ВСЕРОССИЙСКИЙ ЗАОЧНЫЙ ФИНАНСОВО-ЭКОНОМИЧЕСКИЙ ИНСТИТУТ
Филиал в г. Уфе
Лабораторная работа
по дисциплине «ЭММ и ПМ»
Вариант 3
Выполнила:
.
Проверил
Уфа, 2007 г.
Лабораторная работа №1
Вариант №3
Задача линейного программирования
Предприятие электронной промышленности выпускает две модели радиоприемников, причем каждая модель производится на отдельной технологической линии. Суточный объем производства первой линии – 60 изделий, второй линии – 75 изделий. На радиоприемник первой модели расходуется 10 однотипных элементов электронных схем, на радиоприемник второй модели – 8 таких же элементов. Максимальный суточный запас используемых элементов равен 800 единицам. Прибыль от реализации одного радиоприемника первой и второй моделей равны 30 и 20 ден. ед. соответственно. Определите оптимальные суточные объемы производства первой и второй моделей, чтобы прибыль была максимальной.
Экономико-математическая модель
Обозначим через Х1,Х2 суточный объем производства (количество моделей радиоприемников).
Целевая функция – этой математическая запись критерия оптимальности, то есть, выражение, которое необходимо максимизировать
f(х) = 30Х1 + 20Х2
Ограничения по продукции:
10Х1 + 8Х2 <= 800
Х1 <= 60
Х2 <= 75
Решение:
1. Создать форму для ввода условий задачи. Запустим Excel, выбрав Microsoft Excel из подменю Программы главного меню Windows. Открывается чистый лист Excel.Создадим текстовую форму – таблицу для ввода условий задачи (рис 1)
Рис.1
2. Укажим адреса ячеек, в которые будет помещен результат решения (изменяемые ячейки). Обозначим через Х1, Х2 количество моделей радиоприемников. В нашей задаче оптимальные значения компонентов вектора Х = (Х1, Х2) будут помещены в ячейках В3:С3, оптимальное значение целевой функции – в ячейки F3.
Рис.2
3. Введем исходные данные задачи в созданную форму – таблицу, представленную на рис.2.
4. Введем зависимость для целевой функции:
- курсор в ячейку F4;
- курсор на кнопку «Мастер функций», расположенную на панели инструментов;
- на экране появляется диалоговое окно Мастер функций шаг 1 из 2;
- курсор в окно «Категория» на категорию Математические;
- курсор в окно Функции на СУММПРОИЗВ;
- на экране появляется диалоговое окно СУММПРОИЗВ;
- в строку «Массив 1» ввести В$3 : С$3;
- в строку «Массив 2» ввести В4 : С4 ;
- Кнопка «ОК». На экране: в ячейку F4 введена функция.
Рис.3
5. Введем зависимость для ограничений:
- курсор в ячейку D4;
- на панели инструментов кнопка Копировать в буфер D7;
- Курсор в ячейку D7;
- на панели инструментов кнопка Вставить из буфераD8;
- Курсор в ячейку D8;
- на панели инструментов кнопка Вставить из буфера;
- курсор в ячейку D9;
- на панели инструментов кнопка Вставить из буфера.
В строке Меню указатель мыши на имя Сервис. В развернутом меню команда Поиск решения. Появляется диалоговое окно Поиск решения (рис.4)
Рис.4
6. Назначить целевую функцию (установить целевую ячейку):
- курсор в строку Установить целевую ячейку;
- введем адрес ячейки $ D$ 4;
- введите направление целевой функции в зависимости от условия вашей задачи – (Максимальному значению);
- курсор в строку Изменяя ячейки;
- введите адреса искомых переменных В$3 : C$3.
7. Введем ограничения:
- указатель мышки на кнопку Добавить. Появляется диалоговое окно Добавление ограничения (рис.5);
- в строке Ссылка на ячейку введите адрес $ D$ 7;
- введите знак ограничения <=;
- в строке Ограничение введите адрес $ F $ 7;
- указатель мыши на кнопку Добавить . На экране вновь диалоговое окно Добавление ограничения (рис.5);
- введем остальные ограничения задачи, по вышеописанному алгоритму;
- после введения последнего ограничения кнопка ОК.
На экране появится диалоговое окно Поиск решения с введенными условиями (рис.6).
Рис.6
8. Введем параметры для решения задач линейного программирования:
- в диалоговом окне указатель мыши на кнопку Параметры. На экране появляется диалоговое окно Параметры поиска решения.
- установим флажки в окнах Линейная модель ( это обеспечит применение симплекс-метода) и Неотрицательные значения;
- указатель мыши на кнопку ОК. На экране диалоговое окно Поиск решения;
- указатель мыши на кнопку Выполнить.
Через непродолжительное время появится диалоговое окно Результаты
поиска решения и исходная таблица с заполненными ячейками В3 : C3 для значений Хi и ячейка D4 с максимальным значением целевой функции (рис.7)
Рис.7
Создание отчета по результатам поиска решения.
EXCEL позволяет представить результатам поиска решения в форме отчета.
Вариант №3
Задача №2
Время |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
|
показатель |
27 |
33 |
31 |
35 |
38 |
41 |
44 |
40 |
|
Cтатистики временного ряда - Показатель- 2 |
|
|
|
|
|
|
|
|
|
Базисные характеристики |
|
|
|
|
Наблюдение |
Абс. прирост |
Темп роста |
Темп прироста |
|
2 |
6,000 |
122,222 |
22,222 |
|
3 |
4,000 |
114,815 |
14,815 |
|
4 |
8,000 |
129,630 |
29,630 |
|
5 |
11,000 |
140,741 |
40,741 |
|
6 |
14,000 |
151,852 |
51,852 |
|
7 |
17,000 |
162,963 |
62,963 |
|
8 |
13,000 |
148,148 |
48,148 |
|
|
|
|
|
|
|
|
|
|
|
Цепные характеристики |
|
|
|
|
Наблюдение |
Абс. прирост |
Темп роста |
Темп прироста |
|
2 |
6,000 |
122,222 |
22,222 |
|
3 |
-2,000 |
93,939 |
-6,061 |
|
4 |
4,000 |
112,903 |
12,903 |
|
5 |
3,000 |
108,571 |
8,571 |
|
6 |
3,000 |
107,895 |
7,895 |
|
7 |
3,000 |
107,317 |
7,317 |
|
8 |
-4,000 |
90,909 |
-9,091 |
|
|
|
|
|
|
|
|
|
|
|
Средние характеристики |
|
|
|
|
Характеристика |
Значение |
|
|
|
Среднее арифметическое |
36,125 |
|
|
|
Средний темп роста (%) |
105,776 |
|
|
|
Средний темп прироста (%) |
5,776 |
|
|
|
Средний абсолютный прирост |
1,857 |
|
|
|
|
|
|
|
|
|
|
|
|
|
Гипотеза об отсутствии тренда |
|
|
|
|
Метод проверки |
Результат |
|
|
|
Метод Форстера-Стюарта |
Нет |
|
|
|
Метод сравнения средних |
Нет |
|
|
|
Вывод: гипотеза отвергается |
|
|
|
|
|
|
|
|
|
Проверка однородности данных |
|
|
|
|
Аномальные наблюдения не обнаружены |
|
|
|
|
|
|
|
|
|
Автокорреляционная функция |
|
|
|
|
Лаг |
Исходный ряд |
Разностный ряд (d=1) |
|
|
1 |
0,561 |
-0,346 |
|
|
2 |
0,306 |
0,020 |
|
|
Cтандартные отклонения = +0.4767, +0.3937 |
|
|
|
|
|
|
|
|
|
Частная автокорреляционная функция |
|
|
|
|
Лаг |
Исходный ряд |
Разностный ряд (d=1) |
|
|
1 |
0,569 |
-0,385 |
|
|
2 |
-0,013 |
-0,113 |
|
|
Cтандартные отклонения = +0.3536, +0.4082 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Модели временного ряда - Показатель- 2 |
|
|
|
|
|
|
|
|
|
Таблица кривых роста |
|
|
|
|
Функция |
Критерий |
Эластич ность |
|
|
Y(t)=+26.536+2.131*t |
5,692 |
0,265 |
|
|
Y(t)=+23.411+4.006*t -0.208*t*t |
5,373 |
0,258 |
|
|
Y(t)= +27.166*exp(+0.061*t) |
6,646 |
0,274 |
|
|
Y(t)= +26.258+7.443*ln(t) |
5,500 |
0,199 |
|
|
Y(t)= (+24.332)*(+1.135)**t*(+0.993)**(t*t) |
5,064 |
0,274 |
|
|
Y(t)= +17.720-0.373*t+9.853*sqr(t) |
5,815 |
0,237 |
|
|
Y(t)= t/(+0.022+0.021*t) |
8,892 |
0,185 |
|
|
Выбрана функция Y(t)= (+24.332)*(+1.135)**t*(+0.993)**(t*t) |
|
|
|
|
|
|
|
|
|
Характеристики базы моделей |
|
|
|
|
Модель |
Адекват ность |
Точность |
Качество |
|
Y(t)= (+24.332)*(+1.135)**t*(+0.993)**(t*t) |
61,259 |
66,981 |
65,551 |
|
Лучшая модель Y(t)= (+24.332)*(+1.135)**t*(+0.993)**(t*t) |
|
|
|
|
|
|
|
|
|
Параметры моделей |
|
|
|
|
Модель |
a1 |
a2 |
a3 |
|
Y(t)= (+24.332)*(+1.135)**t*(+0.993)**(t*t) |
24,332 |
1,135 |
0,993 |
|
|
|
|
|
|
|
|
|
|
|
Таблица остатков |
|
|
|
|
номер |
Факт |
Расчет |
Ошибка абс. |
Ошибка относит. |
1 |
27,000 |
27,423 |
-0,423 |
-1,568 |
2 |
33,000 |
30,456 |
2,544 |
7,709 |
3 |
31,000 |
33,331 |
-2,331 |
-7,520 |
4 |
35,000 |
35,946 |
-0,946 |
-2,703 |
5 |
38,000 |
38,201 |
-0,201 |
-0,529 |
6 |
41,000 |
40,005 |
0,995 |
2,426 |
7 |
44,000 |
41,284 |
2,716 |
6,173 |
8 |
40,000 |
41,983 |
-1,983 |
-4,957 |
|
|
|
|
|
|
|
|
|
|
Характеристики остатков |
|
|
|
|
Характеристика |
Значение |
|
|
|
Среднее значение |
0,046 |
|
|
|
Дисперсия |
3,163 |
|
|
|
Приведенная дисперсия |
4,220 |
|
|
|
Средний модуль остатков |
1,517 |
|
|
|
Относительная ошибка |
4,198 |
|
|
|
Критерий Дарбина-Уотсона |
2,430 |
|
|
|
Коэффициент детерминации |
0,998 |
|
|
|
F - значение ( n1 = 1, n2 = 6) |
2521,489 |
|
|
|
Критерий адекватности |
61,259 |
|
|
|
Критерий точности |
66,981 |
|
|
|
Критерий качества |
65,551 |
|
|
|
Уравнение значимо с вероятностью 0.95 |
|
|
|
|
|
|
|
|
|
Таблица прогнозов (p = 90%) |
|
|
|
|
Упреждение |
Прогноз |
Нижняя граница |
Верхняя граница |
|
1 |
42,071 |
36,600 |
48,360 |
|
2 |
41,544 |
33,562 |
51,425 |
|
3 |
40,426 |
29,823 |
54,799 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|