Главная страница | Контакты | Случайная страница Автомобили Астрономия Биология География Дом и сад Другие языки Другое Информатика История Культура Литература Логика Математика Медицина Металлургия Механика Образование Охрана труда Педагогика Политика Право Психология Религия Риторика Социология Спорт Строительство Технология Туризм Физика Философия Финансы Химия Черчение Экология Экономика Электроника

Тема № 1. СИНТАКСИС КАК НАУКА О ЯЗЫКЕ

Построив модель системы со случайными параметрами, на ее вход подают входные сигналы от генератора случайных чисел (ГСЧ), как показано на рис. 21.3. ГСЧ устроен так, что он выдает равномерно распределенные случайные числа r _рр из интервала [0; 1]. Так как одни события могут быть более вероятными, другие — менее вероятными, то равномерно распределенные случайные числа от генератора подают на преобразователь закона случайных чисел (ПЗСЧ), который преобразует их в заданный пользователем закон распределения вероятности, например, в нормальный или экспоненциальный закон. Эти преобразованные случайные числа x подают на вход модели. Модель отрабатывает входной сигнал x по некоторому закону y = φ (x) и получает выходной сигнал y, который также является случайным.

Рис. 21.3. Общая схема метода статистического моделирования

В блоке накопления статистики (БНСтат) установлены фильтры и счетчики. Фильтр (некоторое логическое условие) определяет по значению y, реализовалось ли в конкретном опыте некоторое событие (выполнилось условие, f = 1) или нет (условие не выполнилось, f = 0). Если событие реализовалось, то счетчик события увеличивается на единицу. Если событие не реализовалось, то значение счетчика не меняется. Если требуется следить за несколькими разными типами событий, то для статистического моделирования понадобится несколько фильтров и счетчиков N_i. Всегда ведется счетчик количества экспериментов — N.

Далее отношение N_i к N, рассчитываемое в блоке вычисления статистических характеристик (БВСХ) по методу Монте-Карло, дает оценку вероятности p_i появления события i, то есть указывает на частоту его выпадения в серии из N опытов. Это позволяет сделать выводы о статистических свойствах моделируемого объекта.

Например, событие A совершилось в результате проведенных 200 экспериментов 50 раз. Это означает, согласно методу Монте-Карло, что вероятность совершения события равна: p _A = 50/200 = 0.25. Вероятность того, что событие не совершится, равна, соответственно, 1 – 0.25 = 0.75.

Обратите внимание: когда говорят о вероятности, полученной экспериментально, то ее называют частостью; слово вероятность употребляют, когда хотят подчеркнуть, что речь идет о теоретическом понятии.

При большом количестве опытов N частота появления события, полученная экспериментальным путем, стремится к значению теоретической вероятности появления события.

В блоке оценки достоверности (БОД) анализируют степень достоверности статистических экспериментальных данных, снятых с модели (принимая во внимание точность результата ε, заданную пользователем) и определяют необходимое для этого количество статистических испытаний. Если колебания значений частоты появления событий относительно теоретической вероятности меньше заданной точности, то экспериментальную частоту принимают в качестве ответа, иначе генерацию случайных входных воздействий продолжают, и процесс моделирования повторяется. При малом числе испытаний результат может оказаться недостоверным. Но чем более испытаний, тем точнее ответ, согласно центральной предельной теореме.

Заметим, что оценивание ведут по худшей из частот. Это обеспечивает достоверный результат сразу по всем снимаемым характеристикам модели.

Пример 1. Решим простую задачу. Какова вероятность выпадения монеты орлом кверху при падении ее с высоты случайным образом?

Начнем подбрасывать монетку и фиксировать результаты каждого броска (см. табл. 21.1).

Будем подсчитывать частость выпадения орла как отношение количества случаев выпадения орла к общему числу наблюдений. Посмотрите в табл. 21.1. случаи для N = 1, N = 2, N = 3 — сначала значения частости нельзя назвать достоверными. Попробуем построить график зависимости P _о от N — и посмотрим, как меняется частость выпадения орла в зависимости от количества проведенных опытов. Разумеется, при различных экспериментах будут получаться разные таблицы и, следовательно, разные графики. На рис. 21.4 показан один из вариантов.

Рис. 21.4. Экспериментальная зависимость частости появления случайного события от количества наблюдений и ее стремление к теоретической вероятности

Сделаем некоторые выводы.

1. Видно, что при малых значениях N, например, N = 1, N = 2, N = 3 ответу вообще доверять нельзя. Например, P _о = 0 при N = 1, то есть вероятность выпадения орла при одном броске равна нулю! Хотя всем хорошо известно, что это не так. То есть пока мы получили очень грубый ответ. Однако, посмотрите на график: в процессе накопления информации ответ медленно, но верно приближается к правильному (он выделен пунктирной линией). К счастью, в данном конкретном случае правильный ответ нам известен: в идеале, вероятность выпадения орла равна 0.5 (в других, более сложных задачах, ответ нам, конечно, будет неизвестен). Допустим, что ответ нам надо знать с точностью ε = 0.1. Проведем две параллельные линии, отстоящие от правильного ответа 0.5 на расстояние 0.1 (см. рис. 21.4). Ширина образовавшегося коридора будет равна 0.2. Как только кривая P _о(N) войдет в этот коридор так, что уже никогда его не покинет, можно остановиться и посмотреть, для какого значения N это произошло. Это и есть экспериментально вычисленное критическое значение необходимого количества опытов N _кр^э для определения ответа с точностью ε = 0.1; ε -окрестность в наших рассуждениях играет роль своеобразной трубки точности. Заметьте, что ответы P _о(91), P _о(92) и так далее уже не меняют сильно своих значений (см. рис. 21.4); по крайней мере, у них не изменяется первая цифра после запятой, которой мы обязаны доверять по условиям задачи.

2. Причиной такого поведения кривой является действие центральной предельной теоремы (см. лекцию 25 и лекцию 34). Пока здесь мы сформулируем ее в самом простом варианте «Сумма случайных величин есть величина неслучайная». Мы использовали среднюю величину P _о, которая несет в себе информацию о сумме опытов, и поэтому постепенно эта величина становится все более достоверной.

3. Если проделать еще раз этот опыт сначала, то, конечно, его результатом будет другой вид случайной кривой. И ответ будет другим, хотя примерно таким же. Проведем целую серию таких экспериментов (см. рис. 21.5). Такая серия называется ансамблем реализаций. Какому же ответу в итоге следует верить? Ведь они, хоть и являются близкими, все же разнятся. На практике поступают по-разному. Первый вариант — вычислить среднее значение ответов за несколько реализаций (см. табл. 21.2).

Рис. 21.5. Экспериментально снятый ансамбль случайных зависимостей частости появления случайного события от количества наблюдений

Мы поставили несколько экспериментов и определяли каждый раз, сколько необходимо было сделать опытов, то есть N _кр^э. Было проделано 10 экспериментов, результаты которых были сведены в табл. 21.2. По результатам 10-ти экспериментов было вычислено среднее значение N _кр^э.

Таким образом, проведя 10 реализаций разной длины, мы определили, что достаточно в среднем было сделать 1 реализацию длиной в 94 броска монеты.

Еще один важный факт. Внимательно рассмотрите график на рис. 21.5. На нем нарисовано 100 реализаций — 100 красных линий. Отметьте на нем абсциссу N = 94 вертикальной чертой. Есть какой-то процент красных линий, которые не успели пересечь ε -окрестность, то есть (P ^эксп – ε ≤ P ^теор ≤ P ^эксп + ε), и войти в коридор точности до момента N = 94. Обратите внимание, таких линий 5. Это значит, что 95 из 100, то есть 95%, линий достоверно вошли в обозначенный интервал.

Таким образом, проведя 100 реализаций, мы добились примерно 95%-ного доверия к полученной экспериментально величине вероятности выпадения орла, определив ее с точностью 0.1. Для сравнения полученного результата вычислим теоретическое значение N _кр^т теоретически. Однако для этого придется ввести понятие доверительной вероятности Q_F, которая показывает, насколько мы готовы верить ответу. Например, при Q_F = 0.95 мы готовы верить ответу в 95% случаев из 100. Формула теоретического расчета числа экспериментов, которая будет подробно изучаться в лекции 34, имеет вид:

N _кр^т = k (Q_F) · p · (1 – p)/ ε ²,

где k (Q_F) — коэффициент Лапласа, p — вероятность выпадения орла, ε — точность (доверительный интервал). В табл. 21.3 показаны значения теоретической величины количества необходимых опытов при разных Q_F (для точности ε = 0.1 и вероятности p = 0.5).

Как видите, полученная нами оценка длины реализации, равная 94 опытам очень близка к теоретической, равной 96. Некоторое несовпадение объясняется тем, что, видимо, 10 реализаций недостаточно для точного вычисления N _кр^э. Если вы решите, что вам нужен результат, которому следует доверять больше, то измените значение доверительной вероятности. Например, теория говорит нам, что если опытов будет 167, то всего 1-2 линии из ансамбля не войдут в предложенную трубку точности. Но имейте в виду, количество экспериментов с ростом точности и достоверности растет очень быстро.

Второй вариант, используемый на практике — провести одну реализацию и увеличить полученное для нее N _кр^э в 2 раза. Это считают хорошей гарантией точности ответа (см. рис. 21.6).

Рис. 21.6. Иллюстрация экспериментального определения Nкрэ по правилу «умножь на два»

Если присмотреться к ансамблю случайных реализаций, то можно обнаружить, что сходимость частости к значению теоретической вероятности происходит по кривой, соответствующей обратной квадратичной зависимости от числа экспериментов (см. рис. 21.7).

Рис. 21.7. Иллюстрация скорости схождения экспериментально получаемой частости к теоретической вероятности

Это действительно так получается и теоретически. Если изменять задаваемую точность ε и исследовать количество экспериментов, требуемых для обеспечения каждой из них, то получится табл. 21.4.

Построим по табл. 21.4 график зависимости N _кр^т(ε) (см. рис. 21.8).

Рис. 21.8. Зависимость числа экспериментов, требуемых для достижения заданной точности ε при фиксированном QF = 0.95

Итак, рассмотренные графики подтверждают приведенную выше оценку:

Заметим, что оценок точности может быть несколько. Некоторые из них будут еще обсуждаться в лекции 34.

Пример 2. Нахождение площади фигуры методом Монте-Карло. Определите методом Монте-Карло площадь пятиугольника с координатами углов (0, 0), (0, 10), (5, 20), (10, 10), (7, 0).

Нарисуем в двухмерных координатах заданный пятиугольник, вписав его в прямоугольник, чья площадь, как нетрудно догадаться, составляет (10 – 0) · (20 – 0) = 200 (см. рис. 21.9).

Рис. 21.9. Иллюстрация к решению задачи о площади фигуры методом Монте-Карло

Используем таблицу случайных чисел для генерации пар чисел R, G, равномерно распределенных в интервале от 0 до 1. Число R будет имитировать координату X (0 ≤ X ≤ 10), следовательно, X = 10 · R. Число G будет имитировать координату Y (0 ≤ Y ≤ 20), следовательно, Y = 20 · G. Сгенерируем по 10 чисел R и G и отобразим 10 точек (X; Y) на рис. 21.9 и в табл. 21.5.

Статистическая гипотеза заключается в том, что количество точек, попавших в контур фигуры, пропорционально площади фигуры: 6:10 = S:200. То есть, по формуле метода Монте-Карло, получаем, что площадь S пятиугольника равна: 200 · 6/10 = 120.

Проследим, как менялась величина S от опыта к опыту (см. табл. 21.6).

Поскольку в ответе все еще меняется значение второго разряда, то возможная неточность составляет пока больше 10%. Точность расчета может быть увеличена с ростом числа испытаний (см. рис. 21.10).

Рис. 21.10. Иллюстрация процесса сходимости определяемого экспериментально ответа к теоретическому результату

22. Лекция 22. Генераторы случайных чисел В основе метода Монте-Карло (см. Лекцию 21. Статистическое моделирование) лежит генерация случайных чисел, которые должны быть равномерно распределены в интервале (0; 1). Если генератор выдает числа, смещенные в какую-то часть интервала (одни числа выпадают чаще других), то результат решения задачи, решаемой статистическим методом, может оказаться неверным. Поэтому проблема использования хорошего генератора действительно случайных и действительно равномерно распределенных чисел стоит очень остро. Математическое ожидание mr и дисперсия Dr такой последовательности, состоящей из n случайных чисел ri, должны быть следующими (если это действительно равномерно распределенные случайные числа в интервале от 0 до 1): Если пользователю потребуется, чтобы случайное число x находилось в интервале (a; b), отличном от (0; 1), нужно воспользоваться формулой x = a + (b – a) · r, где r — случайное число из интервала (0; 1). Законность данного преобразования демонстрируется на рис. 22.1.   Рис. 22.1. Схема перевода числа из интервала (0; 1) в интервал (a; b) Теперь x — случайное число, равномерно распределенное в диапазоне от a до b.

Рис. 22.2. Частотная диаграмма выпадения случайных чисел, порождаемых реальным генератором Заметим, что в идеале кривая плотности распределения случайных чисел выглядела бы так, как показано на рис. 22.3. То есть в идеальном случае в каждый интервал попадает одинаковое число точек: Ni = N / k, где N — общее число точек, k — количество интервалов, i = 1, …, k.   Рис. 22.3. Частотная диаграмма выпадения случайных чисел, порождаемых идеальным генератором теоретически Следует помнить, что генерация произвольного случайного числа состоит из двух этапов: · генерация нормализованного случайного числа (то есть равномерно распределенного от 0 до 1); · преобразование нормализованных случайных чисел ri в случайные числа xi, которые распределены по необходимому пользователю (произвольному) закону распределения или в необходимом интервале. Генераторы случайных чисел по способу получения чисел делятся на: · физические; · табличные; · алгоритмические.

Тема № 1. СИНТАКСИС КАК НАУКА О ЯЗЫКЕ

1. Понятие синтаксиса.

2. Синтаксические единицы (система синтаксических единиц, элементарные и неэлементарные синтаксические единицы).

3. Синтаксические связи (типы синтаксических связей; сочинительная связь; подчинительная связь; предикативная связь; формы / способы выражения синтаксических связей).

4. Синтаксические отношения.

Литература

1. В.В. Виноградов. Грамматика русского языка. Синтаксис.- М.,Т.2,ч.1.

2. В.А. Бабайцева, Л.Ю.Максимов. Современный русский язык. Синтаксис. Пунктуация. – М., 1987.

3. Д.Н. Овсянико-Куликовский. Руководство к изучению синтаксиса русского языка. – М.,1912

4. М.Н. Петерсон. Очерк синтаксиса русского языка. – М.-П., 1923

5. Л.А. Булаховский. Курс русского литературного языка. – К., 1949

6. М.А. Шапиро. О типах подчинительной связи внутри словосочетания. // РЯШ, 1950, №2.

7. А.М. Пешковский. Русский синтаксис в научном освещении. – М.,1956.

8. А.А. Потебня. Уч. зап. по русск. грамматике. Т. 1-2. – М., 1958.

9. М. Ханин. К вопросу о категории падежа имён существительных // РЯШ, 1958, №6.

10. О.С. Мельничук. Сучасна укр.літ.мова. Синтаксис / За ред. І.К. Білодіда. – К.,1972.

11. В.А. Белошапкова. Совр. русск. яз. Синтаксис. – М.,: 1977 и др. изд.

12. Г.А. Золотова. Очерк функционального синтаксиса русского языка. – М., 1973

13. Г.А. Золотова. Синтаксический словарь. Репертуар элементарных единиц русского синтаксиса. – М., 1988

14. Е.А. Скобликова. Совр.русск.яз. Синтаксис простого предложения. – М., 1979

15. Лингвистический энциклопедический словарь. – М., 1990

16. П. Слинько, Н.В.Гуйванюк, М.Ф.Кобилянська. Синтаксис сучасної укр. мови: Проблемні питания. – К.,1994

17. П. Вихованець. Граматика української мови. Синтаксис. – К., 1993

18. Ю.И. Беляев. Синт.совр.русск.лит.языка. – Херсон, 2001-2004.

19. К.Ф. Шульжук. Синтаксис української мови. – К.,2004

А есть «Синтаксис», слово какое-то вроде непристойное, а что значит, не понять. Должно, матерное. Бенедикт пролистал: точно, матерные слова там. Отложил: интересно. На ночь почитать.

(Т.Толстая. Кысь)

Долгое время синтаксис определялся как правила построения связной речи и как учение об этих правилах. Но синтаксис связной речи определяет далеко не всё: речь может быть связной, но неправильной. Поэтому синтаксис изучает, с одной стороны, правила связывания слов и форм слов, а с другой, – те единства, в составе которых эти правила реализуются.

Таким образом, синтаксис – это

· совокупность закономерностей, которые действуют в языке и регулируют построение речевых единиц (синтаксис языка);

· раздел грамматики, который изучает процессы порождения речи: сочетание и порядок следования слов в середине предложения, а также общие свойства и признаки предложения (синтаксис как наука).

Деление грамматики на морфологию и синтаксис определено самой сущностью изучаемых объектов.

Морфология изучает значения и формы слов как элементы внутрисловного противопоставления; значения же словесных форм, возникающие в сочетании с другими словесными формами, значения, определяемые законами сочетаемости слов и построения предложения предложений, являются предметом синтаксиса.

Синтаксис как наука о синтаксическом строе языка позволяет построить и показать систему синтаксических единиц, связи и отношения между ними, из чего и как они составляются, какими средствами соединяются компоненты (элементы) в синтаксические единицы.

Исходя из вышесказанного, фундаментальными понятиями синтаксиса являются понятие о синтаксических единицах, синтаксических отношениях, синтаксических связях (и средствах связи) и о грамматической (синтаксической) семантике.

Слово «синтаксис» происходит от др.-греч. σύνταξις — «построение, порядок, составление». Поэтому синтаксис как наука о языке позволяет показать систему синтаксических единиц, связи и отношения между ними, их составные, способы объединения компонентов в синтаксические единицы.

Термин «синтаксис» впервые был использован стоиками (философами эпохи эллинизма, основателем учения которых был Зенон Китийский (из Китиона на Кипре) в конце 4-го/3-го (разные источники) ст. до н.э. Стоики понимали под синтаксисом наблюдение над логическим смыслом высказывания. Они создали логику высказывания как учение о создании из простых высказываний сложных и развили на этой основе пропозициональную теорию умозаключения.

Однако интерес к категориям синтаксиса наблюдался ещё раньше – у древнегреческих мыслителей Протагора, Платона, Аристотеля, в центре внимания которых находился logos – понятие, которое одновременно относится к речи, высказыванию, предложению, суждению, законченному тексту. Поэтому ранние синтаксические воззрения основывались на свойствах целостных речевых единиц. Первыми синтаксическими операциями были:

1) классификация высказываний по их коммуникативной цели,

2) членение предложения-суждения на основные части,

3) определение отношений между частями сложного периода.

Среди высказываний различались: вопрос, ответ, поручение, просьба (Протагор, 5 в. до н. э.), утверждение, отрицание, повествование, побуждение (Аристотель), отрицательные и утвердительные предложения (аксиомы), общий и частный вопрос, повеление, заклинание, клятва, высказывание-обращение (стоики).

Исходя из тезиса о тождестве между мыслью и её речевым выражением, Платон и его последователи расчленяли суждение-предложение на две части: имя (ὄνομα) и глагол (ῥῆμα), понимаемые как языковые выражения субъекта и предиката. Стоики, введшие понятия «обозначаемого», «высказываемого» и «обозначающего», выделяли в составе высказываемого предикат (κατηγόρημα) и падеж (прямой или косвенный).

Перелом в принципах синтаксического анализа зафиксирован в сочинениях Аполлония Дискола (3 в.). Синтаксис Аполлония Дискола имел морфологическую основу. Его исходным пунктом было слово. Синтаксис заключался в описании связей слов и форм слов (падежей) в предложении. Этим было положено начало синтаксису частей речи. Специально системы синтаксических понятий Аполлоний Дискол не предложил.

В ранней лингвистической традиции эпохи универсальных, или философских (спекулятивных), грамматик, сложившихся под влиянием логики поздних схоластов (13 – 16 вв.) и концепций рационализма 17 в., выразившихся, в частности, в «Грамматике Пор-Рояля», синтаксис рассматривался как учение о способах выражения мысли и содержал прежде всего описание предложения и его частей (членов предложения). Категории синтаксиса в отличие от морфологических форм считались универсальными. Синтаксис, как содержательная область грамматики, противопоставлялся фонетике и морфологии, изучающим сторону выражения. В русском языкознании это направление развивалось до 2‑й половины 19 в. (М.В. Ломоносов, Л.Г. Якоб, И.И. Давыдов, Конст. Серг. Аксаков, Ф.И. Буслаев). В грамматиках синтаксические категории определялись по их способности выражать категории логики: предложение рассматривалось как языковое выражение суждения, подлежащее – субъекта, сказуемое – предиката, сложное предложение – умозаключения.

В конце 19 в. в связи с пробуждением интереса к национальной специфике языков и исследованием прежде всего морфологии, синтаксис стал определяться как учение о функциях в предложении классов слов. Синтаксис частей речи был продолжением морфологии. В нём основное внимание было сосредоточено на способности слов к распространению и на структуру словосочетания, разновидностью которого считалось и предложение (Ф. Ф. Фортунатов).

С конца 60‑х гг. 20 в. центр тяжести в синтаксисе начал перемещаться с предложения (модели предложения) как закреплённой в языке структуры к изучению прагматических и семантических свойств высказывания как единицы речи.

В 60 – 80‑х гг. 20 в. наметились следующие тенденции развития синтаксиса:

1) от изучения формы к исследованию содержания синтаксических единиц, в частности отношения предложения к обозначаемой им ситуации (так называемый семантический синтаксис);

2) выход за пределы предложения в область дискурса, текста (анализ сверхфразовых единств, абзаца, целостных текстов);

3) от языка к речи (исследование коммуникативных установок и условий употребления речевых произведений);

4) от объективных характеристик предложения к субъективной интерпретации высказываний (изучение косвенных речевых смыслов);

5) от статического синтаксиса к динамическому (изучение процессов функционирования и преобразования единиц синтаксиса);

6) от правил сочетания (формации) к правилам порождения (трансформации). Эти тенденции укрепили связи синтаксиса с семантикой, словообразованием, логикой, прагматикой, стилистикой и теорией коммуникации.

Соответственно с этапами синтезирования языка синтаксис подразделяется на 4 комплексных раздела:

синтаксис частей речи, в котором изучается словосочетание: валентные способности слова, их реализации (т.е. присловные связи) – согласование, управление, примыкание, – и семантические отношения между компонентами словосочетания и сочетания слов;

синтаксис предложения, в котором изучается внутренняя структура предложенная, его коммуникативные типы (сообщение, вопрос, побуждение), предикативность (модальность и темпоральность); семантика простого и сложного предложений как целостных монопредикативной и полипредикативной единиц; а также виды и способы выражения отношений, которые формируют сложное предложение - сочинение и подчинение;

актуальный синтаксис, или синтаксис текста, в котором исследуются модификации, происходящие с предложением в процессе его вхождения в текст (монологический или диалогически), другими словами, правила адаптации предложения к контексту, с одной стороны (процессы номинализации, эллипсис, инверсии и т.п.), или к ситуации речи, с другой (референция имени, авторизация, адресация высказывания и т.п.). Актуальный синтаксис не является разделом грамматики и изучается в курсах лингвоанализа и лингвистики текста;

Вся перечисленная выше проблематика исследуется в синхронном и диахроническом аспектах и является предметом исторического синтаксиса. который изучает общие закономерности эволюции синтаксического построения речи, конкретных языков или групп языков и который является одним из разделов исторической грамматики.

Основными понятиями синтаксиса являются: 1) синтаксические единицы. 2) синтаксические отношения. 3) синтаксически связи (и средства связи).