Математические методы исследования операций

Математические методы исследования операций

регрессионный анализ модель программный

• Введение
• 1. Описание предметной области и постановка задачи исследования
• 2. Описание используемого математического аппарата при проведении расчетов
• 3. Описание выбранного программного продукта
• 4. Практическая часть
• Заключение
• Список литературы
• Введение
• В экономике основой практически любой деятельности является прогноз. Уже на основе прогноза составляется план действий и мероприятий. Таким образом, можно сказать, что прогноз макроэкономических переменных является основополагающей составляющей планов всех субъектов экономической деятельности. Прогнозирование может осуществляться как на основе качественных (экспертных), так и с помощью количественных методов. Последние сами по себе могут ничего без качественного анализа, также как и экспертные оценки должны подкрепляться обоснованными расчетами.
• Теперь уже прогнозы даже на макроэкономическом уровне носят сценарный характер, разрабатываются по принципу: «что будет, если…», — и нередко являются предварительным этапом и обоснованием крупных народнохозяйственных программ. Макроэкономические прогнозы, как правило, выполняются с периодом упреждения в один год. Современная практика функционирования экономики требует краткосрочных прогнозов (полгода, месяц, декада, неделя). Предназначенных для задач обеспечения опережающей информацией отдельных участников экономики.
• С изменениями в объектах и задачах прогнозирования изменился перечень методов прогнозирования. Бурное развитие получили адаптивные методы краткосрочного прогнозирования.
• Современное экономическое прогнозирование требует от разработчиков разносторонней специализации, владения знаниями из различных областей науки и практики. В задачи прогнозиста входят владение знаниями о научном (как правило, математическом) аппарате прогнозирования, о теоретических основах прогнозируемого процесса, об информационных потоках, о программном обеспечении, интерпретации результатов прогнозирования.

Основная функция прогноза — обоснование возможного состояния объекта в будущем или определение альтернативных путей.

Значение бензина как основного вида топлива на сегодняшний день сложно переоценить. И настолько же сложно переоценить влияние его цены на экономику любой страны. От динамики цен на топливо зависит характер развития экономики страны в целом. Повышение цен на бензин вызывает увеличение цен на промышленные товары, приводит к усилению инфляционных издержек в экономике и снижению рентабельности энергоёмких производств. Затраты на нефтепродукты являются одной из составных частей цен товаров потребительского рынка, а транспортные расходы оказывают влияние на структуру цены всех без исключения потребительских товаров и услуг.

Особое значение приобретает вопрос стоимости бензина в развивающейся украинской экономике, где любое изменение цен вызывает незамедлительную реакцию во всех её отраслях. Однако влияние этого фактора не ограничивается только сферой экономики, к последствиям его колебаний могут быть также отнесены многие политические и социальные процессы.

Таким образом, исследование и прогнозирование динамики данного показателя приобретает особую значимость.

Целью данной работы является прогнозирование цен на топливо на ближайшее время.

1. Описание предметной области и постановка задачи исследования

Украинский рынок бензина сложно назвать постоянным или предсказуемым. И этому есть множество причин, начиная с того факта, что сырьем для производства горючего является нефть, цены и объем производства которой определяются не только спросом и предложением на внутренних и внешнем рынкам, но и политикой государства, а также специальными соглашениями компаний-производителей. В условиях сильной зависимости украинской экономики, она зависима от экспорта стали и химии, а цены на эту продукцию постоянно меняются. И говоря о ценах на бензин нельзя не отметить их тенденцию к росту. Несмотря на проводимую государством сдерживающую политику, привычным для большинства потребителей является именно их рост. Цены на нефтепродукты в Украине сегодня меняются ежедневно. В основном зависят от стоимости нефти на мировом рынке ($ /баррель) и уровня налоговой нагрузки.

Исследование цен на бензин очень актуально в настоящее время, поскольку именно от этих цен зависят цены других товаров и услуг.

В данной работе будет рассмотрена зависимость цен на бензин от времени и таких факторов, как:

ь цены на нефть, доллар США за баррель

ь официальный курс доллара (НБУ), гривен за доллар США

ь индекс потребительских цен

Цена бензина, являющегося продуктом нефтепереработки, непосредственно связана с ценой указанного природного ресурса и объемами его выработки. Курс же доллара оказывает существенное влияние на всю украинскую экономику, в частности на формирование цен на её внутренних рынках. Непосредственная связь этого параметра с ценами на бензин напрямую зависит от курса доллара США. ИПЦ отражает общее изменение цен внутри страны, а поскольку экономически доказанным является то, что изменение цен на одни товары в абсолютном большинстве случаев (в условиях свободной конкуренции) ведет к росту цен других товаров, резонно предположить, что изменение цен товаров по стране влияет на исследуемый в работе показатель.

2. Описание используемого математического аппарата при проведении расчетов

Регрессионный анализ Регрессионный анализ — метод моделирования измеряемых данных и исследования их свойств. Данные состоят из пар значений зависимой переменной (переменной отклика) и независимой переменной (объясняющей переменной). Регрессионная модель есть функция независимой переменной и параметров с добавленной случайной переменной. Параметры модели настраиваются таким образом, что модель наилучшим образом приближает данные. Критерием качества приближения (целевой функцией) обычно является среднеквадратичная ошибка: сумма квадратов разности значений модели и зависимой переменной для всех значений независимой переменной в качестве аргумента. Регрессионный анализ — раздел математической статистики и машинного обучения. Предполагается, что зависимая переменная есть сумма значений некоторой модели и случайной величины. Относительно характера распределения этой величины делаются распределения, называемые гипотезой порождения данных. Для подтверждения или опровержения этой гипотезы выполняются статистические тесты, называемые анализом остатков. При этом предполагается, что независимая переменная не содержит ошибок. Регрессионный анализ используется для прогноза, анализа временных рядов, тестирования гипотез и выявления скрытых взаимосвязей в данных. Регрессия — зависимость математического ожидания (например, среднего значения) случайной величины от одной или нескольких других случайных величин (свободных переменных), то есть. Регрессионным анализом называется поиск такой функции, которая описывает эту зависимость. Регрессия может быть представлена в виде суммы неслучайной и случайной составляющих. где — функция регрессионной зависимости, а — аддитивная случайная величина с нулевым мат ожиданием. Предположение о характере распределения этой величины называется гипотезой порождения данных. Обычно предполагается, что величина имеет гауссово распределение с нулевым средним и дисперсией .

Задача нахождения регрессионной модели нескольких свободных переменных ставится следующим образом. Задана выборка — множество значений свободных переменных и множество соответствующих им значений зависимой переменной. Эти множества обозначаются как, множество исходных данных .

Задана регрессионная модель — параметрическое семейство функций зависящая от параметров и свободных переменных. Требуется найти наиболее вероятные параметры :

Функция вероятности зависит от гипотезы порождения данных и задается Байесовским выводом или методом наибольшего правдоподобия.

Метод наименьших квадратов Метод наименьших квадратов — метод нахождения оптимальных параметров линейной регрессии, таких, что сумма квадратов ошибок (регрессионных остатков) минимальна. Метод заключается в минимизации евклидова расстояния между двумя векторами — вектором восстановленных значений зависимой переменной и вектором фактических значений зависимой переменной.

Задача метода наименьших квадратов состоит в выборе вектора, минимизируют ошибку. Эта ошибка есть расстояние от вектора до вектора. Вектор лежит в пространстве столбцов матрицы, так как есть линейная комбинация столбцов этой матрицы с коэффициентами. Отыскание решения по методу наименьших квадратов эквивалентно задаче отыскания такой точки, которая лежит ближе всего к и находится при этом в пространстве столбцов матрицы .

Таким образом, вектор должен быть проекцией на пространство столбцов и вектор невязки должен быть ортогонален этому пространству. Ортогональность состоит в том, что каждый вектор в пространстве столбцов есть линейная комбинация столбцов с некоторыми коэффициентами, то есть это вектор. Для всех в пространстве, эти векторы должны быть перпендикулярны невязке :

Так как это равенство должно быть справедливо для произвольного вектора, то

Решение по методу наименьших квадратов несовместной системы, состоящей из уравнений с неизвестными, есть уравнение которое называется нормальным уравнением. Если столбцы матрицы линейно независимы, то матрица обратима и единственное решение

Проекция вектора на пространство столбцов матрицы имеет вид

Матрица называется матрицей проектирования вектора на пространство столбцов матрицы. Эта матрица имеет два основных свойства: она идемпотентна,, и симметрична,. Обратное также верно: матрица, обладающая этими двумя свойствами есть матрица проектирования на свое пространство столбцов.

Пусть имеем статистические данные о параметре y в зависимости от х. Эти данные представим в виде

Метод наименьших квадратов позволяет при заданном типе зависимости y=ц (x) так выбрать ее числовые параметры, чтобы кривая y=ц (x) наилучшим образом отображала экспериментальные данные по заданному критерию. Рассмотрим обоснование с точки зрения теории вероятностей для математического определения параметров, входящих в ц (x).

Предположим, что истинная зависимость y от х в точности выражается формулой y=ц (x). Экспериментальные точки, представленные в табл.2, отклоняются от этой зависимости следствие ошибок измерения. Ошибки измерения подчиняются по теореме Ляпунова нормальному закону. Рассмотрим какое-нибудь значение аргумента х_i. Результат опыта есть случайная величина y_i, распределенная по нормальному закону с математическим ожиданием ц (x_i) и со средним квадратным отклонением у_i, характеризующим ошибку измерения. Пусть точность измерения во всех точках х=(х₁, х₂, …, х_n) одинакова, т. е. у₁=у₂=…=у_n=у. Тогда нормальный закон распределения Y_i имеет вид:

В результате ряда измерений произошло следующее событие: случайные величины (y₁^*, y₂^*, …, y_n^*).

3. Описание выбранного программного продукта

Mathcad — система компьютерной алгебры из класса систем автоматизированного проектирования, ориентированная на подготовку интерактивных документов с вычислениями и визуальным сопровождением, отличается легкостью использования и применения для коллективной работы. Mathcad относится к системам компьютерной алгебры, то есть средств автоматизации математических расчетов. В этом классе программного обеспечения существует много аналогов различной направленности и принципа построения. Наиболее часто Mathcad сравнивают с такими программными комплексами, как Maple, Mathematica, MATLAB, а также с их аналогами MuPAD, Scilab, Maxima и др. Впрочем, объективное сравнение осложняется в связи с разным назначением программ и идеологией их использования.

Разработчики Mathcad сделали ставку на расширение системы в соответствии с потребностями пользователя. Для этого назначены дополнительные библиотеки и пакеты расширения, которые можно приобрести отдельно и которые имеют дополнительные функции, встраиваемые в систему при установке, а также электронные книги с описанием методов решения специфических задач, с примерами действующих алгоритмов и документов, которые можно использовать непосредственно в собственных расчетах. Кроме того, в случае необходимости и при условии наличия навыков программирования в C, есть возможность создания собственных функций и их прикрепления к ядру системы через механизм DLL. Mathcad, в отличие от Maple, изначально создавался для численного решения математических задач, он ориентирован на решение задач именно прикладной, а не теоретической математики, когда нужно получить результат без углубления в математическую суть задачи. Впрочем, для тех, кому нужны символьные вычисления и предназначено интегрированное ядро Maple (с версии 14 — MuPAD).

4. Практическая часть Задачей исследование является прогнозирование цен на бензин. Исходная информация представляет из себя временной ряд размерностью 36 недельс мая 2012 г. по декабрь 2012 г.

Даные статистики (36 недель) представлены в матрице Y. Дальше создадим матрицу H, которая понадобится для нахождения вектора А.

Представим исходные данные и значения, рассчитанные с помощью модели:

Для оценки качества модели используем коэффициент детерминации.

Для начала найдем среднее значение Xs:

Часть дисперсии, которая обусловлена регрессией, в общей дисперсии показателя Y характеризует коэффициент детерминации R2.

Коэффициент детерминации, принимает значения от -1 до +1. Чем ближе его значение коэффициента по модулю к 1, тем теснее связь результативного признака Y с исследуемыми факторами X.

Величина коэффициента детерминации служит важным критерием оценки качества линейных и нелинейных моделей. Чем значительнее доля объясненной вариации, тем меньше роль других факторов, и значит, модель регрессии хорошо аппроксимирует исходные данные и такой регрессивной модели можно использовать для прогноза значений результативного показателя. Мы получили коэффициент детерминации R2 = 0,78, следовательно, уравнением регрессии объясняется 78% дисперсии результативного признака, а на долю других факторов приходится 22% ее дисперсии (т.е. остаточная дисперсия).

Поэтому, делаем вывод, что модель адекватна.

На основании полученных данных можно составить прогноз цен на топливо на 37 неделю 2013 года. Формула для расчета выглядит следующим образом:

Рассчитанный прогноз с помощью этой модели: цена на бензин равна 10,434 грн.

Заключение

В данной работе была показана возможность проведения регрессионного анализа для прогнозирования цен на бензин на будущие периоды. Целью курсовой работы были закрепления знаний по курсу «Математические методы исследования операций» и получения навыков разработки программного обеспечения, позволяющего автоматизировать исследования операций в заданной предметной области.

Прогноз относительно будущей цены бензина, конечно, не однозначен, что связано с особенностями изначальных данных и разработанных моделей. Однако, исходя из полученной информации, резонно предположить, что в ближайшее время цены на бензин, конечно, не снизятся, но, скорее всего, останутся на прежнем уровне или будут слабо расти. Конечно, здесь не учтены факторы, связанные с ожиданиями потребителей, политикой в области таможенных пошлин и многие другие факторы, но хочется отметить, что они в значительной мере «взаимопогашаемы». И достаточно обоснованным будет заметить, что резкий скачок цен на бензин на данный момент действительно крайне сомнителен, что, в первую очередь, связано с проводимой правительством политикой.

1. Бююль А., Цёфель П. SРSS: искусство обработки информации. Анализ статистических данных и восстановление скрытых закономерностей.- СПб.: ООО «ДиаСофтЮП», 2001. 608 с.

2. Ресурсы Интернет http://www.ukrstat.gov.ua/

3. Ресурсы Интернет http://index.minfin.com.ua/

4. Ресурсы Интернет http://fx-commodities.ru/category/oil/