Обсуждение:Практическое задание по анализу временных рядов

2025-11-15T06:47:49Z

PanshinaZina:

Участник:PanshinaZina

2025-11-08T19:46:02Z

PanshinaZina:

{{UserMGPU
|Description=Студент группы АБП-231
|Field_of_knowledge=Экономика
|similar_concepts=Аналитика, Программирование, Экономика
|Environment=Python, PostgreSQL, Qwen
|Position=Бакалавриат
|PedDirection=Нет
|Working_On=Wolf-Sheep Predation, Wealth Distribution
}}
----

См. - [[Участник:PanshinaZina/SimpleEconomy]]
----

См. - [[Участник:PanshinaZina/Wolf-Sheep]]

----

См. - [[Участник:PanshinaZina/WealthDistribution]]
----

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

Участник:PanshinaZina

2025-11-08T19:45:15Z

PanshinaZina:

{{UserMGPU
|Description=Студент группы АБП-231
|Field_of_knowledge=Экономика
|similar_concepts=Аналитика, Программирование, Экономика
|Environment=Python, PostgreSQL, Qwen
|Position=Бакалавриат
|PedDirection=Нет
|Working_On=Wolf-Sheep Predation, Wealth Distribution
}}
----

См. - [[Участник:PanshinaZina/Wolf-Sheep]]

----

См. - [[Участник:PanshinaZina/WealthDistribution]]
----

См. - [[Участник:PanshinaZina/SimpleEconomy]]
----
[[Категория:UserMGPU]]
[[Категория:АБП-231]]

Участник:PanshinaZina/SimpleEconomy

2025-11-08T19:43:37Z

PanshinaZina: Новая страница: «== Simple Economy == {{#ask: Simple Economy | ?Description }} <netlogo model="Simple_Economy" /> === Примеры математических формул === 1. Основные статистические характеристики ''Cреднее значение'' <math>\bar{x} = \frac{1}{n}\sum_{i=1}^{n} x_i</math> где: * <math>x_i</math> - значение i-го наблюдения * <math>n</math> - объем выборки ''Д...»

== Simple Economy ==

{{#ask: [[Simple Economy]] | ?Description }}

<netlogo model="Simple_Economy" />

=== Примеры математических формул ===
1. Основные статистические характеристики

''Cреднее значение''

<math>\bar{x} = \frac{1}{n}\sum_{i=1}^{n} x_i</math>

где:
* <math>x_i</math> - значение i-го наблюдения
* <math>n</math> - объем выборки

''Дисперсия''

<math>s^2 = \frac{1}{n-1}\sum_{i=1}^{n} (x_i - \bar{x})^2</math>

''Стандартное отклонение''

<math>s = \sqrt{\frac{1}{n-1}\sum_{i=1}^{n} (x_i - \bar{x})^2}</math>

2. Коэффициент Джини

<math>G = \frac{\sum_{i=1}^{n}\sum_{j=1}^{n} |x_i - x_j|}{2n^2\bar{x}}</math>

[[Коэффициент Джини]] — статистический показатель степени расслоения общества данной страны или региона по какому-либо изучаемому признаку. Используется для оценки экономического неравенства. Коэффициент Джини может варьироваться между 0 и 1. Чем больше его значение отклоняется от нуля и приближается к единице, тем в большей степени доходы сконцентрированы в руках отдельных групп населения.

3. Индекс Херфиндаля-Хиршмана для концентрации богатства

<math>
HHI(t) = \sum_{i=1}^{N}\left(\frac{w_i(t)}{W}\right)^2
</math>

Индекс Херфиндаля-Хиршмана — это статистический показатель, который измеряет концентрацию богатства в экономической системе. Он показывает, насколько богатство сосредоточено у небольшого числа агентов.

4. Энтропия распределения богатства

<math>
S(t) = -\sum_{i=1}^{N}\frac{w_i(t)}{W}\ln\left(\frac{w_i(t)}{W}\right)
</math>

Энтропия — это мера разнообразия и беспорядка в распределении богатства. Она характеризует, насколько равномерно или неравномерно распределены деньги в системе.

4. Доля богатства у топ-процентилей

<math>R_p = \frac{\sum_{i=1}^{m} x_{(i)}}{\sum_{i=1}^{n} x_i}</math>

где:
* <math>x_{(i)}</math> - i-е значение в упорядоченной по убыванию выборке
* <math>m = \lfloor p \cdot n \rfloor</math>

Участник:PanshinaZina

2025-11-08T09:43:21Z

PanshinaZina:

Участник:PanshinaZina

2025-11-08T09:43:02Z

PanshinaZina:

Участник:PanshinaZina/WealthDistribution

2025-11-08T09:41:39Z

PanshinaZina: Новая страница: «=== Wealth Distribution === {{#ask: Wealth Distribution | ?Description }} <netlogo model="Wealth_Distribution" /> === CODAP === {{#widget:iframe |url=https://codap.concord.org/app/ |width=1000 |height=800 }}»

=== Wealth Distribution ===
{{#ask: [[Wealth Distribution]] | ?Description }}

<netlogo model="Wealth_Distribution" />

=== [[CODAP]] ===

{{#widget:iframe
|url=https://codap.concord.org/app/
|width=1000
|height=800
}}

Участник:PanshinaZina/Wolf-Sheep

2025-11-08T09:38:36Z

PanshinaZina:

=== Wolf-Sheep Predation ===
{{#ask: [[Wolf-Sheep Predation]] | ?Description }}

<netlogo model="Wolf_Sheep_Predation" />

=== Датасет с волками и овцами ===
Ссылка на гугл таблицу с датасетом, где sheep_reproduce = 5
* https://docs.google.com/spreadsheets/d/1rKboTAR7Ogl-nwy2q7yH5Ft_-16-HDgBRSVrGyOolEA/edit?usp=sharing

{{#widget:Google Spreadsheet
|key=e/2PACX-1vQKzDCe739_5_s2lqtstvXFzMZhsFK40wGZLYLyMUPb8uIO0jl5hKBdiubAIh9Mgycze9KJc1Ich4b7
|width=800
|height=400
}}

=== Визуализация датасета в RAWGraphs ===
Синим цветом обозначены овцы, красным - волки

[[Файл:Wolf-sheep.png|800px]]

Файл:Wolf-sheep.png

2025-11-08T09:36:00Z

PanshinaZina:

Визуализация к датасету с волками и овцами, sheep_reproduce = 5

Участник:PanshinaZina/Wolf-Sheep

2025-11-08T09:23:06Z

PanshinaZina:

Участник:PanshinaZina/Wolf-Sheep

2025-11-08T07:07:46Z

PanshinaZina:

Датасет с волками

Ссылка на гугл таблицу с датасетом, sheep_reproduce = 5
* https://docs.google.com/spreadsheets/d/1rKboTAR7Ogl-nwy2q7yH5Ft_-16-HDgBRSVrGyOolEA/edit?usp=sharing

Обсуждение:Как провести регрессионный анализ

2025-11-03T17:06:31Z

PanshinaZina: /* Дополнение с датасетом про миллионеров */ 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.

== Дополнение с датасетом про миллионеров ==

Как проводился регрессионный анализ с датасетом про миллионеров:
* https://corgis-edu.github.io/corgis/csv/billionaires/

Гипотеза: Есть ли связь между возрастом и состоянием? Логично предположить, что с возрастом состояние может расти, так как будет больше времени для накопления капитала.

[[Файл: График по миллионерам.png|600px]]

Регрессионный анализ:

How does (demographics.age) depend on (wealth.worth in billions) ?
LSRL: demographics.age = 0,5967 (wealth.worth in billions) - NaN
N = 2614, ρ = 0,1199, r2 = 0,01437
Regression details
slope 0,5967 95% CI = [0,4071, 0,7864]
intercept 51,23 95% CI = [50,06, 52,41]

testing slope ≠ 0
t = 6,17, P < 0.0001
df = 2612, α = 0,05, t* = 1,96,

Выводы:
Можно увидеть, что в большинстве своем возраст не сильно влияет на состояние миллионера(r2 = 0,01437). Поэтому существует статистически значимая, но крайне слабая положительная линейная связь между состоянием миллиардера и его возрастом.

Файл:График по миллионерам.png

2025-11-03T17:00:26Z

PanshinaZina:

диаграмма рассеивания по датасету о миллионерах

Участник:PanshinaZina

2025-09-06T08:04:17Z

PanshinaZina:

{{UserMGPU
|Field_of_knowledge=Экономика
|similar_concepts=Аналитика, Программирование, Экономика
|Environment=Python, PostgreSQL, Qwen
|Position=Бакалавриат
|PedDirection=Нет
}}
----
[[Категория:UserMGPU]]
[[Категория:АБП-231]]

Участник:PanshinaZina

2025-09-06T07:41:30Z

PanshinaZina: Новая страница: «---- Категория:UserMGPU Категория:АБП-231»

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