- •Н.К. Чертко, а.А. Карпиченко
- •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
- •Статистические показатели распределения
- •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
- •Влияние высоких доз торфа на урожай ячменя
- •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
- •Матрица таксономических метрик
- •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
- •Решетка для вычисления информационных показателей
- •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
- •Итоговые значения коэффициентов 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
- •Корреляционная матрица r для восьми параметров агроландшафта
- •Корреляционная матрица r с приближенными значениями общностей
- •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
- •Этапы вычисления приближенных значений коэффициентов
- •Вычисление коэффициентов при факторе f2
- •Этапы вычисления приближенных значений коэффициентов
- •Глава 8 методы линейного программирования
- •8.1. Составные части общей модели линейного программирования
- •8.2. Распределительная модель линейного программирования
- •Исходные данные для землеустроительной задачи
- •8.3. Правила работы с матрицей
- •Исходные данные транспортной задачи
- •Допустимые планы перевозок грузов
- •8.4. Метод потенциалов
- •Базисный допустимый план (матрица 1)
- •Результаты первого перераспределения поставок (матрица 2)
- •Результаты второго распределения поставок (матрица 3)
- •Результаты третьего распределения поставок (матрица 4)
- •8.5. Дельта-метод Аганбегяна
- •Рабочая матрица прироста затрат
- •Первый вариант перемещения поставки
- •Второе перемещение поставки
- •Третье перемещение поставки
- •Четвертое перемещение поставки
- •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
- •Форма записи исходных данных в четырехблочную матрицу
- •8.6.5. Многопродуктовая транспортная задача
- •Мощности и спросы по торфу
- •Мощности и спросы по бурому углю
- •Оптимальный вариант распределения поставок в условных единицах
- •8.6.6. Лямбда-задача
- •Глава 9 методы теории графов
- •9.1. Элементы теории графов
- •9.2. Топологический анализ сетей
- •Матрица кратчайших расстояний между вершинами и индексы доступности вершин
- •9.3. Сетевые постановки транспортных задач
- •9.4. Сетевая постановка открытой транспортной задачи
- •9.5. Транспортно-производственная задача
- •9.6. Классификация с использованием графов
- •Выращивание сельскохозяйственных культур в разрезе областей
- •Глава 10 динамические ряды
- •Виды трендовых моделей
- •10.1. Показатели динамического ряда
- •Уровень производства промышленной продукции (пп) предприятия
- •10.2. Сглаживание динамических рядов
- •Сглаживание динамического ряда укрупнением интервалов и скользящим средним
- •10.3. Выравнивание по способу наименьших квадратов
- •Выравнивание динамического ряда 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 и уровня значимости α
- •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
- •Глава 9 146
- •Глава 10 166
- •Глава 11 174
- •Глава 12 179
Выращивание сельскохозяйственных культур в разрезе областей
Признаки Таксоны |
1 |
2 |
3 |
4 |
5 |
Витебская (В) |
+ |
+ |
|
+ |
|
Могилевская (Мо) |
+ |
+ |
|
+ |
|
Минская (Мн) |
+ |
+ |
|
+ |
|
Гродненская (Гр) |
+ |
+ |
+ |
+ |
|
Брестская (Б) |
+ |
+ |
+ |
|
+ |
Гомельская (Гм) |
+ |
+ |
+ |
|
+ |
Визуально по табл. 9.2 все множество таксонов (областей) можно разделить на две группы первого порядка: В, Мо, Мн, Гр и Б, Г. В дальнейшей таксономизации группа Б и Г не делится, так как все признаки у них повторяются. В группе первого порядка выделяем две подгруппы второго порядка по наличию сходных признаков: В, Мо, Мн и Гр. Схематически форма графа будет как показано на рис. 9.13.
В классификации множество называется монотетическим, если оно объединяет полностью однородные таксоны, например, Гр. Множество Б, Гм политетическое, так как в него входят таксоны, однородные лишь по ведущим признакам.
Рис. 9.13. Граф таксономической классификации
Многоаспектная (фасетная) классификация. Географические объекты характеризуются множеством признаков, например, хозяйство республики. В таком случае нельзя создать единую систему их классификации, поэтому создают многоаспектную классификацию (рис. 9.14). Она заключается в параллельной классификации одного исходного множества (хозяйство республики) объектов по признакам, которые соответствуют различным целям: промышленность, сельское хозяйство и т. д. В результате выполняем самостоятельные фасетные классификации, количество которых определено практической целью.
Рис. 9.14.Графическое отображение многоаспектной классификации
Общее у них – множество классифицируемых объектов. Сложный по содержанию фасет будет иметь различную глубину классификационных ветвей и различную широту классификационных рядов.
Таким образом, теоретико-графовый подход позволяет изучать экономико-географические объекты с неизвестной метрикой пространства. Использование помеченных графов расширяет возможности количественного анализа явлений и процессов. Аппарат теории графов связан с теорией множеств, теорией отношений, матричной алгеброй, математическим программированием. К сожалению, он недостаточно используется в решении ряда проблем экономической географии: при районировании, исследовании территориально-производственных комплексов и промышленных узлов, при планировании различных линий (электропередач, нефте- и газопроводов, каналов связей и др.) производственной инфраструктуры.
Глава 10 динамические ряды
Ряд расположенных в хронологической последовательности значений статистических показателей представляет собой временной (динамический) ряд.
Статистические показатели, характеризующие изучаемый объект, называют уровнями ряда. В динамическом ряду они могут быть абсолютными, относительными или средними величинами. Ряды динамики, представленные за определенный промежуток времени, называются интервальными. В результате суммирования уровней интервального динамического ряда получаем накопленные итоги. Вследствие многих обстоятельств однородность величин, составляющих динамический ряд, может нарушаться, и таким образом изменяется сопоставимость уровней динамического ряда. Если каждый уровень динамического ряда сравнивается с одним и тем же предшествующим уровнем, как правило, первоначальным – это сравнение с первоначальной базой. Если сравнение проводится с предшествующим уровнем – это сравнение с переменной базой.
Для представления модели динамического ряда используется аналитическое выравнивание ряда динамики. Закономерно изменяющийся уровень изучаемого показателя оценивается как функция времени. В табл. 10.1 приводятся различные виды трендовых моделей, наиболее часто используемые для аналитического выравнивания.
Выбор формы кривой определяет результаты экстраполяции тренда. Одним из наиболее распространенных приемов сглаживания уровней первоначального ряда динамики – это метод скользящей средней.
Выполнить прогноз по уравнению тренда можно путем экстраполяции тенденции, наблюдавшейся в прошлом. Уровень динамического ряда (ŷ), полученный в результате экстраполяции, используется для определения прогнозного значения на будущее.
Наличие зависимости между последующими и предшествующими уровнями динамического ряда называют автокорреляцией, а построение модели зависимости будущих значений рассматриваемого показателя от прошлых его значений называется авторегрессией.
Таблица 10.1