12. Классификация научных методов в аналитической юриспруденции.

Методология науки – это совокупность методов, познания окружающего мира и порядок их использования научных изысканий.

Целевое назначение - получение научных результатов и практическое применение.

2 группы научных методов.

- Промежуточные научные результаты;

- Окончательные научные результаты.

А.Ю. строится на 2-х группах методов.

Косвенный метод, т.е. как учебная дисциплина, а.ю. вырабатывает у студентов аналитические, исследовательские умения и навыки, учит решать сложные юридические задачи, исключительно с помощью математических методов.

Тривиальный метод

- Коэффициенты преступности

- Криминогенной пораженности

- Виктимности

- Диаграммы Парето

- Теория вероятностей

При исследовании случайных величин огромное значениеимеют понятия и методы такой математической дисциплины, кактеория вероятностей. Вероятность – одно из самых элементарных,исходных понятий этой теории, но порой даже в авторитетных

справочных изданиях допускаются неточности в отношениипонятия вероятности. Так, в солидном справочнике Джона Бёрда«Инженерная математика» вероятность отождествляется сшансами: «Вероятность некоторого события – это возможность или

25шанс»3. Приближенно говоря, вероятность – это возможностькаких-то исходов среди альтернативных исходов, но не шанс илишансы. На самом деле шанс и вероятность – совершенно разныевещи, поскольку рассчитываются по отличным формулам, и дают

разные результаты, а, следовательно, несут разную смысловуюнагрузку. Понятие шанс более сложное и вторичное по отношениюк вероятности, поскольку включает в себя два вида вероятностей: 1)вероятность того, что событие произойдет; 2) вероятность того, что

событие не произойдет.

13. Качественная оценка силы связи между переменными (характеристика значений коэффициента корреляции) в аналитической юриспруденции (стр. 117 электронного учебника).

Частным случаем вероятностной связи считается связь корреляционная. Возможную величину корреляционной связи удобно представить в виде непрерывного отрезка от минус единицы до плюс единицы: [-1; 1]. Минимальное значение корреляционной связи равно нулю, что указывает на полное отсутствие связи между изучаемыми переменными. При движении от нуля к единице возрастает сила положительной (прямой) связи между переменными, а при движении от нуля к минус единице – сила отрицательной (обратной) связи. В учебниках по теории статистики часто приводят таблицы количественных критериев оценки тесноты связи, слегка уточнив которые, можно построить нижеследующую таблицу:

Коэффициент корреляции (+/-) (по оси ординат)	Качественная оценка силы связи
0	Связь отсутствует
(0; 0,3) (0; -0,3)	Практически отсутствует
[0,3; 0,5) [-0,3; -0,5)	Слабая
[0,5; 0,7) [-0,5; -0,7)	Умеренная
[0,7; 1) [-0,7; -1)	Сильная
1 -1	Функциональная

14. Между переменными безработица и кражи установлена величина рангового коэффициента корреляции Спирмена равная 0,71. На какие два вопроса отвечает коэффициент корреляции. (стр. 158, 233 электронного учебника)

Параметрический корреляционный и регрессионный анализ по своей сути развивает функциональный анализ в вероятностно-статистическом направлении, поскольку функциональная связь может рассматриваться как частный случай корреляционной с коэффициентом корреляции равным единице (положительная связь) или минус единице (отрицательная связь). Когда мы изучали функции, то игнорировали корреляцию, полагая её равной единице, и работали только с соответствующими линейными или нелинейными уравнениями. В параметрическом корреляционном и регрессионном анализе решаются две задачи: 1) находится коэффициент корреляции, показывающий силу связи между переменными (обычно рассчитывают так называемый линейный коэффициент корреляции Пирсона); 2) выводится регрессионное уравнение с соответствующими параметрами (константами а, b, c и т.д.), линейное или нелинейное, показывающее как объясняющая переменная (переменные) влияет на объясняемую.

Непараметрические коэффициенты корреляции являются менее точными, поскольку при их расчете теряется достаточно большой объем информации, содержащейся в первичных статистических данных. Дело в том, что, рассчитывая данные коэффициенты, мы не берем разницу между каждым конкретным наблюдением и его средним, а рассматриваем либо знаки отклонений от среднего (коэффициент Фехнера), либо ранги (коэффициенты Спирмена, Кендалла). Подобные коэффициенты скорее позволяют лишь судить о направлении связи между переменными, нежели более или менее точно измерять её силу. Даже если такой коэффициент примет значение равное единице или минус единице, нельзя будет утверждать, что связь между переменными носит функциональный характер, поскольку расчет корреляции в данном случае был приблизительным, со значительной потерей первичной информации.