Автор работы: Пользователь скрыл имя, 03 Декабря 2014 в 23:02, контрольная работа
Появление вычислительных машин в 50-х гг. создало до становления информатики необходимую ей аппаратную поддержку, нужную для хранения и переработки информации. Но, конечно, с информацией люди оперировали уже задолго до появления компьютеров. Начиная с древнего абака, дожившего до наших дней в виде конторских счетов, создавались приспособления для обработки числовой информации. Механические устройства типа арифмометров, счетные электрические клавишные машины, счетно-аналитическая техника и многие другие приборы были нацелены на решение тех же задач, которые в полном объеме стали реализовываться в компьютерах.
Экономико-математические методы основаны на использовании корреляционного и регрессионного анализа, позволяющего устанавливать тесноту связи и вид зависимости среднего значения какой-либо величины от некоторой другой или от нескольких величин. В нашем случае - это установление зависимости развития спроса от влияния наиболее главных факторов. в практике прогнозирования товарно-групповой структуры спроса чаще всего применяются трендовые и регрессионные модели:
Трендовые модели прогнозирования спроса представляют собой уравнения, формализующие устойчивые процессы его развития. Они применяются для прогнозирования наиболее стабильных закономерностей по крупным товарным подотраслям (например, соотношение спроса на продовольственные и непродовольственные товары). Основной параметр трендовых моделей -время, то есть по существу речь также идет об экстраполяции на прогнозируемый период тенденций и закономерностей базисного периода.
Регрессионные (факторные) модели отражают количественную связь одного показателя с другим или с группой других (множественная регрессия). В качестве переменных выступают факторы, определяющие динамику спроса. Математическую основу построения моделей составляют важнейшие положения теории вероятности, математической статистики и высшей математики. Процесс построения подобных моделей состоит из нескольких последовательных этапов.
Первым и важнейшим этапом моделирования развития товарно-групповой структуры спроса населения является отбор факторов. Они должны отражать объективные процессы изучаемого явления, быть количественно измеримыми и независимыми друг от друга.
На втором этапе рассчитывается сила влияния или теснота связи между факторами и спросом в базисном периоде. Она определяется с помощью коэффициентов корреляции и критериев согласия.
На третьем этапе выявляется математическая форма связи или вид зависимости спроса от факторов, подбираются функции, наиболее точно описывается процесс развития спроса.
Четвертый этап: расчет параметров уравнения. Параметры уравнений выражают степень и направление воздействия каждого фактора на спрос и рассчитываются методом наименьших квадратов.
Пятый этап: оценка прогностической ценности модели на основе ретроспективных расчетов.
Экономико-математические методы эффективно используется при краткосрочном прогнозировании. Так как объективная реальность нашей экономики состоит в том, что довольно трудно выявить и определить количественно более менее стабильные факторы, влияющие на прогнозируемый процесс. Поэтому составление среднесрочных и, тем более, долгосрочных прогнозов представляется довольно затруднительным в современных условиях. И как правило, преобладает прогнозирование на краткосрочные периоды. Экономико-математическое моделирование является основой экономической прогностики. Оно позволяет на строго количественной основе выявить характер связей между отдельными элементами рынка и теми факторами, которые влияют на его развитие. Что особенно важно - математические модели дают возможность наблюдать, как станут развиваться события при тех или иных начальных допущениях
Пусть имеется некоторая система, которая с течением времени изменяет свое состояние случайным образом. В этом случае говорят, что в системе протекает случайный процесс.
Процесс называется процессом с дискретными состояниями, если его состояния , , … можно заранее перечислить и переход системы из одного состояния в другое происходит скачком. Процесс называется процессом с непрерывным временем, если переходы системы из состояния в состояние происходят мгновенно.
Процесс работы СМО – это случайный процесс с дискретными состояниями и непрерывным временем.
Случайный процесс называют марковским или случайным процессом без последействия, если для любого момента времени вероятностные характеристики процесса в будущем зависят только от его состояния в данный момент и не зависят от того, когда и как система пришла в это состояние.
При анализе процессов работы СМО удобно пользоваться геометрической схемой – графом состояний. Обычно состояния системы изображаются прямоугольниками, а возможные переходы из состояния в состояние – стрелками. Пример графа состояний приведен на рис. 1.
Рис. 1. Граф состояний
Поток событий – последовательность однородных событий, следующих одно за другим в случайные моменты времени.
Поток характеризуется интенсивностью – частотой появления событий или средним числом событий, поступающих в СМО в единицу времени.
Поток событий называется регулярным, если события следуют одно за другим через определенные равные промежутки времени.
Поток событий называется стационарным, если его вероятностные характеристики не зависят от времени. В частности, интенсивность стационарного потока есть величина постоянная: .
Поток событий называется ординарным, если вероятность попадания на малый участок времени двух и более событий мала по сравнению с вероятностью попадания одного события, т.е., если события появляются в нем поодиночке, а не группами.
Все переходы в системе из состояния в состояние происходят под некоторым потоком событий. Пусть система находится в некотором состоянии , из которого возможен переход в состояние , тогда можно считать, что на систему воздействует простейший поток с интенсивностью λ переводящий ее из состояния в . Как только появляется первое событие потока, происходит ее переход . Для наглядности на графе состояний у каждой стрелки, соответствующей переходу, указывается интенсивность . Такой размеченный граф состояний позволяет построить математическую модель процесса, т.е. найти вероятности всех состояний как функции времени. Для них составляются дифференциальные уравнения, называемые уравнениями Колмогорова.
Правило составлений уравнений Колмогорова: В левой части каждого из уравнений стоит производная по времени от вероятности данного состояния. В правой части стоит сумма произведений всех состояний, из которых возможен переход в данное состояние, на интенсивности соответствующих потоков событий минус суммарная интенсивность всех потоков, выводящих систему из данного состояния, умноженная на вероятность данного состояния.
Например, для графа состояний, приведенного на рис.1, уравнения Колмогорова имеют вид:
Т.к. в правой части системы каждое слагаемое входит 1 раз со знаком и 1 раз со знаком , то, складывая все уравнений, получим, что
Информатика, как и математика, и как физика и др. является наукой для описания и исследования проблем других наук. Она предоставляет свои общие и/или частные методы исследования другим наукам, помогает прокладывать и усиливать междисциплинарные связи, исследовать проблемы различных наук, цементирует их своими идеями, методами, технологиями и, особенно, своими результатами.
Информатика предоставляет междисциплинарные методы и процедуры: абстрагирование и конкретизация; анализ и синтез; индукция и дедукция; формализация; виртуализация; визуализация; структурирование; алгоритмизация и программирование; инфологическое (информационно-логическое) моделирование; математическое моделирование; компьютерное моделирование, вычислительный эксперимент; программное управление; распознавание, классификация и идентификация образов; экспертное оценивание, тестирование, макетирование и другие методы.
Имитационное моделирование - это метод исследования, при котором изучаемая система заменяется моделью с достаточной точностью описывающей реальную систему и с ней проводятся эксперименты с целью получения информации об этой системе. Экспериментирование с моделью называют имитацией (имитация - это постижение сути явления, не прибегая к экспериментам на реальном объекте).