Cтраница 3
Иногда они бывают полезны для разрешения противоречивых точек зрения, так как конкурирующие модели могут быть проверены соответствующими экспериментами, что в дальнейшем приводит к некоторой новой или компромиссной модели. С помощью моделей проводят машинный эксперимент даже в тех случаях, когда реальный эксперимент недопустим по различным соображениям, причем в процессе моделирования могут возникнуть новые гипотезы относительно некоторых особенностей моделируемого явления и обнаружиться его новые свойства, не проявляющиеся в явной форме из анализируемых данных. [31]
Молотый авдеевский песок незначительно замедляет схватывание раствора, которое наступает через 1 ч 25 мин, в момент достижения температуры 200 С. Смесь совместного помола имеет начало схватывания 2 ч 10 мин. Как видно из анализируемых данных, наибольший замедляющий эффект имеет песок, измельченный совместно со шлаком. Особенно резкое замедление схватывания шлако-песча-ных смесей совместного помола наблюдается при температурах 130 - 160 С. [32]
Во-первых, шестнадцатеричные данные в распечатке дампа не описывают сами себя в той мере, как представление этих данных в адекватном их смыслу формате. Шестнадцатеричное представление - это наиболее общее представление любых разновидностей данных; двоичное представление имеет ту же общность, но оно более громоздко. Поэтому необходимо, чтобы при анализе дампа программист понимал значение анализируемых данных, используя их шестнадцатеричное представление. Чтобы получить это адекватное представление, он должен соотнести указанные в распечатке дампа адреса в основной памяти с относительными адресами в распечатке исходного модуля. [33]
В тех случаях, когда структура системы достаточно проста, настолько, что ее нетрудно понять, изучив систему в первом приближении ( такие простые случаи встречаются вообще довольно редко), можно непосредственно после исследования системы воспользоваться готовой унифицированной моделью. Однако при использовании такой готовой модели может оказаться, что оценить значения неуправляемых переменных или констант очень трудно или вообще невозможно. Дело в том, что зачастую прежде всего номенклатура и особенности анализируемых данных иногда ставят перед необходимостью модифицировать модель так, чтобы получить возможность количественной оценки входящих в нее параметров. Часто реализовать в конкретных программах ЭЦВМ эти модификации более сложно, чем выполнить многократно исходный анализ несколькими методами. [34]
Как видно из табл 7, при гипо - и гипервитаминозе А достоверно повышается выделение азота с мочой. Однако это повышение происходит не за счет усиления выделения азота с мочевиной, так как элиминация ее в условиях недостаточности и избытка ретинола даже снижается. По-видимому, указанные состояния лимитируют способность растущего организма синтезировать мочевину. Анализируемые данные указывают на то, что определенное значение в увеличении общего азота в моче имеет аминоазот, выделение которого увеличивается в несколько раз. Разумеется, только этими нарушениями нельзя объяснить такое повышение уровня общего азота в моче. По-видимому, существенная роль в этом может принадлежать увеличению в моче концентрации аммиака и других азотсодержащих метаболитов белкового обмена. Следует заметить, что с удлинением продолжительности опыта при гиповитаминозе А изменения показателей азота мочи усиливались. [35]
На рис. 6.6 показаны исходные значения объема продаж, а также экспоненциально сглаженные значения при а 0.1. Как видно из графика на рис. 6.6, метод экспоненциального сглаживания действительно существенно сглаживает ряд значений. И вполне логично использовать эти значения для оценки тренда в последующие годы. Однако, некоторые сложности возникают при использовании столь малых значений, как 0.1, например. Так, мы видим, что анализируемые данные демонстрируют восходящий тренд объема продаж. Однако скользящие средние медленно обозначают этот тренд. Обратите внимание, что на графике ( рис. 6.6) все сглаженные значения за последние пять лет находятся под фактическими значениями объема продаж. В целом, чем меньше значение а, тем менее оно чувствительно к изменениям тренда в данном временном ряду. [36]
Средняя арифметическая для сгруппированных данных. Часто верхние и нижние пределы крайних интервалов остаются открытыми. Следовательно, необходимо сделать допущение о границах интервалов. Это допущение должно базироваться на характеристиках анализируемых данных. Например, данные из табл. 2.6 относятся к работникам компании финансовых услуг. Если бы было известно, что компания, о которой идет речь, придерживается политики, которая не позволяет содержать в штате людей младше 17 и старше 62 лет, то границы открытых интервалов были бы определены знанием этой политики. [37]
Сбор необходимой информации - трудоемкий этап маркетинговых исследований, так как большая часть требуемой информации носит коммерческий характер и не публикуется. По данным российских маркетинговых исследований, около 70 % их стоимости приходится на сбор информации. Чтобы не допустить необоснованно высоких затрат, исследователи в ходе предварительной работы должны оценить: потенциальную стоимость принятия неверного решения; вероятность принятия неверного решения на основании уже имеющейся информации; целесообразность и срочность сбора дополнительной информации; уровень точности и надежности результатов анализа. В ходе оценки персонал аналитической службы определяет состав анализируемых данных - первичную и вторичную информацию о состоянии рынка. [38]
При тщательном анализе тенденций очень важен порядок, в котором изучаются ценовые графики. Правильно начинать анализ с долгосрочных графиков и постепенно переходить к краткосрочным. Это объясняется спецификой работы с различными временными отрезками. Дело в том, что если аналитик начинает изучение рынка с краткосрочного графика, то в последствии, по мере расширения объема анализируемых данных, ему не раз придется пересматривать свои выводы. В конечном итоге, результаты анализа дневного графика могут полностью измениться после того, как будут изучены долгосрочные графики. Долгосрочные графики, охватывающие около двадцати лет, уже включают в себя все необходимые данные. Начиная анализ с подобных графиков, аналитик сразу получает четкое представление о том, в каком положении находится рынок с точки зрения долгосрочной перспективы. После этого он может постепенно переходить к изучению графиков, охватывающих менее длительные периоды времени. [39]
Средние дают срединное значение собранных данных и дают представление о наиболее типичном значении в группе данных. Как таковые, их можно использовать при сравнении и сопоставлении наборов данных, например средней заработной платы, объема производства, объема продаж и доходов. Необходимо сравнивать только однородные показатели. Например, будет неправильно сравнивать заработную плату, рассчитанную по медиане, в одной компании со средним арифметическим значением заработной платы в другой компании. Такое сравнение сомнительно и абсолютно бесполезно. Таким образом, важно, чтобы при рассмотрении таких показателей пользователь совершенно точно знал, по какой методике получены анализируемые данные. [40]