Поблеми, індуковані збором і обробкою первинної інформації

Прогнозування станів функціонуючої екосистеми можливо лише при наявності достатнього обсягу даних спостережень, що характеризують її структуру й поведінку. Якщо таких даних зовсім мало, то ніякий математичний апарат, ніяка ЕОМ тут не допоможуть. Єдиний вихід у таких ситуаціях - зібрати відсутню інформацію. З іншого боку, до самого останнього часу спостереження над окремими екологічними параметрами (і экосистемами в цілому) здійснювалося безсистемно, і тому мають місце інформаційні лакуни.Заповнення таких лакун - завдання надзвичайно важке, а часто й нездійсненне.

Мінімальний обсяг даних спостережень, при якому має сенс побудова відповідного предмктора,суттєво залежить від необхідного періоду попередження, детальності формулювання й надійності розроблювальних прогнозів, а також специфіки поведінки досліджуваної системи. Незважаючи на те, що в цей час у рамках функціональної парадигми існують методи прогнозування коротких тимчасових рядів, їх повсюдне застосування в екології вимагає обачності. Наприклад, при наявності навіть 100 спостережень без лакун (а ця цифра для екологічного дослідження значна!) говорити про середньостроковий прогноз має сенс лише в ситуації, коли у відповідний інтервал спостережень (100 крапок) 2-3 рази укладаються характерні часи досліджуваної змінної. Для короткострокового прогнозування ця умова зайво: такі прогнози можна намагатися будувати вже при 20-30 спостереженнях і, як правило, незалежно від специфіки досліджуваної системи. Правда, для такого обсягу вихідної емпіричної інформації одні методи прогнозування не працюють взагалі на загал (наприклад, спектральний аналіз), а інші хоча й застосовні, але окремо не забезпечують прийнятної надійності висновків.

У силу унікальності всіх екологічних об'єктів системи екологічного прогнозування не можуть бути орієнтовані на широкий клас об'єктів прогнозування. Розглянемо, наприклад, наскільки адекватний підхід до прогнозування чисельності деякого виду тільки за допомогою середнього значення.

Середнє є нестійкою статистикою. Статистика називається стійкою, якщо при зміні малої частки даних (неважливо який і як сильно) істотних змін у підсумовуючій статистиці не відбувається. Якщо в даних зміниться яке-небудь одне значення на n одиниць, то середнє зміниться в тому ж напрямку на n/m одиниць, m - обсяг вибірки.

Прикладом стійкої статистики може служити медіана. На медіану не впливають величини "більших" і "малих" значень: вона терпима до порушень нормальності на "хвостах" розподілу. Однак крім стійкості до передумов, "гарна" статистика повинна мати ще й властивість стійкості до ефективності, тобто висока ефективність оцінювання повинна гарантуватися при широкім варіюванні ситуацій.

Ф.Мостеллер і Дж.Тьюки (1982, с. 214) приводять важливу для практики таблицю властивостей деяких статистик центральної тенденції, яку має сенс тут відтворити (див. табл. 1.2).

Стійкістьсть до ефективності деяких статистик центральної тенденції

Цікаві статті з розділу

Розрахунок розсіювання шкідливих речовин
Розподіл в атмосфері забруднюючих речовин, що викликаються з промислових джерел забруднення, підкоряється законам турбулентної дифузії. На процес розсіювання викидів суттєво впливає стан атмосфери, ...

Вплив теплових електростанції на навколишнє середовище. Шляхи зниження негативного впливу на навколишнє середовище
Споживання енергії є обов'язковою умовою існування людства. Наявність доступною для споживання енергії завжди було необхідно для задоволення потреб людини, збільшення тривалості та поліпшен ...

Технологія метанового зброджування гнойової біомаси
Робота виконана на основі даних отриманих під час проходження виробничої практики в сільськогосподарському товаристві з обмеженою відповідальністю розташованому у Васильківському районі Київ ...