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.
|