Выявление аномалий в динамических рядах правовой статистики на основе исследования тренда Текст научной статьи по специальности «Право»

ЕСТЕСТВЕННЫЕ НАУКИ

v":' КОМПЬЮТЕРНЫЕ НАУКИ И ИНФОРМАТИКА v":'

Научная статья УДК 004.94

https://doi.org/10.24412/2687-0185-2021-3-120-122 NIION: 2007-0083-3/21-054 MOSURED: 77/27-005-2021-03-253

Выявление аномалий в динамических рядах правовой статистики на основе исследования тренда

Валерий Владимирович Меньших1, Валерия Олеговна Морозова2

1 2 Воронежский институт МВД России, Воронеж, Россия

1 menshikh@list.ru

2 dudckolera@yandex.ru

Аннотация. В работе предложен метод нахождения аномалий, который позволяет получать более точную модель динамического ряда. Применение предложенного математического метода полезно при осуществлении аналитической работы и принятии управленческих решений в правоохранительных органах.

Ключевые слова: динамический ряд, статистические данные, показатели преступности, трендовые и сезонные (циклические) компоненты, дестабилизирующие факторы

Для цитирования: Меньших В. В., Морозова В. О. Выявление аномалий в динамических рядах правовой статистики на основе исследования тренда. Криминологический журнал. 2021;(3): 120—122. https://doi.org/10.24412/2687-0185-2021-3-120-122.

Original article

Identification of anomalies in the dynamic series of legal statistics based on trend research

Valery V. Menshikh1, Valeria O. Morozova2

1 2 Voronezh Institute of the Ministry of the Interior of the Russian Federation, Voronezh, Russia

1 menshikh@list.ru

2 dudckolera@yandex.ru

Abstract. The paper proposes a method for finding of anomalies, which allows us to obtain a more accurate model of the dynamic series. The application of the proposed mathematical method is useful in carrying out analytical work and making managerial decisions in law enforcement agencies.

Keywords: dynamic series, statistical data, crime indicators, trend and seasonal (cyclical) components, destabilizing factors For citation: Menshikh V. V., Morozova V. O. Identification of anomalies in the dynamic series of legal statistics based on trend research. Criminological Journal. 2021;(3):120-122. (In Russ.). https://doi.org/10.24412/2687-0185-2021-3-120-122.

© Меньших В. В., Морозова В. О., 2021 Введение

В современных условиях задача совершенствования деятельности правоохранительных органов по борьбе с преступностью приоритетна для любого социального государства, в котором значительная роль в решении поставленной задачи отводится правоохранительным органам. Реализация этих полномочий подразделениями органов внутренних дел невозможна при отсутствии ясного понимания существующих тенденций развития преступности на обслуживаемой территории, а также особенностей и проблем функционирования подразделений [2; 4].

В связи с этим возникает необходимость проведения качественного анализа статистических данных криминогенной ситуации [5; 6], который может быть использован для прогнозирования будущих значений показателей с учетом влияния дестабилизирующих воздействий различного характера. Особое внимание должно уделяться не только прогнозированию значений отдельных показателей статистических данных кримино-

генной обстановки, представленных динамическими рядами, но и прогнозированию структурных изменений в этих рядах [1]. Качество и оперативность проведения такого анализа может обеспечить применение адекватного математического аппарата.

Известно, что классические математические методы дают результат с недопустимой погрешностью. В связи с этим возникает необходимость разработки математических методов для анализа статистических показателей, которые определяли более точно тенденции преступности [2; 4; 6]. Для разработки данных методов необходимо использовать показатели правовой статистики [1; 7].

Правовая статистика представляет собой совокупность динамических рядов, содержащих информацию о значениях показателей за последовательные периоды времени. Очевидно, что статистические модели описывают зависимости одних показателей от других. Поэтому выявление взаимосвязи этих показателей, а также учет внешних дестабилизирующих воздействий, вызывающих ано-

jjiiL.

-^pr-

NATURAL SCIENCES

COMPUTER SCIENCE AND INFORMATICS

малии в динамическом ряду, позволят повысить эффективность аналитической работы органов внутренних дел.

Описание метода

Модель динамического ряда показателя преступности Х= / (Т,С,Е) имеет вид , в качестве параметров которой выступают:

Т — последовательность показателей ряда, полученных в результате воздействия факторов, формирующих тренд;

С — последовательность составляющих значений ряда, полученных в результате воздействия факторов, формирующих сезонные (циклические) колебания;

Е — последовательность составляющих значений ряда, полученных в результате воздействия факторов, формирующих случайные компоненты [1].

Первоначально осуществляется выявление сезонной (циклической) компоненты С на основе корреляционного анализа уровней динамического ряда и метода

мени) появления внешних дестабилизирующих воздействий (социально-экономического и внутри и внешнеполитического характера) [3]. Для нахождения моментов наступления дестабилизирующих воздействий воспользуемся формулой

Д / (Т) = 0, (1)

при Т = /(Ы) — теоретическое значение уравнения регрессии;

где Ы = ((/' - 1)& + ],...,п ■ k — номера значений ряда.

Результаты

Проиллюстрируем описанный подход на примере анализа фрагмента уголовной статистики [7], отражающего показателя количества преступлений, совершенных иностранными гражданами и лицами без гражданства с 2012 по 2021 гг. (данные взяты по полугодиям) (рис. 1).

Определим тип модели динамического ряда. Она является аддитивной, так как ее амплитуда изменяется не монотонно. Проведем корреляционный анализ показа-

скользящей средней. Далее выявляется тип модели ряда телей, с целью определения сезонной (циклической)

на основе анализа сезонной (циклической) компоненты:

• мультипликативный X = Т ■ С ■ Е, если амплитуда изменения сезонной компоненты является монотонной;

• аддитивный Х= Т + С + Е, если сезонная компонента отсутствует или является немонотонной [1].

В большинстве случаев при анализе статистических данных о преступности имеет место наличие сезонной (циклической) компоненты и тренда. Сезонные «всплески» преступности чаще всего попадают на весну и осень, а «провалы» регистрируются зимой (декабрь - январь), т. е. в конце и в начале отчетного периода. В летние месяцы уровни преступности ниже, чем весной и осенью [3].

Отметим, что повышение эффективности принятия управленческих решений в правоохранительных органах зависит от учета внутренних и внешних взаимосвязей показателей правовой статистики, а также наличия аномалий. Для выявления взаимосвязей используется корреляционный анализ [1]. Проанализировав корреляционную структуру математической модели, отметим, что тренды и сезонные компоненты существенно влияют на исследуемые показатели.

Отметим, что критические точки в полученном тренде указывают на моменты (периоды вре-

компоненты С. Как видно из рис. 1, циклическая компонента явно присутствует. Найдем линию тренда. Учитывая малое количество значений ряда между всплесками, целесообразно использовать нелинейную модель ряда. Линия тренда для данного динамического ряда принимает вид (рис. 1).

С помощью (1) выявлены аномальные изменения уровней ряда в 2012, конец 2014, начало 2015, 2017, 2020 гг.

Найденные аномалии соотносятся со следующими социально-экономическими, внешне и внутриполитическими событиями, связанными с осуществлением миграционной политики:

• в 2012 г. принят государственный документ, согласно которому устанавливалось максимальное количество трудовых мигрантов;

Рис. 1. Статистические данные показателя преступности

№ 3 /2021

Criminological journal

121

ЕСТЕСТВЕННЫЕ НАУКИ

КОМПЬЮТЕРНЫЕ НАУКИ И ИНФОРМАТИКА

• во втором полугодии 2014 и первом полугодии 2015 г. всплеск связан с последствиями политического кризиса на Украине;

• в 2017 г. аномалии в динамике преступности связаны с ужесточением миграционного законодательства и оттоком трудовых мигрантов;

• в 2020 г. всплеск обусловлен резким скачком заболеваемости COVID-19 и последствиями, вызванными мерами по эффективному преодолению пандемии.

Таким образом, предложенный подход к анализу трендов правовой статистики может быть полезен при осуществлении аналитической работы и обосновании управленческих решений в правоохранительных органах. Дальнейшие исследования связаны с детализацией разработанного методов и более углубленной интерпретаций динамики изменения показателей преступности.

Библиографический список

1. Данилова О. Ю. Правовая статистика: методы и модели: Учеб. пособие / О. Ю. Данилова, В. В. Меньших, С. В. Синегубов. Воронеж, 2018.

2. Заряев А. В. Информационные технологии в деятельности органов внутренних дел: Учебник / А. В. Заряев, В. И. Сумин, В. В. Меньших и др. Воронеж, 2001.

3. Лялин В. С. Правовая статистика: Учебник для студентов вузов. М., 2010.

4. Меньших В. В. Математическое моделирование действий органов внутренних дел в чрезвычайных обстоятельствах / В. В. Меньших, А. Ф. Самороковский, В. В. Горлов и др. Воронеж, 2016.

5. Menshikh V. V., Pyankov O. V. Structural parametric modelling of an information-analytical system // Bulletin

of the South Ural State University. Series: Mathematical Modelling, Programming and Computer Software. 2016. Т. 9. № 1. С. 105-113.

6. Меньших В.В., Морозова В. О. Описание математических методов оценки показателей работы органов внутренних дел // Охрана, безопасность, связь. 2021. № 6-2. С. 94-99.

7. URL://https://crimestat.ru/

Bibliographic list

1. Danilova O. Yu. Legal statistics: methods and models: Textbook / O. Yu. Danilova, V. V. Menshikh, S. V. Si-negubov. Voronezh, 2018.

2. Zaryaev A.V. Information technologies in the activities of internal affairs bodies: Textbook / A.V. Zaryaev, V. I. Sumin, V. V. Menshikh et al. Voronezh, 2001.

3. Lyalin V. S. Legal statistics: Textbook for university students. Moscow, 2010.

4. Menshikh V. V. Mathematical modeling of actions of internal affairs bodies in emergency circumstances / V. V. Menshikh, A. F. Samorokovsky, V. V. Gorlov et al. Voronezh, 2016.

5. Menshikh V. V., Pyankov O. V. Structural parametric modeling of an information-analytical system // Bulletin of the South Ural State University. Series: Mathematical Modeling, Programming and Computer Software. 2016. Vol. 9. No. 1. Pp. 105-113.

6. Menshikh V.V., Morozova V. O. Description of mathematical methods for evaluating the performance of internal affairs bodies // Protection, security, communications. 2021. № 6-2. Pp. 94-99.

7. URL://https://crimestat.ru/

Информация об авторах

В. В. Меньших — профессор кафедры математики и моделирования систем Воронежского института МВД России, доктор физико-математических наук, профессор, заслуженный деятель науки Российской Федерации.

В. О. Морозова — адъюнкт Воронежского института МВД России.

Information about the authors

V. V. Menshikh — Professor of the Department of Mathematics and Systems Modeling of the Voronezh Institute of the Ministry of the Interior of the Russian Federation, Doctor of Physical and Mathematical Sciences, Professor, Honored Scientist of the Russian Federation.

V. O. Morozova — Associate of the Voronezh Institute of the Ministry of the Interior of the Russian Federation.

Вклад авторов: все авторы сделали эквивалентный вклад в подготовку публикации. Авторы заявляют об отсутствии конфликта интересов.

Contribution of the authors: the authors contributed equally to this article. The authors declare no conflicts of interests.

Статья поступила в редакцию 10.08.2021; одобрена после рецензирования 3.09.2021; принята к публикации 15.09.2021.

The article was submitted 10.08.2021; approved after reviewing 3.09.2021; accepted for publication 15.09.2021.