Cтраница 2
Для неадекватной модели решения в случае значимых и незначимых коэффициентов регрессии обычно совпадают. [16]
Наконец, возможен третий подход, когда происходит поочередное отбрасывание незначимых коэффициентов по мере возрастания ti ло тех пор, пока все оставшиеся переменные не будут значимы. [17]
Вычисленные таким образом коэффициенты должны быть подвергнуты проверке на значимость, после чего незначимые коэффициенты должны быть отброшены. [18]
Заключение о значимости фактора выводилось на основании определения доверительных интервалов для коэффициентов регрессии, Незначимые коэффициенты взяты в скобки. [19]
При - ортогональном планировании коэффициенты уравнения регрессии оцениваются независимо с минимальными дисперсиями, причем факторы с незначимыми коэффициентами можно сразу отбрасывать, без пересчета оставшихся значимых коэффициентов, как это необходимо при неортогональных планах. [20]
Так как коэффициенты регрессии при квадратичных членах коррелированы со свободным членом, то адекватность упрощенной модели ( без незначимых коэффициентов) проверялась анализом вычетов, в результате чего скорректирован свободный член уравнения. [21]
Множество независимых переменных xt образуют нуль-граф GO, состоящий из изолированных вершин, не соединенных ребрами, если в конечной модели ( после удаления незначимых коэффициентов регрессии) отсутствуют эффекты взаимодействий. [22]
Итак, по собранным результатам осуществляется переход к новым условиям ведения процесса или выясняется необходимость сбора дополнительных сведений о процессе - при больших ошибках измерения величин у и ( или) статистически незначимых коэффициентах регрессии. [23]
Итак, по собранным результатам осуществляется переход к новым условиям ведения процесса, как это сделано в рассмотренном примере, или выясняется необходимость сбора дополнительных сведений о процессе - при больших ошибках измерения величин yi и ( или) статистически незначимых коэффициентах регрессии. [24]
Незначимые коэффициенты взяты в скобки. [25]
Незначимые коэффициенты приняты равными нулю. [26]
Если значения правого и левого ограничений в (3.31) имеют разные знаки, то с заданной доверительной вероятностью принимается гипотеза, что истинное значение а; незначимо отлично от нуля. Незначимый коэффициент может быть заменен нулем, что сокращает число слагаемых в модели. [27]
Проверка по критерию Фишера показывает, что при полученных коэффициентах уравнения регрессии являются адекватными. Статистически незначимые коэффициенты заменяют в уравнениях регрессии нулями. [28]
Проверка по критерию Фишера показывает, что при полученных коэффициентах уравнения регрессии являются адекватными. Статистически незначимые коэффициенты заменяются в уравнениях регрессии нулями. [29]
При упрощении уравнения регрессии остаточная дисперсия может возрасти, что приводит к снижению критерия Фишера. Поэтому члены уравнения регрессии с незначимыми коэффициентами bj можно исключать лишь в том случае, если проверка полученной упрощенной модели на адекватность по критерию Фишера дает положительный результат. [30]