Анализ данных многомерные методы

АНАЛИЗ ДАННЫХ МНОГОМЕРНЫЕ МЕТОДЫ  [c.817]

Проблема отбора факторных признаков для построения моделей взаимосвязи может быть решена с помощью эвристических или многомерных статистических методов анализа. Наиболее приемлемым методом отбора факторных признаков является шаговая регрессия (шаговый регрессионный анализ). Сущность данного метода заключается в последовательном включении факторов в уравнение регрессии и последующей проверке их значимости. Факторы поочередно вводятся в уравнение так называемым прямым методом . При проверке значимости введенного фактора определяется, насколько уменьшается сумма квадратов остатков и увеличивается величина множественного коэффициента корреляции (R). Одновременно используется и обратный метод, т.е. исключение факторов, ставших незначимыми на основе -крите-рия Стьюдента. Фактор является незначимым, если его включение в уравнение регрессии только изменяет значение коэффициентов регрессии, не уменьшая суммы квадратов остатков и не увеличивая их значения. Если при включении в модель соответствующего факторного признака величина множественного коэффициента корреляции увеличивается, а коэффициент регрессии не изменяется (или меняется несущественно), то данный признак существен и его включение в уравнение регрессии необходимо.  [c.118]


В практике экономических исследований имеющиеся данные не всегда можно считать выборкой из многомерной нормальной совокупности, когда одна из рассматриваемых переменных не является случайной или когда линия регрессии явно не прямая и т. п. В этих случаях пытаются определить кривую (поверхность), которая дает наилучшее (в смысле метода наименьших квадратов) приближение к исходным данным. Соответствующие методы приближения получили название регрессионного анализа.  [c.50]

Некоторые читатели зададут вопрос можно ли и как включить сложный, многомерный анализ, такой как кластерный анализ или многомерное шкалирование, в подход к сегментированию, который мы описываем. Описание данных методов выходит за рамки этой книги, однако те, кто имеет опыт работы с подобными статистическими приемами, могут воспользоваться ими для анализа данных на любой из стадий, описанных на рис. 2.4. Остальные же найдут описанный далее метод более практичным и вполне применимым.  [c.35]


Контроллинг, как известно, является инновацией для многих российских фирм. Для его широкого внедрения (а он особенно эффективен в условиях порой непредсказуемых экономических трансформаций в России) у нас есть все предпосылки. Наиболее эффективно здесь применение экономико-методических методов. Каждому среднему и даже мелкому предприятию необходима своя аналитическая служба для сбора и анализа поступающей информации и последующего прогнозирования возможных тенденций методами математической статистики. Такой подход объективно необходим для России. Для этих целей реально использовать описательную статистику, парные критерии, анализ факторных эффектов, регрессивный анализ, анализ временных рядов, многомерные методы и другие. Описательная статистика дает основные параметры, характеризующие собранную информацию среднее значение, разброс значений или стандартное отклонение и т.п. Парные критерии оценивают различия между двумя совокупностями данных. Например, предприятие внедрило в практику новую финансовую стратегию, изменило систему оплаты труда и получило при этом положительный эффект. Не исключено, что благоприятный эффект мог быть достигнут не в результате внедренного нововведения, а благодаря удачному стечению обстоятельств. Для выяснения ситуации формируется два набора чисел, каждый из которых содержит значения важного показателя эффективности деятельности фирмы до и после инновации прибыль за определенный период, объем привлеченных средств и т.д. Применение парных критериев позволяет установить случайны ли различия этих двух рядов чисел.  [c.160]

Для построения карт-схем восприятия широко используется метод многомерного шкалирования. Многомерное шкалирование — это одно из направлений анализа данных, которые представляют собой матрицу близости между парами объектов (например, товаров). Его цель — изображение данных о сходстве объектов в виде системы точек в пространстве малой размерности, например на двумерной плоскости. Этот метод позволяет не только выявить значимые характеристики, влияющие на потребительские предпочтения, но также дает возможность показать графически результаты и существенно облегчить интерпретацию данных. В его основе лежит идея о том, что фиксируемые при опросе данные можно расположить в виде точек в некотором координатном пространстве. Оси этого пространства соответствуют латентным (скрытым) факторам, в совокупности адекватно описывающим ситуацию. Поиск координатного пространства осуществляется по данным, характеризующим различия или, наоборот, сходство рассматриваемых объектов (товаров).  [c.142]


Факторный анализ — один из методов многомерного статистического анализа. Основное положение факторного анализа заключается в том, что корреляционные связи между большим числом наблюдаемых переменных определяются существованием меньшего числа гипотетических ненаблюдаемых переменных или факторов. Процедура состоит из двух этапов оценки факторной структуры, т. е. выявление числа факторов, необходимых для объяснения корреляционных связей между характеристиками и факторной нагрузкой (выражаемой через процент дисперсии (разброс) оценок, объясненным данным фактором традиционно интерпретируются факторы, выделенные на основе значимых, в социологии — более 0,5, корреляций более чем двух переменных), а затем оценки самих факторов по результатам наблюдения.  [c.24]

В предлагаемом учебном пособии мы даем краткое введение в современные методы эконометрического анализа статистических данных, представленных в виде временных рядов, которые учитывают возможное наличие у рассматриваемых переменных стохастического тренда. Основные акценты, как и в работе [Носко (2000)], смещены в сторону разъяснения базовых понятий и основных процедур статистического анализа данных с привлечением смоделированных и реальных экономических данных. Вместе с тем, от читателя требуется несколько большая осведомленность в отношении вероятностно-статистических методов исследования. Предполагается, что читатель имеет представление о совместной функции распределения, многомерном нормальном распределении, методе максимального правдоподобия, свойстве состоятельности оценок, характеристиках статистических критериев (ошибки первого и второго рода, мощность), а также владеет методами регрессионного анализа в рамках начального курса эконометрики. Кроме того он должен иметь некоторое представление о комплексных числах и комплексных корнях полиномов.  [c.6]

Большой объем выборки необходим при проведении углубленного анализа данных с использованием разнообразных методов многомерного статистического анализа. Это же касается  [c.415]

Результаты базового анализа данных ценны сами по себе и, кроме того, показывают направление для многомерного анализа. Чтобы читатель понял особенности статистических методов, мы приведем ряд примеров применения кросс-табуляции, критерия хи-и проверки гипотез.  [c.553]

Пример, касающийся универсального магазина, показывает роль базового анализа данных при использовании его в сочетании с методами многомерного анализа, в то время как два других примера показывают, что этот анализ полезен и сам по себе. Использование кросс-табуляции и критерия хи-квадрат в примере, связанном с телевизионной рекламой, и парного в примере с продажей товаров по каталогу позволяют маркетологам сделать вполне конкретные выводы.  [c.554]

В заключительной главе, посвященной анализу данных, представлены два взаимосвязанных метода анализа восприятий и предпочтений потребителей — многомерное шкалирование (ММШ) и совместный Мы кратко изложим и проиллюстрируем этапы выполнения многомерного шкалирования и обсудим связь между многомерным шкалированием, факторным и дискриминантным анализом. Затем совместный анализ и представим пошаговую процедуру его выполнения. Кроме того, мы кратко опишем гибридный совместный анализ.  [c.775]

Из всех методов первичного анализа наиболее популярными являются одномерные методы, обрабатывающие каждую из переменных независимо. Примерами подобных методов могут служить гистограммы, диаграммы в виде дерева и схемы, в которых связи между элементами обозначаются стрелками. Эти графические методы обеспечивают полную наглядную информацию о данных и являются чрезвычайно ценным исследовательским инструментом. Однако большие группы переменных требуют применения многомерных методов анализа. Многомерные методы включают в себя уже упоминавшиеся ранее кластерный анализ и многомерное масштабирование.  [c.40]

Визуализация многомерных данных - метод анализа совокупности многомерных наблюдений, основанный на их отображении в точки одно-, двух- и трехмерного пространства и на последующем визуальном анализе геометрической конфигурации полученной совокупности точек.  [c.248]

Экономические явления характеризуются многомерной системой различных факторов. Часто им свойственны такие черты, как случайность и неопределенность, стохастический (вероятностный) характер связи между явлениями. В этом случае для изучения тесноты связи и взаимосвязи показателей и факторов используют корреляционный и регрессионный анализ. С помощью этих методов можно количественно оценить степень влияния того или иного фактора. Например, только используя корреляционный анализ, можно оценить степень влияния квалификационного состава рабочих, стажа их работы на производительность труда, объем чистой продукции или себестоимость. Бесспорно, что производительность труда зависит от стажа работы, но этот фактор не является определяющим, так как на производительность, труда влияют уровень техники, организации производства и труда, а также другие факторы, т. е. связь в данном случае не функциональная, а корреляционная.  [c.142]

Излагаются статистические методы группировки, выборочный, индексный, корреляционный, анализ динамики. Показаны их взаимосвязи и возможности применения с использованием ПЭВМ в рыночной экономике в сборе информации в связи с увеличением числа хозяйственных единиц и их типов, аудите, финансовом менеджменте, прогнозировании. Четвертое издание (3-е изд. — 1997 г.) полностью переработано, расширено изложение методов многомерной классификации данных, подробнее рассмотрены применение выборочного метода, методы совмещения индексов и регрессий введен анализ соотношения индексов экономических показателей. Включена глава, посвященная статистическому изучению структуры данных и ее изменений.  [c.2]

В 4-м издании учебника полностью переработана глава 3 внесены дополнения в главы 2, 4, 5, 8, 9 расширено изложение методов многомерной классификации данных ( глава 6) подробнее рассмотрены вопросы применения выборочного метода (глава 7) изложены методы совмещения индексов и регрессий введен анализ соотношения индексов экономических показателей (глава 10) заново написана глава 11, посвященная статистическому изучению структуры данных и ее изменений.  [c.4]

Очень интересные результаты в маркетинговом исследовании может дать один из методов многомерной статистики - кластерный анализ. В результате применения достаточно сложных действий (выполняемых на компьютере с использованием пакета прикладных программ) образуются группы качественно однородных единиц - кластеров, сформированные не по одному, а по совокупности факторов. В частности, этот метод применяется в региональном анализе и в процессе сегментации рынка. Приведем пример кластеризации регионов России за 1995 г. по признаку валового регионального продукта на душу населения, выполненный Н.В. Хорошиловой в своей кандидатской диссертации (таблица 5.8 дана с некоторыми изменениями).  [c.208]

После знакомства с предыдущим разделом становится понятно, что новые задачи (обработка и анализ все разрастающегося потока информации) требуют новых решений. Другими словами, мало получить многомерный поток биржевой информации, его еще необходимо обработать и проанализировать с целью получения требуемой информации. С усложнением информационных потоков развиваются методы и инструменты для их исследования. Данный раздел в первую очередь посвящен обзору современных методов обработки и анализа, применяемых при изучении поведения рынка.  [c.122]

В частности, исследователь должен уметь а) выбрать (с учетом специфики и природы анализируемых переменных) подходящий измеритель статистической связи (индекс или коэффициент корреляции, корреляционное отношение, какую-либо информационную характеристику связи, ранговый коэффициент корреляции и т. п.) б) оценить (с помощью точечной и интервальной оценок) его числовое значение по имеющимся выборочным данным в) проверить гипотезу о том, что полученное числовое значение анализируемого измерителя связи действительно свидетельствует о наличии статистической связи (или, как говорят, проверить исследуемую корреляционную характеристику на статистически значимое ее отличие от нуля) г) проанализировать структуру связей между компонентами исследуемого многомерного признака, снабдив проведенный анализ специальным плоским геометрическим представлением исследуемой структуры, в котором компоненты (переменные) изображаются точками, а связи между ними — соединяющими их отрезками (см. рис. 4.1 и 4.2). Описанию методов и моделей, привлекаемых для решения всех тих вопросов, и посвящен данный раздел.  [c.56]

Показатели хозяйственной деятельности наряду с аспектами, интересующими руководителя или исследователя, охватывают влияние факторов, мешающих достижению намеченных показателей или искажающих их. Например, показатели производительности труда отражают изменение структуры продукции, цен и т. п. факторов, которые прямо не имеют связи с категорией производительности труда. Кроме того, результативные показатели хозяйственной деятельности формируются под влиянием действия взаимосвязанных работников (или коллективов), а не только принимающего решения субъекта управления. Очищение показателей от результатов влияния мешающих факторов или посторонних субъектов существенно облегчило бы разработку обоснованных коэффициентов сравнительной значимости. В первую очередь подобное очищение необходимо осуществлять в процессе народнохозяйственного учета и формирования аналитических показателей. В процессе аналитической подготовки управленческого решения освобождение показателей от балласта происходит путем моделирования влияния мешающих факторов и расчета условных чистых показателей методом элиминирования результатов данного влияния. Методической основой моделирования могут служить индексный и многомерный регрессионный анализ.  [c.131]

Не всем дано быть оцененным по таким показателям, как узнаваемость бренда, например, и не всегда возможно и целесообразно применять для получения обратной связи такие методы, как множественная регрессия, факторный анализ или анализ многомерных совокупностей.  [c.55]

При использовании компьютерной техники на первой стадии вычисляются 80 отношений по данным обанкротившихся и платежеспособных компаний. Затем, используя статистический метод, известный как анализ многомерного дискриминанта, можно построить модель платежеспособности, определяя частные соотношения, которые наилучшим образом выделяют две группы компаний и их коэффициенты. Такой выборочный подсчет соотношений является типичным для определения некоторых ключевых измерений деятельности корпорации, таких как прибыльность, соответствие оборотного капитала, финансовый риск и ликвидность. Объединяя эти показатели и сводя их соответствующим образом воедино, модель платежеспособности производит точную картину для компаний, акции которых котируются на биржах, и принимает форму  [c.79]

Аналитические услуги servi es) включают в себя проектирование и проведение апробации анкет, определение наиболее эффективных методов сбора данных, разработку планов выборочных наблюдений и также другие аспекты разработки маркетинговых исследований. Некоторые сложные маркетинговые работы требуют знания современных методик, включая специализированные экспериментальные маркетинговые исследования в главе 7) и аналитические методы, такие как комбинаторный анализ и многомерное шкалирование (обсуждаются в 21). Такой вид экспертизы можно получить у фирм и консультантов, на аналитических услугах.  [c.44]

Подготовка данных включает в себя редактирование, кодирование, расшифровку и проверку данных. Каждая анкета или форма наблюдения проверяются или редактируются и, если необходимо, корректируются. Каждому ответу на вопрос анкеты присваиваются числовые или буквенные коды. Данные анкет расшифровываются или набиваются на магнитной ленте или на диске или вводятся непосредственно в компьютер. Проверка дает возможность удостовериться, что данные с оригиналов анкет расшифрованы точно. Для анализаданных используются одномерные методы статистического анализа в том случае, если элементы выборки измеряются по одному показателю, или когда имеется несколько показателей, но каждая переменная анализируется отдельно. С другой стороны, если имеется два или более измерений каждого элемента выборки, а переменные анализируются одновременно, то для анализа данных используются многомерные методы (главы  [c.49]

Многомерные методы te hniques) прекрасно подходят для анализа данных, если для оценки каждого элемента выборки используется два или больше измерителей, а эти переменные анализируются одновременно. Такие методы применяются для определения одновременных взаимосвязей между двумя или больше  [c.539]

Методы данного типа нацелены прежде всего на выявление взаимозависимости переменных либо межобъектного сходства. При исследовании взаимозависимости переменных чаще всего применяется факторный анализ. Анализ межобъектного сходства можно вести, методы кластерного анализа и многомерного шкалирования [17].  [c.541]

Следующий этап заключается в кодировке данных. Для обозначения конкретного варианта ответа на конкретный вопрос ему присваивается числовой или буквенный код, а также указывается позиция столбца, которую данный код будет занимать. Полезно подготовить кодиро-вочную книгу, содержащую инструкции относительно кодирования и всю необходимую информацию о переменных в этом массиве данных. Закодированные данные переносятся на диски или магнитные ленты либо вводятся в компьютер непосредственно с клавиатуры. Кроме того, для переноса данных применяются методы считывания меток или маркеров с бланков, оптическое сканирование и компьютеризированный сенсорный анализ. Очищение данных заключается в проверке их последовательности и состоятельности и в работе с пропущенными ответами. Эта работа может вестись несколькими способами заменой пропущенных значений нейтральными или условными (вмененными) значениями, методом исключения объекта целиком или попарного исключения переменных. Качество анализа данных нередко можно повысить статистическими корректировками, такими как взвешивание, переопределение переменной и преобразование шкалы. Выбор стратегии анализа данных должен основываться на результатах предыдущих этапов процесса маркетинговых исследований, на известных характеристиках данных, на конкретных свойствах выбранных для использования статистических методов, а также на уровне подготовки исследователя и его философских убеждениях. Статистические методы можно подразделить на одномерные и многомерные,  [c.547]

Сильное место книги — это ее третья часть, посвященная сбору, обработке и анализу данных. В ней представлены не только базовые, общепринятые методы статистической обработки данных, но и методы многомерного статистического анализа кластерного, факторного и т.п.). Этого материала нет ни в одной из переводных книг по маркетинговым исследованиям. И хотя их использование требует от читателя основательных знаний из области статистики, эти усилия несомненно будут вознаграждены, базового и многомерногоанализа дает в руки специалиста мошный инструмент высококачественного проведения маркетинговых исследований, что существенно повышает ценность маркетолога.  [c.925]

Эта глава является своеобразным обобщением наиболее удачных методов кластеризации и визуального представления многомерных данных из области финансов, экономики и маркетинга. Методы описанные в данной главе, основываются на (1) сведениях, полученных из предыдущих глав книги, (Ц) сведениях, почерпнутых из других работ, не вошедших в настоящую книгу, (in) профессиональных знаниях и опыте людей, уже не первый год занятых применением неиросетевых методов в финансах и экономике. Исследовав представленные в данной книге методы, мы выявили следующие стадии процесса обработки данных анализ исходных дан ных, кластеризацию, визуальное представление и экспертную оценку. Настоящая глава содержит описание всего этого процесса и иллюстрирует его на примере анализа кредитных рисков по странам мира.  [c.273]

СОЦИОГРАММА — способ представления межличностных и межгрупповых отношений в виде графа-системы связей между точками, каждой из которых соответствует определенный индивид или социальная группа. Для построения С. предварительно выделенную совокупность респондентов опрашивают относительно содержания и параметров их взаимных контактов. Полученную информацию представляют в виде матрицы и анализируют методами автоматической классификации данных, логико-структурного или факторного анализа, многомерного шкалирования и др. В практике эмпирической С. используется для определения границ различного рода сообществ выявления и анализа их структуры, а также дифференциации их представителей на статусные и ролевые категории.  [c.350]

Начиная с 40 г. XX века инженерная практика и науковедение выработали несколько десятков методов направленного продвижения к эффективной конструкции или технологии. Самым распространенным и, видимо, самым эффективным из них стал морфологический анализ. Это способ представления внутреннего строения множества возможных технологий или конструкций посредством их многомерной классификации по наиболее важным признакам. Например, множество возможных способов крепления заготовки может быть представлено механическим, электродинамическим, пневматическим, гидравлическим, магнитным способами. Множество потенциальных способов бурения включает роторный, турбинный, ударный, гидравлический, гидроударный, электроискровой, плазменный, лазерный. После упорядочения пространства инженерных решений перспективность каждого блока морфологической таблицы оценивается с помощью руководящего методологического принципа типа (5.8) и с применением тривиального экономического критерия, например, себестоимости 1 метра проходки скважин. Может выявиться рассогласование результатов, полученных первым и вторым способами. Именно оно должно быть предметом пристального анализа. Дело в том, что расчет текущей себестоимости (в данном случае 1 метра проходки) выявил преимущество турбинного бу-  [c.130]

Для выявления внутренних резервуаров улучшения использования действующих объектов нефтебазового хозяйства предлагается использовать несколько способов. Один из них заключается в том, что на основе решения задачи многомерной классификации нефтебаз по объективным факторам производства по каждому классу определяется зависимость фондоотдачи от объективных факторов. Путем сравнения расчетной и фактической (за базисный год) фондоотдач по каждой иефтебазе определяется тот резерв повышения объема реализации нефтепродуктов, который может быть достигнут при лучшем использовании объективных факторов. Другой способ выявления резервов заключается в анализе использования наиболее активной части основных фондов нефтебаз — резервуарного парка. С помощью методов теории вероятностей на основе отчетных данных о месячном поступлении и реализации нефтепродуктов по каждой нефтебазе определяются оптимальные размеры резервуарного парка и его оптимальная оборачиваемость. Исходя из последней рассчитывается максимально возможный объем реализации нефтепродуктов, соответствующий имеющимся емкостям. Сравнивая полученные результаты, можно более достоверно определить внутренние резервы повышения объема реализации на действующих объектах нефтебазового хозяйства.  [c.26]

Следует также проверить, скоррелированны ли действия скрытых элементов. В многомерном регрессионном анализе при росте муль-тиколлинеарности значения коэффициентов регрессии становятся все менее надежными. Так же и здесь предпочтительно, чтобы выходы скрытых элементов одного слоя были некоррелированны. Нужно найти собственные значения корреляционной матрицы для выходов скрытых узлов по данным обработки всех обучающих примеров. При полной некоррелированности все собственные значения будут равны единице, а отличия от единицы говорят об избыточном числе скрытых элементов. Кроме того, для анализа внутреннего представления нейронно-сетевой модели часто применяются методы кластерного анализа (см. [ 127]).  [c.64]

Рассмотрим пример применения сетей к анализу классического временного ряда— ряда данных о пятнах на Солнце. Регулярные ежегодные записи этого явления ведутся с 1700 года. Ряд много раз анализировался в статистической литературе, и выяснилось, что он не является ни стационарным, ни линейным, ни гауссовым. Были испробованы различные одномерные методы моделирования временных рядов. Габр и Рао [119] применяли авторегрессионную модель 9-го порядка (с 4 ненулевыми коэффициентами) и билинейную модель. Льюис и Стивене [179] разработали модель на основе метода многомерных адаптивных регрессионных сплайнов (MARS), а Пристли [221] исследовал модель TAR. В последнее время несколько групп исследователей предприняли попытки проделать анализ ряда с помощью нейронно-сетевого подхода (см. [275], [170], [84]). Результаты, полученные различными методами, собраны в табл. 2.2.  [c.67]

Подход, основанный на исследовании архетипов, соответствующих кластерам похожих наблюдений, обладает тем достоинством, что он является многомерным, и в этом состоит его отличие от анализа весов и влияний. Горман и Сейновски [127] предложили способ кластеризации наблюдений с помощью весовой матрицы, зависящей от весов соединений, идущих от входных элементов к исследуемому г -му скрытому элементу. Для f -ro наблюдения метрический вектор, или вектор весов-состояния, Q имеет вид QJ [i] = [w pj ], где р— выход j-ro входного элемента. Затем для каждой пары векторов весов-состояния вычисляется евклидово расстояние между ними, и все они записываются в матрицу расстояний. На последнем этапе к этой матрице применяется метод иерархической кластеризации. Наблюдения с близкими векторами весов-состояния образуют кластер. Усредняя все наблюдения, принадлежащие одному кластеру, получаем центроид этого кластера. Все центроиды могут быть упорядочены по уровню выходного сигнала или по уровню активации нужного скрытого элемента. Вся процедура проделывается независимо для каждого скрытого элемента. В нашем случае конфигурация сети имеет два скрытых элемента, так что описанный шаг повторяется дважды. Особенно важны значения тех центроидов, которые наиболее сильно активируют данный элемент. Поскольку вес связи, идущей от второго скрытого элемента (РЕ2) к выходному (PEOUT), очень мал (0.09), с учетом того факта, что элемент РЕ1 не всегда насыщается (уровень активации меняется в интервале [0.01,0.77]), мы при дальнейшем анализе элемент РЕ2 из рассмотрения исключим.  [c.109]

ПРИКЛАДНАЯ СТАТИСТИКА [applied statisti s] — научная дисциплина, разрабатывающая и систематизирующая понятия, приемы, математические методы и модели, предназначенные для организации сбора, стандартной записи, систематизации и обработки (в том числе с помощью ЭВМ) статистических данных с целью их удобного представления, интерпретации и получения научных и практических выводов65. Если рассматривать математическую статистику как науку, изучающую лишь данные вероятностной природы (таково распространенное толкование), то П.с. надо считать дисциплиной, использующей ее методы и приемы в качестве рабочего инструментария по отношению к данным не обязательно вероятностной природы, а при более широком понимании предмета математической статистики — одним из разделов последней (см. Многомерный статистический анализ). Определение "прикладная" здесь не вполне точно прикладными являются, безусловно, и такие дисциплины, как экономическая  [c.281]

Для оценки и сравнительного финансово-экономического анализа, например месторождений, подземных хранилищ газа, компрессорных, насосных станций и др. объектов нефтяной и газовой промышленности, может быть использована технология DEA -Data Envelopment Analysis (называемая иногда в отечественных публикациях АСФ - Анализ Среды Функционирования), не нашедшая еще широкого применения в нашей стране. Удобство данной технологии заключается в получении единственного обобщенного показателя (коэффициента эффективности), учитывающего множество факторов и характеризующего недооцененность каждого объекта относительно других по совокупности показателей. При реализации технологии DEA используются достижения в области математического программирования, теории и методов решения задач оптимизации большой размерности, а также современные средства программного обеспечения. Впервые эта технология была предложена в 1978 г. для анализа деятельности фирм, затрачивающих несколько видов ресурсов на выпуск нескольких видов продукции, т.е. характеризующихся многомерным пространством производственных параметров.  [c.121]

Познакомившись таким образом с современными методами обработки и анализа, с особенностями оперативно пос гупающего многомерного информационного потока, можно перейти к рассмотрению некоторых программных продуктов, в рамках которых были реализованы те или иные методы. При этом стоит понимать, что какую бы систему мы ни выбрали, в первую очередь она должна помогать нам при нашей повседневной работе. Но нив коем случае не следует ориентироваться на так называемые черные ящики. Если же вы выбираете именно их, то вам практически наверняка следует идти в казино и там проматывать свои деньги, а не заниматься серьезной работой. Возможно, когда-нибудь в будущем информационные технологии смогут заменить живого человека, но на данный момент ни одна машина не сможет заменить профессионала. При этом роль вычислительных комплексов состоит только лишь в облегчении проведения рутинных операций, на совершение которых человеку могло бы понадобиться несколько жизней. В сегодняшней действительности тандем человек—машина наиболее функционален только при условии, что именно человек принимает окончательное решение, а машина может лишь помочь ему в обработке информации (в нашем случае — это многомерный поток финансовых новостей). Помните об этом.  [c.125]

Таким образом, высокий коэффициент корреляции между продолжительностью плавки и процентом забракованных труб полностью обусловливался влиянием третьего, не учтенного при исследовании фактора — характеристики качества сырья. Если же этот фактор был бы с самого начала учтен, то никакой значимой корреляционной связи между временем плавки и процентом забракованных труб мы бы не обнаружили. За счет подобных эффектов (одновременного влияния неучтенных факторов на исследуемые переменные) может ис кажаться и смысл истинной связи между переменными, т. е., например, подсчеты приводят к положительному значению парного коэффициента корреляции, в то время как истинная связь между ними имеет отрицательный смысл. Такую корреляцию между двумя переменными часто называют ложной . Более детально подобные ситуации — обнаружение и исключение общих причинных факторов , расчет очищенных , или частных,, коэффициентов корреляции и т. п. — исследуют методами многомерного корреляционного анализа (см. 1.2). Такого рода недоразумения с причинным толкованием статистических связей наиболее вероятны в ситуациях, когда исходными статистическими данными являются показатели работы действующего предприятия. Их обычно удается свести к минимуму при получении данных из искусственно поставленного эксперимента.  [c.65]

Анализ соответствия ( orresponden e analysis), другое название — анализ корреспонденции. Наряду с факторным анализом и методом многомерного шкалирования его используют для снижения размерности, в частности для перевода номинальных данных, таких, как ответы да — нет , в метрические шкалы.  [c.78]