Ответы ЭММ_2 (для печати). 1 Процесс построения математической модели называют

• Название: 1 Процесс построения математической модели называют
• Анкор: Ответы ЭММ_2 (для печати).pdf
• Дата: 12.09.2018
• Размер: 252.28 Kb.
• Имя файла: Ответы ЭММ_2 (для печати).pdf
• Тип: Документы; #24463

1 Процесс построения математической
модели называют:
√ математическим моделированием
2 Процедура изучения модели
предполагает:
√ проведение различного рода "модельных" экспериментов
√ накопления и систематизации данных
3 Процед. применения модели связана с
√ получением с ее помощью знаний
√ построением реального экономического объекта
√ прогнозированием экономического объекта
√ коррекцией данных с учетом свойств объекта-оригинала
4 Моделирование предполагает
использование:
√ методов абстрагирования
√ методов идеализации
√ научных гипотез
5 Различие между эконометрическими и
экономико-математическим моделями
состоит
√ в характере функциональных зависимостей, связывающих их величины
√ с показателями, сгруппированными различными способами
6 В соответствии с общепринятой
классификацией экономико-математ.
модели подразделяются на
√ эконометрические
√ статистические
√ балансовые
√ оптимизационные
7 По функциональному признаку модели
подразделены на
√ модели планирования
√ модели бухгалтерского учета
√ модели экономического анализа
√ модели информационных процессов
8 Методы математической статистики
√ корреляционный
√ регрессионный
√ индексный
√ выборочный
9 Моделируемые объекты
эконометрических и экономико-матем.
моделей классифицируются с позиций:
√ сущности моделируемых процессов воспроизводства
√ временных характеристик процессов
√ уровней управления процессами
(объектами)
√ назначения моделей в управлении
10 В основу классификации
эконометрических и экономико-
математических моделей по средствам
их построения положены:
√ средства моделирования и методы реализации моделей
√ структура моделей и характер зависимости ее компонентов
√ используемая информация
11 Экономико-математические модели
включают в себя
√ систему ограничений
√ целевую функцию
√ граничные условия
13 В эконометрических исследованиях
используют следующие типы
экономических данных:
√ пространственные
√ временные
14 Эконометрические модели в
зависимости от соответствующей теории
связи между переменными
экономических систем, принято делить
на основные классы:
√ модели временных рядов
√ регрессионные модели с одним уравнением
√ системы эконометрических уравнений
15 К моделям временных рядов относятся:
√ адаптивные модели
√ модели кривых роста (трендовые)
√ модели авторегрессии
√ модели скользящего среднего
16 Выделяют следующие виды
эконометрических систем:
√ системы независимых уравнений
√ системы рекурсивных уравнений
√ системы взаимосвязанных уравнений
17 Этапами построения эконометрической
модели являются:
√ Все 5 ответов верны
18 Рассматривая линейную зависимость
между признаками, прежде всего,
выделяют типы связей:
√ функциональные
√ корреляционные
19 К показателям, значения которых
свидетельствуют о присутствии или
отсутствии линейной связи между
переменными относятся коэффициенты
√ линейной корреляции
√ парной корреляции
√ множественной корреляции
20 Основная задача корреляционного
анализа заключ. в выявлении
взаимосвязи между случайными
переменными путем:
√ точечной оценки парных (частных) коэффициентов корреляции
√ интервальной оценки парных(частных) коэффициентов корреляции
√ вычисления и проверки значимости множественных коэффициентов корреляции и детерминации
21 Ковариация - это:
√ статистическая мера взаимодействия двух переменных
22 Для качественной оценки коэф-нта
корреляции примен. различные шкалы,
наиболее известной из кот. явл. спец.
шкала значений коэф-тов корреляции
√ шкала Чеддока
23 В зависимости от объема выборочной
совокупности различают методы оценки
существенности линейного
коэффициента корреляции:
√ t-критерия Стьюдента
24 В многомерном корреляционном
анализе рассматривается задачи:
√ Все 5 ответов верны
25 Квадрат коэффициента множественной
корреляции принято называть:
√ выборочным множественным коэффициентом детерминации
26 Коэффициент множественной
корреляции принимает значения
√ от 0 до 1
27 Проверка значимости коэффициента
детерминации осуществляется путем
сравнения с табличным F-табл.:
√ расчетного значения F-критерия Фишера
28 При отклонении парной стат.завис-
имости от линейной коэф-т корреляции
оценивается измерителем связи:
√ индекс корреляции
√ корреляционное отношение
29 Для оценки параметров регрессионного
уравнения используют:
√ метод наименьших квадратов
30 Для того чтобы регрессионный анализ
давал наилучший результат, должны
выполняться условия:
√ математическое ожидание случайной составляющей в любом наблюдении должно быть равно нулю
√ дисперсия случайной составляющей должна быть постоянна для всех наблюдений
√ условие гомоскедастичности, или равноизменчивости, случайной составляющей
31 Для оценки качества регрессионных
моделей используется:
√ коэффициент множественной корреляции
(индекс корреляции)
√ средняя относительная ошибка аппроксимации
32 Процесс, при котором факторы
одновременно воздействуют друг на
друга, определяется как:
√ мультиколлинеарность
34 Методы устранения или уменьшения
мультиколлинеарности
√ из двух объясняющих переменных, имеющих высокий коэффициент корреляции (больше 0,8), одну переменную исключают из рассмотрения;
√ использование стратегии шагового отбора, реализованной в ряде алгоритмов пошаговой регрессии;
35 Содержательная оценка качества
уравнения модели множественной
регрессии состоит
√ в его переводе с языка математики и статистики на язык экономиста
√ проверке наличия экономического смысла
√ в размере и характере влияния на исследуемый показатель каждого из объясняющих факторов
36 Проверка статистического качества
полученного уравнения модели
множественной регрессии предполагает
√ оценку: общего качества уравнения
√ статистической значимости каждого параметра уравнения
√ наличия автокорреляции остатков
37 Качество модели множественное
регрессии оценивается по следующим
направлениям:
√ проверка качества уравнения регрессии
√ проверка значимости уравнения регрессии
√ анализ статистической значимости параметров модели
√ проверка выполнения предпосылок МНК
40 При сравнении расчетного значения dw-
статистики с табличным могут
возникнуть такие ситуации:
√ dw < d1 - остатки содержат автокорреляцию
√ d2 < dw < 2 - ряд остатков не коррелирован
√ d1 < dw < d2 - область неопределенности, когда нет оснований ни принять, ни отвергнуть гипотезу о существовании автокорреляции

38 При проверке адекватности уравнения
множественной регрессии
исследуемому процессу возможны
следующие варианты:
√ построенная модель на основе ее проверки по F-критерию в целом адекватна и все параметры уравнения регрессии значимы – такая модель может быть использована для прогнозирования исследуемого показателя;
√ модель по F-критерию адекватна, но часть параметров регрессии не значима – в этом случае модель может быть пригодна для принятия отдельных решений, но не подходит для расчета прогнозов;
√ модель по F-критерию адекватна, но все параметры уравнения не значимы – такая модель полностью считается неадекватной, на ее основе нельзя принимать решения и составлять прогнозы;
39 Наличие (отсутствие) автокорреляции в
отклонениях модели проверяют с
помощью:
√ dw-критерия Дарбина – Уотсона
41 Тест Дарбина-Уотсона можно применять
только в том случае, если выполняются
следующие условия:
√ в регрессионном уравнении присутствует свободный член
√ регрессоры являются нестохастическими
√ регрессионном уравнении нет лаговых значений зависимой переменной
42 Для обнаружения гетероскедастичности
обычно используют тесты о зависимости
между дисперсией случайного члена и
объясняющей переменной:
√ тест Голдфельда-Квандта
√ тест ранговой корреляции Спирмена
√ двусторонний критерий Фишера
√ тест Глейзера
43 В общем случае временной ряд можно
представить как функцию компонент
отражающих закономерность и
случайность развития:
√ f(t) – тренд (долговременная тенденция) развития
√ S(t), – сезонная компонента
√ U(t), – циклическая компонента
√ eps(t), – остаточная компонента
47 Сглаживание временного ряда:
√ замена фактических уровней расчетными значениями, имеющими меньшую колеблемость, чем исходные данные
√ графическое изображение временного ряда
44 В эконометрике выделяются следующие
основные направления экономико-
статистических методов временных
рядов:
√ разработка и исследование методов прикладной статистики с учетом специфики экономических данных
√ разработка и исследование экономико- статистических моделей в соответствии с конкретными потребностями экономической науки и практики
√ применение эконометрических методов и моделей для статистического анализа и прогнозирования состояния конкретных экономических объектов
45 Применяемые при обработке
временных рядов методы опираются на
методы математической статистики,
которые базируются на следующих
требованиях к исходным данным:
√ сопоставимость данных – достигается в результате одинакового подхода к наблюдениям на разных этапах формирования динамического ряда
√ однородность данных – означает отсутствие сильных изломов тенденций, а также аномальных (т.е. резко выделяющихся, нетипичных для данного ряда) наблюдений
√ устойчивость тенденции – характеризуется преобладанием закономерности над случайностью в изменении уровней ряда
√ полнота данных – требование обусловлено тем, что закономерность может обнаружиться лишь при наличии мин. допустимого объема наблюдений
46 Проверка наличия тренда – процедура
предварительного анализа данных,
сводится к проверке гипотезы о
неизменности среднего значения
временного ряда и осуществляется с
помощью различных критериев:
√ критерий серий, основанный на медиане
√ критерий "восходящих" и "нисходящих" серий
√ сравнение средних уровней ряда
48 Существующие методы сглаживания
делят на группы:
√ аналитические методы
√ методы механического сглаживания
50 На практике наиболее часто
используются кривые роста, которые
позволяют описывать процессы
следующих основных типов:
√ без предела роста
√ с пределом роста без точки перегиба
√ с пределом роста и точкой перегиба
49 Формирование уровней ряда
определяется закономерностями
основных типов:
√ инерцией тенденции
√ инерцией взаимосвязи между последовательными уровнями ряда
√ инерцией взаимосвязи между исследуемым показателем
√ инерцией показателей-факторов, оказывающих на него причинное воздействие
51 Для оценки точности модели
временного ряда в статистическом
анализе, используются:
√ среднеквадратическое отклонение
√ максимальная по абсолютной величине ошибка
√ относительная максимальная ошибка
√ средняя по модулю ошибка
√ средняя по модулю относительная ошибка
52 Адаптивные модели прогнозирования
на основе временных рядов – это
модели:
√ дисконтирования данных, способные быстро приспосабливать свою структуру и параметры к изменению условий
53 Общая схема построения адаптивных
моделей включает:
√ оценивание значений параметров модели по нескольким первым наблюдениям ряда
√ прогнозный расчет на один шаг по имеющейся модели и корректировка параметров модели при отклонении расчетных значений от фактических значений ряда
√ рассчитывается прогнозная оценка на следующий момент времени по модели со скорректированными параметрами
√ прогнозирование на будущее с использованием параметров, определенных на последнем шаге по последним фактическим наблюдениям ряда
54 Авторегрессионной моделью временных
рядов называют такую модель, в
которой моделируемые значения
зависят линейно:
√ от предыдущих наблюдений
√ только от одного предыдущего значения
√ от двух предыдущих значений
√ от трех предыдущих значений
55 В авторегрессионных моделях
предполагается, что:
√ авторегрессионный процесс является стационарным
56 Методы экстраполяции включают:
√ методы, основанные на построении многофакторных корреляционно- регрессионных моделей
√ методы авторегрессии, учитывающие взаимосвязь членов временного ряда
√ методы, использующие разложение временного ряда на компоненты: главная тенденция (тренд), сезонные колебания и случайная составляющая
√ методы, позволяющие учесть неравнозначность исходных данных
√ методы прямой экстраполяции, при этом используются разные трендовые модели
57 Производственные функции позволяют:
√ проводить разнообразные аналитические расчеты
√ определять эффективность использования ресурсов и целесообразность их дополнительного вовлечения в сферу производства
√ прогнозировать выпуск производства при тех или иных вариантах развития объекта
(т.е. при различном количестве ресурсов)
58 Экономико-статистическое
моделирование производственной
функции выполняют в следующем
порядке:
√ выбор зависимой переменной и отбор независимых переменных факторов
√ получение статистических данных и их обработка
√ установление математической формы связи (вида алгебраического уравнения)
√ решение модели
√ корректировка и экономическая интерпретация модели
59 Экстраполяционное прогнозирование
экономических процессов,
представленных одномерными
временными рядами, сводится к
выполнению следующих основных
этапов:
√ предварительный анализ данных
√ построение моделей временных рядов: формирование набора аппроксимирующих функций (кривых роста) и численное оценивание параметров моделей
√ оценка качества моделей (проверка их адекватности и оценка точности)
√ построение точечного и интервального прогнозов

60 Для решения конкретных задач анализа
и прогнозирования временных рядов
используются специальные экономико-
статистические методы, которые
классифицируются следующим образом:
√ статистика случайных величин
(выборочные методы, оценка законов распределения случайных величин)
√ анализ и прогнозирование временных рядов
√ многомерный статистический анализ
(корреляционно-регрессионный анализ)
√ статистика объектов нечисловой природы
61 К процедурам предварительного
анализа данных временного ряда
относятся:
√ выявление аномальных наблюдений
√ проверка наличия тренда
√ сглаживание временных рядов
√ расчет показателей динамики экономических процессов
62 Показатели динамики экономических
процессов:
√ абсолютный прирост
√ темп роста
√ темп прироста
63 Найдите несоответствия в следующих
выражениях:
√ задачи анализа и моделирования тенденций решают с помощью моделей кривых роста
√ задачи взаимосвязи между последовательными уровнями ряда решают с помощью адаптивных методов и моделей
√ задачи причинных взаимодействий между исследуемым показателем и показателями-факторами решают с помощью регрессионных моделей
64 Прогнозирование методом
экстраполяции базируется на следующих
предположениях:
√ развитие исследуемого явления в целом описывается плавной кривой
√ общая тенденция развития явления в прошлом и настоящем не указывает на серьезные изменения в будущем
√ учет случайности позволяет оценить вероятность отклонения от закономерного развития
71 Объектом моделирования является:
√ зафиксированный процесс развития экономического объекта
√ наблюдаемый процесс развития экономического объекта
√ гипотетический процесс развития экономического объекта
65 Точное совпадение фактических данных
и прогностических точечных оценок,
полученных путем экстраполяции, имеет
малую вероятность, что объясняется
следующими причинами:
√ выбранная для прогнозирования кривая не является единственно возможной для описания тенденции
√ прогноз осуществляется на основании ограниченного числа исходных данных
√ тенденция характеризует движение среднего уровня ряда динамики, поэтому отдельные наблюдения могут от него отклоняться
66 При моделирование экономических
процессов, подверженных сезонным
колебаниям, временной ряд, в котором
наблюдаются и тренд и сезонные
колебания, называется:
√ тренд с сезонным временным рядом
67 Для исследования и прогнозирования
тренд-сезонных экономических
процессов, необходимо решить
следующие задачи:
√ определить наличие во временном ряде тренда
√ выявить присутствие во временном ряде сезонных колебаний
√ осуществить фильтрацию временного ряда
√ проанализировать динамику сезонной волны
√ составить прогноз тренд-сезонного экономического процесса
68 Для определения наличия во временном
ряде сезонных колебаний
рекомендуется использовать следующие
критерии:
√ дисперсионный
√ гармонический
√ критерий, основанный на сравнении распределения коэффициента автокорреляции с распределением циклического коэффициента автокорреляции
69 Модель – это:
√ некоторое отражение реального объекта, которое может быть достигнуто различными средствами;
√ искусственный, созданный человеком объект любой природы (умозрительный или материально реализованный), который замещает или воспроизводит исследуемый объект;
√ основное понятие математической экономики
70 Экономические модели в общем смысле
подразделяются на классы:
√ модели позитивного анализа
√ модели нормативного анализа
72 Выберите выражения, не имеющие
смысловой нагрузки:
√ процедура изучения модели предполагает проведение различного рода "модельных" экспериментов;
√ процедура применения модели связана с использованием полученных с ее помощью знаний для построения обобщающей теории реального экономического объекта, прогнозирования его дальнейшего поведения и управления им.
√ процедура идеального моделирования – это математическое моделирование, в процессе которого средствами математики и логики строится знаковая модель экономического объекта, представляющая его отношения и свойства с помощью знаков и их связей;
√ процедура исследования модели предполагает изучение специальной литературы для понимания содержания экономического объекта;
73 Основными элементами экономико-
математической модели являются:
√ экзогенные переменные
√ эндогенные переменные
√ индексы
√ параметры
74 Моделирование предполагает
использование методов:
√ абстрагирования
√ идеализации
√ построения абстракций
√ построение научных гипотез
75 Исследуемое множество элементов
можно рассматривать как
кибернетическую систему, если
выявлены следующие признаки:
√ целостность, т.е. принципиальная несводимость свойств системы к сумме свойств составляющих ее элементов
√ наличие цели и критерия исследования данного множества элементов
√ наличие более крупной внешней системы по отношению к данной системе, называемой "средой"
√ возможность выделить в данной системе взаимосвязанные части (подсистемы)
76 Структура кибернетической системы - это
совокупность ее элементов и связей
между ними, по которым могут
проходить сигналы и воздействия
которая включает:
√ входы - элементы системы, к которым приложены входные воздействия или на которые поступают входные сигналы;
√ выходы - элементы системы, которые осуществляют воздействие или передают сигнал в другую систему;
77 Под экономической системой, как одной
из сложнейших управляемых систем
понимается сложная вероятностная
динамическая система, охватывающая
процессы:
√ производства
√ обмена
√ распределения
√ потребления материальных благ
78 Структурными единицами
экономической системы являются:
√ системы большого масштаба
√ отрасли экономики - системы второго порядка
√ субъекты хозяйствования - производственные подсистемы отраслей экономики
√ структурные подразделения субъектов хозяйствования - подсистемы предприятий, организаций
√ домохозяйства
79 Экономическая система включает
экономико-управляющие
преобразователи:
√ трудовые ресурсы
√ материально-вещественные ресурсы
√ природные ресурсы
√ управляемую деятельность
√ управляющую деятельность
80 По характеру перехода от одного
состояния в другое системы делятся на
√ статические
√ динамические
√ детерминированные
√ стохастические
81 Процесс моделирования обязательно
включает:
√ выбор исследуемого объекта
√ построение абстракций
√ умозаключения по аналогии
√ конструирование научных гипотез
82 Экономико-математическое
моделирование - это процесс перевода
исследуемых экономических объектов с
языка экономики на язык:
√ математики

83 Экономико-математические модели,
включают:
√ некоторое число переменных величин для формализации модели объекта
√ информационную базу данных объекта
√ выражение взаимосвязей, характеризующих объект, в виде уравнений и неравенств
√ критерии эффективности, выражаемые в виде математического соотношения - целевой функции
84 Экономико-математические методы -
это обобщенное название комплекса
экономических и математических
дисциплин, включающих:
√ экономическую кибернетику
√ эконометрику
√ методы принятия оптимальных решений
√ специфические методы и дисциплины экономики
√ экспериментальные методы изучения экономики
85 Экономической информация
(совокупность сведений об
экономической системе и ее среде,
необходимых для решения конкретной
задачи управления) классифицируется
как:
√ нормативная
√ статистическая
√ оперативно-управляющая
√ научная
86 Экономическая информация состоит из
информационных потоков и в
зависимости от происхождения и
назначения условно подразделяется на
следующие виды:
√ входная информация
√ информация числовой конкретизации модели
√ выходная информация
√ связывающая информация
91 Содержательная (экономическая)
постановка экономико-математической
модели заключается в выделении
основных элементов:
√ исходные данные
√ искомые переменные
√ пределы, в которых могут находиться значения искомых величин в полученном решении
√ зависимости между переменными
√ критерии, по которым следует искать решение задачи
87 Экономико-математические модели
включают в себя следующие виды:
√ прикладные модели, применяемые при решении конкретных задач прогнозирования, планирования, и управления в экономике;
√ описательные, или дескриптивные, модели, которые описывают состояние тех или иных экон. показателей, и дают вероятностный прогноз динамики их изменения;
√ балансовые модели, кот.представляют собой систему балансовых уравнений, удовлетворяющих требованиям наличия ресурса и его использования;
√ оптимизационные модели в виде систем уравнений, которые включают уравнение
- так называемый функционал, или критерий оптимальности;
√ микромодели, отражающие функционирование и структуру отдельного звена экономической системы
(например, предприятия) или состояние и развитие отдельных социально- экономических процессов.
88 Чтобы найти наилучшее решение
многовариантной задачи с помощью
методов математического
моделирования, необх. следующее:
√ дать качественную постановку задачи, т.е. словесно изложить суть задачи с указанием всех известных и неизвестных параметров, ограничительных условий и цели (целей) решения;
√ сформировать на основании качественной постановки задачи ее математическую модель – абстрактное отображение реального процесса в виде количественных закономерностей (мат. уравнений и неравенств);
√ включить в математическую модель ограничительные условия задачи
(система ограничений) и критерий эффективности (функция цели), выражающий (ая) поставленную цель;
√ реализовать математическую модель одним из множества методов математического программирования;
98 Последовательность вычислений,
выполняемых при решении задачи с
помощью Microsoft Excel:
√ составление математической модели
√ ввод условий задачи
√ нахождение допустимого решения
√ нахождение оптимального решения
√ вариантный анализ полученного решения
89 Процесс постановки и реализации
экономических задач методами
математического моделирования
основывается на общих принципах
моделирования и состоит из пяти этапов.
√ постановка экономической задачи, изложение сути задачи
√ построение экономико-математической модели, т.е. формализация поставленной экономической задачи
√ подготовка исходной информации в соответствии с содержательной частью задачи и избранным математическим методом
√ численное решение задачи
√ экономическая интерпретация результатов математического решения задачи и их применение
90 Важнейшим звеном кибернетического
моделирования является системный
анализ, в результате которого
производится формирование описания
объекта:
√ разбиваются на части сложные объекты
(элементы)
√ определяются связи этих элементов, их свойства, количественные и качественные значения свойств
√ устанавливаются количественные и логические соотношения между ними, выражаемые в виде уравнений, неравенств
92 Этап математического моделирования
системный синтез включает:
√ составление математической модели задачи (математическая постановка)
√ построение экономико-математической модели объекта
√ определение методов (алгоритмов) решения задачи
√ производится математическое описание исследуемого экономического объекта или процесса
93 Во время формирования (создания)
модели и ее интерпретации необходимо
понимать следующее.
√ какие ситуации поддаются моделированию
√ как получить нужные для построения модели данные или как извлечь их из больших массивов данных
√ какие существуют методы анализа моделей, помогающие в принятии управленческих решений
√ что можно сделать, чтобы извлечь максимальную пользу из интерпретации модели и реализации решения
94 Модели широко используются
благодаря тому, что заставляют
выполнить следующие действия:
√ явно определить цели
√ определить и зафиксировать типы решений, которые влияют на достижение этих целей
√ выявить и зафиксировать взаимосвязи и компромиссы между этими решениями
√ тщательно изучить входящие в них переменные и определить возможность их измерения
95 Компонентами математической
постановки задачи оптимизации
являются
√ целевая функция F
√ ограничения gi
√ граничные условия
96 Среди линейных моделей
математического программирования
выделяют типы моделей:
√ модель общей задачи линейного программирования
√ модель транспортной задачи линейного программирования
√ модель распределительной задачи линейного программирования
√ модель ассортиментной задачи линейного программирования
97 Модель транспортной задачи линейного
программирования состоит в
нахождении решения перевозки груза от
поставщиков к потребителям с целью
минимизации транспортных затрат, при
условии:
√ объем поставок i-гo поставщика должен равняться количеству имеющегося у него груза
√ объем поставок j-му потребителю должен быть равен его спросу
√ запас груза у поставщиков должен равняться суммарному спросу потребителей
√ размер поставок должен выражаться неотрицательным числом
√ общая сумма затрат на перевозку груза должна быть минимальной
99 По характеру постановки и цели
решения задачи транспортная модель
подразделяется на разновидности:
√ модель минимизации транспортных затрат
√ модель назначений
√ модель сбыта
√ модель управления запасами