- •1. Цель и задачи математических методов в географии.
- •2. Ранговая корреляция.
- •3. Генеральная и выборочная совокупность.
- •4. Регрессионный анализ, виды регрессий.
- •5. Определение объема выборочной совокупности
- •.6. Способы составления уравнения регрессии.
- •7. Правила составления репрезентативных выборок.
- •8. Моделирование линейного уравнения регрессии.
- •10. Моделирование нелинейного уравнения параболической зависимости.
- •9. Артефакт и его использование.
- •11. Ошибки выборочных критериев.
- •12. Моделирование нелинейного уравнения гиперболической зависимости.
- •13. Степень свободы и ее использование.
- •14. Факторный анализ и его использование.
- •15. Определение точности опыта, использование показателя.
- •16. Этапы факторного анализа.
- •17. Графическое представление вариационного ряда. Деление выборки на классы.
- •18. Интерпретация результатов факторного анализа
- •19. Показатели ассиметрии и эксцесса.
- •20. Области применения линейного программирования
- •21. Теоретические распределения
- •22. Виды транспортных задач
- •23. Показатели среднего положения
- •23. Способы составления базисного допустимого плана
- •25. Показатели разнообразия выборки
- •26. Правила составления цепи в матрице.
- •27. Независимые и сопряженные выборочные совокупности
- •28. Решение транспортных задач методом функционала
- •29. Использование и расчет критерия Стьюдента
- •30. Решение транспортных задач методом потенциала.
- •34. Дельта-метод Аганбегяна
- •36. Многоэтапная транспортная задача
- •38. Многопродуктовая транспортная задача
- •40. Сетевая задача:
- •41. Сетевое решение открытых транспортных задач.
- •42. Информационный анализ и его применение.
- •43. Меры теории графов, их назначение.
- •44. Использование информационного анализа в картографии.
- •45. Основные элементы теории графов.
- •46. Кластерный анализ и условия его применения
- •47. Классификация на основе теории графов.
- •48. Этапы вычислений в кластерном анализе.
- •49. Географическое поле и его использование.
- •50. Правила построения дендрограммы в кластерном анализе.
- •51. Корреляционный анализ и его использование.
- •52. Виды связей между явлениями, объектами.
- •53. Условия для расчета коэффициента корреляции.
- •54. Моделирование в географии.
- •55. Условия для расчета корреляционного отношения.
- •56. Виды моделей и отбор информации.
- •57. Тренд-анализ.
- •58. Моделирование уравнения множественной регрессии.
42. Информационный анализ и его применение.
На современном этапе развития теория информации ставит своей целью оценку
объема информации, выявление разнообразия в природе, установление
различия и сходства в этом разнообразии. По теории вероятности информацию содержат лишь такие данные,
которые устраняют существующую до их получения неопределенность. Другие подходы: комбинаторный и алгоритмический. Комбинаторный
подход рассматривает количество информации как функцию числа эле-
ментов в конечной совокупности. Алгоритмический
подход определяет количество информации как минимальную длину
программы, которая позволяет однозначно преобразовать один объект
в другой. Существует также представление об информации как о мере разно-
образия. В целом разнообразие связано с различием, т. е. с отрицанием
неразличимости. Простейшей единицей измерения информации является
элементарное различие – различие двух объектов. Чем больше в сово-
купности попарно различных элементов, тем больше она содержит ин-
формации. Если рассматриваемые объекты отождествляются, то инфор-
мация исчезает.
Информационный анализ применяется в некоторых областях гео-
графии при соответствующих условиях. В настоящее время разработан способ определения количества информации, содержащейся в рельефе,
подсчитан объем информации субаквального биоценоза; ведутся поиски
критерия связи на примерах зависимости между физическими свойства-
ми горных пород, климатом и растительностью, компонентами и струк-
турными частями биогеоценозов. Теория информации помогла разрабо-
тать критерий пространственной дифференциации и однородности. Ин-
формационный анализ предпочтительнее использовать для выявления
закономерностей в общих, а не частных явлениях.
Этапы: 1.Предварительный этап. Сбор материалов.
2.Анализ информации. Оценивается связь изучаемого явления с каждым из возможных факторов, из них отбираются наиболее информативные. Рассчитываются попарные
каналы связи. Оценивается общая информативность всей совокупности
выбранных факторов.
3.Процесс моделирования и его оценка
4.Прогноз. Если в анализ вошли материалы с достаточным разнообра-
зием состояний и собранные на значительной территории, то прогноз
можно осуществить для любой точки, характеристики которой соответ-
ствуют состояниям факторов, включенных в анализ.
Преимущество информационных методов заключается в том, что
они, в отличие от статистического, не требуют применения закона
нормального распределения, линейности связей, независимости призна-
ков, метричности и упорядоченности
43. Меры теории графов, их назначение.
Фигура, состоящая из точек (вершин) и соединяющих их линий (ре-
бер), называется графом. Теория графов позволяет исследовать топологический анализ транс-
портных и экономико-географических сетей: доступность, связность,
форму и структуру. Имеется ряд показателей, описывающих эти сети.
Их называют мерами (количественные показатели, характеризующие яв-
ление или процесс).
Показатели доступности. Построение графа, моделирующего дос-
тупность транспортной сети, заключается в следующем. Все точки пе-
ресечения дорог принимаются за фиктивные вершины. Это понятие ус-
ловное, поскольку эти точки правомерно считать вершинами, как и на-
селенные пункты. Содержательная интерпретация их может быть пред-
ставлена различием условных обозначений в графе: ● – фактическая
вершина (населенный пункт); N – фиктивная вершина точек пересече-
ния дорог. Использование фиктивных ребер приводит к существенным
погрешностям.
Меры доступности применяются для оценки транспортно-географи-
ческого положения. К ним относят число Кенига, индекс оптимальной
связности вершин, индекс центральности Бавелаша, Бошама.
Показатели связности. К мерам связности относятся следующие
топологические параметры: α-, β-, γ-индексы. Индексы принимают наи-
большие значения в случаях насыщения сети контактами.
Индекс α представляет собой отношение цикломатического числа графа
(m – n + ί) к максимально возможному числу циклов в этом графе (2n – 5):
α = (m – n + ί) / (2n – 5),
где m – число ребер, n – число вершин, ί – число связных компонент гра-
фа; для связного графа цикломатическое число будет m – n + 1. 148
Индекс α характеризует избыточность связей в сетке. Его значения
варьируют в пределах от 0 до 1, при умножении на 100 – в процентах.
Индекс β представляет собой отношение числа ребер m сети к числу
ее вершин n. Чем больше ребер связывают одно и то же число вершин,
тем больше циклов в сети, тем сложнее ее структура и выше связность.
Значения индекса колеблются в пределах от 0 до 3
Индекс γ представляет собой отношение числа ребер m к их макси-
мально возможному количеству в сети, которое в плоских графах равно
3 • (n – 2), где n – число вершин. Величина индекса в графе колеблется
от 0 до 1. Он характеризует полноту связей в цепи.
Показатели формы графа. Меры формы сетей связаны с определе-
нием топологического диаметра графа. Диаметр графа (δ) представляет
собой топологическую длину, которая равна числу ребер в кратчайшей
цепи, соединяющей две самые отдаленные друг от друга вершины
Топологическая мера формы (π (r)) с учетом общего числа ребер
в графе (m) и его диаметра (δ) – топологической длины – определяется по
формуле: π (r)= m / δ.
Для графов, в которых указано расстояние в определенных единицах
измерения, мера формы определяется с учетом протяженности всей сети графа в кило-
метрах (Д) и длины топологического диаметра в километрах (Тд): π = Д / Тд.
Высокие значения π-индекса указывают на компактную территорию,
охватываемую графом.
Структурные параметры сетей. Выявления параметров территори-
альных структур основываются на топологических параметрах, среди ко-
торых следует отметить меры интеграции, униполярности и централиза-
ции. Эти меры основаны на суммах расстояний. Для географических сетей важно
выявить степень интеграции. Предложен следующий расчет меры интегра-
ции: S=1/2 ∑ Si(i) Сеть следует считать интегрированной, если все ее
вершины имеют приблизительно равные значения мер интеграции. Пара-
метр интеграции характеризует меру центральности на множестве вершин.
Униполярность указывает на наличие вершины в графе, которая изо-
лирована от других вершин, т. е. характеризуется минимальным значе-
нием индекса оптимальной связности Si. Параметр униполярности отно-
сится к вершине, имеющей минимальное значение связности: V = Si(i) min.
Иногда в сети встречаются группы вершин, которые резко отличают-
ся между собой по величине индекса оптимальной связности.
Рассмотренные меры, характеризующие структурные параметры, да-
ют возможность выявить особенности количественной и качественной
структуры сетей, отличающихся закономерностями формирования, раз-
вития и функционирования.
