WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     | 1 |   ...   | 5 | 6 ||

Новосибирская область

Новосибирская область

Новосибирская область

Пермская область

Пермская область

Пермская область

Республика Адыгея

Республика Адыгея

Республика Адыгея

Республика Башкортостан

Республика Башкортостан

Республика Башкортостан

Продолжение

2000

2001

2002

Регионы, определение территориальной структуры

муниципальных образований в которых затруднено

Москва

Москва

Москва

Республика Дагестан

Республика Дагестан

Республика Дагестан

Республика Ингушетия

Республика Ингушетия

Республика Ингушетия

Республика Калмыкия

Республика Калмыкия

Республика Калмыкия

Республика Саха (Якутия)

Республика Саха (Якутия)

Республика Саха (Якутия)

Республика Северная Осетия-Алания

Республика Северная Осетия-Алания

Республика Северная Осетия-Алания

Республика Татарстан

Республика Татарстан

Республика Татарстан

Республика Тыва

Республика Тыва

Республика Тыва

Санкт-Петербург

Санкт-Петербург

Санкт-Петербург

Таймырский (Долгано-Ненецкий) автономный округ

Таймырский (Долгано-Ненецкий) автономный округ

Таймырский (Долгано-Ненецкий) автономный округ

Ханты-Мансийский автономный округ

Ханты-Мансийский автономный округ

Ханты-Мансийский автономный округ

Челябинская область

Челябинская область

Челябинская область

Чеченская республика

Чеченская республика

Чеченская республика

Чувашская Республика

Чувашская Республика

Чувашская Республика

Эвенкийский автономный округ

Эвенкийский автономный округ

Эвенкийский автономный округ

Ямало-Ненецкий автономный округ

Ямало-Ненецкий автономный округ

Ямало-Ненецкий автономный округ

Источник: Центр фискальной политики; Аналитический вестник Комитета по вопросам местного самоуправления Государственной Думы № 13 «Вопросы законодательного обеспечения территориальной организации местного самоуправления», часть 2

Приложение 2.2 Описание метода информативных систем

Метод информативных структур основан на предпосылке, что любую сложную статистическую систему (систему, для которой случайный вектор является подходящей моделью поведения) можно заменить декомпозицией подсистем меньшей размерности. При построении декомпозиции системы особое значение имеет определение непосредственных связей между элементами системы и построение их графа.

Принято считать, что между парой переменных существует непосредственное взаимодействие тогда и только тогда, когда при фиксированных значениях остальных переменных системы изменение значений одной переменной влечет за собой закономерное изменение другой. Если каждому элементу системы поставить в соответствие вершину помеченного графа, ребра которого отвечают наличию непосредственных связей между элементами, отвечающими вершинам инцидентным этим ребрам, то получится очень наглядное представление непосредственных связей в системе. Этот граф называется схемой непосредственных взаимодействий или графом непосредственных связей системы3. Существенным недостатком такого определения непосредственных взаимодействий является то, что “попарная независимость некоторой совокупности элементов” далеко не всегда означает “независимости этих элементов в совокупности”.

Структура4, в отличие от графа непосредственных связей, отражает уже не только парные, но и групповые взаимодействия признаков — компонент системы. Грубо говоря, структура n-мерной статистической системы — это граф с n вершинами, отсутствие ребра в котором свидетельствует об отсутствии непосредственной связи между соответствующими элементами системы. Другими словами, если Г(i) - множество вершин графа Г, инцидентных i-ой вершине, то граф Г является структурой n-мерного случайного вектора ξ (статистической системы, индуцирующей этот вектор) с совместным распределением вероятностей р(х) тогда и только тогда, когда

p(xi| x1,…, xi-1, xi+1…, xn) = = p(xi| xΓ(i)) для всех i = 1,…, n.

Хотя структуры и являются удобными и наглядными характеристиками взаимосвязей элементов статистических систем, до настоящего момента не разработаны универсальные методы построения структур для случайных векторов общего вида. Традиционные статистические методы, однако, позволяют строить с достаточной степенью достоверности лишь частные распределения вероятностей случайного вектора относительно невысокой размерности. Для того, чтобы перейти от построения частных распределений вероятностей к построению распределения вероятностей случайного вектора системы в целом, должны вводится некие априорные гипотезы. Одной из таких гипотез является то, что знание существенной размерности системы значительно упрощает построение структуры изучаемой системы.

Статистическая система размерности n называется системой существенной размерности k5, если совместное распределение вероятностей р(х) случайного вектора ξ, индуцированного этой системой допускает декомпозицию с размерностью сомножителей, не превышающей k, т.е. существует разложение

, где.

Иными словами, существенная размерность – это максимально возможная размерность ее подсистем. В данном исследовании была выдвинута гипотеза, что существенная размерность исследуемой структуры равна четырем.

Однако любая статистическая система существенной размерности равной четырем может иметь несколько декомпозиций совместного распределения вероятностей моделирующего ее случайный вектора. Для того, чтобы найти оптимальный вариант в процессе построения структуры решается задача минимизации. В качестве критерия минимизации в данной задаче берется мера различающей информации или информационного расхождения, которая является направленным расстоянием и равна6 для распределений вероятностей р(1)(х) и р(2)(х), определенных на множестве Х. Тогда структура статистической системы, построенная таким образом, называется информативной.

Основной характеристикой информативных структур является энтропия или мера неопределенности, которая для случайной величины ξ, определенной на Х с распределением вероятностей р(х) энтропия определяется как7. Чем выше энтропия, тем труднее определить значение величины ξ. Количество информации о величине ξ, содержащееся в величине η, определяется как I(ξ, η) = Hξ + Hη - Hξ,η. Эта величина показывает насколько снижается неопределенность случайной величины ξ при известных значениях величины η. Если случайные величины ξ и η независимы, то Нξ,η = Hξ + Hη и I(ξ, η) = 0. Если η полностью определяет ξ, то Hξ,η = = Hη и I(ξ, η) = Hξ.


1 Описание метода информативных структур приводится в Приложении 2.2

2 Показатель «округ», характеризующий географическое положение региона, исключен из рассмотрения, так как исследование непосредственных связей выявило отсутствие его влияния на какие-либо элементы системы.

3 Эшби У.Р. Конструкция мозга. — М.: Иностранная литература, 1962.

4 Гаврилец Ю.Н. Некоторые вопросы количественного изучения социально-экономических явлений // Экономика и математические методы, 1969, т. V, вып. 5.

5 Юдин А.Д. О выделении существенных связей в многомерной случайной величине // Модели социально-экономических процессов и социальное планирование. — М.: Наука, 1979.

6 Кульбак С. Теория информации и статистика. — М.: Наука, 1967.

7 См., например, Яглом А.М.. Яглом И.М. Вероятность и информация. — М.: Наука, 1973.

Pages:     | 1 |   ...   | 5 | 6 ||



© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.