|
Эмпирического исследования
На основе изложенных здесь методов построения последовательностей случайных чисел с различными распределениями можно построить процедуры randl и rand2, использовавшиеся в программе на языке алгол для расчетов по модели автозаправочной станции. Если используемые случайные интервалы между автомобилями и продолжительности обслуживания имеют экспоненциальное распределение, то лучше использовать метод обратных функций, а если некоторое эмпирическое распределение, то — метод, основанный на запоминании дискретных значений в оперативной памяти ЭВМ.
Законом распределения дискретной случайной величины называют перечень всех возможных ее значений и их вероятностей. Сумма вероятностей этих событий равна единице. Например, в табл. 4.1 приведена экспертная оценка потока денежных средств от реализации инвестиционного проекта, которая представляет эмпирическое распределение дискретной случайной величины. Проверим, выполняется ли правило суммы вероятностей при подготовке указанных экспертных оценок: SP(x.) = 0,1 + 0,2 + 0,4 + 0,2 + 0,1 = 1,0.
^Полученное эмпирическое распределение сравнивается с теоретическим, т. е. равномерным: в правильной кости вероятность выпадения каждого числа очков должна быть равна 1/6, при 600 бросках это даст по 100 выпадений каждого числа очков. С помощью критерия х2 проверяется нулевая гипотеза о том, что различия эмпири* ческого и теоретического распределений случайны, т. е. не являются систематическим результатом фальсификации формы кости или положения центра тяжести в ней; Н0:/^к№1 -fini.,,p- Результаты испытания и расчет %2 приводятся в табл. 7.6.
Ниже приводится эмпирическое распределение вероятностей наличия структур площади:
Для того чтобы определить, соответствует ли в нашем примере эмпирическое распределение теоретическому, воспользуемся критерием Пирсона, основанным на определении величины %2, которая вычисляется как сумма квадратов разности эмпирических и теоретических частот, отнесенных к теоретическим частотам:
Для того чтобы проверить наличие нормального закона распределения, необходимо предварительно выравнить эмпирическое распределение по нормальному.
Полученное эмпирическое распределение будет аппроксимировано непрерывной аналитической функцией, то есть будет идентифицирован закон распределения случайной величины. Также рассмотрено использование критериев согласия при идентификации закона распределения.
Исследуемое эмпирическое распределение имеет 27 столбцов. Аналитическая модель имеет 3 параметра. Следовательно, число степеней свободы для критерия Пирсона равно
Поскольку, в случайной модели без памяти, существует больше половины просадок с продолжительностью большей, чем один временной период, то удобно визуализировать эмпирическое распределение этих просадок на рынке акций в логарифмическом масштабе, где ожидаемое показательное распределение становится прямой линией. Это весьма эффективный метод проверить действительность гипотезы: отклонения от прямой линии будут сигнализировать некоторое отклонение от показательного распределения и, таким образом, от гипотезы об отсутствии памяти.
На Рис. 26, мы видим распределение просадок индекса Nasdaq по сравнению с двумя линиями, построенными на уровне доверия 99% для всего ансамбля синтетических просадок, то есть, рассматривая индивидуальные просадки, как независимые: для любой данной просадки, верхняя (соответственно, нижняя) линия Доверия проходит так, что пятеро из синтетических распределений располагаются выше (ниже) неё. Как следствие, 990 синтетических временных рядов из этой 1,000 - расположены в пределах двух линий доверия для любой величины спада, что определяет типичный интервал, в пределах которого мы ожидаем обнаружить эмпирическое распределение.
Логический анализ содержания этого явления позволяет сделать вывод о том, что уровни выполнения норм рабочими, работающими по качественным нормам, будет иметь меньшие значения показателей вариации (однородная совокупность) и более компактное распределение, в большей мере приближающееся к нормальному. В то же время уровни выполнения норм рабочими, работающими как по качественным нормам, так и некачественным (неоднородная совокупность), будут иметь большие значения показателей вариации и менее однородное эмпирическое распределение, менее строго отражающее нормальный закон.
Ожидаемые результаты - совершенствование у студентов психологической подготовки и психологической культуры, отвечающей требованиям современного менеджмента; приобретение студентами навыков аналитического и эмпирического исследования поведения людей в организации. Формирование у будущих менеджеров организационного мышления, способности объяснять, предвидеть и управлять поведением людей в организации как непосредственно в узкопрофессиональной области, так и более широтой - организационно-культурной. Подкрепление знаний, полученных студентами на других, смежных с «Организационным поведением», учебных курсах.
Каждый из этапов НИР характеризуется использованием соответствующих методов решения проблем. Усложнение объектов исследования сопровождается в условиях научно-технической революции требованиями комплексности их изучения, поэтому набор используемых методов разнообразен. Среди современных методов, применяемых на стадии НИР, различают методы эмпирического исследования (наблюдение, сравнение, измерение, эксперимент); методы эмпирического и теоретического исследования (абстрагирование, анализ и синтез, индукция и дедукция, моделирование); методы теоретического исследования (восхождение от абстрактного к конкретному, идеализация, формализация, аксиометрический метод).
4.1. Обсудите доводы, которые можно привести в пользу эмпирического исследования в бухгалтерском учете.
В науке часто говорят, что мы не можем знать, что означают все эти новоявленные эмпирические результаты, пока их не постигнет какой-нибудь кабинетный теоретик. Смысл этого замечания в том, что для завершения эмпирического исследования необходима также и концептуальная работа. В действительности эмпирика и аргументация чередуются на всех стадиях исследования и, таким образом, необходимы обе — ни одна из них не может заменить другую, — так что утверждения о том, что они взаимоисключающие, ошибочны [71, с. 106, сноска 10]. Чамберс выдвигает предположение, что нелюбовь к предписаниям в PAT могла возникнуть вследствие непонимания ограничений, присущих естественным и физическим наукам. Он пишет:
Мы столкнулись с неразрешимой ситуацией, в которой влияние налоговых ставок на дивиденды представляется не совсем очевидным. Даже если описанный эффект имеет место, налоговое законодательство 1986 г. уменьшает его значение. В результате мы могли ожидать, что спрос на высокодоходные акции возрастет. Однако, прежде чем познакомиться с результатами эмпирического исследования предмета, мы должны рассмотреть другие факторы, которые могут оказывать влияние на выплату дивидендов.
К сожалению, возможности эмпирического исследования издержек, связанных с банкротством, ограничены; это в значительной степени связано с трудоемкостью и сложностью отбора необходимой информации из хаотичной массы самых разнородных сведений, которыми располагают соответствующие судебные органы. Несмотря на это в последние годы были опубликованы работы, посвященные этой проблеме. Оценки издержек, связанных с банкротством, приведенные в этих работах, сильно различаются, однако возможность проследить основные тенденции остается. Оценки прямых издержек варьируют от 4 до 20% стоимости
Рассмотрим лунный цикл. Несложно создать модель, которая входила бы в рынок на определенный день до или после новолуния или полнолуния. То же самое применимо и к солнечной активности: вход может активироваться, когда количество солнечных пятен поднимается или опускается выше некоторого значения. Можно рассчитывать скользящие средние солнечной активности и их пересечения для управления входами. Лунные циклы, солнечные пятна и другие планетарные явления могут иметь реальное, хотя и небольшое влияние на рынки, и это влияние может приносить прибыль при использовании должным образом сконструированной модели входа. Действительно ли лунные и солнечные явления оказывают такое влияние на рынок, что проницательный трейдер мог бы извлечь из них прибыль, — вопрос для эмпирического исследования (см. гл. 9).
Помимо MACD, другие осцилляторы также, как правило, не отстают или даже опережают цены. По рассмотренным ниже причинам обгоняющие или одновременные индикаторы вовсе не обязательно дают большие прибыли, чем запаздывающие скользящие средние — своевременность сигналов не обязательно означает их прибыльность. Проблема в том, что даже при наличии некоторых абсолютно точных сигналов, осцилляторы будут генерировать множество ложных. В условиях сильного тренда многие из ожидаемых разворотов никогда не происходят, и система входит в рынок в неверном направлении. Таким образом, за счет точности теряется надежность. Что важнее — поздний, но надежный вход или ранний, но менее надежный — вопрос отдельного эмпирического исследования. В принципе эта проблема возникает при использовании любого прогностического метода — чем больше задержка, тем точнее (и бесполезнее) прогноз и, чем больше опережение, тем он полезнее (и ошибочнее). Эта логика напоминает принцип неопределенности Гейзенберга.
Степень полезности и достоверности прогнозов сезонных моделей, а также вероятность возникновения непредсказуемых разворотов и необходимость их учитывать будут темами нашего эмпирического исследования.
иллюстрации результатов конкретного эмпирического исследования, прове-
ми. Первые публикации результатов эмпирического исследования, которое прово-
Эндогенная переменная Энергетических мощностей Энергетической эффективности Энергетической программы Энергетическое оборудование Энергетического оборудования Эффективность экономического Энергоемкость производства Эргономические эстетические Эстетические показатели Этических ценностей Эволюционные изменения Эффективность финансово вывоз мусора снос зданий
|
|
|
|
Навигация
