Пояснить применение регрессионного анализа, применяемого для решения задач оптимизации.
Регрессионный анализ – статистический метод исследования влияния одной или нескольких независимых переменных на зависимую переменную.
Основная особенность регрессионного анализа: при его помощи можно получить конкретные сведения о том, какую форму и характер имеет зависимость между исследуемыми переменными.
Оптимизация - целенаправленная деятельность, заключающаяся в получении наилучших результатов при соответствующих условиях.
Постановка задачи оптимизации предполагает существование конкурирующих свойств процесса, например:
- количество продукции - расход сырья;
- количество продукции - качество продукции.
Выбор компромисного варианта для указанных свойств и представляет собой процедуру решения оптимизационной задачи.
При постановке задачи оптимизации необходимо:
1. Наличие объекта оптимизации и цели оптимизации.
2. Наличие ресурсов оптимизации, под которыми понимают возможность выбора значений некоторых параметров оптимизируемого объекта.
3. Возможность количественной оценки оптимизируемой величины, поскольку только в этом случае можно сравнивать эффекты от выбора тех или иных управляющих воздействий.
4. Учет ограничений.
Критерием оптимальности называется количественная оценка оптимизируемого качества объекта. На основании выбранного критерия оптимальности составляется целевая функция, представляющая собой зависимость критерия оптимальности от параметров, влияющих на ее значение. Вид критерия оптимальности или целевой функции определяется конкретной задачей оптимизации. Таким образом, задача оптимизации сводится к нахождению экстремума целевой функции.
Последовательность этапов регрессионного анализа:
1. Формулировка задачи. На этом этапе формируются предварительные гипотезы о зависимости исследуемых явлений.
2. Определение зависимых и независимых (объясняющих) переменных.
3. Сбор статистических данных. Данные должны быть собраны для каждой из переменных, включенных в регрессионную модель.
4. Формулировка гипотезы о форме связи (простая или множественная, линейная или нелинейная).
5. Определениефункции регрессии (заключается в расчете численных значений параметров уравнения регрессии)
6. Оценка точности регрессионного анализа.
7. Интерпретация полученных результатов. Полученные результаты регрессионного анализа сравниваются с предварительными гипотезами. Оценивается корректность и правдоподобие полученных результатов.
8. Предсказание неизвестных значений зависимой переменной.
Задачи регрессионного анализа:
Установление формы зависимости.
Характер и форма зависимости между переменными могут образовывать следующие разновидности регрессии:
· положительная линейная регрессия (выражается в равномерном росте функции);
· положительная равноускоренно возрастающая регрессия;
· положительная равнозамедленно возрастающая регрессия;
· отрицательная линейная регрессия (выражается в равномерном падении функции);
· отрицательная равноускоренно убывающая регрессия;
· отрицательная равнозамедленно убывающая регрессия.
Однако описанные разновидности обычно встречаются не в чистом виде, а в сочетании друг с другом. В таком случае говорят о комбинированных формах регрессии.
Определение функции регрессии.
Вторая задача сводится к выяснению действия на зависимую переменную главных факторов или причин, при неизменных прочих равных условиях, и при условии исключения воздействия на зависимую переменную случайных элементов. Функция регрессии определяется в виде математического уравнения того или иного типа.
Оценка неизвестных значений зависимой переменной.
Решение этой задачи сводится к решению задачи одного из типов:
· Оценка значений зависимой переменной внутри рассматриваемого интервала исходных данных, т.е. пропущенных значений; при этом решается задача интерполяции.
· Оценка будущих значений зависимой переменной, т.е. нахождение значений вне заданного интервала исходных данных; при этом решается задача экстраполяции.
Уравнение регрессии выглядит следующим образом: Y=a+b*X
При помощи этого уравнения переменная Y выражается через константу a и угол наклона прямой (или угловой коэффициент) b, умноженный на значение переменной X. Константу a также называют свободным членом, а угловой коэффициент - коэффициентом регрессии или B-коэффициентом.
В большинстве случав (если не всегда) наблюдается определенный разброс наблюдений относительно регрессионной прямой.
Остаток - это отклонение отдельной точки (наблюдения) от линии регрессии (предсказанного значения).
3.7Дать характеристику методам сетевого планирования.
1)Диаграма Ганта и циклограмма
Диаграма Ганта – это горизонтальная линейная диаграмма (гистограмма), на которой задачи проекта представляются протяженными во времени отрезками, характеризующимися датами начала и окончания, задержками и, возможно, другими временными параметрами.В левой части диаграммы проект представлен в виде списка задач (работ, операции) проекта в табличном виде с указанием названия задачи и длительности ее выполнения, а часто и работ, предшествующих той или иной задаче. В правой части, отображается длительность выполнения задачи.В верхней, правой части диаграммы Ганта располагается шкала времени. Длина отрезка и его расположение на шкале времени определяют время начала и окончания каждой задачи. Кроме того, взаимное расположение отрезков задач показывает, следуют ли задачи одна за другой или происходит их параллельное выполнение.Циклограмма – это линейная диаграмма продолжительности работ, отображающая работы в виде наклонной линии в двухмерной системе координат, одна ось которой изображает время, а другая – объемы или структуру выполняемых работ.
2) Метод критического пути (МКП).Метод критического пути позволяет рассчитать возможные календарные графики выполнения комплекса работ на основе описанной логической структуры сети и оценок продолжительности выполнения каждой работы, определить критический путь для проекта в целом. В основе метода лежит определение наиболее длительной последовательности задач от начала проекта до его окончания с учетом их взаимосвязи. Задачи, лежащие на критическом пути (критические задачи) имеют нулевой резерв времени выполнения и в случае изменения их длительности изменяются сроки всего проекта.
3) Метод имитационного моделирования (метод Монте-Карло). Суть данного метода состоит в том, что результат испытания зависит от значения некоторой случайной величины, распределенной по заданному закону. Поэтому результат каждого отдельного испытания также носит случайный характер. Проведя серию испытаний, получают множество частных значений наблюдаемой характеристики (выборку). Полученные статистические данные обрабатываются и представляются в виде численных оценок интересующих исследователя величин (характеристик системы).
4) Метод оценки и пересмотра планов (ПЕРТ, PERT).Представляет собой разновидность анализа по методу критического пути с более критичной оценкой продолжительности каждого этапа проекта. При использовании этого метода необходимо оценить наименьшую возможную продолжительность выполнения каждой работы, наиболее вероятную продолжительность и наибольшую продолжительность на тот случай, если продолжительность выполнения этой работы будет больше ожидаемой. Метод ПЕРТ допускает неопределенность продолжительности операций и анализирует влияние этой неопределенности на продолжительность работ по проекту в целом.