1. Виды проявления количественных связей между признаками

- функциональная связь

- корреляционная связь

- статистическая

Функциональная связь

такой вид соотношения между двумя признаками, когда каждому значению одного из них соответствует строго определенное значение другого (площадь круга зависит от радиуса круга и т.д.). Функциональная связь характерна для физико-математических процессов.

Корреляционная связь

такая связь, при которой каждому определенному значению одного признака соответствует несколько значений другого взаимосвязанного с ним признака (связь между ростом и массой тела человека; связь между температурой тела и частотой пульса и др.). Корреляционная связь характерна для медико-биологических процессов.

Статистическая связь - Связи между социально-экономическими явлениями , причинно-следственные отношения. При статистической связи каждому значению факторного признака (Х) соответствует множество значений результативного признака (Y), причем не известно заранее, какое именно. Cстатистическая связь отличается от функциональной наличием действия на результативный признак большого числа факторов.    Заметим, что статистическая связь проявляется лишь «в общем и среднем» при большом числе наблюдений за явлением. Практическое значение установления корреляционной связи.

Выявление причинно-следственной между факторными и результативными признаками (при оценке физического развития, для определения связи между условиями труда, быта и состоянием здоровья, при определении зависимости частоты случаев болезни от возраста, стажа, наличия производственных вредностей и др.)

Зависимость параллельных изменений нескольких признаков от какой- то третьей величины. Например, под воздействием высокой температуры в цехе происходят изменения кровяного давления, вязкости крови, частоты пульса и др.

Способы представления корреляционной связи

- график (диаграмма рассеяния)

- коэффициент корреляции

Направление корреляционной связи

- прямая

- oбратная

Сила корреляционной связи

- сильная: ±0,7 до ±1

- средняя: ±0,3 до ±0,699

- слабая: 0 до ±0,299

Методы определения коэффициента корреляции и формулы

- метод квадратов (метод Пирсона)

- ранговый метод (метод Спирмена)

Методические требования к использованию коэффициента корреляции

- измерение связи возможно только в качественно однородных совокупностях (например, измерение связи между ростом и весом в совокупностях, однородных по полу и возрасту)

- расчет может производиться с использованием абсолютных или производных величин

- для вычисления коэффициента корреляции используются не сгруппированные вариационные ряды (это требование применяется только при вычислении коэффициента корреляции по методу квадратов)

- число наблюдений менее 30

Величина, характеризующая направление и силу связи между признаками.

Коэффициент корреляции, который одним числом дает представление о направлении и силе связи между признаками (явлениями), пределы его колебаний от 0 до ± 1

Задачи анализа статистических связей. Анализ статистической, или корреляционной, связи предполагает выявление формы связи, а также оценку тесноты связи. Первая задача решается методами регрессионного анализа, вторая — методами корреляционного анализа. Регрессионный анализ сводится к описанию статистической связи с помощью подходящей функциональной зависимости. Корреляционный анализ позволяет оценивать тесноту связи посредством специальных показателей, причем выбор их зависит от вида функциональной зависимости, пригодной для адекватного описания рассматриваемой статистической взаимосвязи. Как указывалось, наиболее распространенной в изучении связей является гипотеза о линейной зависимости. Соответствующие ей методы корреляционного и регрессионного анализа наиболее полно разработаны в математической статистике. Прежде чем перейти к изложению этих методов, остановимся на двух общих вопросах, относящихся к корреляционному и регрессионному анализу. 

83) Классификация, основные понятия компьютерных сетей. Каналы передачи информации, используемые в компьютерных сетях.

Компьютерная сеть - это совокупность компьютеров и терминалов, соединенных с помощью каналов связи в единую систему так, чтобы они могли обмениваться между собой информацией и совместно использовать аппаратные и программные ресурсы. (Терминал – устройство, которое реализует только функции ввода-вывода информации)

классификация:

-кольцо

-шина

-звезда

каналы связи в компьютерных сетях:

• Проводные (телефонный провод, коаксиальный кабель, витая пара, волоконно-оптический кабель)

• Беспроводные (ИК-связь, сотовая связь, радиоканалы, спутниковые каналы)

• Низкоскоростные (до 10 Мбит/с)

• Среднескоростные (до 100 Мбит/с)

• Высокоскоростные (свыше 100 Мбит/с)

84.Основные виды топологии, типы функционального взаимодействия в компьютерных сетях.

Компьютерная сеть  — система связи компьютеровили вычислительного оборудования. Для передачиданныхмогут быть использованы различныефизические явления, как правило — различные видыэлектрических сигналов, световых сигналов илиэлектромагнитного излучения

При организации локальной сети также следует ознакомиться с таким понятием, как топология компьютерных сетей. Общая схема соединения компьютеров в локальные сети называется топологией. По этому параметру компьютерные сети подразделяются на следующие виды:

• Шина. Предполагает использование общего кабеля с подключением к нему всех компьютеров и терминаторами на концах, позволяющими избежать отражение сигнала.

• Кольцо. Каждый компьютер в сети соединяется с двумя другими устройствами в результате чего образуется замкнутая цепь. В данном виде компьютерной сети на каждой линии связи функционирует только один приемник и один передатчик. Благодаря этому не приходится использовать внешние терминаторы.

• Звезда. Все компьютеры подключаются к единому центральному узлу. Топология типа звезда может работать как отдельно, так и являться составляющей более сложной сети. В компьютерной сети вида звезда обмен данными ведется только через центральный компьютер, что возлагает на него очень большую нагрузку. Именно поэтому для подобной компьютерной сети интернет нужен довольно мощный компьютер, но зато он позволит избежать конфликтов в сети благодаря централизованности.

• Ячеистая. Каждый компьютер может соединяться с одним или несколькими компьютерами, что обеспечивает высокую отказоустойчивость, но приводит к избыточному расходу кабеля. Компьютерная сеть этого типа характеризуется весьма сложной настройкой и используется обычно в крупных сетях.

• Решетка. Узлы в этой компьютерной сети образуют многомерную решетку. При этом каждое из ребер решетки проходит параллельно оси и используется для соединения двух смежных узлов вдоль данной оси.

По типу функционального взаимодейстия:

1. Сеть точка-точка — простейший вид компьютерной сети, при котором два компьютера соединяются между собой напрямую через коммуникационное оборудование. Достоинством такого вида соединения является простота и дешевизна, недостатком — соединить таким образом можно только 2 компьютера и не больше. Часто используется когда необходимо быстро передать информацию с одного компьютера, например, ноутбука, на другой.

2. Технология «клиент-сервер»

Клиент-сервер (Сlient/Server) — сетевая архитектура, в которой устройства являются либо клиентами, либо серверами. Клиентом (front end) является запрашивающая машина (обычно ПК), сервером (back end) — машина, которая отвечает на запрос. Оба термина (клиент и сервер) могут применяться как к физическим устройствам, так и к программному обеспечению.

Сеть с выделенным сервером (Сlient/Server network) — это локальная вычислительная сеть (LAN), в которой сетевые устройства централизованы и управляются одним или несколькими серверами. Индивидуальные рабочие станции или клиенты (такие, как ПК) должны обращаться к ресурсам сети через сервер(ы).

3. Одноранговая сеть

Одноранговые, децентрализованные или пиринговые (peer-to-peer, P2P — равный с равным) сети — это компьютерные сети, основанные на равноправии участников. В таких сетях отсутствуют выделенные серверы, а каждый узел (peer) является как клиентом, так и сервером. В отличие от архитектуры клиент-сервер, такая организация позволяет сохранять работоспособность сети при любом количестве и любом сочетании доступных узлов.

82. Парная линейная регрессия, коэффициенты регрессии, способы расчета и графического представления

Парная регрессия представляет собой уравнение, описывающее связь между двумя переменными: зависимой переменной Y и независимой переменной X. Иногда переменную Y называют результатом, а переменную X– фактором.

Уравнение парной линейной регрессии: y=a+bх

у - наиболее вероятное значение результирующего признака при фиксированной величине факторного признака

а - постоянная составляющая уравнения регрессии (y - пересечение)

b - коэффициент линейной регрессии

Допустим, что нашей задачей является подбор функции из параметрического семейства функцийнаилучшим образом описывающая зависимостьY от Х. В качестве меры отклонения функции от исходных наблюдений можно использовать:

- сумму квадратов отклонений;

- сумму модулей отклонений;

- другие меры отклонений.

Согласно методу наименьших квадратов (МНК) неизвестные параметры модели выбираются таким образом, чтобы сумма квадратов отклонений эмпирических значений от модельных была минимальной:

Среди преимуществ метода наименьших квадратов следует особенно отметить лёгкость вычислительной процедуры и хорошие по статистическим свойствам оценки. Данные факты объясняют широкое применение данного метода в статистическом анализе. Из недостатков наиболее существенным является – чувствительность к выбросам. Согласно необходимому условию экстремума функции нескольких переменных, необходимо найти частные производные по этим переменным и приравнять их к нулю. После ряда преобразований получим:

Разделим обе части полученной выше системы на , получим систему нормальных уравнений:

Решив полученную систему относительно неизвестных параметров, получим:

Таким образом, остатки, оцененные таким образом, можно представить следующим образом:

Свойства оценок МНК определяются предположениями относительно свойств случайного возмущения в модели наблюдений. Эти предположения обычно называются условиями Гаусса – Маркова.

Условия Гаусса-Маркова:

1. – условие, гарантирующее несмещённость оценок МНК.

2. – условие гомоскедастичности, его нарушение приводит к проблеме гетероскедастичности.

3. – условие отсутствия автокорреляции предполагает отсутствие систематической связи между значениями случайного члена в любых двух наблюдениях. Если данное условие не выполняется, то в модели возникает проблема автокорреляции случайных возмущений.

4. для всехусловие независимости случайного возмущения и объясняющей переменной. Значение любой независимой переменной в каждом наблюдении должно считаться экзогенным, полностью определяемым внешними причинами, не учитываемыми в уравнении регрессии.

Достаточно часто накладывают ещё одно условие на остатки модели, но данное условие не является условием Гаусса-Маркова: image054.png, оно очень полезно для проверки многих гипотез.

Свойства оценок, полученных с помощью МНК:

1. Линейность оценок – оценки параметров a и b представляют собой линейные комбинации наблюдаемых значений объясняемой переменной

2. Несмещённость оценок:

3. Состоятельность оценок:

4. Эффективность – данное свойство означает, что оценка имеет минимальную дисперсию в заданном классе оценок:

Теорема Гаусса-Маркова: если выполнены условия Гаусса-Маркова, тогда оценки , полученные с помощью метода наименьших квадратов, являются линейными, несмещёнными, эффективными и состоятельными оценками.