Численное исследование модели

Численное исследование модели  [c.48]

Численное исследование модели — это расчет а) различных показателей, характеризующих каждый фактор, входящий в модель (средняя, дисперсия, их оценки) б) показателей, характеризующих взаимосвязи факторов моделируемого показателя (парные, частные и множественные коэффициенты корреляции, их оценки, парные, частные и мно-  [c.48]


В задачах планирования целью исследования математической модели изучаемого объекта является выбор наиболее подходящего варианта решения (например, распределения ресурсов, заданий и поставок между экономическими единицами). При формулировке проблемы важно понять, что Заказчик имеет в виду под наиболее подходящим вариантом. Если мы поймем интересы и устремления Заказчика неверно, то может произойти серьезное недоразумение. Во многих задачах интересы Заказчика можно выразить в виде так называемого показателя качества работы системы (критерия, целевой функции). Показатель качества — это некоторая функция, которая дает возможность численно оценить каждый вариант развития изучаемой системы. Поскольку варианты развития системы являются следствием соответствующих вариантов управления системой, после формулировки показателя качества исследование модели сводится к поиску такого варианта управления, которое приводит к максимальному значению показателя качества управления. К сожалению, показатель качества удается построить далеко не всегда. Иногда имеется несколько показателей, они важны каждый сам по себе, и их не удается объединить в единый критерий. В этом случае приходится представлять Заказчику результаты анализа экономической системы не в виде наилучшего (оптимального) решения проблемы планирования, а другими способами, которые будут обсуждены позднее.  [c.40]


Настоящее развитие прикладных экономика-математических исследований началось с появлением и распространением вычислительной техники, когда главными методами анализа математических моделей экономических систем стали методы, основанные на использовании ЭВМ. В 4 гл. 1 были рассмотрены три основные группы методов численного исследования экономико-математических моделей оптимизационные, многокритериальные и имитационные методы. Продемонстрируем возможности применения этих методов для анализа модели.  [c.149]

Термин параметр обычно относится к характеристикам, численные значения которых отличаются меньшей определенностью, чем у констант, но, тем не менее, остаются неизменными на протяжении исследования модели. Значения параметров подвержены влиянию условий эксперимента и они могут иметь приближенное значение.  [c.17]

Для исследования моделей комплекса Регион применяются новые алгоритмы улучшения и приближенно-оптимального синтеза управления с использованием достаточных условий сильного и слабого локального минимума [Кротов и др., 1973 Гурман, 1977 Гурман и др., 1983 Модели..., 1981], в том числе и для вырожденных задач [Гурман, 1985 Новые..., 1981 Методы..., 1988] численные методы, связанные с преобразованием задач оптимального управления на основе теорем о совместной оптимальности [Москаленко, 1983 Методы..., 1988 Новые..., 1987] методы решения задач оптимального управления с фазовыми и смешанными ограничениями [Методы..., 1988] методы качественного анализа оптимальных траекторий [Модели..., 1981].  [c.177]

Во-первых, электронная таблица позволяет проводить численные эксперименты с математическими моделями, а исследование моделей — это универсальный метод научного исследования (см. п.11.9.4).  [c.146]


А теперь рассмотрим пример численного исследования указанной модели для частного случая  [c.184]

В результате численных экспериментов удалось найти оптимальные значения параметра а для моделей первого и второго порядка, которые составили 0,38 и 0,2 соответственно. Однако полученные оптимальные модели не показали лучших прогнозов, чем нейронные сети. Так, на рисунках 4.53 - 4.56 показаны результаты прогнозов исследованных моделей и полученных нейронных сетей для исследуемых временных рядов.  [c.184]

Выбор показателей определяется, с одной стороны, нашими знаниями об изучаемой системе, а с другой — целями исследования. Например, при построении производственной функции страны ясно, что существенную роль играют численность трудящихся, объем основных производственных фондов, а также оборотных фондов, природных ресурсов (в том числе и земли). Мы в нашей модели ограничились затратами труда и объемом производственных фондов как основными ресурсами промышленного производства. Важнейшим интегральным показателем является национальный доход, поэтому он используется в нашей модели как результат деятельности экономики. Итак, у нас производственная функция имеет вид  [c.52]

Методы качественного анализа экономико-математических моделей были главным средством исследования до появления вычислительной техники. Однако и сейчас качественный анализ модели еще до проведения численных расчетов оказывается весьма полезным, поскольку позволяет оценить основные особенности модели, знание которых необходимо для рациональной организации вычислений.  [c.149]

Наиболее важными в анализе хозяйственной деятельности являются модели исследования взаимосвязей между экономическими показателями. Так, между показателями объема продукции (ТП), численности работающих (Ч) и производительности труда одного работающего (В) существует функциональная связь  [c.269]

Эта формула устанавливает зависимость объема продукции от изменений удельного веса числа рабочих в общей численности работающих (У), среднего количества дней, отработанных одним рабочим за год (Д), средней продолжительности рабочего дня (Т), средней часовой производительности труда одного рабочего (ВЧ). Выявление и исследование подобных зависимостей между экономическими показателями осуществляются при помощи методов детерминированного моделирования. Зависимости вида (1) и (2) представляют собой факторные модели показателя объема продукции, удовлетворяющие различной степени детализации анализа этого показателя.  [c.269]

Свойства нет полного разложения не требуется установления очередности изменения факторов в модели носит достаточно искусственный характер, поскольку требует непрерывности функции / и бесконечно малого изменения признаков, чего в экономических исследованиях не может быть в принципе, так как многие показатели изменяются дискретно (по крайней мере, дело обстоит именно так в случае, когда речь идет о детерминированном факторном анализе, т.е. анализе в отношении единичного объекта, а не совокупности объектов в качестве примера можно привести показатель численности работников на заводе).  [c.103]

В настоящей статье показывается плодотворность указанной точки зрения на основные задачи разделов численного анализа. При этом сама задача исследования функции имеют несколько этапов для своего усвоения. Первый этап связан с введением в проблематику - исследование функции и создание методов исследования. После того, как понятие функции сформулировано трудно наметить пути проникновения в микроструктуру этого понятия. Естественно, в этом случае необходимо обратится к опыту и просмотреть эмпирически, как появляется функция, функциональная зависимость. Здесь, разумеется, возникает сразу множество проблем, связанных с математической обработкой данных опыта. Первая задача связана с вычислением значений функции. При этом основными инструментами является общее чутье и маленькие хитрости . Вопрос, с чем обычно сталкиваются - это интерполяция недостающих значений. Вообще говоря, при интерполяции нам дано несколько узлов и нужно вычислить приближенно некоторые значения, которых нет в таблице. Таким образом, мы должны по взятым узловым (опорным) точкам построить приближенную модель функции. В большинстве таблиц делается предположение, что функция ведет себя между последовательно взятыми точками, как прямая, хотя можно предположить, что она ведет себя как квадратный трехчлен или как многочлен более высокой степени, т.е. представить функцию в виде полиномиального сплайна. Наиболее просто, конечно, первое из них принимаем ломанную, т.е. сплайн 1-го порядка порядка,, за приближенную модель функции f(x). Ясно, что  [c.12]

Имея в виду, что курс предназначен не для специалистов в области исследования операций, а для менеджеров, а также учитывая всегда неизбежный недостаток времени, автор не включил в настоящий курс традиционные для курсов исследования операций вопросы нелинейного и динамического программирования. Основная причина в том, что не существует универсальных компьютерных алгоритмов решения задач нелинейной и многошаговой оптимизации. Использование имеющихся программ и алгоритмов требует более серьезного внимания к деталям модели и алгоритма, чем возможно уделить в настоящем курсе. Вместе с тем собственно концепция условной оптимизации, которая обязательно должна быть усвоена читателем, достаточно хорошо может быть проиллюстрирована примерами линейного (и цело численного) программирования.  [c.19]

Динамика сферы услуг складывалась при довольно заметных отраслевых различиях в ее темпах, что порождало непрерывные изменения в общей структуре, заметно ускорившиеся в последней четверти прошлого века. По темпам роста во всех странах устойчиво лидирует комплекс деловых и профессиональных услуг, представленный службами маркетинга, рекламы, менеджмента, лизинга, научных исследований, а также информационно-компьютерными, консультационными, аудиторско-бух-галтерскими услугами и т.д. В США численность занятых в этой группе увеличилась с 386 тыс. в 1929 г. до 1 млн в 1950 г. и до 11,5 млн в 2000 г.1 Быстро развивается этот блок услуг и в других странах. Его динамизм определяется содержанием деятельности, критически важным с позиций развития современной экономики, основанной на знании, и национальной конкурентоспособности. В функции этих услуг входят диффузия в хозяйстве новых технологий, разработка и распространение организационно-управленческих моделей, методов повышения эффективности использования ресурсов и т.д. Быстрее всего растут объемы информационно-компьютерных услуг, использование которых ускоряет процессы информатизации и компьютеризации хозяйства. Стремительно прогрессируют и консультационные услуги по разработке и предоставлению фирмам научных решений в виде информации, экспертизы, рекомендаций по самым разным аспектам бизнеса — производственным, финансовым, управленческим. В последние годы консультанты все чаще непосредственно участвуют по контрактам в управлении фирмами или их подразделениями, в маркетинговых исследованиях, программах повышения эффективности. В число лидеров по динамическим показателям входит и ряд очень популярных в предпринимательской среде нетехнических видов бизнес-услуг — по подбору персонала, связям с общественностью, поддержанию на фирмах нормального психологического и социального климата.  [c.168]

Имитационное моделирование заключается в проведении на ЭВМ численных экспериментов с математической моделью, описывающей поведение сложной системы в течение периодов времени заданной продолжительности. Имитационное моделирование применяется, как правило, в тех случаях, когда аналитические способы исследования той или иной логистической модели отсутствуют или их поиск требует слишком больших затрат.  [c.123]

Глава 3 посвящена описанию региональных моделей, предназначенных для исследования взаимодействия природы и хозяйства в масштабе региона. В модели учитываются следующие процессы рост производства, потребление продуктов, межрайонный обмен, самовосстановление и взаимное влияние природных ресурсов, их уменьшение в процессе производства и потребления, искусственное восстановление и перетоки, изменение численности населения и уровня его потребления. Приводятся расчеты по эколого-экономической модели Иркутской области и Байкальского региона.  [c.13]

Во всех указанных работах математическая модель процессов возбуждения и распространения волн строится на основе теории мелкой воды [Стокер, 1959], которая, однако, допускает различные по степени сложности и точности конкретные варианты систем дифференциальных уравнений с частными производными. Наиболее точной, а, следовательно, самой сложной и интересной из них является двумерная квазилинейная система. К сожалению, ее использование как в теоретических исследованиях, так и в численных расчетах встречается крайне редко [Марчук и др., 1983] и связано с большими трудностями из-за недостаточной разработанности качественной теории решений многомерных квазилинейных гиперболических систем. Не вдаваясь в подробности этой проблемы, отметим, что в таких монографиях, как [Рождественский и др., 1978], относительно полно изучены лишь случаи одного квазилинейного уравнения и системы из двух квазилинейных уравнений и только в одномерном варианте.  [c.327]

Наряду с подобным общим исследованием, ряд выводов можно сделать в результате анализа каждого уравнения модели. В частности, вычисленные с помощью производственной функции коэффициенты эластичности общественного продукта составляют от численности работающих — 0,03, от основных фондов — 0,92, т. е. в сумме —0,95. Следовательно, на настоящем этапе развития объем общественного продукта весьма чувствительно реагирует на прирост основных фондов и незначительно — на вовлечение в сферу материального производства дополнительной численности работающих. Поэтому ясно, что основным направлением развития производства может стать лишь повышение производительности общественного труда.  [c.30]

Постановки задач многоэтапного стохастического программирования с условными статистическими ограничениями и методы анализа решающих правил, соответствующих различной информации о состоянии системы в момент выбора решений, могут быть при некоторой модификации интерпретированы как модели и методы анализа многоуровневых иерархических систем управления, работающих в условиях неполной информации. Задание подкласса измеримых функций, из которого следует выбирать решающие правила, определяет здесь взаимодействие, координацию, управление и характер обмена информацией между звеньями одного уровня и звеньями. различных уровней. Представляется, что синтез многоэтапных и многоуровневых стохастических моделей выбора решений является основой формального аппарата качественного исследования и численного анализа сложных систем управления.  [c.196]

Во многих исследованиях установлено, что потенциал прибыли отрасли — это вовсе не вопрос удачи, а во многом зависимость от основных условий (например, ценовой эластичности спроса) и структурных атрибутов (например, численности и размера основных конкурентов и их распределения в отрасли), а также от стратегий, используемых разными участниками. На сегодняшний день наиболее известным приложением таких структурных идей стала модель пяти сил Майкла Портера.  [c.266]

Численно задачи оценивания неизвестных значений параметров моделей авторегрессии решаются с помощью стандартного аппарата метода наименьших квадратов (см. гл. 7—9). Более сложные проблемы возникают при исследовании статистических свойств получаемых оценок.  [c.370]

Дункан [89] распространил свою модель [88] для одной причины разладки на случай нескольких ее причин. Каждая причина разладки обусловливает смещение среднего параметра процесса на определенную величину. Каждая причина разладки создает смещение среднего параметра процесса определенной величины. Времена, предшествующие разладке, предполагаются независимыми экспоненциально распределенными величинами. Разработаны и рассмотрены две модели. Модель I предполагает, что разладка происходит один раз и ее состояние длится до тех пор, пока она не будет обнаружена в течение всего этого времени другие причины разладки не влияют на процесс. Модель II допускает после первой разладки вторую, вызванную другой причиной. Дункан использовал метод прямого исследования, чтобы определить локальный минимум функции затрат для различных стоимостных параметров и трех выбранных распределений (имеющих приблизительно одинаковые характеристики) а именно экспоненциального, равномерного и на половину нормального. Численные результаты показали, что в случае нескольких причин разладки влияние изменения стоимостных параметров на оптимальные параметры контрольных карт аналогично тому, которое имеет место при одной причине разладки. Дункану удалось показать, что при наличии нескольких причин разладки получается ситуация, в которой аппроксимация достигается более обоснованно [88].  [c.135]

Возможно, наиболее впечатляющим способом иллюстрации важности заменяемости и ее связи с концом света является перманентное поддержание постоянного уровня потребления. В простейшей, наиболее агрегированной модели экономики, использующей ресурсы, можно доказать нечто вроде следующего если эластичность замещения исчерпаемых ресурсов другими факторами больше или равна единице и если эластичность выпуска по воспроизводимым капитальным активам превышает эластичность выпуска по природным ресурсам, то при постоянной численности населения будет вечно сохраняться неизменный уровень душевого потребления. Этот перманентно поддерживаемый уровень жизни является возрастающей, вогнутой и неограниченной функцией первоначального запаса капитала. Так что препятствие к росту в виде данных запасов ресурсов можно преодолеть на любую величину, если только исходный капитальный запас достаточно велик. С другой стороны, если эластичность замещения природных ресурсов другими факторами меньше единицы или если эластичность выпуска по исчерпаемым ресурсам больше эластичности выпуска по воспроизводимому капиталу, то наивысший поддерживаемый вечно постоянный уровень потребления равен нулю. Мы слишком мало знаем о том, какой тип ограничения может оказаться решающим (оставим в стороне технический прогресс), но по меньшей мере некоторые исследования по этой теме, которые мне удалось прочитать, дают хорошую пищу для размышлений [4, р. 60-70].  [c.325]

ЭКОНОМИКС - МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ — описание экономических процессов в виде математических моделей (это понятие подробно разъясняется в разделе Экономическая система и ее модель ). Модели, применяемые в исследованиях и плановой практике, обычно очень сложны. Они заключают множество уравнений и неравенств, которые решаются совместно. Каждый школьник знает, что решить одно уравнение нетрудно, систему из двух уравнений с двумя неизвестными — сложнее, но вот когда приходится решать системы из десятка уравнений, то это требует непомерной счетной работы. Что же сказать о задаче, которая насчитывает несколько сот и даже тысяч уравнений Такие задачи в экономике не редкость, и решаются они успешно лишь на цифровых ЭВМ. При этом моделирование часто называют численным или цифровым,  [c.34]

Теперь мы подошли к основному моменту исследования. Что делать далее Мы предлагаем при отсутствии сразу ведущих к цели озарений просто записать в символических обозначениях некоторые очевидные вещи, которые непосредственно усматриваются из численного примера. Наша гипотеза состоит в том, что выражение таких очевидностей в символическом виде может многое подсказать в отношении дальнейших шагов по разработке модели.  [c.260]

Эффективным синтезирующим средством исследования сложных систем в динамике, сочетающим анализ механизма функционирования и развития системы с изучением ее структурных уровней и компонентов как единого целого, являются методы имитации поведения систем с использованием ЭВМ. Под имитацией понимается численный метод проведения машинных экспериментов с формализованным описанием в ЭВМ взаимосвязи математических моделей, описывающих поведение сложных систем во всей их полноте и в течение длительного времени.  [c.262]

Начало широкому распространению идей теории игр было положено работой Д ж. фон Неймана и О. Моргенштерна Теория игр и экономическое поведение . Авторы этой книги надеялись, что теория игр окажет сильнейшее влияние на экономические исследования. Однако этого не произошло. Теория игр широко распространилась в исследованиях боевых операций, анализе надежности технических систем. В экономических исследованиях применение игровых методов сдерживалось двумя факторами во-первых, оказалось, что математические модели экономических явлений зачастую слишком сложны для анализа их с помощью методов теории игр, и, во-вторых, наиболее развитый раздел теории игр — игры с противоположными интересами — обычно не годится для анализа экономических ситуаций с участием нескольких лиц. Трудности, связанные со сложностью задач, возникающих при применении игровых подходов к моделям экономических явлений, в некоторой степени были преодолены в последние годы в результате прогресса, достигнутого в области построения методов численного исследования таких задач. Обратимся к трудностям, носящим принципиальный характер.  [c.220]

Каждый раздел начинается с краткого теоретического введения, в котором формулируется практическая управленческая ситуация, в процессе формализации которой и вводится та или иная модель и метод ее исследования. Затем, следуя пошаговым инструкциям, читатель должен организовать входные и выходные данные для модели на листе Ex el и провести ее численный анализ. При этом следует выполнить все расчеты типа "что, если..." и ответить на вопросы к практическим заданиям. Именно в процессе численного анализа модели с помощью Ex el читатель должен получить представление о той или иной модели и методе ее исследования. Для выработки некоторых практических навыков необходимо самостоятельно разобрать прилагаемые к каждому разделу примеры и задачи.  [c.20]

Нужно было создать автомобиль среднего класса стоимости, привлекательный для преуспевающих владельцев обычь -к Фордов и Шевроле . Проведенное фирмой Форд маркетинговое исследование показало, что представители численно растущего среднего класса готовы покупать автомобили более высокого качества. Изучив демографические характеристики, желания и предпочтения владельцев автомобилей, фирма Форд приступила к созданию модели, которая привлекла бы к себе этих покупателей. Конструктивные особенности новинки держали в секрете, хотя фирма постоянно распространяла пропагандистские материалы, стремясь обострить интерес общественности к скорому появлению нового, уникального автомобиля. Не считаясь с огромными затратами, фирма решила организовать продажу модели Эдзел через отдельную дилерскую сеть. Эдзел должен был продаваться только дилерами, которым было предоставлено для этого исключительное право. При выборе имени для модели фирма рассмот-  [c.327]

Изучаемая закономерность изменения экономических показателей (моделируемая связь) выступает в скрытом виде. Она переплетается со случайными с точки зрения исследования (неизучаемыми) компонентами вариации и ковариации показателей. Закон больших чисел гласит, что только в большой совокупности закономерная связь выступает устойчивее случайного совпадения направления варьирования (случайной ковариации). Из этого вытекает третья предпосылка стохастического анализа — достаточная размерность (численность) совокупности наблюдений, позволяющая с достаточной надежностью и точностью выявить изучаемые закономерности (моделируемые связи). Уровень надежности и точности модели определяется практическими целями использования модели в управлении производственно-хозяйственной деятельностью.  [c.110]

При построении модели на первом этапе необходимо идентифицировать типовые блоки работ по реализации нововведения, относящиеся по своему содержанию к различным функциональным сферам деятельности предприятия (НИОКР, маркетинг, товародвижение, логистика), с четкой регламентацией целей и результатов каждого этапа. Далее, необходимо построить различные варианты структурных и функциональных связей и отношений между составными блоками инновационного цикла, адекватные объективным процессам адаптации хозяйствующих субъектов к устойчивому функционированию в рыночной среде. Следующий этап построения модели состоит в углублении информационного представления об объекте исследования и включает в себя определение численных значений параметров и оценку вероятностных характеристик инновационного процесса. Дополнение системного описания инновационного цикла комплексом математических процедур, позволяющих осуществлять имитационное моделирование процесса на ЭВМ, является средством решения ряда математических задач определения наиболее вероятных сроков и затрат, связанных с созданием и выводом на рынок конкретного изделия.  [c.195]

Домар (Domar) Евсей Дейвид (р.1914), американский экономист, родившийся в России (настоящая фамилия — Домаше-вицкий). В США с 1936 г. Окончил Калифорнийский университет, преподавал в ряде американских университетов и институтов. Основная область исследований — теория экономического роста. Независимо от Харрода разработал модель роста, определяющую сбалансированный темп роста как функцию темпов роста численности населения и капитала (Харрода—Домара модель).  [c.437]

Моисеев Никита Николаевич (1917—2000), специалист в области механики, прикладной математики и теории управления, академик АН СССР (1984). Окончил МГУ. Преподавал в МВТУ им. Н.Э. Баумана, Ростовском университете, МФТИ. С 1961 г. — зам. директора, затем директор Вычислительного центра АН СССР (ныне РАН). Вел исследования по численным методам в теории оптимального управления, имитационному моделированию, программно-целевым методам планирования и управления, глобальному моделированию (в частности, под его руководством создана глобальная система моделей "Гея"). Награжден Государственной премией СССР (1980).  [c.444]

В настоящее время можно наметить два довольно широких направления продолжения исследований. Первое состоит в дальнейшей детализации модели с целью охвата и конкретизации большего числа взаимосвязей экономических показателей. Такие работы ведутся сейчас в Украинском филиале НИИПиН при Госплане СССР для разработанной ранее республиканской модели Укр-1 , в которую включены показатели развития отраслей народного хозяйства. Другое направление состоит в анализе на основе численных экспериментов с моделью различных критериев оптимальности, применяемых в народнохозяйственных моделях, и отработке приемлемых постановок соответствующих задач.  [c.30]

Однако аналоговые модели рассчитаны на применение в технических системах и представляют собой своеобразный метод численного решения систем линейных и нелинейных уравнений, т.е. они моделируют объекты, элементы которых описаны, например, множеством дифференциальных уравнений, включая нелинейные. Такими объектами являются самолеты, ракеты, космические корабли и другие более простые технические устройства. Аналоговое моделирование трудно было применить при описании сложных социально-экономических объектов в связи с тем, что оно ориентировалось на исследование исключительно технических систем. Автору известна лишь одна попытка (в 60-х годах) директора Института автоматики и телемеханики АН СССР академика В.А. Трапезникова перенести подходы аналогового моделирования на исследование экономических объектов. Однако она не была поддержана экономистами, видимо, вследствие чрезвычайной новизны подхода, отсутствия достаточной формализации экономических объектов и неразвитости экономике-математических исследований в тот период. Кроме этого, в 70-е и 80-е годы аналоговое моделирование и аналоговые вычислительные машины в основном были замещены цифровой вычислительной техникой и цифровыми моделями. Эти модели способны, с одной стороны, более эффективно и точно решать системы уравнений, однако, с другой, в значительной степени деформировали подходы аналогового моделирования, в котором каждый моделируемый объект воссоздавался в модели путем эквивалентного замещения элементов объекта типовыми блоками.  [c.283]

МАКРОЭКОНОМИЧЕСКИЕ МОДЕЛИ, один из типов >кономич. моделей предназначены для анализа структуры и динамики экономии, системы в спнтетпч. обобщающих показателях, в осн. стоимостного характера. И качество таких показателей берутся, как правило, ннц. доход, совокупный обществ, продукт, капитальные вложения, стоимость осн. производств, фондов, трудовые ресурсы, обобщённые характеристики тсхнич. прогресса, совокупный спрос и т. д. Классическим примером М. м. является модель роста Харрода — Домара (см. Модели роста). Подход к исследованию экономич. явлений с помощью М. м. очень распространён и плодотворен. Их применяли мн. экономисты прошлого. Знаменитые таблицы франц. экономиста Франсуа Кепз представляют собой первый законченный пример М. м. Классики марксизма-ленинизма, особенно К. Маркс, часто использовали метод М. м. Схемы вос-нроиз-ва, численные примеры кругооборота капитала, схема цен ироиз-ва и др. являются М. м.  [c.377]

СТАТИСТИКА НАСЕЛЕНИЯ, д е м о г р а ф и ч е-с к а я статистик а, область статистики, занимающаяся приложением статистич. методов к сбору, обработке, изложению и анализу данных, характеризующих численность, состав, размещение и движение населении той или иной страны, территории или отдельных его групп. Под С. н. понимают также совокупность числовых данных о населении, а иногда и область прак-тпч. деятельности но сбору и обработке этих данных. Теоретич. основой сов. С. н. является марксистско-ленинская Демография. Методы, разрабатываемые С. н., основываются на положениях теории статистики. С. н. является одним из важных инструментов демографич. анализа, а накапливаемые ею сведения служат фактич. основой многих социально-экономич. исследований. С. н. разрабатывает методы сбора данных о населении, текущей п перспективной оценки его численности и состава, методы измерения, сравнения интенсивности н изучения факторов демографич. процессов (рождаемости, смертности, брачности, распада браков и др.). Исторически к ним примыкают другие, не статистич. методы демографии, в частности построение математнч. моделей населения (стационарного, стабильного и др.), анализ функций воспроиз-ва населения, представляемых ц виде демографич. таблиц (плодовитости, смертности, брачности), разработка общих характеристик режима иоспроиз-ва населения, а также моделей, имитирующих демографич. процессы.  [c.45]