3. Структура таблицы формата dbf и ее взаимодействие с индексным файлом. Доступ к данным таблицы через индексный файл.

Табличные файлы *.dbf – файлы прямого доступа, состоящий из записей равной длины. Начальная запись хранит инф-цию о структуре файла, что делает его независимым от ПО. Нулевая запись включает в себя версию языка, на кот. этот файл был сформирован, кодовую страницу символов, использованных в файле, количество полей, длину и имя каждого поля. Поля м.б. символьные, числовые, логические, дата, дата и время. Также есть memo – поле памяти и general – поле, в кот. хранится имя файла, кот. подключается к данной записи. Этот файл м.б. любым документом. Пример структуры табличного файла work.dbf

№	Имя поля	Формат	Примечание
1	FIO	c 40	Фам., имя и отч. работника
2	Kod	n 7	Личный код
3	Doljn	c 30	Занимаемая должность
4	Dat	d 8	Дата приема на работу

Каждая новая запись добавляется в конец файла. При удалении записи в целях экономии времени запись помечается спец. пометкой как удаленная. В обычном режиме удаленные записи пропускаются, но их можно прочитать и восстановить. Помеченные на удаление файлы можно физически удалить. При этом файл переписывается на новое место, т.е. происходит упаковка файла. В табличных файлах инф-ция неупорядоченная, все записи хранятся в порядке их поступления в файл. Для более быстрого поиска инф-ции файл можно отсортировать. Существует много способов сортировки, например, использование индексных файлов. Пример: хранится инф-ция о работниках предприятия (поля – фамилия, имя, отчество. отдел, должность, мемо-поле). Ключ сортировки – первые 5 символов. В индексном файле м.б. несколько ключей, кот. называются тегами. Тег м.б. простой и составной. Простой ключ соответствует полю, по кот. сортируется основная таблица, составной – части поля или комбинации полей. Индексный файл имеет то же имя, что и основная таблица, и имеет расширение *.cdx. Индексные файлы в Fox Pro открываются автоматически вместе с основной таблицей. В таблице нулевая запись имеет пометку, создан ли для нее индексный файл. Все изменения в индексном файле, связанные с добавлением, изменением или удалением записи в таблице, производятся автоматически.

4. Множественные регрессионные модели. Классификация. Сфера применения

Множественная регрессия

Суть регрессионного анализа: построение математической модели и определение ее статистической надежности.

Вид множественной линейной модели регрессионного анализа:

Y = b0 + b1xi1 + ... + bjxij + ... + bkxik + ei

где ei - случайные ошибки наблюдения, независимые между собой, имеют нулевую среднюю и дисперсию s.

Назначение множественной регрессии: анализ связи между несколькими независимыми переменными и зависимой переменной.

Экономический смысл параметров множественной регрессии

Коэффициент множественной регрессии bj показывает, на какую величину в среднем изменится результативный признак Y, если переменную Xj увеличить на единицу измерения, т. е. является нормативным коэффициентом.

Матричная запись множественной линейной модели регрессионного анализа:

Y = Xb + e

где Y - случайный вектор - столбец размерности (n x 1) наблюдаемых значений результативного признака (y1, y2,..., yn);

X - матрица размерности [n x (k+1)] наблюдаемых значений аргументов;

b - вектор - столбец размерности [(k+1) x 1] неизвестных, подлежащих оценке параметров (коэффициентов регрессии) модели;

e - случайный вектор - столбец размерности (n x 1) ошибок наблюдений (остатков).

На практике рекомендуется, чтобы n превышало k не менее, чем в три раза.

Задачи регрессионного анализа

Основная задача регрессионного анализа заключается в нахождении по выборке объемом n оценки неизвестных коэффициентов регрессии b0, b1,..., bk. Задачи регрессионного анализа состоят в том, чтобы по имеющимся статистическим данным для переменных Xi и Y:

получить наилучшие оценки неизвестных параметров b0, b1,..., bk;

проверить статистические гипотезы о параметрах модели;

проверить, достаточно ли хорошо модель согласуется со статистическими данными (адекватность модели данным наблюдений).

Построение моделей множественной регрессии состоит из следующих этапов:

выбор формы связи (уравнения регрессии);

определение параметров выбранного уравнения;

анализ качества уравнения и поверка адекватности уравнения эмпирическим данным, совершенствование уравнения.

Множественная регрессия:

Множественная регрессия с одной переменной

Множественная регрессия с двумя переменными

Множественная регрессия с тремя переменными