Статистический исследование финансового состояния предприятия ООО "Инфора" на основе имитационной модели
Дипломная работа - Менеджмент
Другие дипломы по предмету Менеджмент
В»и. Кроме того, диаграмма рассеяния объектов, построенная в плоскости, образованной двумя первыми, наиболее весомыми, главными компонентами (или общими факторами) может косвенно подтвердить или опровергнуть предположение о том, что исследуемые данные подчиняются многомерному нормальному закону. Форма облака должна напоминать эллипс, более густо объекты расположены в его центре и разреженно по мере удаления от него.
Интерпретируются главные компоненты и общие факторы, которые соответствуют дисперсии больше 1, и которые имеют хотя бы одну весомую нагрузку. Выбор критической величины, при превышении которой элемент матрицы нагрузок признается весовым и оказывает влияние на интерпретацию главной компоненты или общего фактора, определяется по смыслу решаемой задачи и может варьировать в пределах от 0,5 до 0,9 в зависимости от получаемых промежуточных результатов. Формальные результаты должны хорошо интерпретироваться.
Факторный анализ - более мощный и сложный аппарат, чем метод главных компонент, поэтому он применяется в том случае, если результаты компонентного анализа не вполне устраивают. Но поскольку эти два метода решают одинаковые задачи, необходимо сравнить результаты компонентного и факторного анализов, т.е. матрицы нагрузок, а также уравнения регрессии на главные компоненты и общие факторы, прокомментировать сходство и различия результатов.
Основной целью дисперсионного анализа является проверка статистической значимости различия между средними (для групп или переменных). Эта проверка проводится с помощью разбиения суммы квадратов на компоненты, т.е. с помощью разбиения общей дисперсии (вариации) на части, одна из которых обусловлена случайной ошибкой (то есть внутригрупповой изменчивостью), а вторая связана с различием средних значений. Последняя компонента дисперсии затем используется для анализа статистической значимости различия между средними значениями. Если это различие значимо, нулевая гипотеза отвергается и принимается альтернативная гипотеза о существовании различия между средними.
Ковариационный анализ - совокупность методов математической статистики, относящихся к анализу моделей зависимости среднего значения некоторой случайной величины Y от набора неколичественных факторов F и одновременно от набора количественных факторов X. По отношению к Y переменные X называют сопутствующими; факторы F задают сочетания условий качественной природы, при которых получены наблюдения Y и Х, и описываются с помощью так называемых индикаторных переменных; среди сопутствующих и индикаторных переменных могут быть как случайные, так и неслучайные (контролируемые в эксперименте); если случайная величина Y является вектором , то говорят о многомерном анализе ковариационном.Основные теоретические и прикладные проблемы ковариационного анализа относятся к линейным моделям. В частности, если анализируются n наблюдений с р сопутствующими переменными ()), k возможными типами условий эксперимента ()), то линейная модель соответствующего анализа ковариационного задается уравнением: (1),
где i = 1,...,n, индикаторные переменные равны 1, если j-е условие эксперимента имело место при наблюдении , и равны 0 в ином случае. () могут соответствовать результатам дихотомизации номинального признака Р с градациями . Номинальный же признак может быть сложным: каждой его градации может отвечать сочетание значений некоторых первичных, например, взятых из анкеты, признаков; коэффициенты определяют эффект влияния j-го условия;
- значение сопутствующей переменной , при котором получено наблюдение , i = 1,...,n; s = 1,...,Р; - значения соответствующих коэффициентов регрессии Y по , вообще говоря, зависящие от конкретного сочетания условий эксперимента, т.е. от вектора ; - случайные ошибки, имеющие нулевые средние значения.Основное назначение ковариационного анализа - использование в построении статистических оценок и статистических критериев для проверки различных гипотез относительно значений этих параметров. Если в модели (1) постулировать априори , то получится модель анализа дисперсионного; если из (1) исключить влияние неколичественных факторов (положить ), то получится модель анализа регрессионного. Своим названием ковариационный анализ обязан тому обстоятельству, что в его вычислениях используются разбиения ковариации величин Y и X точно так, же как в дисперсионном анализе используются разбиения суммы квадратов отклонений.
Спектральный анализ - это один из методов обработки сигналов, который позволяет охарактеризовать частотный состав измеряемого сигнала. Преобразование Фурье является математической основой, которая связывает временной или пространственный сигнал (или же некоторую модель этого сигнала) с его представлением в частотной области. Методы статистики играют важную роль в спектральном анализе, поскольку сигналы, как правило, имеют шумовой или случайный характер. Если бы основные статистические характеристики сигнала были известны точно или же их можно было бы без ошибки определить на конечном интервале этого сигнала, то спектральный анализ представлял бы собой отрасль точной науки. Однако в действительности по одному-единственному отрезку сигнала можно получить только некоторую оценку его спектра.
К обработке сигналов в реальном масштабе времени относятся задачи анализа аудио, речевых, мультимедийных сигналов, в которых помимо трудностей, связанных непосредственно с анализом спектраль