- •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.
- •9. Артефакт и его использование.
- •10. Моделирование нелинейного уравнения параболической зависимости.
- •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.
34. Дельта-метод Аганбегяна
Для решения закрытых и открытых транспортных задач А. Г. Аганбегян (1961) разработал дельта-метод для ручной обработки.
Отличие построения цепей в дельта-методе:
• цепь строится незамкнутая;
• цепь начинается в клетке с кружком (с поставкой), которая находится в минусовой строке; в этой клетке поставка уменьшается и она становится отрицательной вершиной цепи;
• перемещение поставки в конец открытой цепи производится как в методе потенциалов с чередованием положительных и отрицательных вершин;
• в этом методе не требуется количества кружков (клеток с поставка-ми), равного m + n – 1 ;
• в исходном плане число кружков равно числу столбцов и лишь в ходе решения появляются новые клетки с кружками (поставками);
• в незамкнутой цепи вершинами бывают клетки без кружков (без поставок); они положительны, так как в них вносится поставка;
• характеристика незамкнутой цепи рассчитывается как алгебраиче-ская сумма показателей ∆Сij или в ее вершинах; так как при распре-делении поставок по цепи функционал увеличивается, характеристика цепи всегда положительная; она показывает, насколько увеличивается в функционал, если передвинуть по цепи поставку, равную 1, из минусовой строки в плюсовую.
35. Критерий Пирсона (хи-квадрат, χ2). Для оценки соответствия или расхождения полученных эмпирических данных и теоретических (рас-четных, прогнозных) распределений применяются статистические кри-терии согласия. Среди них наибольшее распространение получил непараметрический критерий К. Пирсона – хи-квадрат. Его можно использовать с различными формами распределения совокупностей. Как и любой другой статистический критерий, он не доказывает справедливость нулевой гипотезы, а лишь устанавливает с определенной вероятностью ее согласие или несогласие с экспериментальными данными. Критерий применяется при условии наличия не менее 5 наблюдений или частот в каждой группе, классе или совокупности. Малые частоты объединяют. Вычисление проводят по формуле:
χ2 = ∑ [(φ – φ΄)2 / ∑ φ΄], (1.26)
где φ, φ΄– наблюдения или частоты в опыте соответственно эмпириче-ски или теоретически ожидаемые.
Значения χ2 могут быть только положительными и возрастать от нуля до бесконечности. Если вычисленный критерий хи-квадрат больше табличного (теоретического) значения, нулевая гипотеза, которая предполагает соответствие эмпирического и теоретического распределений, отвергается, при χ2выч < χ2табл нулевая гипотеза принимается.
Достоверность различий можно определить по правилу Романовского: нулевая гипотеза отвергается, если соблюдается неравенство: D = (χ2 – ν) / >3
Степень свободы при проверке гипотезы о нормальном распределе-нии вычисляется по формуле ν = k – 3, где k – число классов. Различие между экспериментальными вариантами и теоретическими считаются достоверными, если D > 3.
Критерий Пирсона тем меньше, чем меньше различаются эмпирические и теоретические частоты. Он не позволяет обнаружить различия, которые скрадывает группировка (объединение малых частот в одну группу). Его удобно использовать, так как не требуется вычислений средних дисперсий.