- •Понятие, предмет, методы, этапы экономико-математического моделирования.
- •Понятие экономико-математических моделей и их типы.
- •Этапы построения экономико-математических моделей.
- •15,Классификация экономико-математических моделей.
- •Виды систем моделей.
- •Понятие «информация» и её использование в моделировании
- •Информационные модели: понятие, сущность.
- •Понятие линейного программирования.
- •Метод графического решения задач линейного программирования.
- •Симплекс-метод линейного программирования.
- •Нелинейные методы программирования.
- •Понятие оптимальности в экономико-математическом моделировании.
- •Критерии в экономико-математическом моделировании.
- •Экономические свойства оптимальности.
- •Классификация экономико-математических моделей.(4)
- •Статистические ряды распределения.
- •Статистическая сводка, её организация и техника.
- •Сущность и виды группировок.
- •Статистические таблицы.
- •Абсолютные величины, их виды и значение.
- •Виды абсолютных величин:
- •Формы учета абсолютных величин:
- •Понятие относительных величин, виды и способы их расчёта.
- •Виды относительных величин
- •Сущность и значение средних величин.
- •Виды средних величин и способы их расчёта.
- •Средняя арифметическая (простая и взвешенная)
- •Свойства средней арифметической
- •Средняя гармоническая
- •Показатели вариации и способы их расчёта.
- •Виды дисперсий и правила их сложения.
- •Правило сложения дисперсий
- •Понятие о рядах динамики, сопоставимость статистических величин в рядах динамики.
- •Показатели динамического ряда, методика их расчёта.
- •Средние показатели ряда динамики.
- •Методы выявления тенденций в динамических рядах.
- •Индивидуальные и общие индексы.
- •Формы индексов. Агрегатные индексы и их веса.
- •Средние индексы.
- •Система взаимосвязанных индексов. Факторный анализ.
- •Индексы средних величин. Индексы переменного и постоянного состава.
- •Понятие корреляционного анализа.
- •Виды корреляционной связи.
- •Статистическое измерение корреляционной взаимосвязи.
- •Организация процесса построения пространственных моделей.
- •Спецификация моделей.
- •Метод наименьших квадратов (мнк).
- •Фиктивные переменные.
- •Предпосылки метода наименьших квадратов.
Понятие корреляционного анализа.
Корреляционный анализ применяется для проверки гипотезы о статистической зависимости значений двух или нескольких переменных в том случае, если исследователь может их регистрировать (измерять), но не контролировать (изменять). Задача корреляционного анализа сводится к установлению направления (положительное или отрицательное) и формы (линейная, нелинейная) связи между варьирующими признаками, измерению ее тесноты, и, наконец, к проверке уровня значимости полученных коэффициентов корреляции.
Графики корреляционных зависимостей строят по уравнениям следующих функций:
Yx= F(X) или Xy = F(Y),(формула 1)
которые называются уравнениями регрессии. Здесь Yx и Xy так называемые условные средние арифметические переменных Y и X.
Виды корреляционной связи.
Виды корреляционной связи между измеренными переменными могут быть различны: так корреляция бывает линейной и нелинейной, положительной и отрицательной. Она линейна, если с увеличением или уменьшением одной переменной, вторая переменная также растёт, либо убывает. Она нелинейна, если при увеличении одной величины характер изменения второй не линеен, а описывается другими законами (полиномиальная, гиперболическая).
Если повышение уровня одной переменной сопровождается повышением уровня другой, то речь идет о положительной корреляции.
Если рост уровня одной переменной сопровождается снижением уровня другой, то мы имеем дело с отрицательной корреляцией.
Нулевой называется корреляция при отсутствии связи переменных.
Примеры распределений испытуемых в пространстве двух признаков.
а) строгая положительная корреляция, б) сильная положительная корреляция, в) слабая положительная корреляция, г) нулевая корреляция, д) отрицательная корреляция, е) строгая отрицательная корреляция, ж) нелинейная корреляция, з) нелинейная корреляция.
Статистическое измерение корреляционной взаимосвязи.
При изучении корреляционной связи важным направлением анализа является оценка степени тесноты связи. Понятие степени тесноты связи между двумя признаками возникает вследствие того, что в реальной действительности на изменение результативного признака влияют несколько факторов. При этом влияние одного из факторов может выражаться более заметно и четко, чем влияние других факторов. С изменением условий в качестве главного, решающего фактора может выступать другой. При статистическом изучении взаимосвязей, как правило, учитываются только основные факторы. А вопрос необходимо ли вообще изучать более подробно данную связь и практически ее использовать, решается с учетом степени тесноты связи. Зная количественную оценку тесноты корреляционной связи, таким образом, можно решить следующую группу вопросов:
1) необходимо ли глубокое изучение данной связи между признаками и целесообразно ли ее практическое применение;
2) сопоставляя оценки тесноты связи для различных условий, можно судить о степени различий в ее проявлении в конкретных условиях;
3) последовательное рассмотрение и сравнение признака у с различными факторами (х1, х21, …) позволяет выявить, какие из этих факторов в данных конкретных условиях являются главными, решающими факторами, а какие второстепенными, незначительными факторами; Более совершенным статистических показателем степени тесноты корреляционной связи является линейный коэффициент корреляции (r), предложенный в конце XIX в. При расчете коэффициента корреляции сопоставляются абсолютные значения отклонений индивидуальных величин факториального признака х и результативного признака у от их средних, Однако непосредственно сопоставлять между собой эти полученные результаты нельзя, т.к. признаки, как правило, выражены в различных единицах и даже при наличии одинаковых единиц измерения будут иметь различные по величине средние и различные вариации. В этой связи сравнению подлежат отклонения, выраженные в относительных величинах, т.е. в долях среднего квадратического отклонения (их называют нормированными отклонениями)
