- •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.
46. Кластерный анализ и условия его применения
Основ. проблема гео. исследований – проблема объединения по сходству (кластеризация) объектов, кот. хар-ся множеством признаков выраженных в разных единицах измерения. Для этого используется кластерный анализ. Методол. особенности кластерного анализа сводятся к выявлению единой меры, охватывающей ряд признаков. Эти признаки объединяются с помощью метрики (расстояния). Главная цель – нахождение групп сложных объектов в выборке. «Кластер» - плотность, дисперсия, размеры, форма и отделимость. Применяя этот анализ, всегда следует помнить что 1) методы этого анализа – довольно простые процедуры, которые не имеют достаточного статист анализа 2) методы этого анализа разрабатывались для многих дисциплин , а поэтому могут отличаться 3) разные кластерные методы могут порождать и порождают разные решения для одних и тех же данных 4) цель анализа – поиск существующих структур. Суть применения – состояние любого объекта может быть описано с использованием многомерн признака. Три типа мер 1) коэфф подобия –для группировки объектов и признаков, если уровни показ-ей действит целые числа 2) коэфф связи – использ коэфф корреляции 3) показатели расстояния – харак-ют степень взаимной удаленности признаков. Метрики – Эвклида, манхэт расст, чебышева, минковского, хеминга, меры близости
47. Классификация на основе теории графов.
Под классификацией понимается разработка способов и приемов построения классификац схем. Стоится по след правилам 1) на каждом этапе классификации должен сохраняться один классиф признак 2) классиф должна быть исчерпывающей, т.е. объединения подмножеств должно составить делимое множество 3) получаемые в рез-те деления подмножества должны исключать друг друга 4) классиф должна быть непрерывной
Иерархическая классиф – отношение подчиненности между объектами разных порядков. В ней отражаются и отношения соподчиненности объектов.
Таксономическая классиф – сходство устанавливается по совокупности признаков - многопризнаковая. Принцип - по совокупности некоторых признаков таксоны сходны , по совокупности ряда отличаются между собой.
Многоаспектная классиф – заключ в параллельной классификации одного исходного множества объектов по признакам, которые соответствуют различным целям.
48. Этапы вычислений в кластерном анализе.
1) составляется таблица исход инфы с указанием объектов и их признаков. выбор объекта зависит от места и масштаба . каждый объект должен быть локализован пространственно и одного ранга
2) проводится нормализация исход инфы с ипользование сред квадратического отклонения - исход данные выражены обычно в разных единицах измерения и проводить арифмет действия невозможно без перевода их в безразмерные величины
3) по нормализ данным рассчит метрика, строится дендрограмма и проводится содержательная интерпретация полученных результатов
49. Географическое поле и его использование.
Одномерный (скалярный) анализ связан с понятиями «поле» и «статистическая поверхность». В математическом понятии географическое поле - это такое разделение по земной поверхности количественной оценки, когда каждая ее точка характеризуется конкретной величиной (скаляром). Геометрическое место точек, каждая из которых представлена скаляром географического поля, определяет его статистическую поверхность. К каждой точке поверхности, несущей определенную информацию, восстанавливается перпендикуляр, на котором откладывается отрезок, который соответствует величине информации для данной точки. Вершины перпендикуляров объединяются плавной кривой линией. Полученную поверхность называют статистической, или скaлярным полем.
Скаляры, или одномерные величины, могут представлять числа одноразового измерения, средних величин, коэффициентов корреляции, вычисленные значения определенной функции и др. Скалярное поле можно представить в виде картографической модели. Полученная таким способом карта статистической поверхности - это образно-знаковая модель географического поля. Поле можно изображать разными способами. Наиболее часто употребляется способ изолиний, например поле густоты населения представляется изодентами. На картах любое явление отражается элементами статистической поверхности - «низинами», горами», «хребтами» , пиками», «впадинами» и т. д. На картах математической поверхности можно проводить математические операции сложения, вычитания, умножения, деления. Для этого поверхность должна быть представлена способом изолиний.
