16. Основные методы прогнозирования – метод аналогий, экспертные методы.

М экспертных оценок. Это суждение эксперта относительно поставленной задачи. Условия для осуществления качественной экспертизы: 1) квалиф эксперт 2) независимость эксперта. Метод используется при неустойчивости ситуации объекта, если ситуация слишком сложна для оценки качественными методами. Метод аналогии: предполагает перенос знаний об одном предмете на другой. Виды: 1) истор аналогия (установление и использование аналогии объекта прогнозирования с одинаковыми по природе объектами). 2) матем аналогия (установление аналогии матем описаний процессов развития различных по природе объектов, с последующим использованием более изученного описания одного объекта для разработки прогноза другого объекта).

17. Использование корреляционно-регрессионного анализа к исследованию развития социальных и экономических систем.

Корреляционная (стохастическая) связь – это неполная вероятностная зависимость м/у показателями, кот проявляется только в массе наблюдений. Виды корреляции: 1) парная корреляция (возникает м/у двумя показателями, один из кот явл-ся факторным, др. результативным). 2) Множественная корреляция (возникает от взаимодействия нескольких факторов с результативными показателями). Необходимые условия применения корреляционного анализа: 1) наличие достаточно большого кол-ва наблюдений исследуемых показателей. 2) все факторы должны иметь количественное измерение. Корреляционный анализ позволяет: 1) определить изменение результативного показателя под воздействием одного или нескольких факторов в абсолютном измерении, т.е. определить на сколько едениц изменяется величина результативного показателя при изменении факторного на еденицу. 2) установить относительную степень зависимости м/у результативным показателем и факторным.

18. Пирсеновский коэффициент корреляции в прогнозировании социальных процессов.

Степень прямолинейной зависимости можно измерить с помощью пирсеновского коэф корреляции. r = сумма xy минус n умноженное на х среднее у среднее все это делить на корень кв из (сумма х в квадрате минус n умноженное на х среднее в квадрате) умноженное на (сумма у в квадрате минус n умноженное на у среднее в кв.). r = 1 (это идеальная линейная корреляция). r = -1 это идеальная обратная корреляция. значение коэф корреляции находится в пределах от -1 до +1, другого не бывает. Если корреляция равна от 0 до 1 это некоторая положительная корреляция (не все точки лежат на одной прямой). Если от 0 до -1, то это некоторая обратная корреляция.

19. Корреляционно-регрессионный анализ.

К. Пирсон и Дж. Юл разработали корреляционный анализ, который по их мнению должен ответить на вопрос о том, как выбрать с учетом специфики и природы анализируемых переменных подходящий измеритель статистической связи (коэффициент корреляции, корреляционное отношение, и т.д.), решить задачу как оценить его числовые значения по уже имеющимся выборочным данным.

Корреляционный анализ поможет: найти методы проверки того, что полученное числовое значение анализируемого измерителя связи действительно свидетельствует о наличии статистической связи; определить структуру связей между исследуемыми k признаками х1, х2,…, хк, сопоставив каждой паре признаков ответ («связь есть» или «связи нет»).

Парный коэффициент корреляции – основной показатель взаимозависимости двух случайных величин, служит мерой линейной статистической зависимости между двумя величинами., он соответствует своему прямому назначению, когда статистическая связь между соответствующими признаками в генеральной совокупности линейна. То же самое относится к частным и множественным коэффициентам корреляции.

Термин «регрессия» ввел английский психолог и антрополог Ф.Гальтон.

Для точного описания уравнения регрессии необходимо знать закон распределения результативного показателя у. В статистической практике обычно приходится ограничиваться поиском подходящих аппроксимаций для неизвестной истинной функции регрессии Д(х), так как исследователь не располагает точным знанием условного закона распределения вероятностей анализируемого результатирующего показателя у при заданных значениях аргумента х.

Регрессионный анализ – это метод статистического анализа зависимости случайной величины у от переменных хj-(j=1, 2, ...,k), рассматриваемых в регрессионном анализе как неслучайные величины, независимо от истинного закона распределения хj.