Прогнозирование демографической ситуации в Российской Федерации Текст научной статьи по специальности «Экономика и бизнес»

МЕЖД УНАРОД НЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ»

№12/2015

ISSN 2410-700Х

для данной метрики, возможные наилучшие значения и единицы измерения.

При выборе метрик необходимо помнить, что их объяснение должно быть максимально простым, чтобы не сведущие в области ИБ работники могли понять их целесообразность, в частности руководство и персонал из IT-отдела. В то же время не стоит создавать большое количество метрик, так как их сложно оценить, не прикладывая дополнительные усилия.

Должен существовать базовый набор метрик, с помощью которых можно будет вовремя выявить аномалии в работе системы защиты информации предприятия. В случае выявления отклонений в процессах и мерах обеспечения информационной безопасности при необходимости можно расширить набор метрик, добавив дополнительные, позволяющие провести детальную диагностику возникших проблем. Таким образом, можно получить не только показатели для демонстрации целесообразности и эффективности мер ИБ, но и очень гибкий инструмент проверки системы защиты информации предприятия [2]. Список использованной литературы:

1. ГОСТ Р ИСО/МЭК 27004-2011. Информационная технология. Методы и средства обеспечения безопасности. Менеджмент информационной безопасности. Измерения.

2. Костина А. Оценка эффективности и метрики ИБ [Электронный ресурс]. - Режим доступа http://www.itsec.ru/articles2/control/ocenka-effektivnosti-i-metriki-ib (Дата обращения: 07.12.2015)

3. Successful Metrics [Электронный ресурс]. - Режим доступа

https://confluence.cornell.edu/display/metrics/Successful+Metrics (Дата обращения: 07.12.2015)

4. The State of Risk-Based Security Management 2013 [Электронный ресурс]. - Режим доступа http://www.tripwire.com/ponemon/2013/ (Дата обращения: 07.12.2015)

© Сухова А.Р., Гатиятуллин Т.Р., 2015

УДК 378.17

Хазиев Руслан Рамилевич

магистрант автодорожного факультета Пермский национальный исследовательский политехнический университет

г. Пермь, Российская Федерация E-mail: haziev1991@inbox.ru

ПРОГНОЗИРОВАНИЕ ДЕМОГРАФИЧЕСКОЙ СИТУАЦИИ В РОССИЙСКОЙ ФЕДЕРАЦИИ

Аннотация

В работе построена однофакторная математическая модель, характеризующая прямые зависимости между уровнем развития демографии и населением в возрасте от 18 до 35 лет на период до 2013г. и 2016 г. На основе эконометрического аппарата спрогнозированы тренды развития факторов в модели, на основании базовых из них осуществлен прогноз развития демографии.

Ключевые слова

Однофакторная математическая модель; прогнозирование развития демографии; факторный анализ; среднедушевые доходы.

In the paper one-factor mathematical model is arranged, which is describing direct dependences between forecasting of demography and average per capita income for the period until 2013 and 2016. On the basis of econometric instruments the development factors trends are predicted in the model, relying on the basic of them was made the forecast of the forecasting of demography.

Keywords

One-factor economic model; forecasting of demography; the dependence between the level of development of

demography and per capita incomes.

_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ» №12/2015 ISSN 2410-700Х_

Значительные изменения в демографическом развитии страны в последние годы требуют формирования новых подходов в вопросах оценки влияния развития населения на экономику страны. Население является, с одной стороны, потребителем товаров и услуг, а с другой стороны, рабочей силой, производящей товары и услуги, т.е. непосредственно участвует в процессе создания валового национального продукта.

Поэтому при анализе и прогнозировании демографического развития важно учитывать характер и тенденции развития экономической и демографической ситуации в стране [1, с.15].

Цель данной статьи - построить модель прогнозирования демографической ситуации в России. Для достижения поставленной цели необходимо решить комплекс задач:

1. выявить корреляционные связи между числом родившихся и факторами развития демографической ситуации;

2. построить эконометрическую модель, характеризующую зависимость числа родившихся от базовых показателей развития демографической ситуации;

3. определить прогнозные значения изменения факторов, включенных в модель;

4. осуществить прогноз развитие демографической ситуации в России на основе полученных ранее прогнозных значений динамики факторов.

Объектом исследования данной статьи выступает процесс естественного прироста населения в Российской Федерации.

Первоначально для анализа прироста населения было отобрано несколько факторов:

- число заключенных браков, единиц ед. (х;);

- число разводов, единиц (Х2)

- численность населения, млн. человек (хз)

- население в возрасте от 18 до 35 лет млн. человек (х^)

- среднедушевые доходы, тыс. руб. (xj)

- число мужчин, млн. человек (х6)

- число женщин, млн. человек Х)

Для выявления взаимосвязей между естественным приростом населения и факторами, влияющими на данный прирост, проведем корреляционный анализ (табл. 1).

Таблица 1

Корреляционная матрица

Показатели У Х1 Х2 Х3 Х4 Х5 Х6 Х7

У 1,00

Х1 0,75 1,00

Х2 -0,07 0,10 1,00

Х3 -0,69 -0,75 0,35 1,00

Х4 0,95 0,76 -0,30 -0,76 1,00

Х5 0,97 0,80 -0,22 -0,78 0,99 1,00

Х6 -0,70 -0,74 0,34 1,00 -0,76 0,79 1,00

Х7 -0,66 -0,76 0,36 0,99 -0,74 -0,77 0,99 1,00

Коэффициенты корреляции между величиной зарегистрировавшихся родившихся и показателями развития демографической ситуации свидетельствуют об их взаимосвязи и позволяют утверждать, что развитие этих факторов существенно влияет на развитие демографии. Для выбора наиболее существенных факторов исключаем те, связь которых с объясняемой переменной у слабая или практически отсутствует. Поэтому исключаем факторы: число разводов (х2), численность населения (хз), население в возрасте от 18 до 35 лет (хз) и число мужчин (хб) х х2, х3 и хб. Также исключаем те факторы, значение автокорреляции которых больше или равно 0,98, т.к. это показывает о взаимовлиянии факторов друг на друга. Это факторы: число женщин (х?), х7, .

Далее для проверки оставшихся факторов на адекватность модели используем Р--тест. Проводим

_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ» №12/2015 ISSN 2410-700Х_

регрессию для определения р-значений коэффициентов факторов модели. Исключаем фактор Х4, так как р-значения этого фактора больше 5%.

Для решения второй задачи, заключающейся в построении эконометрической модели, в табл. 2 представлены исходные данные: число зарегистрировавшихся родившихся (у), численность населения в возрасте от 18 до 35 лет (х*).

Таблица 2

Исходные данные для построения эконометрической модели

Население в возрасте от 18 до 35 лет

Год Число зарегистрировавшихся родившихся (у) (Х4)

2004 1 477 301 20 449

2005 1 502 477 20 827

2006 1 457 376 21 107

2007 1 479 637 21 370

2008 1 610 122 21 596

2009 1 713 947 21 895

2010 1 761 687 22 363

2011 1 788 948 22 962

2012 1 796 629 23 028

2013 1 902 084 23 444

Далее при построении модели на основе представленных статистических данных осуществлены соответствующими расчеты и получена модель:

у=153,1393х4-1705358, (1)

где, у - число зарегистрировавшихся родившихся; Х4 - население в возрасте от 18 до 35 лет Статистический анализ модели показал, что коэффициент корреляции равен 0,95 и коэффициент детерминации - 0,90 (то есть имеет место высокая надежность построенной модели); проверка уравнения на значимость по критерию Фишера (^-критерий равен 75,14) также подтвердила существование тесной взаимосвязи.

Таким образом, высокие значения соответствующих коэффициентов отражают высокое качество модели, что в свою очередь, позволяет использовать ее для прогнозирования.

Далее необходимо осуществить прогноз динамики развития факторов (население в возрасте от 18 до 35 лет - Х4) в построенной ранее модели.

Для прогнозирования считаем целесообразным использовать данный подход - построение трендов факторов для расчета прогнозных значений для прогнозирования демографического развития до 2016 года. При построении трендов наибольший Я2 оказался у линейного тренда, поэтому данное уравнение будет использоваться для прогнозирования влияния фактора население в возрасте от 18 до 35 лет на демографическую ситуацию. Х4 = 332,82^ + 20074 (2)

Используем уравнение тренда (2) для прогнозирования численности населения в возрасте от 18 до 25 лет на период до 2016 года (табл. 3).

Таблица 3

Прогнозное значение население в возрасте от 18 до 35 лет

Год 2014 2015 2016

Население в возрасте от 18 до 35 лет 24 401 24 733 25 066

Для прогноза у в уравнении (1) подставляем значение фактора х4= 23449 и получаем у= 1885605,919 Таким образом, в исследовании была построена однофакторная математическая модель, осуществлён прогноз развитие демографической ситуации, который показал, что к 2016 году население в возрасте от 18 до 35 лет будет играть значительную роль в развитии демографии.

Список использованной литературы: 1. Валентей М.А. Демография: современное состояние и перспективы развития: учеб. пособие / М.А. Валентий. 1997.

_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ» №12/2015 ISSN 2410-700Х_

2. Сайт федеральной службы государственной статистики [Электронный ресурс]. URL: http://www.gks.ru/ (дата обращения: 22.11.2015 г.).

3. Елисеева И.И. Практикум по эконометрике: Учебное пособие / И.И. Елисеева. М.: Финансы и статистика, 2005.192 с.

© Хазиев Р.Р., 2015

УДК 004.912

Яцко Вячеслав Александрович

д. филол. наук, профессор ХГУ им. Н.Ф.Катанова,

E-mail: iatsko@gmail.com

ИММЕТРИЧНОЕ ВЗВЕШИВАНИЕ ТЕРМИНОВ Аннотация

Описывается методика взвешивания, позволяющая распознать предложения, представляющие содержание текстовых документов. Методика может использоваться с целью автоматического реферирования текстов

Ключевые слова

Автоматическая обработка текстовых документов, взвешивание терминов, симметричное

взвешивание предложений

Взвешивание терминов является фундаментальным алгоритмом, который применяется во всех предметных областях, связанных с автоматической обработкой текстовых документов [1]. На входе у программы, выполняющей взвешивание, - термины текстового документа, на выходе - список терминов с приписанными числовыми коэффициентами, которые отражают значимость терминов для данного текстового документа. Термины с наиболее высокими коэффициентами отбираются в словарь, репрезентирующий содержание текста. Взвешиваться могут отдельные слова, словосочетания, предложения, группы предложений, а также и текст в целом. В процессе автоматической классификации содержание абзацев, а также всего текста может представляться в виде векторной модели [2].

Как мы полагаем, алгоритмы взвешивания можно разделить на два основных вида: интертекстуальные и интратекстуальные. Итертекстуальные алгоритмы предполагают сопоставление распределения терминов в данном тексте с их распределением в другом тексте/текстах. Интратекстуальные алгоритмы выполняются только с учётом внутренней структуры данного текста.

В настоящей статье будет описано симметричное взвешивание терминов, которое относится к

интратекстуальным методам. Симметричное взвешивание характеризуется следующими особенностями. 1)

Весовые коэффициенты приписываются предложениям. В этой связи симметричное взвешивание актуально

для тех программ и систем, на выходе которых тест, включающий предложения, например, для систем

автоматического реферирования. 2) Весовой коэффициент предложения определяется по его

функциональному весу, который равен связей данного предложения с другими предложениями текста. Под

связью понимается повторение основ слов из словаря (стемм) в других предложениях текста. Учитываются

связи данного предложения как с предшествующими, так и с последующими предложениями. Весовой

коэффициент предложения sn вычисляется по формуле

т

W(sn) = ^ T(sn)*T(Si),(1)

n=l,i=l

где T(sn) - количество вхождений данной стеммы в предложение sn, а T(si) - количество вхождений данной стеммы в другое предложение данного текста.