S pojmom matematičkog modeliranja već smo se susretali. Što je zapravo modeliranje?
U školi često koristimo modele. Potražimo značenje riječi model.
Pročitajte dio definicije iz Hrvatske enciklopedije:
model (njem. Modell, franc. modèle < tal. modello < pučki lat. *modellus za klas. lat. modulus: mjera; uzorak).
1. Oblik (lik, tip) u koji se netko ugleda, koji uzima za primjer ili ga oponaša (reproducira); obrazac, uzorak, predložak, uzor, primjer.
...
5. U znanosti, skup pretpostavki s pomoću kojih se teorijski opisuje neki sustav. Sastoji se od opće teorije i opisa objekta ili sustava na koji se teorija odnosi.
Definicija sugerira da je modeliranje kognitivna aktivnost u kojoj izrađujemo modele kako bismo opisali ponašanje stvari, ljudi, pojava... čije ponašanje želimo opisati, oponašati, upotrijebiti ili predvidjeti.
U svrhu matematičkog modeliranja u matematici su razvijeni (i dalje se razvijaju) mnogi modeli. Jedan od najjednostavnijih i najvažnijih je linearni model. Ako je veza među veličinama u modelu linearna tj. dana je kao linearna ovisnost (linearna funkcija) ili ako se aproksimira linearnom funkcijom, govorimo o linearnom modelu.
Korelacija
Amortizacija je postupno umanjivanje vrijednosti imovine poduzeća, a obračunava se godišnje prema zakonom predviđenom postupku. Različiti su načini procjene amortizacije. Najraširenija je linearna amortizacija, prema kojoj je iznos godišnje amortizacije uvijek jednak, a izračunava se tako da se razlika nabavne i otpisne vrijednosti podjeli s brojem godina amortizacije opreme.
Kako se može naslutiti iz imena, riječ je o linearnoj vezi.
Primjer 1.
Tvrtka koja se bavi sklapanjem računala ima vrijednost imovine procijenjenu na kuna. Amortizacija iznosi kuna po godini.
a) Kolika će biti vrijednost imovine (bez ponovnog ulaganja) nakon godina?
b) Nakon koliko će godina knjižena vrijednost imovine tvrtke biti nula? (Napomena: Prava vrijednost imovine ne može biti nula, ovo je vrijednost koja je zabilježena u financijskoj dokumentaciji tvrtke.)
Tražimo model za određivanje vrijednosti imovine uz odbitak amortizacije nakon godina. Obje su veličine promjenjive i vrijednost imovine ovisi o godinama. Trebamo izračunati vrijednost imovine nakon godina i vrijeme potrebno da vrijednost imovine bude jednaka nuli. Zadana je vrijednost imovine kuna i amortizacija od kuna po godini - konstantna vrijednost. Pretpostavka je da se u imovinu neće dodatno ulagati.
Zadanom smo problemu pridružili linearni model. Kažemo da smo modelirali linearnom funkcijom. Pridruženi je model padajuća linearna funkcija jer je koeficijent smjera negativan.
- uvrstili smo za broj godina
Uz
izračunat ćemo nakon koliko će godina vrijednost imovine biti jednaka nuli, tj. odredit ćemo točku u kojoj pravac siječe os apscisa.
Vrijednost imovine bit će jednaka nuli nakon
godine.
Pogledajmo kako to izgleda na grafičkom prikazu.
Mjerilo u kojem je nacrtan prikaz:
Vrijednost imovine tvrtke nakon osnivanja iznosi
kuna. Nakon četiri godine, vrijednost je
kuna. Koja od jednadžbi pravca grafički prikazuje ovisnost vrijednosti imovine o godinama?
Nakon tri godine automobil vrijedi
kuna, a nakon pet godina
Automobil je kupljen za
kuna.
Ako je
temperatura u
temperatura je u
tada koeficijent
označava
Koeficijent smjera funkcije
iznosi:
Temperatura koju je Ana dobila u
jednaka je
Kada temperatura padne ispod određene vrijednosti cvrčci se više ne glasaju. Odredite koja je to temperatura granična.
Uprava računalne tvrtke zaključila je da bi boljom reklamom povećala broj svojih klijenata. U tu svrhu odlučili su izraditi reklamne letke. Posao pronalaska tvrtke koja će im to napraviti povjeren je Marinku. Marinko je pronašao tvrtku koja se bavi izradom reklamnih letaka i tablicu kojom su prikazali svoju ponudu.
Broj letaka |
Ukupna cijena (u kunama) |
---|---|
|
|
|
|
|
|
|
|
Prikažemo li podatke iz tablice kao skup točaka u koordinatnom sustavu, dobivene točke neće ležati na pravcu.
Ako se broj letaka poveća za komada, ukupna cijena povećat će se za
Cijena tiskanja
letaka bila bi:
Ukupna cijena tiskanja
letaka bila bi:
U zadatku smo tražili vezu između dviju veličina u skupu podataka zadanih tablicom. U koordinatnom smo sustavu taj skup točaka povezali s pravcem koji prolazi kroz sve nacrtane točke. Zaključili smo da je veza između dviju veličina linearna. Na to da je njihova veza linearna, upućuju i konstantne razlike susjednih vrijednosti u tablici.
U realnim okolnostima podatci se ne bi tako savršeno poklopili s linearnom funkcijom. Kod narudžbe za veći broj komada cijena se spušta u određenom postotku, pa cijena i broj komada nisu u savršenom linearnom omjeru. Ipak, vezu možemo aproksimirati linearnom funkcijom te približno odrediti podatke koji nas zanimaju.
Primjer 2.
Pogledajmo tablicu koja prikazuje podatke o bruto domaćem proizvodu po stanovniku (BDP, engl. - gross domestic product, GDP) za Hrvatsku u periodu od 2000. do 2008. godine, izraženo u USD ( američkim dolarima).
GodinaBDP po stanovniku Republike Hrvatke u USD 2000. 2001. 2002. 2003. 2004. 2005. 2006. 2007. 2008.
Izvor podataka: Svjetska banka
Ucrtajmo podatke u koordinatni sustav, tako da godine budu na osi apscisa, a BDP na osi ordinata.
Nacrtali smo dijagram rasipanja. BDP po stanovniku od 2000. do 2008. godine raste. Je li taj rast linearan? Postoji li pravac, odnosno graf linearne funkcije koji će povezati nacrtane podatke?
Pravac možemo odrediti pomoću tehnologije.
Kažemo da smo upotrebljavali linearnu regresiju, a dobiveni pravac zovemo pravac regresije.
Pravac regresije
Pravac regresije jest pravac koji najbolje povezuje (aproksimira) zadane točke grafa.
Više je različitih metoda pomoću kojih se može odrediti pravac regresije. Jedna od najčešćih jest metoda najmanjih kvadrata, pomoću koje možemo odrediti koeficijente pravca regresije.
Formule kojima se računaju koeficijenti nešto su složenije, kako za izvođenje tako i za korištenje. Stoga ćemo mi za određivanju pravca regresije koristiti gotove računalne programe.
Na stranicama Državnog zavoda za statistiku u Bazama podataka pronađite podatke koji bi mogli biti linerano povezani.
Prikažite ih grafički, te uz pomoć tehnologije pronađite pravac regresije.
Zbog ograničenih sredstva i vremena, oba resursa želimo maksimalno iskoristiti. Kako zamotati što veći broj poklona pomoću ukrasnog papira? Kako najbolje iskoristiti karton koji imamo za izradu kartonske kutije najvećeg volumena? Kako da dobit bude maksimalna? Od produktivnog korištenja vremena do rješavanja problema u lancu opskrbe vaše tvrtke - za sve koristimo optimizaciju.
Linearno programiranje jedan je od najjednostavnijih načina za optimizaciju. Pomaže nam riješiti neke vrlo složene probleme optimizacije. Linearnim programiranjem obrađuju se i analiziraju podatci pomoću numeričke metode za rješavanje problema te se daje odgovarajuća geometrijska interpretacija.
Nešto više o linearnom programiranju pogledajte na linku:
Primjer 3.
Vlasnik tvrtke traži savjetnika za optimizaciju. Na oglas za posao javilo se nekoliko ljudi različitih profila, a među njima ste i vi. Kako bi napravio izbor, zadao vam je problem koji trebate riješiti.
Tvrtka proizvodi hlače i jakne. U izradi koriste dvije vrste materijala: pamuk i viskozu. Pred vama je zadatak sa sljedećim podatcima:
Tvrtka raspolaže sa pamuka i viskoze. Za izradu hlača potrebno je pamuka i viskoze, dok se za proizvodnju jakne utroši pamuka i viskoze.
Za svake prodane hlače u trgovini tvornica zaradi kuna, a za svaku jaknu kuna.
Koliki je broj hlača i jakni koji se može proizvesti iz materijala sa zaliha, kako bi zarada bila maksimalna?
Najprije trebamo sve podatke zapisati.
Ako broj hlača označimo s x, a broj jakni s y, onda vrijednost zarade možemo prikazati kao funkciju:
Moramo također uzeti u obzir da je broj hlača i jakni pozitivan cijeli broj, što zapisujemo ovako:
Prikažimo sada dvije nejednadžbe s dvije nepoznanice grafički u prvom kvadrantu. Zašto?
Sve vrijednosti koje zadovoljavaju ove četiri nejednadžbe s dvije nepoznanice prikazane su u području plavog četverokuta.
Rješenje koje treba ponuditi vlasniku tvrtke jest točka u kojoj se sijeku pravci i
Ta točka ima koordinate pa je optimalni broj hlača a jakni
Prema zadanim podatcima, kombinacija je mogla biti i drugačija. Zarada ne bi bila maksimalna, ali iskorištenost zaliha materijala bila bi u potpunosti zadovoljena.
Uvježbajte rješavanje dviju nejednadžbi s dvjema nepoznanicama u sljedećoj vježbalici.
Tehniku linearnog programiranja prvi je razvio Leonid Kantorovich 1939. za vrijeme Drugog svjetskog rata. Linearno programiranje korišteno je za optimiziranje troškova i zarade te maksimiziranje štete neprijatelju. U isto vrijeme, neovisno o Kantorivichu, linearnim programiranjem bavio se i američki ekonomist F. L. Hitchcock.
Američki ekonomist G. B. Dantzig 1947. godine predložio je metodu poznatu kao simpleks metoda. To je iterativni postupak za rješavanje bilo kojeg problema linearnog programiranja u ograničenom broju koraka.
Na internetu postoje i simpleks kalkulatori. Jedan se nalazi na linku.
Isprobajte ga na primjeru koji smo riješili.