1. Математикалық модельдеу түсінігі

Математикалық модельдеу — нақты объектінің, процестің немесе міндеттің маңызды қасиеттерін математикалық формулалар, теңдеулер, функциялар және шектеулер арқылы сипаттау әдісі. Модель зерттелетін жүйенің барлық ерекшелігін қамтуға міндетті емес. Ол қойылған міндетті шешуге қажетті негізгі факторларды көрсетуі керек.

Шешім қабылдауда математикалық модель әртүрлі баламалардың нәтижелерін есептеуге және оларды бірдей шарттарда салыстыруға мүмкіндік береді. Модельдің сапасы бастапқы деректердің сенімділігіне, қабылданған болжамдарға және математикалық сипаттаудың дұрыстығына тәуелді.

Математикалық модель құрудың негізгі кезеңдері:

1. Мәселені және модельдеу мақсатын анықтау.
2. Басқарылатын айнымалылар мен сыртқы параметрлерді белгілеу.
3. Мақсаттық функцияны құрастыру.
4. Шектеулер жүйесін анықтау.
5. Бастапқы деректерді жинау және тексеру.
6. Модельді есептеу және нәтижелерді талдау.
7. Модельдің дұрыстығын тексеру және қажет болған жағдайда түзету енгізу.

Мысалы, кәсіпорын екі өнім түрін шығарады делік. Әр өнімнің пайдасы, өндірістік ресурстарды пайдалану көлемі және қолда бар ресурстар мөлшері белгілі. Математикалық модель осы деректер негізінде қандай өнімнен қанша өндіру керектігін анықтай алады.

2. Айнымалылар, параметрлер және мақсаттық функция

Математикалық модельде қолданылатын шамаларды бірнеше топқа бөлуге болады.

Шешім айнымалылары — шешім қабылдаушы анықтайтын белгісіз шамалар. Олар баламаны сипаттайды. Мысалы, (x1) және (x2) арқылы бірінші және екінші өнімнің өндіріс көлемдерін белгілеуге болады.

Модель параметрлері — бастапқыда белгілі немесе алдын ала бағаланатын шамалар. Мысалы, өнім бірлігінен алынатын пайда, шикізат шығыны және қолда бар жұмыс уақыты.

Мақсаттық функция — шешімнің тиімділігін сандық түрде көрсететін математикалық өрнек. Ол максимизациялануы немесе минимизациялануы мүмкін.

Мысалы, екі өнімнің бірлігінен алынатын пайда тиісінше 500 және 700 теңге болса, жалпы пайданы мына функциямен көрсетуге болады:

Z=500*x1+700*x2à max

Мұндағы x1 және x2 — өндірілетін өнім көлемдері, ал Z — жалпы пайда. Максимизация міндеті пайданың мүмкін болатын ең үлкен мәнін табуды көздейді.

Егер мақсат шығынды азайту болса, мысалы, жалпы шығын:

C=c1*x1+c2*x2 àmin

түрінде жазылады. Мұндағы c1 және c2— өнім бірліктерінің шығындары.

Шектеулер модельдің мүмкін болатын шешімдерін анықтайды. Мысалы, өндіріс үшін 100 сағат жұмыс уақыты бар, ал бірінші өнімге 2 сағат, екінші өнімге 4 сағат қажет болса:

2x1+4x2 ≤100

Сонымен қатар өндіріс көлемі теріс бола алмайды:

X1 ≥ 0, x2 ≥ 0

Осылайша, математикалық модель мақсаттық функциядан, шектеулер жүйесінен және шешім айнымалыларына қойылатын талаптардан құралады.

3. Статистикалық талдаудың рөлі

Статистикалық талдау — деректерді жинау, жүйелеу, сипаттау және олардың негізгі ерекшеліктерін анықтау әдістерінің жиынтығы. Ол математикалық модель құруға қажетті ақпаратты дайындауға және алынған нәтижелерді түсіндіруге көмектеседі.

Статистикалық деректер сандық және сапалық болуы мүмкін. Сандық деректер өлшенетін шамаларды білдіреді: табыс, уақыт, өнім көлемі, температура. Сапалық деректер объектілердің санаттарын сипаттайды: өнім түрі, білім деңгейі немесе қызмет сапасының санаты.

Деректерді талдаудың бастапқы кезеңінде қате мәндер, бос ұяшықтар, қайталанатын жазбалар және өлшем бірліктерінің сәйкессіздігі тексеріледі. Бұл қадамдар есептеу нәтижелерінің сенімділігіне тікелей әсер етеді.

4. Сипаттамалық статистика көрсеткіштері

Сипаттамалық статистика деректер жиынтығын негізгі сандық көрсеткіштер арқылы сипаттайды.

Арифметикалық орта барлық мәндердің қосындысын олардың санына бөлу арқылы есептеледі:

Мұндағы xi— жеке бақылау мәні, n — бақылаулар саны.

Медиана — өсу ретімен орналасқан деректердің ортасындағы мән. Егер бақылаулар саны жұп болса, ортасындағы екі мәннің арифметикалық ортасы алынады. Медиана шектен тыс үлкен немесе кіші мәндердің әсеріне арифметикалық ортаға қарағанда азырақ ұшырайды.

Мода — деректер жиынында ең жиі кездесетін мән.

Ауқым деректердің ең үлкен және ең кіші мәндерінің айырмасын көрсетеді:

R=xmax - xmin

Дисперсия деректердің орташа мәннен ауытқуын сипаттайды. Бас жиынтық дисперсиясы:

Ал таңдама дисперсиясы көбіне n-1-ге бөлу арқылы есептеледі:

Стандартты ауытқу — дисперсияның квадрат түбірі. Ол деректердің орташа мәннен ауытқу деңгейін бастапқы өлшем бірлігімен көрсетеді.

Вариация коэффициенті стандартты ауытқудың арифметикалық ортаға қатынасын пайызбен сипаттайды:

CV=s/x*100%

Бұл көрсеткіш орта мәні нөлден едәуір өзгеше және салыстыруға жарамды болған жағдайда әртүрлі деректер жиынтығының салыстырмалы өзгергіштігін бағалауға көмектеседі.

5. Модельдеу мен статистикалық талдауды біріктіру

Статистикалық талдау модельге енгізілетін параметрлерді бағалау үшін пайдаланылады. Мысалы, кәсіпорынның бірнеше айдағы сатылым деректері бойынша орташа сұраныс анықталып, өндіріс көлемін жоспарлауда қолданылады.

Модель құрылғаннан кейін оның нәтижелері нақты деректермен салыстырылады. Егер модель болжамдары нақты нәтижелерден едәуір ерекшеленсе, бастапқы параметрлерді, шектеулерді немесе модель құрылымын қайта қарастыру қажет.

Excel бағдарламасында орташа мәнді AVERAGE, медиананы MEDIAN, стандартты ауытқуды STDEV.S функциялары арқылы есептеуге болады. Python тіліндегі pandas кітапханасы деректерді өңдеуге, ал describe() әдісі негізгі сипаттамалық статистиканы алуға мүмкіндік береді.

Дегенмен статистикалық көрсеткіштерді есептеу жеткіліксіз: нәтижелерді зерттелетін мәселенің мазмұнына сәйкес түсіндіру қажет. Мысалы, орташа сатылымның жоғары болуы әр кезеңде сатылым тұрақты болды дегенді білдірмейді. Ол үшін дисперсияны, уақыт бойынша өзгерісті және шектен тыс мәндерді де талдау керек.

Қорытынды

Математикалық модельдеу нақты міндетті формалды түрде сипаттап, баламаларды есептеу арқылы салыстыруға мүмкіндік береді. Айнымалылар, мақсаттық функция және шектеулер модельдің негізгі элементтері болып саналады. Статистикалық талдау бастапқы деректерді сипаттап, модель параметрлерін негіздеуге және нәтижелердің сенімділігін бағалауға көмектеседі.