Поле цифровой дидактики - Вклад [ru]

Обсуждение:Ethnocentrism (model)

2025-12-27T06:29:41Z

Kate:

== ЭКСПЕРИМЕНТ 1 ==
''Гипотеза:'' увеличение стоимости помощи отрицательно влияет на численность альтруистов (CC) и положительно — на численность эгоистов (DD) в модели этноцентризма

{{#widget:Google Spreadsheet
|key=e/2PACX-1vRPGwF9cVIGNCXtJwJXeOw5P8TOl6iZzkRc_zuXvce8g6AetmAtWeTE-HtVRlvPzHbdt_2Fjf-yVY4k
|width=800
|height=400
}}
https://docs.google.com/spreadsheets/d/e/2PACX-1vRPGwF9cVIGNCXtJwJXeOw5P8TOl6iZzkRc_zuXvce8g6AetmAtWeTE-HtVRlvPzHbdt_2Fjf-yVY4k/pubhtml

'''Цель эксперимента:'''
Исследовать, как стоимость помощи (cost-of-giving) влияет на эволюционную динамику двух крайних стратегий:

CC (Альтруисты) — помогают всем, несмотря на цвет.

DD (Эгоисты) — никому не помогают.
Мы хотим понять: при каких условиях альтруизм выживает, а при каких его вытесняют эгоисты?

'''Настройки Netlogo'''

Для получения датасета представленная модель была загружена в Netlogo. После этого в настройках Пространства поведения были выставлены следующие значения:
[[Файл:Photo 2025-12-13 10-02-57.jpg|мини|центр]]

Эксперимент проводился при разных значениях cost-of-giving, фиксированных параметрах (mutation-rate=0.005, death-rate=0.1, immigrants-per-day=1, initial-PTR=0.12) и на протяжении 500 шагов.
Данные были собраны для нескольких повторов

[[Файл:Exp1.png|800px|центр]]

====Анализ графиков (Шаг 1–4)====
На каждом графике:

Ось X: номер шага симуляции (от 0 до ~600).

Ось Y(слева): количество агентов СС.

Ось Y(справа): количество агентов DD.

Фиолетовые точки (DD) — эгоисты.

Красные точки (CC) — альтруисты.

Также приведено линейное уравнение регрессии и коэффициент детерминации r².

===Шаг 1 эксперимента (стоимость помощи 0.001)===
CC (Альтруисты): растут быстро, достигают пика около 1000 агентов, затем стабилизируются.

DD (Эгоисты): растут медленнее, дотягивают лишь до 100 агентов

Уравнение для CC: CC = 2.22 * шаг + 69, r² = 0.78 — сильная линейная зависимость.

'''Вывод для Шага 1''': при низкой стоимости помощи альтруизм доминирует. Эгоисты растут медленнее, потому что они не получают выгоды от помощи, но и не тратят ресурсы. Однако при низкой стоимости помощи помощь выгодна, поэтому альтруисты процветают.

===Шаг 2 эксперимента (стоимость помощи 0.01)===
CC (Альтруисты): растут также быстро, как и во время первого эксперимента.

DD (Эгоисты): продолжают расти, становятся конкурентоспособными.

Уравнение для CC: CC1 = 2.3 * шаг + 97, r² = 0.794 — ещё более сильная корреляция, но это может быть связано с тем, что стоимость помощи немного выше, и альтруисты «выживают» дольше.

'''Вывод для Шага 2''': По мере роста стоимости помощи альтруизм становится менее выгодным. Эгоисты, которые не платят за помощь, начинают догонять альтруистов. Это говорит о том, что даже небольшое увеличение стоимости помощи может изменить баланс сил.

===Шаг 3 эксперимента (стоимость помощи 0.02)===
CC (Альтруисты): сильно снижаются, почти исчезают к концу.

DD (Эгоисты): быстро растут, становятся доминирующими.

Уравнение для CC2: CC2 = 0.003 * шаг + 3.8, r² = 0.039 — очень слабая корреляция, что означает, что альтруисты больше не растут линейно — их популяция колеблется и падает.

'''Вывод для Шага 3''': при высокой стоимости помощи альтруизм практически исчезает. Эгоисты становятся доминирующими — они не тратят ресурсы, поэтому их шанс выжить выше.

===Шаг 4 эксперимента (стоимость помощи 0.05)===
CC (Альтруисты): Минимальное количество, почти нулевое.

DD (Эгоисты): доминируют, особенно к концу.

Уравнение для CC3: CC3 = 0.004 * шаг + 3.8, r² = 0.043 — аналогично Шагу 3, альтруисты не имеют значимого роста.

'''Вывод для Шага 4''': при очень высокой стоимости помощи альтруизм исчезает полностью. Эгоисты становятся доминирующими — они не тратят ресурсы, поэтому при высокой стоимости помощи они выигрывают.

===Главный вывод===
Альтруизм (CC) является эволюционно устойчивой стратегией только при очень низкой стоимости помощи. Как только помощь становится дороже, альтруисты начинают проигрывать, потому что они теряют ресурсы, не получая обратной выгоды. Эгоисты (DD), которые не тратят ресурсы на помощь, начинают доминировать.

Это означает, что:

Альтруизм требует «дешёвой» кооперации — если помощь стоит слишком дорого, она становится невыгодной.
Эгоизм — стратегия выживания в условиях дефицита ресурсов — он не тратит, поэтому всегда имеет шанс выжить.
В реальном мире это объясняет, почему в кризисных ситуациях люди становятся более эгоистичными — помощь становится слишком дорогой.
Общественно значимые последствия
Этот эксперимент показывает, что альтруизм — это не просто «добро», а экономически выгодная стратегия, которая работает только при определённых условиях.

===Заключение===
Модель «Ethnocentrism» демонстрирует, что альтруизм может эволюционировать только в условиях, когда помощь дешёвая и выгодная. Как только стоимость помощи растёт, альтруисты начинают проигрывать, и их вытесняют эгоисты.
Этот вывод имеет прямое отношение к современным социальным, политическим и экономическим процессам. Он показывает, что для поддержания альтруизма в обществе необходимо создавать условия, при которых помощь не является экономически обременительной.

== ЭКСПЕРИМЕНТ 2 ==
--[[Участник:Kate|Kate]] ([[Обсуждение участника:Kate|обсуждение]]) 09:29, 27 декабря 2025 (MSK)
Исследуемый датасет
https://docs.google.com/spreadsheets/d/1OWRXQsVH1XQbvr71JSQY0YK72PP1hkQ-dmm7y_Snhjg/edit?usp=sharing

{{#widget:Google Spreadsheet
|key=e/2PACX-1vSftAub9NCWOHHhvqgyyRxggOke0nwn1QNNoOskMe1wTBLSfQsuxWCDnYHEfy1GtPH17l6sjr7rKR4a
|width=800
|height=400
}}

''Гипотеза: при увеличении потока иммигрантов доля этноцентристов в популяции растёт, а доля альтруистов — падает.''

Для проверки гипотезы мною был выбран независимый параметр immigrants-per-day — уровень иммиграции, который принимал значения 0, 1, 2, 3, 4, 5

Был получен датасет, состоящий из 500 шагов для каждого значения immigrants-per-day. На его основе была построена диаграмма bar chart:
[[Файл:Эмигранты.png|600px]]
 

====Анализ====
; 0 иммигрантов в день - однородный мир без внешнего влияния
Когда в систему не поступают новые агенты, все стратегии ведут себя не так, как предсказывает классическая модель.
Оказалось, что ни одна стратегия не доминирует. Наоборот — все они почти равномерно распределены:

* Альтруисты: ~24.6%
* Эгоисты: ~24.8%
* Этноцентристы: ~24.6%
* Предатели: ~26.1%

Это означает, что в полностью замкнутой и стабильной среде никакая стратегия не имеет явного эволюционного преимущества. [[Альтруизм]] не выигрывает, потому что нет постоянного давления, которое бы «отсеивало» эксплуататоров. [[Система]] находится в состоянии неустойчивого равновесия, где все типы выживают примерно в равной степени.

; 1 иммигрант в день: появляется «чужак» — запускается механизм отбора
: Уже при самом минимальном уровне иммиграции картина резко меняется.
: Появление даже одного «чужого» агента в день нарушает баланс и запускает процесс естественного отбора стратегий.

Этноцентристы резко вырываются вперёд — их доля прыгает до 67.7%.
Альтруисты и эгоисты теряют позиции — их доли падают до 17.7% и 11.6% соответственно.
Предатели, кооперирующиеся только с «чужаками», почти исчезают (3%), потому что их поведение невыгодно.
Таким образом, иммиграция становится катализатором возникновения групповой идентичности. Этноцентризм оказывается самой устойчивой стратегией: помогать «своим» и игнорировать «чужих» — это эффективная защита от эксплуатации.

; 2 иммигранта в день: пик этноцентризма
При двух иммигрантах в день система достигает максимальной поляризации:

Этноцентристы: 79.6% — абсолютное доминирование
Альтруисты: падают до всего 8.6%.
Эгоисты: ~8.2%
Предатели: остаются на уровне ~3.6%.

Этот результат полностью подтверждает гипотезу: чем выше (но умеренный) уровень иммиграции, тем сильнее выигрывает стратегия «мы vs они». Альтруизм, предполагающий кооперацию со всеми без исключения, становится уязвимым — его «подставляют» чужаки, которые не отвечают взаимностью.

; 3–5 иммигрантов в день: нестабильность и колебания
Но дальше — неожиданный поворот. При высоком уровне иммиграции (3–5 агентов в день) система перестаёт вести себя предсказуемо.

Доля этноцентристов снижается (от 70.8% при 3 до 66.7% при 5).
Альтруисты, наоборот, внезапно растут — до 18–19% (почти вдвое выше, чем при 2 иммигрантах).
Предатели тоже немного увеличивают свою долю (до ~6% при 5 иммигрантах).
Это может означать одно из двух:

Высокая иммиграция дестабилизирует систему: постоянное обновление популяции не даёт установиться чёткому равновесию.
Альтруисты находят нишу: при очень высокой плотности «чужаков» иногда выгоднее кооперироваться со всеми, потому что «своих» становится слишком мало, чтобы на них полагаться.
В любом случае, гипотеза перестаёт работать монотонно: рост иммиграции не приводит к дальнейшему усилению этноцентризма, а, наоборот, ослабляет его.

====Вывод====

[[Эксперимент]] частично подтвердил гипотезу, но также выявил важное уточнение:

Небольшая иммиграция действительно запускает механизм этноцентризма и подавляет альтруизм.
Однако при высоком уровне иммиграции система теряет стабильность, и доминирование этноцентристов ослабевает.

Это говорит о том, что [[этноцентризм]] — не универсальный ответ на любую миграцию, а адаптация к умеренной угрозе "извне". Когда угроза становится слишком большой, социальная структура начинает «расплываться», и менее избирательные стратегии (в том числе альтруизм) могут снова получать шанс на выживание.

Таким образом, модель показывает: групповая идентичность — это не просто реакция на «чужаков», а хрупкое равновесие, которое требует определённых условий для устойчивости.

''Соответственно, начальная гипотеза не подтверждается в полной мере.''

== ЭКСПЕРИМЕНТ 3 ==
--[[Участник:PanshinaZina|PanshinaZina]] ([[Обсуждение участника:PanshinaZina|обсуждение]]) 19:36, 12 декабря 2025 (MSK)

'''Цель эксперимента:'''
Исследовать, как частота мутаций (mutation-rate) влияет на эволюцию эгоцентризма в модели Ethnocentrism. Конкретно — как mutation-rate влияет на:

1. Уровень этноцентрического поведения (consist-ethno-agg-percent).

2. Стабильность и предсказуемость результатов (дисперсию).

'''Условия эксперимента:'''

1. mutation-rate = 0.001, 0.005, 0.01, 0.02.

2. Остальные поля по умолчанию.

3. Повторы: 5.

4. Шагов: 500.
=== Датасет эксперимента ===
Ссылка на гугл таблицу с датасетом
* https://docs.google.com/spreadsheets/d/1hJQUTLBYmOVuxGkWBpzJO3vrN0f6mDw3JLvvYlefMSU/edit?usp=sharing

{{#widget:Google Spreadsheet
|key=e/2PACX-1vTE34zXRfs1CacDFFEokCo1pxXMCd4w6MUXu51gsXlTjh7pUgnA3IrsnOlXI7fIJ1PBynni0-X9PJ7X
|width=800
|height=400
}}
=== Построение графика распределения ===
Загрузим наш датасет на RAWGraph, где построим boxplot(ящик с усами), который покажет медиану, размах и выбросы для каждой группы.

[[Файл:Boxplot.png| 600px]]

Мы видим, что по '''медианам''' четко видна убывающая тенденция:

mutation-rate = 0.001: медиана ~0.707

mutation-rate = 0.005: медиана ~0.701

mutation-rate = 0.01: медиана ~0.674

mutation-rate = 0.02: медиана ~0.625

'''По IQR (размах):'''

Группа 0.001 имеет самый широкий IQR — это указывает на высокую дисперсию.
Группы 0.01 и 0.02 имеют очень узкий IQR — низкая дисперсия, результаты стабильны.

'''[[Выброс]]ы:'''

{{#ask: [[Выброс]] | ?Description }}

В группе 0.001 много выбросов, особенно в нижней части — это подтверждает [[бимодальность]] (некоторые запуски "проваливаются").
В группах 0.01 и 0.02 практически нет выбросов — система быстро сходится к одному состоянию.

=== Вывод по [[Boxplot]] ===
{{#ask: [[Boxplot]] | ?Description }}

При низкой мутации (0.001) система может либо успешно эволюционировать (высокий ethno_percent), либо "застревать" (низкий ethno_percent). При высокой мутации (0.01, 0.02) система стабильно, но слабо эволюционирует.

=== Построение графика Beeswarm ===
Построим в RAWGraph график Beeswarm(датасет тот же), чтобы посмотреть поведение модели на данном графике.

[[Файл:Beeswarm ethnocentrism.png| 600px]]

'''Что показывает:'''

Все индивидуальные точки (run'ы) — не только сводная статистика, но и каждое наблюдение.

'''Ключевые наблюдения:'''

''Группа mutation-rate = 0.001 (самый светлый цвет)''

Широкое распределение: Точки разбросаны по всему диапазону значений ethno_percent — от очень низких (~0.4) до очень высоких (~0.8). Высокая дисперсия: Большое количество точек рассеяно по всему графику, что указывает на нестабильность системы при низкой мутации.
Бимодальность - видно два кластера:

Один кластер — в нижней части графика (низкий ethno_percent, ~0.4–0.5). Это "неудачные" запуски, где система "застряла".

Другой кластер — в верхней части (высокий ethno_percent, ~0.7–0.8). Это "успешные" запуски, где эгоцентризм доминирует.

''Группа mutation-rate = 0.005 (средний светло-голубой цвет)''

Уже распределение: Точки уже не так сильно рассеяны, как при 0.001.
Меньше "провалов": Количество точек в нижней части графика (низкий ethno_percent) меньше, чем при 0.001.
Сохраняется высокий уровень: Много точек все еще находятся в верхней части графика (высокий ethno_percent).

''Группы mutation-rate = 0.01 и 0.02 (темно-синие точки)''

Очень узкое распределение: Точки плотно сгруппированы в узком диапазоне значений ethno_percent — примерно от 0.5 до 0.65.
Нет "провалов": Почти нет точек в самом низу графика.
Нет "побед": Почти нет точек в самом верху графика (высокий ethno_percent > 0.7).
Низкая дисперсия: Все точки скучены в одном месте, что указывает на высокую стабильность системы при высокой мутации.

=== Выводы по Beeswarm Plot ===
Этот график подтверждает и дополняет выводы из Boxplot. Он показывает, что бимодальность при mutation-rate = 0.001 — системная особенность динамики модели при низкой мутационной нагрузке.
При mutation-rate ≥ 0.01 система теряет способность к "большому прорыву" (достижению очень высокого ethno_percent), но зато становится предсказуемой.
=== Заключение ===
В ходе анализа было установлено, что частота мутаций оказывает значительное влияние на эволюцию этноцентризма. Оба графика — Boxplot и Beeswarm Plot — демонстрируют четкую тенденцию: с ростом mutation-rate средний уровень этноцентризма стабильно снижается. Критический порог, после которого этноцентризм перестает доминировать, лежит между 0.005 и 0.01.

Более детальный анализ Beeswarm Plot позволил выявить важную особенность: при самой низкой мутации (0.001) система проявляет бимодальное поведение — она может либо успешно эволюционировать (достигать высокого ethno_percent), либо "провалиться" (оставаться на низком уровне). Это указывает на высокую чувствительность системы к начальным условиям при низкой мутации.

В то же время, при высокой мутации (0.01, 0.02) система становится стабильной, но предсказуемо слабой — этноцентризм не успевает развиться, и система быстро стабилизируется на низком уровне.

Таким образом, оптимальный уровень мутации для эволюции этноцентризма — это низкий уровень (0.001 или 0.005), который позволяет системе "экспериментировать", но не разрушает устойчивые стратегии.

Обсуждение:Wealth Distribution

2025-12-21T21:33:02Z

Kate: /* График: Динамика численности красных агентов */

== Экспериментальные датасеты NetLogo ==

=== [[Эксперимент]] 29 ноября 2025 ===
Мы получили набор данных из модели [[Wealth Distribution]] - BehaviorSpace со следующими условиями:
["num-grain-grown" 4]
["percent-best-land" 5 10 15 20]
["metabolism-max" 10 15 20]
["max-vision" 4 5 6 7 8 9 10]
["num-people" 400]
["grain-growth-interval" 2]
["life-expectancy-min" 30]
["life-expectancy-max" 70]

В эксперименте собирались следующие метрики:
ticks
count turtles
count turtles with [color = red]
count turtles with [color = green]
count turtles with [color = blue]
gini-index-reserve / num-people
gini-index-reserve

; Результаты
* https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/Wealth%20Distribution%20experiment_29-table.csv

''' График изменения неравенства во времени (gini-index-reserve по ticks)'''

[[Участник:Malena Buzdugan|Malena Buzdugan]] 11:04, 13 декабря 2025 (MSK)
[[Файл:Viz (2).png|600px|центр]]
Показывает, как неравенство растёт или стабилизируется во времени. В типичных моделях типа Sugarscape коэффициент Джини быстро растёт в начале (разрыв между «богатыми» и «бедными»), затем стабилизируется.

'''Сравнение неравенства по max-vision'''

[[Участник:Malena Buzdugan|Malena Buzdugan]] 11:04, 13 декабря 2025 (MSK)
[[Файл:Viz (3).png|600px|центр]]
Чем выше max-vision (способность видеть ресурсы), тем ниже коэффициент Джини — то есть, неравенство уменьшается. Это говорит о том, что доступ к информации (в данном случае — возможность видеть ресурсы) способствует более равному распределению богатства.

===График: Динамика численности красных агентов===
--[[Участник:Kate|Kate]] ([[Обсуждение участника:Kate|обсуждение]]) 23:07, 21 декабря 2025 (MSK)
[[Файл:ГрафикWealth.jpg|600px|мини]]

''Что показывает'': это Streamgraph (потоковый график), который показывает, как меняется количество агентов, окрашенных в красный цвет, в течение симуляции. Цвета слоев (красный, розовый, белый) соответствуют разным значениям параметра max-vision (4, 5, 6). Цифры внутри областей — это значения max-vision.

''О чём говорит:''
Общая тенденция: количество красных агентов в целом растет в начале симуляции, а затем стабилизируется или даже немного снижается. Это говорит о том, что красный цвет, обозначающий агентов с определенным статусом (например, "богатые" или "активные"), вначале доминирует, но потом доля красных агентов перестает расти.

''Сравнение по max-vision:''
max-vision = 6 (темно-красный): эта группа имеет самую большую площадь под кривой. Это значит, что при более широком "поле зрения" (max-vision=6) агенты чаще становятся "красными". Возможно, они лучше находят ресурсы или взаимодействуют с другими агентами.
max-vision = 5 (розовый): промежуточное положение.
max-vision = 4 (белый/светло-серый): наименьшая площадь. Агенты с ограниченным полем зрения реже становятся "красными".

Резкое падение индекса Джини около шага 160 совпадает с резким падением численности всех групп красных агентов. Это подтверждает гипотезу: именно "красные" агенты были главными "богачами", и их массовая гибель привела к падению неравенства.

'''Вывод'''

Параметр max-vision напрямую влияет на то, насколько успешно агенты могут достичь "красного" статуса. Чем дальше видят агенты, тем больше их становится в этой группе. Резкое падение численности красных агентов коррелирует с обвалом неравенства, что говорит о том, что именно эта группа была источником неравенства.

'''График: Распределение значений max-vision'''

[[Файл:ГрафикПчелы.png|600px|мини]]

''Что показывает:'' это Beeswarm plot (пчелиный рой), где по горизонтальной оси отложены значения параметра max-vision (4, 5, 6), а по вертикальной — значения gini-index-reserve / num-people. Каждая точка — это одно наблюдение (один шаг симуляции).

''О чём говорит:''
Точки четко разделены на три кластера по значению max-vision. Это хорошо визуализирует, что данные сгруппированы по этому параметру.
В каждом кластере точки плотно сгруппированы, что говорит о том, что в пределах одного значения max-vision показатель (например, Джини) имеет схожее распределение. Видно, что кластер max-vision = 6 (красный) смещен вправо, а max-vision = 4 (голубой) — влево. Если по вертикали отложен индекс Джини, это означает, что при max-vision = 6 неравенство выше, чем при max-vision = 4.

'''Вывод:'''

Этот график наглядно демонстрирует, что параметр max-vision является ключевым фактором, определяющим поведение модели. Разные значения этого параметра приводят к принципиально разным результатам (разному уровню неравенства или доле красных агентов). Он позволяет сравнить "центры тяжести" распределений для разных экспериментов.

=== [[Эксперимент]] 07 декабря 2025 (480 runs) ===

{{#ask: [[NetLogo Wealth Distribution 07122025]] | ?Description | ?KeyDescripions }}

Мы получили набор данных из модели [[Wealth Distribution]] - BehaviorSpace со следующими условиями:
["num-grain-grown" 5]
["percent-best-land" 5 10 15 20]
["metabolism-max" 10 15]
["max-vision" 4 6 8 10 12 14]
["num-people" 300]
["grain-growth-interval" 1 2 3 4 5 6 7 8 9 10]
["life-expectancy-min" 30]
["life-expectancy-max" 80]

В эксперименте собирались следующие метрики:
ticks
count turtles
gini-index-reserve / num-people

При этом данные собирались только в конце прогона - 500 ticks

Мы хотели исследовать влияние способностей людей '''max-vision''' на неравномерность распределения богатства - [[коэффициент Джини]] '''gini-index-reserve / num-people'''

; Результаты
* https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/Wealth%20Distribution%20experiment_07_12table.csv
* https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/data_model_07_12.csv

== Процесс обработки в R ==

<syntaxhighlight lang="R" line>

url <- "https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/data_model_07_12.csv"

data_clean <- read.csv(url)

boxplot(gini ~ max.vision, data = data_clean,
main = "Влияние дальности видения на коэффициент Джини",
xlab = "Дальность видения (max.vision)",
ylab = "Коэффициент Джини",
col = "lightblue")

</syntaxhighlight>

* [[boxplot]]
[[Файл:Boxplot r.png|450px]]

<syntaxhighlight lang="R" line>
# Формула: зависимая_переменная ~ независимая_переменная
model_vision <- lm(gini ~ max.vision, data = data_clean)
summary(model_vision)

</syntaxhighlight>

Call:
lm(formula = gini ~ max.vision, data = data_clean)

bResiduals:
Min 1Q Median 3Q Max
-0.052899 -0.012218 0.002057 0.011398 0.047757

Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 0.2348489 0.0022385 104.915 < 2e-16 ***
max.vision -0.0009564 0.0002325 -4.113 4.6e-05 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.0174 on 478 degrees of freedom
Multiple R-squared: 0.03418, Adjusted R-squared: 0.03216
F-statistic: 16.92 on 1 and 478 DF, p-value: 4.601e-05

==Визуализация эксперимента на основе модели Wealth Distribution==
--[[Участник:Григорий Глаголенко|Григорий Глаголенко]] ([[Обсуждение участника:Григорий Глаголенко|обсуждение]]) 00:05, 22 декабря 2025 (MSK)

'''Box plot'''

[[Файл:Боксплот.png|600px|мини]]
''Сравнение медиан:'' медианы (горизонтальные линии) для разных групп довольно близки друг к другу, что говорит о том, что средний уровень неравенства примерно одинаков при разных значениях параметра.

''Разброс данных:'' заметно, что высота ящиков (IQR) и длина усов различаются. Это означает, что разброс (дисперсия) значений индекса Джини меняется в зависимости от параметра. Например, группа с параметром 4 имеет более широкий IQR, чем группа с параметром 6, что указывает на большую вариативность результатов в первой группе.

''Наличие выбросов:'' в каждой группе есть множество выбросов (точки). Это может указывать на то, что модель иногда выдает экстремально высокие или низкие значения неравенства, независимо от параметра.

'''Multi-set bar chart'''

[[Файл:Multi-set bar chart2.png|600px|мини]]

''Доминирование "богатых" (red):'' в подавляющем большинстве экспериментов (более 80% от общего числа count turtles) агенты находятся в состоянии red. Это означает, что модель стабильно приводит к ситуации, где большинство ресурсов сосредоточено в руках небольшой группы "богатых" агентов.

''Малочисленность "бедных" (blue):'' количество агентов с цветом red крайне мало (обычно менее 5-7% от общего числа). Это указывает на то, что крайняя нищета или полное обнищание (исчезновение) затрагивает лишь небольшую часть популяции.

''Среднее состояние (green) — промежуточное:'' группа green занимает промежуточное положение по численности (около 10-15%). Это говорит о том, что есть определенная прослойка "среднего класса", но она значительно меньше, чем "богатые".

''Устойчивость к параметрам:'' как видно из графика Multi-set bar chart, соотношение между цветами практически не меняется при изменении ключевого параметра max-vision. Это свидетельствует о том, что наблюдаемое неравенство является фундаментальной чертой модели, а не следствием конкретного значения этого параметра. Модель стабильно воспроизводит эту структуру распределения независимо от того, насколько далеко могут видеть агенты.

Обсуждение:Wealth Distribution

2025-12-21T20:07:40Z

Kate: /* Экспериментальные датасеты NetLogo */

== Экспериментальные датасеты NetLogo ==

=== [[Эксперимент]] 29 ноября 2025 ===
Мы получили набор данных из модели [[Wealth Distribution]] - BehaviorSpace со следующими условиями:
["num-grain-grown" 4]
["percent-best-land" 5 10 15 20]
["metabolism-max" 10 15 20]
["max-vision" 4 5 6 7 8 9 10]
["num-people" 400]
["grain-growth-interval" 2]
["life-expectancy-min" 30]
["life-expectancy-max" 70]

В эксперименте собирались следующие метрики:
ticks
count turtles
count turtles with [color = red]
count turtles with [color = green]
count turtles with [color = blue]
gini-index-reserve / num-people
gini-index-reserve

; Результаты
* https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/Wealth%20Distribution%20experiment_29-table.csv

''' График изменения неравенства во времени (gini-index-reserve по ticks)'''

[[Участник:Malena Buzdugan|Malena Buzdugan]] 11:04, 13 декабря 2025 (MSK)
[[Файл:Viz (2).png|600px|центр]]
Показывает, как неравенство растёт или стабилизируется во времени. В типичных моделях типа Sugarscape коэффициент Джини быстро растёт в начале (разрыв между «богатыми» и «бедными»), затем стабилизируется.

'''Сравнение неравенства по max-vision'''

[[Участник:Malena Buzdugan|Malena Buzdugan]] 11:04, 13 декабря 2025 (MSK)
[[Файл:Viz (3).png|600px|центр]]
Чем выше max-vision (способность видеть ресурсы), тем ниже коэффициент Джини — то есть, неравенство уменьшается. Это говорит о том, что доступ к информации (в данном случае — возможность видеть ресурсы) способствует более равному распределению богатства.

===График: Динамика численности красных агентов===
--[[Участник:Kate|Kate]] ([[Обсуждение участника:Kate|обсуждение]]) 23:07, 21 декабря 2025 (MSK)
[[Файл:ГрафикWealth.jpg|600px|мини]]

''Что показывает'': Это Streamgraph (потоковый график), который показывает, как меняется количество агентов, окрашенных в красный цвет, в течение симуляции. Цвета слоев (красный, розовый, белый) соответствуют разным значениям параметра max-vision (4, 5, 6). Цифры внутри областей — это значения max-vision.

''О чём говорит:''
Общая тенденция: Количество красных агентов в целом растет в начале симуляции, а затем стабилизируется или даже немного снижается. Это говорит о том, что красный цвет, скорее всего, обозначает агентов с определенным статусом (например, "богатые" или "активные"), которые вначале доминируют, но потом их доля перестает расти.

''Сравнение по max-vision:''
max-vision = 6 (темно-красный): Эта группа имеет самую большую площадь под кривой. Это значит, что при более широком "поле зрения" (max-vision=6) агенты чаще становятся "красными". Возможно, они лучше находят ресурсы или взаимодействуют с другими агентами.
max-vision = 5 (розовый): промежуточное положение.
max-vision = 4 (белый/светло-серый): наименьшая площадь. Агенты с ограниченным полем зрения реже становятся "красными".

Резкое падение индекса Джини около шага 160 совпадает с резким падением численности всех групп красных агентов. Это подтверждает гипотезу: именно "красные" агенты были главными "богачами", и их массовая гибель привела к падению неравенства.

'''Вывод'''

Параметр max-vision напрямую влияет на то, насколько успешно агенты могут достичь "красного" статуса. Чем дальше видят агенты, тем больше их становится в этой группе. Резкое падение численности красных агентов коррелирует с обвалом неравенства, что говорит о том, что именно эта группа была источником неравенства.

'''График: Распределение значений max-vision'''

[[Файл:ГрафикПчелы.png|600px|мини]]

''Что показывает:'' Это Beeswarm plot (пчелиный рой), где по горизонтальной оси отложены значения параметра max-vision (4, 5, 6), а по вертикальной — значения gini-index-reserve / num-people. Каждая точка — это одно наблюдение (один шаг симуляции).

''О чём говорит:''
Точки четко разделены на три кластера по значению max-vision. Это хорошо визуализирует, что данные сгруппированы по этому параметру.
В каждом кластере точки плотно сгруппированы, что говорит о том, что в пределах одного значения max-vision показатель (например, Джини) имеет схожее распределение. Видно, что кластер max-vision = 6 (красный) смещен вправо, а max-vision = 4 (голубой) — влево. Если по вертикали отложен индекс Джини, это означает, что при max-vision = 6 неравенство выше, чем при max-vision = 4.

'''Вывод:'''

Этот график наглядно демонстрирует, что параметр max-vision является ключевым фактором, определяющим поведение модели. Разные значения этого параметра приводят к принципиально разным результатам (разному уровню неравенства или доле красных агентов). Он позволяет сравнить "центры тяжести" распределений для разных экспериментов.

=== [[Эксперимент]] 07 декабря 2025 (480 runs) ===

{{#ask: [[NetLogo Wealth Distribution 07122025]] | ?Description | ?KeyDescripions }}

Мы получили набор данных из модели [[Wealth Distribution]] - BehaviorSpace со следующими условиями:
["num-grain-grown" 5]
["percent-best-land" 5 10 15 20]
["metabolism-max" 10 15]
["max-vision" 4 6 8 10 12 14]
["num-people" 300]
["grain-growth-interval" 1 2 3 4 5 6 7 8 9 10]
["life-expectancy-min" 30]
["life-expectancy-max" 80]

В эксперименте собирались следующие метрики:
ticks
count turtles
gini-index-reserve / num-people

При этом данные собирались только в конце прогона - 500 ticks

Мы хотели исследовать влияние способностей людей '''max-vision''' на неравномерность распределения богатства - [[коэффициент Джини]] '''gini-index-reserve / num-people'''

; Результаты
* https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/Wealth%20Distribution%20experiment_07_12table.csv
* https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/data_model_07_12.csv

== Процесс обработки в R ==

<syntaxhighlight lang="R" line>

url <- "https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/data_model_07_12.csv"

data_clean <- read.csv(url)

boxplot(gini ~ max.vision, data = data_clean,
main = "Влияние дальности видения на коэффициент Джини",
xlab = "Дальность видения (max.vision)",
ylab = "Коэффициент Джини",
col = "lightblue")

</syntaxhighlight>

* [[boxplot]]
[[Файл:Boxplot r.png|450px]]

<syntaxhighlight lang="R" line>
# Формула: зависимая_переменная ~ независимая_переменная
model_vision <- lm(gini ~ max.vision, data = data_clean)
summary(model_vision)

</syntaxhighlight>

Call:
lm(formula = gini ~ max.vision, data = data_clean)

bResiduals:
Min 1Q Median 3Q Max
-0.052899 -0.012218 0.002057 0.011398 0.047757

Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 0.2348489 0.0022385 104.915 < 2e-16 ***
max.vision -0.0009564 0.0002325 -4.113 4.6e-05 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.0174 on 478 degrees of freedom
Multiple R-squared: 0.03418, Adjusted R-squared: 0.03216
F-statistic: 16.92 on 1 and 478 DF, p-value: 4.601e-05

Участник:Kate

2025-12-13T08:48:25Z

Kate:

{{UserMGPU
|Description=Студент группы АБП-231
|Field_of_knowledge=Математика, Информатика, Психология, Экономика, Литература, Алгебра
|similar_concepts=Аналитика, Программирование
|Environment=Python, PostgreSQL, Deepseek, DataLens
|Position=Бакалавриат
|Profile=Информатика
|PedDirection=Нет
|Community=ЦИТИС
|Виды_спорта=Баскетбол
|Working_On=Участник:Kate/Experiments, VorobevaEkaterina/Wolf-Sheep, VorobevaEkaterina/SimpleEconomy, Как провести регрессионный анализ, Обсуждение:Практическое задание по анализу временных рядов, Обсуждение:Ethnocentrism (model), Обсуждение:Wealth Distribution
}}
----

[[Участник:Kate/Experiments|Эксперименты]]

См - [[VorobevaEkaterina/Wolf-Sheep]]

См - [[VorobevaEkaterina/SimpleEconomy]]

[[Категория:UserMGPU]]
[[Категория:АБП-231]]

Обсуждение:Wealth Distribution

2025-12-13T08:47:43Z

Kate: /* Эксперимент 29 ноября 2025 */

== Экспериментальные датасеты NetLogo ==

=== [[Эксперимент]] 29 ноября 2025 ===
Мы получили набор данных из модели [[Wealth Distribution]] - BehaviorSpace со следующими условиями:
["num-grain-grown" 4]
["percent-best-land" 5 10 15 20]
["metabolism-max" 10 15 20]
["max-vision" 4 5 6 7 8 9 10]
["num-people" 400]
["grain-growth-interval" 2]
["life-expectancy-min" 30]
["life-expectancy-max" 70]

В эксперименте собирались следующие метрики:
ticks
count turtles
count turtles with [color = red]
count turtles with [color = green]
count turtles with [color = blue]
gini-index-reserve / num-people
gini-index-reserve

; Результаты
* https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/Wealth%20Distribution%20experiment_29-table.csv

''' График изменения неравенства во времени (gini-index-reserve по ticks)'''

[[Участник:Malena Buzdugan|Malena Buzdugan]] 11:04, 13 декабря 2025 (MSK)
[[Файл:Viz (2).png|600px|центр]]
Показывает, как неравенство растёт или стабилизируется во времени. В типичных моделях типа Sugarscape коэффициент Джини быстро растёт в начале (разрыв между «богатыми» и «бедными»), затем стабилизируется.

'''Сравнение неравенства по max-vision'''

[[Участник:Malena Buzdugan|Malena Buzdugan]] 11:04, 13 декабря 2025 (MSK)
[[Файл:Viz (3).png|600px|центр]]
Чем выше max-vision (способность видеть ресурсы), тем ниже коэффициент Джини — то есть, неравенство уменьшается. Это говорит о том, что доступ к информации (в данном случае — возможность видеть ресурсы) способствует более равному распределению богатства.

'''График: Динамика численности красных агентов'''
[[Файл:ГрафикWealth.jpg|600px|мини]]

''Что показывает'': Это Streamgraph (потоковый график), который показывает, как меняется количество агентов, окрашенных в красный цвет, в течение симуляции. Цвета слоев (красный, розовый, белый) соответствуют разным значениям параметра max-vision (4, 5, 6). Цифры внутри областей — это значения max-vision.

''О чём говорит:''
Общая тенденция: Количество красных агентов в целом растет в начале симуляции, а затем стабилизируется или даже немного снижается. Это говорит о том, что красный цвет, скорее всего, обозначает агентов с определенным статусом (например, "богатые" или "активные"), которые вначале доминируют, но потом их доля перестает расти.

''Сравнение по max-vision:''
max-vision = 6 (темно-красный): Эта группа имеет самую большую площадь под кривой. Это значит, что при более широком "поле зрения" (max-vision=6) агенты чаще становятся "красными". Возможно, они лучше находят ресурсы или взаимодействуют с другими агентами.
max-vision = 5 (розовый): промежуточное положение.
max-vision = 4 (белый/светло-серый): наименьшая площадь. Агенты с ограниченным полем зрения реже становятся "красными".

Резкое падение индекса Джини около шага 160 совпадает с резким падением численности всех групп красных агентов. Это подтверждает гипотезу: именно "красные" агенты были главными "богачами", и их массовая гибель привела к падению неравенства.

'''Вывод'''

Параметр max-vision напрямую влияет на то, насколько успешно агенты могут достичь "красного" статуса. Чем дальше видят агенты, тем больше их становится в этой группе. Резкое падение численности красных агентов коррелирует с обвалом неравенства, что говорит о том, что именно эта группа была источником неравенства.

'''График: Распределение значений max-vision'''

[[Файл:ГрафикПчелы.png|600px|мини]]

''Что показывает:'' Это Beeswarm plot (пчелиный рой), где по горизонтальной оси отложены значения параметра max-vision (4, 5, 6), а по вертикальной — значения gini-index-reserve / num-people. Каждая точка — это одно наблюдение (один шаг симуляции).

''О чём говорит:''
Точки четко разделены на три кластера по значению max-vision. Это хорошо визуализирует, что данные сгруппированы по этому параметру.
В каждом кластере точки плотно сгруппированы, что говорит о том, что в пределах одного значения max-vision показатель (например, Джини) имеет схожее распределение. Видно, что кластер max-vision = 6 (красный) смещен вправо, а max-vision = 4 (голубой) — влево. Если по вертикали отложен индекс Джини, это означает, что при max-vision = 6 неравенство выше, чем при max-vision = 4.

'''Вывод:'''

Этот график наглядно демонстрирует, что параметр max-vision является ключевым фактором, определяющим поведение модели. Разные значения этого параметра приводят к принципиально разным результатам (разному уровню неравенства или доле красных агентов). Он позволяет сравнить "центры тяжести" распределений для разных экспериментов.

=== [[Эксперимент]] 07 декабря 2025 (480 runs) ===

{{#ask: [[NetLogo Wealth Distribution 07122025]] | ?Description | ?KeyDescripions }}

Мы получили набор данных из модели [[Wealth Distribution]] - BehaviorSpace со следующими условиями:
["num-grain-grown" 5]
["percent-best-land" 5 10 15 20]
["metabolism-max" 10 15]
["max-vision" 4 6 8 10 12 14]
["num-people" 300]
["grain-growth-interval" 1 2 3 4 5 6 7 8 9 10]
["life-expectancy-min" 30]
["life-expectancy-max" 80]

В эксперименте собирались следующие метрики:
ticks
count turtles
gini-index-reserve / num-people

При этом данные собирались только в конце прогона - 500 ticks

Мы хотели исследовать влияние способностей людей '''max-vision''' на неравномерность распределения богатства - [[коэффициент Джини]] '''gini-index-reserve / num-people'''

; Результаты
* https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/Wealth%20Distribution%20experiment_07_12table.csv
* https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/data_model_07_12.csv

== Процесс обработки в R ==

<syntaxhighlight lang="R" line>

url <- "https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/data_model_07_12.csv"

data_clean <- read.csv(url)

boxplot(gini ~ max.vision, data = data_clean,
main = "Влияние дальности видения на коэффициент Джини",
xlab = "Дальность видения (max.vision)",
ylab = "Коэффициент Джини",
col = "lightblue")

</syntaxhighlight>

* [[boxplot]]

<syntaxhighlight lang="R" line>
# Формула: зависимая_переменная ~ независимая_переменная
model_vision <- lm(gini ~ max.vision, data = data_clean)
summary(model_vision)

</syntaxhighlight>

Call:
lm(formula = gini ~ max.vision, data = data_clean)

bResiduals:
Min 1Q Median 3Q Max
-0.052899 -0.012218 0.002057 0.011398 0.047757

Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 0.2348489 0.0022385 104.915 < 2e-16 ***
max.vision -0.0009564 0.0002325 -4.113 4.6e-05 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.0174 on 478 degrees of freedom
Multiple R-squared: 0.03418, Adjusted R-squared: 0.03216
F-statistic: 16.92 on 1 and 478 DF, p-value: 4.601e-05

Файл:ГрафикПчелы.png

2025-12-13T08:43:49Z

Kate:

ГрафикПчелы

Файл:ГрафикWealth.jpg

2025-12-13T08:41:31Z

Kate:

график

Участник:Kate

2025-12-13T07:08:46Z

Kate:

{{UserMGPU
|Description=Студент группы АБП-231
|Field_of_knowledge=Математика, Информатика, Психология, Экономика, Литература, Алгебра
|similar_concepts=Аналитика, Программирование
|Environment=Python, PostgreSQL, Deepseek, DataLens
|Position=Бакалавриат
|Profile=Информатика
|PedDirection=Нет
|Community=ЦИТИС
|Виды_спорта=Баскетбол
|Working_On=Участник:Kate/Experiments, VorobevaEkaterina/Wolf-Sheep, VorobevaEkaterina/SimpleEconomy, Как провести регрессионный анализ, Обсуждение:Практическое задание по анализу временных рядов, Обсуждение:Ethnocentrism (model)
}}
----

[[Участник:Kate/Experiments|Эксперименты]]

См - [[VorobevaEkaterina/Wolf-Sheep]]

См - [[VorobevaEkaterina/SimpleEconomy]]

[[Категория:UserMGPU]]
[[Категория:АБП-231]]

Обсуждение:Ethnocentrism (model)

2025-12-13T07:07:58Z

Kate: /* ЭКСПЕРИМЕНТ 2 */

== ЭКСПЕРИМЕНТ 1 ==
''Гипотеза:'' увеличение стоимости помощи отрицательно влияет на численность альтруистов (CC) и положительно — на численность эгоистов (DD) в модели этноцентризма

{{#widget:Google Spreadsheet
|key=e/2PACX-1vRPGwF9cVIGNCXtJwJXeOw5P8TOl6iZzkRc_zuXvce8g6AetmAtWeTE-HtVRlvPzHbdt_2Fjf-yVY4k
|width=800
|height=400
}}
https://docs.google.com/spreadsheets/d/e/2PACX-1vRPGwF9cVIGNCXtJwJXeOw5P8TOl6iZzkRc_zuXvce8g6AetmAtWeTE-HtVRlvPzHbdt_2Fjf-yVY4k/pubhtml

'''Цель эксперимента:'''
Исследовать, как стоимость помощи (cost-of-giving) влияет на эволюционную динамику двух крайних стратегий:

CC (Альтруисты) — помогают всем, несмотря на цвет.

DD (Эгоисты) — никому не помогают.
Мы хотим понять: при каких условиях альтруизм выживает, а при каких его вытесняют эгоисты?

'''Настройки Netlogo'''

Для получения датасета представленная модель была загружена в Netlogo. После этого в настройках Пространства поведения были выставлены следующие значения:
[[Файл:Photo 2025-12-13 10-02-57.jpg|мини|центр]]

Эксперимент проводился при разных значениях cost-of-giving, фиксированных параметрах (mutation-rate=0.005, death-rate=0.1, immigrants-per-day=1, initial-PTR=0.12) и на протяжении 500 шагов.
Данные были собраны для нескольких повторов

[[Файл:Exp1.png|800px|центр]]

====Анализ графиков (Шаг 1–4)====
На каждом графике:

Ось X: номер шага симуляции (от 0 до ~600).

Ось Y(слева): количество агентов СС.

Ось Y(справа): количество агентов DD.

Фиолетовые точки (DD) — эгоисты.

Красные точки (CC) — альтруисты.

Также приведено линейное уравнение регрессии и коэффициент детерминации r².

===Шаг 1 эксперимента (стоимость помощи 0.001)===
CC (Альтруисты): растут быстро, достигают пика около 1000 агентов, затем стабилизируются.

DD (Эгоисты): растут медленнее, дотягивают лишь до 100 агентов

Уравнение для CC: CC = 2.22 * шаг + 69, r² = 0.78 — сильная линейная зависимость.

'''Вывод для Шага 1''': при низкой стоимости помощи альтруизм доминирует. Эгоисты растут медленнее, потому что они не получают выгоды от помощи, но и не тратят ресурсы. Однако при низкой стоимости помощи помощь выгодна, поэтому альтруисты процветают.

===Шаг 2 эксперимента (стоимость помощи 0.01)===
CC (Альтруисты): растут также быстро, как и во время первого эксперимента.

DD (Эгоисты): продолжают расти, становятся конкурентоспособными.

Уравнение для CC: CC1 = 2.3 * шаг + 97, r² = 0.794 — ещё более сильная корреляция, но это может быть связано с тем, что стоимость помощи немного выше, и альтруисты «выживают» дольше.

'''Вывод для Шага 2''': По мере роста стоимости помощи альтруизм становится менее выгодным. Эгоисты, которые не платят за помощь, начинают догонять альтруистов. Это говорит о том, что даже небольшое увеличение стоимости помощи может изменить баланс сил.

===Шаг 3 эксперимента (стоимость помощи 0.02)===
CC (Альтруисты): сильно снижаются, почти исчезают к концу.

DD (Эгоисты): быстро растут, становятся доминирующими.

Уравнение для CC2: CC2 = 0.003 * шаг + 3.8, r² = 0.039 — очень слабая корреляция, что означает, что альтруисты больше не растут линейно — их популяция колеблется и падает.

'''Вывод для Шага 3''': при высокой стоимости помощи альтруизм практически исчезает. Эгоисты становятся доминирующими — они не тратят ресурсы, поэтому их шанс выжить выше.

===Шаг 4 эксперимента (стоимость помощи 0.05)===
CC (Альтруисты): Минимальное количество, почти нулевое.

DD (Эгоисты): доминируют, особенно к концу.

Уравнение для CC3: CC3 = 0.004 * шаг + 3.8, r² = 0.043 — аналогично Шагу 3, альтруисты не имеют значимого роста.

'''Вывод для Шага 4''': при очень высокой стоимости помощи альтруизм исчезает полностью. Эгоисты становятся доминирующими — они не тратят ресурсы, поэтому при высокой стоимости помощи они выигрывают.

===Главный вывод===
Альтруизм (CC) является эволюционно устойчивой стратегией только при очень низкой стоимости помощи. Как только помощь становится дороже, альтруисты начинают проигрывать, потому что они теряют ресурсы, не получая обратной выгоды. Эгоисты (DD), которые не тратят ресурсы на помощь, начинают доминировать.

Это означает, что:

Альтруизм требует «дешёвой» кооперации — если помощь стоит слишком дорого, она становится невыгодной.
Эгоизм — стратегия выживания в условиях дефицита ресурсов — он не тратит, поэтому всегда имеет шанс выжить.
В реальном мире это объясняет, почему в кризисных ситуациях люди становятся более эгоистичными — помощь становится слишком дорогой.
Общественно значимые последствия
Этот эксперимент показывает, что альтруизм — это не просто «добро», а экономически выгодная стратегия, которая работает только при определённых условиях.

===Заключение===
Модель «Ethnocentrism» демонстрирует, что альтруизм может эволюционировать только в условиях, когда помощь дешёвая и выгодная. Как только стоимость помощи растёт, альтруисты начинают проигрывать, и их вытесняют эгоисты.
Этот вывод имеет прямое отношение к современным социальным, политическим и экономическим процессам. Он показывает, что для поддержания альтруизма в обществе необходимо создавать условия, при которых помощь не является экономически обременительной.

== ЭКСПЕРИМЕНТ 2 ==
Исследуемый датасет
https://docs.google.com/spreadsheets/d/1OWRXQsVH1XQbvr71JSQY0YK72PP1hkQ-dmm7y_Snhjg/edit?usp=sharing

{{#widget:Google Spreadsheet
|key=e/2PACX-1vSftAub9NCWOHHhvqgyyRxggOke0nwn1QNNoOskMe1wTBLSfQsuxWCDnYHEfy1GtPH17l6sjr7rKR4a
|width=800
|height=400
}}

''Гипотеза: при увеличении потока иммигрантов доля этноцентристов в популяции растёт, а доля альтруистов — падает.''

Для проверки гипотезы мною был выбран независимый параметр immigrants-per-day — уровень иммиграции, который принимал значения 0, 1, 2, 3, 4, 5

Был получен датасет, состоящий из 500 шагов для каждого значения immigrants-per-day. На его основе была построена диаграмма bar chart:
[[Файл:Эмигранты.png|600px]]
 

====Анализ====
; 0 иммигрантов в день - однородный мир без внешнего влияния
Когда в систему не поступают новые агенты, все стратегии ведут себя не так, как предсказывает классическая модель.
Оказалось, что ни одна стратегия не доминирует. Наоборот — все они почти равномерно распределены:

* Альтруисты: ~24.6%
* Эгоисты: ~24.8%
* Этноцентристы: ~24.6%
* Предатели: ~26.1%

Это означает, что в полностью замкнутой и стабильной среде никакая стратегия не имеет явного эволюционного преимущества. [[Альтруизм]] не выигрывает, потому что нет постоянного давления, которое бы «отсеивало» эксплуататоров. [[Система]] находится в состоянии неустойчивого равновесия, где все типы выживают примерно в равной степени.

; 1 иммигрант в день: появляется «чужак» — запускается механизм отбора
: Уже при самом минимальном уровне иммиграции картина резко меняется.
: Появление даже одного «чужого» агента в день нарушает баланс и запускает процесс естественного отбора стратегий.

Этноцентристы резко вырываются вперёд — их доля прыгает до 67.7%.
Альтруисты и эгоисты теряют позиции — их доли падают до 17.7% и 11.6% соответственно.
Предатели, кооперирующиеся только с «чужаками», почти исчезают (3%), потому что их поведение невыгодно.
Таким образом, иммиграция становится катализатором возникновения групповой идентичности. Этноцентризм оказывается самой устойчивой стратегией: помогать «своим» и игнорировать «чужих» — это эффективная защита от эксплуатации.

; 2 иммигранта в день: пик этноцентризма
При двух иммигрантах в день система достигает максимальной поляризации:

Этноцентристы: 79.6% — абсолютное доминирование
Альтруисты: падают до всего 8.6%.
Эгоисты: ~8.2%
Предатели: остаются на уровне ~3.6%.

Этот результат полностью подтверждает гипотезу: чем выше (но умеренный) уровень иммиграции, тем сильнее выигрывает стратегия «мы vs они». Альтруизм, предполагающий кооперацию со всеми без исключения, становится уязвимым — его «подставляют» чужаки, которые не отвечают взаимностью.

; 3–5 иммигрантов в день: нестабильность и колебания
Но дальше — неожиданный поворот. При высоком уровне иммиграции (3–5 агентов в день) система перестаёт вести себя предсказуемо.

Доля этноцентристов снижается (от 70.8% при 3 до 66.7% при 5).
Альтруисты, наоборот, внезапно растут — до 18–19% (почти вдвое выше, чем при 2 иммигрантах).
Предатели тоже немного увеличивают свою долю (до ~6% при 5 иммигрантах).
Это может означать одно из двух:

Высокая иммиграция дестабилизирует систему: постоянное обновление популяции не даёт установиться чёткому равновесию.
Альтруисты находят нишу: при очень высокой плотности «чужаков» иногда выгоднее кооперироваться со всеми, потому что «своих» становится слишком мало, чтобы на них полагаться.
В любом случае, гипотеза перестаёт работать монотонно: рост иммиграции не приводит к дальнейшему усилению этноцентризма, а, наоборот, ослабляет его.

====Вывод====

[[Эксперимент]] частично подтвердил гипотезу, но также выявил важное уточнение:

Небольшая иммиграция действительно запускает механизм этноцентризма и подавляет альтруизм.
Однако при высоком уровне иммиграции система теряет стабильность, и доминирование этноцентристов ослабевает.

Это говорит о том, что [[этноцентризм]] — не универсальный ответ на любую миграцию, а адаптация к умеренной угрозе "извне". Когда угроза становится слишком большой, социальная структура начинает «расплываться», и менее избирательные стратегии (в том числе альтруизм) могут снова получать шанс на выживание.

Таким образом, модель показывает: групповая идентичность — это не просто реакция на «чужаков», а хрупкое равновесие, которое требует определённых условий для устойчивости.

''Соответственно, начальная гипотеза не подтверждается в полной мере.''

== ЭКСПЕРИМЕНТ 3 ==
--[[Участник:PanshinaZina|PanshinaZina]] ([[Обсуждение участника:PanshinaZina|обсуждение]]) 19:36, 12 декабря 2025 (MSK)

'''Цель эксперимента:'''
Исследовать, как частота мутаций (mutation-rate) влияет на эволюцию эгоцентризма в модели Ethnocentrism. Конкретно — как mutation-rate влияет на:

1. Уровень этноцентрического поведения (consist-ethno-agg-percent).

2. Стабильность и предсказуемость результатов (дисперсию).

'''Условия эксперимента:'''

1. mutation-rate = 0.001, 0.005, 0.01, 0.02.

2. Остальные поля по умолчанию.

3. Повторы: 5.

4. Шагов: 500.
=== Датасет эксперимента ===
Ссылка на гугл таблицу с датасетом
* https://docs.google.com/spreadsheets/d/1hJQUTLBYmOVuxGkWBpzJO3vrN0f6mDw3JLvvYlefMSU/edit?usp=sharing

{{#widget:Google Spreadsheet
|key=e/2PACX-1vTE34zXRfs1CacDFFEokCo1pxXMCd4w6MUXu51gsXlTjh7pUgnA3IrsnOlXI7fIJ1PBynni0-X9PJ7X
|width=800
|height=400
}}
=== Построение графика распределения ===
Загрузим наш датасет на RAWGraph, где построим boxplot(ящик с усами), который покажет медиану, размах и выбросы для каждой группы.

[[Файл:Boxplot.png| 600px]]

Мы видим, что по '''медианам''' четко видна убывающая тенденция:

mutation-rate = 0.001: медиана ~0.707

mutation-rate = 0.005: медиана ~0.701

mutation-rate = 0.01: медиана ~0.674

mutation-rate = 0.02: медиана ~0.625

'''По IQR (размах):'''

Группа 0.001 имеет самый широкий IQR — это указывает на высокую дисперсию.
Группы 0.01 и 0.02 имеют очень узкий IQR — низкая дисперсия, результаты стабильны.

'''[[Выброс]]ы:'''

{{#ask: [[Выброс]] | ?Description }}

В группе 0.001 много выбросов, особенно в нижней части — это подтверждает [[бимодальность]] (некоторые запуски "проваливаются").
В группах 0.01 и 0.02 практически нет выбросов — система быстро сходится к одному состоянию.

=== Вывод по [[Boxplot]] ===
{{#ask: [[Boxplot]] | ?Description }}

При низкой мутации (0.001) система может либо успешно эволюционировать (высокий ethno_percent), либо "застревать" (низкий ethno_percent). При высокой мутации (0.01, 0.02) система стабильно, но слабо эволюционирует.

=== Построение графика Beeswarm ===
Построим в RAWGraph график Beeswarm(датасет тот же), чтобы посмотреть поведение модели на данном графике.

[[Файл:Beeswarm ethnocentrism.png| 600px]]

'''Что показывает:'''

Все индивидуальные точки (run'ы) — не только сводная статистика, но и каждое наблюдение.

'''Ключевые наблюдения:'''

''Группа mutation-rate = 0.001 (самый светлый цвет)''

Широкое распределение: Точки разбросаны по всему диапазону значений ethno_percent — от очень низких (~0.4) до очень высоких (~0.8). Высокая дисперсия: Большое количество точек рассеяно по всему графику, что указывает на нестабильность системы при низкой мутации.
Бимодальность - видно два кластера:

Один кластер — в нижней части графика (низкий ethno_percent, ~0.4–0.5). Это "неудачные" запуски, где система "застряла".

Другой кластер — в верхней части (высокий ethno_percent, ~0.7–0.8). Это "успешные" запуски, где эгоцентризм доминирует.

''Группа mutation-rate = 0.005 (средний светло-голубой цвет)''

Уже распределение: Точки уже не так сильно рассеяны, как при 0.001.
Меньше "провалов": Количество точек в нижней части графика (низкий ethno_percent) меньше, чем при 0.001.
Сохраняется высокий уровень: Много точек все еще находятся в верхней части графика (высокий ethno_percent).

''Группы mutation-rate = 0.01 и 0.02 (темно-синие точки)''

Очень узкое распределение: Точки плотно сгруппированы в узком диапазоне значений ethno_percent — примерно от 0.5 до 0.65.
Нет "провалов": Почти нет точек в самом низу графика.
Нет "побед": Почти нет точек в самом верху графика (высокий ethno_percent > 0.7).
Низкая дисперсия: Все точки скучены в одном месте, что указывает на высокую стабильность системы при высокой мутации.

=== Выводы по Beeswarm Plot ===
Этот график подтверждает и дополняет выводы из Boxplot. Он показывает, что бимодальность при mutation-rate = 0.001 — системная особенность динамики модели при низкой мутационной нагрузке.
При mutation-rate ≥ 0.01 система теряет способность к "большому прорыву" (достижению очень высокого ethno_percent), но зато становится предсказуемой.
=== Заключение ===
В ходе анализа было установлено, что частота мутаций оказывает значительное влияние на эволюцию этноцентризма. Оба графика — Boxplot и Beeswarm Plot — демонстрируют четкую тенденцию: с ростом mutation-rate средний уровень этноцентризма стабильно снижается. Критический порог, после которого этноцентризм перестает доминировать, лежит между 0.005 и 0.01.

Более детальный анализ Beeswarm Plot позволил выявить важную особенность: при самой низкой мутации (0.001) система проявляет бимодальное поведение — она может либо успешно эволюционировать (достигать высокого ethno_percent), либо "провалиться" (оставаться на низком уровне). Это указывает на высокую чувствительность системы к начальным условиям при низкой мутации.

В то же время, при высокой мутации (0.01, 0.02) система становится стабильной, но предсказуемо слабой — этноцентризм не успевает развиться, и система быстро стабилизируется на низком уровне.

Таким образом, оптимальный уровень мутации для эволюции этноцентризма — это низкий уровень (0.001 или 0.005), который позволяет системе "экспериментировать", но не разрушает устойчивые стратегии.

Обсуждение:Ethnocentrism (model)

2025-12-13T06:32:39Z

Kate: /* ЭКСПЕРИМЕНТ 2 */

== ЭКСПЕРИМЕНТ 1 ==
'''Цель эксперимента:'''
Исследовать, как стоимость помощи (cost-of-giving) влияет на эволюционную динамику двух крайних стратегий:

CC (Альтруисты) — помогают всем, несмотря на цвет.

DD (Эгоисты) — никому не помогают.
Мы хотим понять: при каких условиях альтруизм выживает, а при каких его вытесняют эгоисты?

Эксперимент проводился при разных значениях cost-of-giving, фиксированных параметрах (mutation-rate=0.005, death-rate=0.1, immigrants-per-day=1, initial-PTR=0.12) и на протяжении 500 шагов.
Данные были собраны для нескольких повторов

[[Файл:Exp1.png|800px|центр]]

====Анализ графиков (Шаг 1–4)====
На каждом графике:

Ось X: номер шага симуляции (от 0 до ~600).

Ось Y(слева): количество агентов СС.

Ось Y(справа): количество агентов DD.

Фиолетовые точки (DD) — эгоисты.

Красные точки (CC) — альтруисты.

Также приведено линейное уравнение регрессии и коэффициент детерминации r².

===Шаг 1 эксперимента (стоимость помощи 0.001)===
CC (Альтруисты): растут быстро, достигают пика около 1000 агентов, затем стабилизируются.

DD (Эгоисты): растут медленнее, дотягивают лишь до 100 агентов

Уравнение для CC: CC = 2.22 * шаг + 69, r² = 0.78 — сильная линейная зависимость.

'''Вывод для Шага 1''': при низкой стоимости помощи альтруизм доминирует. Эгоисты растут медленнее, потому что они не получают выгоды от помощи, но и не тратят ресурсы. Однако при низкой стоимости помощи помощь выгодна, поэтому альтруисты процветают.

===Шаг 2 эксперимента (стоимость помощи 0.01)===
CC (Альтруисты): растут также быстро, как и во время первого эксперимента.

DD (Эгоисты): продолжают расти, становятся конкурентоспособными.

Уравнение для CC: CC1 = 2.3 * шаг + 97, r² = 0.794 — ещё более сильная корреляция, но это может быть связано с тем, что стоимость помощи немного выше, и альтруисты «выживают» дольше.

'''Вывод для Шага 2''': По мере роста стоимости помощи альтруизм становится менее выгодным. Эгоисты, которые не платят за помощь, начинают догонять альтруистов. Это говорит о том, что даже небольшое увеличение стоимости помощи может изменить баланс сил.

===Шаг 3 эксперимента (стоимость помощи 0.02)===
CC (Альтруисты): сильно снижаются, почти исчезают к концу.

DD (Эгоисты): быстро растут, становятся доминирующими.

Уравнение для CC2: CC2 = 0.003 * шаг + 3.8, r² = 0.039 — очень слабая корреляция, что означает, что альтруисты больше не растут линейно — их популяция колеблется и падает.

'''Вывод для Шага 3''': при высокой стоимости помощи альтруизм практически исчезает. Эгоисты становятся доминирующими — они не тратят ресурсы, поэтому их шанс выжить выше.

===Шаг 4 эксперимента (стоимость помощи 0.05)===
CC (Альтруисты): Минимальное количество, почти нулевое.

DD (Эгоисты): доминируют, особенно к концу.

Уравнение для CC3: CC3 = 0.004 * шаг + 3.8, r² = 0.043 — аналогично Шагу 3, альтруисты не имеют значимого роста.

'''Вывод для Шага 4''': при очень высокой стоимости помощи альтруизм исчезает полностью. Эгоисты становятся доминирующими — они не тратят ресурсы, поэтому при высокой стоимости помощи они выигрывают.

===Главный вывод===
Альтруизм (CC) является эволюционно устойчивой стратегией только при очень низкой стоимости помощи. Как только помощь становится дороже, альтруисты начинают проигрывать, потому что они теряют ресурсы, не получая обратной выгоды. Эгоисты (DD), которые не тратят ресурсы на помощь, начинают доминировать.

Это означает, что:

Альтруизм требует «дешёвой» кооперации — если помощь стоит слишком дорого, она становится невыгодной.
Эгоизм — стратегия выживания в условиях дефицита ресурсов — он не тратит, поэтому всегда имеет шанс выжить.
В реальном мире это объясняет, почему в кризисных ситуациях люди становятся более эгоистичными — помощь становится слишком дорогой.
Общественно значимые последствия
Этот эксперимент показывает, что альтруизм — это не просто «добро», а экономически выгодная стратегия, которая работает только при определённых условиях.

===Заключение===
Модель «Ethnocentrism» демонстрирует, что альтруизм может эволюционировать только в условиях, когда помощь дешёвая и выгодная. Как только стоимость помощи растёт, альтруисты начинают проигрывать, и их вытесняют эгоисты.
Этот вывод имеет прямое отношение к современным социальным, политическим и экономическим процессам. Он показывает, что для поддержания альтруизма в обществе необходимо создавать условия, при которых помощь не является экономически обременительной.

== ЭКСПЕРИМЕНТ 2 ==
Исследуемый датасет

{{#widget:Google Spreadsheet
|key=e/2PACX-1vSftAub9NCWOHHhvqgyyRxggOke0nwn1QNNoOskMe1wTBLSfQsuxWCDnYHEfy1GtPH17l6sjr7rKR4a
|width=800
|height=400
}}

''Гипотеза: при увеличении потока иммигрантов доля этноцентристов в популяции растёт, а доля альтруистов — падает.''

Для проверки гипотезы мною был выбран независимый параметр immigrants-per-day — уровень иммиграции, который принимал значения 0, 1, 2, 3, 4, 5

Был получен датасет, состоящий из 500 шагов для каждого значения immigrants-per-day. На его основе была построена диаграмма bar chart:
[[Файл:Эмигранты.png|600px]]
 

====Анализ====
; 0 иммигрантов в день - однородный мир без внешнего влияния
Когда в систему не поступают новые агенты, все стратегии ведут себя не так, как предсказывает классическая модель.
Оказалось, что ни одна стратегия не доминирует. Наоборот — все они почти равномерно распределены:

* Альтруисты: ~24.6%
* Эгоисты: ~24.8%
* Этноцентристы: ~24.6%
* Предатели: ~26.1%

Это означает, что в полностью замкнутой и стабильной среде никакая стратегия не имеет явного эволюционного преимущества. [[Альтруизм]] не выигрывает, потому что нет постоянного давления, которое бы «отсеивало» эксплуататоров. [[Система]] находится в состоянии неустойчивого равновесия, где все типы выживают примерно в равной степени.

; 1 иммигрант в день: появляется «чужак» — запускается механизм отбора
: Уже при самом минимальном уровне иммиграции картина резко меняется.
: Появление даже одного «чужого» агента в день нарушает баланс и запускает процесс естественного отбора стратегий.

Этноцентристы резко вырываются вперёд — их доля прыгает до 67.7%.
Альтруисты и эгоисты теряют позиции — их доли падают до 17.7% и 11.6% соответственно.
Предатели, кооперирующиеся только с «чужаками», почти исчезают (3%), потому что их поведение невыгодно.
Таким образом, иммиграция становится катализатором возникновения групповой идентичности. Этноцентризм оказывается самой устойчивой стратегией: помогать «своим» и игнорировать «чужих» — это эффективная защита от эксплуатации.

; 2 иммигранта в день: пик этноцентризма
При двух иммигрантах в день система достигает максимальной поляризации:

Этноцентристы: 79.6% — абсолютное доминирование
Альтруисты: падают до всего 8.6%.
Эгоисты: ~8.2%
Предатели: остаются на уровне ~3.6%.

Этот результат полностью подтверждает гипотезу: чем выше (но умеренный) уровень иммиграции, тем сильнее выигрывает стратегия «мы vs они». Альтруизм, предполагающий кооперацию со всеми без исключения, становится уязвимым — его «подставляют» чужаки, которые не отвечают взаимностью.

; 3–5 иммигрантов в день: нестабильность и колебания
Но дальше — неожиданный поворот. При высоком уровне иммиграции (3–5 агентов в день) система перестаёт вести себя предсказуемо.

Доля этноцентристов снижается (от 70.8% при 3 до 66.7% при 5).
Альтруисты, наоборот, внезапно растут — до 18–19% (почти вдвое выше, чем при 2 иммигрантах).
Предатели тоже немного увеличивают свою долю (до ~6% при 5 иммигрантах).
Это может означать одно из двух:

Высокая иммиграция дестабилизирует систему: постоянное обновление популяции не даёт установиться чёткому равновесию.
Альтруисты находят нишу: при очень высокой плотности «чужаков» иногда выгоднее кооперироваться со всеми, потому что «своих» становится слишком мало, чтобы на них полагаться.
В любом случае, гипотеза перестаёт работать монотонно: рост иммиграции не приводит к дальнейшему усилению этноцентризма, а, наоборот, ослабляет его.

====Вывод====

[[Эксперимент]] частично подтвердил гипотезу, но также выявил важное уточнение:

Небольшая иммиграция действительно запускает механизм этноцентризма и подавляет альтруизм.
Однако при высоком уровне иммиграции система теряет стабильность, и доминирование этноцентристов ослабевает.

Это говорит о том, что [[этноцентризм]] — не универсальный ответ на любую миграцию, а адаптация к умеренной угрозе "извне". Когда угроза становится слишком большой, социальная структура начинает «расплываться», и менее избирательные стратегии (в том числе альтруизм) могут снова получать шанс на выживание.

Таким образом, модель показывает: групповая идентичность — это не просто реакция на «чужаков», а хрупкое равновесие, которое требует определённых условий для устойчивости.

''Соответственно, начальная гипотеза не подтверждается в полной мере.''

== ЭКСПЕРИМЕНТ 3 ==
--[[Участник:PanshinaZina|PanshinaZina]] ([[Обсуждение участника:PanshinaZina|обсуждение]]) 19:36, 12 декабря 2025 (MSK)

'''Цель эксперимента:'''
Исследовать, как частота мутаций (mutation-rate) влияет на эволюцию эгоцентризма в модели Ethnocentrism. Конкретно — как mutation-rate влияет на:

1. Уровень этноцентрического поведения (consist-ethno-agg-percent).

2. Стабильность и предсказуемость результатов (дисперсию).

'''Условия эксперимента:'''

1. mutation-rate = 0.001, 0.005, 0.01, 0.02.

2. Остальные поля по умолчанию.

3. Повторы: 5.

4. Шагов: 500.
=== Датасет эксперимента ===
Ссылка на гугл таблицу с датасетом
* https://docs.google.com/spreadsheets/d/1hJQUTLBYmOVuxGkWBpzJO3vrN0f6mDw3JLvvYlefMSU/edit?usp=sharing

{{#widget:Google Spreadsheet
|key=e/2PACX-1vTE34zXRfs1CacDFFEokCo1pxXMCd4w6MUXu51gsXlTjh7pUgnA3IrsnOlXI7fIJ1PBynni0-X9PJ7X
|width=800
|height=400
}}
=== Построение графика распределения ===
Загрузим наш датасет на RAWGraph, где построим boxplot(ящик с усами), который покажет медиану, размах и выбросы для каждой группы.

[[Файл:Boxplot.png| 600px]]

Мы видим, что по '''медианам''' четко видна убывающая тенденция:

mutation-rate = 0.001: медиана ~0.707

mutation-rate = 0.005: медиана ~0.701

mutation-rate = 0.01: медиана ~0.674

mutation-rate = 0.02: медиана ~0.625

'''По IQR (размах):'''

Группа 0.001 имеет самый широкий IQR — это указывает на высокую дисперсию.
Группы 0.01 и 0.02 имеют очень узкий IQR — низкая дисперсия, результаты стабильны.

'''[[Выброс]]ы:'''

{{#ask: [[Выброс]] | ?Description }}

В группе 0.001 много выбросов, особенно в нижней части — это подтверждает [[бимодальность]] (некоторые запуски "проваливаются").
В группах 0.01 и 0.02 практически нет выбросов — система быстро сходится к одному состоянию.

=== Вывод по [[Boxplot]] ===
{{#ask: [[Boxplot]] | ?Description }}

При низкой мутации (0.001) система может либо успешно эволюционировать (высокий ethno_percent), либо "застревать" (низкий ethno_percent). При высокой мутации (0.01, 0.02) система стабильно, но слабо эволюционирует.

=== Построение графика Beeswarm ===
Построим в RAWGraph график Beeswarm(датасет тот же), чтобы посмотреть поведение модели на данном графике.

[[Файл:Beeswarm ethnocentrism.png| 600px]]

'''Что показывает:'''

Все индивидуальные точки (run'ы) — не только сводная статистика, но и каждое наблюдение.

'''Ключевые наблюдения:'''

''Группа mutation-rate = 0.001 (самый светлый цвет)''

Широкое распределение: Точки разбросаны по всему диапазону значений ethno_percent — от очень низких (~0.4) до очень высоких (~0.8). Высокая дисперсия: Большое количество точек рассеяно по всему графику, что указывает на нестабильность системы при низкой мутации.
Бимодальность - видно два кластера:

Один кластер — в нижней части графика (низкий ethno_percent, ~0.4–0.5). Это "неудачные" запуски, где система "застряла".

Другой кластер — в верхней части (высокий ethno_percent, ~0.7–0.8). Это "успешные" запуски, где эгоцентризм доминирует.

''Группа mutation-rate = 0.005 (средний светло-голубой цвет)''

Уже распределение: Точки уже не так сильно рассеяны, как при 0.001.
Меньше "провалов": Количество точек в нижней части графика (низкий ethno_percent) меньше, чем при 0.001.
Сохраняется высокий уровень: Много точек все еще находятся в верхней части графика (высокий ethno_percent).

''Группы mutation-rate = 0.01 и 0.02 (темно-синие точки)''

Очень узкое распределение: Точки плотно сгруппированы в узком диапазоне значений ethno_percent — примерно от 0.5 до 0.65.
Нет "провалов": Почти нет точек в самом низу графика.
Нет "побед": Почти нет точек в самом верху графика (высокий ethno_percent > 0.7).
Низкая дисперсия: Все точки скучены в одном месте, что указывает на высокую стабильность системы при высокой мутации.

=== Выводы по Beeswarm Plot ===
Этот график подтверждает и дополняет выводы из Boxplot. Он показывает, что бимодальность при mutation-rate = 0.001 — системная особенность динамики модели при низкой мутационной нагрузке.
При mutation-rate ≥ 0.01 система теряет способность к "большому прорыву" (достижению очень высокого ethno_percent), но зато становится предсказуемой.
=== Заключение ===
В ходе анализа было установлено, что частота мутаций оказывает значительное влияние на эволюцию этноцентризма. Оба графика — Boxplot и Beeswarm Plot — демонстрируют четкую тенденцию: с ростом mutation-rate средний уровень этноцентризма стабильно снижается. Критический порог, после которого этноцентризм перестает доминировать, лежит между 0.005 и 0.01.

Более детальный анализ Beeswarm Plot позволил выявить важную особенность: при самой низкой мутации (0.001) система проявляет бимодальное поведение — она может либо успешно эволюционировать (достигать высокого ethno_percent), либо "провалиться" (оставаться на низком уровне). Это указывает на высокую чувствительность системы к начальным условиям при низкой мутации.

В то же время, при высокой мутации (0.01, 0.02) система становится стабильной, но предсказуемо слабой — этноцентризм не успевает развиться, и система быстро стабилизируется на низком уровне.

Таким образом, оптимальный уровень мутации для эволюции этноцентризма — это низкий уровень (0.001 или 0.005), который позволяет системе "экспериментировать", но не разрушает устойчивые стратегии.

Обсуждение:Ethnocentrism (model)

2025-12-13T06:32:24Z

Kate: /* ЭКСПЕРИМЕНТ 2 */

== ЭКСПЕРИМЕНТ 1 ==
'''Цель эксперимента:'''
Исследовать, как стоимость помощи (cost-of-giving) влияет на эволюционную динамику двух крайних стратегий:

CC (Альтруисты) — помогают всем, несмотря на цвет.

DD (Эгоисты) — никому не помогают.
Мы хотим понять: при каких условиях альтруизм выживает, а при каких его вытесняют эгоисты?

Эксперимент проводился при разных значениях cost-of-giving, фиксированных параметрах (mutation-rate=0.005, death-rate=0.1, immigrants-per-day=1, initial-PTR=0.12) и на протяжении 500 шагов.
Данные были собраны для нескольких повторов

[[Файл:Exp1.png|800px|центр]]

====Анализ графиков (Шаг 1–4)====
На каждом графике:

Ось X: номер шага симуляции (от 0 до ~600).

Ось Y(слева): количество агентов СС.

Ось Y(справа): количество агентов DD.

Фиолетовые точки (DD) — эгоисты.

Красные точки (CC) — альтруисты.

Также приведено линейное уравнение регрессии и коэффициент детерминации r².

===Шаг 1 эксперимента (стоимость помощи 0.001)===
CC (Альтруисты): растут быстро, достигают пика около 1000 агентов, затем стабилизируются.

DD (Эгоисты): растут медленнее, дотягивают лишь до 100 агентов

Уравнение для CC: CC = 2.22 * шаг + 69, r² = 0.78 — сильная линейная зависимость.

'''Вывод для Шага 1''': при низкой стоимости помощи альтруизм доминирует. Эгоисты растут медленнее, потому что они не получают выгоды от помощи, но и не тратят ресурсы. Однако при низкой стоимости помощи помощь выгодна, поэтому альтруисты процветают.

===Шаг 2 эксперимента (стоимость помощи 0.01)===
CC (Альтруисты): растут также быстро, как и во время первого эксперимента.

DD (Эгоисты): продолжают расти, становятся конкурентоспособными.

Уравнение для CC: CC1 = 2.3 * шаг + 97, r² = 0.794 — ещё более сильная корреляция, но это может быть связано с тем, что стоимость помощи немного выше, и альтруисты «выживают» дольше.

'''Вывод для Шага 2''': По мере роста стоимости помощи альтруизм становится менее выгодным. Эгоисты, которые не платят за помощь, начинают догонять альтруистов. Это говорит о том, что даже небольшое увеличение стоимости помощи может изменить баланс сил.

===Шаг 3 эксперимента (стоимость помощи 0.02)===
CC (Альтруисты): сильно снижаются, почти исчезают к концу.

DD (Эгоисты): быстро растут, становятся доминирующими.

Уравнение для CC2: CC2 = 0.003 * шаг + 3.8, r² = 0.039 — очень слабая корреляция, что означает, что альтруисты больше не растут линейно — их популяция колеблется и падает.

'''Вывод для Шага 3''': при высокой стоимости помощи альтруизм практически исчезает. Эгоисты становятся доминирующими — они не тратят ресурсы, поэтому их шанс выжить выше.

===Шаг 4 эксперимента (стоимость помощи 0.05)===
CC (Альтруисты): Минимальное количество, почти нулевое.

DD (Эгоисты): доминируют, особенно к концу.

Уравнение для CC3: CC3 = 0.004 * шаг + 3.8, r² = 0.043 — аналогично Шагу 3, альтруисты не имеют значимого роста.

'''Вывод для Шага 4''': при очень высокой стоимости помощи альтруизм исчезает полностью. Эгоисты становятся доминирующими — они не тратят ресурсы, поэтому при высокой стоимости помощи они выигрывают.

===Главный вывод===
Альтруизм (CC) является эволюционно устойчивой стратегией только при очень низкой стоимости помощи. Как только помощь становится дороже, альтруисты начинают проигрывать, потому что они теряют ресурсы, не получая обратной выгоды. Эгоисты (DD), которые не тратят ресурсы на помощь, начинают доминировать.

Это означает, что:

Альтруизм требует «дешёвой» кооперации — если помощь стоит слишком дорого, она становится невыгодной.
Эгоизм — стратегия выживания в условиях дефицита ресурсов — он не тратит, поэтому всегда имеет шанс выжить.
В реальном мире это объясняет, почему в кризисных ситуациях люди становятся более эгоистичными — помощь становится слишком дорогой.
Общественно значимые последствия
Этот эксперимент показывает, что альтруизм — это не просто «добро», а экономически выгодная стратегия, которая работает только при определённых условиях.

===Заключение===
Модель «Ethnocentrism» демонстрирует, что альтруизм может эволюционировать только в условиях, когда помощь дешёвая и выгодная. Как только стоимость помощи растёт, альтруисты начинают проигрывать, и их вытесняют эгоисты.
Этот вывод имеет прямое отношение к современным социальным, политическим и экономическим процессам. Он показывает, что для поддержания альтруизма в обществе необходимо создавать условия, при которых помощь не является экономически обременительной.

== ЭКСПЕРИМЕНТ 2 ==
Исследуемый датасет
{{#widget:Google Spreadsheet
|key=e/2PACX-1vSftAub9NCWOHHhvqgyyRxggOke0nwn1QNNoOskMe1wTBLSfQsuxWCDnYHEfy1GtPH17l6sjr7rKR4a
|width=800
|height=400
}}

''Гипотеза: при увеличении потока иммигрантов доля этноцентристов в популяции растёт, а доля альтруистов — падает.''

Для проверки гипотезы мною был выбран независимый параметр immigrants-per-day — уровень иммиграции, который принимал значения 0, 1, 2, 3, 4, 5

Был получен датасет, состоящий из 500 шагов для каждого значения immigrants-per-day. На его основе была построена диаграмма bar chart:
[[Файл:Эмигранты.png|600px]]
 

====Анализ====
; 0 иммигрантов в день - однородный мир без внешнего влияния
Когда в систему не поступают новые агенты, все стратегии ведут себя не так, как предсказывает классическая модель.
Оказалось, что ни одна стратегия не доминирует. Наоборот — все они почти равномерно распределены:

* Альтруисты: ~24.6%
* Эгоисты: ~24.8%
* Этноцентристы: ~24.6%
* Предатели: ~26.1%

Это означает, что в полностью замкнутой и стабильной среде никакая стратегия не имеет явного эволюционного преимущества. [[Альтруизм]] не выигрывает, потому что нет постоянного давления, которое бы «отсеивало» эксплуататоров. [[Система]] находится в состоянии неустойчивого равновесия, где все типы выживают примерно в равной степени.

; 1 иммигрант в день: появляется «чужак» — запускается механизм отбора
: Уже при самом минимальном уровне иммиграции картина резко меняется.
: Появление даже одного «чужого» агента в день нарушает баланс и запускает процесс естественного отбора стратегий.

Этноцентристы резко вырываются вперёд — их доля прыгает до 67.7%.
Альтруисты и эгоисты теряют позиции — их доли падают до 17.7% и 11.6% соответственно.
Предатели, кооперирующиеся только с «чужаками», почти исчезают (3%), потому что их поведение невыгодно.
Таким образом, иммиграция становится катализатором возникновения групповой идентичности. Этноцентризм оказывается самой устойчивой стратегией: помогать «своим» и игнорировать «чужих» — это эффективная защита от эксплуатации.

; 2 иммигранта в день: пик этноцентризма
При двух иммигрантах в день система достигает максимальной поляризации:

Этноцентристы: 79.6% — абсолютное доминирование
Альтруисты: падают до всего 8.6%.
Эгоисты: ~8.2%
Предатели: остаются на уровне ~3.6%.

Этот результат полностью подтверждает гипотезу: чем выше (но умеренный) уровень иммиграции, тем сильнее выигрывает стратегия «мы vs они». Альтруизм, предполагающий кооперацию со всеми без исключения, становится уязвимым — его «подставляют» чужаки, которые не отвечают взаимностью.

; 3–5 иммигрантов в день: нестабильность и колебания
Но дальше — неожиданный поворот. При высоком уровне иммиграции (3–5 агентов в день) система перестаёт вести себя предсказуемо.

Доля этноцентристов снижается (от 70.8% при 3 до 66.7% при 5).
Альтруисты, наоборот, внезапно растут — до 18–19% (почти вдвое выше, чем при 2 иммигрантах).
Предатели тоже немного увеличивают свою долю (до ~6% при 5 иммигрантах).
Это может означать одно из двух:

Высокая иммиграция дестабилизирует систему: постоянное обновление популяции не даёт установиться чёткому равновесию.
Альтруисты находят нишу: при очень высокой плотности «чужаков» иногда выгоднее кооперироваться со всеми, потому что «своих» становится слишком мало, чтобы на них полагаться.
В любом случае, гипотеза перестаёт работать монотонно: рост иммиграции не приводит к дальнейшему усилению этноцентризма, а, наоборот, ослабляет его.

====Вывод====

[[Эксперимент]] частично подтвердил гипотезу, но также выявил важное уточнение:

Небольшая иммиграция действительно запускает механизм этноцентризма и подавляет альтруизм.
Однако при высоком уровне иммиграции система теряет стабильность, и доминирование этноцентристов ослабевает.

Это говорит о том, что [[этноцентризм]] — не универсальный ответ на любую миграцию, а адаптация к умеренной угрозе "извне". Когда угроза становится слишком большой, социальная структура начинает «расплываться», и менее избирательные стратегии (в том числе альтруизм) могут снова получать шанс на выживание.

Таким образом, модель показывает: групповая идентичность — это не просто реакция на «чужаков», а хрупкое равновесие, которое требует определённых условий для устойчивости.

''Соответственно, начальная гипотеза не подтверждается в полной мере.''

== ЭКСПЕРИМЕНТ 3 ==
--[[Участник:PanshinaZina|PanshinaZina]] ([[Обсуждение участника:PanshinaZina|обсуждение]]) 19:36, 12 декабря 2025 (MSK)

'''Цель эксперимента:'''
Исследовать, как частота мутаций (mutation-rate) влияет на эволюцию эгоцентризма в модели Ethnocentrism. Конкретно — как mutation-rate влияет на:

1. Уровень этноцентрического поведения (consist-ethno-agg-percent).

2. Стабильность и предсказуемость результатов (дисперсию).

'''Условия эксперимента:'''

1. mutation-rate = 0.001, 0.005, 0.01, 0.02.

2. Остальные поля по умолчанию.

3. Повторы: 5.

4. Шагов: 500.
=== Датасет эксперимента ===
Ссылка на гугл таблицу с датасетом
* https://docs.google.com/spreadsheets/d/1hJQUTLBYmOVuxGkWBpzJO3vrN0f6mDw3JLvvYlefMSU/edit?usp=sharing

{{#widget:Google Spreadsheet
|key=e/2PACX-1vTE34zXRfs1CacDFFEokCo1pxXMCd4w6MUXu51gsXlTjh7pUgnA3IrsnOlXI7fIJ1PBynni0-X9PJ7X
|width=800
|height=400
}}
=== Построение графика распределения ===
Загрузим наш датасет на RAWGraph, где построим boxplot(ящик с усами), который покажет медиану, размах и выбросы для каждой группы.

[[Файл:Boxplot.png| 600px]]

Мы видим, что по '''медианам''' четко видна убывающая тенденция:

mutation-rate = 0.001: медиана ~0.707

mutation-rate = 0.005: медиана ~0.701

mutation-rate = 0.01: медиана ~0.674

mutation-rate = 0.02: медиана ~0.625

'''По IQR (размах):'''

Группа 0.001 имеет самый широкий IQR — это указывает на высокую дисперсию.
Группы 0.01 и 0.02 имеют очень узкий IQR — низкая дисперсия, результаты стабильны.

'''[[Выброс]]ы:'''

{{#ask: [[Выброс]] | ?Description }}

В группе 0.001 много выбросов, особенно в нижней части — это подтверждает [[бимодальность]] (некоторые запуски "проваливаются").
В группах 0.01 и 0.02 практически нет выбросов — система быстро сходится к одному состоянию.

=== Вывод по [[Boxplot]] ===
{{#ask: [[Boxplot]] | ?Description }}

При низкой мутации (0.001) система может либо успешно эволюционировать (высокий ethno_percent), либо "застревать" (низкий ethno_percent). При высокой мутации (0.01, 0.02) система стабильно, но слабо эволюционирует.

=== Построение графика Beeswarm ===
Построим в RAWGraph график Beeswarm(датасет тот же), чтобы посмотреть поведение модели на данном графике.

[[Файл:Beeswarm ethnocentrism.png| 600px]]

'''Что показывает:'''

Все индивидуальные точки (run'ы) — не только сводная статистика, но и каждое наблюдение.

'''Ключевые наблюдения:'''

''Группа mutation-rate = 0.001 (самый светлый цвет)''

Широкое распределение: Точки разбросаны по всему диапазону значений ethno_percent — от очень низких (~0.4) до очень высоких (~0.8). Высокая дисперсия: Большое количество точек рассеяно по всему графику, что указывает на нестабильность системы при низкой мутации.
Бимодальность - видно два кластера:

Один кластер — в нижней части графика (низкий ethno_percent, ~0.4–0.5). Это "неудачные" запуски, где система "застряла".

Другой кластер — в верхней части (высокий ethno_percent, ~0.7–0.8). Это "успешные" запуски, где эгоцентризм доминирует.

''Группа mutation-rate = 0.005 (средний светло-голубой цвет)''

Уже распределение: Точки уже не так сильно рассеяны, как при 0.001.
Меньше "провалов": Количество точек в нижней части графика (низкий ethno_percent) меньше, чем при 0.001.
Сохраняется высокий уровень: Много точек все еще находятся в верхней части графика (высокий ethno_percent).

''Группы mutation-rate = 0.01 и 0.02 (темно-синие точки)''

Очень узкое распределение: Точки плотно сгруппированы в узком диапазоне значений ethno_percent — примерно от 0.5 до 0.65.
Нет "провалов": Почти нет точек в самом низу графика.
Нет "побед": Почти нет точек в самом верху графика (высокий ethno_percent > 0.7).
Низкая дисперсия: Все точки скучены в одном месте, что указывает на высокую стабильность системы при высокой мутации.

=== Выводы по Beeswarm Plot ===
Этот график подтверждает и дополняет выводы из Boxplot. Он показывает, что бимодальность при mutation-rate = 0.001 — системная особенность динамики модели при низкой мутационной нагрузке.
При mutation-rate ≥ 0.01 система теряет способность к "большому прорыву" (достижению очень высокого ethno_percent), но зато становится предсказуемой.
=== Заключение ===
В ходе анализа было установлено, что частота мутаций оказывает значительное влияние на эволюцию этноцентризма. Оба графика — Boxplot и Beeswarm Plot — демонстрируют четкую тенденцию: с ростом mutation-rate средний уровень этноцентризма стабильно снижается. Критический порог, после которого этноцентризм перестает доминировать, лежит между 0.005 и 0.01.

Более детальный анализ Beeswarm Plot позволил выявить важную особенность: при самой низкой мутации (0.001) система проявляет бимодальное поведение — она может либо успешно эволюционировать (достигать высокого ethno_percent), либо "провалиться" (оставаться на низком уровне). Это указывает на высокую чувствительность системы к начальным условиям при низкой мутации.

В то же время, при высокой мутации (0.01, 0.02) система становится стабильной, но предсказуемо слабой — этноцентризм не успевает развиться, и система быстро стабилизируется на низком уровне.

Таким образом, оптимальный уровень мутации для эволюции этноцентризма — это низкий уровень (0.001 или 0.005), который позволяет системе "экспериментировать", но не разрушает устойчивые стратегии.

Обсуждение:Ethnocentrism (model)

2025-12-13T06:28:36Z

Kate: /* ЭКСПЕРИМЕНТ 2 */

== ЭКСПЕРИМЕНТ 1 ==
'''Цель эксперимента:'''
Исследовать, как стоимость помощи (cost-of-giving) влияет на эволюционную динамику двух крайних стратегий:

CC (Альтруисты) — помогают всем, несмотря на цвет.

DD (Эгоисты) — никому не помогают.
Мы хотим понять: при каких условиях альтруизм выживает, а при каких его вытесняют эгоисты?

Эксперимент проводился при разных значениях cost-of-giving, фиксированных параметрах (mutation-rate=0.005, death-rate=0.1, immigrants-per-day=1, initial-PTR=0.12) и на протяжении 500 шагов.
Данные были собраны для нескольких повторов

[[Файл:Exp1.png|800px|центр]]

====Анализ графиков (Шаг 1–4)====
На каждом графике:

Ось X: номер шага симуляции (от 0 до ~600).

Ось Y(слева): количество агентов СС.

Ось Y(справа): количество агентов DD.

Фиолетовые точки (DD) — эгоисты.

Красные точки (CC) — альтруисты.

Также приведено линейное уравнение регрессии и коэффициент детерминации r².

===Шаг 1 эксперимента (стоимость помощи 0.001)===
CC (Альтруисты): растут быстро, достигают пика около 1000 агентов, затем стабилизируются.

DD (Эгоисты): растут медленнее, дотягивают лишь до 100 агентов

Уравнение для CC: CC = 2.22 * шаг + 69, r² = 0.78 — сильная линейная зависимость.

'''Вывод для Шага 1''': при низкой стоимости помощи альтруизм доминирует. Эгоисты растут медленнее, потому что они не получают выгоды от помощи, но и не тратят ресурсы. Однако при низкой стоимости помощи помощь выгодна, поэтому альтруисты процветают.

===Шаг 2 эксперимента (стоимость помощи 0.01)===
CC (Альтруисты): растут также быстро, как и во время первого эксперимента.

DD (Эгоисты): продолжают расти, становятся конкурентоспособными.

Уравнение для CC: CC1 = 2.3 * шаг + 97, r² = 0.794 — ещё более сильная корреляция, но это может быть связано с тем, что стоимость помощи немного выше, и альтруисты «выживают» дольше.

'''Вывод для Шага 2''': По мере роста стоимости помощи альтруизм становится менее выгодным. Эгоисты, которые не платят за помощь, начинают догонять альтруистов. Это говорит о том, что даже небольшое увеличение стоимости помощи может изменить баланс сил.

===Шаг 3 эксперимента (стоимость помощи 0.02)===
CC (Альтруисты): сильно снижаются, почти исчезают к концу.

DD (Эгоисты): быстро растут, становятся доминирующими.

Уравнение для CC2: CC2 = 0.003 * шаг + 3.8, r² = 0.039 — очень слабая корреляция, что означает, что альтруисты больше не растут линейно — их популяция колеблется и падает.

'''Вывод для Шага 3''': при высокой стоимости помощи альтруизм практически исчезает. Эгоисты становятся доминирующими — они не тратят ресурсы, поэтому их шанс выжить выше.

===Шаг 4 эксперимента (стоимость помощи 0.05)===
CC (Альтруисты): Минимальное количество, почти нулевое.

DD (Эгоисты): доминируют, особенно к концу.

Уравнение для CC3: CC3 = 0.004 * шаг + 3.8, r² = 0.043 — аналогично Шагу 3, альтруисты не имеют значимого роста.

'''Вывод для Шага 4''': при очень высокой стоимости помощи альтруизм исчезает полностью. Эгоисты становятся доминирующими — они не тратят ресурсы, поэтому при высокой стоимости помощи они выигрывают.

===Главный вывод===
Альтруизм (CC) является эволюционно устойчивой стратегией только при очень низкой стоимости помощи. Как только помощь становится дороже, альтруисты начинают проигрывать, потому что они теряют ресурсы, не получая обратной выгоды. Эгоисты (DD), которые не тратят ресурсы на помощь, начинают доминировать.

Это означает, что:

Альтруизм требует «дешёвой» кооперации — если помощь стоит слишком дорого, она становится невыгодной.
Эгоизм — стратегия выживания в условиях дефицита ресурсов — он не тратит, поэтому всегда имеет шанс выжить.
В реальном мире это объясняет, почему в кризисных ситуациях люди становятся более эгоистичными — помощь становится слишком дорогой.
Общественно значимые последствия
Этот эксперимент показывает, что альтруизм — это не просто «добро», а экономически выгодная стратегия, которая работает только при определённых условиях.

===Заключение===
Модель «Ethnocentrism» демонстрирует, что альтруизм может эволюционировать только в условиях, когда помощь дешёвая и выгодная. Как только стоимость помощи растёт, альтруисты начинают проигрывать, и их вытесняют эгоисты.
Этот вывод имеет прямое отношение к современным социальным, политическим и экономическим процессам. Он показывает, что для поддержания альтруизма в обществе необходимо создавать условия, при которых помощь не является экономически обременительной.

== ЭКСПЕРИМЕНТ 2 ==
Исследуемый датасет
{{#widget:Google Spreadsheet
|key=e/2PACX-1vSftAub9NCWOHHhvqgyyRxggOke0nwn1QNNoOskMe1wTBLSfQsuxWCDnYHEfy1GtPH17l6sjr7rKR4a
|width=800
|height=400
}}
''Гипотеза: при увеличении потока иммигрантов доля этноцентристов в популяции растёт, а доля альтруистов — падает.''

Для проверки гипотезы мною был выбран независимый параметр immigrants-per-day — уровень иммиграции, который принимал значения 0, 1, 2, 3, 4, 5

Был получен датасет, состоящий из 500 шагов для каждого значения immigrants-per-day. На его основе была построена диаграмма bar chart:
[[Файл:Эмигранты.png|600px]]
 

====Анализ====
; 0 иммигрантов в день - однородный мир без внешнего влияния
Когда в систему не поступают новые агенты, все стратегии ведут себя не так, как предсказывает классическая модель.
Оказалось, что ни одна стратегия не доминирует. Наоборот — все они почти равномерно распределены:

* Альтруисты: ~24.6%
* Эгоисты: ~24.8%
* Этноцентристы: ~24.6%
* Предатели: ~26.1%

Это означает, что в полностью замкнутой и стабильной среде никакая стратегия не имеет явного эволюционного преимущества. [[Альтруизм]] не выигрывает, потому что нет постоянного давления, которое бы «отсеивало» эксплуататоров. [[Система]] находится в состоянии неустойчивого равновесия, где все типы выживают примерно в равной степени.

; 1 иммигрант в день: появляется «чужак» — запускается механизм отбора
: Уже при самом минимальном уровне иммиграции картина резко меняется.
: Появление даже одного «чужого» агента в день нарушает баланс и запускает процесс естественного отбора стратегий.

Этноцентристы резко вырываются вперёд — их доля прыгает до 67.7%.
Альтруисты и эгоисты теряют позиции — их доли падают до 17.7% и 11.6% соответственно.
Предатели, кооперирующиеся только с «чужаками», почти исчезают (3%), потому что их поведение невыгодно.
Таким образом, иммиграция становится катализатором возникновения групповой идентичности. Этноцентризм оказывается самой устойчивой стратегией: помогать «своим» и игнорировать «чужих» — это эффективная защита от эксплуатации.

; 2 иммигранта в день: пик этноцентризма
При двух иммигрантах в день система достигает максимальной поляризации:

Этноцентристы: 79.6% — абсолютное доминирование
Альтруисты: падают до всего 8.6%.
Эгоисты: ~8.2%
Предатели: остаются на уровне ~3.6%.

Этот результат полностью подтверждает гипотезу: чем выше (но умеренный) уровень иммиграции, тем сильнее выигрывает стратегия «мы vs они». Альтруизм, предполагающий кооперацию со всеми без исключения, становится уязвимым — его «подставляют» чужаки, которые не отвечают взаимностью.

; 3–5 иммигрантов в день: нестабильность и колебания
Но дальше — неожиданный поворот. При высоком уровне иммиграции (3–5 агентов в день) система перестаёт вести себя предсказуемо.

Доля этноцентристов снижается (от 70.8% при 3 до 66.7% при 5).
Альтруисты, наоборот, внезапно растут — до 18–19% (почти вдвое выше, чем при 2 иммигрантах).
Предатели тоже немного увеличивают свою долю (до ~6% при 5 иммигрантах).
Это может означать одно из двух:

Высокая иммиграция дестабилизирует систему: постоянное обновление популяции не даёт установиться чёткому равновесию.
Альтруисты находят нишу: при очень высокой плотности «чужаков» иногда выгоднее кооперироваться со всеми, потому что «своих» становится слишком мало, чтобы на них полагаться.
В любом случае, гипотеза перестаёт работать монотонно: рост иммиграции не приводит к дальнейшему усилению этноцентризма, а, наоборот, ослабляет его.

====Вывод====

[[Эксперимент]] частично подтвердил гипотезу, но также выявил важное уточнение:

Небольшая иммиграция действительно запускает механизм этноцентризма и подавляет альтруизм.
Однако при высоком уровне иммиграции система теряет стабильность, и доминирование этноцентристов ослабевает.

Это говорит о том, что [[этноцентризм]] — не универсальный ответ на любую миграцию, а адаптация к умеренной угрозе "извне". Когда угроза становится слишком большой, социальная структура начинает «расплываться», и менее избирательные стратегии (в том числе альтруизм) могут снова получать шанс на выживание.

Таким образом, модель показывает: групповая идентичность — это не просто реакция на «чужаков», а хрупкое равновесие, которое требует определённых условий для устойчивости.

''Соответственно, начальная гипотеза не подтверждается в полной мере.''

== ЭКСПЕРИМЕНТ 3 ==
--[[Участник:PanshinaZina|PanshinaZina]] ([[Обсуждение участника:PanshinaZina|обсуждение]]) 19:36, 12 декабря 2025 (MSK)

'''Цель эксперимента:'''
Исследовать, как частота мутаций (mutation-rate) влияет на эволюцию эгоцентризма в модели Ethnocentrism. Конкретно — как mutation-rate влияет на:

1. Уровень этноцентрического поведения (consist-ethno-agg-percent).

2. Стабильность и предсказуемость результатов (дисперсию).

'''Условия эксперимента:'''

1. mutation-rate = 0.001, 0.005, 0.01, 0.02.

2. Остальные поля по умолчанию.

3. Повторы: 5.

4. Шагов: 500.
=== Датасет эксперимента ===
Ссылка на гугл таблицу с датасетом
* https://docs.google.com/spreadsheets/d/1hJQUTLBYmOVuxGkWBpzJO3vrN0f6mDw3JLvvYlefMSU/edit?usp=sharing

{{#widget:Google Spreadsheet
|key=e/2PACX-1vTE34zXRfs1CacDFFEokCo1pxXMCd4w6MUXu51gsXlTjh7pUgnA3IrsnOlXI7fIJ1PBynni0-X9PJ7X
|width=800
|height=400
}}
=== Построение графика распределения ===
Загрузим наш датасет на RAWGraph, где построим boxplot(ящик с усами), который покажет медиану, размах и выбросы для каждой группы.

[[Файл:Boxplot.png| 600px]]

Мы видим, что по '''медианам''' четко видна убывающая тенденция:

mutation-rate = 0.001: медиана ~0.707

mutation-rate = 0.005: медиана ~0.701

mutation-rate = 0.01: медиана ~0.674

mutation-rate = 0.02: медиана ~0.625

'''По IQR (размах):'''

Группа 0.001 имеет самый широкий IQR — это указывает на высокую дисперсию.
Группы 0.01 и 0.02 имеют очень узкий IQR — низкая дисперсия, результаты стабильны.

'''[[Выброс]]ы:'''

{{#ask: [[Выброс]] | ?Description }}

В группе 0.001 много выбросов, особенно в нижней части — это подтверждает [[бимодальность]] (некоторые запуски "проваливаются").
В группах 0.01 и 0.02 практически нет выбросов — система быстро сходится к одному состоянию.

=== Вывод по [[Boxplot]] ===
{{#ask: [[Boxplot]] | ?Description }}

При низкой мутации (0.001) система может либо успешно эволюционировать (высокий ethno_percent), либо "застревать" (низкий ethno_percent). При высокой мутации (0.01, 0.02) система стабильно, но слабо эволюционирует.

=== Построение графика Beeswarm ===
Построим в RAWGraph график Beeswarm(датасет тот же), чтобы посмотреть поведение модели на данном графике.

[[Файл:Beeswarm ethnocentrism.png| 600px]]

'''Что показывает:'''

Все индивидуальные точки (run'ы) — не только сводная статистика, но и каждое наблюдение.

'''Ключевые наблюдения:'''

''Группа mutation-rate = 0.001 (самый светлый цвет)''

Широкое распределение: Точки разбросаны по всему диапазону значений ethno_percent — от очень низких (~0.4) до очень высоких (~0.8). Высокая дисперсия: Большое количество точек рассеяно по всему графику, что указывает на нестабильность системы при низкой мутации.
Бимодальность - видно два кластера:

Один кластер — в нижней части графика (низкий ethno_percent, ~0.4–0.5). Это "неудачные" запуски, где система "застряла".

Другой кластер — в верхней части (высокий ethno_percent, ~0.7–0.8). Это "успешные" запуски, где эгоцентризм доминирует.

''Группа mutation-rate = 0.005 (средний светло-голубой цвет)''

Уже распределение: Точки уже не так сильно рассеяны, как при 0.001.
Меньше "провалов": Количество точек в нижней части графика (низкий ethno_percent) меньше, чем при 0.001.
Сохраняется высокий уровень: Много точек все еще находятся в верхней части графика (высокий ethno_percent).

''Группы mutation-rate = 0.01 и 0.02 (темно-синие точки)''

Очень узкое распределение: Точки плотно сгруппированы в узком диапазоне значений ethno_percent — примерно от 0.5 до 0.65.
Нет "провалов": Почти нет точек в самом низу графика.
Нет "побед": Почти нет точек в самом верху графика (высокий ethno_percent > 0.7).
Низкая дисперсия: Все точки скучены в одном месте, что указывает на высокую стабильность системы при высокой мутации.

=== Выводы по Beeswarm Plot ===
Этот график подтверждает и дополняет выводы из Boxplot. Он показывает, что бимодальность при mutation-rate = 0.001 — системная особенность динамики модели при низкой мутационной нагрузке.
При mutation-rate ≥ 0.01 система теряет способность к "большому прорыву" (достижению очень высокого ethno_percent), но зато становится предсказуемой.
=== Заключение ===
В ходе анализа было установлено, что частота мутаций оказывает значительное влияние на эволюцию этноцентризма. Оба графика — Boxplot и Beeswarm Plot — демонстрируют четкую тенденцию: с ростом mutation-rate средний уровень этноцентризма стабильно снижается. Критический порог, после которого этноцентризм перестает доминировать, лежит между 0.005 и 0.01.

Более детальный анализ Beeswarm Plot позволил выявить важную особенность: при самой низкой мутации (0.001) система проявляет бимодальное поведение — она может либо успешно эволюционировать (достигать высокого ethno_percent), либо "провалиться" (оставаться на низком уровне). Это указывает на высокую чувствительность системы к начальным условиям при низкой мутации.

В то же время, при высокой мутации (0.01, 0.02) система становится стабильной, но предсказуемо слабой — этноцентризм не успевает развиться, и система быстро стабилизируется на низком уровне.

Таким образом, оптимальный уровень мутации для эволюции этноцентризма — это низкий уровень (0.001 или 0.005), который позволяет системе "экспериментировать", но не разрушает устойчивые стратегии.

Обсуждение:Ethnocentrism (model)

2025-12-11T20:30:22Z

Kate: /* ЭКСПЕРИМЕНТ 2 */

Обсуждение:Ethnocentrism (model)

2025-12-11T20:29:33Z

Kate: /* ЭКСПЕРИМЕНТ 2 */ новая тема

Файл:Эмигранты.png

2025-12-11T20:14:19Z

Kate:

эмигранты

Файл:VizЭмигранты.jpg

2025-12-11T19:54:25Z

Kate:

График

Участник:Kate

2025-11-29T08:37:57Z

Kate:

{{UserMGPU
|Description=Студент группы АБП-231
|Field_of_knowledge=Математика, Информатика, Психология, Экономика, Литература, Алгебра
|similar_concepts=Аналитика, Программирование
|Environment=Python, PostgreSQL, Deepseek, DataLens
|Position=Бакалавриат
|Profile=Информатика
|PedDirection=Нет
|Community=ЦИТИС
|Виды_спорта=Баскетбол
|Working_On=Участник:Kate/Experiments, VorobevaEkaterina/Wolf-Sheep, VorobevaEkaterina/SimpleEconomy, Как провести регрессионный анализ, Обсуждение:Практическое задание по анализу временных рядов
}}
----

[[Участник:Kate/Experiments|Эксперименты]]

См - [[VorobevaEkaterina/Wolf-Sheep]]

См - [[VorobevaEkaterina/SimpleEconomy]]

[[Категория:UserMGPU]]
[[Категория:АБП-231]]

Обсуждение:Практическое задание по анализу временных рядов

2025-11-28T23:32:50Z

Kate: /* Визуализация графиков в RawGraph по модели Economic Disparity(общий датасет) */

== Пример постановки эксперимента с моделью Segregation ==

Это пример постановки эксперимента
--[[Участник:Patarakin|Patarakin]] ([[Обсуждение участника:Patarakin|обсуждение]]) 09:16, 15 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 60%
# Таких же как я - 30, 40, 60 %

Time unhappy
0 300
1 161
2 99
3 62
4 38
5 28
6 18
7 11
8 5
9 2
10 2
11 0

=== [[BehaviorSpace]] Experiment ===
* https://raw.githubusercontent.com/patarakin/stat-data/ee3ff311001c6097690360309525529610f4cda1/datasets/csv/Segregation_experiment1.csv

== Пример постановки эксперимента с моделью Segregation ==

=== Сбор данных с модели Segregation ===

--[[Участник:Kate|Kate]] ([[Обсуждение участника:Kate|обсуждение]]) 09:41, 15 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 95%
# Таких же как я - 70%

https://docs.google.com/spreadsheets/d/18ETlNj_PdpHHS31PXFFE3xKZz2Fi-4xkqeDgUYEfN_M/edit?usp=sharing

{{#widget:Google Spreadsheet
|key=e/2PACX-1vSo0qbkxN8XqMumIM8MZSb57Y4pZMJAmU48njjO_RIMshxYr9yrusvEOBAElT_EUhQJO7kNBqSRlQpI
|width=500
|height=400
}}

=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:

[[Файл:2025-11-29 01-51-38.png|600px]]

=== Далее визуализируем в RawGraph ===
[[Файл:Viz V.png|600px]]

=== Визуализация графиков в RawGraph по модели Economic Disparity(общий датасет)===
Для начала построим диаграммы рассеивания в CODAP:

[[Файл:2025-11-29 02-27-40.png|600px]]

далее в RawGraph:

[[Файл:Ch1.png|600px]]

[[Файл:Ch2.png|600px]]

== Эксперимент с моделью Segregation ==

--[[Участник:PanshinaZina|PanshinaZina]] ([[Обсуждение участника:PanshinaZina|обсуждение]]) 09:46, 15 ноября 2025 (MSK)

=== Сбор данных с модели Segregation ===
# Плотность - 80%
# Таких же как я - 75%

* https://docs.google.com/spreadsheets/d/1gqjZmHA2w2oBaCHlDiRIz5QzEY5BlxX4zDUVXYMCFQ4/edit?gid=0#gid=0

{{#widget:Google Spreadsheet
|key=e/2PACX-1vTSVYEuoG3mfbZfxAGOGWz6q81-JAnIk69BaD4ih-HayiSjrkdICgjlrUMMgYiecxOuyN56YDQq9oF4
|width=500
|height=400
}}

=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:

[[Файл:Codap seg.png|600px]]

Затем построим графики в RawGraph:

[[Файл:Segregation.png|800px]]

На всех графиках наблюдается общая тенденция к снижению числа несчастливых агентов со временем, что соответствует ожидаемому поведению модели сегрегации. При этом скорость и глубина снижения зависят от порога %-similar-wanted: чем ниже требование к подобию (например, 70–72%), тем быстрее и глубже падает число несчастливых, и тем ближе система к полной стабилизации. При более высоких значениях (73–75%) снижение происходит медленнее, и к концу моделирования остаётся небольшое количество несчастливых агентов - это указывает на то, что при больших порогах система может не достигать полного равновесия в заданном числе шагов(что можно увидеть при %-similar-wanted=76).

=== Визуализация графиков в RawGraph по модели Economic Disparity(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:CODAP ED.png|800px]]

Затем построим графики в RawGraph:

[[Файл:Poor.png|450px]]
[[Файл:Rich.png|450px]]

На полученных графиках мы видим, что чем выше poor-price-priority или rich-quality-priority, тем больше медианное расстояние до работы — это означает, что ориентация бедных на цену и богатых на качество заставляет их выбирать более удалённое место жительство от рабочего места. При снижении этих приоритетов расстояния сокращаются.

== Эксперимент с моделью Segregation ==

--[[Участник:Malena Buzdugan|Malena Buzdugan]] ([[Обсуждение участника:Malena Buzdugan|обсуждение]]) 09:46, 15 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 80%
# Таких же как я - 50 %

* https://docs.google.com/spreadsheets/d/1Jl5Iat5UvbL5uxol7NzrbJQx7-P_xriS/edit?usp=drive_link&ouid=109987093236244455563&rtpof=true&sd=true

{{#widget:Google Spreadsheet
|key=e/2PACX-1vTPXipXc9ARNYMvQwyHByVmfBmYOsK7G-XRaORt0RZzBQkUeaOVeYcLOVNvCyFtgQ
|width=500
|height=400
}}

== Датасет как вики таблица ==

* https://raw.githubusercontent.com/patarakin/stat-data/ee3ff311001c6097690360309525529610f4cda1/datasets/csv/Segregation_experiment1.csv

== Urban_Suite_-_Economic_Disparity ==

* [[Urban_Suite_-_Economic_Disparity]]
** http://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/EconomicDisparity_experiment1.csv

== Эксперимент с моделью Segregation ==
--[[Участник:DolzhenkovaPV|DolzhenkovaPV]] ([[Обсуждение участника:DolzhenkovaPV|обсуждение]]) 10:08, 24 ноября 2025 (MSK)
*
https://docs.google.com/spreadsheets/d/1VrDX2kuHOzh_HSqERhOXEwUPWtgMEYZyevcI-Lhu8HY/edit?usp=sharing

Условия эксперимента:
# Плотность - 81%
# Таких же как я - 70 %
{{#widget:Google Spreadsheet

|key=e/2PACX-1vTSVYEuoG3mfbZfxAGOGWz6q81-JAnIk69BaD4ih-HayiSjrkdICgjlrUMMgYiecxOuyN56YDQq9oF4
|width=500
|height=400
}}
=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
[[Файл:2025-11-24 09-52-33.png|600px]]

[[Файл:2025-11-24_10-02-54.png|600px]]

== Эксперимент с моделью Segregation ==

--[[Участник:KryuchkovSR|KryuchkovSR]] ([[Обсуждение участника:KryuchkovSR|обсуждение]]) 00:30, 21 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 95%
# Таких же как я - 65%

*
https://docs.google.com/spreadsheets/d/1gDmKr_UHjpUr5_iR231LlJfVgPMGoHWBdWZI7qigleQ/edit?usp=sharing

{{#widget:Google Spreadsheet
|key=e/2PACX-1vSWXDB_TI-khaobFIf9fXM4zKHx-QBCRcGXbo9afY9tcJttAXEV5EO_j4i0FejKGso38QavLQX43u0z
|width=500
|height=400
}}
=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:Happy unhappy.png|550px]]

Затем построим графики в RawGraph:
[[Файл:Raw happy.png|700px]]

На всех графиках наблюдается общая тенденция к снижению числа несчастливых агентов со временем, что соответствует ожидаемому поведению модели сегрегации.

== Эксперимент с моделью Segregation ==

--[[Участник:GavrikovVI843|GavrikovVI843]] ([[Обсуждение участника:GavrikovVI843|обсуждение]]) 02:13, 21 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 83%
# Таких же как я - 83%

*
https://docs.google.com/spreadsheets/d/1Dh_tpGTeNvnSlkdC_UntJwu7G3P6gnVrFi9GWnTEGsw/edit?usp=sharing
{{#widget:Google Spreadsheet
|key=e/2PACX-1vQ-ILv2Q-LJdW11qXQr6tM5sMmHv02Tw5osEWV415-u1I2do17O9biGpPvUZ1bDYCLQzYc7izEEkNv8
}}

=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:Graphs analyse.png|650px]]

Затем построим графики в RawGraph:
[[Файл:Happy.png|650px]]

== Эксперимент с моделью Segregation ==
Условия эксперимента:
# Плотность - 88%
# Таких же как я - 88 %
* https://docs.google.com/spreadsheets/d/1KCua6-shAaeD164v4ifRZh_Ez1ZU6aTZFvm54xb8Ce4/edit?gid=0#gid=0

{{#widget:Google Spreadsheet
|key=e/2PACX-1vTPXipXc9ARNYMvQwyHByVmfBmYOsK7G-XRaORt0RZzBQkUeaOVeYcLOVNvCyFtgQ
|width=500
|height=400
}}

=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:Снимок экрана 2025-11-29 014538.png| 600px]]

Затем построим графики в RawGraph:
[[Файл:GG2.png|800px]]

=== Визуализация графиков в RawGraph по модели Economic Disparity(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:GG3.png|800]]

Затем построим графики в RawGraph:
[[Файл:Viz (1).png|800px]]

Обсуждение:Практическое задание по анализу временных рядов

2025-11-28T23:32:32Z

Kate: /* Визуализация графиков в RawGraph по модели Segregation(общий датасет) */

== Пример постановки эксперимента с моделью Segregation ==

Это пример постановки эксперимента
--[[Участник:Patarakin|Patarakin]] ([[Обсуждение участника:Patarakin|обсуждение]]) 09:16, 15 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 60%
# Таких же как я - 30, 40, 60 %

Time unhappy
0 300
1 161
2 99
3 62
4 38
5 28
6 18
7 11
8 5
9 2
10 2
11 0

=== [[BehaviorSpace]] Experiment ===
* https://raw.githubusercontent.com/patarakin/stat-data/ee3ff311001c6097690360309525529610f4cda1/datasets/csv/Segregation_experiment1.csv

== Пример постановки эксперимента с моделью Segregation ==

=== Сбор данных с модели Segregation ===

--[[Участник:Kate|Kate]] ([[Обсуждение участника:Kate|обсуждение]]) 09:41, 15 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 95%
# Таких же как я - 70%

https://docs.google.com/spreadsheets/d/18ETlNj_PdpHHS31PXFFE3xKZz2Fi-4xkqeDgUYEfN_M/edit?usp=sharing

{{#widget:Google Spreadsheet
|key=e/2PACX-1vSo0qbkxN8XqMumIM8MZSb57Y4pZMJAmU48njjO_RIMshxYr9yrusvEOBAElT_EUhQJO7kNBqSRlQpI
|width=500
|height=400
}}

=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:

[[Файл:2025-11-29 01-51-38.png|600px]]

=== Далее визуализируем в RawGraph ===
[[Файл:Viz V.png|600px]]

=== Визуализация графиков в RawGraph по модели Economic Disparity(общий датасет)===
Для начала построим диаграммы рассеивания в CODAP:

[[Файл:2025-11-29 02-27-40.png|600px]]

далее в RawGraph:

[[Файл:Ch1.png|600px]]

[[Файл:Ch2.png|600px]]

== Визуализация графиков в RawGraph по модели Economic Disparity(общий датасет)==

Для начала построим диаграммы рассеивания в CODAP:

[[Файл:2025-11-29 02-12-13.png|600px]]

== Эксперимент с моделью Segregation ==

--[[Участник:PanshinaZina|PanshinaZina]] ([[Обсуждение участника:PanshinaZina|обсуждение]]) 09:46, 15 ноября 2025 (MSK)

=== Сбор данных с модели Segregation ===
# Плотность - 80%
# Таких же как я - 75%

* https://docs.google.com/spreadsheets/d/1gqjZmHA2w2oBaCHlDiRIz5QzEY5BlxX4zDUVXYMCFQ4/edit?gid=0#gid=0

{{#widget:Google Spreadsheet
|key=e/2PACX-1vTSVYEuoG3mfbZfxAGOGWz6q81-JAnIk69BaD4ih-HayiSjrkdICgjlrUMMgYiecxOuyN56YDQq9oF4
|width=500
|height=400
}}

=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:

[[Файл:Codap seg.png|600px]]

Затем построим графики в RawGraph:

[[Файл:Segregation.png|800px]]

На всех графиках наблюдается общая тенденция к снижению числа несчастливых агентов со временем, что соответствует ожидаемому поведению модели сегрегации. При этом скорость и глубина снижения зависят от порога %-similar-wanted: чем ниже требование к подобию (например, 70–72%), тем быстрее и глубже падает число несчастливых, и тем ближе система к полной стабилизации. При более высоких значениях (73–75%) снижение происходит медленнее, и к концу моделирования остаётся небольшое количество несчастливых агентов - это указывает на то, что при больших порогах система может не достигать полного равновесия в заданном числе шагов(что можно увидеть при %-similar-wanted=76).

=== Визуализация графиков в RawGraph по модели Economic Disparity(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:CODAP ED.png|800px]]

Затем построим графики в RawGraph:

[[Файл:Poor.png|450px]]
[[Файл:Rich.png|450px]]

На полученных графиках мы видим, что чем выше poor-price-priority или rich-quality-priority, тем больше медианное расстояние до работы — это означает, что ориентация бедных на цену и богатых на качество заставляет их выбирать более удалённое место жительство от рабочего места. При снижении этих приоритетов расстояния сокращаются.

== Эксперимент с моделью Segregation ==

--[[Участник:Malena Buzdugan|Malena Buzdugan]] ([[Обсуждение участника:Malena Buzdugan|обсуждение]]) 09:46, 15 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 80%
# Таких же как я - 50 %

* https://docs.google.com/spreadsheets/d/1Jl5Iat5UvbL5uxol7NzrbJQx7-P_xriS/edit?usp=drive_link&ouid=109987093236244455563&rtpof=true&sd=true

{{#widget:Google Spreadsheet
|key=e/2PACX-1vTPXipXc9ARNYMvQwyHByVmfBmYOsK7G-XRaORt0RZzBQkUeaOVeYcLOVNvCyFtgQ
|width=500
|height=400
}}

== Датасет как вики таблица ==

* https://raw.githubusercontent.com/patarakin/stat-data/ee3ff311001c6097690360309525529610f4cda1/datasets/csv/Segregation_experiment1.csv

== Urban_Suite_-_Economic_Disparity ==

* [[Urban_Suite_-_Economic_Disparity]]
** http://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/EconomicDisparity_experiment1.csv

== Эксперимент с моделью Segregation ==
--[[Участник:DolzhenkovaPV|DolzhenkovaPV]] ([[Обсуждение участника:DolzhenkovaPV|обсуждение]]) 10:08, 24 ноября 2025 (MSK)
*
https://docs.google.com/spreadsheets/d/1VrDX2kuHOzh_HSqERhOXEwUPWtgMEYZyevcI-Lhu8HY/edit?usp=sharing

Условия эксперимента:
# Плотность - 81%
# Таких же как я - 70 %
{{#widget:Google Spreadsheet

|key=e/2PACX-1vTSVYEuoG3mfbZfxAGOGWz6q81-JAnIk69BaD4ih-HayiSjrkdICgjlrUMMgYiecxOuyN56YDQq9oF4
|width=500
|height=400
}}
=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
[[Файл:2025-11-24 09-52-33.png|600px]]

[[Файл:2025-11-24_10-02-54.png|600px]]

== Эксперимент с моделью Segregation ==

--[[Участник:KryuchkovSR|KryuchkovSR]] ([[Обсуждение участника:KryuchkovSR|обсуждение]]) 00:30, 21 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 95%
# Таких же как я - 65%

*
https://docs.google.com/spreadsheets/d/1gDmKr_UHjpUr5_iR231LlJfVgPMGoHWBdWZI7qigleQ/edit?usp=sharing

{{#widget:Google Spreadsheet
|key=e/2PACX-1vSWXDB_TI-khaobFIf9fXM4zKHx-QBCRcGXbo9afY9tcJttAXEV5EO_j4i0FejKGso38QavLQX43u0z
|width=500
|height=400
}}
=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:Happy unhappy.png|550px]]

Затем построим графики в RawGraph:
[[Файл:Raw happy.png|700px]]

На всех графиках наблюдается общая тенденция к снижению числа несчастливых агентов со временем, что соответствует ожидаемому поведению модели сегрегации.

== Эксперимент с моделью Segregation ==

--[[Участник:GavrikovVI843|GavrikovVI843]] ([[Обсуждение участника:GavrikovVI843|обсуждение]]) 02:13, 21 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 83%
# Таких же как я - 83%

*
https://docs.google.com/spreadsheets/d/1Dh_tpGTeNvnSlkdC_UntJwu7G3P6gnVrFi9GWnTEGsw/edit?usp=sharing
{{#widget:Google Spreadsheet
|key=e/2PACX-1vQ-ILv2Q-LJdW11qXQr6tM5sMmHv02Tw5osEWV415-u1I2do17O9biGpPvUZ1bDYCLQzYc7izEEkNv8
}}

=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:Graphs analyse.png|650px]]

Затем построим графики в RawGraph:
[[Файл:Happy.png|650px]]

== Эксперимент с моделью Segregation ==
Условия эксперимента:
# Плотность - 88%
# Таких же как я - 88 %
* https://docs.google.com/spreadsheets/d/1KCua6-shAaeD164v4ifRZh_Ez1ZU6aTZFvm54xb8Ce4/edit?gid=0#gid=0

{{#widget:Google Spreadsheet
|key=e/2PACX-1vTPXipXc9ARNYMvQwyHByVmfBmYOsK7G-XRaORt0RZzBQkUeaOVeYcLOVNvCyFtgQ
|width=500
|height=400
}}

=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:Снимок экрана 2025-11-29 014538.png| 600px]]

Затем построим графики в RawGraph:
[[Файл:GG2.png|800px]]

=== Визуализация графиков в RawGraph по модели Economic Disparity(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:GG3.png|800]]

Затем построим графики в RawGraph:
[[Файл:Viz (1).png|800px]]

Обсуждение:Практическое задание по анализу временных рядов

2025-11-28T23:32:19Z

Kate: /* Далее визуализируем в RawGraph */

== Пример постановки эксперимента с моделью Segregation ==

Это пример постановки эксперимента
--[[Участник:Patarakin|Patarakin]] ([[Обсуждение участника:Patarakin|обсуждение]]) 09:16, 15 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 60%
# Таких же как я - 30, 40, 60 %

Time unhappy
0 300
1 161
2 99
3 62
4 38
5 28
6 18
7 11
8 5
9 2
10 2
11 0

=== [[BehaviorSpace]] Experiment ===
* https://raw.githubusercontent.com/patarakin/stat-data/ee3ff311001c6097690360309525529610f4cda1/datasets/csv/Segregation_experiment1.csv

== Пример постановки эксперимента с моделью Segregation ==

=== Сбор данных с модели Segregation ===

--[[Участник:Kate|Kate]] ([[Обсуждение участника:Kate|обсуждение]]) 09:41, 15 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 95%
# Таких же как я - 70%

https://docs.google.com/spreadsheets/d/18ETlNj_PdpHHS31PXFFE3xKZz2Fi-4xkqeDgUYEfN_M/edit?usp=sharing

{{#widget:Google Spreadsheet
|key=e/2PACX-1vSo0qbkxN8XqMumIM8MZSb57Y4pZMJAmU48njjO_RIMshxYr9yrusvEOBAElT_EUhQJO7kNBqSRlQpI
|width=500
|height=400
}}

=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:

[[Файл:2025-11-29 01-51-38.png|600px]]

=== Визуализация графиков в RawGraph по модели Economic Disparity(общий датасет)===
Для начала построим диаграммы рассеивания в CODAP:

[[Файл:2025-11-29 02-27-40.png|600px]]

далее в RawGraph:

[[Файл:Ch1.png|600px]]

[[Файл:Ch2.png|600px]]

== Визуализация графиков в RawGraph по модели Economic Disparity(общий датасет)==

Для начала построим диаграммы рассеивания в CODAP:

[[Файл:2025-11-29 02-12-13.png|600px]]

== Эксперимент с моделью Segregation ==

--[[Участник:PanshinaZina|PanshinaZina]] ([[Обсуждение участника:PanshinaZina|обсуждение]]) 09:46, 15 ноября 2025 (MSK)

=== Сбор данных с модели Segregation ===
# Плотность - 80%
# Таких же как я - 75%

* https://docs.google.com/spreadsheets/d/1gqjZmHA2w2oBaCHlDiRIz5QzEY5BlxX4zDUVXYMCFQ4/edit?gid=0#gid=0

{{#widget:Google Spreadsheet
|key=e/2PACX-1vTSVYEuoG3mfbZfxAGOGWz6q81-JAnIk69BaD4ih-HayiSjrkdICgjlrUMMgYiecxOuyN56YDQq9oF4
|width=500
|height=400
}}

=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:

[[Файл:Codap seg.png|600px]]

Затем построим графики в RawGraph:

[[Файл:Segregation.png|800px]]

На всех графиках наблюдается общая тенденция к снижению числа несчастливых агентов со временем, что соответствует ожидаемому поведению модели сегрегации. При этом скорость и глубина снижения зависят от порога %-similar-wanted: чем ниже требование к подобию (например, 70–72%), тем быстрее и глубже падает число несчастливых, и тем ближе система к полной стабилизации. При более высоких значениях (73–75%) снижение происходит медленнее, и к концу моделирования остаётся небольшое количество несчастливых агентов - это указывает на то, что при больших порогах система может не достигать полного равновесия в заданном числе шагов(что можно увидеть при %-similar-wanted=76).

=== Визуализация графиков в RawGraph по модели Economic Disparity(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:CODAP ED.png|800px]]

Затем построим графики в RawGraph:

[[Файл:Poor.png|450px]]
[[Файл:Rich.png|450px]]

На полученных графиках мы видим, что чем выше poor-price-priority или rich-quality-priority, тем больше медианное расстояние до работы — это означает, что ориентация бедных на цену и богатых на качество заставляет их выбирать более удалённое место жительство от рабочего места. При снижении этих приоритетов расстояния сокращаются.

== Эксперимент с моделью Segregation ==

--[[Участник:Malena Buzdugan|Malena Buzdugan]] ([[Обсуждение участника:Malena Buzdugan|обсуждение]]) 09:46, 15 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 80%
# Таких же как я - 50 %

* https://docs.google.com/spreadsheets/d/1Jl5Iat5UvbL5uxol7NzrbJQx7-P_xriS/edit?usp=drive_link&ouid=109987093236244455563&rtpof=true&sd=true

{{#widget:Google Spreadsheet
|key=e/2PACX-1vTPXipXc9ARNYMvQwyHByVmfBmYOsK7G-XRaORt0RZzBQkUeaOVeYcLOVNvCyFtgQ
|width=500
|height=400
}}

== Датасет как вики таблица ==

* https://raw.githubusercontent.com/patarakin/stat-data/ee3ff311001c6097690360309525529610f4cda1/datasets/csv/Segregation_experiment1.csv

== Urban_Suite_-_Economic_Disparity ==

* [[Urban_Suite_-_Economic_Disparity]]
** http://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/EconomicDisparity_experiment1.csv

== Эксперимент с моделью Segregation ==
--[[Участник:DolzhenkovaPV|DolzhenkovaPV]] ([[Обсуждение участника:DolzhenkovaPV|обсуждение]]) 10:08, 24 ноября 2025 (MSK)
*
https://docs.google.com/spreadsheets/d/1VrDX2kuHOzh_HSqERhOXEwUPWtgMEYZyevcI-Lhu8HY/edit?usp=sharing

Условия эксперимента:
# Плотность - 81%
# Таких же как я - 70 %
{{#widget:Google Spreadsheet

|key=e/2PACX-1vTSVYEuoG3mfbZfxAGOGWz6q81-JAnIk69BaD4ih-HayiSjrkdICgjlrUMMgYiecxOuyN56YDQq9oF4
|width=500
|height=400
}}
=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
[[Файл:2025-11-24 09-52-33.png|600px]]

[[Файл:2025-11-24_10-02-54.png|600px]]

== Эксперимент с моделью Segregation ==

--[[Участник:KryuchkovSR|KryuchkovSR]] ([[Обсуждение участника:KryuchkovSR|обсуждение]]) 00:30, 21 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 95%
# Таких же как я - 65%

*
https://docs.google.com/spreadsheets/d/1gDmKr_UHjpUr5_iR231LlJfVgPMGoHWBdWZI7qigleQ/edit?usp=sharing

{{#widget:Google Spreadsheet
|key=e/2PACX-1vSWXDB_TI-khaobFIf9fXM4zKHx-QBCRcGXbo9afY9tcJttAXEV5EO_j4i0FejKGso38QavLQX43u0z
|width=500
|height=400
}}
=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:Happy unhappy.png|550px]]

Затем построим графики в RawGraph:
[[Файл:Raw happy.png|700px]]

На всех графиках наблюдается общая тенденция к снижению числа несчастливых агентов со временем, что соответствует ожидаемому поведению модели сегрегации.

== Эксперимент с моделью Segregation ==

--[[Участник:GavrikovVI843|GavrikovVI843]] ([[Обсуждение участника:GavrikovVI843|обсуждение]]) 02:13, 21 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 83%
# Таких же как я - 83%

*
https://docs.google.com/spreadsheets/d/1Dh_tpGTeNvnSlkdC_UntJwu7G3P6gnVrFi9GWnTEGsw/edit?usp=sharing
{{#widget:Google Spreadsheet
|key=e/2PACX-1vQ-ILv2Q-LJdW11qXQr6tM5sMmHv02Tw5osEWV415-u1I2do17O9biGpPvUZ1bDYCLQzYc7izEEkNv8
}}

=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:Graphs analyse.png|650px]]

Затем построим графики в RawGraph:
[[Файл:Happy.png|650px]]

== Эксперимент с моделью Segregation ==
Условия эксперимента:
# Плотность - 88%
# Таких же как я - 88 %
* https://docs.google.com/spreadsheets/d/1KCua6-shAaeD164v4ifRZh_Ez1ZU6aTZFvm54xb8Ce4/edit?gid=0#gid=0

{{#widget:Google Spreadsheet
|key=e/2PACX-1vTPXipXc9ARNYMvQwyHByVmfBmYOsK7G-XRaORt0RZzBQkUeaOVeYcLOVNvCyFtgQ
|width=500
|height=400
}}

=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:Снимок экрана 2025-11-29 014538.png| 600px]]

Затем построим графики в RawGraph:
[[Файл:GG2.png|800px]]

=== Визуализация графиков в RawGraph по модели Economic Disparity(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:GG3.png|800]]

Затем построим графики в RawGraph:
[[Файл:Viz (1).png|800px]]

Обсуждение:Практическое задание по анализу временных рядов

2025-11-28T23:32:06Z

Kate: /* Далее визуализируем в RawGraph */

== Пример постановки эксперимента с моделью Segregation ==

Это пример постановки эксперимента
--[[Участник:Patarakin|Patarakin]] ([[Обсуждение участника:Patarakin|обсуждение]]) 09:16, 15 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 60%
# Таких же как я - 30, 40, 60 %

Time unhappy
0 300
1 161
2 99
3 62
4 38
5 28
6 18
7 11
8 5
9 2
10 2
11 0

=== [[BehaviorSpace]] Experiment ===
* https://raw.githubusercontent.com/patarakin/stat-data/ee3ff311001c6097690360309525529610f4cda1/datasets/csv/Segregation_experiment1.csv

== Пример постановки эксперимента с моделью Segregation ==

=== Сбор данных с модели Segregation ===

--[[Участник:Kate|Kate]] ([[Обсуждение участника:Kate|обсуждение]]) 09:41, 15 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 95%
# Таких же как я - 70%

https://docs.google.com/spreadsheets/d/18ETlNj_PdpHHS31PXFFE3xKZz2Fi-4xkqeDgUYEfN_M/edit?usp=sharing

{{#widget:Google Spreadsheet
|key=e/2PACX-1vSo0qbkxN8XqMumIM8MZSb57Y4pZMJAmU48njjO_RIMshxYr9yrusvEOBAElT_EUhQJO7kNBqSRlQpI
|width=500
|height=400
}}

=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:

[[Файл:2025-11-29 01-51-38.png|600px]]

=== Визуализация графиков в RawGraph по модели Economic Disparity(общий датасет)===
Для начала построим диаграммы рассеивания в CODAP:

[[Файл:2025-11-29 02-27-40.png|600px]]

далее в RawGraph:

[[Файл:Ch1.png|600px]]

[[Файл:Ch2.png|600px]]

== Визуализация графиков в RawGraph по модели Economic Disparity(общий датасет)==

Для начала построим диаграммы рассеивания в CODAP:

[[Файл:2025-11-29 02-12-13.png|600px]]

=== Далее визуализируем в RawGraph ===
[[Файл:Viz V.png|600px]]

== Эксперимент с моделью Segregation ==

--[[Участник:PanshinaZina|PanshinaZina]] ([[Обсуждение участника:PanshinaZina|обсуждение]]) 09:46, 15 ноября 2025 (MSK)

=== Сбор данных с модели Segregation ===
# Плотность - 80%
# Таких же как я - 75%

* https://docs.google.com/spreadsheets/d/1gqjZmHA2w2oBaCHlDiRIz5QzEY5BlxX4zDUVXYMCFQ4/edit?gid=0#gid=0

{{#widget:Google Spreadsheet
|key=e/2PACX-1vTSVYEuoG3mfbZfxAGOGWz6q81-JAnIk69BaD4ih-HayiSjrkdICgjlrUMMgYiecxOuyN56YDQq9oF4
|width=500
|height=400
}}

=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:

[[Файл:Codap seg.png|600px]]

Затем построим графики в RawGraph:

[[Файл:Segregation.png|800px]]

На всех графиках наблюдается общая тенденция к снижению числа несчастливых агентов со временем, что соответствует ожидаемому поведению модели сегрегации. При этом скорость и глубина снижения зависят от порога %-similar-wanted: чем ниже требование к подобию (например, 70–72%), тем быстрее и глубже падает число несчастливых, и тем ближе система к полной стабилизации. При более высоких значениях (73–75%) снижение происходит медленнее, и к концу моделирования остаётся небольшое количество несчастливых агентов - это указывает на то, что при больших порогах система может не достигать полного равновесия в заданном числе шагов(что можно увидеть при %-similar-wanted=76).

=== Визуализация графиков в RawGraph по модели Economic Disparity(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:CODAP ED.png|800px]]

Затем построим графики в RawGraph:

[[Файл:Poor.png|450px]]
[[Файл:Rich.png|450px]]

На полученных графиках мы видим, что чем выше poor-price-priority или rich-quality-priority, тем больше медианное расстояние до работы — это означает, что ориентация бедных на цену и богатых на качество заставляет их выбирать более удалённое место жительство от рабочего места. При снижении этих приоритетов расстояния сокращаются.

== Эксперимент с моделью Segregation ==

--[[Участник:Malena Buzdugan|Malena Buzdugan]] ([[Обсуждение участника:Malena Buzdugan|обсуждение]]) 09:46, 15 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 80%
# Таких же как я - 50 %

* https://docs.google.com/spreadsheets/d/1Jl5Iat5UvbL5uxol7NzrbJQx7-P_xriS/edit?usp=drive_link&ouid=109987093236244455563&rtpof=true&sd=true

{{#widget:Google Spreadsheet
|key=e/2PACX-1vTPXipXc9ARNYMvQwyHByVmfBmYOsK7G-XRaORt0RZzBQkUeaOVeYcLOVNvCyFtgQ
|width=500
|height=400
}}

== Датасет как вики таблица ==

* https://raw.githubusercontent.com/patarakin/stat-data/ee3ff311001c6097690360309525529610f4cda1/datasets/csv/Segregation_experiment1.csv

== Urban_Suite_-_Economic_Disparity ==

* [[Urban_Suite_-_Economic_Disparity]]
** http://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/EconomicDisparity_experiment1.csv

== Эксперимент с моделью Segregation ==
--[[Участник:DolzhenkovaPV|DolzhenkovaPV]] ([[Обсуждение участника:DolzhenkovaPV|обсуждение]]) 10:08, 24 ноября 2025 (MSK)
*
https://docs.google.com/spreadsheets/d/1VrDX2kuHOzh_HSqERhOXEwUPWtgMEYZyevcI-Lhu8HY/edit?usp=sharing

Условия эксперимента:
# Плотность - 81%
# Таких же как я - 70 %
{{#widget:Google Spreadsheet

|key=e/2PACX-1vTSVYEuoG3mfbZfxAGOGWz6q81-JAnIk69BaD4ih-HayiSjrkdICgjlrUMMgYiecxOuyN56YDQq9oF4
|width=500
|height=400
}}
=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
[[Файл:2025-11-24 09-52-33.png|600px]]

[[Файл:2025-11-24_10-02-54.png|600px]]

== Эксперимент с моделью Segregation ==

--[[Участник:KryuchkovSR|KryuchkovSR]] ([[Обсуждение участника:KryuchkovSR|обсуждение]]) 00:30, 21 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 95%
# Таких же как я - 65%

*
https://docs.google.com/spreadsheets/d/1gDmKr_UHjpUr5_iR231LlJfVgPMGoHWBdWZI7qigleQ/edit?usp=sharing

{{#widget:Google Spreadsheet
|key=e/2PACX-1vSWXDB_TI-khaobFIf9fXM4zKHx-QBCRcGXbo9afY9tcJttAXEV5EO_j4i0FejKGso38QavLQX43u0z
|width=500
|height=400
}}
=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:Happy unhappy.png|550px]]

Затем построим графики в RawGraph:
[[Файл:Raw happy.png|700px]]

На всех графиках наблюдается общая тенденция к снижению числа несчастливых агентов со временем, что соответствует ожидаемому поведению модели сегрегации.

== Эксперимент с моделью Segregation ==

--[[Участник:GavrikovVI843|GavrikovVI843]] ([[Обсуждение участника:GavrikovVI843|обсуждение]]) 02:13, 21 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 83%
# Таких же как я - 83%

*
https://docs.google.com/spreadsheets/d/1Dh_tpGTeNvnSlkdC_UntJwu7G3P6gnVrFi9GWnTEGsw/edit?usp=sharing
{{#widget:Google Spreadsheet
|key=e/2PACX-1vQ-ILv2Q-LJdW11qXQr6tM5sMmHv02Tw5osEWV415-u1I2do17O9biGpPvUZ1bDYCLQzYc7izEEkNv8
}}

=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:Graphs analyse.png|650px]]

Затем построим графики в RawGraph:
[[Файл:Happy.png|650px]]

== Эксперимент с моделью Segregation ==
Условия эксперимента:
# Плотность - 88%
# Таких же как я - 88 %
* https://docs.google.com/spreadsheets/d/1KCua6-shAaeD164v4ifRZh_Ez1ZU6aTZFvm54xb8Ce4/edit?gid=0#gid=0

{{#widget:Google Spreadsheet
|key=e/2PACX-1vTPXipXc9ARNYMvQwyHByVmfBmYOsK7G-XRaORt0RZzBQkUeaOVeYcLOVNvCyFtgQ
|width=500
|height=400
}}

=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:Снимок экрана 2025-11-29 014538.png| 600px]]

Затем построим графики в RawGraph:
[[Файл:GG2.png|800px]]

=== Визуализация графиков в RawGraph по модели Economic Disparity(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:GG3.png|800]]

Затем построим графики в RawGraph:
[[Файл:Viz (1).png|800px]]

Обсуждение:Практическое задание по анализу временных рядов

2025-11-28T23:30:31Z

Kate: /* Пример постановки эксперимента с моделью Segregation */

== Пример постановки эксперимента с моделью Segregation ==

Это пример постановки эксперимента
--[[Участник:Patarakin|Patarakin]] ([[Обсуждение участника:Patarakin|обсуждение]]) 09:16, 15 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 60%
# Таких же как я - 30, 40, 60 %

Time unhappy
0 300
1 161
2 99
3 62
4 38
5 28
6 18
7 11
8 5
9 2
10 2
11 0

=== [[BehaviorSpace]] Experiment ===
* https://raw.githubusercontent.com/patarakin/stat-data/ee3ff311001c6097690360309525529610f4cda1/datasets/csv/Segregation_experiment1.csv

== Пример постановки эксперимента с моделью Segregation ==

=== Сбор данных с модели Segregation ===

--[[Участник:Kate|Kate]] ([[Обсуждение участника:Kate|обсуждение]]) 09:41, 15 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 95%
# Таких же как я - 70%

https://docs.google.com/spreadsheets/d/18ETlNj_PdpHHS31PXFFE3xKZz2Fi-4xkqeDgUYEfN_M/edit?usp=sharing

{{#widget:Google Spreadsheet
|key=e/2PACX-1vSo0qbkxN8XqMumIM8MZSb57Y4pZMJAmU48njjO_RIMshxYr9yrusvEOBAElT_EUhQJO7kNBqSRlQpI
|width=500
|height=400
}}

=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:

[[Файл:2025-11-29 01-51-38.png|600px]]

=== Визуализация графиков в RawGraph по модели Economic Disparity(общий датасет)===
Для начала построим диаграммы рассеивания в CODAP:

[[Файл:2025-11-29 02-27-40.png|600px]]

далее в RawGraph:

[[Файл:Ch1.png|600px]]

[[Файл:Ch2.png|600px]]

== Визуализация графиков в RawGraph по модели Economic Disparity(общий датасет)==

Для начала построим диаграммы рассеивания в CODAP:

[[Файл:2025-11-29 02-12-13.png|600px]]

== Далее визуализируем в RawGraph ==
[[Файл:Viz V.png|600px]]

== Эксперимент с моделью Segregation ==

--[[Участник:PanshinaZina|PanshinaZina]] ([[Обсуждение участника:PanshinaZina|обсуждение]]) 09:46, 15 ноября 2025 (MSK)

=== Сбор данных с модели Segregation ===
# Плотность - 80%
# Таких же как я - 75%

* https://docs.google.com/spreadsheets/d/1gqjZmHA2w2oBaCHlDiRIz5QzEY5BlxX4zDUVXYMCFQ4/edit?gid=0#gid=0

{{#widget:Google Spreadsheet
|key=e/2PACX-1vTSVYEuoG3mfbZfxAGOGWz6q81-JAnIk69BaD4ih-HayiSjrkdICgjlrUMMgYiecxOuyN56YDQq9oF4
|width=500
|height=400
}}

=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:

[[Файл:Codap seg.png|600px]]

Затем построим графики в RawGraph:

[[Файл:Segregation.png|800px]]

На всех графиках наблюдается общая тенденция к снижению числа несчастливых агентов со временем, что соответствует ожидаемому поведению модели сегрегации. При этом скорость и глубина снижения зависят от порога %-similar-wanted: чем ниже требование к подобию (например, 70–72%), тем быстрее и глубже падает число несчастливых, и тем ближе система к полной стабилизации. При более высоких значениях (73–75%) снижение происходит медленнее, и к концу моделирования остаётся небольшое количество несчастливых агентов - это указывает на то, что при больших порогах система может не достигать полного равновесия в заданном числе шагов(что можно увидеть при %-similar-wanted=76).

=== Визуализация графиков в RawGraph по модели Economic Disparity(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:CODAP ED.png|800px]]

Затем построим графики в RawGraph:

[[Файл:Poor.png|450px]]
[[Файл:Rich.png|450px]]

На полученных графиках мы видим, что чем выше poor-price-priority или rich-quality-priority, тем больше медианное расстояние до работы — это означает, что ориентация бедных на цену и богатых на качество заставляет их выбирать более удалённое место жительство от рабочего места. При снижении этих приоритетов расстояния сокращаются.

== Эксперимент с моделью Segregation ==

--[[Участник:Malena Buzdugan|Malena Buzdugan]] ([[Обсуждение участника:Malena Buzdugan|обсуждение]]) 09:46, 15 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 80%
# Таких же как я - 50 %

* https://docs.google.com/spreadsheets/d/1Jl5Iat5UvbL5uxol7NzrbJQx7-P_xriS/edit?usp=drive_link&ouid=109987093236244455563&rtpof=true&sd=true

{{#widget:Google Spreadsheet
|key=e/2PACX-1vTPXipXc9ARNYMvQwyHByVmfBmYOsK7G-XRaORt0RZzBQkUeaOVeYcLOVNvCyFtgQ
|width=500
|height=400
}}

== Датасет как вики таблица ==

* https://raw.githubusercontent.com/patarakin/stat-data/ee3ff311001c6097690360309525529610f4cda1/datasets/csv/Segregation_experiment1.csv

== Urban_Suite_-_Economic_Disparity ==

* [[Urban_Suite_-_Economic_Disparity]]
** http://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/EconomicDisparity_experiment1.csv

== Эксперимент с моделью Segregation ==
--[[Участник:DolzhenkovaPV|DolzhenkovaPV]] ([[Обсуждение участника:DolzhenkovaPV|обсуждение]]) 10:08, 24 ноября 2025 (MSK)
*
https://docs.google.com/spreadsheets/d/1VrDX2kuHOzh_HSqERhOXEwUPWtgMEYZyevcI-Lhu8HY/edit?usp=sharing

Условия эксперимента:
# Плотность - 81%
# Таких же как я - 70 %
{{#widget:Google Spreadsheet

|key=e/2PACX-1vTSVYEuoG3mfbZfxAGOGWz6q81-JAnIk69BaD4ih-HayiSjrkdICgjlrUMMgYiecxOuyN56YDQq9oF4
|width=500
|height=400
}}
=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
[[Файл:2025-11-24 09-52-33.png|600px]]

[[Файл:2025-11-24_10-02-54.png|600px]]

== Эксперимент с моделью Segregation ==

--[[Участник:KryuchkovSR|KryuchkovSR]] ([[Обсуждение участника:KryuchkovSR|обсуждение]]) 00:30, 21 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 95%
# Таких же как я - 65%

*
https://docs.google.com/spreadsheets/d/1gDmKr_UHjpUr5_iR231LlJfVgPMGoHWBdWZI7qigleQ/edit?usp=sharing

{{#widget:Google Spreadsheet
|key=e/2PACX-1vSWXDB_TI-khaobFIf9fXM4zKHx-QBCRcGXbo9afY9tcJttAXEV5EO_j4i0FejKGso38QavLQX43u0z
|width=500
|height=400
}}
=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:Happy unhappy.png|550px]]

Затем построим графики в RawGraph:
[[Файл:Raw happy.png|700px]]

На всех графиках наблюдается общая тенденция к снижению числа несчастливых агентов со временем, что соответствует ожидаемому поведению модели сегрегации.

== Эксперимент с моделью Segregation ==

--[[Участник:GavrikovVI843|GavrikovVI843]] ([[Обсуждение участника:GavrikovVI843|обсуждение]]) 02:13, 21 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 83%
# Таких же как я - 83%

*
https://docs.google.com/spreadsheets/d/1Dh_tpGTeNvnSlkdC_UntJwu7G3P6gnVrFi9GWnTEGsw/edit?usp=sharing
{{#widget:Google Spreadsheet
|key=e/2PACX-1vQ-ILv2Q-LJdW11qXQr6tM5sMmHv02Tw5osEWV415-u1I2do17O9biGpPvUZ1bDYCLQzYc7izEEkNv8
}}

=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:Graphs analyse.png|650px]]

Затем построим графики в RawGraph:
[[Файл:Happy.png|650px]]

== Эксперимент с моделью Segregation ==
Условия эксперимента:
# Плотность - 88%
# Таких же как я - 88 %
* https://docs.google.com/spreadsheets/d/1KCua6-shAaeD164v4ifRZh_Ez1ZU6aTZFvm54xb8Ce4/edit?gid=0#gid=0

{{#widget:Google Spreadsheet
|key=e/2PACX-1vTPXipXc9ARNYMvQwyHByVmfBmYOsK7G-XRaORt0RZzBQkUeaOVeYcLOVNvCyFtgQ
|width=500
|height=400
}}

=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:Снимок экрана 2025-11-29 014538.png| 600px]]

Затем построим графики в RawGraph:
[[Файл:GG2.png|800px]]

=== Визуализация графиков в RawGraph по модели Economic Disparity(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:GG3.png|800]]

Затем построим графики в RawGraph:
[[Файл:Viz (1).png|800px]]

Файл:Ch2.png

2025-11-28T23:29:42Z

Kate:

poor

Файл:Ch1.png

2025-11-28T23:29:10Z

Kate:

rich

Файл:2025-11-29 02-27-40.png

2025-11-28T23:28:12Z

Kate:

grafic

Обсуждение:Практическое задание по анализу временных рядов

2025-11-28T23:14:27Z

Kate: /* Пример постановки эксперимента с моделью Segregation */

== Пример постановки эксперимента с моделью Segregation ==

Это пример постановки эксперимента
--[[Участник:Patarakin|Patarakin]] ([[Обсуждение участника:Patarakin|обсуждение]]) 09:16, 15 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 60%
# Таких же как я - 30, 40, 60 %

Time unhappy
0 300
1 161
2 99
3 62
4 38
5 28
6 18
7 11
8 5
9 2
10 2
11 0

=== [[BehaviorSpace]] Experiment ===
* https://raw.githubusercontent.com/patarakin/stat-data/ee3ff311001c6097690360309525529610f4cda1/datasets/csv/Segregation_experiment1.csv

== Пример постановки эксперимента с моделью Segregation ==

=== Сбор данных с модели Segregation ===

--[[Участник:Kate|Kate]] ([[Обсуждение участника:Kate|обсуждение]]) 09:41, 15 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 95%
# Таких же как я - 70%

https://docs.google.com/spreadsheets/d/18ETlNj_PdpHHS31PXFFE3xKZz2Fi-4xkqeDgUYEfN_M/edit?usp=sharing

{{#widget:Google Spreadsheet
|key=e/2PACX-1vSo0qbkxN8XqMumIM8MZSb57Y4pZMJAmU48njjO_RIMshxYr9yrusvEOBAElT_EUhQJO7kNBqSRlQpI
|width=500
|height=400
}}

=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:

[[Файл:2025-11-29 01-51-38.png|600px]]

== Визуализация графиков в RawGraph по модели Economic Disparity(общий датасет)==

Для начала построим диаграммы рассеивания в CODAP:

[[Файл:2025-11-29 02-12-13.png|600px]]

== Далее визуализируем в RawGraph ==
[[Файл:Viz V.png|600px]]

== Эксперимент с моделью Segregation ==

--[[Участник:PanshinaZina|PanshinaZina]] ([[Обсуждение участника:PanshinaZina|обсуждение]]) 09:46, 15 ноября 2025 (MSK)

=== Сбор данных с модели Segregation ===
# Плотность - 80%
# Таких же как я - 75%

* https://docs.google.com/spreadsheets/d/1gqjZmHA2w2oBaCHlDiRIz5QzEY5BlxX4zDUVXYMCFQ4/edit?gid=0#gid=0

{{#widget:Google Spreadsheet
|key=e/2PACX-1vTSVYEuoG3mfbZfxAGOGWz6q81-JAnIk69BaD4ih-HayiSjrkdICgjlrUMMgYiecxOuyN56YDQq9oF4
|width=500
|height=400
}}

=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:

[[Файл:Codap seg.png|600px]]

Затем построим графики в RawGraph:

[[Файл:Segregation.png|800px]]

На всех графиках наблюдается общая тенденция к снижению числа несчастливых агентов со временем, что соответствует ожидаемому поведению модели сегрегации. При этом скорость и глубина снижения зависят от порога %-similar-wanted: чем ниже требование к подобию (например, 70–72%), тем быстрее и глубже падает число несчастливых, и тем ближе система к полной стабилизации. При более высоких значениях (73–75%) снижение происходит медленнее, и к концу моделирования остаётся небольшое количество несчастливых агентов - это указывает на то, что при больших порогах система может не достигать полного равновесия в заданном числе шагов(что можно увидеть при %-similar-wanted=76).

=== Визуализация графиков в RawGraph по модели Economic Disparity(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:CODAP ED.png|800px]]

Затем построим графики в RawGraph:

[[Файл:Poor.png|450px]]
[[Файл:Rich.png|450px]]

На полученных графиках мы видим, что чем выше poor-price-priority или rich-quality-priority, тем больше медианное расстояние до работы — это означает, что ориентация бедных на цену и богатых на качество заставляет их выбирать более удалённое место жительство от рабочего места. При снижении этих приоритетов расстояния сокращаются.

== Эксперимент с моделью Segregation ==

--[[Участник:Malena Buzdugan|Malena Buzdugan]] ([[Обсуждение участника:Malena Buzdugan|обсуждение]]) 09:46, 15 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 80%
# Таких же как я - 50 %

* https://docs.google.com/spreadsheets/d/1Jl5Iat5UvbL5uxol7NzrbJQx7-P_xriS/edit?usp=drive_link&ouid=109987093236244455563&rtpof=true&sd=true

{{#widget:Google Spreadsheet
|key=e/2PACX-1vTPXipXc9ARNYMvQwyHByVmfBmYOsK7G-XRaORt0RZzBQkUeaOVeYcLOVNvCyFtgQ
|width=500
|height=400
}}

== Датасет как вики таблица ==

* https://raw.githubusercontent.com/patarakin/stat-data/ee3ff311001c6097690360309525529610f4cda1/datasets/csv/Segregation_experiment1.csv

== Urban_Suite_-_Economic_Disparity ==

* [[Urban_Suite_-_Economic_Disparity]]
** http://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/EconomicDisparity_experiment1.csv

== Эксперимент с моделью Segregation ==
--[[Участник:DolzhenkovaPV|DolzhenkovaPV]] ([[Обсуждение участника:DolzhenkovaPV|обсуждение]]) 10:08, 24 ноября 2025 (MSK)
*
https://docs.google.com/spreadsheets/d/1VrDX2kuHOzh_HSqERhOXEwUPWtgMEYZyevcI-Lhu8HY/edit?usp=sharing

Условия эксперимента:
# Плотность - 81%
# Таких же как я - 70 %
{{#widget:Google Spreadsheet

|key=e/2PACX-1vTSVYEuoG3mfbZfxAGOGWz6q81-JAnIk69BaD4ih-HayiSjrkdICgjlrUMMgYiecxOuyN56YDQq9oF4
|width=500
|height=400
}}
=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
[[Файл:2025-11-24 09-52-33.png|600px]]

[[Файл:2025-11-24_10-02-54.png|600px]]

== Эксперимент с моделью Segregation ==

--[[Участник:KryuchkovSR|KryuchkovSR]] ([[Обсуждение участника:KryuchkovSR|обсуждение]]) 00:30, 21 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 95%
# Таких же как я - 65%

*
https://docs.google.com/spreadsheets/d/1gDmKr_UHjpUr5_iR231LlJfVgPMGoHWBdWZI7qigleQ/edit?usp=sharing

{{#widget:Google Spreadsheet
|key=e/2PACX-1vSWXDB_TI-khaobFIf9fXM4zKHx-QBCRcGXbo9afY9tcJttAXEV5EO_j4i0FejKGso38QavLQX43u0z
|width=500
|height=400
}}
=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:Happy unhappy.png|550px]]

Затем построим графики в RawGraph:
[[Файл:Raw happy.png|700px]]

На всех графиках наблюдается общая тенденция к снижению числа несчастливых агентов со временем, что соответствует ожидаемому поведению модели сегрегации.

== Эксперимент с моделью Segregation ==

--[[Участник:GavrikovVI843|GavrikovVI843]] ([[Обсуждение участника:GavrikovVI843|обсуждение]]) 02:13, 21 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 83%
# Таких же как я - 83%

*
https://docs.google.com/spreadsheets/d/1Dh_tpGTeNvnSlkdC_UntJwu7G3P6gnVrFi9GWnTEGsw/edit?usp=sharing
{{#widget:Google Spreadsheet
|key=e/2PACX-1vQ-ILv2Q-LJdW11qXQr6tM5sMmHv02Tw5osEWV415-u1I2do17O9biGpPvUZ1bDYCLQzYc7izEEkNv8
}}

=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:Graphs analyse.png|650px]]

Затем построим графики в RawGraph:
[[Файл:Happy.png|650px]]

== Эксперимент с моделью Segregation ==
Условия эксперимента:
# Плотность - 88%
# Таких же как я - 88 %
* https://docs.google.com/spreadsheets/d/1KCua6-shAaeD164v4ifRZh_Ez1ZU6aTZFvm54xb8Ce4/edit?gid=0#gid=0

{{#widget:Google Spreadsheet
|key=e/2PACX-1vTPXipXc9ARNYMvQwyHByVmfBmYOsK7G-XRaORt0RZzBQkUeaOVeYcLOVNvCyFtgQ
|width=500
|height=400
}}

=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:Снимок экрана 2025-11-29 014538.png| 600px]]

Затем построим графики в RawGraph:
[[Файл:GG2.png|800px]]

Файл:2025-11-29 02-12-13.png

2025-11-28T23:14:13Z

Kate:

график_экономической

Обсуждение:Практическое задание по анализу временных рядов

2025-11-28T23:03:08Z

Kate: /* Визуализация графиков в RawGraph по модели Segregation(общий датасет) */

== Пример постановки эксперимента с моделью Segregation ==

Это пример постановки эксперимента
--[[Участник:Patarakin|Patarakin]] ([[Обсуждение участника:Patarakin|обсуждение]]) 09:16, 15 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 60%
# Таких же как я - 30, 40, 60 %

Time unhappy
0 300
1 161
2 99
3 62
4 38
5 28
6 18
7 11
8 5
9 2
10 2
11 0

=== [[BehaviorSpace]] Experiment ===
* https://raw.githubusercontent.com/patarakin/stat-data/ee3ff311001c6097690360309525529610f4cda1/datasets/csv/Segregation_experiment1.csv

== Пример постановки эксперимента с моделью Segregation ==

=== Сбор данных с модели Segregation ===

--[[Участник:Kate|Kate]] ([[Обсуждение участника:Kate|обсуждение]]) 09:41, 15 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 95%
# Таких же как я - 70%

https://docs.google.com/spreadsheets/d/18ETlNj_PdpHHS31PXFFE3xKZz2Fi-4xkqeDgUYEfN_M/edit?usp=sharing

{{#widget:Google Spreadsheet
|key=e/2PACX-1vSo0qbkxN8XqMumIM8MZSb57Y4pZMJAmU48njjO_RIMshxYr9yrusvEOBAElT_EUhQJO7kNBqSRlQpI
|width=500
|height=400
}}

=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:

[[Файл:2025-11-29 01-51-38.png|600px]]

== Далее визуализируем в RawGraph ==
[[Файл:Viz V.png|600px]]

== Эксперимент с моделью Segregation ==

--[[Участник:PanshinaZina|PanshinaZina]] ([[Обсуждение участника:PanshinaZina|обсуждение]]) 09:46, 15 ноября 2025 (MSK)

=== Сбор данных с модели Segregation ===
# Плотность - 80%
# Таких же как я - 75%

* https://docs.google.com/spreadsheets/d/1gqjZmHA2w2oBaCHlDiRIz5QzEY5BlxX4zDUVXYMCFQ4/edit?gid=0#gid=0

{{#widget:Google Spreadsheet
|key=e/2PACX-1vTSVYEuoG3mfbZfxAGOGWz6q81-JAnIk69BaD4ih-HayiSjrkdICgjlrUMMgYiecxOuyN56YDQq9oF4
|width=500
|height=400
}}

=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:

[[Файл:Codap seg.png|600px]]

Затем построим графики в RawGraph:

[[Файл:Segregation.png|800px]]

На всех графиках наблюдается общая тенденция к снижению числа несчастливых агентов со временем, что соответствует ожидаемому поведению модели сегрегации. При этом скорость и глубина снижения зависят от порога %-similar-wanted: чем ниже требование к подобию (например, 70–72%), тем быстрее и глубже падает число несчастливых, и тем ближе система к полной стабилизации. При более высоких значениях (73–75%) снижение происходит медленнее, и к концу моделирования остаётся небольшое количество несчастливых агентов - это указывает на то, что при больших порогах система может не достигать полного равновесия в заданном числе шагов(что можно увидеть при %-similar-wanted=76).

=== Визуализация графиков в RawGraph по модели Economic Disparity(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:CODAP ED.png|800px]]

Затем построим графики в RawGraph:

[[Файл:Poor.png|450px]]
[[Файл:Rich.png|450px]]

На полученных графиках мы видим, что чем выше poor-price-priority или rich-quality-priority, тем больше медианное расстояние до работы — это означает, что ориентация бедных на цену и богатых на качество заставляет их выбирать более удалённое место жительство от рабочего места. При снижении этих приоритетов расстояния сокращаются.

== Эксперимент с моделью Segregation ==

--[[Участник:Malena Buzdugan|Malena Buzdugan]] ([[Обсуждение участника:Malena Buzdugan|обсуждение]]) 09:46, 15 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 80%
# Таких же как я - 50 %

* https://docs.google.com/spreadsheets/d/1Jl5Iat5UvbL5uxol7NzrbJQx7-P_xriS/edit?usp=drive_link&ouid=109987093236244455563&rtpof=true&sd=true

{{#widget:Google Spreadsheet
|key=e/2PACX-1vTPXipXc9ARNYMvQwyHByVmfBmYOsK7G-XRaORt0RZzBQkUeaOVeYcLOVNvCyFtgQ
|width=500
|height=400
}}

== Датасет как вики таблица ==

* https://raw.githubusercontent.com/patarakin/stat-data/ee3ff311001c6097690360309525529610f4cda1/datasets/csv/Segregation_experiment1.csv

== Urban_Suite_-_Economic_Disparity ==

* [[Urban_Suite_-_Economic_Disparity]]
** http://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/EconomicDisparity_experiment1.csv

== Эксперимент с моделью Segregation ==
--[[Участник:DolzhenkovaPV|DolzhenkovaPV]] ([[Обсуждение участника:DolzhenkovaPV|обсуждение]]) 10:08, 24 ноября 2025 (MSK)
*
https://docs.google.com/spreadsheets/d/1VrDX2kuHOzh_HSqERhOXEwUPWtgMEYZyevcI-Lhu8HY/edit?usp=sharing

Условия эксперимента:
# Плотность - 81%
# Таких же как я - 70 %
{{#widget:Google Spreadsheet

|key=e/2PACX-1vTSVYEuoG3mfbZfxAGOGWz6q81-JAnIk69BaD4ih-HayiSjrkdICgjlrUMMgYiecxOuyN56YDQq9oF4
|width=500
|height=400
}}
=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
[[Файл:2025-11-24 09-52-33.png|600px]]

[[Файл:2025-11-24_10-02-54.png|600px]]

== Эксперимент с моделью Segregation ==

--[[Участник:KryuchkovSR|KryuchkovSR]] ([[Обсуждение участника:KryuchkovSR|обсуждение]]) 00:30, 21 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 95%
# Таких же как я - 65%

*
https://docs.google.com/spreadsheets/d/1gDmKr_UHjpUr5_iR231LlJfVgPMGoHWBdWZI7qigleQ/edit?usp=sharing

{{#widget:Google Spreadsheet
|key=e/2PACX-1vSWXDB_TI-khaobFIf9fXM4zKHx-QBCRcGXbo9afY9tcJttAXEV5EO_j4i0FejKGso38QavLQX43u0z
|width=500
|height=400
}}
=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:Happy unhappy.png|550px]]

Затем построим графики в RawGraph:
[[Файл:Raw happy.png|700px]]

На всех графиках наблюдается общая тенденция к снижению числа несчастливых агентов со временем, что соответствует ожидаемому поведению модели сегрегации.

== Эксперимент с моделью Segregation ==

--[[Участник:GavrikovVI843|GavrikovVI843]] ([[Обсуждение участника:GavrikovVI843|обсуждение]]) 02:13, 21 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 83%
# Таких же как я - 83%

*
https://docs.google.com/spreadsheets/d/1Dh_tpGTeNvnSlkdC_UntJwu7G3P6gnVrFi9GWnTEGsw/edit?usp=sharing
{{#widget:Google Spreadsheet
|key=e/2PACX-1vQ-ILv2Q-LJdW11qXQr6tM5sMmHv02Tw5osEWV415-u1I2do17O9biGpPvUZ1bDYCLQzYc7izEEkNv8
}}

=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:Graphs analyse.png|650px]]

Затем построим графики в RawGraph:
[[Файл:Happy.png|650px]]

== Эксперимент с моделью Segregation ==
Условия эксперимента:
# Плотность - 88%
# Таких же как я - 88 %
* https://docs.google.com/spreadsheets/d/1KCua6-shAaeD164v4ifRZh_Ez1ZU6aTZFvm54xb8Ce4/edit?gid=0#gid=0

{{#widget:Google Spreadsheet
|key=e/2PACX-1vTPXipXc9ARNYMvQwyHByVmfBmYOsK7G-XRaORt0RZzBQkUeaOVeYcLOVNvCyFtgQ
|width=500
|height=400
}}

=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:Снимок экрана 2025-11-29 014538.png| 600px]]

Обсуждение:Практическое задание по анализу временных рядов

2025-11-28T23:01:27Z

Kate: /* Пример постановки эксперимента с моделью Segregation */

== Пример постановки эксперимента с моделью Segregation ==

Это пример постановки эксперимента
--[[Участник:Patarakin|Patarakin]] ([[Обсуждение участника:Patarakin|обсуждение]]) 09:16, 15 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 60%
# Таких же как я - 30, 40, 60 %

Time unhappy
0 300
1 161
2 99
3 62
4 38
5 28
6 18
7 11
8 5
9 2
10 2
11 0

=== [[BehaviorSpace]] Experiment ===
* https://raw.githubusercontent.com/patarakin/stat-data/ee3ff311001c6097690360309525529610f4cda1/datasets/csv/Segregation_experiment1.csv

== Пример постановки эксперимента с моделью Segregation ==

=== Сбор данных с модели Segregation ===

--[[Участник:Kate|Kate]] ([[Обсуждение участника:Kate|обсуждение]]) 09:41, 15 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 95%
# Таких же как я - 70%

https://docs.google.com/spreadsheets/d/18ETlNj_PdpHHS31PXFFE3xKZz2Fi-4xkqeDgUYEfN_M/edit?usp=sharing

{{#widget:Google Spreadsheet
|key=e/2PACX-1vSo0qbkxN8XqMumIM8MZSb57Y4pZMJAmU48njjO_RIMshxYr9yrusvEOBAElT_EUhQJO7kNBqSRlQpI
|width=500
|height=400
}}

=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:

[[Файл:2025-11-29 01-51-38.png|600px]]

== Далее визуализируем в RawGraph ==
[[Файл:Viz V.png|600px]]

== Эксперимент с моделью Segregation ==

--[[Участник:PanshinaZina|PanshinaZina]] ([[Обсуждение участника:PanshinaZina|обсуждение]]) 09:46, 15 ноября 2025 (MSK)

=== Сбор данных с модели Segregation ===
# Плотность - 80%
# Таких же как я - 75%

* https://docs.google.com/spreadsheets/d/1gqjZmHA2w2oBaCHlDiRIz5QzEY5BlxX4zDUVXYMCFQ4/edit?gid=0#gid=0

{{#widget:Google Spreadsheet
|key=e/2PACX-1vTSVYEuoG3mfbZfxAGOGWz6q81-JAnIk69BaD4ih-HayiSjrkdICgjlrUMMgYiecxOuyN56YDQq9oF4
|width=500
|height=400
}}

=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:Codap seg.png|600px]]

Затем построим графики в RawGraph:
[[Файл:Segregation.png|800px]]

На всех графиках наблюдается общая тенденция к снижению числа несчастливых агентов со временем, что соответствует ожидаемому поведению модели сегрегации. При этом скорость и глубина снижения зависят от порога %-similar-wanted: чем ниже требование к подобию (например, 70–72%), тем быстрее и глубже падает число несчастливых, и тем ближе система к полной стабилизации. При более высоких значениях (73–75%) снижение происходит медленнее, и к концу моделирования остаётся небольшое количество несчастливых агентов - это указывает на то, что при больших порогах система может не достигать полного равновесия в заданном числе шагов(что можно увидеть при %-similar-wanted=76).

=== Визуализация графиков в RawGraph по модели Economic Disparity(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:CODAP ED.png|800px]]

Затем построим графики в RawGraph:

[[Файл:Poor.png|450px]]
[[Файл:Rich.png|450px]]

На полученных графиках мы видим, что чем выше poor-price-priority или rich-quality-priority, тем больше медианное расстояние до работы — это означает, что ориентация бедных на цену и богатых на качество заставляет их выбирать более удалённое место жительство от рабочего места. При снижении этих приоритетов расстояния сокращаются.

== Эксперимент с моделью Segregation ==

--[[Участник:Malena Buzdugan|Malena Buzdugan]] ([[Обсуждение участника:Malena Buzdugan|обсуждение]]) 09:46, 15 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 80%
# Таких же как я - 50 %

* https://docs.google.com/spreadsheets/d/1Jl5Iat5UvbL5uxol7NzrbJQx7-P_xriS/edit?usp=drive_link&ouid=109987093236244455563&rtpof=true&sd=true

{{#widget:Google Spreadsheet
|key=e/2PACX-1vTPXipXc9ARNYMvQwyHByVmfBmYOsK7G-XRaORt0RZzBQkUeaOVeYcLOVNvCyFtgQ
|width=500
|height=400
}}

== Датасет как вики таблица ==

* https://raw.githubusercontent.com/patarakin/stat-data/ee3ff311001c6097690360309525529610f4cda1/datasets/csv/Segregation_experiment1.csv

== Urban_Suite_-_Economic_Disparity ==

* [[Urban_Suite_-_Economic_Disparity]]
** http://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/EconomicDisparity_experiment1.csv

== Эксперимент с моделью Segregation ==
--[[Участник:DolzhenkovaPV|DolzhenkovaPV]] ([[Обсуждение участника:DolzhenkovaPV|обсуждение]]) 10:08, 24 ноября 2025 (MSK)
*
https://docs.google.com/spreadsheets/d/1VrDX2kuHOzh_HSqERhOXEwUPWtgMEYZyevcI-Lhu8HY/edit?usp=sharing

Условия эксперимента:
# Плотность - 81%
# Таких же как я - 70 %
{{#widget:Google Spreadsheet

|key=e/2PACX-1vTSVYEuoG3mfbZfxAGOGWz6q81-JAnIk69BaD4ih-HayiSjrkdICgjlrUMMgYiecxOuyN56YDQq9oF4
|width=500
|height=400
}}
=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
[[Файл:2025-11-24 09-52-33.png|600px]]

[[Файл:2025-11-24_10-02-54.png|600px]]

== Эксперимент с моделью Segregation ==

--[[Участник:KryuchkovSR|KryuchkovSR]] ([[Обсуждение участника:KryuchkovSR|обсуждение]]) 00:30, 21 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 95%
# Таких же как я - 65%

*
https://docs.google.com/spreadsheets/d/1gDmKr_UHjpUr5_iR231LlJfVgPMGoHWBdWZI7qigleQ/edit?usp=sharing

{{#widget:Google Spreadsheet
|key=e/2PACX-1vSWXDB_TI-khaobFIf9fXM4zKHx-QBCRcGXbo9afY9tcJttAXEV5EO_j4i0FejKGso38QavLQX43u0z
|width=500
|height=400
}}
=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:Happy unhappy.png|550px]]

Затем построим графики в RawGraph:
[[Файл:Raw happy.png|700px]]

На всех графиках наблюдается общая тенденция к снижению числа несчастливых агентов со временем, что соответствует ожидаемому поведению модели сегрегации.

== Эксперимент с моделью Segregation ==

--[[Участник:GavrikovVI843|GavrikovVI843]] ([[Обсуждение участника:GavrikovVI843|обсуждение]]) 02:13, 21 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 83%
# Таких же как я - 83%

*
https://docs.google.com/spreadsheets/d/1Dh_tpGTeNvnSlkdC_UntJwu7G3P6gnVrFi9GWnTEGsw/edit?usp=sharing
{{#widget:Google Spreadsheet
|key=e/2PACX-1vQ-ILv2Q-LJdW11qXQr6tM5sMmHv02Tw5osEWV415-u1I2do17O9biGpPvUZ1bDYCLQzYc7izEEkNv8
}}

=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:Graphs analyse.png|650px]]

Затем построим графики в RawGraph:
[[Файл:Happy.png|650px]]

== Эксперимент с моделью Segregation ==
Условия эксперимента:
# Плотность - 88%
# Таких же как я - 88 %
* https://docs.google.com/spreadsheets/d/1KCua6-shAaeD164v4ifRZh_Ez1ZU6aTZFvm54xb8Ce4/edit?gid=0#gid=0

{{#widget:Google Spreadsheet
|key=e/2PACX-1vTPXipXc9ARNYMvQwyHByVmfBmYOsK7G-XRaORt0RZzBQkUeaOVeYcLOVNvCyFtgQ
|width=500
|height=400
}}

=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:Снимок экрана 2025-11-29 014538.png| 600px]]

Обсуждение:Практическое задание по анализу временных рядов

2025-11-28T23:00:52Z

Kate: /* Пример постановки эксперимента с моделью Segregation */

== Пример постановки эксперимента с моделью Segregation ==

Это пример постановки эксперимента
--[[Участник:Patarakin|Patarakin]] ([[Обсуждение участника:Patarakin|обсуждение]]) 09:16, 15 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 60%
# Таких же как я - 30, 40, 60 %

Time unhappy
0 300
1 161
2 99
3 62
4 38
5 28
6 18
7 11
8 5
9 2
10 2
11 0

=== [[BehaviorSpace]] Experiment ===
* https://raw.githubusercontent.com/patarakin/stat-data/ee3ff311001c6097690360309525529610f4cda1/datasets/csv/Segregation_experiment1.csv

== Пример постановки эксперимента с моделью Segregation ==

=== Сбор данных с модели Segregation ===

--[[Участник:Kate|Kate]] ([[Обсуждение участника:Kate|обсуждение]]) 09:41, 15 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 95%
# Таких же как я - 70%

https://docs.google.com/spreadsheets/d/18ETlNj_PdpHHS31PXFFE3xKZz2Fi-4xkqeDgUYEfN_M/edit?usp=sharing

{{#widget:Google Spreadsheet
|key=e/2PACX-1vSo0qbkxN8XqMumIM8MZSb57Y4pZMJAmU48njjO_RIMshxYr9yrusvEOBAElT_EUhQJO7kNBqSRlQpI
|width=500
|height=400
}}

=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:

[[Файл:2025-11-29 01-51-38.png|600px]]

[[Файл:Viz V.png|600px]]

== Эксперимент с моделью Segregation ==

--[[Участник:PanshinaZina|PanshinaZina]] ([[Обсуждение участника:PanshinaZina|обсуждение]]) 09:46, 15 ноября 2025 (MSK)

=== Сбор данных с модели Segregation ===
# Плотность - 80%
# Таких же как я - 75%

* https://docs.google.com/spreadsheets/d/1gqjZmHA2w2oBaCHlDiRIz5QzEY5BlxX4zDUVXYMCFQ4/edit?gid=0#gid=0

{{#widget:Google Spreadsheet
|key=e/2PACX-1vTSVYEuoG3mfbZfxAGOGWz6q81-JAnIk69BaD4ih-HayiSjrkdICgjlrUMMgYiecxOuyN56YDQq9oF4
|width=500
|height=400
}}

=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:Codap seg.png|600px]]

Затем построим графики в RawGraph:
[[Файл:Segregation.png|800px]]

На всех графиках наблюдается общая тенденция к снижению числа несчастливых агентов со временем, что соответствует ожидаемому поведению модели сегрегации. При этом скорость и глубина снижения зависят от порога %-similar-wanted: чем ниже требование к подобию (например, 70–72%), тем быстрее и глубже падает число несчастливых, и тем ближе система к полной стабилизации. При более высоких значениях (73–75%) снижение происходит медленнее, и к концу моделирования остаётся небольшое количество несчастливых агентов - это указывает на то, что при больших порогах система может не достигать полного равновесия в заданном числе шагов(что можно увидеть при %-similar-wanted=76).

=== Визуализация графиков в RawGraph по модели Economic Disparity(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:CODAP ED.png|800px]]

Затем построим графики в RawGraph:

[[Файл:Poor.png|450px]]
[[Файл:Rich.png|450px]]

На полученных графиках мы видим, что чем выше poor-price-priority или rich-quality-priority, тем больше медианное расстояние до работы — это означает, что ориентация бедных на цену и богатых на качество заставляет их выбирать более удалённое место жительство от рабочего места. При снижении этих приоритетов расстояния сокращаются.

== Эксперимент с моделью Segregation ==

--[[Участник:Malena Buzdugan|Malena Buzdugan]] ([[Обсуждение участника:Malena Buzdugan|обсуждение]]) 09:46, 15 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 80%
# Таких же как я - 50 %

* https://docs.google.com/spreadsheets/d/1Jl5Iat5UvbL5uxol7NzrbJQx7-P_xriS/edit?usp=drive_link&ouid=109987093236244455563&rtpof=true&sd=true

{{#widget:Google Spreadsheet
|key=e/2PACX-1vTPXipXc9ARNYMvQwyHByVmfBmYOsK7G-XRaORt0RZzBQkUeaOVeYcLOVNvCyFtgQ
|width=500
|height=400
}}

== Датасет как вики таблица ==

* https://raw.githubusercontent.com/patarakin/stat-data/ee3ff311001c6097690360309525529610f4cda1/datasets/csv/Segregation_experiment1.csv

== Urban_Suite_-_Economic_Disparity ==

* [[Urban_Suite_-_Economic_Disparity]]
** http://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/EconomicDisparity_experiment1.csv

== Эксперимент с моделью Segregation ==
--[[Участник:DolzhenkovaPV|DolzhenkovaPV]] ([[Обсуждение участника:DolzhenkovaPV|обсуждение]]) 10:08, 24 ноября 2025 (MSK)
*
https://docs.google.com/spreadsheets/d/1VrDX2kuHOzh_HSqERhOXEwUPWtgMEYZyevcI-Lhu8HY/edit?usp=sharing

Условия эксперимента:
# Плотность - 81%
# Таких же как я - 70 %
{{#widget:Google Spreadsheet

|key=e/2PACX-1vTSVYEuoG3mfbZfxAGOGWz6q81-JAnIk69BaD4ih-HayiSjrkdICgjlrUMMgYiecxOuyN56YDQq9oF4
|width=500
|height=400
}}
=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
[[Файл:2025-11-24 09-52-33.png|600px]]

[[Файл:2025-11-24_10-02-54.png|600px]]

== Эксперимент с моделью Segregation ==

--[[Участник:KryuchkovSR|KryuchkovSR]] ([[Обсуждение участника:KryuchkovSR|обсуждение]]) 00:30, 21 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 95%
# Таких же как я - 65%

*
https://docs.google.com/spreadsheets/d/1gDmKr_UHjpUr5_iR231LlJfVgPMGoHWBdWZI7qigleQ/edit?usp=sharing

{{#widget:Google Spreadsheet
|key=e/2PACX-1vSWXDB_TI-khaobFIf9fXM4zKHx-QBCRcGXbo9afY9tcJttAXEV5EO_j4i0FejKGso38QavLQX43u0z
|width=500
|height=400
}}
=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:Happy unhappy.png|550px]]

Затем построим графики в RawGraph:
[[Файл:Raw happy.png|700px]]

На всех графиках наблюдается общая тенденция к снижению числа несчастливых агентов со временем, что соответствует ожидаемому поведению модели сегрегации.

== Эксперимент с моделью Segregation ==

--[[Участник:GavrikovVI843|GavrikovVI843]] ([[Обсуждение участника:GavrikovVI843|обсуждение]]) 02:13, 21 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 83%
# Таких же как я - 83%

*
https://docs.google.com/spreadsheets/d/1Dh_tpGTeNvnSlkdC_UntJwu7G3P6gnVrFi9GWnTEGsw/edit?usp=sharing
{{#widget:Google Spreadsheet
|key=e/2PACX-1vQ-ILv2Q-LJdW11qXQr6tM5sMmHv02Tw5osEWV415-u1I2do17O9biGpPvUZ1bDYCLQzYc7izEEkNv8
}}

=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:Graphs analyse.png|650px]]

Затем построим графики в RawGraph:
[[Файл:Happy.png|650px]]

== Эксперимент с моделью Segregation ==
Условия эксперимента:
# Плотность - 88%
# Таких же как я - 88 %
* https://docs.google.com/spreadsheets/d/1KCua6-shAaeD164v4ifRZh_Ez1ZU6aTZFvm54xb8Ce4/edit?gid=0#gid=0

{{#widget:Google Spreadsheet
|key=e/2PACX-1vTPXipXc9ARNYMvQwyHByVmfBmYOsK7G-XRaORt0RZzBQkUeaOVeYcLOVNvCyFtgQ
|width=500
|height=400
}}

=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:Снимок экрана 2025-11-29 014538.png| 600px]]

Файл:Viz V.png

2025-11-28T22:59:28Z

Kate:

график роуграф

Обсуждение:Практическое задание по анализу временных рядов

2025-11-28T22:53:42Z

Kate: /* Пример постановки эксперимента с моделью Segregation */

== Пример постановки эксперимента с моделью Segregation ==

Это пример постановки эксперимента
--[[Участник:Patarakin|Patarakin]] ([[Обсуждение участника:Patarakin|обсуждение]]) 09:16, 15 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 60%
# Таких же как я - 30, 40, 60 %

Time unhappy
0 300
1 161
2 99
3 62
4 38
5 28
6 18
7 11
8 5
9 2
10 2
11 0

=== [[BehaviorSpace]] Experiment ===
* https://raw.githubusercontent.com/patarakin/stat-data/ee3ff311001c6097690360309525529610f4cda1/datasets/csv/Segregation_experiment1.csv

== Пример постановки эксперимента с моделью Segregation ==

=== Сбор данных с модели Segregation ===

--[[Участник:Kate|Kate]] ([[Обсуждение участника:Kate|обсуждение]]) 09:41, 15 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 95%
# Таких же как я - 70%

https://docs.google.com/spreadsheets/d/18ETlNj_PdpHHS31PXFFE3xKZz2Fi-4xkqeDgUYEfN_M/edit?usp=sharing

{{#widget:Google Spreadsheet
|key=e/2PACX-1vSo0qbkxN8XqMumIM8MZSb57Y4pZMJAmU48njjO_RIMshxYr9yrusvEOBAElT_EUhQJO7kNBqSRlQpI
|width=500
|height=400
}}

=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:

[[Файл:2025-11-29 01-51-38.png|600px]]

== Эксперимент с моделью Segregation ==

--[[Участник:PanshinaZina|PanshinaZina]] ([[Обсуждение участника:PanshinaZina|обсуждение]]) 09:46, 15 ноября 2025 (MSK)

=== Сбор данных с модели Segregation ===
# Плотность - 80%
# Таких же как я - 75%

* https://docs.google.com/spreadsheets/d/1gqjZmHA2w2oBaCHlDiRIz5QzEY5BlxX4zDUVXYMCFQ4/edit?gid=0#gid=0

{{#widget:Google Spreadsheet
|key=e/2PACX-1vTSVYEuoG3mfbZfxAGOGWz6q81-JAnIk69BaD4ih-HayiSjrkdICgjlrUMMgYiecxOuyN56YDQq9oF4
|width=500
|height=400
}}

=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:Codap seg.png|600px]]

Затем построим графики в RawGraph:
[[Файл:Segregation.png|800px]]

На всех графиках наблюдается общая тенденция к снижению числа несчастливых агентов со временем, что соответствует ожидаемому поведению модели сегрегации. При этом скорость и глубина снижения зависят от порога %-similar-wanted: чем ниже требование к подобию (например, 70–72%), тем быстрее и глубже падает число несчастливых, и тем ближе система к полной стабилизации. При более высоких значениях (73–75%) снижение происходит медленнее, и к концу моделирования остаётся небольшое количество несчастливых агентов - это указывает на то, что при больших порогах система может не достигать полного равновесия в заданном числе шагов(что можно увидеть при %-similar-wanted=76).

=== Визуализация графиков в RawGraph по модели Economic Disparity(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:CODAP ED.png|800px]]

Затем построим графики в RawGraph:

[[Файл:Poor.png|450px]]
[[Файл:Rich.png|450px]]

На полученных графиках мы видим, что чем выше poor-price-priority или rich-quality-priority, тем больше медианное расстояние до работы — это означает, что ориентация бедных на цену и богатых на качество заставляет их выбирать более удалённое место жительство от рабочего места. При снижении этих приоритетов расстояния сокращаются.

== Эксперимент с моделью Segregation ==

--[[Участник:Malena Buzdugan|Malena Buzdugan]] ([[Обсуждение участника:Malena Buzdugan|обсуждение]]) 09:46, 15 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 80%
# Таких же как я - 50 %

* https://docs.google.com/spreadsheets/d/1Jl5Iat5UvbL5uxol7NzrbJQx7-P_xriS/edit?usp=drive_link&ouid=109987093236244455563&rtpof=true&sd=true

{{#widget:Google Spreadsheet
|key=e/2PACX-1vTPXipXc9ARNYMvQwyHByVmfBmYOsK7G-XRaORt0RZzBQkUeaOVeYcLOVNvCyFtgQ
|width=500
|height=400
}}

== Датасет как вики таблица ==

* https://raw.githubusercontent.com/patarakin/stat-data/ee3ff311001c6097690360309525529610f4cda1/datasets/csv/Segregation_experiment1.csv

== Urban_Suite_-_Economic_Disparity ==

* [[Urban_Suite_-_Economic_Disparity]]
** http://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/EconomicDisparity_experiment1.csv

== Эксперимент с моделью Segregation ==
--[[Участник:DolzhenkovaPV|DolzhenkovaPV]] ([[Обсуждение участника:DolzhenkovaPV|обсуждение]]) 10:08, 24 ноября 2025 (MSK)
*
https://docs.google.com/spreadsheets/d/1VrDX2kuHOzh_HSqERhOXEwUPWtgMEYZyevcI-Lhu8HY/edit?usp=sharing

Условия эксперимента:
# Плотность - 81%
# Таких же как я - 70 %
{{#widget:Google Spreadsheet

|key=e/2PACX-1vTSVYEuoG3mfbZfxAGOGWz6q81-JAnIk69BaD4ih-HayiSjrkdICgjlrUMMgYiecxOuyN56YDQq9oF4
|width=500
|height=400
}}
=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
[[Файл:2025-11-24 09-52-33.png|600px]]

[[Файл:2025-11-24_10-02-54.png|600px]]

== Эксперимент с моделью Segregation ==

--[[Участник:KryuchkovSR|KryuchkovSR]] ([[Обсуждение участника:KryuchkovSR|обсуждение]]) 00:30, 21 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 95%
# Таких же как я - 65%

*
https://docs.google.com/spreadsheets/d/1gDmKr_UHjpUr5_iR231LlJfVgPMGoHWBdWZI7qigleQ/edit?usp=sharing

{{#widget:Google Spreadsheet
|key=e/2PACX-1vSWXDB_TI-khaobFIf9fXM4zKHx-QBCRcGXbo9afY9tcJttAXEV5EO_j4i0FejKGso38QavLQX43u0z
|width=500
|height=400
}}
=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:Happy unhappy.png|550px]]

Затем построим графики в RawGraph:
[[Файл:Raw happy.png|700px]]

На всех графиках наблюдается общая тенденция к снижению числа несчастливых агентов со временем, что соответствует ожидаемому поведению модели сегрегации.

== Эксперимент с моделью Segregation ==

--[[Участник:GavrikovVI843|GavrikovVI843]] ([[Обсуждение участника:GavrikovVI843|обсуждение]]) 02:13, 21 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 83%
# Таких же как я - 83%

*
https://docs.google.com/spreadsheets/d/1Dh_tpGTeNvnSlkdC_UntJwu7G3P6gnVrFi9GWnTEGsw/edit?usp=sharing
{{#widget:Google Spreadsheet
|key=e/2PACX-1vQ-ILv2Q-LJdW11qXQr6tM5sMmHv02Tw5osEWV415-u1I2do17O9biGpPvUZ1bDYCLQzYc7izEEkNv8
}}

=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:Graphs analyse.png|650px]]

Затем построим графики в RawGraph:
[[Файл:Happy.png|650px]]

== Эксперимент с моделью Segregation ==
Условия эксперимента:
# Плотность - 88%
# Таких же как я - 88 %
* https://docs.google.com/spreadsheets/d/1KCua6-shAaeD164v4ifRZh_Ez1ZU6aTZFvm54xb8Ce4/edit?gid=0#gid=0

{{#widget:Google Spreadsheet
|key=e/2PACX-1vTPXipXc9ARNYMvQwyHByVmfBmYOsK7G-XRaORt0RZzBQkUeaOVeYcLOVNvCyFtgQ
|width=500
|height=400
}}

=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:Снимок экрана 2025-11-29 014538.png| 600px]]

Обсуждение:Практическое задание по анализу временных рядов

2025-11-28T22:52:27Z

Kate: /* Пример постановки эксперимента с моделью Segregation */

== Пример постановки эксперимента с моделью Segregation ==

Это пример постановки эксперимента
--[[Участник:Patarakin|Patarakin]] ([[Обсуждение участника:Patarakin|обсуждение]]) 09:16, 15 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 60%
# Таких же как я - 30, 40, 60 %

Time unhappy
0 300
1 161
2 99
3 62
4 38
5 28
6 18
7 11
8 5
9 2
10 2
11 0

=== [[BehaviorSpace]] Experiment ===
* https://raw.githubusercontent.com/patarakin/stat-data/ee3ff311001c6097690360309525529610f4cda1/datasets/csv/Segregation_experiment1.csv

== Пример постановки эксперимента с моделью Segregation ==

Это пример постановки эксперимента

--[[Участник:Kate|Kate]] ([[Обсуждение участника:Kate|обсуждение]]) 09:41, 15 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 95%
# Таких же как я - 70%

https://docs.google.com/spreadsheets/d/18ETlNj_PdpHHS31PXFFE3xKZz2Fi-4xkqeDgUYEfN_M/edit?usp=sharing

{{#widget:Google Spreadsheet
|key=e/2PACX-1vSo0qbkxN8XqMumIM8MZSb57Y4pZMJAmU48njjO_RIMshxYr9yrusvEOBAElT_EUhQJO7kNBqSRlQpI
|width=500
|height=400
}}

[[Файл:2025-11-29 01-51-38.png|600px]]

== Эксперимент с моделью Segregation ==

--[[Участник:PanshinaZina|PanshinaZina]] ([[Обсуждение участника:PanshinaZina|обсуждение]]) 09:46, 15 ноября 2025 (MSK)

=== Сбор данных с модели Segregation ===
# Плотность - 80%
# Таких же как я - 75%

* https://docs.google.com/spreadsheets/d/1gqjZmHA2w2oBaCHlDiRIz5QzEY5BlxX4zDUVXYMCFQ4/edit?gid=0#gid=0

{{#widget:Google Spreadsheet
|key=e/2PACX-1vTSVYEuoG3mfbZfxAGOGWz6q81-JAnIk69BaD4ih-HayiSjrkdICgjlrUMMgYiecxOuyN56YDQq9oF4
|width=500
|height=400
}}

=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:Codap seg.png|600px]]

Затем построим графики в RawGraph:
[[Файл:Segregation.png|800px]]

На всех графиках наблюдается общая тенденция к снижению числа несчастливых агентов со временем, что соответствует ожидаемому поведению модели сегрегации. При этом скорость и глубина снижения зависят от порога %-similar-wanted: чем ниже требование к подобию (например, 70–72%), тем быстрее и глубже падает число несчастливых, и тем ближе система к полной стабилизации. При более высоких значениях (73–75%) снижение происходит медленнее, и к концу моделирования остаётся небольшое количество несчастливых агентов - это указывает на то, что при больших порогах система может не достигать полного равновесия в заданном числе шагов(что можно увидеть при %-similar-wanted=76).

=== Визуализация графиков в RawGraph по модели Economic Disparity(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:CODAP ED.png|800px]]

Затем построим графики в RawGraph:

[[Файл:Poor.png|450px]]
[[Файл:Rich.png|450px]]

На полученных графиках мы видим, что чем выше poor-price-priority или rich-quality-priority, тем больше медианное расстояние до работы — это означает, что ориентация бедных на цену и богатых на качество заставляет их выбирать более удалённое место жительство от рабочего места. При снижении этих приоритетов расстояния сокращаются.

== Эксперимент с моделью Segregation ==

--[[Участник:Malena Buzdugan|Malena Buzdugan]] ([[Обсуждение участника:Malena Buzdugan|обсуждение]]) 09:46, 15 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 80%
# Таких же как я - 50 %

* https://docs.google.com/spreadsheets/d/1Jl5Iat5UvbL5uxol7NzrbJQx7-P_xriS/edit?usp=drive_link&ouid=109987093236244455563&rtpof=true&sd=true

{{#widget:Google Spreadsheet
|key=e/2PACX-1vTPXipXc9ARNYMvQwyHByVmfBmYOsK7G-XRaORt0RZzBQkUeaOVeYcLOVNvCyFtgQ
|width=500
|height=400
}}

== Датасет как вики таблица ==

* https://raw.githubusercontent.com/patarakin/stat-data/ee3ff311001c6097690360309525529610f4cda1/datasets/csv/Segregation_experiment1.csv

== Urban_Suite_-_Economic_Disparity ==

* [[Urban_Suite_-_Economic_Disparity]]
** http://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/EconomicDisparity_experiment1.csv

== Эксперимент с моделью Segregation ==
--[[Участник:DolzhenkovaPV|DolzhenkovaPV]] ([[Обсуждение участника:DolzhenkovaPV|обсуждение]]) 10:08, 24 ноября 2025 (MSK)
*
https://docs.google.com/spreadsheets/d/1VrDX2kuHOzh_HSqERhOXEwUPWtgMEYZyevcI-Lhu8HY/edit?usp=sharing

Условия эксперимента:
# Плотность - 81%
# Таких же как я - 70 %
{{#widget:Google Spreadsheet

|key=e/2PACX-1vTSVYEuoG3mfbZfxAGOGWz6q81-JAnIk69BaD4ih-HayiSjrkdICgjlrUMMgYiecxOuyN56YDQq9oF4
|width=500
|height=400
}}
=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
[[Файл:2025-11-24 09-52-33.png|600px]]

[[Файл:2025-11-24_10-02-54.png|600px]]

== Эксперимент с моделью Segregation ==

--[[Участник:KryuchkovSR|KryuchkovSR]] ([[Обсуждение участника:KryuchkovSR|обсуждение]]) 00:30, 21 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 95%
# Таких же как я - 65%

*
https://docs.google.com/spreadsheets/d/1gDmKr_UHjpUr5_iR231LlJfVgPMGoHWBdWZI7qigleQ/edit?usp=sharing

{{#widget:Google Spreadsheet
|key=e/2PACX-1vSWXDB_TI-khaobFIf9fXM4zKHx-QBCRcGXbo9afY9tcJttAXEV5EO_j4i0FejKGso38QavLQX43u0z
|width=500
|height=400
}}
=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:Happy unhappy.png|550px]]

Затем построим графики в RawGraph:
[[Файл:Raw happy.png|700px]]

На всех графиках наблюдается общая тенденция к снижению числа несчастливых агентов со временем, что соответствует ожидаемому поведению модели сегрегации.

== Эксперимент с моделью Segregation ==

--[[Участник:GavrikovVI843|GavrikovVI843]] ([[Обсуждение участника:GavrikovVI843|обсуждение]]) 02:13, 21 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 83%
# Таких же как я - 83%

*
https://docs.google.com/spreadsheets/d/1Dh_tpGTeNvnSlkdC_UntJwu7G3P6gnVrFi9GWnTEGsw/edit?usp=sharing
{{#widget:Google Spreadsheet
|key=e/2PACX-1vQ-ILv2Q-LJdW11qXQr6tM5sMmHv02Tw5osEWV415-u1I2do17O9biGpPvUZ1bDYCLQzYc7izEEkNv8
}}

=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:Graphs analyse.png|650px]]

Затем построим графики в RawGraph:
[[Файл:Happy.png|650px]]

== Эксперимент с моделью Segregation ==
Условия эксперимента:
# Плотность - 88%
# Таких же как я - 88 %
* https://docs.google.com/spreadsheets/d/1KCua6-shAaeD164v4ifRZh_Ez1ZU6aTZFvm54xb8Ce4/edit?gid=0#gid=0

{{#widget:Google Spreadsheet
|key=e/2PACX-1vTPXipXc9ARNYMvQwyHByVmfBmYOsK7G-XRaORt0RZzBQkUeaOVeYcLOVNvCyFtgQ
|width=500
|height=400
}}

=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:Снимок экрана 2025-11-29 014538.png| 600px]]

Файл:2025-11-29 01-51-38.png

2025-11-28T22:52:03Z

Kate:

рассеивание

Файл:Grafic ras.png

2025-11-28T22:46:12Z

Kate:

график рассеивания

Обсуждение:Практическое задание по анализу временных рядов

2025-11-28T22:44:03Z

Kate: /* Пример постановки эксперимента с моделью Segregation */

== Пример постановки эксперимента с моделью Segregation ==

Это пример постановки эксперимента
--[[Участник:Patarakin|Patarakin]] ([[Обсуждение участника:Patarakin|обсуждение]]) 09:16, 15 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 60%
# Таких же как я - 30, 40, 60 %

Time unhappy
0 300
1 161
2 99
3 62
4 38
5 28
6 18
7 11
8 5
9 2
10 2
11 0

=== [[BehaviorSpace]] Experiment ===
* https://raw.githubusercontent.com/patarakin/stat-data/ee3ff311001c6097690360309525529610f4cda1/datasets/csv/Segregation_experiment1.csv

== Пример постановки эксперимента с моделью Segregation ==

Это пример постановки эксперимента

--[[Участник:Kate|Kate]] ([[Обсуждение участника:Kate|обсуждение]]) 09:41, 15 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 95%
# Таких же как я - 70%

https://docs.google.com/spreadsheets/d/18ETlNj_PdpHHS31PXFFE3xKZz2Fi-4xkqeDgUYEfN_M/edit?usp=sharing

{{#widget:Google Spreadsheet
|key=e/2PACX-1vSo0qbkxN8XqMumIM8MZSb57Y4pZMJAmU48njjO_RIMshxYr9yrusvEOBAElT_EUhQJO7kNBqSRlQpI
|width=500
|height=400
}}

== Эксперимент с моделью Segregation ==

--[[Участник:PanshinaZina|PanshinaZina]] ([[Обсуждение участника:PanshinaZina|обсуждение]]) 09:46, 15 ноября 2025 (MSK)

=== Сбор данных с модели Segregation ===
# Плотность - 80%
# Таких же как я - 75%

* https://docs.google.com/spreadsheets/d/1gqjZmHA2w2oBaCHlDiRIz5QzEY5BlxX4zDUVXYMCFQ4/edit?gid=0#gid=0

{{#widget:Google Spreadsheet
|key=e/2PACX-1vTSVYEuoG3mfbZfxAGOGWz6q81-JAnIk69BaD4ih-HayiSjrkdICgjlrUMMgYiecxOuyN56YDQq9oF4
|width=500
|height=400
}}

=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:Codap seg.png|600px]]

Затем построим графики в RawGraph:
[[Файл:Segregation.png|800px]]

На всех графиках наблюдается общая тенденция к снижению числа несчастливых агентов со временем, что соответствует ожидаемому поведению модели сегрегации. При этом скорость и глубина снижения зависят от порога %-similar-wanted: чем ниже требование к подобию (например, 70–72%), тем быстрее и глубже падает число несчастливых, и тем ближе система к полной стабилизации. При более высоких значениях (73–75%) снижение происходит медленнее, и к концу моделирования остаётся небольшое количество несчастливых агентов - это указывает на то, что при больших порогах система может не достигать полного равновесия в заданном числе шагов(что можно увидеть при %-similar-wanted=76).

=== Визуализация графиков в RawGraph по модели Economic Disparity(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:CODAP ED.png|800px]]

Затем построим графики в RawGraph:

[[Файл:Poor.png|450px]]
[[Файл:Rich.png|450px]]

На полученных графиках мы видим, что чем выше poor-price-priority или rich-quality-priority, тем больше медианное расстояние до работы — это означает, что ориентация бедных на цену и богатых на качество заставляет их выбирать более удалённое место жительство от рабочего места. При снижении этих приоритетов расстояния сокращаются.

== Эксперимент с моделью Segregation ==

--[[Участник:Malena Buzdugan|Malena Buzdugan]] ([[Обсуждение участника:Malena Buzdugan|обсуждение]]) 09:46, 15 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 80%
# Таких же как я - 50 %

* https://docs.google.com/spreadsheets/d/1Jl5Iat5UvbL5uxol7NzrbJQx7-P_xriS/edit?usp=drive_link&ouid=109987093236244455563&rtpof=true&sd=true

{{#widget:Google Spreadsheet
|key=e/2PACX-1vTPXipXc9ARNYMvQwyHByVmfBmYOsK7G-XRaORt0RZzBQkUeaOVeYcLOVNvCyFtgQ
|width=500
|height=400
}}

== Датасет как вики таблица ==

* https://raw.githubusercontent.com/patarakin/stat-data/ee3ff311001c6097690360309525529610f4cda1/datasets/csv/Segregation_experiment1.csv

== Urban_Suite_-_Economic_Disparity ==

* [[Urban_Suite_-_Economic_Disparity]]
** http://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/EconomicDisparity_experiment1.csv

== Эксперимент с моделью Segregation ==
--[[Участник:DolzhenkovaPV|DolzhenkovaPV]] ([[Обсуждение участника:DolzhenkovaPV|обсуждение]]) 10:08, 24 ноября 2025 (MSK)
*
https://docs.google.com/spreadsheets/d/1VrDX2kuHOzh_HSqERhOXEwUPWtgMEYZyevcI-Lhu8HY/edit?usp=sharing

Условия эксперимента:
# Плотность - 81%
# Таких же как я - 70 %
{{#widget:Google Spreadsheet

|key=e/2PACX-1vTSVYEuoG3mfbZfxAGOGWz6q81-JAnIk69BaD4ih-HayiSjrkdICgjlrUMMgYiecxOuyN56YDQq9oF4
|width=500
|height=400
}}
=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
[[Файл:2025-11-24 09-52-33.png|600px]]

[[Файл:2025-11-24_10-02-54.png|600px]]

== Эксперимент с моделью Segregation ==

--[[Участник:KryuchkovSR|KryuchkovSR]] ([[Обсуждение участника:KryuchkovSR|обсуждение]]) 00:30, 21 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 95%
# Таких же как я - 65%

*
https://docs.google.com/spreadsheets/d/1gDmKr_UHjpUr5_iR231LlJfVgPMGoHWBdWZI7qigleQ/edit?usp=sharing

{{#widget:Google Spreadsheet
|key=e/2PACX-1vSWXDB_TI-khaobFIf9fXM4zKHx-QBCRcGXbo9afY9tcJttAXEV5EO_j4i0FejKGso38QavLQX43u0z
|width=500
|height=400
}}
=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:Happy unhappy.png|550px]]

Затем построим графики в RawGraph:
[[Файл:Raw happy.png|700px]]

На всех графиках наблюдается общая тенденция к снижению числа несчастливых агентов со временем, что соответствует ожидаемому поведению модели сегрегации.

== Эксперимент с моделью Segregation ==

--[[Участник:GavrikovVI843|GavrikovVI843]] ([[Обсуждение участника:GavrikovVI843|обсуждение]]) 02:13, 21 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 83%
# Таких же как я - 83%

*
https://docs.google.com/spreadsheets/d/1Dh_tpGTeNvnSlkdC_UntJwu7G3P6gnVrFi9GWnTEGsw/edit?usp=sharing
{{#widget:Google Spreadsheet
|key=e/2PACX-1vQ-ILv2Q-LJdW11qXQr6tM5sMmHv02Tw5osEWV415-u1I2do17O9biGpPvUZ1bDYCLQzYc7izEEkNv8
}}

=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:Graphs analyse.png|650px]]

Затем построим графики в RawGraph:
[[Файл:Happy.png|650px]]

== Эксперимент с моделью Segregation ==
Условия эксперимента:
# Плотность - 88%
# Таких же как я - 88 %
* https://docs.google.com/spreadsheets/d/1KCua6-shAaeD164v4ifRZh_Ez1ZU6aTZFvm54xb8Ce4/edit?gid=0#gid=0

{{#widget:Google Spreadsheet
|key=e/2PACX-1vTPXipXc9ARNYMvQwyHByVmfBmYOsK7G-XRaORt0RZzBQkUeaOVeYcLOVNvCyFtgQ
|width=500
|height=400
}}

Обсуждение:Практическое задание по анализу временных рядов

2025-11-28T22:43:11Z

Kate: /* Пример постановки эксперимента с моделью Segregation */

== Пример постановки эксперимента с моделью Segregation ==

Это пример постановки эксперимента
--[[Участник:Patarakin|Patarakin]] ([[Обсуждение участника:Patarakin|обсуждение]]) 09:16, 15 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 60%
# Таких же как я - 30, 40, 60 %

Time unhappy
0 300
1 161
2 99
3 62
4 38
5 28
6 18
7 11
8 5
9 2
10 2
11 0

=== [[BehaviorSpace]] Experiment ===
* https://raw.githubusercontent.com/patarakin/stat-data/ee3ff311001c6097690360309525529610f4cda1/datasets/csv/Segregation_experiment1.csv

== Пример постановки эксперимента с моделью Segregation ==

Это пример постановки эксперимента

--[[Участник:Kate|Kate]] ([[Обсуждение участника:Kate|обсуждение]]) 09:41, 15 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 95%
# Таких же как я - 70%

https://docs.google.com/spreadsheets/d/18ETlNj_PdpHHS31PXFFE3xKZz2Fi-4xkqeDgUYEfN_M/edit?usp=sharing

== Эксперимент с моделью Segregation ==

--[[Участник:PanshinaZina|PanshinaZina]] ([[Обсуждение участника:PanshinaZina|обсуждение]]) 09:46, 15 ноября 2025 (MSK)

=== Сбор данных с модели Segregation ===
# Плотность - 80%
# Таких же как я - 75%

* https://docs.google.com/spreadsheets/d/1gqjZmHA2w2oBaCHlDiRIz5QzEY5BlxX4zDUVXYMCFQ4/edit?gid=0#gid=0

{{#widget:Google Spreadsheet
|key=e/2PACX-1vTSVYEuoG3mfbZfxAGOGWz6q81-JAnIk69BaD4ih-HayiSjrkdICgjlrUMMgYiecxOuyN56YDQq9oF4
|width=500
|height=400
}}

=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:Codap seg.png|600px]]

Затем построим графики в RawGraph:
[[Файл:Segregation.png|800px]]

На всех графиках наблюдается общая тенденция к снижению числа несчастливых агентов со временем, что соответствует ожидаемому поведению модели сегрегации. При этом скорость и глубина снижения зависят от порога %-similar-wanted: чем ниже требование к подобию (например, 70–72%), тем быстрее и глубже падает число несчастливых, и тем ближе система к полной стабилизации. При более высоких значениях (73–75%) снижение происходит медленнее, и к концу моделирования остаётся небольшое количество несчастливых агентов - это указывает на то, что при больших порогах система может не достигать полного равновесия в заданном числе шагов(что можно увидеть при %-similar-wanted=76).

=== Визуализация графиков в RawGraph по модели Economic Disparity(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:CODAP ED.png|800px]]

Затем построим графики в RawGraph:

[[Файл:Poor.png|450px]]
[[Файл:Rich.png|450px]]

На полученных графиках мы видим, что чем выше poor-price-priority или rich-quality-priority, тем больше медианное расстояние до работы — это означает, что ориентация бедных на цену и богатых на качество заставляет их выбирать более удалённое место жительство от рабочего места. При снижении этих приоритетов расстояния сокращаются.

== Эксперимент с моделью Segregation ==

--[[Участник:Malena Buzdugan|Malena Buzdugan]] ([[Обсуждение участника:Malena Buzdugan|обсуждение]]) 09:46, 15 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 80%
# Таких же как я - 50 %

* https://docs.google.com/spreadsheets/d/1Jl5Iat5UvbL5uxol7NzrbJQx7-P_xriS/edit?usp=drive_link&ouid=109987093236244455563&rtpof=true&sd=true

{{#widget:Google Spreadsheet
|key=e/2PACX-1vTPXipXc9ARNYMvQwyHByVmfBmYOsK7G-XRaORt0RZzBQkUeaOVeYcLOVNvCyFtgQ
|width=500
|height=400
}}

== Датасет как вики таблица ==

* https://raw.githubusercontent.com/patarakin/stat-data/ee3ff311001c6097690360309525529610f4cda1/datasets/csv/Segregation_experiment1.csv

== Urban_Suite_-_Economic_Disparity ==

* [[Urban_Suite_-_Economic_Disparity]]
** http://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/EconomicDisparity_experiment1.csv

== Эксперимент с моделью Segregation ==
--[[Участник:DolzhenkovaPV|DolzhenkovaPV]] ([[Обсуждение участника:DolzhenkovaPV|обсуждение]]) 10:08, 24 ноября 2025 (MSK)
*
https://docs.google.com/spreadsheets/d/1VrDX2kuHOzh_HSqERhOXEwUPWtgMEYZyevcI-Lhu8HY/edit?usp=sharing

Условия эксперимента:
# Плотность - 81%
# Таких же как я - 70 %
{{#widget:Google Spreadsheet

|key=e/2PACX-1vTSVYEuoG3mfbZfxAGOGWz6q81-JAnIk69BaD4ih-HayiSjrkdICgjlrUMMgYiecxOuyN56YDQq9oF4
|width=500
|height=400
}}
=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
[[Файл:2025-11-24 09-52-33.png|600px]]

[[Файл:2025-11-24_10-02-54.png|600px]]

== Эксперимент с моделью Segregation ==

--[[Участник:KryuchkovSR|KryuchkovSR]] ([[Обсуждение участника:KryuchkovSR|обсуждение]]) 00:30, 21 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 95%
# Таких же как я - 65%

*
https://docs.google.com/spreadsheets/d/1gDmKr_UHjpUr5_iR231LlJfVgPMGoHWBdWZI7qigleQ/edit?usp=sharing

{{#widget:Google Spreadsheet
|key=e/2PACX-1vSWXDB_TI-khaobFIf9fXM4zKHx-QBCRcGXbo9afY9tcJttAXEV5EO_j4i0FejKGso38QavLQX43u0z
|width=500
|height=400
}}
=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:Happy unhappy.png|550px]]

Затем построим графики в RawGraph:
[[Файл:Raw happy.png|700px]]

На всех графиках наблюдается общая тенденция к снижению числа несчастливых агентов со временем, что соответствует ожидаемому поведению модели сегрегации.

== Эксперимент с моделью Segregation ==

--[[Участник:GavrikovVI843|GavrikovVI843]] ([[Обсуждение участника:GavrikovVI843|обсуждение]]) 02:13, 21 ноября 2025 (MSK)

Условия эксперимента:
# Плотность - 83%
# Таких же как я - 83%

*
https://docs.google.com/spreadsheets/d/1Dh_tpGTeNvnSlkdC_UntJwu7G3P6gnVrFi9GWnTEGsw/edit?usp=sharing
{{#widget:Google Spreadsheet
|key=e/2PACX-1vQ-ILv2Q-LJdW11qXQr6tM5sMmHv02Tw5osEWV415-u1I2do17O9biGpPvUZ1bDYCLQzYc7izEEkNv8
}}

=== Визуализация графиков в RawGraph по модели Segregation(общий датасет) ===
Для начала построим диаграммы рассеивания в CODAP:
[[Файл:Graphs analyse.png|650px]]

Затем построим графики в RawGraph:
[[Файл:Happy.png|650px]]

== Эксперимент с моделью Segregation ==
Условия эксперимента:
# Плотность - 88%
# Таких же как я - 88 %
* https://docs.google.com/spreadsheets/d/1KCua6-shAaeD164v4ifRZh_Ez1ZU6aTZFvm54xb8Ce4/edit?gid=0#gid=0

{{#widget:Google Spreadsheet
|key=e/2PACX-1vTPXipXc9ARNYMvQwyHByVmfBmYOsK7G-XRaORt0RZzBQkUeaOVeYcLOVNvCyFtgQ
|width=500
|height=400
}}

Обсуждение:Практическое задание по анализу временных рядов

2025-11-15T07:51:57Z

Kate:

Обсуждение:Практическое задание по анализу временных рядов

2025-11-15T06:41:06Z

Kate: /* Пример постановки эксперимента с моделью Segregation */

Обсуждение:Практическое задание по анализу временных рядов

2025-11-15T06:38:06Z

Kate:

Участник:Kate

2025-11-09T21:37:50Z

Kate:

Участник:Kate

2025-11-09T21:23:24Z

Kate:

VorobevaEkaterina/SimpleEconomy

2025-11-09T21:22:53Z

Kate:

== Simple Economy ==

{{#ask: [[Simple Economy]] | ?Description }}

<netlogo model="Simple_Economy" />

'''Основные формулы, описывающие статистические характеристики выборки
'''

''Выборочное среднее
''
Среднее арифметическое всех значений в выборке.

<math>\bar{x} = \frac{1}{n} \sum_{i=1}^{n} x_i</math>

''Выборочная дисперсия
''
Мера разброса данных относительно среднего; используется несмещённая оценка (с делением на n−1 ).

<math>s^2 = \frac{1}{n - 1} \sum_{i=1}^{n} (x_i - \bar{x})^2</math>

''Выборочное стандартное отклонение
''
Корень квадратный из выборочной дисперсии; показывает типичное отклонение от среднего.

<math>s = \sqrt{ \frac{1}{n - 1} \sum_{i=1}^{n} (x_i - \bar{x})^2 }</math>

''Размах выборки''

Разность между максимальным и минимальным значениями.

<math>R = \max(x_i) - \min(x_i)</math>

''Медиана''

Значение, которое делит упорядоченную выборку пополам (50-й процентиль).

<math>\text{Med} = \begin{cases} x_{((n+1)/2)} & \text{если } n \text{ нечётно} \ \frac{x_{(n/2)} + x_{(n/2 + 1)}}{2} & \text{если } n \text{ чётно} \end{cases}</math>

''Межквартильный размах (IQR)''

Разность между третьим и первым квартилями; мера разброса центральных 50% данных.

<math>\text{IQR} = Q_3 - Q_1</math>

''Коэффициент асимметрии (выборочный)''

Характеризует степень асимметрии распределения относительно среднего.

<math>A = \frac{1}{n} \sum_{i=1}^{n} \left( \frac{x_i - \bar{x}}{s} \right)^3</math>

''Эксцесс (выборочный)''

Мера "островершинности" распределения по сравнению с нормальным (с поправкой −3).

<math>E = \frac{1}{n} \sum_{i=1}^{n} \left( \frac{x_i - \bar{x}}{s} \right)^4 - 3</math>

VorobevaEkaterina/SimpleEconomy

2025-11-09T21:15:38Z

Kate: Новая страница: «== Simple Economy == {{#ask: Simple Economy | ?Description }} <netlogo model="Simple_Economy" /> '''Основные формулы, описывающие статистические характеристики выборки ''' ''Выборочное среднее '' Среднее арифметическое всех значений в выборке. <math>\bar{x} = \frac{1}{n} \sum_{i=1}^{n} x_i</math> ''Выборочная диспер...»

== Simple Economy ==

{{#ask: [[Simple Economy]] | ?Description }}

<netlogo model="Simple_Economy" />

'''Основные формулы, описывающие статистические характеристики выборки
'''

''Выборочное среднее
''
Среднее арифметическое всех значений в выборке.

<math>\bar{x} = \frac{1}{n} \sum_{i=1}^{n} x_i</math>

''Выборочная дисперсия
''
Мера разброса данных относительно среднего; используется несмещённая оценка (с делением на n−1 ).

<math>s^2 = \frac{1}{n - 1} \sum_{i=1}^{n} (x_i - \bar{x})^2</math>

''Выборочное стандартное отклонение
''
Корень квадратный из выборочной дисперсии; показывает типичное отклонение от среднего.

<math>s = \sqrt{ \frac{1}{n - 1} \sum_{i=1}^{n} (x_i - \bar{x})^2 }</math>

''Размах выборки''

Разность между максимальным и минимальным значениями.

<math>R = \max(x_i) - \min(x_i)</math>

''Медиана''

Значение, которое делит упорядоченную выборку пополам (50-й процентиль).

<math>\text{Med} = \begin{cases} x_{((n+1)/2)} & \text{если } n \text{ нечётно} \ \frac{x_{(n/2)} + x_{(n/2 + 1)}}{2} & \text{если } n \text{ чётно} \end{cases}</math>

''Межквартильный размах (IQR)''

Разность между третьим и первым квартилями; мера разброса центральных 50% данных.

<math>\text{IQR} = Q_3 - Q_1</math>

''Коэффициент вариации''

Относительная мера изменчивости, выраженная в процентах от среднего.

<math>CV = \frac{s}{\bar{x}} \cdot 100%</math>

''Коэффициент асимметрии (выборочный)''

Характеризует степень асимметрии распределения относительно среднего.

<math>A = \frac{1}{n} \sum_{i=1}^{n} \left( \frac{x_i - \bar{x}}{s} \right)^3</math>

''Эксцесс (выборочный)''

Мера "островершинности" распределения по сравнению с нормальным (с поправкой −3).

<math>E = \frac{1}{n} \sum_{i=1}^{n} \left( \frac{x_i - \bar{x}}{s} \right)^4 - 3</math>

DataLens

2025-11-08T08:41:21Z

Kate: Новая страница: «{{Понятие |Description=Инструмент для визуализации |Field_of_knowledge=Экономика, Большие данные, Статистика, Моделирование |similar_concepts=Power bi, Tableau }}»

{{Понятие
|Description=Инструмент для визуализации
|Field_of_knowledge=Экономика, Большие данные, Статистика, Моделирование
|similar_concepts=Power bi, Tableau
}}

Участник:Kate

2025-11-08T08:39:01Z

Kate:

Участник:Kate

2025-11-08T08:38:35Z

Kate:

Участник:Kate

2025-11-08T08:27:57Z

Kate:

{{UserMGPU
|Description=Студент группы АБП-231
|Field_of_knowledge=Математика, Информатика, Психология, Экономика, Литература, Алгебра
|similar_concepts=Нейросети, Аналитика, Программирование
|Environment=Python, deepseek, DataLens, PostgreSQL
|Position=Бакалавриат
|Profile=Информатика
|PedDirection=Нет
|Community=ЦИТИС
|Виды_спорта=Баскетбол
}}
----

[[Участник:Kate/Experiments|Эксперименты]]

См - [[VorobevaEkaterina/Wolf-Sheep]]

[[Категория:UserMGPU]]
[[Категория:АБП-231]]

VorobevaEkaterina/Wolf-Sheep

2025-11-08T08:19:11Z

Kate: Новая страница: «Датасет с волками и овцами Ссылка на гугл таблицу с датасетом, sheep_reproduce = 13 * https://docs.google.com/spreadsheets/d/1Sra9xgg5tjZto5vv2z_5m93gvGno7yOBCMuCvEz7WE8/edit?usp=sharing {{#widget:Google Spreadsheet |key=1yE1bcfYiRRRlyJFhCAknmPXkQozyvkgqIiI6sSV6gYQ |width=800 |height=400 }}»

Датасет с волками и овцами

Ссылка на гугл таблицу с датасетом, sheep_reproduce = 13
* https://docs.google.com/spreadsheets/d/1Sra9xgg5tjZto5vv2z_5m93gvGno7yOBCMuCvEz7WE8/edit?usp=sharing

{{#widget:Google Spreadsheet
|key=1yE1bcfYiRRRlyJFhCAknmPXkQozyvkgqIiI6sSV6gYQ
|width=800
|height=400
}}

Обсуждение:Как провести регрессионный анализ

2025-11-03T17:01:19Z

Kate: /* Дополнение с датасетом про кофе */ новая тема

== Дополнение с датасетом про бизнес ==

Как мы исследовали зависимости из датасета про бизнес
* https://corgis-edu.github.io/corgis/csv/business_dynamics/

[[Файл:Business death.png|600px]]

== Дополнение с датасетом про кофе ==

Как проводился регрессионный анализ датасета про кофе:

*https://corgis-edu.github.io/corgis/csv/coffee/

[[Файл:График.png|600px]]

How does (Data.Scores.Acidity) depend on (Data.Scores.Total)?

LSRL: Data.Scores.Acidity = 0,08482 (Data.Scores.Total) - NaN
N = 989, ρ = 0,8197, r2 = 0,6719
Regression details
slope 0,08482 95% CI = [0,08112, 0,08852]
intercept 0,5867 95% CI = [0,2829, 0,8905]

testing slope ≠ 0
t = 45, P < 0.0001
df = 987, α = 0,05, t* = 1,96,

''Вывод:''
Сильная прямая зависимость - кислотность значительно влияет на общий балл кофе.

''Ключевые цифры:''

Сильная связь: ρ = 0.82 (очень высокая корреляция)

Объясняет 67%: R² = 0.67 - кислотность определяет 67% изменений общего балла

Статзначимо: P < 0.0001 - связь не случайна

''Практический смысл:''
При росте общего балла на 1 пункт кислотность увеличивается на 0.085 балла

Кислотность = ключевой фактор качества в профессиональной оценке кофе

Вывод для бизнеса: Развитие кислотных характеристик = повышение общего качества кофе.