> Ну, в общем да, "единственный способ" это интеграл по кривой распределения,
Не столько кривой, сколько интеграл произведения вероятностей на численности возрастных когорт.
>>Можно построить не менее успешную демографическую модель из одной переменной (население) и одного коэффициента (чистый прирост), как Вы написали. И подставить коэффициенты прироста, какие они наблюдались в каждом году.
>Нет, чистый прирост - это усредненный за несколько лет показатель, который рулит для долгосрочного прогнозирования
Речь не об этом, а о том, что 100% соответствие данным можно достичь вот таким способом. И по-моему демоскоповская модель именно это и делает, хотя мне надо проверить.
> Вот, правильно сказали! Эта модель передает демографическую инерцию и ничего больше, но зато уж это делает точно.
Гы-гы. Эту инерцию можно схватывать (хоть и менее точно) и другими способами.
>>Получить можно, но это маловероятно в демографии. Например, если коэффициенты между собой как-то связаны. В прогнозе Демоскопа все коэффициенты постоянны в будущем.
>Так нам же никто не мешает их варьировать в зависимости от наших недемографических прогнозов.
Не мешает. Но суть в том, что другой набор экзогенных переменных может, в принципе, давать лучший прогноз, чем в стандартной модели. Благодаря прогнозированию, а не гаданию, изменения коэффициентов рождаемости/смертности.
Т.е. модель Демоскопа использует очень много экзогенных величин. В принципе, раз они доступны, то я бит. Но для прогнозирования будущего трудно сказать, хорошо ли это.
> Это уже не популяционная динамика, но поверьте и такие вопросы в демографии разбираются, есть методы и подходы. Тем более что для этого собственна прогноз и не столь нужен, а нужны результаты переписей.
Хмык. Если Вы строите такую модель, то Вам намного проще работать с упрощённой моделью демографической динамики. Сравните, Вам надо объяснить изменение нескольких коэффициентов против нескольких сот.
> Все равно не понимаю, ну будут некоторые коэффициенты универсальными для большинства возрастов, т.е. будут повторяться в большинстве соответствующих слагаемых, другие (наверняка малая часть) будут оригинальными. Т.е. для учета одних коэффициент хватило бы допустим и 3-х групп, а для других 4-х, а для третьих и 2-х, но все это разные группы, а потому надо дробить на более мелкие. Стандартная же вещь - откуда сотни неизвестных?
Ну так для смертности если брать возраст до 100 лет, то имеем 100 коэффициентов вероятностей смертей для каждого года. Как Вы предлагаете их прогнозировать?
> Так и должно быть мало, там же по-сути многократное повторение одной формулы в цикле (в сумме n-ого порядка).
Я там не нашёл, где хранятся коэффициенты. Надо посмотреть ещё раз. Сама модель предлагает ввести всего несколько простых параметров.
