Теория информации.

В разделе математики «моделирование математической интуиции» рассматривается понятие энтропии.Энтропия-мера неопределенности и неизвестности системы.Минимальное значение энтропийного фактора равна нулю.Вся информация в системе известна.

Для определения процентного соотношения известности показатель энтропии возводят в квадрат и умножают на 100%.

В простейшем понимании энтропия соответствует десятичному логарифму вероятности появления признака-результата в зависимости от вероятности появления различных влияющих факторов.

На практике используют показатель нормированной энтропии.

Нормированная энтропия представляет собой вероятность появления признака Н(х) , вероятность выступления Н(у).

Современная энтропия представляет собой вероятность появления признака

У,сопряженным с вероятностью появления признака Х.

Н(х;у)

Рассчитать энтропию для признаков х и у по данным таблицы:

Количество информации выражается измерением силы влияния качественных признаков друг на друга.Служащий показатель:

Количество информация I(ху)=0 называют количеством взаимной информации,работает так же как и коэффициент корреляции,показывая силу связи.

Так же для изучения количественной информации служит коэффициент Валлиса.Он показывает вероятность совершения ошибки в предсказании признака У,когда известно значение признака Х по сравнению с вероятностью предсказания признака У,когда значение признака Х неизвестно.

Прогнозные методы в статистическом изучении объектов недвижимости.

Метод регрессионного анализа позволяет рассчитать с той или иной степенью точности развитие признака У при той или иной степени развития факторного признака Х временной состовляющей t.

Простое уравнение регрессии

y=a+bx

a – обеспечение смещения кривой по вертикали, относительно оси X, то есть по прямой Y.

А полинамиальное уравнение имеет не линейную форму и может описывать как сезонные так и макроэкономические изменения параметров.

Уравнение регрессии может представлять из себя различную функцию, которая подбирается исходя из формы построенной графически.

Уравнение может иметь формы:

линейная

гиперболическая

степенная

логарифмическая

полиноминальная. В уравнении факторные признаки возводятся в различные друг от друга признаки.

Параметры уравнения регрессии находятся методом наименьших квадратов-путем решения системы уравнения

Эта система позволяет найти независимые переменные а и б.

Расчет точности и адекватности полученного уравнения

Точность уравнения регрессии -способность уравнения с высокой точностью на заданном отрезке состовлять прогноз изменения данных.

Вне этого отрезка,точность уравнения регрессии может снижаться по причине низкой адаптивности функции к изменяющимся условиям.

Способность уравнения адаптироваться к меняющимся условиям среды отражает параметр адекватности уравнения.

Точность модели рассчитывается следующим образом:

n – количество элементов в исследуемой группе

y – фактическое значение

- расчетное значение (теоретическое)

Для расчета адекватности модели строиться графическое представление и рассчитывается коэффициент адекватности.

Коэффициент адекватности равен коэффициенту детерминации ,рассчитываемому по коэффициенту корреляции между рядами фактических значений признака и расчетных значений.