Seminar SE 2 st. Uni Klagenfurt: und TU Wien: 187

Präsentation zum Thema: "Seminar SE 2 st. Uni Klagenfurt: und TU Wien: 187"—  Präsentation transkript:

1 Seminar SE 2 st. Uni Klagenfurt: 814. 515 und TU Wien: 187
Seminar SE 2 st. Uni Klagenfurt: und TU Wien: Mathematische Modellbildung und Simulation Ökonometrische, systemdynamische, Input-Output Modelle sowie agent-based systems Peter Fleissner

2 websites Allgemeines Laufende Ereignisse, Skripten, Termine

3 Termine immer montags, 9:15-13:00
1. Block: Montag, 23. Okt 2006 TU 2. Block: Montag, 06. Nov 2006 IFF Seminarraum 4c 3. Block: Montag, 13. Nov 2006 IFF Seminarraum 6 4. Block: Montag, 20. Nov 2006 IFF Seminarraum 4c 5. Block: Montag, 27. Nov 2006 IFF Seminarraum 6 6. Block: Montag, 11. Dez 2006 IFF Seminarraum 4c 7. Block: Montag, 18. Dez 2006 IFF Seminarraum 6 8. Block: Montag, 15. Jänner 2007: Prüfung A 9. Block: Montag, 22. Jänner 2007: Prüfung B Die Termine finden im Seminarraum bzw. im Computerlabor des IGW oder am IFF, Schottenfeldgasse 29, Stiege 1/I-506, A-1070 Wien, statt.

4 Was wir heute machen werden:
Fortsetzung der Mehrebenenökonomie und der Input-Output-Analyse: Ein konkretes Transformationsproblem Effekte des technischen Fortschritts Einführung in agent based modelling the blind and the lame Predator-prey-model (LSD) The Product Life Cycle Model (Anylogic)

5 Anwendung von Input-Output-Modellen
Effekte technischer Veränderungen

6 Effekte technischer Veränderungen
Input-Output-Grundformel: x = (E-A)-1y Lösung in erster Näherung Dx = (E-A)-1(DAx + Dy) Veränderungen der A-Matrix ...… DA und/oder veränderungen der Nachfrage … Dy > Veränderungen im Output ……… Dx > Veränderungen der Beschäftigtenzahlen > Veränderungen der Lohnsumme > Veränderungen der Nachfrage …………. Dy(t+1) Wie komme ich dazu?

7 E+(A0+DA)+(A0+DA)2+(A0+DA)3+…
….ein wenig Mathematik x0 = (E-A0)-1y > x1 = (E-A1)-1y1 y1 = y0 + Dy; A1 = A0 + DA; x1 = x0 + Dx Substitution ergibt x1 = (E-A1)-1y1 = [E - (A0+DA)]-1(y0 + Dy) =…. [E - (A0+DA)]-1 = (Von Neumann Reihe) = E+(A0+DA)+(A0+DA)2+(A0+DA)3+… Substitution: B anstelle von DA

8 E+(A+B)+(A+B)2+(A+B)3+…=
Terme von B höher als erster Ordung werden vernachlässigt E + A + BE A2 + BA ABE B2 A3 + BA ABA + A2BE + AB2 + B2A+ BAB+ B3 A4 + BA ABA2 + A2BA + A3BE + …. A5 + BA ABA3 + A2BA2 + A3BA + A4BE + +…. =(E-A)-1+B(E-A)-1+AB(E-A)-1+A2B(E-A)-1 + …

9 (E-A)-1+B(E-A)-1+AB(E-A)-1+A2B(E-A)-1+…=
= (E + B + AB + A2B + A3B +…) (E-A)-1 = = [E + (E + A + A2 + A3 +…….)B] (E-A)-1 = = [E + (E-A)-1 B] (E-A)-1 Rücksubstitution: DA anstelle von B ergibt [E-(A+DA)]-1= (E-A1)-1 ~ [E + (E-A)-1DA](E-A)-1 Zu zeigen war, dass aus x1 = (E-A1)-1y1 in erster Näherung Dx = (E-A)-1(D Ax + D y) folgt.

10 x1 = x0 + Dx = [E-(A0 + DA)]-1(y0 + Dy) = = [E + (E-A0)-1DA] (E-A0)-1(y0 + Dy) = = x0 + (E-A0)-1DA x (E-A0)-1Dy + (E-A0)-1DA (E-A0)-1Dy => Dx = (E-A0)-1 (DA x0 + Dy) q.e.d.

11 Effekte technischer Veränderungen
Input-Output-Grundformel: x = (E-A)-1y Lösung in erster Näherung Dx = (E-A)-1(DAx + Dy) Veränderungen der A-Matrix ...… DA und/oder veränderungen der Nachfrage … Dy > Veränderungen im Output ……… Dx > Veränderungen der Beschäftigtenzahlen > Veränderungen der Lohnsumme > Veränderungen der Nachfrage …………. Dy(t+1)

12 Simulationsmethoden Beispiele auf der Mikroebene
Selbstorganisierende Systeme (Beispiel: „the blind and the lame“) Agentenbasierte Simulationen (Einführende Literatur:

13 Simulationsmethoden „The blind and the lame“
Zwei interagierende Welten … Welt A: die physische Welt (klassische Mechanik) Welt B: die Welt der Symbole (Alphabet ohne Bedeutung)

14 Simulationsmethoden …und zwei interagierende Akteure
Akteur 1: Der Blinde kann springen hören die Töne, die er hört, interpretieren und danach handeln (springen) Akteur 2: Der Lahme Die Länge des Hindernisses sehen Töne verschiedener Höhe erzeugen (mit Trompete) die Länge des Hindernisses mit der Tonhöhe verknüpfen Und die Töne mit Bedeutung versehen

15 Simulationsmethoden Agentenbasierte Simulationen
Auf der Mikroebene spielen sich die Interaktionen der Individuen ab Auf der Meso/Makroebene kann neues Verhalten abgelesen werden, das nicht aus der bloßen Aggregation der Daten für die einzelnen Akteure gewonnen werden kann

16 Simulationsmethoden Vier Arten von Verständnis durch ABS Empirisch
Warum haben sich bestimmte Makrophänomene entwickelt (auch wenn keine top-down-Kontrolle existiert)? Normativ Welches Design ist für bestimmte Institutionen optimal? Heuristisch Können Einsichten über die grundlegenden Kausalmechanismen des Systems gewonnen werden? Methodisch Wie können Theorien mit ABS getestet, erweitert und verbessert werden (was bisher aus methodischen Beschränkungen nicht möglich war)?

17 Simulationsmethoden -> LSD Agentenbasierte Simulationen
Das GNU Softwarepaket von Marco Valente: GNU is not UNIX ! Laboratory of Simulation Development -> LSD Anwendungsbeispiel: Schafe und Wölfe (50 Schafe, 20 Wölfe)

18 Simulationsmethoden Phasendiagramm

19 Simulationsmethoden Agentenbasierte Simulationen Beispiel:
Räuber-Beute Modell (x…Schafe, y…Wölfe) (Beschrieben auf der Makroebene mit der Lotka-Volterra-Differentialgleichung): dx/dt = alfa*x beta*y + gamma*x.y dy/dt = delta*x + epsilon*y eta*x.y -> Ökonometrische Schätzung der Parameter aus den Daten der ABS (beta = delta = 0)

20 Simulationsmethoden dx/dt (sheep) dy/dt (wolves) Regressionsergebnisse
Simulation des korrespondierenden aggregierten Modells mit LSD mit den oben angeführten geschätzten Parametern dx/dt (sheep) Term Coefficient SE p 95% CI of Coefficient x  0,0129 0,0011 <0.0001 0,0107 to 0,0151 xy  -0,0002 0,0000 to -0,0001 dy/dt (wolves) Term Coefficient SE p 95% CI of Coefficient y  -0,0397 0,0013 <0.0001 -0,0423 to -0,0370 xy  0,0002 0,0000 to 0,0002

21 Agentenbasierte Simulation Systemdynamik Simulation

22 Simulationsmethoden im Vergleich
SD-Modelle und ABS Die Leistungsfähigkeit der Computertechnologie erlaubt es, Probleme, die bisher auf der Aggregatebene analysiert wurden, auf der Ebene der Individuen zu formulieren SD-Modelle und ABS können als Endpunkte eines ganzen Spektrums von Modellierungsmöglichkeiten angesehen werden Man hat im Prinzip die Wahl zwischen aggregierten und agent based Modellen und deren Kombinationen Was sind die Entscheidungskriterien?

23 Simulationsmethoden im Vergleich
SD-Modelle und ökonometrische Modelle bestehen aus (nicht)linearen Differenzen- bzw. Differentialgleichungen, die numerisch gelöst werden. Relativ wenige Parameter beschreiben die Gleichungen Positive und negative Rückkopplungsschleifen bestimmen das Verhalten des Gesamtsystems Die individuellen Akteure werden in eine (kleine) Zahl von Clustern (compartments) integriert. Innerhalb der compartments herrscht Homogenität, Blindheit des Modells gegenüber dem einzelnen Akteur Übergänge zwischen den compartments beruhen auf Erwartungs- oder Durchschnitts (ev. durch stochastische Variablen gestört) Einfacher Vergleich mit Realität

24 Simulationsmethoden im Vergleich
Beispiele für SD Modelle Ansteckungsprozesse werden durch eine Diffusionsgleichung beschrieben; Räuber-Beute Modelle durch die nichtlineare Lotka-Volterra Differentialgleichung Mathematisches Modell einer Volkswirtschaft (siehe oben) ABS erlauben es, emergente Phänomene in vielen Anwendungsgebieten zu studieren ABS können sehr gut Heterogenität der Akteure und deren individuelle Interaktion abbilden Grosse Zahl von Parametern nötig Hoher Rechenaufwand für die Simulation und erschwerte Sensitivitätsanalyse Erschwerter Vergleich mit der Realität

25 Danke für Ihre Aufmerksamkeit!