- •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
4.1. Показатели неопределенности объектов
Многие объекты и процессы в ландшафте характеризуются неоднородностью полученных данных. Для ее оценки лучше всего подходит показатель меры неопределенности, или показатель энтропии. Его можно рассчитывать для системы, которая принимает различные состояния с установленными вероятностями.
Показатель энтропии определяется вероятностями всех элементарных событий данного поля и рассчитывается по формуле
, (4.2)
где Р1, Р2... – вероятности данного поля, которые можно заменить частостями распределений; log2 – двоичный логарифм вероятности; п – число классов совокупности; Рi – вероятность отдельных исходов опытов.
Показатель энтропии одиночного события выражается через логарифм его вероятности:
Hi = – log2 Рi.
При использовании критерия энтропии можно объективно решать вопрос о наличии полезной информации, заключенной в опыте. Группы, выделяемые в эксперименте, рассматриваются с точки зрения теории вероятности как поле, состоящее из независимых событий. Например, для получения репрезентативных данных при анализе образцов почв с целью оценки обеспеченности растений элементами питания следует провести серию экспериментов в разное время вегетационного периода. Это обусловлено различной степенью их потребления из почвы в разные фазы роста и развития. Соответственно будет меняться и содержание химических элементов в почве. Не учитывая последнего, можно сделать ошибочные выводы.
Пример. Предположим, что лучшим временем для отбора почвенных образцов является период с 21 апреля. В отобранных образцах почв определяется содержание подвижной формы интересующего нас элемента питания (например, бора). Отобрано 431 образец в указанный интервал времени на определенном участке. При распределении образцов по классам были получены частоты (табл. 4.1). Затем по ним рассчитаны частости и натуральные логарифмы частостей. Перемножая показатели и затем суммируя произведения, имеем величину энтропии в нитах (H= 1,6108 нит). Для перевода в биты делим ее наln2:H = 1,6108 : 0,69315 = 2,324 бит. Аналогично вычисляется величина энтропии для других ландшафтных условий. Получив ряд показателей энтропии, делаем выводы о наиболее полезной информативности определенного периода. Чем меньше величина энтропии, тем информативнее период, так как снижение энтропии приводит к увеличению упорядоченности. Предположим, что получен ряд показателей энтропии (в битах):
-
Период
май
июнь
июль
август
Энтропия
2,450
2,225
2,135
2,057
Отсюда следует, что наиболее информативен отбор почвенных образцов в случае Н = 2,057 бит (в августе). Этот период характеризуется наименьшим энтропийным показателем.
Показатель энтропии можно использовать при анализе развития явлений – от беспорядка к организованности (например, смена стадий развития речной системы, формирование сквозной речной долины).
Таблица 4.1
Расчет показателя энтропии для установления оптимального времени отбора образцов
Границы класса, дни |
Середина класса, x |
Частота f |
Частость ω = f/N |
ln ω |
– ω ln ω |
1–5 |
3 |
5 |
0,0116 |
–4,46541 |
0,0518 |
6–10 |
8 |
38 |
0,0882 |
–2,42815 |
0,2142 |
11–15 |
13 |
120 |
0,2784 |
–1,27870 |
0,3560 |
16–20 |
18 |
160 |
0,3712 |
–0,99101 |
0,3679 |
21–25 |
23 |
68 |
0,1578 |
–1,84643 |
0,2914 |
26–30 |
28 |
20 |
0,0464 |
–3,07046 |
0,1425 |
31–35 |
33 |
12 |
0,0278 |
–3,58272 |
0,0996 |
36–40 |
38 |
6 |
0,0139 |
–4,27587 |
0,0594 |
41–45 |
43 |
1 |
0,0023 |
–6,07485 |
0,0140 |
46–60 |
48 |
1 |
0,0023 |
–6,07485 |
0,0140 |
|
Σ 431 |
|
0,9999 |
|
1,6108 |