вектор+ограничений

ограничения модели
Запись условий, в которых действительны расчеты, использующие эту модель. Обычно представляя собою систему уравнений и неравенств, они в совокупности определяют область допустимых решений (допустимое множество). Совместность системы ограничений — обязательное условие разрешимости модели: в случае несовместности этой системы допустимое множество является пустым. На практике в качестве О.м. часто выступают ресурсы сырья и материалов, капиталовложения, возможные варианты расширения предприятий, потребности в готовой продукции и т.п. Как правило, если снять ограничения задачи, то показатели ее решения окажутся лучше, чем при решении, соответствующем реальным условиям. И, наоборот, если сделать ограничения более жесткими и тем самым сократить возможности выбора вариантов, то решение окажется, как правило, хуже. В первом случае оно будет оптимистичным, во втором — пессимистичным. Это, между прочим, открывает возможность приблизительного, прикидочного решения некоторых оптимизационных задач: меняя ограничения, можно оценить диапазон значений, в пределах которых находятся решения задачи. На рис.O.3 а, б показаны некоторые важнейшие типы О.м., определяющих область допустимых решений в задачах математического программирования. (Для наглядности — в 2-мерном пространстве, в его первом квадранте). Ограничения I, II, Y — линейные, III, IY, YI — нелинейные. Линейными ограничениями являются на рис. O.3а также оси координат; иначе говоря, в область допустимых решений здесь входят все точки, удовлетворяющие I и II, но кроме того, отвечающие условию  x1  ? 0, x2 ? 0 (см. Неотрицательность значений). Кривая IY — ограничение переменной x2 сверху, YI — ограничение той же переменной снизу. Запись типа  a? x ?b  называется двусторонним ограничением. Все показанные ограничения относятся к типу ограничений-неравенств. Что касается ограничений-равенств, то они определяют область допустимых решений как точку (в одномерном пространстве), как линию (в двумерном пространстве), как гиперповерхность (в многомерном пространстве). Экономико-математические ограничения разделяются также на детерминированные (см. рис. O.3 а, б) и стохастические (см. рис.O.3 в). В последнем случае серия кривых АВС отображает возможные случайные реализации стохастического ограничения. В задачах математического программирования системы ограничений (т.е. выражающих их уравнений и неравенств) удобно записывать в векторной форме: f (x) = b или f (x) ? b и т.п., где x — вектор-столбец управляющих переменных xi (i = 1, 2, …, n), b — вектор-столбец, компонентами которого являются функции ограничений bi (примеры см. в статье Математическое программирование). В моделях планирования ограничения снизу имеют смысл плановых заданий (которые допустимо перевыполнять), ограничения сверху — смысл «квот» на выпуск тех или иных видов продукции. При совпадении ограничений сверху и снизу экономический субъект полностью лишается свободы принятия решений в данной области. В системах моделей различаются общесистемные (или глобальные) О.м., имеющие силу для всей моделируемой экономической системы, и локальные ограничения для моделей отдельных подсистем. Несовместность локальных ограничений с общесистемными приводит к неразрешимости системы моделей.   Рис.О.3  Линейные и нелинейные ограничения
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• model constraints

нелинейное программирование
Раздел математического программирования, изучающий методы решения экстремальных задач с нелинейной целевой функцией и (или) областью допустимых решений, определенной нелинейными ограничениями. В экономике это соответствует тому, что результаты (эффективность) возрастают или убывают непропорционально изменению масштабов использования ресурсов (или, что то же самое, масштабов производства) - например, из-за деления издержек производства на предприятиях на переменные и условно-постоянные, из-за насыщения спроса на товары, когда каждую следующую единицу продать труднее, чем предыдущую, из-за влияния экстерналий (см.Внешняя экономия, внешние издержки) и т.д. В краткой форме задачу Н.п. можно записать так: F (x) ? max при условиях g (x) ? b, x ? 0. где x — вектор искомых переменных, F (x) — целевая функция, g (x) — функция ограничений (непрерывно дифференцируемая), b — вектор констант ограничений (выбор знака ? в первом условии здесь произволен, его всегда можно изменить на обратный). Решение задачи нелинейного программирования (глобальный максимум или минимум) может принадлежать либо границе, либо внутренней части допустимого множества. Иначе говоря, задача состоит в выборе таких неотрицательных значений переменных, подчиненных системе ограничений в форме неравенств, при которых достигается максимум (или минимум) данной функции. При этом не оговаривается форма ни целевой функции, ни неравенств. Могут быть разные случаи: целевая функция — нелинейна, а ограничения — линейны; целевая функция — линейна, а ограничения (хотя бы одно из них) - нелинейны; и целевая функция, и ограничения нелинейны. Задачи, в которых число переменных и (или) число ограничений бесконечно, называются задачами бесконечномерного Н.п.. Задачи, в которых целевая функция и (или) функции ограничений содержат случайные элементы, называются задачами стохастического Н.п. Например, задачу для двух переменных (выпуск продукта x и выпуск продукта y) и вогнутой целевой функции (прибыль — p) можно геометрически представить на чертеже (см. рис. H.4; заштрихована область допустимых решений). Эта задача реалистично отражает распространенное в экономике явление: рост прибыли с ростом производства до определенного (оптимального) уровня в точке B’, а затем ее снижение, например, вследствие затоваривания продукцией или исчерпания наиболее эффективных ресурсов. Нелинейные задачи сложны, часто их упрощают тем, что приводят к линейным. Для этого условно принимают, что на том или ином участке целевая функция возрастает или убывает пропорционально изменению независимых переменных. Такой подход называется методом кусочно-линейных приближений, он применим, однако, лишь к некоторым видам нелинейных задач. Нелинейные задачи в определенных условиях решаются с помощью функции Лагранжа (см. Множители Лагранжа, Лагранжиан): найдя ее седловую точку, тем самым находят и решение задачи. Среди вычислительных алгоритмов Н.п. большое место занимают градиентные методы. Универсального же метода для нелинейных задач нет, и, по-видимому, может не быть, поскольку они чрезвычайно разнообразны. Особенно трудно решаются многоэкстремальные задачи. Для некоторых типов задач выпуклого программирования (вид нелинейного) разработаны эффективные численные методы оптимизации Рис. Н.4 Нелинейное программирование (заштрихована область допустимых решений)
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• nonlinear programming

математическое ожидание
—
[ http://www.iks-media.ru/glossary/index.html?glossid=2400324]

математическое ожидание
Одна из численных характеристик случайной величины, часто называемая ее теоретической средней. Для дискретной случайной величины X математическое ожидание равно сумме произведений возможных значений этой величины на их вероятности: Мх= ?хР(х), а для непрерывной случайной величины — интегралу Обозначается обычно: Mx или Ex (в нашем словаре принято первое из этих обозначений). См. также Среднее значение. Математическое программирование [mathematical programming] - (см. также Оптимальное программирование) — раздел математики, который «… изучает методы решения задач на нахождение экстремума функций (показателя качества решения) при ограничениях в форме уравнений и неравенств»[1]. Оно объединяет различные математические методы и дисциплины исследования операций: линейное программирование, нелинейное программирование, динамическое программирование, выпуклое программирование, геометрическое программирование, целочисленное программирование и др. Общая задача М.п. состоит в нахождении оптимального (максимального или минимального) значения целевой функции, причем значения переменных должны принадлежать некоторой области допустимых значений (см. Область допустимых решений). В самом общем виде задача записывается так: U = f(x) ? max; x ? M, где x = (x1, x2,…, xn); M — область допустимых значений переменных x1,…, xn; f(x) — целевая функция. Частный случай задачи М.п. — «классическая задача». В ней область M представлена равенствами: g(x) = b, где g(x) — вектор функций ограничений, b — вектор констант ограничений. Названные выше разнообразные дисциплины отличаются друг от друга видом целевой функции f(x) и области М. Например, если f(x) и M — линейны, имеем задачу линейного программирования; если же дополнительно ставится условие, чтобы переменные были целочисленны, имеем задачу целочисленного программирования; если зависимость U от x (т.е. форма f) носит нелинейный характер — задачу нелинейного программирования. Развивающаяся область — стохастическое программирование, задачи которого в отличие от детерминированных характеризуются тем, что их исходные данные (все или часть) — суть случайные величины. [1] Математический аппарат экономического моделирования. М.: “Наука”, 1983, стр 8.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика
• электросвязь, основные понятия

EN

• expectation
• expected value

намерения (мн.)
стремления (мн.)
—
[А.С.Гольдберг. Англо-русский энергетический словарь. 2006 г.]

Тематики

• энергетика в целом

Синонимы

• стремления (мн.)

EN

• expectation

ожидание
В сетевом планировании - процесс, требующий расхода времени без затрат ресурсов
[Терминологический словарь по строительству на 12 языках (ВНИИИС Госстроя СССР)]

Тематики

• сетевое планирование, моделирование

EN

• expectation
• waiting time

DE

• Pause
• Wartezeit

FR

• attente
• espérance

математическое ожидание
—
[ http://www.iks-media.ru/glossary/index.html?glossid=2400324]

математическое ожидание
Одна из численных характеристик случайной величины, часто называемая ее теоретической средней. Для дискретной случайной величины X математическое ожидание равно сумме произведений возможных значений этой величины на их вероятности: Мх= ?хР(х), а для непрерывной случайной величины — интегралу Обозначается обычно: Mx или Ex (в нашем словаре принято первое из этих обозначений). См. также Среднее значение. Математическое программирование [mathematical programming] - (см. также Оптимальное программирование) — раздел математики, который «… изучает методы решения задач на нахождение экстремума функций (показателя качества решения) при ограничениях в форме уравнений и неравенств»[1]. Оно объединяет различные математические методы и дисциплины исследования операций: линейное программирование, нелинейное программирование, динамическое программирование, выпуклое программирование, геометрическое программирование, целочисленное программирование и др. Общая задача М.п. состоит в нахождении оптимального (максимального или минимального) значения целевой функции, причем значения переменных должны принадлежать некоторой области допустимых значений (см. Область допустимых решений). В самом общем виде задача записывается так: U = f(x) ? max; x ? M, где x = (x1, x2,…, xn); M — область допустимых значений переменных x1,…, xn; f(x) — целевая функция. Частный случай задачи М.п. — «классическая задача». В ней область M представлена равенствами: g(x) = b, где g(x) — вектор функций ограничений, b — вектор констант ограничений. Названные выше разнообразные дисциплины отличаются друг от друга видом целевой функции f(x) и области М. Например, если f(x) и M — линейны, имеем задачу линейного программирования; если же дополнительно ставится условие, чтобы переменные были целочисленны, имеем задачу целочисленного программирования; если зависимость U от x (т.е. форма f) носит нелинейный характер — задачу нелинейного программирования. Развивающаяся область — стохастическое программирование, задачи которого в отличие от детерминированных характеризуются тем, что их исходные данные (все или часть) — суть случайные величины. [1] Математический аппарат экономического моделирования. М.: “Наука”, 1983, стр 8.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика
• электросвязь, основные понятия

EN

• expectation
• expected value

ожидаемое значение
—
[Л.Г.Суменко. Англо-русский словарь по информационным технологиям. М.: ГП ЦНИИС, 2003.]

Тематики

• информационные технологии в целом

EN

• expected value

группа символов
кодовая группа
—
[Л.Г.Суменко. Англо-русский словарь по информационным технологиям. М.: ГП ЦНИИС, 2003.]

Тематики

• информационные технологии в целом

Синонимы

• кодовая группа

EN

• word

слово
Блок, выделенный по определенному признаку и рассматриваемый как одно целое.
Примечание. Признаком выделения слова может служить, например, смысловое содержание, наличие определенных ограничений на сочетания символов (внутри блока при отсутствии таких ограничений между различными блоками), фиксированная длина и т. д.
[Сборник рекомендуемых терминов. Выпуск 94. Теория передачи информации. Академия наук СССР. Комитет технической терминологии. 1979 г.]

Тематики

• теория передачи информации

EN

• word

слово
Вектор битов, рассматриваемый аппаратной частью вычислительной машины как единое целое.
—
[ http://www.iks-media.ru/glossary/index.html?glossid=2400324]

Тематики

• электросвязь, основные понятия

EN

• word

эконометрическая модель
Основное понятие эконометрии, экономико-математическая модель, параметры которой оцениваются с помощью методов математической статистики. Она выступает в качестве средства анализа и прогнозирования конкретных экономических процессов как на макро-, так и на микро-экономическом уровне на основе реальной статистической информации. Наиболее распространены Э.м., представляющие собой системы регрессионных уравнений, в которых отражается зависимость эндогенных величин (искомых) от внешних воздействий (текущих экзогенных величин) в условиях, описываемых оцениваемыми параметрами модели, а также лаговыми переменными (см. Лаг). Кроме регрессионных (как линейных, так и нелинейных) уравнений применяются и другие математико-статистические модели. Э.м. может быть представлена в двух формах: структурной форме модели (см. также Структурные модели) и приведенной форме модели. В наиболее общем виде любую Э.м., построенную в виде системы линейных уравнений, можно записать так: где y — вектор текущих значений эндогенных переменных модели, A — матрица коэффициентов взаимодействий между текущими значениями эндогенных переменных модели; Z — матрица коэффициентов влияния запаздывающих (лаговых) переменных модели на текущие значения эндогенных и моделируемых показателей; C — матрица коэффициентов внешних воздействий; x — вектор значений экзогенных показателей модели; t — индекс временного периода; I — индекс запаздывания (лага); p — продолжительность максимального лага. В литературе подобные системы часто называют системами одновременных уравнений, имея в виду, что здесь зависимая переменная одного уравнения может появляться одновременно в виде переменной (но уже в качестве независимой) в одном или нескольких других уравнениях. В таком случае теряет смысл традиционное различение зависимых и независимых переменных. Вместо этого устанавливается различие между двумя видами переменных. Это, во-первых, совместно зависимые переменные (эндогенные), влияние которых друг на друга должно быть исследовано (матрица A в слагаемом Ay(t) приведенной выше системы уравнений). Во-вторых, предопределенные переменные, которые, как предполагается, оказывают влияние на первые, однако не испытывают их воздействия; это переменные с запаздыванием, т.е. лаговые (второе слагаемое) и определенные вне данной системы уравнений экзогенные переменные. (Экзогенными, например, всегда оказываются показатели климатических условий, если они включаются в модель. В то же время многие экономические переменные в зависимости от задач и структуры модели могут относиться и к эндогенным, и к экзогенным.) Понятие одновременных эконометрических уравнений и методы их решения были впервые предложены норвежским экономистом Т.Хаавельмо, лауреатом Нобелевской премии по экономике. В зависимости от характера ограничений и статистической структуры переменных эконометрических моделей последние классифицируются на пробит-модели, логит-модели, тобит-модели (см. соответств. статьи).
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• econometric model