Эвристические методы периодизации (стр. 8 из 9)

шаг	рассматриваемые столбцы	уже выбранные значения	минимальное значение кроме выбранных	соединяем элементы
41	11	0,408 ;0,182;0,611; 0,652; 0,773;0,779; 0,805; 0,881; 1,104; 0,993	11-8(1,074)	7 и 3
	7	0,439 ;0,261 ;0,500; 0,879; 0,993	7-3(1,032)
42	7	0,439 ;0,261 ;0,500; 0,879; 0,993;1,032	7-5(1,164)	3 и 11
	3	0,639 ;0,378;0,700 ; 0,916; 0,972; 1,032	3-11(1,075)
43	3	0,639 ;0,378;0,700 ; 0,916; 0,972; 1,032;1,075	3-8(1,233)	11 и 8
	11	0,408 ;0,182;0,611; 0,652; 0,773;0,779; 0,805; 0,881; 1,104; 0,993; 1,075	11-8(1,074)
44	11	0,408 ;0,182;0,611; 0,652; 0,773;0,779; 0,805; 0,881; 1,104; 0,993; 1,075; 1,074	11-2(1,964)	8 и 2
	8	0,261;0,647; 0,648; 0,992; 1,074	8-2(1,154)
45	8	0,261;0,647; 0,648; 0,992; 1,074; 1,154	8-3(1,233)	2 и 1
	2	1,154	2-1(0,183)

шаг	рассматриваемые столбцы	уже выбранные значения	минимальное значение кроме выбранных	соединяем элементы
35	10	0,182; 0,461 ;0,646; 0,579; 0,802; 0,827;0,879; 0,956	10-15(0,981)	10 и 14
	14	0,133 ;0,386; 0,510; 0,779;0,956	14-9(1,299)
36	10	0,182; 0,461 ;0,646; 0,579; 0,802;0,827; 0,879; 0,956;0,981	10-3(0,972)	10 и 3
	15	0,133; 0,559; 0,454; 0,805; 0,981	15-9(1,324)
37	10	0,182; 0,461 ;0,646; 0,579; 0,802;0,827; 0,879; 0,956;0,981; 0,972	10-8(0,992)	10 и 8
	3	0,639 ;0,378;0,700 ; 0,916; 0,972	3-7(1,032)
38	10	0,182; 0,461 ;0,646; 0,579; 0,802;0,827; 0,879; 0,956;0,981; 0,972;0,992	10-4(1,068)	10 и 4
	8	0,261;0,647; 0,648; 0,992	8-11(1,074)
39	10	0,182; 0,461 ;0,646; 0,579; 0,802;0,827; 0,879; 0,956;0,981; 0,972;0,992; 1,068	10-2(1,915)	4 и 11
	4	0,431 ;0,700;1,068	4-11(1,104)
40	4	0,431 ;0,700;1,068; 1,104	4-12(1,140)	11 и 7
	11	0,408 ;0,182;0,611; 0,652; 0,773;0,779; 0,805; 0,881; 1,104	11-7(0,993)

Результатом этих действий выступает построение древа. Данное древо изображено на рисунке 3,8.

Рис.3,8 Древо взаимосвязей

Из рисунка видно, что этот метод учел все связи объектов, а не отбросил как два предыдущих «ненужную» информацию и больше всего связей имеют объекты 10 и 11(12 связей), а меньше всего 1 и 2(1 и 2 связи соответственно). Что говорит о том, что 1 и 2 объекты аномальны.

Разбиение древа осуществляется путем выбора пороговой величины h. В данном случае она равна 0,435(получаются «нормальные» плеяды). Значит, удаляем все связи больше данного числа. В результате получаем «нормальные» плеяды(рис 3,9):

Рис.3,9 «Нормальные» плеяды.

Замечание: периодизация с помощью метода корреляционных плеяд выделила точно такие же периоды развития, что и периодизация с помощью метода дендритов.

Тогда названия периодов будут аналогичными:

I период 1997,1998 – выше среднего уровень здоровья

II период 1993-1995 - средний уровень здоровья

III период 1996,1999–ниже среднего уровень здоровья

IV период 2000-2005 –критический или низкий уровень здоровья

А интерпретация получается следующая I период –это низкое здоровье населения но для России это максимально достигнутое значение за рассматриваемый период(1991-2005) и тому подобное.

Заключение.

Периодизация – разбиение динамических рядов на интервалы однокачественного развития.

Периодизация, с одной стороны, дает важную информацию о процессе, с другой- закладывает основы для последующего анализа динамики, так как обеспечивает возможность применения методов многомерной статистики; адекватное их использование возможно лишь в однородных сферах. Однако, в отличие от типологической группировки, периодизация исключительно редко используется в расчетах, соответственно и теория ее применения практически не разработана, нет устоявшихся корректных статистических методов ее реализации. Причин данной ситуации несколько, и основная заключается в противоречивости различных условий применения алгоритмов корреляционно-регрессионного анализа(КРА) в рядах динамики.

Однородными периодами примято считать временной промежуток, соответствующий одной из следующих ситуаций: равенство уровней ряда; равенство абсолютных приростов; равенство вторых абсолютных разностей;

равенство цепных темпов роста.

Прежде чем прибегнуть к помощи методов сравнительного анализа, необходимо выполнить определенные преобразования: составить матрицу наблюдений, стандартизовать или нормировать данных, рассчитать матрицу расстояний или матрицу коэффициентов корреляции.

Недостатком метода шаров является то, что существует потенциальная возможность разделить действительно однородные объекты(однородность это структурное сходство).

Положительной чертой методов дендрита и корреляционных плеяд является их относительная простота. Но самым большим достоинством этих двух методов является инвариантность их техники относительно характера исходных данных. Эти методы успешно реализуются как на различных метриках в случае использования метода дендритов, так и на матрицах коэффициентов взаимной сопряженности, либо на теоретико- информационных мер связи в том случае, если будет применен метод корреляционных плеяд. Более того , как техника метода дендритов применима к матрицам связи, так и метод корреляционных плеяд можно реализовать на матрицах расстояний.

Преимуществом также метода корреляционных плеяд является то, что он учитывает все связи он не отбрасывает как два предыдущих метода «не нужную информацию».

Недостатком методов(особенно корреляционных плеяд) является их неформализованность, что затрудняет применение вычислительной техники, т.е он становится очень трудоемким при достаточно большом числе объектов.