Текущий выпуск Номер 4, 2020 Том 12
Результаты поиска по 'регрессионный анализ':
Найдено статей: 10
  1. От редакции
    Компьютерные исследования и моделирование, 2017, т. 9, № 2, с. 139-142
    Просмотров за год: 2.
  2. От редакции
    Компьютерные исследования и моделирование, 2018, т. 10, № 6, с. 733-735
    Просмотров за год: 20.
  3. От редакции
    Компьютерные исследования и моделирование, 2020, т. 12, № 4, с. 689-692
  4. Предложен метод расчета границ качественных классов для количественных характеристик систем любой природы. Метод позволяет установить: связи, не поддающиеся обнаружению при помощи корреляционного и регрессионного анализа; границы для качественных классов индикатора состояния систем и факторов, влияющих на это состояние; вклад факторов в степень «неприемлемости» значений индикатора; достаточность программы наблюдений за
    факторами для описания причин «неприемлемости» значений индикатора.

    Просмотров за год: 1. Цитирований: 6 (РИНЦ).
  5. Рисник Д.В., Левич А.П., Булгаков Н.Г., Бикбулатов Э.С., Бикбулатова Е.М., Ершов Ю.В., Конюхов И.В., Корнева Л.Г., Лазарева В.И., Литвинов А.С., Максимов В.Н., Мамихин С.В., Осипов В.А., Отюкова Н.Г., Поддубный С.А., Пырина И.Л., Соколова Е.А., Степанова И.Э., Фурсова П.В., Цельмович О.Л.
    Поиск связей между биологическими и физико-химическими характеристиками экосистемы Рыбинского водохранилища. Часть 1. Критерии неслучайности связи
    Компьютерные исследования и моделирование, 2013, т. 5, № 1, с. 83-105

    На основании данных по содержанию пигментов фитопланктона, интенсивности флуоресценции проб и некоторыми физико-химическим характеристикам вод Рыбинского водохранилища проведен поиск связи между биологическими и физико-химическими характеристиками. Исследованы стандартные методы статистического анализа (корреляционный, регрессионный), методы описания связи между качественными классами характеристик, основанные на отклонении исследуемого распределения характеристик от независимого распределения. Предложен метод поиска оптимальных границ качественных классов по критерию максимума коэффициентов связи.

    Просмотров за год: 3. Цитирований: 6 (РИНЦ).
  6. Кондратьев М.А.
    Методы прогнозирования и модели распространения заболеваний
    Компьютерные исследования и моделирование, 2013, т. 5, № 5, с. 863-882

    Число работ, посвященных прогнозированию инфекционной заболеваемости, стремительно растет по мере появления статистики, позволяющей провести анализ. В настоящей статье представлен обзор основных решений, доступных сегодня для формирования как краткосрочных, так и долгосрочных проекций заболеваемости; указаны их ограничения и возможности практического применения. Рассмотрены традиционные методы анализа временных рядов — регрессионные и авторегрессионные модели; подходы, опирающиеся на машинное обучение — байесовские сети и искусственные нейронные сети; рассуждения на основе прецедентов; техники, базирующиеся на решении задачи фильтрации. Перечислены важнейшие направления разработки математических моделей распространения заболевания: классические аналитические модели, детерминированные и стохастические, а также современные имитационные модели, сетевые и агентные.

    Просмотров за год: 71. Цитирований: 19 (РИНЦ).
  7. Махов С.А.
    Долгосрочная макромодель мировой динамики на основе эмпирических данных
    Компьютерные исследования и моделирование, 2013, т. 5, № 5, с. 883-891

    В работе обсуждаются методические основы и проблемы моделирования мировой динамики. Излагаются подходы к построению новой имитационной модели глобального развития и первичные результаты моделирования. В основу построения модели положен эмпирический подход, основанный на анализе статистики основных социально-экономических показателей. На основании этого анализа выделены основные переменные. Для этих переменных составлены динамические уравнения (в непрерывно-дифференциальной форме). Связи между переменными подбирались исходя из динамики соответствующих показателей в прошлом и на основании экспертных оценок, при этом использовались эконометрические методы, основанные на регрессионном анализе. Были проведены расчеты по полученной системе динамических уравнений, результаты представлены в виде пучка траекторий для тех показателей, которые непосредственно наблюдаемы и по которым имеется статистика. Таким образом, имеется возможность оценить разброс траекторий и понять прогнозные возможности представленной модели.

    Просмотров за год: 4. Цитирований: 3 (РИНЦ).
  8. Орел В.Р., Тамбовцева Р.В., Фирсова Е.А.
    Влияние сократимости сердца и его сосудистой нагрузки на частоту сердечных сокращений у спортсменов
    Компьютерные исследования и моделирование, 2017, т. 9, № 2, с. 323-329

    Частота сердечных сокращений (ЧСС) является наиболее доступным для измерения показателем. С целью контроля индивидуальной реакции на нагрузочность физических упражнений ЧСС измеряется при выполнении спортсменами мышечной работы разных типов (работа на силовых тренажерах, различные виды тренировочных и соревновательных нагрузок). По величине ЧСС и динамике ее изменения при мышечной работе и восстановлении можно объективно судить о функциональном состоянии сердечно-сосудистой системы спортсмена, об уровне его индивидуальной физической работоспособности, а также об адаптивной реакции на ту или иную физическую нагрузку. Однако ЧСС не является самостоятельным детерминантом физического состояния спортсмена. Величина ЧСС формируется в результате взаимодействия основных физиологических механизмов, определяющих гемодинамический режим сердечного выброса. Сердечный ритм зависит, с одной стороны, от сократимости сердца, от венозного возврата, от объемов предсердий и желудочков сердца, а с другой стороны — от сосудистой нагрузки сердца, основными компонентами которой являются эластическое и периферическое сопротивление артериальной системы. Величины сосудистых сопротивлений артериальной системы зависят от мощности мышечной работы и времени ее выполнения. Чувствительность ЧСС к изменениям сосудистой нагрузки сердца и его сократимости определялась у спортсменов по результатам парного регрессионного анализа одновременно зарегистрированных данных ЧСС, периферического $(R)$ и эластического $(E_a)$ сопротивлений (сосудистая нагрузка сердца), а также механической мощности $(W)$ сердечных сокращений (сократимость сердца). Коэффициенты чувствительности и коэффициенты парной корреляции между ЧСС и показателями сосудистой нагрузки и сократимости левого желудочка сердца спортсмена определялись в покое и при выполнении мышечной работы на велоэргометре. Показано, что с ростом мощности велоэргометрической нагрузки и увеличением ЧСС возрастают также коэффициенты корреляции и чувствительности между ЧСС и показателями сосудистой нагрузки сердца $(R, E_a)$ и его сократимости $(W)$.

    Просмотров за год: 5. Цитирований: 1 (РИНЦ).
  9. Кирилюк И.Л.
    Модели производственных функций для российской экономики
    Компьютерные исследования и моделирование, 2013, т. 5, № 2, с. 293-312

    В статье проведён сравнительный анализ применимости нескольких вариантов моделей производственной функции для анализа современной экономики России. Посредством регрессионного анализа оценено влияние таких факторов, как цены на нефть на мировом рынке, инновационные процессы, гипотеза о постоянной отдаче от факторов производства. Расчёты производились как для экономики в целом, так и для отдельных её отраслей. Показано, что рассматриваемые модели экономики России в целом и ряда её отраслей применительно к реальным данным демонстрируют значимую возрастающую отдачу по труду. Обсуждаются ограничения применимости моделей.

    Просмотров за год: 21. Цитирований: 65 (РИНЦ).
  10. Беляева А.В.
    Использование пространственных моделей в массовой оценке стоимости объектов недвижимости
    Компьютерные исследования и моделирование, 2012, т. 4, № 3, с. 639-650

    Автором проведен анализ основных на текущий момент подходов к массовой оценке стоимости объектов недвижимости (российских и зарубежных), указаны их плюсы и минусы, а также представлен подход, основанный на применении пространственных регрессионных моделей, показывающий лучшие результаты по сравнению с обычными регрессионными моделями и применимый для российского рынка недвижимости.

    Просмотров за год: 3. Цитирований: 3 (РИНЦ).

Полнотекстовая версия журнала доступна также на сайте научной электронной библиотеки eLIBRARY.RU

Журнал входит в Перечень российских рецензируемых научных журналов, в которых должны быть опубликованы основные научные результаты диссертаций на соискание ученых степеней доктора и кандидата наук ВАК, группы специальностей: 01.01.00, 01.02.00.
 

Международная Междисциплинарная Конференция "Математика. Компьютер. Образование"

Международная Междисциплинарная Конференция МАТЕМАТИКА. КОМПЬЮТЕР. ОБРАЗОВАНИЕ.

Журнал включен в базу данных Russian Science Citation Index (RSCI) на платформе Web of Science

Журнал индексируется в Scopus