Производительность живого труда. Методы измерения и анализа уровня и динамики производительности труда. Планирование производительности труда на основе статистических моделей и технико-экономических расчетов. [c.491]
Одним из основных этапов построения статистической модели считается отбор факторов, оказавших существенное влияние на себестоимость добычи нефти и газа в прошлом и позволяющих правильно оценивать ее динамику. [c.60]
Имеется в виду необходимость выявления не только реальных проблем банка на ранней стадии их возникновения, но и сама подверженность его проблемам с тем, чтобы определить режим надзора, а при наличии реальных проблем - и меры надзорного реагирования, которые наиболее показаны в данной ситуации. В рамках такого механизма проводятся формализованные оценки ситуации в байках по статистическим моделям. Данные модели на основании анализа информации, содержащейся главным образом в официальной отчетности, позволяют с определенной долей вероятности выявить области потенциальных либо реальных проблем банка, а в некоторых случаях дают возможность спрогнозировать динамику негативных тенденций. [c.245]
Для определения пропускной способности ПС в постановке задачи учитывались объективные свойства производственных систем динамика, стохастика и неопределенность. В нашем подходе предусматривается сочетание пространственной и временной организации ПС. Решение поставленной задачи с помощью динамического (имитационного) моделирования, где в модели системы задается вероятностная логика функционирования ПС, законы распределения надежности отдельных элементов (основанные на статистической информации фактической надежности), наработки на отказ, время простоя по причине отказа, имитируется процесс эксплуатации, - позволило сделать следующие выводы. [c.191]
Методические приемы и выбор формы экономико-математической связи исследуемого показателя с факторами, существенно влияющими на его уровень и динамику, в значительной степени обусловлены условиями формирования себестоимости добычи нефти. Поэтому в работе особое внимание уделено формированию производственных затрат на различных стадиях разработки месторождения. Большое место занимают экономико-статистический анализ себестоимости добычи нефти, оценка производственно-хозяйственной деятельности предприятия, планирование и прогнозирование себестоимости добычи нефти, экономико-математические модели этого показателя для решения практических задач. [c.3]
Экономико-статистический анализ себестоимости добычи нефти с использованием модели, приведенной в предыдущем разделе и в работах [5, 23, 31], позволяет выявить только общее влияние различных факторов на уровень эксплуатационных затрат в целом по всем технологическим процессам и участкам. Однако нас в первую очередь интересует, в каком технологическом процессе, какие факторы и в какой степени оказывают влияние на уровень затрат и каким образом можно изменить это влияние в необходимом направлении. Поэтому далее рассмотрим формирование уровня и динамику затрат по отдельным технологическим участкам (подсистемам). [c.33]
Динамика использования башенного кранового оборудования (базовых моделей башенных кранов) рассмотрена с позиций изменения их технических характеристик за период с 1955 по 1995 гг. Выявлены основные тенденции развития высоты подъема, максимального вылета, скорости подъема груза, скорости передвижения крана и конструктивного веса для башенных кранов грузоподъемностью 5, 8 и 10 т. На основании математической обработки статистических материалов получены и описаны тенденции изменения технических характеристик кранов во времени, которые позволяют сделать выводы об относительной их стабилизации к настоящему моменту, что объясняется установившимися типами объемно-планировочных решений, организационно-технологических ситуаций монтажа и другими причинами. Общие уравнения сведены в табл. 4.35. [c.239]
Построение подобной модели дает возможность статистически оценить влияние различных экономических факторов на уровень и динамику денежных доходов и расходов населения России. [c.614]
Проще всего это можно проиллюстрировать на примере планирования оборота. Тот, кто осуществляет у себя этот процесс способом прибавления, например, 10% к прошлогоднему уровню для получения плана на предстоящий год, занимается прогнозированием. В принципе, прогноз - это не что иное, как продолжение тренда по обороту из прошлого в будущее. Важен тот факт, что все математические и статистические расчеты по улучшению прогнозов и повышению степени точности предсказаний еще остаются в области прогнозирования Например, речь может идти о том, чтобы выявить определенную закономерность в динамике оборота за последние годы и разработать некую модель роста. Если это удастся сделать, то при составлении прогнозов будет обеспечена большая их надежность. Однако модели предсказаний, построенные-с использованием математико-статистических методов, а также с помощью компьютера, не заменяют настоящее планирование (хотя часто такая замена очень удобна). [c.193]
Экспериментальным методом прогнозирования является машинная имитация, или имитация на ЭВМ. Машинная имитация предполагает построение модели изучаемого объекта, системы, события, которая затем преобразуется в программу ЭВМ. В ЭВМ вводят необходимые данные и анализируют их в динамике (статистический анализ), под влиянием ряда факторов (факторный анализ), во взаимодействии с другими данными (системный анализ), в определенных условиях экстремума (оптимизационный анализ). Машинная имитация применяется при прогнозировании сложных процессов, систем и объектов, на предварительном этапе преобразования и эксперимента, при разработке среднесрочных и долгосрочных прогнозов. Статистическая имитация позволяет определить относительное значение отдельных факторов, условий ввода новых параметров, влияющих на конечный результат. Машинная имитация может быть организована в форме игры. [c.264]
Вероятностные ограничения модели определяются на основе анализа условий работы каждого технологического процесса в отдельности и НПП в целом, обработки статистической информации, отражающей технико-экономические показатели работы установок и НПП, а также на основе анализа динамики связей НПП с поставщиками и другими предприятиями. При этом учитываются плановые и нормативные требования, предъявляемые к переработке и выпуску нефтепродуктов (технологи- [c.172]
В случае же использования компьютерных систем и статистических данных, напротив, все частности проходят количественный анализ, проверяются и оптимизируются с целью создания механических торговых систем. Эти системы или торговые модели, как их еще называют, в свою очередь программируются так, чтобы компьютер автоматически выдавал сигналы к покупке и продаже. Вне зависимости от сложности подобных систем, основная цель их создания заключается в том, чтобы свести к минимуму или полностью исключить субъективный или человеческий фактор из процесса принятия решений, подвести под него некую научную основу. Аналитики такого типа могут вообще не использовать графики. Но тем не менее они считаются техническими аналитиками, поскольку вся их деятельность сводится к исследованию динамики рынка. [c.21]
В отличие от статистической и статичной модели динамическая модель ритма производственного цикла изготовления изделия позволяет с большей достоверностью устанавливать предельные вероятностные (самые поздние) сроки выполнения работ. При этом процессы изготовления каждого изделия увязываются с процессами изготовления всех остальных изделий, входящих в производственную программу учитываются пространственная структура производственного цикла, динамика структуры трудоемкости изготовления каждого изделия, непрерывная загрузка производственных подразделений в ходе выполнения производственной программы. [c.160]
Математические модели прогнозирования представляют собой наиболее универсальные и достаточно строгие методы анализа тенденций развития техники. Они позволяют дать количественное описание динамики развития реальных объектов прогнозирования, изучить характер и направления влияния на их изменение различных факторов. Для моделирования процессов научно-технического развития особенно часто используются методы статистического анализа, исследование производственных функций, динамическое про- [c.118]
Возможны также другие модели, такие как, более усложненная модель Миллера-Орра, предполагающая случайное (стохастическое, вероятностное) поступление и расходование денежных средств предприятием. Решение задачи оптимизации производится методами вероятностных расчетов на основе статистических данных и экспертных оценок. В результате определяются наиболее вероятные значения денежных средств и их динамики. [c.353]
Модели могут касаться как объекта, так и процесса, носить статистический или динамический характер, базируясь на динамике средних величин либо вероятности тех или иных состояний. [c.50]
Маркетинговые исследования — изучение рынка товаров и услуг, спроса и предложения, поведения потребителей (покупателей), рыночной конъюнктуры, динамики цен с целью продвижения своих товаров на рынке. В М.и. используются статистический анализ, метод аналогий, прогнозирование. М.и. — система сбора и обработки маркетинговой информации, совокупность статистических, социологических, психологических методик. М.и. — это систематическое отслеживание рыночной информации и ее анализ. В основе комплекса М.и. лежит совокупность современных методик статистической обработки информации, основанных на банке математических моделей, а также социологические и психологические методики. [c.283]
На этом этапе предстоит оценить, сколько продукции реально можно продать в конкретных условиях, учитывая возможные затраты на рекламу, уровень цен и т. п., причем условия деятельности предприятия должны рассматриваться в динамике, а прогнозные значения должны вычисляться помесячно для первых двух лет и поквартально для нескольких следующих лет. Подготовка такого прогноза возможна с помощью различных методов от использования сложных экономических моделей, построенных математическими методами на основе обработки больших массивов статистической информации, что целесообразно для крупных предприятий и масштабных проектов, до простых прикидок, если речь идет о мелком бизнесе. [c.91]
В настоящее время, видимо, рано еще говорить о какой-то стройной экономико-математической теории финансового рынка как "большой сложной системы" функционирующей не в "классических" условиях равновесия, а в тех, которые реально наблюдаемы на рынке. Современное состояние можно определить как период "накопления фактов" "уточнения моделей" И в этом смысле первостепенная роль принадлежит новым методам сбора и хранения статистических данных, их обработки и анализа с применением, естественно, современной вычислительной техники (о чем и пойдет речь ниже, см. гл. IV), что дает эмпирический материал для анализа различных концепций относительно функционирования рынка пенных бумаг и коррекции различных положений, заложенных, скажем, в понятие эффективного рынка, гипотез относительно характера распределений цен, динамики их поведения и т. п. [c.79]
По принципам обработки информации об объекте можно выделить статистические методы, методы аналогий, опережающие методы. Статистические объединяют методы обработки количественной информации, выявляя содержащиеся в ней математические закономерности развития и математические взаимосвязи характеристик с целью получения прогнозных моделей. Методы аналогий направлены на выявление сходства в закономерностях развития различных процессов, на основании чего делаются прогнозы. Опережающие методы прогнозирования строятся на принципах специальной обработки информации, реализующих в прогнозе ее свойство опережающе отражать развитие объекта прогнозирования. В свою очередь, их можно разделить на методы исследования динамики развития объекта и методы исследования и оценки уровня развития объекта. [c.151]
Время в экономической динамике может рассматриваться как непрерывное или дискретное. Непрерывное время удобно для моделирования, так как позволяет использовать аппарат дифференциального исчисления и дифференциальных уравнений. Дискретное время удобно для приложений, поскольку статистические данные всегда дискретны и относятся к конкретным единицам времени. Для дискретного времени может использоваться аппарат разностных уравнений. Заметим, что большинство известных моделей экономической динамики существуют как в непрерывном, так и в дискретном вариантах. В обоих вариантах для них могут быть получены, как правило, аналогичные результаты, и уровень сложности самих моделей примерно одинаков. [c.197]
Показатель себестоимости добычи нефти, вследствие того что формирование эксплуатационных расходов существенно усложнено влиянием природно-геологич"еских условий, является трудным объектом экономико-статистического исследования. Вместе с этим необходимо признать, что при системном изучении закономерностей формирования главным образом расходов, зависящих от природно-герлогических условий, характера влияния отдельных факторов на их уровень и динамику возможно с достаточной достоверностью для практики получить комплекс экономико-статистических моделей себестоимости добычи нефти. [c.101]
Однако, как правило, динамика рынка изучается с помощью статистических методов обработки динамических рядов, позволяющих не только точно определить скорость и вектор развития, но и с помощью трендовых моделей выявить его основную тенденцию (тренд). Важную роль в анализе динамики рыночных процессов играет индексный метод, который обеспечивает возможность интегрированной оценки общего изменения сложных многоструктурных явлений (например, товарооборота) и позволяет выявить некоторые факторы развития (например, количественный и ценностный). Для анализа причинно-следственных связей в динамике целесообразно применять многофакторные статистические модели, которые могут быть использованы еще и для прогнозирования. В некоторых случаях используются методы многомерного анализа. Динамические процессы, структурные сдвиги, соотношения и т.п. легко проиллюстрировать методами графического анализа. [c.102]
Результаты данных и других исследований позволяют заключить, что объявленная ежегодная прибыль в своей динамике следует процессу, который в статистике называют моделью случайных колебаний (random walk model). To есть прибыль за предстоящий год ( ,) можно представить как сумму прибыли за прошлый год (Et ,) и величины случайной ошибки (напомним, что случайную ошибку можно представить как колесо рулетки, где цифры расположены вокруг нуля). Соответственно прибыль следующего года можно описать посредством статистической модели [c.605]
Концепция эффективного рынка обосновывает гипотезу мартин-галъности (нормированных) цен, делая тем самым понятие "мартингала" одним из основных при исследовании динамики эволюции пен как стохастических последовательностей или процессов с определенными свойствами их распределений. Однако, при проведении конкретных расчетов одного лишь знания "мартингальности распределений" слишком мало - нужна более "тонкая" структура этих распределений, что приводит к необходимости детального рассмотрения самых разнообразных вероятностно-статистических моделей с целью выявления тех из них, свойства распределений которых лучше всего согласуются со свойствами эмпирических распределений, построенных по статистическим данным. Именно этой пели и посвящен, в сущности, весь последующий материал этой главы, в которой представлены модели, позволяющие объяснять те или иные свойства, обнаруживаемые при анализе "статистического сырья" в частности, образованного временными финансовыми рядами. [c.129]
Представленное выше описание динамики обменных курсов затрагивало лишь их "временную" картину, т. е. частоту, интенсивность изменений со временем. По классификации в la, п. 2, изложение относилось к вопросу (I) о статистике междутиковых интервалов. Пока, однако, ничего не говорилось о характере изменений в значениях цен, происходящих в моменты тиков. К этому вопросу (II) мы обратимся в Id. В следующем же параграфе речь пойдет о вероятностно-статистических моделях, естественным образом возникающих в связи с траекторным поведением цен (Sf), представленным на рис. 28. [c.385]
В четвертой главе приведены результаты статистического анализа распределений вероятностей временных рядов, описывающих эволюцию финансовых цен, индексов, обменных курсов и т. п. Выявленные свойства ("отклонение от гауссовости" "вытянутость" и "тяжелые хвосты" у плотностей распределений вероятностей величин "возврата" "долгая память" и "высокочастотный" характер в поведении цен и т.п.) помогают построению адекватных моделей динамики финансовых показателей, что особенно важно, если иметь в виду задачи предсказания будущего движения этих показателей. [c.537]
Являясь слабоформализованным, эвристическим методом, стресс-тестирс вание имеет целый ряд серьезных недостатков, наиболее очевидным из коте рых является субъективность выбора сценариев и оценки правдоподобносп их осуществления. Прогнозная ценность проверки на устойчивость к реальн< наблюдавшимся в прошлом кризисам, как правило, оказывается незначитель ной из-за слабой воспроизводимости прошлых кризисных ситуаций в буду щем. Кроме того, стресс-тестирование существенно уступает статистически моделям в том, что оно не позволяет прогнозировать корреляционные зави симости в динамике цен при построении кризисных сценариев. Последни] недостаток является наиболее существенным, поскольку резкие изменения це новых корреляций в моменты рыночных кризисов несут наибольшую угроз для компании, строящей стратегии хеджирования на основе нормального состояния рынка. Наконец, разработка набора правдоподобных сценариев дл. [c.602]
Существует много методов оценки размера рынка, их можно разделить на качественные, количественно-временные и количественно-причинные. Эти методы включают также экспертные прогнозы, качественные оценки нескольких экспертов, Дельфийский метод (оценка группы специалистов, высказывающих независимые последовательные суждения). Количественно-временной метод базируется на истории развития ценностей рынка данного размера, а также на статистических моделях. Здесь применяются простые решения динамика средних показателей, сглаживание по экспоненте, временные ряды и более сложные приемы, подобные временным моделям Бокса-Дженкинса. Количественно-причинный метод пользуется в статистических моделях для определения размеров рынка как функции независимых переменных (например, рекламы продвижения товара). [c.142]
Источники маркетинговой информации. Публикации СМИ, официозы и справочники, бюллетени, научная и публицистическая литература, внутривузовские издания, регистры и т.п. Публикации фирм ("закон цветка"). Бюро вырезок. Использование рекламной информации. Использование информации, содержащейся в Интернете. Покупка информации на коммерческих началах. Учет и отчетность (государственная, внутрифирменная статистическая и бухгалтерская). Обмен информацией в вертикальных и горизонтальных маркетинговых системах. Торговые корреспонденты. Мониторинги. Торговые панели. Разовые обследования предприятий, выборочные и сплошные (омнибусы). Трековые исследования (отслеживания динамики). Опросы. Панели потребителей. Непосредственное наблюдение. Экспертные оценки. Эксперимент (полевой и,лабораторный), пробный маркетинг и имитационные модели. Слухи. Экономический шпионаж. Роль интуиции в оценке информации. [c.149]
В частности, должен быть привлечен разносторонний статистический материал о динамике факторов, формирующих народный доход и его компоненты, т. е. производственных фондов, трудовых, сельскохозяйственных ресурсов. Необходимо затем построить корреляционные уравнения и производственные функции, связывающие народный доход с этими факторами, т. е. получить сильно агрегированную математико-статнстическую модель, по которой при знании будущего движения определяющих факторов можно было бы прогнозировать не формально, а на основе установленных экономических связей будущее движение народного дохода. Но для таких построений в настоящее время нет еще необходимых публикаций однородных и непрерывных рядов экономических показателей за достаточно длительный срок. [c.160]
Для формальной верификации гипотез необходимо соответствие между графом и системой уравнений, его описывающей. Алгебраическая система, соответствующая графу без контуров (петель), является рекурсивной системой, позволяющей рекур-рентно определять значения входящих в нее переменных. В такой системе в уравнения для признака xt включаются все переменные, за исключением расположенных выше его по графу связей. Формулировка гипотез в структуре рекуррентной модели обычно не вызывает затруднений при использовании данных в динамике. Если же анализируются статистические данные, то следует учитывать зависимость системы от ее прошлых состояний. [c.213]
Наряду с Александром Гершенкроном и Саймоном Кузнецом (оба, кстати, выходцы из России) Норт стоял у истоков современных исследований в области экономической истории — большое количество известнейших ныне ученых прошло его школу. Но если ранние работы Норта были посвящены таким конкретным проблемам, как например динамика цен и заработной платы в средневековой Англии [7], рост благосостояния американцев в XVII-XIX вв. [3] или оценка эффективности океанского судоходства [4], то впоследствии он один из первых стал проводить меж-страновые сопоставления и количественные оценки различных стратегий экономического роста [9, 11]. От большинства других экономических историков (в том числе от Фогеля) Норта отличает стремление не столько к количественным и статистическим оценкам экономических параметров и не к построению контрфактических моделей, а к анализу реальных исторических явлений и событий и поиску их объяснений. Инструментом такого рода анализа является для него аналитический аппарат новой институциональной экономической теории и, в частности, экономическая теория трансакцион-ных затрат. [c.316]
Эконометрическое прогнозирование основано на принципах экономической теории и статистики расчет показателей прогноза осуществляется на основе статистических оценочных коэффициентов при одной или нескольких экономических переменных, выступающих в качестве прогнозных факторов позволяет рассмотреть одновременное изменение нескольких переменных, влияющих на показатели финансового прогноза. Эконометри-ческие модели описывают с определенной степенью вероятности динамику показателей в зависимости от изменения факторов, влияющих на финансовые процессы. При построении экономет-рических моделей используется математический аппарат регрес- [c.96]
Аппарат, используемый А. Ноткиным, — числовые модели роста национального дохода и фонда потребления в зависимости от нормы Производственного накопления. Здесь сразу же следует поставить вопрос возможно ли статистическое изучение Конечно, данные о динамике нормы производственного накопления за ряд лет (аналогичные приведенным выше) позволяют сделать определенные выводы о политике капитальных вложений за весь период экономического развития нашей страны и с этой точки зрения весьма полезны. Однако они не могут ответить на вопрос, насколько величина нормы накопления данного года приближается к оптимальной. Не поможет и коррелирование фонда потребления от нормы производственного накопления, которое, вообще говоря, возможно (поскольку для каждого года экономического развития можно выявить точку корреляционного поля), но методологически неверно, ибо условия различных лет несопоставимы (разная производительность общественного труда, разная фондоемкость продукции, различно число занятых в процессе материального производства и т. д.). Естественно, что для каждого отдельного года существует лишь одна норма производственного накопления. Итак, на вопрос о возможности статистического изучения оптимума накопления и потребления для данного периода следует ответить отрицательно. Остаются два пути числовое моделирование и математическое моделирование. [c.37]
Очевидно, что мы можем построить на этих основаниях теорию распределения доходов между любыми двумя20 секторами экономики например, между богатыми и бедными, между продавцами орехов и продавцами прочих благ и т. д. Наличие практической значимости какой-либо из подобных теорий зависит всецело от того, является ли разница между соответствующими предельными склонностями к сбережению достаточно большой — относительно изменений инвестиций и величин различных нарушений, влияющих на параметры соответствующих функций потребления, — чтобы учесть наблюдаемую динамику разделения национального продукта между двумя секторами. Поэтому решить вопрос о том, объясняет ли модель Калдора распределение между доходом в форме заработной платы и прочими видами доходов, можно посредством статистических исследований. К этому аспекту мы обратимся в следующем разделе. [c.135]
Первые попытки эмпирической проверки новой кей-нсианской кривой Филлипса приходятся на конец 1990-х — начало 2000-х гг. По североамериканским данным, экономисты ФРС США Дж. Фюрер и Мур показали, что новая кейнсианская модель, основанная на гипотезе рациональных ожиданий, без переменной лаггированной инфляции не способна объяснить динамику инфляции. В исследовании экономистов Банка Канады инфляция более чувствительна к ожидаемым колебаниям издержек оплаты труда, нежели гэпа ВВП. При использовании в уравнении гэпа ВВП наклон новой кейнсианской кривой Филлипса становится отрицательным для еврозоны и США, но положительным для Канады. При добавлении в модель к гэпу ВВП лаггированной инфляции кривая приобретает положительный наклон для еврозоны и Канады, но значительно отрицательный для США. В большинстве оценок гэпа ВВП регрессионные коэффициенты являются статистически незначимыми. [c.169]
В ходе анализа финансовых данных любой ряд динамики, будь то процентные ставки или цены на финансовые активы, можно разбить на две компоненты, одна из которых изменяется случайным образом, а другая подчиняется определенному закону. Колебания финансовых переменных значительно изменяются во времени бурные периоды с высокой волатильностью переменных сменяют спокойные периоды и наоборот. В некоторых случаях вола-тильность играет ключевую роль в ценообразовании на финансовые активы. В частности, курсы акций напрямую зависят от ожидаемой волатильности доходов корпораций. Все финансовые учреждения без исключения стремятся адекватно оценить волатильность в целях успешного управления рисками. В свое время Трюгве Хаавельмо, нобелевский лауреат по экономике 1989 г., предложил рассматривать изменение экономических переменных как однородный стохастический (случайный) процесс. Вплоть до 1980-х гг. экономисты для анализа финансовых рынков применяли статистические методы, предполагавшие постоянную волатильность во времени. В 1982 г. Роберт Ингл развил новую эконометрическую концепцию, позволяющую анализировать периоды с разной волатильностью. Он ввел кластеризацию данных и условную дисперсию ошибок, которая завесит от времени. Свою разработку Ингл назвал авторегрессионной гетероскедастической моделью , с ее помощью можно точно описать множество временных рядов, встречающихся в экономике. Метод Ингла сегодня применяется финансовыми аналитиками в целях оценки финансовых активов и портфельных рисков. [c.197]
Еще в 1940-1960 гг. в рамках неоклассических подходов к построению моделей роста сложилось представление о том, что наряду с основными производственными факторами - трудом и капиталом - важную роль играет технический прогресс, трактуемый как особый фактор производства (см. 5 настоящей главы). Исследования, выполненные на базе трехфакторных (труд, капитал, технический прогресс) моделей экономической динамики на статистическом материале США, в различные периоды всегда давали достаточно высокие оценки вклада технического прогресса в обеспечение экономического роста. Эти оценки (без учета поправок на повышение качества рабочей силы и капитала) варьировали от 33% в статистических рядах за 1909-1929 гг. у Э. Дэнисона до 78% в рядах за 1929-1957 гг. у С. Кузнеца и 69% в рядах за 1948-1979 гг. у некоторых других ученых.1 С учетом же указанных поправок вклад третьего фактора, которому в традиционных неоклассических моделях приписывался экзогенный характер, все же оставался на относительно высоком уровне. Однако большинство теоретических моделей того периода, за исключением содержащих инновационные идеи И. Шумпетера и Н. Д. Кондратьева, ограничивалось предположением, что технический прогресс зависит от времени (г) и слабо связан с процессами внутри самой моделируемой системы. [c.638]
В предшествующих главах обменным курсам валют и основным ценным бумагам, к числу которых относятся банковский счет, акции, облигации, было уделено много внимания - рассмотрены различные модели их динамики, приведены результаты статистического анализа, выявившего, в частности, такие феномены временных финансовых данных, как, например, кластерность, фрактальность, наличие долгой памяти,.... [c.244]
Смотреть страницы где упоминается термин Статистические модели динамики
: [c.137] [c.615] [c.114] [c.114] [c.54] [c.454] [c.367]Смотреть главы в:
Математическое моделирование в экологии -> Статистические модели динамики