Необходимость. Предположим, что M(t) не сегментировано и GDP(t) достигает своего максимального значения. Тогда существует i, 1 ? i ? s такой, что M
= N
, …, M
? N
. Рассмотрим два случая:
M
< N
В данном случае число слагаемых в (5) со значением IC
меньше, чем для случая сегментированного M(t) (если бы M
= N
). В то же время число слагаемых со значениями IC > IC
такое же, а слагаемых со значениями IC < IC
больше – при одном и том же общем числе слагаемых. Следовательно, значение (5) в указанном случае меньше, чем в случае сегментированного M(t).
M
> N
В данном случае слагаемые в (5) со значением IC
не встретятся, вместо этого будет большее число слагаемых с IC < IC
. При фиксированном числе слагаемых значение (5) меньше, чем в случае сегментированного M(t).
Достаточность. Пусть M(t) сегментировано. В соответствии с алгоритмом покупки товара и в силу сегментированности M(t), в сумме (5) будет N
слагаемых с максимальным возможным значением IC
(число таких слагаемых уже нельзя увеличить, а можно только уменьшить, уменьшив общую сумму), N
слагаемых со значением IC
(их число также нельзя увеличить) и т. д. до N
слагаемых с значением IC
. Таким образом, получается, что сумма (5) принимает максимально возможное для себя значение.
Результаты работы имитационной модели
Сравнение результатов модели и предметных данных
Для соотнесения результатов имитационной модели и данных по странам проведем нормировку показателей средней компетентности I
в стране i и ВВП на душу населения D
для результатов, полученных с помощью имитационной модели и данных из работы (Lynn, Vanhanen, 2002):
На рисунке 2 проиллюстрированы два набора данных после нормировки:
• данные по реальным странам (слева), полученные из (Lynn, Vanhanen, 2002);
• данные имитационной модели (справа), полученные в момент модельного времени t = 25, когда характер зависимости, изображенной на рисунке 2, не меняется в течение более 10 тактов. Ниже, при расчетах параметров модели, рассматриваются данные на этом такте времени.
Визуально на рисунке 2 мы можем отметить наличие роста мат. ожидания и дисперсии D
при росте значения I
. Оценим статистически степень влияния фактора I
на D
отдельно по данным для стран из (Lynn, Vanhanen, 2002) и отдельно по данным, полученным в имитационной модели.
Рис. 2. Иллюстрация данных I
и D
, полученных из (Lynn, Vanhanen, 2002) (слева) и имитационной модели (справа)
Для оценки степени влияния I
на D
посредством однофакторного дисперсионного анализа проверим наличие статистической зависимости показателя D
от уровней фактора I
(групп различных значений) (Кобзарь, 2006). Разобьем значения I
на три равные непересекающиеся группы (три уровня фактора I
: «низкий», «средний» и «высокий»), сформируем три выборки значений D
для соответствующего уровня фактора I
. Рассчитаем уровень значимости p гипотезы Н