учёта этого ограничения необходимо определить измененные объемы
производства Ai' = Ai – Dij и потребления Bj' = Bj – Dij. Дальнейший алгоритм действий
зависит от конкретных числовых значений рассматриваемых величин Ai' и Bj'. Если
оказалось, что Ai' = 0, то соответствующая строка вычеркивается из таблицы. Аналогично,
если Bj' = 0, то соответствующий столбец вычеркивается из таблицы. Если и Ai' = 0 и Bj' =
0, то из таблицы вычеркиваются и столбец и строка и далее задача решается по
намеченному алгоритму. Дополнительные ограничения вида xij = Dij. Первоначально
действия по учёту таких ограничений аналогичны действиям для случая ограничений вида
xij ≥ Dij. Если же обе указанные величины оказались больше нуля, то дополнительно
проводится блокировка соответствующей оценки Ce. При решении задач на min оценку
делают равной большой величине, значительно большей величины Cy, например, Cy =
10000; это означает, что мы делаем невыгодной транспортировку из i-го пункта
отправления в j-й пункт назначения, так как стоимость транспортировки стала очень
большой. В результате алгоритм решения задачи не допускает возрастания величины Xy,
свыше Dy, что и требуется по условию. Если задача решается на max, то необходимо было
бы положить Cy = 0, что также означало невыгодность передачи груза из i-го пункта
отправления в j-й пункт назначения свыше предписанного груза Dy (дополнительная
прибыль от такой передачи была бы равна нулю). Помимо рассмотренных выше
ограничений в практике встречаются дополнительные ограничения вида Lij≤Xij≤Dij (в
частном случае при Lij = 0? - Xij≤Dij). Ограничения данного вида не учитываются при
постановке задачи. Их анализ ведётся после получения оптимального решения задачи.

41.Условия, учитываемые при постановке экономико-


математических задач:
Экономические : состав и соотношение зем. угодий, по категориям земель, по
разрешенному виду исп-ия, размеры землепользования, объем производства.
Технологические: выражают производственные требования к моделир. процессу и
предоставляют норму затрат на единицу переменной.
Социальные : условия, определяющие развитие производственных отношений и сил, кол-
во человек и часов
Экологические : охрана природы, ведение с/х, нормы внесения удобрений, содержание
вредных веществ в почве , воде
При постановке каждой задачи следует учитывать объем , достоверность и сроки
получения инф-ции, время для разработки решения

42.Алгоритм вычислений симплекс-методом:


Тобиас Данциг – симплекс метод 1947 – решение экономических задач; в зем-ве и
кадастрах симплексным методом решаются все классы задач.
СМ–вычислительная процедура, основанная на принципе последовательного улучшения
решений до получения оптимального результата.
Основан на важном теоретическом положении – оптимальное решение всегда
соответствует одному из крайних точек выпуклого многоугольника, вершина симплекса.
Для поиска оптимального плана нет необходимости перебирать все варианты, соот-щие
вариантам многогранника. Вычисление по алгоритму.
Алгоритм – точное описание последовательности выполнения действий при решении
задач.
Этапы:
1. Математическая формулировка условий задач в виде систем
2. Решение задач симплекс-методом
2.1 Приведение к канонической форме
2.2 Проверка плана на оптимальность
2.3 Улучшение плана
3. Экономический анализ и корректировка оптимального плана.
Виды основных переменных в симплекс-задачах
Экзогенные – задаются вне модели, т.е. известны заранее и параметры(коэф. Уравнений,
ресурсы, сырье)
Эндогенные – определяются в ходу расчетов по модели и не задаются извне.
После опр-ия присваиваются индексы и номера переходят к формулированию целевой
функции и ограничений.

43.Структурный вид симплекс-задачи:


Опр-ть значение x1,x2,x3,xn
Оптимизирующих функцию вида : Z = max (min)
Система ограничений
= или ≥ или ≤ (i = 1 …m)

Условие неотрицательности
j-номер вида переменной
- размер переменной j-ого вида
i-номер ресурса
- технико-эконом. Коэф-т, означающий затраты i-ого вида ресурса на единицу j-
ой переменной
m-число ресурсов
-запас ресурсов i-ого вида

- эффект или затраты с 1 единицы j-ой переменной


Z – величина целевой функции
= С1*Х1 + С2*Х2 + С3*Х3+ …..Сn*Xn max (min)

44.Особенности применения симплекс-метода:


Недостаток : модель не всегда точно и полно описывает ситуацию и не соответствует
поставленной задаче
Причины:
- ресурсы частично взаимозаменяемы
- нормы затрат ресурсов не прямо пропорциональны выпуску (имеются постоянные
издержки, независящие от объема и перем.затраты)
- объёмы ресурсов могут изменяться (продаваться, покупаться)
-цены меняются от объема реализации от покупки
-прибыль - не единственный критерий
- принятие решения на протяжении всего периода
- случайности не принимают во внимание , т.е. коэф. в целевой функции и условиях
задачи явл. постоянным
45.Геометрическая интерпретация задач линейного
программирования:
На примере простейшего двухмерного случая в наглядной геометрической форме
проиллюстрировать суть симплекс – метода. Геометрическая интерпретация задачи
позволяет наглядно изобразить процесс получения оптимального решения (в данном
случае решения, максимализирующего значение целевой функции).
Переменные: Х-поголовье кур, У-поголовье гусей
Ограничения:1)по нормам: 5х+20у_400; 2)по трудовым ресурсам: 10х+15у_450
Целевая функция:45х+80у - > max
х≥0
у≥0
5х+20у=400, вместо х подставляем 0

Общая площадь для двух прямых


В случае 2-х переменных область допустимых решений представляет собой замкнутый
многоугольник.
45х+80у -> max (= const); поскольку дальнейшее увеличение константы (уравнение
произвольной линии уровня целевой функции) приведет к выходу линии уровня за
пределы области допустимых значений, то значение целевой функции,
соответствующее указанному крайнему положению, следует рассматривать как
максимально возможное в области допустимых значений основных переменных.
Координаты x,y точек крайнего положения линии уровня - это и есть оптимальное
значение основных переменных.
Вершина х у Целевая функция
1 0 0 0
2 0 20 1600
3 45 0 2025
4 24 14 2200 (максимальная Z)

46.Каноническая форма симплекс-задачи:


Неканоническое представление задачи нельзя использовать для применения стандартных
алгоритмов линейного программирования. Каноническим называется представление, в
котором: все ограничения имеют форму уравнений (то есть относятся к типу =); система
ограничений имеет структуру, позволяющую сразу определить допустимое решение,
которое используется в итерационной (итерация - повторяющееся действие) процедуре
симплекс – метода как первое (опорное) базисное решение. Приведение задачи к
каноническому виду осуществляется за счёт использования новых неотрицательных
переменных, вводимых в ограничения и целевую функцию. Ограничения, совместно с
представлением целевой функции и условиями неотрицательности всех переменных
(основных и дополнительных) образуют каноническое представление общей задачи
линейного программирования в развернутом виде.

47.Виды дополнительных переменных в симплекс-задачах:


Прежде всего, для каждого ограничения типа нестрогого неравенства ≤ (остаточную
переменную, со знаком +, называется остаточной, так как показывает недоиспользование
какого-то ресурса) или ≥ (избыточную переменную, со знаком -, называется избыточной,
так как покажет, насколько левая часть неравенства превышает правую) вводят свою
дополнительную переменную. Помимо избыточных и остаточных переменных в левую
часть каждого ограничения типа ≥ или = вводят со знаком + ещё по одной
неотрицательной переменной; их называют искусственными. Введение дополнительных
искусственных переменных важно с вычислительной токи зрения, так как позволяет сразу
же получить первое (опорное) базисное решение, удовлетворяющее всем заданным
ограничениям. Если в системе все основные и избыточные переменные положить
равными нулю, то достаточно приравнять остаточные и искусственные переменные
правым частям соответствующих ограничений, чтобы получить допустимое решение.
Искусственная переменная позволяет сохранить условие неотрицательности переменных.
Так как неиспользование ресурсов и превышение плановых заданий непосредственно не
влияют на значение целевой функции, мы приравниваем коэффициенты остаточных и
избыточных переменных к нулю, включая в целевую функцию. Искусственные
переменные в правильном решении должны быть равны 0, так как не отражают никаких
реальных характеристик данной предметной области и вводятся в задачу исключительно
для автоматического получения опорного решения. Для этого нужно изменить вид
целевой функции, чтобы сам алгоритм при поиске оптимального решения автоматически
приводил к нулевым значениям искусственных переменных. В задачах на максимум –
вводим в целевую функцию эти переменные с очень большими отрицательными
коэффициентами (превосходящие коэффициенты целевой функции). Так как при таком
переопределении целевой функции любое отклонение искусственных переменных от нуля
приведёт к резкому снижению целевой функции, решение задачи на максимум будет
автоматически обеспечено обнулением искусственных переменных. Задача на минимум –
перед каждым коэффициентом M в выражении целевой функции необходимо поставить
знак +. Алгоритм будет искать план с наименьшим значением целевой функции, и все
искусственные переменные в оптимальном плане будут равны нулю.

48.Экономический смысл остаточных переменных в симплекс-


задачах:
С экономической точки зрения показывают недоиспользованные ресурсы.
Остаточная переменная. Неравенства типа "<=" обычно можно интерпретировать
как ограничения на использование некоторых ресурсов (представленных в левой части
неравенств переменными модели). В такой интерпретации остаточная переменная
показывает количество неиспользованных ресурсов.

49.Экономический смысл избыточных переменных в симплекс-


задачах:
С экономической точки зрения избыточные переменные показывают превышение
плана работ. Избыточная переменная. Неравенство типа ">=" показывает, что"что-
то"должно быть не меньше определенной величины. Избыточная переменная
определяет превышение значения левой части неравенства над этой величиной.

50.Состав и содержание оптимального плана симплекс-задачи:


1.Оптимальное решение
2.Оптимальное значение целевой функции, находящиеся в индексной строке
3.Небазисные переменные
4.Коэф.замещение, расположенный в столбцах небазисн.переменных.
5.Элементы индексной строки, соотв. Небазисным переменным.
- осн.переменные, попавшие в базис хар-ют эффективн.отрасли хоз-ва, организации,
направл. Производства, землеустроит.работы, виды застроек
-непопавшие в базис = 0
Неэффективные работы
- значение целевой функции показывает максим.чистый доход фирмы, достигаемый при
оптим.землеустр.работах. Любое другое значение приведет к ухудшению.

51.Анализ оптимального решения в симплекс-задачах:


Основные переменные, вошедшие в базис, характеризуют эффективные виды ресурсов,
которые целесообразно использовать для достижения максимально чистого дохода.
Основные переменные, не вошедшие в базис, характеризуют неэффективные виды
ресурсов. Экстремальное значение целевой функции показывает максимальный
возможный чистый доход, достигаемый при оптимальном сочетании видов ресурсов.
Остаточные переменные, вошедшие в базис, хар-ют недоиспользованные ресурсы,
соответствующие им ресурсы – недефицитны. Увеличение недефицитных ресурсов не
приведёт к увеличению дохода. Остаточные переменные, не попавшие в базис = 0,
характеризуют полностью исчерпанные, то есть дефицитные, ресурсы. Всякое увеличение
дефицитного ресурса обеспечивает дополнительное развитие эффективных видов
построек и увеличение дохода. Избыточные переменные, вошедшие в базис,
характеризуют сверхплановое производство. Избыточные переменные, не вошедшие в
базис = 0, свидетельствуют о точном выполнении (без перевыполнения) заданного в
соответствующем ограничении требования. Более того, попадание избыточной
переменной в число небазисных, свидетельствует о том, что перевыполнение невыгодно с
точки зрения максимализации целевой функции.
Корректура оптимального плана.
Получив решение, корректируем с помощью коэф-та замещения.
Коэф-т замещения – изменение значения базисных переменных i-ой строки, при
изменении небазисн. переменной на единицу (при введении в оптим. план небазисной
переменной) опр-ют изменение целевой функции.
Корректировка производится в сл.случаях:
- необходимость работ, не вошедших в базисное решение (необходимость введения в
базис осн. переменных)
- доп. источники дефиц. ресурсов (необходимость ввести в базис остаточные или
избыт.переменные)

52.Введение в базис симплекс-задачи основной небазисной


переменной:
Неэ ффективная работа будет ухудшаться Z целевая функция. Можно вводить только
положительные значения осн. Переменных
Определяем узкое место(максим.значение небазисной переменной, кот.можно ввести в
базис)
Значение базисных переменных делятся на Коэф.замещения, вводимой переменной. Кз –
отбрасываются
Узкое место от 0 до наим.значения из всех результатов деления.
Рассчет нового значения целевой функции и базисной переменной

– значение оптимальной переменной, вошедшей в базис

- коэф-т замещения

- небазисная переменная
-целевая функция

53.Введение в базис симплекс-задачи дополнительной небазисной


переменной:
Ищем узкое место. Делением с положительными и с отрицательными Кз. Узкое место от
наименьшего результата деления со знаком «-» до наименьшего результата деления со
знаком +
Рассчет Целевой функции.
Рассчет нового значения целевой функции и базисной переменной

– значение оптимальной переменной, вошедшей в базис

- коэф-т замещения

- небазисная переменная

-целевая функция
Три типа моделей:
- геометрические (представляют некоторый объект, геометрически подобный своему
оригиналу; например, макет);
- физические (отражают подобие между оригиналом и моделью не только с точки зрения
их формы и геометрических пропорций, но и с точки зрения проходящих в них основных
физических процессов);
- математические (представляют собой абстрактные описания объектов, явлений или
процессов с помощью знаков, символов). Математические модели имеют вид некоторой
совокупности математических уравнений или неравенств, таблиц, матриц, формул и
других результатов математического описания тех или иных объектов, явлений или
процессов. Математические модели применяются, когда геометрическое или физическое
моделирование объекта затруднено или невозможно вообще.

Линейное программирование – это часть математического программирования, связанная с


решением экстремальных задач, в которых целевая установка (критерий оптимальности) и
условия (ограничения) выражаются линейными функциями.

геометрические связи — Связи, уравнения которых содержат только координаты точек


механической системы

Этапы решения экономико-математических задач.

1 способ: Решение экономико-математической задачи включает следующие этапы:


1.Предварительное построение упрощенной схемы задачи, составленной математическим
языком (эта схема именуется математической моделью объекта)
2. Расчет по этой схеме искомых данных
3.Выводы
2 способ:Решение задачи:
1. Постановка задачи: потребности, выгоды, ресурсы.2. Сбор и оценка данных.3.
Построение концептуальной модели :а)выдвижение гипотез и предложений
;б)определение параметров и переменных модели, в) критериев эффективности.4.
Разработка структурной модели: формулы.5. Разработка алгоритмов и программ, а лучше
найти готовое приложение и настроить его: ввести формулы, связать с данными. 6.
Тестирование 7. Решение задачи. Оценка результатов. 8. Оформление отчета.9. Сдача
проекта, обучение персонала.
геометрические связи — Связи, уравнения которых содержат только координаты точек
механической системы (и, может быть, время)

Графический способ решения задачи ЛП состоит из двух этапов.


 
Этап 1. Построение пространства допустимых решений, удовлетворяющих всем
ограничениям модели.

Этап 2. Нахождение оптимального решения среди всех точек пространства допустимых


решений.

Математи́ческая моде́ль — математическое представление реальности, один из


вариантов модели как системы, исследование которой позволяет получать информацию о
некоторой другой системе.
1. Виды и классы моделей, применяемые в землеустройстве и
кадастрах:
Классификационный признак Виды моделей
Вид проектной Графические
документации Экономические
Степень определенности Детерминистические
информации Стохастические
Вид землеустройства Межотраслевые
Межхозяйственного землеустройства
Внутрихозяйственного
землеустройства
Математические методы, лежащие Аналитические
в основе Экономико – статистичекие
Оптимизационные
Балансовые
Сетевого планирования
Графическая модель – цифровая модель местности
Экономическая модель – выраженные в математической форме различные расчеты по
проетам землеустройства.
Аналитическая модель основана на применении классического математического аппарата
(алгебра, геометрия, мат.анализ). Рассчитывают средние расстояния, коэффициент
компактности землепользования и др.
Экономико – статическая модель основана на использовании статистической информации,
сборе статистических данных (оценить зависимость стоимости здания от удалённости от
станции метро). При этом подбирается статистика по стоимости зданий и их удалённости
за последний год.
Оптимизационная модель основана на методах математического программирования,
позволяющих находить экстремальные (максимальные или минимальные) значения
целевой функции по искомому перечню переменных при заданных условиях
. Под балансовой моделью следует понимать систему уравнений, которые удовлетворяют
следующему требованию: соответствие наличия ресурса и его использования (модель
межотраслевого баланса производства и распределения продукции в региональной
экономике).
Модели сетевого планирования и управления применяются при планировании и
организации землеустроительных работ, при разработке планов перехода к новому
составу угодий и новым севооборотам, при составлении планов реализации проекта
землеустройства и авторского надзора.
1. Землеустроительные задачи, решаемые методами линейного
программирования:
Все задачи землеустроительного проектирования имеют многовариантный характер, а
величины, которыми оперируют, выражаются численно (площади, длины линий,
координаты, валовой объем продукции, прибыль). Их можно связать системой уравнений
и неравенств и объединить определенной целевой функцией, установкой.
Используя методы программирования можно учесть все имеющиеся условия, и, избегая
длительных ручных расчетов, получить наилучший результат.
В проекте внутрихозяйственного землеустройства проводят трансформацию угодий,
рассчитывают потребность скота в кормах и источники их покрытия.
При межхозяйственном землеустройстве используют экономико – математические модели
определения оптимального размера землевладения СХП, оптимизации перераспределения
земель СХП.

ТЕСТ ИЗ ЛЕКЦИЙ

1. Общие свойства моделей:


а) подобность изучаемому объекту и отражают его наиболее
существенные стороны;
б) способность замещать изучаемый объект, явление или процесс;
в) дают информацию о самом моделируемом объекте и о его
предполагаемом поведении при изменяющихся условиях;

2. Методами математического программирования являются:


б) динамическое программирование;
г) линейное

3. В зависимости от вида применяемых математических


методов, модели подразделяются на:
а) аналитические;
б) экономико-статистические;
в) оптимизационные (экономико- математические);
г) балансовые;
д) сетевого планирования и управления

4. Требования, предъявляемые к использованию


математических методов и моделей, в землеустройстве:
1. Сочетание при моделировании количественного и
качественного анализа;
3. Разрабатываемые модели должны учитывать экономические,
технологические, землеустроительные, технические и др. условия;
4. Высокое качество исходной информации;
6. Обязательный анализ и корректировка моделей и
результатов решений;
7. Максимальное упрощение модели;
8. Комплексное применение математических методов и моделей
в проектах землеустройства.

5. Геометрическая модель - это


а) объект, геометрически подобный своему прототипу (оригиналу);

6. Задачами корреляционного анализа являются:


1. Измерение степени связности (тесноты, силы) двух и более
явлений.
2. Отбор факторов, оказывающих наиболее существенное
влияние на результативный признак.
4. Обнаружение неизвестных причинных связей.

7. Запись: y=f (x1; x2;...; xn) означает:


а) математическое выражение регрессионной модели;

8. Модели, используемые при реализации метода сравнения


продаж в массовой оценке недвижимости, могут быть:
1.аддитивными
2.эндогенными
3.мультипликативными
4. гибридными
5. экзогенными

9. Зависимая переменная – это:


а) экономическая переменная, значение которой определяется
внутри модели в результате решения соотношений, образующих
модель.
б) переменная, значение которой определяется вне данной модели.
в) экзогенная переменная.

Установите верную последовательность


10. Последовательность построения регрессионных моделей
такова:
1. получение статистических данных и их обработка.
2. преобразование качественных факторов в количественные
3. экономическая интерпретация модели, то есть ее
использование для конкретных целей
4. верификация оценка степени соответствия регрессионной
модели изучаемому процессу.
5. спецификация – определение математической
формы связи
независимых и зависимой переменных
6. экономический анализ сделок с объектами недвижимости,
определение зависимой переменной и выявление факторов,
влияющих на ее значение.
7. параметризация - определение параметров регрессионной
модели.

ВОПРОСЫ АЛАН

Математические модели – это


-Описания объектов, явлений или процессов в математической
форме с помощью знаков, символов

Какие три типа моделей существуют?


-Геометрические, Физические, Математические

Перечислите общие свойства моделей?


-подобны изучаемому объекту и отражают его наиболее
существенные стороны
-способны замещать изучаемый объект, явление или процесс
-дают информацию о самом моделируемом объекте, о его
предполагаемом поведении при изменяющихся условиях

Какие расчеты производят с применение экономико-


статистической модели?
-оптимизация трансформации угодий
-оптимизация зеленого конвейера

Что означает запись:


∑СijXij→max(min);∑аijxij≤(≥)bij, i=1,2…,m; хj≥0?

-расширенная модель задачи линейного программирования


-Структурная экономико-статистическая модель или
 

Какие уравнения и неравенства называют линейными?


-искомые неизвестные входят только в первой степени

На какие классы подразделяются математические модели,


применяемые в землеустройстве, в зависимости от вида и
формы землеустройства?
-межотраслевые
-межхозяйственного (террит.) землеустройства
-внутрихозяйственного землеустройства

Из каких составных частей состоит математическая модель


задачи линейного программирования?
- целевая функция, система ограничений, условие
неотрицательности

При решении транспортной задачи «минимум» методом


аппроксимации разницы значений Сij по строкам и столбцам
вычисляются между:
-наименьшими значениями

На какие виды делятся математические модели в зависимости


от степени определенности информации?
-детерминистические
-стохастические

Как ликвидировать вырожденность в задачах транспортного


типа?
-поставить в любую клетку цифру 0 и считать ее условно занятой
Какое экономическое значение имеет основная переменная, не
вошедшая в базисное решение?
-развитие отрасли, соответствующей основной переменной,
является нецелесообразным

Что такое критерий оптимальности?


-математически выраженная целевая установка задачи

Что указывает на наличие альтернативного решения в


симплексных задачах?
-нулевые значения коэффициентов замещения в последней
симплексной таблице
По какой формуле можно вычислить значение целевой
функции при решении транспортных задач? Ответ г
-Z=∑∑CijXij→min(max)

Какие расчеты производят с применением экономико-


статистической модели?
-Определение оптимальных размеров землепользований;
-Анализ состояния и использования земель.

Какие из приведенных ниже групп показателей содержатся в


последней симплексной таблице?
-Коэффициенты замещения двойственные оценки, значения
свободных членов, ответ задачи ?
Или – свободные члены, баз переменные, коэф замещения

Чему равны значения переменных в последней симплексной


таблице? Ответ 2 - Х1=841.8, Х2=60.15, Х3=30, Х4=58.15, Х5=80880…
Ответ 2

ответ -20
Ответ 3

Ответ 2

Ответ: 1,2,3,6
ответ 2

ответ 2

ответ: целевая функция


ответ: 2(если больше)

Ответ:1

Ответ 2

Ответ 3
Ответ 1

ответ 1

ответ 2

ответ 1,2,3
ответ:1,2,4,6

Ответ:1,3,4
ответ:4

Коэффициент корреляции - это статистический показатель


зависимости двух случайных величин. Коэффициент
корреляции может принимать значения от -1 до +1. При
этом, значение -1 будет говорить об
отсутствии корреляции между величинами, 0 - о
нулевой корреляции, а +1 - о полной корреляции величин.
Т.е., че ближе значение коэффициента корреляции к +1,
тем сильнее связь мезду двумя случайными величинами.

Х,У- значение изученных факторов


Х,У- среднее значение по каждому фактору
Раздел 2. Общая модель линейного программирования и ее применение в
земельном и городском кадастрах
Задача 4. Оптимизация строительства жилых и нежилых помещений в
поселении. Разработка модели общей задачи линейного программирования.
Построение матрицы экономико-математической модели задачи для решения
на ПЭВМ по программе «SIMPL».

Максимум стоимости товарной продукции равен 62833.333 тыс.руб. Такое


значение целевой функции будет достигнуто при строительстве следующих типов
домов (основные переменные, вошедшие в базис):
Х1осн – количество жилых многоэтажных зданий = 0 шт;
Основные переменные, не вошедшие в базис (все небазисные переменные равны
нулю), характеризуют отрасли, развитие которых нецелесообразно. Вот эти
переменные:
Х2 – количество коттеджей = 0 шт;
Остаточные переменные, вошедшие в базис, показывают наличие
соответствующих ресурсов (недефицитные ресурсы):
Х18 – остаточная в ограничении 1, т.е. остаток общей площади = 49033,300 м 2;
Х24 – остаточная в ограничении 10, т.е остаток заправочных станций = 1 шт.
Остаточные переменные, не вошедшие в базис, показывают, что соответствующий
ресурс исчерпан полностью. Их принято называть «дефицитными».
Ограниченность этих ресурсов сдерживает дальнейший рост производства. Чем
более дефицитен ресурс, тем выше его оценка:
Х9 – остаточная в ограничении 1, т.е. остаток общей площади;
Избыточные переменные, вошедшие в базис, характеризуют перевыполнение
плана продукции. Таких переменных в данной задаче нет.
Избыточные переменные, не вошедшие в базис, показывают, что план
производства продукции строго выполняется. Таких переменных в данной задаче
нет.
Т.к. при небазисных переменных в индексной строке есть нулевые элементы, то
данная задача имеет альтернативные решения.
Каноническая форма записи

Экстремальное значение целевой функции - основной показатель достигаемого в


результате оптимизации эффекта:
Zmax = 694400.000 руб.

Транспортная задача является представителем класса задач


линейного программирования и поэтому обладает всеми качествами линейных
оптимизационных задач, но одновременно она имеет и ряд дополнительных
полезных свойств, которые позволили разработать специальные методы ее
решения. Эти методы, как и симплексный метод, позволяют найти начальное
опорное решение, а затем, улучшая его, получить оптимальное решение. Под
термином «транспортные задачи» понимается широкий круг задач не только
транспортного характера. Общим для них является, как правило, распределение
ресурсов, находящихся у m производителей (поставщиков), по n потребителям этих
ресурсов.
Отличительные особенности распределительных задач линейного
программирования:
1. Все условия задачи (ограничения) представлены в виде уравнений.
2. Все переменные выражаются в одних и тех же единицах измерения (га, км, руб,
ц и т. д.).
3. Все коэффициенты при переменных в ограничениях модели всегда равны
единицы.
4. Каждая переменная входит только в два ограничения: в ограничение по строке и
в ограничение по столбцу.
Частью линейного программирования являются транспортные задачи, которые
играют особую роль в уменьшении транспортных издержек предприятия. Это
является актуальным вопросом в условиях рыночной экономики, когда любые
затраты должны быть минимизированы, ведь тогда издержки покрываются
меньшей частью прибыли, а также позволяют снизить себестоимость продукции на
рынке, что делает предприятие более конкурентоспособным.

Для решения транспортных задач разработан специальный метод, имеющий


следующие этапы:

1). Нахождение исходного опорного решения

2). Проверка этого решения на оптимальность

3). Переход от одного опорного решения к другому

Задача.
Найти такую комбинацию стоимости разных типов домов и округов, при
которых целевая функция примет минимальное значение:
m n
Z    Cij X ij  min
i 1 j 1

Ограничения по строкам:
n

x
i 1
ij  Ai ; i  1,2...m .

Ограничения по столбцам:
m

x
i 1
ij  Bj ; j  1,2...n .

Балансовое условие:
.
m n

 A  B
i 1
i
j 1
j .
Условие неотрицательности переменных:
X ij  0, i  1,2...m, j  1,2...n .

Матричная запись исходных данных задачи после учета требований


сбалансированности представлена в табл.2.

2) Определение опорного методом минимального элемента

2.1. Проверка сбалансированности задачи


Балансовое условие:
 A  B
i j
.
В данном случае условие не выполняется, поскольку ∑А >∑B
Чтобы привести задачу к сбалансированному виду, вводим фиктивный участок с
m n

площадью, равной А5   Ai   B j = 360. В результате исходная таблица примет


i 1 j 1

следующий вид :
Таблица 3
Табличное представление исходных данных задачи
Стоимость Cij 1 м2 жилья, руб Предполагаемый
объём
Типы зданий строительства, м2
ЦАО СВАО ЮАО ЮЗАО Ф
Аi
700 500 600 500 0
Панельный 19400
X11 X12 X13 X14 Х15
964 800 850 800 0
Кирпичный 5000
X21 X22 X23 X24 Х25
800 700 750 750 0
Монолитный 6000
X31 X32 X33 X34 Х35

Индивидуальны 1000 850 1640 900 0


й 4000
X41 X42 X43 X44 Х45
Общая 34400
потребность в
жилье по 16400 5640 5000 7000 360 34400
округам,м2
Bj

Запись задачи в развёрнутом виде с конкретными технолого-экономическими


коэффициентами.
Граничные условия
Ограничения по строкам исходной матрицы:
x11+x12+x13+x14+х15=18400
x21+x22+x23+x24+х25=5000,
x31+x32+x33+x34+х35=6000,
x41+x42+x43+x44+х45=4000,
Ограничения по столбцам исходной матрицы:
x11+x21+x31+x41 =16400,
x12+x22+x32+x42 =5640,
x13+x23+x33+x43 =5000,
x14+x24+x34+x44 =7000,
х15+х25+х35+х45=360.
3) условие не отрицательности неизвестных:
x11  0, x12  0, x13  0, x14  0, x21  0, x22  0, x23  0, x24  0, x31  0,x32  0, x33  0, x34
 0, x41  0, x42  0, x43  0, x44  0, x15  0, x25  0, x35  0, x45  0.
Получение опорного решения методом минимального элемента удобно
проводить в таблице специального вида (табл.4).
Получение опорного решения методом минимального элемента

Таблица 4
Стоимость Cij 1 м2 жилья, руб Предполагаемый
объём
Типы зданий строительства, м2
ЦАО СВАО ЮАО ЮЗАО Ф
Аi
Панельный 700 500 600 500 0 19400 13760
1760 5640 5000 7000 6760 1760 0
964 800 850 800 0
Кирпичный 5000 0
5000 X22 X23 X24 Х25
800 700 750 750 0
Монолитный 6000 0
6000 X32 X33 X34 Х35
1000 850 1640 900 0
Индивидуальный 4000 360
3640 X42 X43 X44 360
Общая 34400
потребность в жилье 16400
5640 5000 7000 360 0
по округам,м2 8640 3640 0 34400
0 0 0
Bj

Порядок заполнения маршрутов показан цифрами в скобочках (1), (2) и т.д. до


получения опорного решения.
Алгоритм решения.
Из всех оценок выбираем минимальную С12=500
В данную клетку вносим минимальное число (Bj или Аi)равное x12=5640
Из соответствующей потребности в жилье вычитаем объем
А2-5640=13760.

Контроль вычислений:

1) Проверка по числу занятых клеток К зан .


Количество занятых клеток в опорном плане должно быть равно условию
вырожденности:
К зан  m  n  1 , где m – число строк, n – число столбцов.
В нашем случае К зан  8 и m + n - 1 = 8; то есть решение верное и невырожденное.

2) Проверка опорного решения на выполнение граничных условий:


Проверим оптимальность опорного плана. Найдем предварительные
потенциалы ui, vj. по занятым клеткам таблицы, в которых ui + vj = cij, полагая, что
u1 = 0.
u1 + v1 = 700; 0 + v1 = 700; v1 = 700
u2 + v1 = 964; 700 + u2 = 964; u2 = 264
u3 + v1 = 800; 700 + u3 = 800; u3 = 100
u4 + v1 = 1000; 700 + u4 = 1000; u4 = 300
u4 + v5 = 0; 300 + v5 = 0; v5 = -300
u1 + v2 = 500; 0 + v2 = 500; v2 = 500
u1 + v3 = 600; 0 + v3 = 600; v3 = 600
u1 + v4 = 500; 0 + v4 = 500; v4 = 500
Граничные условия по строкам и столбцам выполняются.
3) Целевая функция:
m n
Z1=  C ij X ij =700*1760 + 500*5640 + 600*5000 + 500*7000 + 964*5000 +
i 1 i 1

800*6000 + 1000*3640 + 0*360 = 23812000

4) Проверка опорного решения на оптимальность.


Введем новые характеристики потенциалы поставщиков и потенциалы
потребителей продукции (U и V соответственно).
1 1

Проверим оптимальность опорного плана. Найдем предварительные


потенциалы U и V производится по занятым клеткам по формуле:  i  Cij   j ;
1 1

полагая, что U = 0.
1
Таблица 5
Стоимость 1 м2 жилья Предполага
V4=500 емый объём
Типы зданий
V1=700 V2=500 V3=586 V5=-300 строительст
ва
700 500 600 500
U1=0 0 19400
1760 5640 5000 7000
964 800 850 800 0
U2=264 5000
5000 X22 X23 X24 Х25

800 700 750 750 0


U3=100 6000
6000 X32 X33 X34 Х35

1000 850 1640 900 0


U4=300 4000
3640 X42 X43 X44 360
34400
Потребность в 360
16400 5640 5000 7000
жилье
34400

Опорный план не является оптимальным, так как существуют оценки свободных


клеток, для которых ui + vj > cij

(2;3): 264 + 600 > 850; ∆23 = 264 + 600 - 850 = 14 > 0

Выбираем максимальную оценку свободной клетки (2;3): 850

Для этого в перспективную клетку (2;3) поставим знак «+», а в остальных


вершинах многоугольника чередующиеся знаки «-», «+», «-».
Таблица 6
Объём
Ф строит-ва
Типы зданий ЦАО СВАО ЮАО ЮЗАО (предлож
ение),
кв.м
(+)700 500 (-)600 500
Панель 1760 5640 7000 0 19400
5000

Кирпич (-)964 800 (+)850 800


5000
5000 0
800 700 750 750
монолит 6000 0 6000

1000 850 1640 900 0


индивид 3640
4000
360
Потребность в
жилье (спрос), 16400 5640 5000 7000 360
кв.м
Цикл приведен в таблице (2,3 → 2,1 → 1,1 → 1,3).
Из хij стоящих в минусовых клетках, выбираем наименьшее, т.е. у = min (1, 3) =
5000. Прибавляем 5000 к объемам, стоящих в плюсовых клетках и вычитаем 5000
из Хij, стоящих в минусовых клетках. В результате получим новый опорный план.

Таблица 7

V4=500 Объём
строит-ва
Типы зданий V1=700 V2=500 V3=586 V5=-300
(предложение
), кв.м
700 500 600 500 0
U1=0 19400
6760 5640 7000

964 800 850 800 0


U2=264 5000
0 5000

800 700 750 750 0


U3=100 6000
6000

1000 850 1640 900 0


U4=300 4000
3640 360

Потребность
в жилье 16400 5640 5000 7000 360
(спрос), кв.м

Проверим оптимальность опорного плана. Найдем предварительные


потенциалы ui, vj. по занятым клеткам таблицы, в которых ui + vj = cij, полагая, что
u1 = 0.
u1 + v1 = 700; 0 + v1 = 700; v1 = 700
u2 + v1 = 964; 700 + u2 = 964; u2 = 264
u2 + v3 = 850; 264 + v3 = 850; v3 = 586
u3 + v1 = 800; 700 + u3 = 800; u3 = 100
u4 + v1 = 1000; 700 + u4 = 1000; u4 = 300
u4 + v5 = 0; 300 + v5 = 0; v5 = -300
u1 + v2 = 500; 0 + v2 = 500; v2 = 500
u1 + v4 = 500; 0 + v4 = 500; v4 = 500

Таблица 8
Типы зданий V1=700 V2=500 V3=586 V4=500 V5=-300
U1=0 700 500 600 500 0
6760 5640 7000
964 800 850 800 0
U2=264
0 5000
800 700 750 750 0
U3=100
6000
1000 850 1640 900 0
U4=300
3640 360
Потребность
в жилье 16400 5640 5000 7000 360
(спрос), кв.м

Опорный план является оптимальным, так все оценки свободных клеток


удовлетворяют условию ui + vj ≤ cij.
Минимальные затраты составят: F(x) = 700*6760 + 500*5640 + 500*7000 +
850*5000 + 800*6000 + 1000*3640 + 0*360 = 23742000

Таблица 9-Окончательное решение задачи


Стоимость Cij 1 м2 жилья, руб Предполагаемый
объём
Типы зданий строительства, м2
ЦАО СВАО ЮАО ЮЗАО Ф
Аi
700 500 600 500 0
Панельный 19400
6760 5640 X13 7000 Х15
964 800 850 800 0
Кирпичный 5000
0 X22 5000 X24 Х25
800 700 750 750 0
Монолитный 6000
6000 X32 X33 X34 Х35
1000 850 1640 900 0
Индивидуальный 4000
3640 X42 X43 X44 360
Общая
потребность в жилье
по округам,м2 16400 5640 5000 7000 360
Bj
Рассчитаем значение целевой функции полученного решения: Z= 700*6760 +
500*5640 + 500*7000 + 850*5000 + 800*6000 + 1000*3640 + 0*360 = 23742000
Ответ:
Минимальная стоимость нового жилья составит 23742000 руб, если:
- в ЦАО будет продано 6760 кв.м. жилой площади в панельном типе зданий, 6000
кв.м в монолитном типе, 3640 кв.м в индивидуальном типе зданий ;
- в СВАО будет продано 5640 кв.м жилой площади в панельном типе зданий;
- в ЮАО будет продано 5000 кв.м. жилой площади в кирпичном типе зданий;
- в ЮЗАО будет продано 7000 кв.м. жилой площади в панельном типе зданий.