СЛОВАРЬ ТЕРМИНОВ. Причинно-следственные отношения- связь явлений и процессов, когда изменение одного из них - причины - ведет к изменению другого - следствия
Причинно-следственные отношения- связь явлений и процессов, когда изменение одного из них - причины - ведет к изменению другого - следствия. Социально-экономические явления - это результат одновременного воздействия большого числа причин.
Признак -основная отличительная черта, особенность изучаемого явления или процесса.
Результативный признак -признак, изменяющийся под действием факторных признаков.
Факторный признак- признак, оказывающий влияние на изменение результативного.
Функциональная связь– связь, при которой определенному значению факторного признака соответствует одно и только одно значение результативного признака.
Стохастическая связь- связь, которая проявляется не в каждом отдельном случае, а в общем, среднем или большом числе наблюдений.
Корреляционная связь- изменение среднего значения результативного признака, которое обусловливается изменением факторных признаков.
Прямая связь- с увеличением или уменьшением значений факторного признака увеличивается или уменьшается значение результативного.
Обратная связь- с увеличением или уменьшением значений факторного признака уменьшается или увеличивается значение результативного.
Линейная связь- статистическая связь между явлениями, выраженная уравнением прямой линии.
Нелинейная связь- статистическая связь между социально-экономическими явлениями, аналитически выраженная уравнением кривой линии (параболы, гиперболы и т.д.).
Корреляция- статистическая зависимость между случайными величинами, которая не имеет строго функционального характера, и при которой изменение одной из случайных величин приводит к изменению математического ожидания другой.
Регрессионный анализ - аналитическое выражение связи, в котором изменение одной величины - результативного признака - обусловлено влиянием одной или нескольких независимых величин (факторов), а множество всех прочих факторов, также оказывающих влияние на зависимую величину, принимается за постоянные и средние значения.
Парная регрессия- аналитическое выражение связи двух признаков.
Множественная регрессия- модель связи трех и более признаков.
Коэффициент регрессиипоказывает, насколько в среднем изменяется значение результативного признака при изменении факторного на единицу собственного измерения.
Мультиколлинеарность -наличие тесной зависимости между факторными признаками.
Коэффициент эластичностипоказывает, на сколько процентов в среднем изменится значение результативного признака при изменении факторного признака на 1%.
Коэффициент детерминациипоказывает, на сколько процентов вариация результативного признака объясняется вариацией i-го признака (частный) или всех вошедших в модель факторных признаков (множественный).
Линейный коэффициент корреляцииопределяет тесноту и направленность связи между двумя коррелируемыми признаками.
Корреляционное отношениепоказывает связь между двумя признаками.
Множественный коэффициент корреляции отражает связь между результативными и несколькими факторными признаками.
Частный коэффициент корреляции показывает степень тесноты связи
между двумя признаками при фиксированном значении остальных факторных признаков.
Экономическая интерпретация модели- основные выводы и заключения на основе расчета и анализа частных коэффициентов эластичности, частных и множественного коэффициента детерминации, О-коэффициента.
Коэффициент ассоциации и контингенции- определение тесноты связи двух качественных признаков, каждый из которых состоит только из двух групп.
Коэффициент взаимной сопряженности Пирсона - Чупрова -определение тесноты связи двух качественных признаков, каждый из которых состоит более чем из двух групп.
Биссериальный коэффициент корреляции- оценивание связи между качественными альтернативными и количественными варьирующими признаками.
Ранг- порядковый номер значения признака, расположенного в порядке возрастания или убывания величин.
Ранжирование -процедура упорядочения объектов изучения, которая выполняется на основе предпочтения значений признака в порядке возрастания или убывания.
Коэффициенты корреляции Спирмена и Кендалла - определение тесноты связи между двумя количественными или качественными признаками после предварительного ранжирования их по возрастанию или убыванию.
Коэффициент конкордации- определение тесноты связи между произвольным числом ранжированных признаков.
ТЕРМИНЫ ПАКЕТА “STATISTICA”
| Add
| Добавить
| | Add Cases
| Добавить наблюдения
| | Add Variables
| Добавить переменные
| | Advanced Intellegent Problem Solver
| Расширенный мастер решения задач
| | Advise
| Совет
| | Accept
| Принять
| | Action
| Действие
| | Activation
| Активация
| | Activation Function
| Функция активации
| | Add Cases
| Добавить наблюдения
| | All Layers
| Все слои
| | Append Network
| Присоединить сеть
| | Apply
| Применить
| | Area Under Curve
| Площадь под кривой
| | Assigned Cases
| Связанные наблюдения
| | Automatic Network Design
| Автоматическое построение сети
| | Automatic Network Designer
| Автоматический конструктор сети
| | Automatic update on Exit
| Автоматически обновлять при выходе
| | Auxiliary
| Дополнительно
| | Back Propagation
| Обратное распространение
| | Backwards Stepwise
| Пошаговое исключение
| | Baseline Errors
| Исходные ошибки
| | Basic
| Основной
| | Basic Intellegent Problem Solver
| Основной мастер решения задач
| | Best
| Лучшая
| | Best Network Retention
| Сохранение лучшей сети
| | Candidate Network Types
| Типы сетей, среди которых производится поиск (сети-кандидаты)
| | Cases (Train, Verify, Test)
| Наблюдения (обучающие, контрольные, тестовые)
| | Case Errors
| Ошибки наблюдений
| | City-Block Error
| Ошибка "городских кварталов"
| | Class Labeling
| Разметка классов
| | Class Labeling of Radial Units
| Присвоение меток классов радиальным элементам
| | Classes
| Классы
| | Classification
| Классификация
| | Classification Output Type
| Форма результата классификации
| | Classification Statistics
| Статистика классификации
| | Classification Confidence Threshold
| Доверительный порог классификации
| | Classification Statistics Datasheet
| Таблица статистик классификации
| | Cluster Diagram
| Диаграмма кластеров
| | Clustering Networks
| Сети для кластеризации
| | Commit Network to Network Set
| Поместить сеть в набор сетей
| | Complexity
| Сложность
| | Confidence
| Доверие
| | Confidence limits
| Доверительные границы
| | Conjugate Gradient Descent
| Спуск по сопряженным градиентам
| | Convert
| Преобразование
| | Create Data Set
| Создать набор данных
| | Create Network
| Создать сеть
| | Cross Verification
| Кросс-проверка
| | Crossover Rate
| Скорость скрещивания
| | Current Layer
| Текущий слой
| | Data Management
| Управление данными
| | Data Set
| Набор данных
| | Data Set Datasheer
| Таблица данных
| | Data Set Editor
| Редактор данных
| | Data Set Shuffle
| Перемешать данные
| | Default
| По умолчанию
| | Definition
| Определение
| | Delimiter
| Разделить
| | Delta-Bar-Delta
| Дельта-дельта с чертой
| | Details
| Подробности
| | Detail Shown
| Степень подробности
| | Deviation
| Отклонение
| | Dimenionality Reduction
| Понижение размерности
| | Direct
| Прямой
| | Discard
| Отвергнуть
| | Division
| Деление
| | Division of Cases
| Разбиение наблюдений
| | Duration of Design Process
| Длительность поиска
| | Dynamic Link Library
| Динамически подключаемая библиотека
| | Edit Case Names
| Редактировать имена наблюдений
| | Editing Pre/Post Processing
| Редактирование параметров пре/постпроцессирования
| | Enlarge Set
| Увеличить набор
| | Entropy
| Энтропия
| | Epochs
| Эпохи
| | Epsilon
| Эпсилон
| | Error
| Ошибка
| | Error function
| Функция ошибки
| | Error Mean
| Среднее ошибки
| | Explicit Deviation Assignment
| Явное задание отклонений
| | Exponential distribution
| Экспоненциальное распределение
| | Feature Selection
| Отбор признаков
| | Hidden
| Скрытый
| | Hidden Units
| Скрытые элементы
| | Generalized Regression
| Обобщенная регрессия
| | Generalized Regression Training
| Обучение обобщенной регрессии
| | Generation
| Поколение
| | Genetic Algorithm Input Selection
| Генетический алгоритм отбора входных данных
| | GRNN
| Обобщенно-регрессионные сети
| | Group Sets
| Сгруппировать множества
| | Ignore
| Не учитывать
| | Inform User First
| Сначала сообщать пользователю
| | Initialization Algorithms
| Алгоритм инициализации
| | Input Variable
| Входная переменная
| | Input Feature Selection
| Отбор входных признаков
| | Input/Output Variable
| Входная/выходная переменная
| | Input Datasheet
| Таблица входных значений
| | Intelligent Problem Solver
| Мастер решения задач
| | Intelligent Problem Solver Message
| Сообщения мастера решения задач
| | IO Settings
| Параметры ввода/вывода
| | Isotropic
| Изотропный
| | Isotropic Deviation Assignment
| Изотропный выбор отклонений
| | Iterations
| Число итераций
| | Jog Weights
| Встряхнуть веса
| | Keep Diverse
| Сохранять разнообразие
| | K-Means
| К-средних
| | K-Means Center Assignment
| Выбор центров по К-средним
| | K-Nearest Neighbor Deviation
| Отклонение по К ближайшим соседям
| | Kohonen Network
| Сеть Кохонена
| | Kohonen Training
| Обучение Кохонена
| | Layer
| Слой
| | Layers Datasheet
| Таблица слоев
| | Layers Shown
| Показываемые слои
| | Learned Vector Quantization Training
| Квантование обучающего вектора
| | Learning rate
| Скорость обучения
| | Levenberg-Marquardt
| Левенберга-Маркара
| | Linear
| Линейный
| | Linear Network
| Линейная сеть
| | Lock
| Блокировать
| | Logistic
| Логистическая
| | Lookahead
| Горизонт
| | Loss Coefficient
| Коэффициент потерь
| | Loss Matrix
| Матрица потерь
| | Main
| Главное
| | Mask
| Маска
| | Max/SD
| Максимальное/(стандартное отклонение)
| | Mean/SD
| Среднее/(стандартное отклонение)
| | Median
| Медиана
| | Medium
| Средняя (длительность поиска)
| | Merge
| Объединить
| | Method
| Метод
| | MicroScroll
| Микро-прокрутка
| | Min/Mean
| Минимум/среднее
| | Minimax
| Минимаксное
| | Minimum Improvement
| Минимальное улучшение
| | Min Proportion
| Минимальная доля
| | Missing Value
| Пропущенное значение
| | Momentum
| Инерция
| | Move Cases
| Переместить наблюдения
| | Multilayer Perceptron (MLP)
| Многослойный персептрон
| | Mutation Rate
| Скорость мутаций
| | Name
| Имя
| | Name and Nominals
| Имя и номинальные
| | Nearest Neighbor
| Ближайший сосед
| | Neighborhood
| Окрестность
| | Network Advisor
| Наставник
| | Network (Append)
| Сеть (добавить)
| | Network Illustration
| Схема сети
| | Network Set
| Набор сетей
| | Network Set Editor
| Редактор набора сетей
| | Network Set Options
| Параметры набора сетей
| | Network to Replace
| Заменяемая сеть
| | Network Wizard
| Мастер создания сети
| | Network for Classification
| Сети для задач классификации
| | Neuro-Genetic Input
| Нейрогенетический алгоритм
| | Selection Algorithm
| отбора входных данных
| | No Layers
| Число слоев
| | Noise
| Шум
| | Nominal Variables
| Номинальное (категориальные) переменные
| | Nonlinear
| Нелинейный
| | Normal Distribution
| Нормальное распределение
| | Normalization
| Нормировка
| | One-off Input Datasheet
| Таблица задания одного входного вектора
| | One-of-N
| Один-из-N
| | Open Data Set
| Открыть набор данных
| | Open Network
| Открыть сеть
| | Optimum Threshold
| Оптимальный порог
| | Options
| Опции
| | Output Type
| Тип выхода
| | Output Variable
| Выходная переменная
| | Outputs Datasheet
| Таблица выходных значений
| | Outputs Shown
| Показатель при выводе
| | Partially or unusually defined text values
| Частично или нестандартно заданные текстовые значения
| | Penalty
| Штраф
| | Performance
| Качество
| | Plot
| График
| | PNN
| Вероятная нейронная сеть
| | Population
| Популяция
| | Popup Class Selector
| Контекстный выбор класса
| | Predict
| Прогнозировать, предсказывать
| | Prediction
| Прогноз
| | Pre/Post Processing
| Пре/постпроцессирование
| | Pre/Post Processing Datasheet
| Таблица пре/постпроцессирования
| | Pre/Post Processing Editor
| Редактор пре/постпроцессирования
| | Pre/Post Processing Editor's Datasheet
| Таблица редактора пре/постпроцессирования
| | Principal Components
| Главные компоненты
| | Principal Components Analysis
| Анализ главных компонент
| | Prior probabilities
| априорные вероятности
| | Probabilistic
| Вероятность
| | Probabilistic Training
| Вероятностное обучение
| | Problem Type
| Тип задачи
| | Producing a Reduced Data Set
| Формирование уменьшенного набора данных
| | Prune
| Удалить
| | Pseudo-Inverse
| Псевдообратный
| | PSP-function
| Постсинаптическая функция
| | Quick Propagation
| Быстрое распространение
| | Radial Basis Function (RBF)
| Радиальные базисные функции
| | Radial Sampling
| Радиальная выборка
| | Rank
| Ранг
| | Range
| Диапазон, размах
| | Range selection
| Выделение диапазона ячеек
| | Ratio
| Отношение
| | Real number fields
| Поля для вещественных чисел
| | Real-time update
| Пересчитывать по ходу
| | Receiver Operating
| Операционная характеристика
| | Characteristic (ROC) Redundancy of variables
| Избыточность переменных
| | Regression
| Регрессия, зависимость
| | Regression Statistics
| Статистики регрессии
| | Regularization
| Регуляризация
| | Reinitialize
| Переустановить, инициализировать
| | Reject
| Отвергнуть
| | Replace
| Заменить
| | Replace Oldest
| Заменить самую первую
| | Replace Worst
| Заменить худшую
| | Response Graph
| График отклика
| | Response Surface
| Поверхность отклика
| | Restore
| Восстановить
| | Retain Best Network
| Восстановить лучшую сеть
| | RMS (Root Mean Squared) error
| Среднеквадратичная ошибка
| | Run
| Запуск
| | Run All Cases
| Прогнать все наблюдения
| | Run Data Set
| Прогнать набор данных
| | Run One-off Case
| Прогнать отдельное наблюдение
| | Run Single Case
| Прогнать одно наблюдение
| | Run/Activations
| Запуск/активации
| | S.D. (Standard Deviation) Ratio
| Отношение стандартных отклонений
| | Sample
| Выборка
| | Subsample
| Подвыборка
| | Save as Type
| Тип сохраняемого файла
| | Scale
| Масштаб
| | Select
| Выбрать
| | Sensitivity Analysis
| Анализ чувствительности
| | Set Case Types
| Задать типы наблюдений
| | Set Variable Types
| Задать типы переменных
| | Set Weights
| Задать веса
| | Shift
| Сдвиг, смещение
| | Shuffle
| Перемешать
| | Shuffle Cases
| Перемешать наблюдения
| | Single Case
| Одно наблюдение
| | Single output networks
| Сети и одним выходом
| | Smoothing
| Сглаживание
| | Smoothing Constant
| Константа сглаживания
| | Sort Ascending
| Сортировать по возрастанию
| | Sort Descending
| Сортировать по убыванию
| | Standart (each case is independent)
| Стандартная (наблюдения независимы)
| | Statistics
| Статистики
| | Step
| Шаг
| | Stopping Conditions
| Условия остановки
| | Sum-squared error function
| Функция ошибки как сумма квадратов разностей между выходами сети и целевыми значениями
| | Target Error
| Целевая ошибка
| | Test
| Тестовое (множество)
| | Text Import Wizard
| Мастер импорта текста
| | Threshold
| Порог
| | Thorough
| Полный (режим поиска)
| | Time Series
| Временный ряд
| | Time Series Period
| Период временного ряда
| | Time Series (predict later values from earlier ones)
| Временной ряд (прогноз следующих значений по предыдущим)
| | Time Series Projection
| Проекция временного ряда
| | Topological Classes
| Топологические классы
| | Topological Map
| Топологическая карта
| | Total
| Всего
| | Train
| Обучить, обучающее множество
| | Train RMS (Root Mean Squared) Error
| Среднеквадратичная ошибка обучения
| | Training Error
| Ошибка обучения
| | Training Error Graph
| График ошибки обучения
| | Training Graph
| График обучения
| | Training Set
| Обучающее множество
| | Train-Multilayer Perceptrons
| Обучение многослойного персептрона
| | Two-State Conversion
| Преобразование в два значения
| | Type
| Тип
| | Type of Network
| Тип сети
| | Unit Length
| Единичная длина
| | Unit Names
| Имена элементов
| | Unit Penalty
| Штраф за элемент
| | Unit Number
| Номер элемента
| | Unknown
| Неизвестно
| | Unlock
| Разблокировать
| | Update
| Пересчитать, обновить
| | Value
| Значение
| | Variable Definition
| Определение переменной
| | Variable type in Data Files
| Тип переменных в файлах данных
| | Variant
| Вариант
| | Verbose
| Подробно
| | Verification Error
| Контрольная ошибка
| | Verification Standard Deviation Ratio
| Контрольное отношение стандартных отклонений
| | Verification Set
| Контрольное множество
| | Verify
| Контрольное (множество)
| | Weigend Weight Regularization
| Регуляризация весов по Вигенду
| | Weights Distribution
| Распределение весов
| | Win Frequencies Datasheet
| Таблица частот выигрышей
|
СПИСОК РЕКОМЕНДУЕМОЙ ЛИТЕРАТУРЫ
1. Ефимова М.Р., Петрова Е.В., Румянцева В.Н. Общая теория статистики: Учебник. – М.: ИНФРА-М, 1998. - С. 339-392.
2. Громыко Г.Л. Общая теория статистики: Практикум. – М.: ИНФРА-М, 1999. – С. 10-14, 109-127.
3. Елисеева И.И., Юзбашев М.М. Общая теория статистики: Учебник / Под ред. И.И. Елисеевой. – 4-е изд., перераб. и доп. – М.: Финансы и статистика, 2003. – с. 379-432.
4. Ефимова М.Р., Ганченко О.И., Петрова Е.В. Практикум по общей теории статистки: Учеб. пособие. – 2-е изд. перераб. и доп. – М.: Финансы и статистика, 2002. – С. 269-318.
5. Практикум по теории статистики: Учеб. пособие / Под ред. Р.А. Шмойловой. – М.: Финансы и статистика, 1999. – С. 292-318.
6. Статистика: Учеб. пособие / Под ред. проф. М.Р. Ефимовой. – М.: ИНФРА-М, 2002. – С. 269-308: (серия «Вопрос –ответ»).
7. Бендина Н.В. Экономическая статистика (конспект лекций) – М.: «Издательство ПРИОР», 1999. – С. 58-72.
8. Общая теория статистики: Статистическая методология в изучении коммерческой деятельности: Учебник/А.И. Харламов, О.Э. Башина, В.Т. Бабурин и др.; Под ред. А.А. Спирина, О.Э. Башиной. – М.: Финансы и статистика, 1999. – С. 206-236.
9. Гусаров В.И. Теория статистики: Учебное пособие для вузов. – М.: Аудит, ЮНИТИ, 1998. – С. 159-204.
10. Статистика: Курс лекций/Харченко Л.П., Долженкова В.Г., Ионин В.Г. и др.; Под ред. к.э.н. В.Г. Ионина. – Новосибирск: Изд-во НГАЭиУ, М.: ИНФРА-М, 1997. – С. 111-127, 296-307.
11. Башкатов Б.И. Статистика сельского хозяйства с основами общей теории статистки. Курс лекций. – М.: Ассоциация авторов и издателей «ТАНДЕМ». Изд-во «Экмос». – 2001. – С. 79.
12. Ряузов Н.Н. Общая теория статистки: Учебник для студ. экон. спец. вузов. – 3-е изд., перераб. и доп. – М.: Статистика, 1979. – С. 261-291.
13. Кевеш П. Теория индексов и практика экономического анализа: Пер. с венг. М., - 1990.
14. Аллен Р. Экономические индексы: Пер. с англ. М., 1980.
15. Теория статистики: Учебник. Под ред. Р.А. Шмойловой. – М.: Финансы и статистика.
16. Долженкова В.Г. Статистика цен. Учебное пособие. – М.: Информационно-издательский дом «Филинъ». – С. 72-125.
17. Курс социально-экономической статистики. Учебник для вузов / Под. ред. проф. М.Г. Назарова. – М.: Финстатинформ, ЮНИТИ – ДАНА, 2000. – С. 576-673.
18. Практикум по социальной статистике: Учеб. пособие / Под. ред. И.И. Елисеевой. – М.: Финансы и статистика, 2002. – С. 80-177.
19. Экономическая статистика (Статистика национального богатства (конспект лекций)). – М.: «Издательство ПРИОР», 1999. – С. 81-84.
20. Сборник задач по экономической статистике: Учеб. пособие / Б.Б. Башкатов, Г.М. Гуров, Н.В. Зайцев и др.; - 2-е изд., перераб. и доп. – М.: Финансы и статистика, 1984. – С. 150-162.
21. Практикум по курсу социально-экономической статистики: Учеб. пособие / В.Е. Адамов, И.К. Белявский, А.П. Зинченко и др.; - М.: Финансы и статистика, 1983. – С. 228-276.
|