Содержание к диссертации
Введение
Глава 1. Информационные центры в системе органов внутренних дел 8
1.1. Цели, задачи и функции информационных центров МВД России 8
1.2. Структура системы информационных центров и современное состояние информационных ресурсов 18
1.3. Существующие механизмы анализа данных и особенности их реализации 32
Глава 2. Разработка пространственных и временных моделей анализа данных 49
2.1. Принципы построения моделей анализа данных 49
2.2. Идентификация моделей 64
2.3. Процедуры оценивания параметров моделей 75
2.4. Проверка адекватности моделей и их корректировка 86
Глава 3. Основные направления использования разработанных моделей в деятельности информационных центров 99
3.1. Использование пространственных моделей для учета влияния социально-экономических факторов на преступность 99
3.2. Применение временных моделей для анализа современных тенденций развития преступности и расчета оценки деятельности органов внутренних дел 117
3.3. Предложения по совершенствованию деятельности информационных центров 127
Заключение 142
Список литературы 144
Приложение 154
- Структура системы информационных центров и современное состояние информационных ресурсов
- Существующие механизмы анализа данных и особенности их реализации
- Проверка адекватности моделей и их корректировка
- Применение временных моделей для анализа современных тенденций развития преступности и расчета оценки деятельности органов внутренних дел
Введение к работе
На современном этапе развития российского общества существенно возросли масштабы и динамичность процессов, определяющих функционирование органов внутренних дел (ОВД). Продолжающиеся социально-экономические преобразования, рост преступности и ее качественная трансформация актуализируют задачу поиска эффективных путей достижения главной цели, стоящей перед ОВД - обеспечение защиты прав и свобод граждан, охрану правопорядка и общественной безопасности.
Решение данной задачи требует активизации усилий системы органов внутренних дел в целом, составляющих ее подсистем по выполнению аналитических функций, ориентированных на выработку обоснованных и своевременных управленческих решений.
Важная роль в реализации этого направления деятельности ОВД
отведена ее информационным центрам (ИЦ). Являясь по своему
функциональному назначению головными подразделениями,
занимающимися сбором и обработкой данных, РЩ могут внести решающий вклад в процесс повышения качества управления.
Вместе с тем, современные условия функционирования информационных центров характеризуются значительным ростом объемов хранимых данных и сокращением времени, отводимого на их переработку. В среднем по России, объем обрабатываемой информации за последние десять лет вырос более чем в пять раз.
Здесь следует отметь, что данный процесс сопровождается ухудшением таких показателей качества информации как ее достоверность и полнота. Достоверность характеризуется отсутствием в информации искажений, которые по разным причинам могут быть внесены в канал связи на этапе сбора и передачи, полнота, определяет наличие всех сведений, необходимых для принятия управленческого решения.
В сложившейся ситуации актуальным способом, позволяющим компенсировать потерю качества информации и гарантировать
4 обоснованность выводов, полученных в ходе аналитической работы, служит внедрение в практическую деятельность ИЦ математических моделей. К сожалению, до настоящего времени такие модели не получили должного распространения.
Вместе с тем, они являются удобным инструментом поддержки принятия управленческих решений, основанном на строго научном подходе к изучению особенностей функционирования таких социальных систем как система ОВД. Модели позволяют провести формальное описание условий деятельности ОВД, динамики развития преступности, ее структурных изменений, оценить результаты работы органов в этих условиях.
Степень разработанности темы исследования.
Необходимо отметить, что проблемы повышения эффективности аналитической деятельности в ОВД уже давно находятся под пристальным вниманием ученых. Оригинальные подходы к их решению были разработаны в трудах С.Е.Вицина, А.П.Ипакяна, Э.П.Масленникова, В.Д.Малкова, Г.А.Туманова и многих других. Перечисленные авторы первыми предложили рассматривать аналитическую деятельность ОВД с позиций системного подхода, и использовать в этой работе формальные методы. В области теории вероятностей и математического моделирования автор опирался на исследования Айвазяна С.А., Андерсена Т., Бокса Д., Бриллинджера Д., ДженкинсаГ., Джонстона Дж., ДоугертиК., Катышева П.К., КендаллаМ., Колмогорова А.Н., Костина А.Л., Магнуса Я.Р., Немчинова B.C., Носко В.П., Персецкого А.А., Штрое Г.Г.
Объектом исследования является система информационных центров МВД России.
Предметом исследования служит аналитическая деятельность информационных центров МВД России, направленная на обеспечение ОВД информацией, характеризующей их современное состояние и тенденции развития преступности.
Целью диссертационного исследования является совершенствование аналитической деятельности информационных центров МВД России на
5 основе разработки и использования математических моделей анализа данных.
Для достижения указанной цели необходимо решить следующие задачи:
-исследовать систему информационных центров МВД России как сложную социальную систему-организацию, определить ее цели, задачи и функции;
- провести анализ современного состояния информационных ресурсов,
а также существующих механизмов сбора и обработки данных и выявить
особенности их реализации;
-разработать математические модели, позволяющие анализировать данные о криминогенной обстановке в регионе и социально-экономических факторы, влияющие на ее формирование;
обосновать и разработать подходы к оценке результатов деятельности органов внутренних дел по борьбе с преступностью в современных социально-экономических условиях;
разработать методику изучения тенденций развития преступности, в том числе отдельных видов, на основе анализа временных рядов, характеризующих ее динамику.
Методологическая база и методы исследования.
Методологической основой диссертационного исследования является системный подход, теория вероятностей, модели и методы математического моделирования, программирования и вычислительной техники, социологии, криминологии.
Научная новизна работы заключается в следующем:
- исследованы существующие механизмы сбора и обработки данных,
функционирующих в информационных центрах, выявлены их недостатки и
сформулированы направления совершенствования, связанные с
использованием математических методов анализа данных;
-разработана методика построения пространственных и временных моделей анализа данных о криминогенной обстановке, позволяющая
учитывать социально-экономические факторы, влияющие на преступность, и повысить качество информационно-аналитической работы;
- предложена математическая модель оценки результатов деятельности органов внутренних дел, использующая в своей основе методы математической статистики, в частности метод максимального правдоподобия, статистические тесты Шапиро-Уилка, Льюнга-Бокса, направленная на корректировку действующей методики.
-разработан прототип компьютерный системы поддержки принятия
решений на основе изучения современного состояния и тенденций развития
преступности в сложившихся социально-экономических условиях, в том
числе краж и грабежей, использующий официальные статистические данные.
На защиту выносятся следующие положения:
1. Методика построения пространственных и временных моделей анализа данных о криминогенной обстановке на региональном уровне и социально-экономических факторах, влияющих на ее формирование, состоящая из следующих этапов: выбор вида модели, оценивание ее параметров, проверка адекватности и корректировка, изучение статистических свойств остатков модели. 2.Математическая модель оценки результатов деятельности органов внутренних дел по борьбе с преступностью, основными элементами которой являются: ряды данных, характеризующие преступность, цели, стоящие перед системой ОВД и социально-экономические факторы, влияющие на ее функционирование. 3.Прототип компьютерной системы поддержки принятия решений на основе пространственных и временных моделей анализа данных, состоящий из блоков идентификации, оценивания параметров и проверки адекватности моделей. Практическая значимость исследования.
Разработанный в ходе исследования прототип компьютерной системы поддержки принятия решений позволяет совершенствовать аналитическую деятельность информационных центров, направленную на обеспечение
7 органов внутренних дел информацией, характеризующей их состояние и тенденции развития преступности в сложившихся социально-экономических условиях.
Разработанные в ходе диссертационного исследования методики построения пространственных и временных моделей анализа данных, а также прототип компьютерной системы поддержки принятия решений внедрены в практическую деятельность информационных центров: УВД Курганской области, ГУВД Челябинской области, УВД Ярославской области, МВД Республики Карелия, учебный процесс Академии управления МВД России.
Проводимое исследование выполнялось в рамках Плана научно-исследовательской деятельности Академии управления МВД России.
Апробация результатов исследования.
Основные научные и практические результаты диссертационного исследования докладывались и обсуждались на международных конференциях «Информатизация правоохранительных систем» в г. Москва, Академия управления МВД России, 2000-2005 гг.
По результатам проведенного исследования опубликовано 4 научных работы.
Обоснованность и достоверность результатов исследования обеспечивается всесторонним и объективным изучением поставленных задач, на основе использования системного подхода, применением общих и частных научных методов исследования. Также достоверность результатов исследования подтверждается практическим применением полученных результатов в деятельности информационных центров УВД Курганской области, ГУВД Челябинской области, МВД Республики Карелия и УВД Ярославской области.
Структура системы информационных центров и современное состояние информационных ресурсов
Основа современной организации системы информационных центров органов внутренних дел была заложена в 1971 году, когда при МВД СССР был создан Главный информационно-аналитический центр, а в МВД, УВД -информационные центры. Фрагмент многоуровневой иерархической структуры построения системы информационных центров органов внутренних дел показан на рис. 1.3.
Главный информационно-аналитический центр является специализированным подразделением МВД России и самым крупным хранителем информационных массивов в системе органов внутренних дел. На него возложена задача по формированию и ведению централизованных оперативно-справочных, криминалистических, розыскных учетов, экспертно-криминалистических коллекций и картотек органов внутренних дел Российской Федерации.
Полные массивы указанных учетов формируются и ведутся на уровне информационных центров МВД, ГУВД, УВД субъектов Российской Федерации. На централизованный учет в Главный информационно-аналитический центр ставятся объекты (лица, преступления, предметы), информация о которых имеет федеральное значение.
В связи с образованием на территории Российской Федерации федеральных округов, на информационные центры МВД, ГУВД, УВД субъектов Российской Федерации по месту дислокации Главных управлений МВД России по федеральным округам возложены задачи по формированию и ведению централизованных учетов уровня федерального округа. Таким образом, например, информационный центр ГУВД Свердловской области, должен содержать массивы централизованных оперативно-справочных, криминалистических, розыскных учетов, экспертно-криминалистических коллекций и картотек УВД, ГУВД всех субъектов Уральского федерального округа: Свердловской, Челябинской, Тюменской, Курганской областей, Ханты-мансийского, Ямало-ненецкого автономных округов. Создание указанных централизованных массивов на уровне федеральных округов осуществляется в соответствии с Концепцией развития информационно-вычислительной системы МВД России на 2002-2006 годы1.
Основанием иерархической пирамиды системы информационных центров органов внутренних дел являются информационные подразделения гор-райорганов внутренних дел. В зависимости от численности горрайоргана информационное подразделение может состоять минимально из одного инспектора по учетно-регистрационной работе или в урезанном виде повторять структуру информационных центров МВД, ГУВД, УВД. Например, информационное подразделение крупного городского отдела может состоять из группы учетно-регистрационной и статистической работы, группы сопровождения автоматизированных информационных систем и администрирования баз данных, группы розыскной и криминалистической информации. Также в крупных горрайорганах, как правило, в составе дежурных смен предусмотрены должности инженеров, для обслуживания средств вычислительной техники и круглосуточного исполнения запросов.
В соответствии с организационно-штатной структурой горрайорганов, названные подразделения находятся в составе штабов и непосредственно подчиняются начальнику штаба горрайоргана. Информационные центры МВД, ГУВД, УВД субъектов Российской федерации, УВДТ структурно состоят при МВД, ГУВД, УВД, УВДТ и непосредственно подчинены начальнику штаба МВД, ГУВД, УВД, УВДТ. Информационный центр возглавляет начальник, назначаемый на должность и освобождаемый от должности министром МВД, начальником ГУВД, УВД субъекта Российской Федерации, УВДТ, по согласованию с начальником Главного информационно-аналитического центра МВД России.
В соответствии с типовой структурой информационных центров начальник информационного центра имеет двух заместителей: заместителя начальника информационного центра - начальника вычислительного центра и заместителя начальника информационного центра, курирующего оперативно-справочные розыскные и криминалистические учеты.
Для реализации функций, возложенных на вычислительный центр, в его структуре предусмотрены: отделение координации и контроля процессов создания, внедрения и использования в органах внутренних дел информационных технологий; отдел эксплуатации средств вычислительной техники; отдел прикладного программного обеспечения автоматизированных информационных систем; отделения технической защиты информации; отдел сопровождения автоматизированных информационных систем и администрирования баз данных.
В составе отделов крупных вычислительных центров могут создаваться отделения по отдельным направлениям деятельности. В этом случае отдел эксплуатации средств вычислительной техники может включать также отделение технического обслуживания серверов, отделение системного программного обеспечения, отделение обслуживания автоматизированных рабочих мест и др.
В ведении заместителя начальника информационного центра, отвечающего за оперативно-справочные розыскные и криминалистические учеты, находятся следующие структурные подразделения: отдел розыскной и криминалистической информации; отдел оперативно-справочной информации, состоящий из отделений пофамильного и дактилоскопического учетов; отделения оперативных учетов и группы круглосуточного исполнения запросов.
Начальник информационного центра непосредственно курирует работу отдела статистики и анализа, отделения контроля за достоверностью документов первичного учета и отдела специальных фондов и реабилитации.
Существующие механизмы анализа данных и особенности их реализации
Строгое обоснование подходов к решению задач, стоящих перед информационными центрами, заставляет нас разработать формальное описание моделей данных, используемых в настоящее время в их деятельности. Здесь следует отметить, что подобного описания до сих пор ещё не существовало. Необходимость срочного реагирования на изменения в оперативно-служебной деятельности органов внутренних дел или криминогенной обстановки, привела к тому, процесс формирования банков данных не был подкреплен соответствующим научным анализом и основывался на доступных программных продуктах. В результате наибольшее распространение в информационных центрах получила реляционная модель данных. Впервые термин «реляционная модель» был применен Э.Коддом.
Он предложил использовать для обработки данных аппарат теории множеств и показал, что любое представление данных можно свести к совокупности двумерных таблиц, известного в математике как отношение - relation1. Схемой отношения R называется конечное множество имен атрибутов {А\, А ,... Ап } . Каждому имени атрибута А. ставится в соответствие множество D., называемое доменом атрибута At, І = 1, ... , tl . Домен атрибута будем также обозначать как dom A . Домены являются произвольными непустыми конечными или счетными множествами. Пусть отношение г со схемой R- это конечное множество отображений {tx, t2,... tp } из R в D; причем каждое отображение t Є г должно 1 Codd E.F. A relational model of data for large shared data banks. CACM 13:6, June 1970. p. 377-387. удовлетворять следующему ограничению: чД) принадлежит Di, і = 1,..., п. Эти отношения называются кортежами1. Наглядное представление основных понятий реляционной модели покажем на фрагменте реляционной базы данных учета преступлений (табл. 1.1.). Таблица представляет собой пример отношения ПРЕСТУПЛЕНИЕ. Формат отношения определяется множеством имен столбцов называемых именами атрибутов. Каждому имени атрибута ставится в соответствие множество допустимых для соответствующего столбца значений. Это множество называется доменом данного имени атрибута. Доменом атрибута НОМЕР_УГОЛОВНОГО_ДЕЛА является множество всех шестизначных целых чисел, доменом атрибута СТАТЬЯ УГОЛОВНОГО КОДЕКСА является множество всех статей уголовного кодекса Российской Федерации, включая все части и пункты. Строки отношения называются кортежами, в данном примере строки отношения ПРЕСТУПЛЕНИЕ представляют 5-арные кортежи. Кортежи отношения образуют множество, так как строки не дублируются. В множестве имен атрибутов отношения существует такое подмножество, что кортежи отношения могут быть однозначно определены значениями 1 Мейер Д. Теория реляционных баз данных. М. Мир, 1987. - 608 с. соответствующих атрибутов подмножества. Такое подмножество называется ключом этого отношения. Для отношения, описанного в табл. 1.
Договоримся о некоторых обозначениях для отношений, схем и ключей. Условимся использовать заглавные буквы для имен атрибутов и схем отношений. Схема отношений R = {А1,А2,...,Ап}обозначается как R[Ax,A2,...,An]. Для обозначения ключа в схеме отношения подчеркиваются имена атрибутов ключа. Схему для отношения, указанного в Названия отношений соответствуют сокращенным названиям первичных регистрационных документов: форма № 1 - статистическая карточка на выявленное преступление, соответствует отношению ПРЕСТУПЛЕНИЕ; форма № 1.2 - статистическая карточка на преступление, по которому лицо, его совершившее, установлено - отношению ПОДОЗРЕВАЕМЫЙ; форма № 1.1 - статистическая карточка о результатах расследования преступления - отношению РЕЗУЛЬТАТ; форма №2 -статистическая карточка на лицо, совершившее преступление - отношению ЛИЦО; форма № 3 - статистическая карточка о движении уголовного дела -отношению ПРОДЛЕНИЕ; форма № 4 - статистическая карточка о результатах возмещения материального ущерба и изъятия предметов преступной деятельности - отношению ВОЗМЕЩЕНИЕ; форма № 6 -справка о результатах судебного рассмотрения соответствует отношению РЕШЕНИЕ_СУДА. Атрибуты отношений по их функциональному назначению разобьем на четыре группы: идентифицирующие, описательные, отчетные и временные. Будем обозначать эти атрибуты соответственно: ИД, ОП, ОТ, ВР. Идентифицирующие атрибуты позволяют во всех отношениях определить кортежи, относящиеся к одному преступлению. Это атрибуты, составляющие ключ главного отношения: ИД= {НОМЕРJ/ГОЛОВНОГО_ДЕЛА, НОМЕР ПРЕСТУПЛЕНИЯ_В_ДЕЛЕ). Ошибочные значения идентификационных атрибутов приводят к полной или частичной потере данных по уголовному делу. Описательные атрибуты - это атрибуты по которым не производится составление отчетов и ошибки в которых не приводят к искажению отчетов и потере данных.
К таким атрибутам, например, относится ПРЕСТУПЛЕНИЕ. ФАБУЛА. Они служат для более подробного, неформализованного описания уголовного дела, поиска кортежей отношений по уголовному делу, если в его номере содержится ошибка. Также данные атрибуты позволяют использовать учет преступлений как информационно-поисковую систему. Отчетные - это атрибуты на основании операций агрегации над которыми составляются отчеты. К таким атрибутам, например, относятся: ПРЕСТУПЛЕНИЕ.СТАТЬЯ_УГОЛОВНОГО_КОДЕКСА, ВОЗМЕЩЕНИЕ.СУММА. Ошибки в них приводят к искажению отчетов, поэтому значения отчетных атрибутов проходят логический контроль на непротиворечивость сведений при вводе данных. Временные - это атрибуты по которым проверяется нужно ли учитывать данное уголовное дело в результатах текущего отчетного периода. Учитывая, что данные о преступлении считается учтенными, когда регистрационные документы поступают в информационный центр субъекта Российской Федерации, временными атрибутами для всех отношений является .ДАТА_ПОСТУПЛЕНИЯ_В_ИЦ, а не дата принятия процессуального решения.
Проверка адекватности моделей и их корректировка
Прежде чем определить основные направления использования построенных моделей в работе информационных центров, нами была проведена проверка их адекватности. Подобная проверка является крайне необходимой, ввиду высокой чувствительности моделей к вариациям исходных данных. Обнаружение неадекватности на этом этапе, позволило бы изменить модели, сделать их также устойчивей, и, тем самым, повысить эффективность их применения. Покажем, как осуществлялась проверка адекватности пространственных моделей. Для этого рассчитаем среднее значение зависимой переменной У =— У, Тогда вариацию (у,-у)2 мы можем разбить на две части: объясненную пространственной моделью и необъясненную (т.е. целиком зависящую от ошибок є у В векторной форме указанную вариацию можно записать: Последнее слагаемое мы выразим следующим образом: Вектор остатков е ортогонален всем независимым переменным, включая единичный вектор-столбец /, также принадлежащий подпространству векторов xs. Тогда е Х = 0, e i = 0 и выражение (2.67) равно нулю. Поэтому из (2.66) мы можем получить равенство: ESS - необъясненная часть дисперсии зависимой переменной (сумма квадратов остатков модели), RSS - часть дисперсии зависимой переменной, объясненная построенной моделью. Отношение объясненной части дисперсии к общей дисперсии является коэффициентом детерминации модели1: С его помощью оценивается качество подгонки пространственной модели к наблюдаемым значениям уг Если R2 = 0, то модель не улучшает качества предсказания по сравнению с тривиальным предсказанием у,=у. Если R2 = 1, то все точки наблюдений удовлетворяют уравнению модели и et=0. Сумма квадратов остатков модели находится при оценке дисперсии ошибок:
Для определения коэффициента детерминации R2 найдем общую дисперсию зависимой переменной TSS. Для этого вычислим ее среднее значение: Таким образом, для построенной пространственной модели независимые переменные, характеризующие общую и зарегистрированную безработицу, объясняют 58,4% общей дисперсии зависимой переменной -число зарегистрированных преступлений. При всей своей значимости, коэффициент детерминации R обладает одним известным недостатком: его значение возрастает при увеличении числа независимых переменных пространственной модели. Если взять число независимых переменных равным числу наблюдений, то всегда можно получить R2 = 1, однако это не будет означать наличие содержательной зависимости1. В целях проверки коэффициента R2 в работе рассчитывался также и скорректированный на число независимых переменных модели коэффициент детерминации R] : Полученные значения показывают, что только 46,5 % дисперсии зарегистрированной преступности объясняются общей и зарегистрированной безработицы. Невысокие величины R2 и R2dJ заставили нас прибегнуть к дополнительным методам оценки качества построенной модели. В частности был использован графический метод: в декартовой системе координат строились совместные графики, характеризующие поведение наблюдаемых и модельных значений зависимой переменной, а также график остатков модели. На рис. 2.7 непрерывной жирной линией изображена динамика зарегистрированных преступлений, пунктирной линией - динамика преступлений, рассчитанных по модели.
График, соответствующий тонкой непрерывной линии, демонстрирует остатки модели. Графики показывают, что построенная нами модель нуждается в серьезном улучшении из-за больших ошибок в 1999 и 2002 гг. связаны с заменой используемых в модели независимых переменных на новые, ранее не рассматриваемые; увеличением числа независимых переменных, с изменением формы модели. В целях обоснования того или иного пути, нами было проведено дополнительное изучение построенной пространственной модели. На первом этапе осуществлялось определение доверительных интервалов и уровней значимости1 оценок коэффициентов модели /?. Вектор МНК-оценок j50LS имеет нормальное распределение со средним р и матрицей ковариаций V{f3OLS) = j2{XX) x. Учитывая, что /3OLS является несмещенной оценкой р получаем: qu- і-й диагональный элемент матрицы (Х Х) 1 В качестве оценки дисперсии коэффициентов модели j30LSJ возьмем Для нахождения доверительных интервалов коэффициентов модели покажем, что оценки J30LS и s2 независимы. Из выражения для МНК-оценок получаем: Риє имеют совместное многомерное нормальное распределение, поэтому, чтобы доказать их независимость, мы докажем их некоррелированность.
Применение временных моделей для анализа современных тенденций развития преступности и расчета оценки деятельности органов внутренних дел
В отличие от пространственных моделей, модели временных рядов не позволяют учесть отдельно выбранные социально-экономические факторы, но их применение позволяет выявить современные тенденции развития преступности, учесть комплекс факторов, влияющих на преступность, в целом, изучить влияние причин, которые невозможно учесть другими методами, либо данных о которых не существует. Большим преимуществом моделей временных рядов является то, что на их основе можно построить модели квартальных и месячных данных, учесть сезонную составляющую. Также преимуществом моделей временных рядов, на наш взгляд, является качество информации. Это обусловлено тем, что для построения пространственных моделей необходима информация, которая собирается не только органами внутренних дел, но и другими социальными системами-организациями: подразделениями служб занятости, подразделениями статистики и др. В этом случае, при сборе информации возможны ее искажения, которые могут быть внесены сознательно, являться результатом случайных ошибок, некомпетентности сотрудников, вследствие сбоев в работе техники. С этой точки зрения модели временных рядов обладают большей достоверностью, т.к. строятся только на основе информации органов внутренних Дел. Последнее так же определяет актуальность информации, своевременность ее поступления субъекту управления, особенно на стадиях сбора информации и ее обработки.
Прежде чем применить построенную в 2.4 временную модель данных нами исследовались остатки модели (е) для доказательства того, что их поведение соответствует поведению последовательности независимых случайных величин, имеющих одинаковое нормальное распределение N(0,cr2). Как и в случае пространственных моделей, на первом этапе тестирования применялись графические методы. Был построен нормальный вероятностный график остатков временной модели (см рис. 3.3) Следующий применяемый нами тест для модели временных данных -тест на отсутствие автокорреляции. График автокорреляционной функции остатков модели показан на рис. 3.4. Из графика видно, что ни при одном к значение автокорреляционной функции не выходит за границы интервала 2 2" л/и л/и. Максимальные значения автокорреляционной функции остатков наблюдаются на значениях равных сезонной составляющей 5- = 12 месяцев и на значении равному одному кварталу, но ни одно значение не выходит за границы установленного интервала. Следовательно, гипотеза о наличии автокорреляции остатков отвергается, как минимум, на 5% уровне значимости. Рассмотрим значение Q -статистики Льюнга-Бокса (см. табл. 3.7). Максимальные значения Q -статистики наблюдаются при значениях К близких к одному кварталу. Минимальное значение уровня значимости а = 0,183, при К=4, следовательно, ни для одного К, статистика не является значимой, что позволяет сделать вывод об отсутствии автокорреляции всех первых К остатков модели временных данных, где К е {1 ч-14}. Проведенные исследования позволяют сделать вывод, что построенная модель временных рядов полностью адекватна наблюдаемым статистическим данным, а остатки модели - последовательность независимых случайных величин, имеющих одинаковое нормальное распределение N(0, J2). Используя доказанные свойства поведения остатков модели рассчитаем оценку деятельности на основе моделей временных рядов.
По сложившейся практике в органах внутренних дел оценка деятельности дается ежемесячно. Главное преимущество моделей временных рядов в том, что они позволяют дать оценку с такой периодичностью. Другое преимущество моделей временных рядов в том, что на их основе возможно краткосрочное прогнозирование преступности. Несмотря на то, что такой краткосрочный прогноз носит вероятностный, статистический характер, он является вполне надежным, поскольку основывается на строгих методах научного исследования. Рассмотрим оценку деятельности органов внутренних дел Курганской области за период: январь-июнь 2004 года на основе временной модели данных, построенной на временном ряде январь 1993 г. - декабрь 2003 г. Данная оценка учитывает весь комплекс факторов, от которых зависит преступность в Курганской области. Запишем спецификацию модели временных данных (см. 2.64): Б- нормально распределенные случайные величины с дисперсией Раскрыв скобки операторов лага, и перейдя к моменту времени t=T+h, мы получили выражение для расчета прогноза на h шагов вперед с началом в момент времени Т на основе информации, доступной к моменту времени T+U
