Содержание и стиль изложения в учебнике соответствуют принятым Министерством образования РФ стандартам и учебным программам высших учебных заведений экономического профиля по дисциплинам “Теория вероятностей”, “Математическая статистика” и “Многомерные статистические методы” (или “Многомерный статистический анализ”).
При этом первые две дисциплины входят в учебные планы 1-й ступени образования (бакалавриата), а третья может присутствовать (в зависимости от конкретного вуза) в учебных планах бакалавриата или магистратуры. Усвоение включенного в этот том материала предусматривает для каждой из упомянутых дисциплин общий объем аудиторных занятий, равный приблизительно 64 часам (32 часа лекций и 32 часа практических занятий).
Изложение построено таким образом, чтобы добиться цельного (системного) восприятия всего блока эконометрических дисциплин, представленных в двух томах второго издания: упомянутые три дисциплины первого тома дополнены во втором томе широким набором моделей регрессионного анализа, методами и моделями анализа временных рядов и методами построения и анализа систем одновременных уравнений.
Содержание и стиль изложения в учебнике соответствуют принятым Министерством образования РФ стандартам и учебным программам высших учебных заведений экономического профиля по дисциплине “Эконометрика”.
Представленные в учебнике методы и модели регрессионного анализа, анализа временных рядов и систем одновременных уравнений могут составить содержание двух семестровых курсов (по формуле 32 часа лекций и 32 часа упражнений каждый), один из которых (“Эконометрика-1”) рекомендуется включать в учебные планы 3-го или 4-го года 1-й ступени высшего экономического образования (бакалавриата), а второй, более продвинутый (“Эконометрика-2”), — в учебные планы 1-го или 2-го года магистратуры (т. е. 5-го или 6-го года обучения).
В данном томе существенно используются обозначения, понятия и результаты 1-го тома данного издания (“Теория вероятностей и прикладная статистика”), однако возможно и его автономное усвоение.
Изложены основы теории вероятностей, математической статистики и общие правила сбора, обработки и анализа статистических данных. Особое внимание уделено правилам принятия решений в условиях неопределенности. Анализ данных рассматривается также как составная часть принятия решений.
Рассмотрены статистические методы изучения связей между переменными, проблемы построения и анализа временных рядов, прогнозирование на их основе. Показано значение статистики для решения основных прикладных задач: статистического контроля качества, разработки маркетинговой стратегии, финансового анализа и т. д.
Для студентов и преподавателей экономических вузов и факультетов, аспирантов и стажеров.
Вниманию читателя предлагается перевод книги М. Кендэла «Временные ряды». С работами М. Кендэла, английского статистика с мировым именем, занимавшего с 1960 по 1962 г. пост президента Королевского статистического общества, советский читатель уже имел возможность познакомиться¹.
Отличительной чертой книги «Временные ряды» является то, что она в первую очередь предназначается для начинающего статистика-практика. Круг вопросов, рассматриваемых в ней, достаточно широк: С одной стороны, изучаются методы, представляющие арсенал исследователя одномерных и многомерных временных рядов. С другой стороны, сделан краткий обзор переменных проблем.
Работа посвящена актуальной задаче исследования деловой активности бизнеса на отдельно взятой территории. В ней рассматриваются изменения результативности ведения бизнеса в определенном регионе в зависимости от времени, местоположения и экономических условий ведения хозяйственной деятельности субъектов малого и среднего предпринимательства. Сформулирован методологический подход, который позволяет анализировать и выявлять закономерности в распределении результативности по сферам деятельности субъектов с учетом пространственных и временных аспектов. Для выявления общих закономерностей и факторов, влияющих на экономическое развитие, а также для разработки рекомендаций по оптимизации бизнес-процессов и улучшению условий предпринимательской деятельности на региональном уровне используются методы кластерного анализа. Показана эффективность решения поставленной задачи при анализе сложных высокоразмерных данных с применением нелинейных методов уменьшения размерности. Результаты исследований показали, что деловая активность в регионе зависит не только от экономических факторов, наблюдаемых в динамике, но и от пространственного размещения субъектов хозяйствования, кластеризация которых выполняется с использованием специализированных метрик, что позволяет адаптировать универсальный алгоритм уменьшения размерности пространства признаков UMAP под конкретные задачи и типы данных. Полученные выводы могут быть полезны для предпринимателей, органов власти и бизнес-сообществ, стремящихся оптимизировать меры по поддержке бизнеса и улучшить условия для его ведения.
В статье с критической точки зрения рассматриваются подходы к государственному управлению, основанному на данных, а также характерные ошибки в принятии решений, которые проистекают из ненадежных данных и их неверных интерпретаций. Приводятся исторические примеры заблуждений, допущенных министром обороны США Р. Макнамарой, рассматривается пагубная политика отбрасывания качественных оценок в пользу использования только и исключительно измеримых параметров. На примере некорректной интерпретации демографической статистики в Косово рассмотрено влияние заведомо ложной и некритически воспринимаемой информации на принятие решений в части внутренней национальной политики бывшей Югославии и дальнейшей гуманитарной интервенции под эгидой защиты албанского населения от геноцида. Рассматриваются причины этих заблуждений, приводятся примеры корректных интерпретаций. Далее автор фокусируется на прикладном аспекте: на основе опыта автора в предварительном анализе и обработке данных, используемых в реализации научных проектов, предлагаются способы обхода типичных «ловушек» статистики, ведущих к некорректным интерпретациям.
Актуальность статьи обусловлена ростом угроз компьютерной безопасности критических информационных ресурсов, в том числе в системе образования, разнообразием видов и направлений кибератак, требующих дифференциации известных методов анализа и прогнозирования, в том числе на основе использования теории временных рядов. Целью статьи является исследование возможностей и ограничений использования методов теории временных рядов для анализа и прогнозирования динамики кибератак на примере ведомственного вуза, готовящего специалистов многим видам безопасности: техносферной, пожарной, информационной и проч. Высказана и проверена гипотеза о влиянии характера исходных данных на выбор методов анализа и прогнозирования временных рядов числа кибератак, о первичности исходных данных на результативность решения указанных задач. Выполнен анализ логов мониторинга межсетевого экрана корпоративной информационной системы; на их основе построены временные ряды числа различных видов атак и решены задачи текущего прогнозирования. Новизна полученных результатов обусловлена применением известных методов теории прогнозирования временных рядов к задаче исследования динамики кибератак на корпоративную информационную систему ведомственного вуза. Теоретическая значимость состоит в установлении границ возможности их применения в силу вариативности исследуемых временных рядов, а также в подтверждении первичности качества исходных данных над существующими методами и моделями. Практическая ценность определяется построением моделей временных рядов, позволяющих решать задачи текущего прогнозирования числа кибератак.
Книга является последним томом трехтомного курса статистики М. Кендалла и А. Стьюарта, первый том которого вышел в 1966 г. под названием «Теория распределений», а второй — в 1973 г. под названием «Статистические выводы и связи».
В книге содержатся сведения по дисперсионному анализу, планированию экспериментов, теории выборочных обследований, многомерному анализу и временным рядам. Как и первые два тома, книга содержит много практических рекомендаций и примеров их применения, а изложение сочетает более или менее подробный вывод основных результатов с относительно кратким перечислением большого количества более частных сведений.
Книга будет представлять интерес для студентов и аспирантов, специализирующихся в области математической статистики, а также для широкого круга научных работников, имеющих дело с ее приложениями.
Монография посвящена изучению временных рядов, встречающихся в различных областях физики, механики, астрономии, техники, экономики, биологии, медицины. Основная ориентация книги — практическая: методы теоретического анализа иллюстрируются детально проработанными примерами, а результаты наглядно представлены на многочисленных графиках. Вместе с тем теоретический уровень изложения очень высок. Для более глубокого понимания выводов и выкладок приводится большое число упражнений. Книга рассчитана на математиков и специалистов различных областей науки и техники. Она доступна аспирантам и студентам университетов.
В основу книги Бокса и Дженкинса положено использование данных о корреляционной функции (или функциях) одномерного и многомерного временных рядов. Особое внимание уделено нестационарным временным рядам, содержащим либо стационарные приращения, либо периодические нестационарности (что особенно важно для геофизических приложений). В первый выпуск вошли главы, содержащие основные сведения из корреляционной теории случайных процессов, выбор модели, оценивание ее параметров и проверку модели, а также модели для сезонных временных рядов. Книга написана очень ясно и доступно; авторы, как правило, рассматривают конкретные примеры, доводимые до числовых результатов и позволяющие читателю научиться самостоятельно применять рекомендуемые методы. В конце книги приложены алгоритмы вычислений и таблицы используемых рядов. Книга будет весьма полезна специалистам по прикладной математике, геофизикам, физикам, астрономам, обработчикам данных наблюдений, экономистам, плановикам - всем лицам, встречающимся на практике с анализом и прогнозированием эмпирических величин, меняющихся со временем.