Cтраница 1
Обычный метод наименьших квадратов является наиболее распространенным, но, как известно, далеко не всегда наилучшим методом оценивания. Регрессионная программа позволяет выбрать метод наиболее отвечающий характеру экспериментальных данных и их взаимозависимости. При этом в одном меню на выбор предлагаются как методы, специфические, как правило, для пространственной выборки ( например, взвешенный метод наименьших квадратов), так и применимые исключительно для временных рядов - например, ARMA. Отметим еще раз, что программа не различает характера экспериментальных данных, и ее неосознанное использование может привести к абсолютно бессмысленному результату. [1]
Рассмотрим обычный метод наименьших квадратов и укажем его модификации. [2]
Применим сначала обычный метод наименьших квадратов. [3]
Один из вариантов обычного метода наименьших квадратов ( ordinary least squares), при котором все переменные умножаются на определенный коэффициент, который может быть функцией одной из переменных уравнения. Результатом такой операции является то, что при определении оценок параметров одним переменным присваивается больший вес, чем другим. [4]
По сравнению с обычным методом наименьших квадратов применение существовавших алгоритмов метода алгебраической коррекции фона требует значительного увеличения объема вычислений. [5]
Применим к уравнению (7.42) обычный метод наименьших квадратов, включая р в число оцениваемых параметров. [6]
Применим сначала к уравнению (8.43) обычный метод наименьших квадратов. [7]
Оценивается модель Y fiX Е обычным методом наименьших квадратов. [8]
Сравнивая полученные результаты с полученными обычным методом наименьших квадратов ( см. (8.7)), можно заметить, что модельные уравнения различаются, хотя и оказываются довольно близкими друг к другу. [9]
В примере 7.2 к модели был применен обычный метод наименьших квадратов. [10]
Если условие р у не выполняется, обычный метод наименьших квадратов может давать существенное отклонение от истинного результата даже на выборках большого объема. [11]
Рассмотрим сначала результат применения к модели (8.14) обычного метода наименьших квадратов. [12]
В случае когда выравнивание ряда проводится по экспоненте, обычный метод наименьших квадратов не применяется. [13]
Найти оценки параметра ( 3, применяя к уравнению (8.67) обычный метод наименьших квадратов и метод инструментальных переменных. [14]
В случае, когда выравнивание ряда проводится по экспоненте, обычный метод наименьших квадратов не применяется. [15]