Метод - наименьший квадрат
Cтраница 3
 |
Аппроксимация прямой линией. [31] |
Метод наименьших квадратов не предполагает, что мы должны приближать экспериментальные данные лишь с помощью прямых линий. [32]
Метод наименьших квадратов позволяет нам лишь выбрать, какая из прямых или какая из экспонент или парабол является лучшей. [33]
Метод наименьших квадратов хотя и дает наиболее вероятные значения коэффициентов уравнения принятого вида, но обычно требует довольно сложных вычислений. Поэтому его следует применять в тех случаях, когда графический метод не дает достаточной точности. [34]
Метод наименьших квадратов может обеспечить вполне надежные результаты, если все вычисления производить с достаточной точностью. Только закончив вычисления обоих коэффициентов, следует в их окончательных значениях отбросить лишние знаки. [35]
Метод наименьших квадратов может быть применен как ко всей кривой отклика, так и к любому из ее участков. Предпочтительнее исключить из рассмотрения начальный и концевой участки, поскольку на начальном участке вносится существенная погрешность вследствие неравномерности распределения концентрации трассера по сечению колонны, а на конечном участке погрешность анализа метящего вещества при малых концентрациях значительно больше, чем на среднем участке. [36]
Метод наименьших квадратов может быть применен как во всей кривой отклика, так и к любому из ее участков. Предпочтительнее исключить из рассмотрения начальный и концевой участки, поскольку на начальном участке вносится существенная погрешность вследствие неравномерности распределения концентрации трассера по сечению колонны, а на конечном участке погрешность анализа метящего вещества при малых концентрациях значительно больше, чем на среднем участке. [37]
 |
Кривые / ( г для Р2 ТС1 ( а и СэН6КН ( б. [38] |
Метод наименьших квадратов позволяет вычислять ошибки определения параметров. Точность определения длин связей в благоприятных случаях достигает 0 001 - 10 - 10 м, а валентных углов - десятые доли градуса. [39]
Метод наименьших квадратов относится к классу однокрите-риальных задач, и критерием является сумма отклонений квадратов фактических и предсказанных значений. Достоинствами метода являются его простота, доступность и возможность получения простого аналитического решения задачи. Аналитическое решение задачи методом наименьших квадратов разработано для полиномиальных моделей, либо для моделей, сводящихся к таковым. Для произвольных функций воспользоваться данным методом не всегда удается. [41]
Метод наименьших квадратов при сглаживании временных рядов можно рассматривать как некоторый вычислительный прием для получения оценки детерминированной компоненты, которая характеризует тренд изучаемого процесса. [42]
Метод наименьших квадратов получил самое широкое распространение в практике статистических исследований в первую очередь благодаря двум главным своим преимуществам: во-первых, он не требует знания закона распределения обрабатываемых наблюдений, во-вторых, он достаточно хорошо разработан в плане вычислительной реализации. [43]
Метод наименьших квадратов - формальный, так сказать слепой. В ЭВМ вводятся десятки или сотни произведенных отсчетов, она их в течение какого-то времени обрабатывает и выдает значения параметров заданной модели. Эти коэффициенты чаще всего определяют функцию, наилучшим образом описывающую экспериментальные данные, но иногда дают просто абсурдные решения, ставящие экспериментатора в тупик. Эти особенности МНК необходимо рассмотреть более подробно. [44]
Метод наименьших квадратов служит для приближенного определения функции, заданной таблично по результатам измерений. Общий вид искомой функциональной зависимости задают априорно с помощью набора параметров ( неопределенных коэффициентов) исходя из различных соображений. [45]
Страницы: 1 2 3 4