65. Метод выравнивания динамического ряда по прямой.
Динамический ряд – это изменение явления во времени (например, изменение уровня личностной тревожности удельного веса активного компонента физической нагрузки студентов в течение одного года обучения в вузе и т.д.). Метод выравнивания динамического ряда по прямой показывает не только тенденцию, но и темп развития процесса, что имеет большое практическое значение в анализе и прогнозе изучаемого явления.
Формула выравнивания по прямой:
Где
– значение ординаты точек на прямой;
– параметры необходимые для определения
величины у1; х
– преобразованный для облегчения
расчета интервал;
Где n – количество членов динамического ряда (количество исследований).
Алгоритм выравнивания динамического ряда по прямой на примере расчета активного компонента физической нагрузки студентов представлен в таблице
|
Число изменений |
х |
у |
ху |
х2 |
|
1 |
-5 |
18,3 |
-91,5 |
25 |
|
2 |
-4 |
17,6 |
-70,4 |
16 |
|
3 |
-3 |
23,9 |
-71,4 |
9 |
|
4 |
-2 |
24,9 |
-49,8 |
4 |
|
5 |
-1 |
18,6 |
-18,6 |
1 |
|
6 |
0 |
16 |
0 |
0 |
|
7 |
1 |
15 |
15 |
1 |
|
8 |
2 |
22,1 |
44,2 |
4 |
|
9 |
3 |
11,7 |
35,1 |
9 |
|
10 |
4 |
9 |
36 |
16 |
|
11 |
5 |
9,9 |
49,5 |
25 |
|
∑=11 |
|
∑у=187 |
∑ху=-122,2 |
∑х2=110 |
Результат выравнивания динамического ряда по прямой изображается на графике. В нашем примере А0= 17, А1= -1,1, таким образом удельный вес (%) активного компонента физической нагрузки в структуре хронометража для студентов первого года обучения снижаетсяв среднем на величину А1= -1,1, что может быть связано с негативным воздействием какого-либо фактора. Прямая линия на графике строиться по выравненным значениям у (у1=22,5, у2=21,4…и т.д.)
В четном интервальном ряду срединным является 2 года, а показатель А1 надо увеличить в 2 раза после расчета выравненных показателей.
При четном ряду показатели х другие:
|
Измерения |
х |
|
1 |
-5 |
|
2 |
-3 |
|
3 |
-1 |
|
4 |
1 |
|
5 |
3 |
|
6 |
5 |
66. Прогноз.
Прогноз – многовариантная гипотеза, научное предвидение о возможных результатах и путях развития исследуемого предмета. Целью прогноза является стремление дать ответ на круг вопросов о выбранной проблеме и путях ее решения
68. Многофакторный дисперсионный анализ
В исследованиях часто приходится иметь дело с одновременным влиянием нескольких факторов на конечный результат (зависимую переменную).
Процедура многофакторного анализа аналогична процедуре однофакторного дисперсионного анализа. Преимуществом многофакторного анализа является то, что появляется возможность изучить взаимодействие факторов между собой.
Если
в качестве независимых переменных
выступают два фактора (уровень рекламы
и продажа по купонам), то разложение
полной вариации составит
Большее влияние фактора 1 будет отражаться в более высоком значении SSbetween 1 , большее влияние фактора 2, соответственно, будет отражаться на более высоком значении SSbetween 2.
Чем сильнее взаимодействие факторов 1 и 2, тем больше значение SS1;2. С другой стороны, если фактор 1 и фактор 2 не зависят друг от друга, то значение SS1;2 приближается к нулю.
Степень влияния двух факторов называется полным эффектом или множественной корреляцией:
69. Факторный анализ — многомерный метод, применяемый для изучения взаимосвязей между значениями переменных. Предполагается, что известные переменные зависят от меньшего количества неизвестных переменных и случайной ошибки.
Факторный анализ позволяет решить две важные проблемы исследователя: описать объект измерения всесторонне и в то же время компактно. С помощью факторного анализа возможно выявление скрытых переменных факторов, отвечающих за наличие линейных статистических связей корреляций между наблюдаемыми переменными.
Таким образом можно выделить 2 цели Факторного анализа:
определение взаимосвязей между переменными, (классификация переменных), т. е. «объективная R-классификация»[1][2];
сокращение числа переменных необходимых для описания данных.
Факторный анализ может быть:
разведочным — он осуществляется при исследовании скрытой факторной структуры без предположения о числе факторов и их нагрузках;
конфирматорным, предназначенным для проверки гипотез о числе факторов и их нагрузках (примечание 2).
Практическое выполнение факторного анализа начинается с проверки его условий. В обязательные условия факторного анализа входят:
Все признаки должны быть количественными.
Число наблюдений должно быть не менее чем в два раза больше числа переменных.
Выборка должна быть однородна.
Исходные переменные должны быть распределены симметрично.
Факторный анализ осуществляется по коррелирующим переменным[3].
Методы факторного анализа:
метод главных компонент
корреляционный анализ
метод максимального правдоподобия
70.Автоматизированные рабочие места специалистов (АРМы). АРМ представляет собой совокупность аппаратно-программных ресурсов, обеспечивающую специалисту в конкретной предметной области обработку данных и автоматизацию управленческих функций и которая создается на объекте пользователя объединением (агрегированием) серийно выпускаемых средств вычислительной техники собственного производства (ПЭВМ АСТ, серверов АСТ, систем интегрированных серверов АСТ, систем хранения данных АСТ) и дополнительного компьютерного оборудования. АРМ предназначен для использования в современной практике управления на предприятиях и в учреждениях системы народного хозяйства и кредитно-банковской системы, в сфере образования, бизнеса и органах государственного управления в качестве автономного рабочего места, интеллектуального терминала больших ЭВМ, рабочей станции в локальных сетях.