Xreferat.com » Рефераты по математике » Структура статистики объектов нечисловой природы

Структура статистики объектов нечисловой природы

группой всех строго возрастающих преобразований. Это - шкалы качественных признаков [27]. Группа линейных возрастающих преобразований , задает шкалу интервалов. Группа , определяет шкалу отношений. Наконец, группа, состоящая из одного тождественного преобразования, описывает абсолютную шкалу. Это - шкалы количественных признаков. Используют и некоторые другие шкалы.

            Рассмотрим задачу сравнения средних значений для двух совокупностей одинакового объема  и Структура статистики объектов нечисловой природы. Пусть среднее вычисляется с помощью функции Структура статистики объектов нечисловой природы Если

Структура статистики объектов нечисловой природы,                     (13)

то необходимо, чтобы

Структура статистики объектов нечисловой природы

для любого допустимого преобразования Структура статистики объектов нечисловой природы из задающей шкалу группы Ф. (В противном случае результат сравнения будет зависеть от того, какое из эквивалентных представлений шкалы выбрал исследователь.)

            Требование равносильности (13) и (14) вместе с некоторыми условиями регулярности приводят к тому, что в порядковой шкале в качестве средних можно использовать только члены вариационного ряда, в частности, медиану, но нельзя использовать среднее геометрическое, среднее арифметическое, и т. д. [66]. В количественных шкалах это требование выделяет из всех обобщенных средних по А. Н. Колмогорову [67]:

            в шкале интервалов - только среднее арифметическое,  в шкале отношений - степенные средние [68].

            Кроме средних, аналогичные задачи рассмотрены для расстояний [69, 70] и мер связи случайных признаков [71, 1].

            Приведенные результаты о средних величинах [1, 68] Я. Э. Камень применил в АСУ ТП доменных печей ]120]. Л. Д. Мешалкин выступил с критикой требования равносильности условий (13) и (14) и предложил собственную постановку [72].

            Велико прикладное значение теории измерений в задачах стандартизации и управления качеством [9], в частности, в квалиметрии [73]. Так, В. В. Подиновский показал, что любое изменение коэффициентов весомости единичных показателей качества продукции приводит к изменению упорядочения изделий по средневзвешенному показателю [74]. Н. В. Хованов развил одну из возможных теорий шкал измерения качества [75].

            Теория измерений полезна и в других прикладных областях [76, 77].

2. 5. 5. Статистика бинарных отношений

            Оценивание центра распределения проводят обычно с помощью медианы Кемени [42, 24]. Состоятельность вытекает из закона больших чисел [1]. Вычислительные процедуры нахождения медианы Кемени обсуждаются в работе [30].

            Методы проверки гипотез развиты отдельно для каждой разновидности бинарных отношений. В области статистики ранжировок, или ранговой корреляции, классической является книга Кендалла [78]. Современные достижения отражены в статье Ю. Н. Тюрина и Д. С. Шмерлинга [79]. Статистика случайных разбиений развита А. В. Маамяги [80]. Статистика случайных толерантностей (рефлексивных симметричных отношений) изложена в работе [1]. Многие ее задачи являются частными случаями задач теории люсианов.

2. 5. 6. Теория люсианов (бернуллиевских векторов)

            Люсиан (бернуллиевский вектор) - это последовательность испытаний Бернулли с, вообще говоря, различными вероятностями успеха [81, с. 232]. Реализация люсиана (бернуллиевского вектора) - это последовательность из 0 и 1. В работе [1] люсианы (бернуллиевские вектора) рассматривались как случайные множества с независимыми элементами, а в исследовании [82] - как результаты независимых парных сравнений. Последовательность результатов контроля качества единиц продукции по альтернативному признаку - также реализация люсиана (бернуллиевского вектора). Случайная толерантность может быть записана в виде люсиана. Поскольку один и тот же объект применяется в различных областях, естественно для его наименования применять специально введенный термин "бернуллиевский вектор". Используется также термин "люсиан"[2].

            В рассматриваемой теории изучают методы проверки согласованности (одинаковой распределенности), однородности двух выборок, независимости люсианов. Изучение этих задач в асимптотике А. Н. Колмогорова начато в работах [1, 82, 83] и продолжено Г. В. Рыдановой [117], Т. Н. Дылько [84], Г. В. Раушенбахом и А. А. Заславским [85]. Имеется также и обзор [33].

            Методы проверки указанных гипотез нацелены на ситуацию, когда число бернуллиевских векторов фиксировано, а их длина растет. При этом число неизвестных параметров возрастает пропорционально объему данных, т. е. теория построена в асимптотике растущего числа параметров. Ранее эта асимптотика под названием асимптотики А. Н. Колмогорова использовалась в дискриминантном анализе, но там применялись совсем другие методы [86].

            Непараметрическая теория парных сравнений (в предположении независимости результатов отдельных сравнений) - часть теории бернуллиевских векторов [82]. Параметрическая теория связана в основном с попытками выразить вероятности того или иного исхода через значения гипотетических или реальных параметров сравниваемых объектов [87]. Известны модели Терстоуна, Бредли-Терри-Льюса и др. [88]. В СССР построен ряд новых моделей парных сравнений [89, 4]. Существенные результаты в этой области принадлежат Д. С. Шмерлингу [90]. Имеются модели парных сравнений с тремя исходами (больше, меньше, неразличимо), модели зависимых сравнений, сравнений нескольких объектов (сближающие рассматриваемую область с теорией случайных ранжировок) и т. д. [4, 90, 91].

 Статистика случайных и нечетких множеств

            Давнюю историю имеет статистика случайных геометрических объектов (отрезков, треугольников, кругов и т. д.) [92]. Как сказано в монографии [93], современная теория случайных множеств сложилась "при изучении пористых сред и объектов сложной природы в таких областях, как металлография, петрография, биология". Различные направления внутри этой теории рассмотрены в работе [1, гл. 4]. Остановимся на двух.

            Случайные множества, лежащие в евклидовом пространстве, можно складывать: сумма множеств и Структура статистики объектов нечисловой природы- - это объединение всех векторов Структура статистики объектов нечисловой природы, где , Структура статистики объектов нечисловой природы. Н. Н. Ляшенко получил аналоги законов больших чисел, центральной предельной теоремы, ряда методов прикладной статистики, систематически используя подобные суммы [94].

            Для статистики объектов нечисловой природы интереснее подмножества пространств, не являющихся линейными. В работе [1] рассмотрены некоторые задачи теории конечных случайных множеств. Ряд интересных результатов получил С. А. Ковязин [95], в частности, он доказал гипотезу [37] о справедливости закона больших чисел при использовании расстояния между множествами

Структура статистики объектов нечисловой природы,                       (15)

где. Структура статистики объектов нечисловой природы - некоторая мера;.  - знак симметрической разности. Прикладники также делают попытки развивать статистику случайных множеств [43, 96].

            С теорией случайных множеств тесно связана теория нечетких множеств, начало которой положено статьей Л. А. Заде [97]. Это направление прикладной математики получило бурное развитие - к настоящему времени число публикаций измеряется десятками тысяч, имеются международные журналы, постоянно проводятся конференции, практические приложения дали ощутимый технико-экономический эффект [98, 118]. При изложении теории нечетких множеств [99-101] обычно не подчеркивается связь с вероятностными моделями. Установлено [1], что теория нечеткости в определенном смысле сводится к теории случайных множеств, хотя эта связь и имеет лишь теоретическое значение. Общее введение в прикладные вопросы теории нечеткости дано в работе [102].

            С точки зрения статистики объектов нечисловой природы нечеткие множества - лишь один из видов объектов нечисловой природы. Поэтому к ним применима общая теория в пространствах произвольной природы [103]. Имеются работы, в которых совместно используются соображения вероятности и нечеткости [104, 105].

2. 5. 8. Многомерное шкалирование и аксиоматическое введение метрик

            Многомерное шкалирование имеет целью представление объектов точками в пространстве небольшой размерности (1-3) с максимально возможным сохранением расстояний между точками [24, 106]. Оригинальные подходы разработаны, в частности, В. О. Мазуром и А. Ю. Юровским [107], В. Т. Перекрестом [108]. Состоятельность одной оценки размерности искомого пространства установлена в работе [4].

            Из сказанного выше ясно, какое большое место занимают в статистике объектов нечисловой природы метрики (расстояния). Как их выбрать? В работах [41, 42] предложено выводить вид метрик из некоторых систем аксиом. Аксиоматически получена метрика в пространстве ранжировок, которая оказалась линейно связанной с коэффициентом ранговой корреляции Кендалла [42]. Метрика (15) в пространстве множеств получена в работе [1, §4. 3] также исходя из некоторой системы аксиом. Г. В. Раушенбахом [109] дана сводка по аксиоматическому подходу к введению метрик в пространствах нечисловой природы. К настоящему времени практически для каждой используемой в приложениях метрики удалось подобрать систему аксиом, из которой чисто математическими средствами можно вывести именно эту метрику.

 Применения статистики объектов

нечисловой природы

            Идеи, подходы, результаты статистики объектов нечисловой природы оказались полезными и в классических областях прикладной статистики. Статистика в пространствах общей природы позволила с единых позиций рассмотреть всю прикладную статистику [8], в частности, показать, что регресионный, дисперсионный и дискриминантный анализы являются частными случаями общей схемы регрессионного анализа в пространстве произвольной природы [110]. Поскольку структура модели - объект нечисловой природы, то ее оценивание, в частности, оценивание степени полинома в регрессии, также относится к статистике объектов нечисловой природы (см. например, [111, 112]). Если учесть, что результаты измерения всегда имеют погрешность, т. е. являются не числами, а нечеткими множествами, то приходим к необходимости пересмотреть некоторые выводы теоретической статистики [113]. Например, отсутствует состоятельность оценок, нецелесообразно увеличивать объем выборок сверх некоторого предела.

            Технико-экономическая эффективность от применения методов статистики объектов нечисловой природы достаточно высока. Только 5 работ по внедрению методов статистики объектов нечисловой природы дали 1 млн. 352 тыс. руб. в год [114] (по ценам середины 80-х годов; поскольку на 30 июня 1996 г. индекс инфляции составляет примерно 12000, то в современных ценах этот эффект оценивается как 16, 2 миллиарда руб.).

            Так, методы "согласованного с преобразованиями усредняющего сжатия данных", основанные на теории средних величин, согласованных со шкалами измерений [1, 66, 68], внедрены в АСУ ТП доменной печи N5 Череповецкого металлургического комбината с экономическим эффектом 33 тыс. руб. [120]. Применение одного из методов статистики объектов нечисловой природы - качественного факторного анализа матриц связи - при оптимизации гаммы агрофизических приборов, производимых в НПО "Агроприбор", дало экономический эффект 850 тыс. руб. [115]. Использование статистике бинарных отношений для формирования классификатора основных показателей качества труда на цементных заводах принесло 88, 5 тыс. руб. [116].

            В качестве примера рассмотрим задачу диагностики (в других терминах - распознавания с учителем, дискриминации) в пространстве разнотипных признаков. Классические непараметрические методы диагностики, основанные на ядерных оценках плотности, пригодны только в случае, когда все признаки - количественные. Во многих практических ситуациях часть признаков принимает дискретные значения. Мы рекомендуем применять методы, основанные на непараметрических оценках (10) плотности в пространствах общей природы. Введение расстояния между точками в пространстве разнотипных признаков, необходимое для применения этой рекомендации, может быть осуществлено, например, путем суммирования расстояний между значениями отдельных признаков. Проведенные в Институте медицины труда РАМН расчеты (1989 -1990 гг.) показали преимущество описанного алгоритма над ранее известными.

Литература

1.Орлов А.И. Устойчивость в социально-экономических моделях.-М.Наука,1979.-296 с.

2.Орлов А.И. Экспертные оценки / Вопросы кибернетики. Вып.58.-М.: Научный Совет СССР по комплексной проблеме "Кибернетика", 1979.С.17-33.

3.Орлов А.И. / Тезисы докладов Четвертой международной Вильнюсской конференции по теории вероятностей и математической статистике: Том 2.-Вильнюс, Вильнюсский госуниверситет, 1985.С.278-280.

4.Орлов А.И. / Анализ нечисловой информации в социологических исследованиях.-М.Наука, 1985.С.58-92.

5.Орлов А.И. / Статистика. Вероятность. Экономика.-М.Наука,1985. С.99-107.

6.Орлов А.И. / Заводская лаборатория. 1987.Т.58. N3.С.90-91.

7.Орлов А.И. /Надежность и контроль качества. 1987.N6.С.54-59.

8.Рекомендации. Прикладная статистика. Методы обработки данных. Основные требования и характеристики.- М.:ВНИИС,1987.-64 с.

9.Кривцов В.С., Фомин В.Н., Орлов А.И. / Стандарты и качество. 1988.N3.С.32-36.

11.Колмогоров А.Н. Статистический приемочный контроль при допустимом числе дефектных изделий, равном нулю. - Л.: ДНТП, 1951. - 22 с.

12. Гнеденко Б.В. Математика и контроль качества продукции.- М.: Знание, 1978. - 64 с.

13. Беляев Ю.К. Вероятностные методы выборочного контроля.-М.: Наука, 1975. - 408 с.

14. Лумельский Я.П. Статистические оценки результатов контроля качества. - М.: Из-во стандартов, 1979. - 200 с. 

15. Орлов А.И. Современные проблемы кибернетики: Прикладная статистика. - М.: Знание, 1981. с 3-14.

16. Статистические методы анализа экспертных оценок / Ученые записки по статистике, т. 29, -М.: Наука, 1977-384 с. 17.

17.Экспертные оценки в системных исследованиях / Сборник трудов. - Вып. 4. - М.: ВНИИСИ, 1970 - 120 с.

18. Экспертные оценки / Вопросы кибернетики. - Вып. 58. - М.: Научный Совет АН СССР по комплексной проблеме / "Кибернетика". 1979. - 200 с.

Если Вам нужна помощь с академической работой (курсовая, контрольная, диплом, реферат и т.д.), обратитесь к нашим специалистам. Более 90000 специалистов готовы Вам помочь.
Бесплатные корректировки и доработки. Бесплатная оценка стоимости работы.

Поможем написать работу на аналогичную тему

Получить выполненную работу или консультацию специалиста по вашему учебному проекту
Нужна помощь в написании работы?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Пишем статьи РИНЦ, ВАК, Scopus. Помогаем в публикации. Правки вносим бесплатно.

Похожие рефераты: