ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 18.05.2025
Просмотров: 804
Скачиваний: 0
СОДЕРЖАНИЕ
1,Основные понятия Теории Вероятности
2, Сумма событий. Теорема сложения вероятностей
7. Дискретной случайной величиной
8. Числовые характеристики дискретных случайных величин.
16 Точечные оценки параметров распределения
9.Непрерывные функции распределения
10 Числовые характеристики непрерывных случайных величин.
17 Интервальные оценки параметров распределения при известном
13. Двумерные случайные величины
12 Нормальный закон распределения.
15 Основные понятия мат статистики
18 Интервальные оценки параметров распределения при неизвестнов
20. Элементы корреляционного анализа
19 Статистическая проверка гипотез
1 Этап. Построение первоначального базисного плана.
22.Примеры производственных задач лесного комплекса, приводящие к задачам линейного программирования
26. М –задача. Свойства решений м- задачи
21.Линейная регрессия
Распределение
системы СВ
характеризуется числовыми параметрами:
математическими ожиданиями компонент
,
;
дисперсиями
,
;
корреляционным моментом (ковариацией)
;коэффициентом
корреляции
,
.
Здесь
и дальше, будем считать, что двумерная
СВ
распределена нормально, тогдауравнения
линейной регрессии
на
и
на
имеют вид [3]:

.По
корреляционной таблице 1, найдем
оценки параметров линейной регрессии,
(см. лаб. раб. №3):
;
;
;
;
;
- выборочный коэффициент корреляции
. (7)
Выборочный коэффициент корреляции
характеризует тесноту линейной связи
между
и
.
Если
,
то элементы выборки
,
,
лежат на прямой линии, а
и
считаются практически линейно зависимы.
Чем ближе
к 1, тем связь сильнее; чем ближе
к 0, тем связь слабее. Если
и
независимы, то
.
Эмпирическая
функция линейной регрессии
на
и
на
соответственно задаётся уравнениями
.
22.Примеры производственных задач лесного комплекса, приводящие к задачам линейного программирования
Важной задачей в лесной промышленности является задача оптимального раскроя материала (бревен, досок, брусков и т.д.). От этой операции во многом зависит эффективность производства.
Познакомимся с решением задач линейного программирования на примере задачи оптимальной раскряжевки брёвен[5].
На предприятии имеются бревна длиной 6 м, которые необходимо разрезать на заготовки длиной 2,8 м в количестве 800 шт., 2,1 м − 900 шт., 1,8 м − 6000 шт. Необходимо составить оптимальный план раскроя материала, который обеспечивает минимальные отходы, при условии выполнения плана по выходу заготовок.
Решение. Сначала составим математическую модель нашей задачи. Возможные варианты раскроя и отходы при каждом из них запишем в виде табл. 2.
|
Длина заготовки |
Варианты раскроя |
Количество заготовок |
||||||
|
|
1 |
2 |
3 |
4 |
5 |
6 |
|
|
|
2,8 м |
2 |
1 |
1 |
0 |
0 |
0 |
800 |
|
|
2,1 м |
0 |
1 |
0 |
2 |
1 |
0 |
900 |
|
|
1,8 м |
0 |
0 |
1 |
1 |
2 |
3 |
6000 |
|
|
Остаток, м |
0,4 |
1,1 |
1,4 |
0 |
0,3 |
0,6 |
|
|
26. М –задача. Свойства решений м- задачи
Метод искусственного базиса. (М-задача).
Если
каноническая ЗЛП не имеет единичного
базиса, то вводится искусственный
базис. К левым частям равенств добавляют
искусственные переменные
и переходят к расширенной задаче
(М-задаче) :
,

,
где М − произвольное достаточно большое положительное число.
Единичные
векторы
,
соответствующие искусственным
переменным, образуют базис.
Решая М-задачу симплекс-методом, через конечное число итераций, придем к оптимальному плану, либо установим неразрешимость М-задачи.
М-задача имеет следующие особенности.
1. Искусственные векторы находятся лишь в столбце базисных векторов и могут не записываться в саму таблицу. Искусственные базисные векторы исчезают из таблицы по мере их исключения.
2. Последняя
индексная строка разделяется на две
строки: в верхнюю записываются свободные
слагаемые оценок, а в нижнюю коэффициенты
при
.
3. Критерий
оптимальности сначала проверяется по
коэффициентам
,
и при их полном исключении задача
решается обычным образом.
4. Если в оптимальном плане М-задачи все искусственные переменные равны нулю, то данный план будет решением исходной задачи.
5. Если в оптимальном плане М-задачи хотя бы одна из искусственных переменных отлична от нуля, то исходная задача не имеет допустимых планов, т. е. система ограничений несовместна.
23.Постановка задачи линейного программирования
Задачей линейного программирования (ЗЛП) в нормальной форме называется задача максимизации (минимизации) целевой функции
(1)
по
переменным
удовлетворяющим неравенствам
, где
постоянные числа. Запись
означает, что
.В
матричной форме задача имеет вид
, (4)
,


,
,
.
x
называется
вектором-переменной,
− вектор ограничений,c
− вектор стоимости,
векторы условий,
матрица условий, символ
означает транспонирование.Наряду с
нормальной формой задачи линейного
программирования (4)−(6), широкое
распространение получила каноническая
форма, под которой понимается следующая
задача
,
где
все компоненты вектора x
неотрицательны.Две
формы ЗЛП отличаются лишь типом
ограничений. В нормальной форме
ограничения типа неравенств, в
канонической − типа равенств. Ограничения
типа неравенств можно свести введением
неотрицательных свободных переменных
к ограничениям типа равенств. В первое
неравенство ограничений (2) добавим
свободную переменную
,
второе −
,
последнее −
.
Коэффициенты
,
соответствующие свободным переменным,
равны нулю.
Одним из основных аналитических методов решения ЗЛП является симплекс-метод[6-8]. Теория и алгоритм симплекс-метода строится только для канонической формы (7) − (9) ЗЛП.
Планом
или допустимым решением ЗЛП называется
вектор
,
удовлетворяющий системе ограничений
(8)-(9). План задачи (7)−(9), для которого
линейная форма достигает максимума,
называется оптимальным. План называетсябазисным
(опорным),
если вектора условий
соответствующие
ненулевым компонентам, линейно независимы. Базисный план называется невырожденным, если он содержит ровно m положительных компонент.
Решение ЗЛП состоит из трех основных этапов: 1) построение первоначального невырожденного базисного плана; 2) проверка плана на оптимальность; 3) в случае неоптимальности плана указание процедуры перехода к новому плану.
2
этап. Критерий оптимальности базисного
плана.
Критерием оптимальности рассматриваемого
решения (плана) является выполнение
условия
.Если
это условие не выполняется для
некоторого номераj
и все элементы
этого столбца неположительные, то
целевая функция не ограничена на
множестве допустимых планов. Если
же существуют столбцы с
,
но в каждом из них имеются положительные
элементы
тогда следует искать новый план, при
котором значение функцииz
было бы больше. Для этого переходим к
новому базису. Чтобы определить, какой
вектор следует ввести в базис,
просматривают последнюю строку. Вектор,
соответствующий минимальному
отрицательному
,
вводится в базис (если имеется несколько
таких одинаковых
,
то берется любой). Пуст
, тогда
вектор
нужно ввести в базис. Столбец, содержащий
число
,
называетсяразрешающим
столбцом
симплексной таблицы. Чтобы определить,
какой вектор нужно вывести из базиса,
вычисляют минимальное отношение
координат
вектора
к положительным элементам
разрешающего столбца, т. е. находятся
симплексные отношения
для
и помещают их в столбец
,
затем среди них выбирают наименьшее −
.
Пусть
,
тогда вектор
нужно исключить из базиса. В симплексной
таблице строка, содержащая число
,
называетсяразрешающей,
а элемент
,
стоящий на пересечении разрешающих
столбца и строки, −разрешающим
(ключевым) элементом.