Вестник ТГПУ им Л.Н. Толстого №2 2005

№ 2, 2005 ВЕСТНИК ТГПУ им. Л. Н. Толстого Таблица 1 Результаты оценки значений коэффициентов корреляции временного ряда заболеваемости Лаг Коэффициент автокорреляции Стандартная ошибка Нижний уровень 95%-й доверитель­ нойвероятности Верхний уровень 95 %-й доверительной вероятности 1 -0,0186438 0,213201 -0,417867 0,417867 2 -0.135549 0,213275 -0,418012 0,418012 3 0,152667 0,217155 -0,425618 0,425618 4 0.384289 0,22198 -0,435075 0,435075 5 -0,110735 0,250401 -0,490778 0,490778 6 0,01944 0,252617 -0,495121 0,495121 7 0,0831343 0,252685 -0,495254 0,495254 Анализ таблицы показывает достаточно низкие коэффициенты автокорреляции по всем лагам и отсутствие превышения 95 %-го уровня доверительной вероятности для всех коэффициентов. Расчеты наличия регулярной составляющей проведены также по трем тестам. Ре­ зультаты тестового контроля приведены в таблице 2. Таблица 2 Результаты тестирования временного ряда Оцениваемыйпараметр Значение параметра Тест 1. Runs above and below median Number of runs above and below median 12 Expected number of runs 12 P-value 1 Teem 2. Runs up and down Number of runs up and down 14 Expected number of runs 14,3333 P-value 1 Teem 3. Box-Pierce Test P-value 0.7082 Тест 1 - на нерегулярность временного ряда - показывает, что количество значений выше или ниже медианы распределения составляет 12 при контрольном значении 12, при этом /ьзначение составляет 1, т. е. гипотеза о нерегулярности отвергается с доверительной вероятностью 0 %. Тест 2 - на оценку повышения и понижение временного ряда - при контрольном значении 14 оценивается величиной 14,3333, а доверительная вероятность нерегулярно­ сти ряда составляет 100 %. При этом тест 3, основанный на анализе суммы квадратов последовательности чи­ сел, показывает, что с доверительной вероятностью 71 % можно отвергнуть наличие ре­ гулярной компоненты. Приведенные данные в таблицах 1, 2 и на рисунке 1 позволяют сделать выводы о не­ возможности принятия регулярности в формировании временного ряда заболеваемости леп­ тоспирозом. В этом случае имеющаяся выборка данных заболеваемости лептоспирозом от­ носится к случайной выборке, и ее анализ может быть проведен с помощью множественного регрессионного анализа или методами эвристической самоорганизации. Причем важным ус­ ловием для получения математических моделей данной экосистемы является получение не­ смещенных и регулярных моделей, нечувствительных к вводу новых исходных данных. Данное условие, а также приведенные выше особенности экосистемы как объекта моделиро­ вания показывают, что применение регрессионного анализа ограничено и это приводит к не­ обходимости выбора в данном случае метода группового учета аргументов (МГУА). Описанные ранее условия моделирования системы определяют применение много­ рядных алгоритмов МГУА, схема которого представлена на рисунке 3.