3. Система редактирования простой и реляционной баз данных. Участки программных кодов кнопок управления системой редактирования с использованием буферизации на конкретном примере.

Определение 1. Транзакция - это последовательность операторов манипулирования данными, выполняющаяся как единое целое (все или ничего) и переводящая базу данных из одного целостного состояния в другое целостное состояние.

Транзакция обладает четырьмя важными свойствами, известными как свойства АСИД:

• (А) Атомарность. Транзакция выполняется как атомарная операция - либо выполняется вся транзакция целиком, либо она целиком не выполняется.

• (С) Согласованность. Транзакция переводит базу данных из одного согласованного (целостного) состояния в другое согласованное (целостное) состояние. Внутри транзакции согласованность базы данных может нарушаться.

• (И) Изоляция. Транзакции разных пользователей не должны мешать друг другу (например, как если бы они выполнялись строго по очереди).

• (Д) Долговечность. Если транзакция выполнена, то результаты ее работы должны сохраниться в базе данных, даже если в следующий момент произойдет сбой системы.

Транзакция – механизм позволяющий пользователю изменять данные в базах данных. Начинается оператором BEGIN TRANSACTION, и все действия которой можно отменить оператором ROLLBACK или оставить в силе оператором END TRANSACTION. Позволяет избежать необходимости сохранения данных перед началом редактирования во избежание ошибок.

Транзакция допустима только для таблиц включённых в базу данных, и во время выполнения транзакции в таблицах нельзя производить структурные изменения, например, удалять или добавлять записи. Редактируемая запись оказывается недоступной для других пользователей.

Name = "cmdEdit"

PROCEDURE Click

SELECT Stipuha

FOR i=1 to 10

APPEND BLANK

REPLACE numer WITH laba3.nzach

ENDFOR

thisform.grdstipuha.column1.Enabled = .T.

thisform.grdstipuha.column2.Enabled = .T.

thisform.grdstipuha.column3.Enabled = .T.

thisform.grdstipuha.column4.Enabled = .T.

thisform.grdStipuha.DeleteMark = .T.

GO top

SELECT laba3

BEGIN TRANSACTION

Adding=.F.

ThisForm.cmbFaq.Enabled=.T.

ThisForm.spnKurs.Enabled=.T.

ThisForm.spnGrup.Enabled=.T.

ThisForm.TxtNzach.Enabled=.T.

ThisForm.TxtFIO.Enabled=.T.

ThisForm.cmdTop.Enabled=.F.

ThisForm.cmdPrev.Enabled=.F.

ThisForm.cmdNext.Enabled=.F.

ThisForm.cmdBott.Enabled=.F.

ThisForm.cmdUndo.Enabled=.T.

ThisForm.cmdSave.Enabled=.T.

ThisForm.cmdAdd.Enabled=.F.

ThisForm.cmdEdit.Enabled=.F.

ThisForm.cmdDel.Enabled=.F.

ThisForm.cmdExit.Enabled=.F.

thisform.cmdfind.Enabled= .F.

thisform.Refresh

ENDPROC

4. Отбор факториальных признаков в множественных регрессионных моделях, с учетом временного лага Безразмерные регрессионные модели прогнозирования с учетом временного лага.

Этапы:

1. Предварительный отбор факториальных признаков на основании экономического анализа. Полностью аналогичен обычным моделям. Имеется x_i,t, t=1÷n, i=1÷p.

2. Построение временной модели для исследуемого показателя и каждого из факториальных признаков

При этом используются методы анализа одиночных временных рядов(возможны с учетом адаптации).

При выполнении лабораторной работы использовать линейные модели.

Если t не является параметром времени, то лаг в будущем положим равным 0 по любой из переменных. При построении регрессионной модели от времени ненулевым окажется только свободный член. Следовательно, свободный член будет равным среднему значению. Объяснить.

3. Расчет отклонений.

где - отклонения исследуемого показателя,

- отклонение i-ого факториального признака.

Таким образом и не содержат в себе зависимость от времени, например, инфляционную составляющую.

4. Определение временного лага для каждого из факториальных признаков.

С этой целью рассчитывается - коэффициент корреляции между - отклонением исследуемого показателя и - отклонением факториальных признаков.

Предполагаем, что временной лаг равен l . При этом можно воспользоваться формулой (1), вместо и вместо . Однако, т. к. является отклонением она может быть существенно упрощена за счет того, что членом и можно пренебречь, т. к. они почти что равны нулю.

(2)

Сравнительный расчет по формулам (1) и (2) дает совпадение до шести знаков.

Далее определяем временной лаг, как и в размерных моделях.

Соответствующий максимальному значению l принимаем с теми же замечаниями, что и для размерных моделей за lag_i.

5. Отбор факториальных признаков.

   1. Отброс слабозначимых факториальных признаков( < =0,2);

   2. Отброс сильнокоррелируемых факториальных признаков.

Производится аналогично размерным моделям, только с учетом временного лага и по упрощенным формулам.

,

где - коэффициент корреляции между i-ым и j-ым корреляционными признаками,

l₀ – максимальный lag. .

Отбрасываем факториальные признаки коэффициентов корреляции, между которыми | |> =0,8.

6. Получение безразмерных уравнений регрессии.

Уравнение регрессии в отклонениях имеет следующий вид:

Свободный член отсутствует, т. к. нулевому отклонению x все ε=0 соответствует нулевое отклонение

Что упрощает дальнейший расчет.

Проведем обезразмеривание. С этой целью введем новые переменные

,

где и - среднеквадратичные отклонения соответствующих отклонений.

,

Приведем подстановку новых переменных уравнения регрессии в отклонениях:

(3)

Обозначим , тогда уравнение регрессии примет вид:

(4)

Таким образом записанное уравнение регрессии называется стандартизованным уравнением регрессии, а коэффициент регрессии - стандартизованным коэффициентом регрессии.

имеет следующий физический смысл:

показывает на сколько среднеквадратичных отклонений изменится исследуемый показатель при условии, что любой i-ый факториальный признак изменится на одно среднеквадратичное, а все остальные останутся без изменения.

Таким образом безразмерный - коэффициент определяет уровень значимости соответствующего факториального признака.

7. Нахождение -коэффициентов методом наименьших квадратов.

Далее проводим те же преобразования, что и для обычного метода наименьших квадратов.

В результате получим:

,

Решая систему находим .

8. Проверка адекватности.

Проводится по критерию Фишера в безразмерном виде.

,

На графиках для сравнения нанести и .

9. Возможен возврат к размерным переменным.

Для этого в формулу (4) подставляем все ранее сделанные замены.

В результате чего найдем размерные коэффициенты регрессии и временную составляющую.

, (5)

где H(t) будет иметь линейный вид, если использовались только линейные модели. H(t) – нелинейный вид, если хотя бы одна была нелинейной.

10. Прогнозирование.

Возможно осуществлять прогнозирование в безразмерном виде.

1. одно среднеквадратичное отклонение;

2. с использованием размерного уравнения (5), но вы реальных данных.

В обоих случаях по тем переменным i, где lag_i≠0 дополнительной информации для x_i не требуется.

Сфера применения безразмерных регрессионных моделей может быть расширена для решения задач обратного прогноза, например, следует увеличить(уменьшить) y_n+1 на 10% по сравнению с y_n. Тогда благодаря модели можно выбрать один или несколько факториальных признаков, которые можно или нужно изменить, чтобы достичь требуемой цены.