Свойства математических моделей социальных процессов

Актуальность темы. Существует множество прогнозных эконометрических моделей, которые используются в той или иной области экономических исследований. Еще в шестидесятых годах прошлого века началось использование эконометрических методик для анализа состояния рынка и прогнозирования дальнейших событий. Рассматривая построение линейно-структурного континуума, мы подняли проблему снижения размерности электорального пространства. Данная тема заслуживает отдельного пристального рассмотрения.

---

Вам нужно предоставить отчет по учебной практике в ооо ? Доверьте его оформление компании Work5.

---

. Целью данной курсовой работы является анализ свойств математических моделей социальных процессов. Для достижения поставленной цели необходимо решить следующие задачи: 1. Проанализировать гравитационный потенциал, его разложение по сферическим гармоникам; 2. Рассмотреть устойчивость шарообразных фигур равновесия; 3. Выявить потерю устойчивости при вращении; 4. Сделать анализ эллипсоидальной фигуры равновесия и потери ее устойчивости при вращении. Объектом исследования является фигуры равновесия. Предмет исследования устойчивость шарообразных фигур равновесия.

Итак, cуществует две принципиальные предпосылки, позволяющие перейти от большего числа исходных признаков к меньшему числу наиболее информативных переменных, которые как бы «концентрируют» в себе львиную долю исходной информации: • Дублирование информации в исходных данных, происходящее из-за сильной взаимосвязи переменных. Например, если два объекта в «исходном» электоральном пространстве характеризуются очень плотной положительной корреляцией или крайне незначительным расстоянием (тесной близостью), они могут быть без существенных потерь заменены одним объектом (переменной). • Неинформативность признаков, мало меняющихся от одного объекта к другому, слабая чувствительность части переменных «электоральная поддержка кандидата или партии» к межгрупповым различиям . Во-вторых, обоснуем необходимость снижения размерности электорального пространства. Она обусловлена, прежде всего, потребностью исследователя: • в лаконичности и компактности итоговой модели, упрощающей ее содержательную политологическую интерпретацию; в соответствии с принципом «экономности мышления», простая модель всегда предпочтительнее сложной, если упрощение не сопровождается принципиальным потерями информации. • в сжатии исходного массива данных. К примеру, электорально-статистическая таблица по итогам парламентских выборов 2003 г. в разрезе территориальных избирательных комиссий представляет собой матрицу с 24 столбцами (политические партии) и примерно 3000 строками (разбиение электората на группы, соответствующие городам и районам России); размерность данных при этом определяется числом строк. Даже при переходе к более компактной матрице парных соотношений партий ее размерность составит . Осмысленно работать с таким массивом практически невозможно. • в наглядном представлении (визуализации) исходных данных, что достигается их проецированием на специально подобранное трехмерное пространство, плоскость или числовую прямую. Следует подчеркнуть, что именно визуализация данных в трех- (или менее) мерном пространстве является наиболее удобным инструментом для обнаружения устойчивых электорально-пространственных структур. Метод перспективен для анализа динамических характеристик, в частности для понимания влияния пространственно-временных изменений на конкретный контекст (к примеру, анализ пространственной динамики вооруженных конфликтов и насилия). Но, в случае принятия решений по оценке перспектив социальной инвестиционной политики, миграционной политики, картографирование только социальных ресурсов территории не достаточно и карта может быть дополнена информацией экономического или социокультурного, а иногда и природно-климатического характера. Это позволит прогнозировать, комплексно оценивать потенциал территории в контексте развития местного сообщества, решения социальных проблем, удовлетворения каких-либо общественных потребностей . Предметом социального картографирования могут выступать не только социальные процессы, протекающие на территории, но и их субъективное восприятие. Данным методом может отображаться эмоциональное, социальное самочувствие населения или отдельных его категорий, социальные отношения.

1. Айвазян С.А., Мхитарян В.С. Прикладная статистика и основы эконометрики: Учебник. – М.: ЮНИТИ, 1998. 2. Экономическая теория: Учеб. для студ. высш. учеб. заведений / Под ред. В.Д. Камаева. — 8-е изд., перераб. и доп. — М.: Гуманит. изд. центр ВЛАДОС, 2002. 3. Бокс Дж., Дженкинс Г. Анализ временных рядов. Прогноз и управление.-М.: Мир,1974.- Вып.1 -228 с, Вып.2. 4. Dickey D.A. and Fuller W.A., «Distributions of the Estimators for Autoregressive Time Series With a Unit Root» Journal of American Statistical Association, 75 (1979). 5. Яковлева А. В. Эконометрика- м:ЭКСМО, 2008 – 244с. 6. Крупнина Т. В., Бабенышев С. В., Гречкосеев А. К., Крик Е. С. Теория вероятностей и случайных процессов – уч. пособие: СФУ 2004г. 7. Орлов А. И. Прикладня статистика – М: ЭКЗАМЕН, 2004 г. 8. Антонов Н. В., Татевосова Л. И. Электирика: Наука и Техника, 2009 г. 9. Пособие для студентов по курсу «Анализ временных рядов» МИЭФ ГУ-ВШЭ. 10. Федер. служба гос. статистики (Росстат); [редкол. В.Л. Соколин и др.]. – Офиц. изд. – М.: Статистика России, 2011. 11. Блохин А. А. Федеральное государственное учреждение "Аналитический центр при Правительстве Российской Федерации" Система опережающих индикаторов показателей динамики секторов российской экономики: 2011 г. 12. Тюрин Ю. Н., Макаров А. А. Статистический анализ данных на компьютере./ Под редактированием В. Э. Фигурнова. – М.: ИНФРА-М, 1998. 13. Dean Fantazzini Periodic Modelling II: Basic Models – MSE Moscow 14. Елесеев И. И., Курышева С. В., Костваева Т. В. И др. Экононметрика: Учебник/Под редакцией И. И. Елисеева. – М.: Финансы и статистика, 2001. 15. Кошевой О.С. Основы статистики: Учебное пособие. - Пенза: Пенз. гос. ун-т, 2005. - 168 с.