Семантический поиск
| Description | |
|---|---|
| Popov Alexander | |
| Random Basic Advanced | Модель "Random Basic Advanced" исследует влияние размера выборки на распределение выборочного среднего. При каждом запуске выбирается выборка случайных значений. Эти значения предаются агентам - "посланникам", каждый из которых несёт кирпичик к вершине соответствующего столбца в гистограмме. |
| SabitovaAB | |
| Sachkova Galina | |
| Segregation (model) | Модель сегрегации
Принципы:
|
| SeleverstovaSN | Студентка адэу-221. 3 курс |
| SemenyachenkoDY | |
| ShvedovaSS | |
| Simple Economy | Simple Economy представляет собой базовую модель экономического обмена из второй главы учебника "Introduction to Agent-Based Modeling" Ури Виленского и Уильяма Рэнда. Это мысленный эксперимент простейшей экономической системы, где на каждом временном шаге каждый агент передает один доллар случайно выбранному другому агенту, если у него есть деньги для передачи. |
| StatKey | образовательный веб-инструмент для статистического анализа - не требует регистрации. |
| Sugarscape model | Sugarscape model (сахарная модель) - один из методов(моделей) разработки искусственного общества. Модель стала популярна благодаря известной работе «Growing Artificial Societies». Является одной из простых моделей и прекрасным инструментом для обсуждения и экспериментального исследования ряда научных вопросов. Имеется некоторая окружающая среда — сахарный ландшафт, где в двумерном пространстве разбросан сахар — где-то больше, где-то меньше; и туда же помещены агенты-жуки, которые ползают по сахарному ландшафту по простым правилам: агенту надо есть сахар, и он перемещается туда, где сахара больше. Так они двигаются, поедают сахар, который появляется в той или иной точке тоже по каким-то законам. Наблюдая за поведением агентов на экране мы видим то, что Джошуа Эпштейн и Роберт Акстелл определили как прото-историю или Proto-Narrative |
| T-тест | t-критерий (англ. t-test, также критерий Стьюдента) — это статистический критерий проверки гипотез, используемый для определения статистической значимости различий между средними значениями в выборках. В социально-экономической статистике и эконометрике t-критерий является одним из основных инструментов для проверки гипотез (hypothesis testing) о параметрах экономических переменных. |
| TatarinovaEM | |
| Teacher Satisfaction (model) | Модель удовлетворённости учителей — агентно-ориентированная симуляция рынка труда преподавателей в городской системе образования. Учителя выбирают работу по зарплате, качеству школы и расстоянию, их удовлетворённость (0-1) определяет текучесть кадров. Модель показывает стратификацию: хорошие школы заполнены (satisfaction 0.9), плохие пустеют (satisfaction 0.2), безработица минимальна. |
| Testimate (CODAP) | Testimate — это встроенный плагин для выполнения статистических тестов и регрессионного анализа прямо в CODAP. |
| Timur Tihomirov | |
| TyapkinaPA | |
| TyulenevAV | Гений, миллиардер, плейбой, филантроп |
| Urban Suite - Economic Disparity | Модель "Urban Suite - Economic Disparity" представляет упрощённую городскую экономическую систему, где агенты с различным социально-экономическим статусом конкурируют за землю в городском пространстве. Модель исследует процессы пространственной сегрегации и формирования экономического неравенства в городской среде. В модели есть фиксированные рабочие места (серые квадраты), распределённые по городской территории. Агенты стремятся минимизировать расстояние до ближайшего места работы. |
| Vanyarina Julia | |
| VoznesenskayaVE | |
| Wealth Distribution | Модель распределения богатства в экономике. Данная модель представляет собой агентную вычислительную модель (Agent-based Model) распределения богатства, основанную на классической работе Эпштейна и Акстелла "Sugarscape". Модель демонстрирует механизм неравенства в распределении богатства, где "богатые становятся богаче, а бедные беднее", что соответствует закону Парето. |
| Автокорреляция | Автокорреляция — это статистическая мера, показывающая степень связности между значениями одной и той же переменной в разные моменты времени или с определённым запаздыванием (лагом). Проще говоря, она измеряет, насколько текущее значение ряда связано с его предыдущими значениями. Временной ряд демонстрирует автокорреляцию, если значение в момент времени t связано с значениями в моменты времени t-1, t-2 и так далее. В эконометрике и социальной статистике для корректного построения моделей важно учитывать автокорреляцию, так как она влияет на эффективность оценок параметров модели. |
| Автокорреляция в остатках | Автокорреляция в остатках — это статистическая связь между значениями ошибок (остатков) регрессионной модели, взятыми с разным временным сдвигом (лагом). Иными словами, если значение ошибки в один момент зависит от ошибки в предыдущие моменты, говорят о наличии автокорреляции. Автокорреляция нарушает одно из основных условий классической линейной регрессии — некоррелированность ошибок по времени (условие Гаусса-Маркова). Это приводит к неэффективности оценок коэффициентов модели и ошибочному выводу об их значимости. Основные признаки автокорреляции в остатках:
|
| Автокорреляция уровней временного ряда | Автокорреляция уровней временного ряда (англ. autocorrelation of time series levels, серийная корреляция) — статистическая мера линейной зависимости между значениями временного ряда в различные моменты времени. Автокорреляция показывает, насколько текущее значение ряда связано с его предыдущими значениями на определенном временном лаге. |
| Авторегрессионная модель | Авторегрессионная (AR-) модель (англ. autoregressive model) — модель временных рядов, в которой значения временного ряда в данный момент линейно зависят от предыдущих значений этого же ряда. |
| Алгебра | Алгебра — это раздел математики, изучающий алгебраические структуры, операции и отношения, а также уравнения, неравенства и их решения. Основными объектами алгебры являются числа, переменные, многочлены, векторы, матрицы и более абстрактные конструкции, такие как группы, кольца и поля. В школьном курсе алгебра обычно включает работу с буквенными выражениями, решение уравнений и систем уравнений, исследование функций. |
| Александр Дьяченко | В 2023 году окончил бакалавриат в Институте цифрового образования по специальности "Бизнес-информатика" Имею опыт работы преподавателем на проекте "Код будущего" по программе "Основы языка программирования Python" На данный момент в связи с интересом к образованию по имеющемуся опыту работы поступил на педагогическое направление по специальности "Интернет вещей в образовании" |
| Анализ временных рядов | Анализ временных рядов — совокупность математико-статистических методов для выявления структуры временных рядов и их прогнозирования. Временно́й ряд (или ряд динамики) — собранный в разные моменты времени статистический материал о значении каких-либо параметров (в простейшем случае одного) исследуемого процесса. Каждая единица статистического материала называется измерением или отсчётом. Во временном ряде для каждого отсчёта должно быть указано время измерения или номер измерения по порядку. Анализ структуры временного ряда позволяет выявить основные компоненты:
|
| Арина Братченко | |
| Белкин Е. | Белкин Евгений Юрьевич Студент магистратуры МГПУ, закончил бакалавриат в области экономики |
| Брендинг | Брендинг представляет собой стратегический процесс создания, развития и продвижения уникального образа компании, продукта или услуги, который формирует устойчивые ассоциации в сознании потребителей и повышает их лояльность. |
| Валерия Морозова | |
| Временной ряд | Временной ряд — это упорядоченная в порядке времени последовательность наблюдений за некоторым явлением или процессом. Каждое наблюдение в ряду относится к определённому моменту или интервалу времени (например, день, месяц, год). Временные ряды применяются для анализа динамики социально-экономических показателей (уровень безработицы, ВВП, индекс потребительских цен), демографических процессов (численность населения, миграционные потоки) и природных явлений (температура, осадки). Основные задачи анализа временных рядов: выявление тренда (долгосрочной тенденции), сезонных колебаний, циклических процессов и случайных флуктуаций, а также прогнозирование будущих значений на основе статистических моделей. |
| Выбор ваканский по городам | Создание приложения по выводу топа вакансий по городам. Реализован выбор города и вывод названия вакансии, заработной платы и количества вакансий. |
| Выборка | Вы́борка или вы́борочная совоку́пность — часть генеральной совокупности элементов, которая охватывается экспериментом (наблюдением, опросом). Это подмножество единиц генеральной совокупности, отобранное специальным методом и предназначенное для характеристики всей генеральной совокупности.
|
| Вычислительная экономика | Область вычислительных наук, связанная с моделированием и симуляцией экономических процессов. Часто эти процесссы моделируются снизу вверх |
| Генеральная совокупность | Генеральная совокупность (от лат. generis — общий, родовой) — совокупность всех объектов (единиц), относительно которых предполагается делать выводы при изучении конкретной задачи. В социально-экономической статистике генеральная совокупность состоит из всех объектов, которые имеют качества и свойства, интересующие исследователя. |
| Гетероскедастичность | Гетероскедастичность в эконометрике — это свойство, при котором дисперсия случайной ошибки регрессионной модели меняется в зависимости от значений независимых переменных или положения наблюдений в пространстве. Гетероскедастичность (англ. heteroscedasticity) характеризуется непостоянством дисперсии случайной ошибки. Классический пример — зависимость между доходом и расходами: у людей с высоким доходом вариабельность расходов значительно выше. |
| Гладунова Елена Павловна | Профессор кафедры управления и экономики фармации ФГБОУ ВО СамГМУ Минздрава России, доктор фармацевтических наук |
| Гомоскедастичность | Гомоскедастичность (англ. homoscedasticity) означает постоянство дисперсии случайной ошибки для всех наблюдений. Это одна из ключевых предпосылок классического метода наименьших квадратов. |
| Григорий Глаголенко | |
| Губайдуллина Алина | Студентка группы АБП-231 Московского городского университета по направлению Аналитика бизнес-процессов |
| Губанова Света | |
| Дамдинова Кристина | Студентка группы АБП-231, МГПУ. Владелица добрейшей кошки Леи |
| Дарья | |
| Денис Владимирович Сенников | учитель математики |
| Дисперсия | Дисперсия (англ. variance) — мера разброса значений случайной величины относительно её математического ожидания. Дисперсия характеризует степень изменчивости экономических показателей вокруг их среднего значения. |
| Дисперсия случайной ошибки | Дисперсия случайной ошибки (англ. error variance) — это статистическая мера разброса случайной компоненты регрессионной модели, показывающая степень вариабельности необъясненной части зависимой переменной. В контексте эконометрического моделирования дисперсия случайной ошибки играет фундаментальную роль в оценке качества модели и статистических выводах. |
| Дружелюбная эконометрика | Основы эконометрической теории Детальное обсуждение применения эконометрики на практике. Много отсылок к хорошим исследованиям, использующим эмпирические методы. |
