Academic literature on the topic 'Економетрія'

Ефективність економіки визначається ефективністю використання ресурсів. Один кілограм сталі коштує, приблизно, 7 центів, один кілограм маси автомашини - 7 доларів, літака - 700 доларів, а інтегральних схем - більше 7000 доларів. Інакше кажучи, найбільший внесок серед ресурсів в економіку вносять людські знання, інтелект й інформація.Розвиток технологій у будь-якій галузі визначає необхідність застосування сучасних засобів аналізу даних. Всі основні фізичні закони включають, у більшості випадків, не більш, як три або чотири незалежні змінні й одну залежну. Збільшення складності сучасних процесів, прискорюване впровадження у виробництво нових процесів і матеріалів, не дозволяє використати традиційне однофакторне дослідження, при якому всі фактори, що впливають на процес, фіксуються, крім одного, що досліджується. Це пов'язано не тільки з недостачею ресурсів, але й неможливістю, при такому підході, визначити міжфакторні взаємодії.Зважаючи на це, статистичні методи дослідження стали одним з основних інструментів не тільки у фундаментальних дослідженнях, але й у прикладних технологічних і конструкторських розробках.Статистичні методи сьогодні не тільки найбільш затребувані, але й найбільш прийнятні в галузі ливарного виробництва. Якщо застосування статистичних методів у медицині й біології має такий розмах, що виникла спеціальна наукова дисципліна - биометрика, а в економіці - економетрія, то в ливарному виробництва подібні методи використаються поки в меншому масштабі.Більша технологічна складність і важкоприступність до досліджуваних об'єктів, складність проведення експерименту, велика витрата ресурсів, роблять статистичні методи дослідження найбільш прийнятними в ливарному виробництві, а необхідність постійно прискорюваного вдосконалювання технологічного процесу приводить до їхньої затребуваності.Пошук оптимальних умов є однією з найпоширеніших науково-технічних задач. Вони виникають, коли встановлена можливість проведення процесу й необхідно знайти найкращі (оптимальні) умови його реалізації. Такі завдання називаються задачами оптимізації. Вибір оптимального состава багатокомпонентних сумішей і сплавів, підвищення продуктивності діючих установок, підвищення якості продукції, зниження витрат на її одержання є прикладами задач оптимізації. Для вирішення задач оптимізації раціонально послідовно застосовувати детерміновані (що характеризуються впорядкованою структурою вузлів) і імовірнісні (які не вирішують точно, але дозволяють із достатньою точністю визначити, у яких межах буде змінюватися величина, що шукається, або з якою ймовірністю можна чекати якої-небудь події) методи прикладної статистики.Для опису об'єкта дослідження зручно користуватися поняттям про кібернетичну систему, що називають «чорним ящиком». З однієї сторони у віртуальний закритий ящик входять фактори, котрі дають можливість впливати на процеси, що відбуваються, а з іншої виходять числові характеристики цілей дослідження – параметри оптимізації.При вирішенні задач використаються математичні моделі дослідження. Під математичною моделлю розуміється рівняння, що пов'язує параметр оптимізації з факторами.Кожен фактор може приймати в досвіді одне з декількох значень. Ці значення називаються рівнями. Для полегшення побудови «чорного ящика» й експерименту фактор повинен мати певне число дискретних рівнів. Фіксований набір рівнів факторів визначає один з можливих станів «чорного ящика».Реальні об'єкти звичайно мають величезну складність. Так, на перший погляд, проста система з п'ятьма факторами на п'ятьох рівнях має 3125 станів, а для десяти факторів на чотирьох рівнях їх уже понад мільйон. Виконання всіх цих дослідів практично неможливо. У цьому випадку застосовується планування експерименту.Планування експерименту - це процедура вибору числа й умов проведення дослідів, необхідних і достатніх для вирішення поставленого завдання з необхідною точністю. Планування експерименту передбачає:⦁ прагнення до мінімізації загального числа дослідів;⦁ одночасне варіювання всіма змінними, що визначають процес, за спеціальними правилами - алгоритмами;⦁ використання математичного апарата, що дозволяє формалізувати дії експериментатора;⦁ вибір чіткої стратегії, що дозволяє приймати обґрунтовані рішення після кожної серії експериментів.Виконання досліджень за допомогою планування експерименту вимагає виконання деяких вимог. Основними з них є умови відтворюваності результатів експерименту й керованість експерименту. Якщо повторити деякі досліди через нерівні проміжки часу й порівняти результати (значення параметра оптимізації), то розкид їхніх значень характеризує відтворюваність результатів. Якщо він не перевищує деякої заданої величини, то об'єкт задовольняє вимозі відтворюваності результатів.Планування експерименту припускає активне втручання в процес і можливість вибору в кожному досвіді тих рівнів факторів, які становлять інтерес. Тому такий експеримент називають активним. Об'єкт, на якому можливий активний експеримент, називається керованим.У реальності немає абсолютно керованих об'єктів, тому що на них діють як керовані, так і некеровані фактори. Некеровані фактори впливають на відтворюваність експерименту і є причиною її порушення. Тому, при проведенні експерименту варто максимально мінімізувати вплив некерованих факторів.На кафедрі ливарного виробництва НТУУ "КПІ" вже багато років проводяться дослідження технологічних властивостей формувальних та стрижньових сумішей із застосуванням методів прикладної статистики. Найбільш придатними для цього виявилися побудова математичних моделей за результатами активних експериментів на підставі планів експериментів за ЛПt (лп-тау) послідовностями. ЛПt послідовності – це сімейство квазівипадкових послідовностей, що забезпечують рівномірну відстань між точками на гіперкубі простору експерименту.Будь-який об'єкт описується набором параметрів. Рішення належить паралелепіпеду. Для пошуку найкращого можна переглянути всі точки. Ці точки повинні бути рівномірно розподілені. ЛПt послідовності й забезпечують рівномірну відстань між точками. Можна побудувати куб. Усередині куба програма генерує числа < 1. Тепер можна знайти відповідність між точками в кубі й у паралелепіпеді. Після цього будуємо таблицю випробувань. Виставляємо умови. Вибираємо рішення, що задовольняє всім обмеженням. Будуємо простір припустимих рішень. Шукаємо найкраще.Такий алгоритм дозволяє зменшити кількість експериментів до мінімуму, та при отриманні неадекватної моделі не перебудовувати весь план загалом, а додавати до нього окремі точки, таким чином добиваючись адекватності.За результатами досліджень, що проведені із використанням вищезгаданого алгоритму розроблено методики прогнозування технологічних властивостей формувальних і стрижньових сумішей, опубліковано більше десятка наукових статей та захищено декілька дипломних робіт магістрів.

У статті розглянуто сучасний стан туристичної галузі Закарпаття, що є пріоритетним напрямом соціально-економічного розвитку регіону, охарактеризовано унікальність геополітичного розташу-вання області. Метою статті є дослідження стану та визначення напрямів розвитку сфери туризму Закар-патської області як складової туристичної галузі України. У ході дослідження встановлено, що за останні роки спостерігається нестійкий попит на туристичні послуги суб’єктів туристичного ринку на різних рівнях адміністративно-територіального поділу держави, що залежить від впливу географічних, політичних, соціально-економічних, демографічних, психологічних та інших чинників. На основі вивчення статистичної інформації проаналізовано туристичні потоки у Закарпатській області за 2001-2018 роки, зазначено об’єктивні чинники, що характеризують їхню динаміку зростання чи спадання. Встановлено, що в інфра-структурі рекреаційної галузі важливе місце займають колективні засоби розміщування. Проведено аналіз даних про колективні засоби розміщення та дитячі заклади оздоровлення і відпочинку, які працювали влітку. Визначено частку Закарпаття у туристичній галузі України за кількістю туристів, обслугованих суб’єктами туристичної діяльності, громадян, які виїжджали за кордон та відвідали Україну, за кількістю готелів і ана-логічних засобів розміщення, їх місткістю та чисельністю осіб, що перебували у цих закладах. Встановлено, що, зважаючи на значний туристичний потенціал Закарпаття, існує потреба в системному підході щодо ро-звитку туристичної галузі області, розробці й реалізації комплексу заходів, які забезпечать сталий розвиток регіону. Подальші дослідження повинні бути спрямовані на вивчення впливу фінансово-економічних та соціаль-но-економічних факторів на розвиток туристичних потоків регіонів України з використанням економетрич-них методів і моделей.

Актуальність даної теми безпосередньо пов'язана з необхідністю підвищення рівня конкурентоспроможності українських підприємств, який у порівнянні з іноземними все ще залишається низьким. Мета статті - проаналізувати сучасні наукові розробки в області систем підтримки прийняття управлінських рішень на основі аналізу їх еволюційного розвитку.
 Встановлено, що розвиток ІТ - систем, які підтримують менеджмент, розпочався у 1950-1960-х роках. Найдавніші ІТ - системи називалися трансакційними або системами для обробки даних. Перші системи були простими: використовували лічильні та аналітичні машин. Вони базувалися на масових операціях, які супроводжувалися значними витратами та не високою надійністю. Ці системи використовувалися для розрахунків заробітної плати, управління матеріалами, виставлення рахунків, обліку, контролю за дебіторською та кредиторською заборгованістю, обліку робочого часу та його ефективності, а також обліку витрат виробництва.
 Злам 20-го та 21-го століть - це період динамічних змін у розвитку ІТ - систем, що підтримують управління, головним чином завдяки мережевим системам, корпоративним інтрамережам та системам управління знаннями. Обґрунтовано, що системи Business In-Intelligence (BI) є кульмінацією еволюції змін у сфері систем підтримки прийняття рішень та системної експертизи. Вони формують рішення що ґрунтуються на: статистиці та економетрії, операційних дослідженнях та штучному інтелекті.
 Генезис ІТ-систем дозволив визначити етапи розвитку інтегрованих систем управління, що розвивалися паралельно вищезгаданим поколінням систем та направлені на підтримку реалізації функцій управління. Спочатку це були системи планування вимог до матеріалів (ang. Material Requirements Planning, MRP I), створені в 1960 -х роках на основі моделі управління складськими запасами. (для виробничих підприємств), потім модель закритого циклу MRP (ang. Closed-Loop MRP) та системи планування виробничих ресурсів (ang. Manufacturing Resources Planning, MRP II). Іншою версією цих систем є системи планування ресурсів підприємства (ang. Enterprise Resources Planning, ERP), створені в 1990-х роках. Змінені функціональні наповнення цих систем призвели до появи таких версій, як ERP II, EERP (Extended ERP), @ERP, EAS (Enterprise Application Suite), eERP, IERP (Intelligent ERP ERP), ERP +, ERP III і характеризуються як нове покоління інтегрованих систем - ERP IV. Доведено, що поява нових версій систем є результатом зміни умов ведення бізнесу та можливостей, створених розвитком ІКТ.