- •1. Предмет математической статистики.
- •2. Статистические совокупности, их виды.
- •3. Определяющее свойство статистической совокупности.
- •4. Признаки единиц совокупности, их классификация.
- •5. Описательная характеристика статистических совокупностей.
- •6. Ранжированный ряд распределения, техника его построения.
- •7. Анализ ранжированного ряда распределения.
- •8. Вариационный ряд распределения, техника построения для дискретного признака.
- •9. Интервальный вариационный ряд распределения, техника его построения.
- •10. Анализ дискретного и интервального вариационного ряда распределения.
- •11. Определение статистического показателя применительно к абстрактной статистической совокупности.
- •12. Система статистических показателей для всесторонней характеристики статистического ряда распределения.
- •13. Показатели центральной тенденции, их классификация.
- •14. Параметрические показатели центральной тенденции, их виды, условия применения и алгоритмы расчета.
- •15. Условия типичности параметрических средних.
- •16. Непараметрические средние. Алгоритмы их расчета в ранжированном ряду распределения.
- •17. Алгоритмы расчета структурных средних в дискретном и вариационном рядах распределения.
- •18. Взаимосвязь средней арифметической, моды и медианы.
- •19. Сравнение средней арифметической, моды и медианы.
- •20. Понятие о вариации.
- •Показатели вариации, алгоритмы их расчета
- •Интерпретация показателей вариации
- •Сравнение вариации одного и того же признака в двух совокупностях, сравнение вариации разных по содержанию признаков
- •Конкретная ошибка выборки, распределение конкретных ошибок выборки
- •Средняя ошибка выборки для выборочной средней и выборочной доли
- •61.Область согласия и область отказа. Соотношение между ними
- •62. Статистические таблицы , как инструмент принятия ( отказа ) гипотез
- •68. Особенности проверки гипотезы о соответствии фактического распределения нормальному.: постановка гипотезы; содержание ожидаемых частот; расчет критерия
- •69 Особенности проверки гипотезы о соответствии фактического распределения распределению Пуассона: постановка гипотезы; содержание ожидаемых частот; расчет критерия
- •71. Как критерий независимости. Постановка нулевой и альтернативной гипотез.
- •72. Как критерий независимости. Содержание и алгоритм расчета ожидаемых частот
- •73. Как критерий однородности. Содержание выдвигаемых гипотез
- •74. Как критерий однородности.Какие сравнения определяют величину фактического значения критерия.
- •75. Определение табличного значения критерия при различных аспектах его использования.
- •76. Схема проверки гипотез относительно генеральной средней
- •77. Критерий двухсторонний и односторонний
- •78. Особенности принятия альтернативной гипотезы при направленном ее характере
- •79. Выборки зависимые и независимые
- •80. Особенности проверки гипотез относительно двух средних при равных численностях выборок и равных дисперсиях
- •91. Проверка гипотезы относительно доли признака в двух совокупностях, если хотя бы одна из выборочных долей лежит вне интервала 0,1-0,9
- •92. Проверка гипотезы о принадлежности конкретного наблюдения исследуемой совокупности с использованием критерия t – нормального распределения
- •93. Проверка гипотезы о принадлежности конкретного наблюдения исследуемой совокупности с использованием критерия Диксона
- •94. Постановка гипотез при дисперсионном анализе
- •95 Критерий f- Фишера. Условия его применимости
- •96.Преобразование исходных данных с целью проведения дисперсионного анализа
- •97.Необходимость конкретизации результатов дисперсионного анализа
- •98. Конкретизация результатов дисперсионного анализа на основе критерия q- Тьюки
- •99 Понятие о контрастах
- •100. Схема конкретизации результатов дисперсионного анализа методом контрастов Шефе
- •101. Модель дисперсионного анализа с постоянным эффектом факторов, постановка гипотез и расчет фактического значение критерия.
- •102. Модель дисперсионного анализа со случайным эффектом факторов, постановка гипотез и расчет фактического значение критерия.
- •103. Проверяемые гипотезы при двухфакторном дисперсионном анализе.
- •104. Разложение общего объема вариации признака при двухфакторном дисперсионном анализе и неслучайном формировании повторностей.
- •105. Понятие о многомерном дисперсионном анализе.
- •106. Понятие о корреляционной связи.
- •107. Требования к совокупности и факторным признакам при построении корреляционного уравнения связи.
- •108. Этапы построения уравнения связи.
- •108. Методы нахождения вида уравнения.
- •109. Метод наименьших квадратов, содержание и реализация.
- •110. Интерпретация коэффициентов уравнения.
- •122. Приведение матрицы исходных данных в сопоставимый вид при построении многомерной средней.
- •122. Нормирование исходных данных.
- •125. Выбор итерации, соответствующей оптимальному разбиению.
- •126. Метод k-средних (кластерный анализ с обучением).
- •127. Методы установления центров тяжести.
- •128. Назначение факторного анализа.
- •129. Техника факторного анализа.
- •130. Разложение единичной дисперсии.
- •131. Общность, специфичность, надежность в факторном анализе.
- •132. Общий алгоритм факторного анализа.
- •133. Решение проблемы общности при факторном анализе.
- •134. Установление числа факторов.
- •135. Простая структура Терстоуна.
- •136. Факторные нагрузки.
- •137. Вращение матрицы факторных нагрузок и интерпретация факторов.
- •138. Методы вращения матрицы факторных нагрузок.
- •139. Расчет значений факторов по отдельным наблюдениям.
- •140. Применение результатов факторного анализа при построении регрессионных уравнений.
- •141. Назначение дискриминантного анализа.
- •142. Переменные группировочные и независимые
- •143.Пошаговое включение переменных (переменные в модели и вне модели)
- •144. Канонический анализ, его составляющие
- •150.Матрица классификации
127. Методы установления центров тяжести.
Существует 2 основных метода установления центров тяжести:
1. Когда исследователь берет наугад значение признака по первым наблюдениям.
Количество наблюдений = количеству кластеров.
Пр.: первые 10 кластеров (будут являться выборкой, т.к. отобраны случайным образом).
2. Центры тяжести заранее известны - исходные данные.
128. Назначение факторного анализа.
Факторный анализ - метод компенсации исходных признаков.
Основное назначение - конденсация признаков, т.е. удовлетворение требуемых условий признаков:
1. Признаки должны иметь количественный характер.
2. Если какое-нибудь свойство ед. не поддается, необходимо использовать max количество косвенных признаков.
3. Избегать включения в анализ признаков, взаимосвязанных между собой линейно.
4. Нормальное или близко нормальное распределение признаков.
129. Техника факторного анализа.
Существуют следующие техники факторного анализа:
1. R: По строке - наблюдение; По столбцу - признаки; Цель - сконденсировать признаки. |
2. Q: По строке - признаки; По столбцу - ед. совокупности; Цель: объединение ед. (как в кластерном анализе). |
3. P (исследуется только 1 объект): По строке - интервал/ момент времени; По столбцу - признаки; Цель: сформулировать состояние ед., меняющееся во времени. |
4. U: По строке - признаки; По столбцу - интервал/ момент времени; Цель: выделить периоды времени, включающие несколько однородных точек. |
5. S (исследуется только признак): По строке - время/ момент времени; По столбцу - объекты; Цель: классификация ед. с одинаковым характером изменений во времени. |
6. T: По строке - объекты; По столбцу - интервалы/ моменты времени; Цель: выделить типы времени. |
На практике, прежде всего, используется R- и Q-техника.
130. Разложение единичной дисперсии.
Согласно концепции факторного анализа, единичная дисперсия по каждому признаку раскладывается:
1 = h²j + u²j, hj - общность, uj - характерность,
h²j - часть единичной дисперсии, которая объясняет общий фактор.
131. Общность, специфичность, надежность в факторном анализе.
1 = h²j + u²j, hj - общность, uj - характерность,
h²j - часть единичной дисперсии, которая объясняет общий фактор.
u²j = b²j + ε² j, b²j - специфичность - часть единичной дисперсии, которая
объясняет факторы, характеризующие только данный признак,
ε² j - ошибка.
h²j + b²j = c² j, c² j - надежность.
132. Общий алгоритм факторного анализа.
Общая модель построения фактора может включать следующие этапы:
1. Xij X - исходный материальный признак.
2. tij T - пронормирование исходных данных.
3. rij R - матрица парных коэффициентов корреляции исходного признака.
4. rij (h) Rh - редуцированная матрица (на диагонали вместо ед. стоят общности - h²j).
5. На основе Rh строится матрица факторных нагрузок А.
6. Вращение матрицы факторных нагрузок, с целью получения матрицы, которая позволит интерпретировать факторы.
7. Расчет значений факторов по каждой ед. наблюдения, с целью последующего построения регрессионных моделей.