Учебно-методический комплекс по дисциплине «Анализ данных и прогнозирование экономики» для студентов специальностей: «Экономика» Астана 2010

Вид материала

Учебно-методический комплекс

Содержание Многомерное шкалирование Методы контроля качества Использование статистических пакетов 1. Характеристика учебной дисциплины 3 Математическая статистика Аналитическая статистика

Подобный материал:

• Учебно-методический комплекс по дисциплине: «анализ проектов» для студентов специальностей, 2311.99kb.
• Учебно-методический комплекс для студентов по дисциплине «оценка бизнеса и инноваций», 4385.11kb.
• Учебно-методический комплекс дисциплины: Прогнозирование национальной экономики Специальность, 345.29kb.
• Учебно-методический комплекс по дисциплине «Экономика и управление в акционерных обществах», 610.54kb.
• Учебно-методический комплекс по дисциплине «Инвестиционная деятельность предприятия», 593.61kb.
• Учебно-методический комплекс по дисциплине «финансы» астана, 2010, 1311.57kb.
• Учебно-методический комплекс по дисциплине «Институциональная экономика» Для специальности:, 1370.37kb.
• Учебно-методический комплекс по дисциплине теневая экономика уфа 2007, 2230.46kb.
• Учебно-методический комплекс по дисциплине «Управление рисками» Для специальности:, 1692.15kb.
• Учебно-методический комплекс по дисциплине «Экономика недвижимости» Астана 2010, 1852.8kb.

Многомерное шкалирование

Во многих областях исследования (например, в психологии, биоло­гии, социологии, лингвистике и т.д.) бывает затруднительно или невоз­можно проводить непосредственное измерение интересующих исследо­вателя характеристик объектов из изучаемой совокупности, зато можно экспертным или каким-то другим путем оценивать степень сходства или различия между парами объектов. В этом случае для интерпретации получаемых данных используются методы многомерного шкалирования. Они позволяют представить совокупность интересующих исследователя.

объектов в виде некоторого набора точек многомерного пространства некоторой небольшой размерности, при этом каждому объекту соответ­ствует одна точка. Координаты точек истолковываются как значения неких характеристик исходных объектов, которые и объясняют их свой­ства или взаимоотношения.

В случае удачного шкалирования, когда точки полученного про­странства представляют объекты без серьезных погрешностей и раз­мерность этого пространства невелика (равна, скажем, двум или трем), исследователь получает возможность представить изучаемую совокуп­ность объектов наглядно. Часто это помогает по-новому осознать про­блему, увидеть ее новые черты и особенности, либо осознать те скры­тые признаки, которые и определяют видимые свойства объектов или их взаимоотношения.

Типичный пример использования методов многомерного шкалиро­вания — изучение политических деятелей. Здесь исходными данными для анализа могут служить экспертные оценки сходства или различия взглядов политических деятелей по некоторому набору вопросов. Для депутатов парламента такими данными могут служить результаты го­лосований. И очень часто с помощью методов многомерного шкали­рования удается объяснить исходные данные с помощью нескольких характеристик взглядов политических деятелей, которые и описывают (в основном) их поведение. Например, может оказаться, что результа­ты голосований депутатов в парламенте в основном объясняются всего двумя-тремя характеристиками. Исследователь может условно их на­звать, скажем, «приверженность к либеральной или к государственной модели экономики» и «прозападная или почвенническая ориентирован­ность», или как-то еще. Результаты подобных исследований иногда публикуются в газетах.

Часто в качестве исходных данных для шкалирования используются не сами оценки степени сходства объектов, а результаты их ранжиро­вания. Соответствующие методы шкалирования называются неметри­ческими. Они были разработаны для решения проблем психологии: здесь исходными данными часто служат суждения человека (как ис­пытуемого либо как эксперта), поэтому их количественные значения носят в значительной мере условный характер. Чтобы избавиться от этой условности, и прибегают к ранжированию. Сейчас неметрическое многомерное шкалирование широко применяется и для других данных.


Методы контроля качества


Из многочисленных специализированных разделов статистики мы рассмотрим один — методы контроля качества. Эти методы, как следует из их названия, предназначены для контроля качества выпускаемой продукции с целью выявления нарушений и узких мест в организации производства и в технологических процессах, ведущих к снижению качества продукции. Повсеместное применение научно обоснованных методов контроля качества явилось немаловажным фактором успехов стран — лидеров мировой экономики, в особенности Японии.

В отличие от большинства описанных выше многомерных методов методы контроля качества не требуют трудоемких вычислений — они исключительно просты и наглядны. Целью этих методов может быть:

• получение наглядного представления о выборочном распределении зна­
  чения некоторого параметра в выпускаемой продукции и сравнение
  этого распределения с границами допуска (гистограмма качества);
  
• наглядное выделение наиболее важных факторов, влияющих на каче­
  ство продукции (диаграмма Парето);
  
• выявление необычных отклонений в параметрах выпускаемой продук­
  ции и отделения случайных отклонений от неслучайных и требующих
  вмешательства тенденций (контрольные карты).
  

Простота, наглядность и эффективность статистических методов контроля качества сделали возможным и оправданным их повсеместное (вплоть до мастеров, а иногда и отдельных рабочих) применение в передовых странах.

Использование статистических пакетов

В пакетах STADIA и SPSS представлены все перечисленные выше методы, хотя реализации их в этих пакетах отличаются. Например, для кластерного анализа и шкалирования обеспечивается различный набор возможных расстояний, стратегий объединения объектов в кластеры и методов шкалирования.

В документации и во встроенном справочнике системы STADIA читатель сможет найти дополнительные пояснения по назначению и методике применения статистических методов, описанных в этой главе.


Лабораторная работа 1.

Использование электронных таблиц Excel 2000 для вычисления выборочных характеристик данных



Математическая статистика подразделяется на две основные области: описательную и аналитическую статистику. Описательная статистика охватывает методы описания статистических данных, представления их в форме таблиц, распределений.

Аналитическая статистика или теория статистических выводов ориентирована на обработку данных, полученных в ходе эксперимента, с целью формулировки вы­водов, имеющих прикладное значение для самых различных областей человече­ской деятельности.