- •26.10.2007 Г., протокол № 2
- •Введение
- •Глава 1 элементы математической статистики
- •1.2. Генеральная совокупность и выборка
- •1.2. Обработка вариационного ряда
- •Группировка вариант в классы при дискретной изменчивости признака
- •1.3. Показатели описательной статистики
- •Форма записи и расчета среднеквадратического отклонения
- •Сравнительная оценка состава работников предприятия
- •1.4. Оценка статистических параметров по выборочным данным
- •1.5. Теоретические функции распределения
- •1.6. Статистические критерии различия
- •Форма обработки вариант в независимых совокупностях
- •Форма обработки данных сопряженных наблюдений
- •Сравнение эмпирических и теоретических частот с использованием критерия Пирсона
- •Глава 2 дисперсионный анализ
- •2.1. Однофакторный дисперсионный анализ
- •Однофакторный дисперсионный анализ
- •Результаты однофакторного дисперсионного анализа
- •2.2. Двухфакторный дисперсионный анализ
- •Двухфакторный дисперсионный комплекс
- •Результаты двухфакторного дисперсионного анализа
- •Глава 3 кластерный анализ
- •Число разбиений в зависимости от их заданной доли и вероятности
- •Число разбиений в зависимости от сочетаний числа кластеров и объектов
- •3.1. Этапы работ в кластерном анализе
- •3.2. Вроцлавская таксономия
- •3.3. Метод дендро-дерева б. Берри
- •Количественные показатели для зонирования города
- •Нормализованные безразмерные данные
- •Глава 4 информационный анализ
- •4.1. Показатели неопределенности объектов
- •Расчет показателя энтропии для установления оптимального времени отбора образцов
- •4.2. Применение информационного анализа в картографии
- •Глава 5 корреляционный анализ
- •5.1. Линейная корреляция
- •Исходные данные для расчета коэффициента корреляции
- •5.2. Нелинейная корреляция
- •Исходные данные по упругости водяного пара
- •5.3. Частная (парциальная) корреляция
- •Исходные данные для расчета коэффициентов частной корреляции
- •5.4. Понятие о множественной корреляции
- •5.5. Оценка различий коэффициентов корреляции
- •5.6. Ранговая корреляция
- •Оценка ландшафта для рекреационной цели
- •Расчет рангового коэффициента корреляции
- •Глава 6 регрессионный анализ
- •6.1. Линейная зависимость
- •Расчет данных для уравнения линейной зависимости
- •Расчет данных для определения точности выравнивания линии
- •6.2. Гиперболическая зависимость
- •Расчет данных для уравнения линейной зависимости
- •6.3. Параболическая зависимость
- •Расчет данных для уравнения параболической зависимости
- •6.4. Множественная регрессия
- •Расчет данных для уравнения линейной множественной регрессии
- •Расчет данных для критерия хи-квадрат
- •Глава 7 факторный анализ
- •7.1. Сущность и возможности применения
- •7.2. Последовательность операций
- •Редуцированная корреляционная матрица Rx
- •Квадрат корреляционной матрицы
- •Показатели четвертой и восьмой степени корреляционной матрицы
- •Квадрат корреляционной матрицы
- •Матрица произведений
- •Матрица первых остаточных коэффициентов корреляции r1
- •Вычисление коэффициентов при факторе f2
- •Глава 8 методы линейного программирования
- •8.1. Составные части общей модели линейного программирования
- •8.2. Распределительная модель линейного программирования
- •8.3. Правила работы с матрицей
- •Допустимые планы перевозок грузов
- •8.4. Метод потенциалов
- •8.5. Дельта-метод Аганбегяна
- •8.6. Модификация моделей транспортных задач
- •8.6.1.Открытая транспортная задача
- •8.6.2. Максимизация целевой функции
- •8.6.3. Ограничения по времени транспортировки продукции
- •Учет времени перевозки продукции
- •8.6.3. Транспортно-производственная задача
- •8.6.4. Многоэтапная транспортная задача
- •8.6.5. Многопродуктовая транспортная задача
- •8.6.6. Лямбда-задача
- •Глава 9 методы теории графов
- •9.1. Элементы теории графов
- •9.2. Топологический анализ сетей
- •9.3. Сетевые постановки транспортных задач
- •9.4. Сетевая постановка открытой транспортной задачи
- •9.5. Транспортно-производственная задача
- •9.6. Классификация с использованием графов
- •Глава 10 динамические ряды
- •10.1. Показатели динамического ряда
- •10.2. Сглаживание динамических рядов
- •10.3. Выравнивание по способу наименьших квадратов
- •Глава 11 математическое моделирование в географии
- •11.1. Математическое моделирование природных и общественных процессов
- •Глава 12 географическое поле
- •12.1. Операции над статистическими поверхностями
- •12.2. Методика составления карт изокоррелят
- •Литература Основная
- •Дополнительная
- •Приложения
- •1. Таблица достаточно больших чисел
- •2. Случайные числа
- •3. Значение критерия τ в зависимости от объема выборки n
- •4. Значения критерия Стьюдента t при различных уровнях значимости
- •6. Значения критерия хи-квадрат (Пирсона)
- •5. Критические значения f (критерия Фишера)
- •7. Минимальные существенные значения коэффициентов корреляции
- •8. Соотношение между r и z' для z' значений от 0 до 5*
- •9. Значения коэффициента корреляции рангов Спирмена для двусторонних пределов уровня значимости α
- •10. Алгоритм вычисление основных показателей описательной статистики и критерия Стьюдента в Microsoft Office Excel 2003
- •11. Алгоритм проведения однофакторного дисперсионного анализа в Microsoft Office Excel 2003
- •12. Алгоритм проведения корреляционного и регрессионного анализов в Microsoft Office Excel 2003
- •13. Алгоритм проведения кластерного анализа в Statsoft Statistica 6.0
- •14. Алгоритм проведения факторного анализа в Statsoft Statistica 6.0
- •15. Решение задачи на оптимальность
- •Оглавление
Редуцированная корреляционная матрица Rx
Номер параметра |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
Σri(1) |
aij(1) |
1 |
0,684 |
0,846 |
0,805 |
0,849 |
0,473 |
0,398 |
0,301 |
0,382 |
4,738 |
1,000 |
2 |
0,846 |
0,658 |
0,881 |
0,826 |
0,376 |
0,326 |
0,277 |
0,415 |
4,605 |
0,971 |
3 |
0,805 |
0,881 |
0,610 |
0,801 |
0,380 |
0,319 |
0,237 |
0,345 |
4,378 |
0,924 |
4 |
0,859 |
0,826 |
0,801 |
0,651 |
0,436 |
0,329 |
0,327 |
0,365 |
4,595 |
0,969 |
5 |
0,473 |
0,376 |
0,380 |
0,436 |
0,584 |
0,762 |
0,730 |
0,629 |
4,370 |
0,922 |
6 |
0,398 |
0,326 |
0,319 |
0,329 |
0,762 |
0,464 |
0,583 |
0,577 |
3,758 |
0,793 |
7 |
0,301 |
0,277 |
0,237 |
0,327 |
0,730 |
0,583 |
0,391 |
0,539 |
3,391 |
0,715 |
8 |
0,382 |
0,415 |
0,345 |
0,365 |
0,629 |
0,577 |
0,539 |
0,425 |
3,677 |
0,776 |
Четвертый этап. Находим первое приближение факторного отображения. Предполагается, что полученные факторы не коррелируют между собой. Для каждой строки матрицы Rx вычисляем сумму коэффициентов корреляции
Σri1 = ri1 + ri2 + … rij, (7.2)
где Σr1
= 0,854 + 0,846 + 0,805 + 0,859 + 0,473 + 0,398 + 0,301 + 0,382 =
= 4,738 (см. табл. 6.3). Результаты
записываем в предпоследний столбец
редуцированной корреляционной матрицы.
Каждую сумму Σri
делим на максимальное значение (в нашем
примере максимальная Σr1
= 4,388). Имеем первое приближение
)
так называемого факторного отображения:
=
4,738 / 4,738 = 1,000;
=
4,605 / 4,738 =
0,971. Результаты вносим в последний
столбец редуцированной корреляционной
матрицы. Эти числа не применяются
непосредственно в качестве элементов
собственного вектора матрицы.
Пятый этап. Возводим редуцированную матрицу (см. табл. 7.3) в квадрат. Для этого необходимо каждое число возвести в квадрат в первом столбце матрицы и суммировать результаты:
(0,684)2 + (0,846)2 + (0,805)2 + (0,859)2 + (0,473)2 + (0,398)2 + (0,301)2 + + (0,382)2 = 3,188.
Получаем первый
элемент матрицы R2
(табл. 7.4).
Поскольку квадрат симметричной матрицы
есть также симметричная матрица, то
вычисляем диагональные элементы и
элементы выше (или ниже) диагонали. Для
контроля выполненных вычислений
суммируем элементы строк
матрицы R2,
например:
3,188 + 3,450 + 3,301 + 3,325 + 2,577 + 2,185 +
+ 1,903 + 2,179 = 22,11.
Таблица 7.4
