- •Глава 1. Сущность аналитической юриспруденции и элементарные измерения состояния юридических процессов
- •Задача №2.
- •Задача №3.
- •Задача №4.
- •Задача №5.
- •Задача №6.
- •Задача №7.
- •Задача №8.
- •Задача №9.
- •Задача №11
- •Задача №12
- •Задача №13
- •Задача №14
- •Задача №15
- •Задача №16
- •Т е с т ы
- •Глава 2. Изучение изменчивости криминологических процессов: β-коэффициенты риска преступности (бкрп)11. Показатели концентрации и дифференциации криминологических вариационных рядов.
- •Задача №3.
- •Задача №4.
- •Задача №5.
- •Задача №6.
- •Задача №7.
- •Задача №8.
- •Задача №9.
- •Задача №10.
- •Т е с т ы
- •Глава 3. Законы распределения юридических процессов во времени и пространстве
- •Задача №2.
- •Задача №3.
- •Т е с т ы
- •Раздел II. Объяснение юридических явлений и процессов.
- •Продолжение таблицы №1.
- •Продолжение таблицы №1.
- •Продолжение таблицы №1.
- •Задача №2
- •Задача №3
- •Задача №4
- •Задача №5
- •Задача №6
- •Задача №7
- •Задача №8
- •Т е с т ы
- •Раздел 3. Прогнозирование юридических процессов
- •Временной ряд разбоев в городе Сургуте с января 1998 года по декабрь 2004 года
- •Задача №4
- •Задача №5
- •Задача №6
- •Задача №7
- •Задача №8
- •Задача №9
- •Задача №10
- •Задача №11
- •Задача №12
- •Задача №13
- •Задача №14
- •Задача №15
- •Продолжение таблицы №1.
- •Продолжение таблицы №1.
- •Продолжение таблицы №1.
- •Задача №16
- •Задача №17
- •Т е с т ы
- •Раздел 4
- •Задача №2.
- •Задача №3.
- •Задача №4.
- •Задача №5.
- •Задача №6.
- •Задача №7.
- •Задача №8.
- •Задача №9.
- •Задача №10.
- •Задача №11.
- •Задача №12.
- •Задача №13.
- •Задача №14.
- •Задача №15.
- •Задача №16.
- •Задача №17.
- •Задача №18.
- •Т е с т ы
- •Раздел 5. Многомерные юридические оценочные пространства
- •Задача №2
- •Задача №3
- •Задача №4
- •Задача №5
- •Задача №6
- •Задача №7
Продолжение таблицы №1.
t, годы |
2006 |
2007 |
2008 |
2009 |
2010 |
Убийство и ПУ |
27462 |
22227 |
20056 |
17681 |
15563 |
Угроза У или ПТВЗ |
109554 |
105038 |
98170 |
101180 |
84643 |
УПТВЗ |
51429 |
47348 |
45436 |
43112 |
39745 |
НПДДЭТСПНСЧ |
15762 |
15520 |
13560 |
10602 |
10344 |
Похищение человека |
994 |
837 |
698 |
633 |
519 |
Разбой |
59763 |
45318 |
35366 |
30085 |
24537 |
Грабеж |
357302 |
295071 |
243957 |
205379 |
164547 |
Хулиганство |
28645 |
20360 |
13589 |
9474 |
7219 |
Изнасилование и ПИ |
8871 |
7038 |
6208 |
5398 |
4907 |
Мошенничество |
225326 |
211277 |
192490 |
188723 |
160081 |
Угон |
58565 |
55258 |
50313 |
45833 |
41167 |
Кража |
1676983 |
1566970 |
1326342 |
1188574 |
1108369 |
Квартирные кражи |
235649 |
210717 |
172808 |
152563 |
132695 |
Взяточничество |
11063 |
11616 |
12512 |
13141 |
12012 |
Присв. или растрата |
65980 |
73489 |
72142 |
67266 |
44894 |
ОНФБиПО или УВН |
432 |
348 |
262 |
231 |
184 |
Требуется: 1) сравнить преступность по её структурным составляющим в РФ по периодам с 1990 по 1995 годы, с 1996 по 2000 годы, с 2001 по 2005 годы и с 2006 по 2010 годы с использованием метода фиктивных переменных (получить 4 уравнения); 2) показать сравнение на графике.
Задача №16
Дано: временные ряды различных структурных составляющих преступности в РФ с 1990 по 2010 (смотри задачу №15).
Требуется: 1) Подобрать модели авторегрессии для структурных составляющих преступности; 2) сделать прогноз по каждой структурной составляющей на 2011, 2012, 2013 годы.
Задача №17
Дано: таблица первичных статистических данных о зарегистрированных в РФ изнасилованиях и покушениях на изнасилование за период с 2005 по 2010 годы40.
Годы |
2005 |
2006 |
2007 |
2008 |
2009 |
2010 |
январь |
576 |
571 |
511 |
411 |
349 |
333 |
январь-февраль |
1072 |
1226 |
1014 |
874 |
660 |
713 |
январь-март |
1725 |
1938 |
1558 |
1400 |
1108 |
1135 |
январь-апрель |
2327 |
2643 |
2126 |
1883 |
1520 |
1571 |
январь-май |
3113 |
3469 |
2778 |
2404 |
1955 |
2013 |
январь-июнь |
4123 |
4336 |
3495 |
3042 |
2490 |
2508 |
январь-июль |
5007 |
5123 |
4271 |
3717 |
3005 |
2959 |
январь-август |
6034 |
6038 |
4985 |
4259 |
3508 |
3460 |
январь-сентябрь |
6944 |
6837 |
5561 |
4756 |
4060 |
3904 |
январь-октябрь |
7761 |
7567 |
6121 |
5271 |
4547 |
4255 |
январь-ноябрь |
8558 |
8170 |
6619 |
5744 |
4922 |
4624 |
январь-декабрь |
9222 |
8871 |
7038 |
6208 |
5398 |
4907 |
Требуется: в ППП Excel рассчитать индексы сезонности для каждого месяца.
Т е с т ы
- Временной ряд – это:
Ряд, содержащий причинно-следственную связь.
Набор числовых данных, полученных в течение последовательных периодов времени.
Ряд, содержащий сезонную волну.
Ряд Фурье.
- Мозговой штурм – это:
Количественный метод, обеспечивающий высокую точность прогнозирования.
Метод, используемый для прогнозирования в условиях высокой определенности.
Качественный метод полезный для прогнозирования в условиях высокой неопределенности.
Количественный метод полезный для прогнозирования в условиях высокой неопределенности.
- Прогнозирование с помощью авторегрессионного уравнения начинается:
- с авторегрессионной модели высшего порядка (а);
- с авторегрессионной модели первого порядка (б);
- с авторегрессионной модели второго порядка (в);
- с авторегрессионной модели любого порядка (г).
- В качестве независимой переменной в регрессионном уравнении первого порядка выступает:
- время (а);
- значения зависимой переменной взятые с одним лагом (б);
- значения зависимой переменной с р лагами (в);
- значения зависимой переменной с тремя лагами (г).
- По какой формуле вычисляется число степеней свободы в моделях авторегрессии:
n-2p-1;
t=(b-β)/Sb;
y=a+bt;
n-2p+1.
- При прочих равных условиях предпочтение при прогнозировании отдается:
- наиболее сложной модели (а);
- любой удобной модели (б);
- простейшей модели (в);
- нелинейной модели (г).
- Сколько фиктивных переменных вводится в экспоненциальной модели множественного регрессионного анализа для изучения сезонности юридических процессов по месячным данным:
- 11 (а);
- 12 (б);
- 13 (в);
- 10 (г).
- Сколько фиктивных переменных вводится в экспоненциальной модели множественного регрессионного анализа для изучения сезонности юридических процессов по квартальным данным:
- 11 (а);
- 3 (б);
- 4 (в);
- 5 (г).
- Что показывает (-1)∙100% в экспоненциальной модели множественного регрессионного анализа с введением фиктивных переменных для месячных данных:
- темп ежемесячного роста по переменной Y (а);
- темп ежемесячного роста по переменной t (б);
- темп ежеквартального роста по переменной Y (в);
- темп роста для фиктивных переменных (г).
- Что показывает в экспоненциальной модели множественного регрессионного анализа с введением фиктивных переменных для квартальных данных:
- темп ежемесячного роста по переменной Y (а);
- коэффициент регрессии (б);
- темп ежеквартального роста по переменной Y (в);
- сдвиг по переменной Y (г).
- Какая прогнозная модель лучше:
- модель авторегрессии (а);
- мультипликативная модель (б);
- модель с минимальной средней ошибкой аппроксимации (в);
- модель с максимальной средней ошибкой аппроксимации (г).
- Прогноз с горизонтом прогнозирования до 3-х лет является:
- краткосрочным (а);
- среднесрочным (б);
- долгосрочным (в);
- оперативным (г).
- Прогноз с горизонтом прогнозирования до одного месяца является:
- краткосрочным (а);
- среднесрочным (б);
- долгосрочным (в);
- оперативным (г).
- Когда необходимо устранить из временного ряда циклические и случайные флуктуации (колебания) следует выбирать:
небольшие значения субъективных весов (W):
1) невысокие значения субъективных весов (W);
2) высокие значения субъективных весов (W);
3) субъективный вес не более 0,6;
3) субъективный вес не более 0,3.
- Когда необходимо осуществить прогнозирование с помощью экспоненциального сглаживания следует выбирать:
1) невысокие значения субъективных весов (W);
2) высокие значения субъективных весов близкие к единице;
3) субъективный вес не более 0,6;
3) субъективный вес не более 0,3.