и і характеру динамічного ряду. Встановлено, що чим коротший цей період, тим краще виявляється цикл, але в меншій мірі позначається тенденція. p align="justify"> У динамічних рядах захворюваності з великою амплітудою коливань (грип, епідемічний паротит), а також зі слабо вираженою періодичністю (скарлатина, менінгококова інфекція) методи згладжування використовувати не рекомендується, тому що в першому випадку вони можуть спотворити особливість епідемічного процесу, а в другому - погасити слабо виражені циклічні компоненти. Методи подовження інтервалів і ковзної середньої (у тому числі зваженої) придатні для грубого, орієнтовного визначення характеру тенденції і циклічної компоненти. p align="justify"> Для більш тонкого дослідження динамічних рядів рекомендується використовувати методи фільтрації випадкових процесів, найпростішим серед яких є розрахунок і аналіз відхилення від теоретичної лінії тенденції. Даний метод дозволяє оцінити вираженість періодичних підйомів за абсолютними значеннями розрахованих відхилень. p align="justify"> Певною перевагою цього методу є можливість його використання для порівняно коротких рядів (10 і більше років). У той же час для збільшення достовірності оцінки багаторічної динаміки необхідно досліджувати ряди, що включають кілька періодичних хвиль. p align="justify"> Пошуки більш суворого математичного рішення задачі з відшукання В«прихованоїВ» періодичності епідемічного процесу почалися в 70-х роках. Певним поштовхом до цього, з одного боку, були роботи, що описують методи теорії випадкових процесів, з іншого - розширення використання ЕОМ в охороні здоров'я. p align = "justify"> Найбільш перспективними при вивченні багаторічної періодичності є методи теорії випадкових процесів - автокореляційна функція, гармонійний і спектральний аналіз. Їх застосування повною мірою можливо тільки за допомогою ЕОМ. p align="justify"> Одним з основних обмежень при застосуванні кореляційно-спектрального аналізу є тривалість часового ряду, яка теоретично для отримання об'єктивних оцінок повинна обчислюватися десятками і навіть сотнями значень (років), практично ж спектральний аналіз задовільно використовується при числі спостережень порядку 100. Крім того, особливу значимість набуває інтерпретація результатів. У зв'язку з цим формальне використання кореляційно-спектрального аналізу не гарантує об'єктивність оцінок. Математика в даному випадку дає лише засіб опису поведінки часового ряду (тип моделі) в стислому вигляді: замість всього ряду отримують відповідну йому функцію спектральної щільності, виділення істинних максимумів якої не завжди можна зробити однозначно. Якщо ж згладити спектр, то, ймовірно, частина невеликих викидів на кривій не проявиться. p align="justify"> При епідеміологічних дослідженнях часто порівнюють дві вибірки (або більше). При цьому може виникнути проблема їх непорівнянності (наприклад, вибірки дуже різняться за віковій структурі, що заважає вирішити поставлене завдання). У таких ...
