On estimating threshold values in solving the problem of data classification

The paper contains a summary of results of original research of total aggregates, to be specific, solving the issues of statistical investigation of aggregate instability. The setting of the problem is to establish the groups’ boundaries for classification of fuzzy and threshold aggregates using the method of mixture decomposition of probability distributions. The article presents the experience of breaking down real aggregate represented as a final mix of probability distributions on private aggregates. The issue of setting objective rules and criteria for finding threshold values, that will clearly identify the transitions from one qualitative condition of the phenomena to another, are solved. Threshold value determined by the boundaries of private aggregates will correspond to the occurrence size at the intersection of curves probability distributions, extracted from the mixture. The study used EM-algorithm to find maximum likelihood of parameters of probabilistic models, when a model depends on some hidden variables. The proposed scheme of threshold aggregates identification has found practical application in the research of the population of Russian employees by level of accrued wages and can be used for establishing the optimal value of minimum monthly wages. It is rec-ommended that such a value is to be set as a science-based minimum wage of employees in the Russian Federation. This will allow to bring out a part of the real wage from shadow sector and to give additional incentive for development of the economy. The official data from the Federal State Statistics Service on average per capita income for a number of years was used.

классификация как статистический метод, пороговая совокупность, смесь вероятностных распределений, classification as a statistical method, threshold aggregates, a mixture of probability distributions

1. Венецкий И.Г., Венецкая В.И. Основные математико-статистические понятия и формулы в экономическом анализе. М.: Статистика, 1974. - 279 с.

2. Вентцель Е.С., Овчаров Л.А. Теория вероятности и ее инженерные приложения. Учеб. пособие для втузов. 2-е изд. М.: Высшая школа, 2000. - 480 с.

3. Глинский В.В. Мифическая статистика малого бизнеса. Проблемы статистического изучения турбулентных совокупностей // ЭКО. 2008. № 9. С. 51-61.

4. Глинский В.В. Статистические методы поддержки управленческих решений: Монография. Новосибирск: Изд-во НГУЭУ, 2008. - 256 с.

5. Глинский В.В., Серга Л.К. Нестабильные совокупности: концептуальные основы методологии статистического исследования // Вестник НГУЭУ. 2009. № 2.С. 137-142.

6. Глинский В.В., Серга Л.К. О государственном регулировании малого предпринимательства в России // Национальные интересы: приоритеты и безопасность. 2011. № 19. С. 2-8.

7. Глинский В.В., Серга Л.К. Статистика XXI века. Вектор развития // Вестник НГУЭУ. 2011. № 1. С. 108-118.

8. Глинский В.В., Чемезова Е.Ю. О сходимости основных концепций типологии данных социальноэкономических исследований // Вестник НГУЭУ. 2012. Т. 2. № 4. С. 67-73.

9. Зайков К.А. Изучение пороговых совокупностей методом декомпозиции смесей вероятностных распределений // Научные труды Вольного экономического общества. 2013. Т. 172. С. 192-202.

10. Кулиджоглян К.О. Критерии принадлежности и проблема оценки среднего класса // Бизнес-статистика, финансы и банки: Теоретические и методические аспекты исследования: сб. науч. тр. Новосибирск: НГУЭУ, 2011. C. 73-86.

11. Орлов А.И. Нечисловая статистика. М.: МЗ-Пресс, 2004. - 513 с.

12. Официальный сайт Федеральной службы государственной статистики. URL: http://www.gks.ru.

13. Серга Л.К. Исследование инновационной деятельности предприятий малого и среднего бизнеса // Вестник НГУЭУ. 2013. № 1. С. 112-140.

14. Серга Л.К. О подходах к решению задачи идентификации нечетких совокупностей // Вестник НГУ-ЭУ. 2013. № 3. С. 83-91.

15. Серга Л.К. Об одном подходе к определению пороговых значений в решении задач классификации // Вестник НГУЭУ. 2012. № 1. С. 54-60.

16. Серга Л.К., Никифорова М.И., Румынская Е.С., Хван М.С. Прикладное использование методов портфельного анализа // Вестник НГУЭУ. 2012. № 3. С. 146-158.

17. Трудовой кодекс РФ, статья 133 // Консультант Плюс. Версия Проф. (2014). URL: http://www. consultant.ru/popular/tkrf/.

18. Ту Дж., Гонсалес С. Принципы распознавания образов: Монография. М.: Мир, 1978. - 412 с.

19. Чемезова Е.Ю. Типология субъектов РФ по уровню социально-экономического развития // Вестник НГУЭУ. 2010. № 1. С. 171-176.

20. Эверитт Б.С. Большой словарь по статистике / Пер. с англ. Ф.А. Ущева, И.Ю. Чураковой; науч. ред. перевода И.И. Елисеева. 3-е изд. М.: Проспект, 2010. - 736 с.