Минимум - сумма - квадрат
Cтраница 2
 |
Зависимость lg ( BZ / u от lg и для некоторых систем. [16] |
На основе этой программы из возможных комбинаций комплексов выбирается та, которая обеспечивает минимум суммы квадратов расхождений между экспериментальными и расчетными значениями Z, Улучшенный вариант программы дополнительно учитывает требование, заключающееся в том, что константа равновесия не может быть - отрицательной. [17]
На основе этой программы из возможных комбинаций комплексов выбирается та, которая обеспечивает минимум суммы квадратов расхождений между экспериментальными и расчетными значениями Z. Улучшенный вариант программы дополнительно учитывает требование, заключающееся в том, что константа равновесия не может быть отрицательной. [18]
Один из методов выбора осей, напрашивающийся сам собой, заключается в нахождении минимума суммы квадратов отклонений отдельных точек за короткий промежуток времени 8 / от того положения, которое точки занимали бы, если бы они были неизменно связаны с осями. [19]
Согласно этой программе, отыскиваются такие значения констант скоростей, которые обеспечивают достижение минимума суммы квадратов отклонений расчетных величин концентраций от опытных. Если ошибки последних подчиняются нормальному закону, то определяемые таким образом константы скоростей являются наиболее вероятными для данного механизма. [20]
 |
Структурные схемы самонастраивающихся систем автоматического регулирования, обеспечивающих минимум суммы квадратов динамической и случайной ошибок. [21] |
Составить структурную схему самонастраивающейся следящей системы ( рис. 7.30, а), обеспечивающей минимум суммы квадратов динамической и случайной ошибок, если на ее разделенные входы поступают сигнал помехи в виде белого шума с медленно изменяющейся спектральной плотностью 5 ( со) с8 и полезный сигнал g ( t) At, где параметр А также медленно изменяется со временем. [22]
Нетрудно видеть, что максимум функции правдоподобия, вычисляемый по уравнению (III.271), соответствует минимуму суммы квадратов разностей. [23]
Главная ось контурного эллипса называется линией ортогональной регрессии, так как ее можно найти, обращая в минимум суммы квадратов перпендикулярных к ней отклонений. [24]
Требуется найти вероятнейшее значение Д / С, которое при подстановке в ( 8) давало бы минимум суммы квадратов невязок. [25]
Аппроксимация известных данных не представляет особых трудностей, поскольку существуют надежные критерии адекватности модели и описываемого ею явления или свойства, например минимум суммы квадратов невязок или другие соглашения. Хуже обстоит дело при необходимости использовать в ходе расчетов модель функции, которая не изучается экспериментально, так как, с одной стороны, нет надежных критериев выбора той или иной формулы, а с другой - результаты расчетов, как правило, сильно зависят от качества выбранной модели и числа неизвестных параметров в ней. Этот случай имеет место при решении обратных задач фазовых равновесий ( см. сноску1) и рассматривается подробнее ниже. При решениях же прямых или обратных, но корректно поставленных задач выбор модели не является определяющим этапом расчетов, и почти всегда можно пользоваться наиболее привычными полиномиальными представлениями зависимостей термодинамических функций от переменных состояния. [26]
Ьх при равноточных х и у ( sXl const s) будет прямая ортогональной регрессии, поскольку в данном случае минимум функционала (8.64) одновременно отвечает минимуму суммы квадратов отклонений точек от прямой, измеряемым не по вертикали, а по опускаемым на прямую перпендикулярам. Вычислительные формулы ортогональной регрессии [246, 255] более сложны, чем для линейного МНК, однако, в отличие от уравнений (8.62), не требуют итерационной процедуры. [27]
В упражнениях ( 6) будут указаны некоторые свойства положений равновесия системы, аналогичные только что подробно изложенным, в частности свойство, указанное Гауссом и Мебиусом, относительно минимума суммы квадратов. [28]
Современные профилометры определяют значения Н / к или Ru от некоторой средней линии, которая не является эквидистантой линии движения опоры и в точности не соответствует средней линии, найденной из условия минимума суммы квадратов расстояний точек проижля. [29]
Результатом приложения ММП к линейной зависимости у а Ьх при равноточных х и у ( sXi const sy будет прямая ортогональной регрессии, поскольку в данном случае минимум функционала (8.64) одновременно отвечает минимуму суммы квадратов отклонений точек от прямой, измеряемым не по вертикали, а по опускаемым на прямую перпендикулярам. Вычислительные формулы ортогональной регрессии [246, 255] более сложны, чем для линейного МНК, однако, в отличие от уравнений (8.62), не требуют итерационной процедуры. [30]
Страницы: 1 2 3 4