Cтраница 2
Статистическая модель таких требований к знанию системы не предъявляет. Параметры, корреляции между которыми изучаются, могут быть как аспектны по отношению к изучаемому явлению и цели его изучения, так и не аспектны или вообще чисто случайны. Совершенно очевидно, что, чем правильнее набор параметров, чем большую долю составляют строго аспектные параметры, тем ближе статистическая модель к схеме причинно-следственных отношений. [16]
Статистическая модель отталкивается от фактических измерений. В них действительно результат полного врздействия всех природных факторов. Однако без четкой причинной схемы невозможно сказать, полон ли используемый набор параметров, каков он, одинаков ли он для всех измерений, будет ли он тем же самым для того объекта, для которого по полученным статистическим связям делается прогноз. [17]
Статистическая модель, построенная для объяснения и прогнозирования определенных экономических явлений. [18]
Статистические модели такого типа широко применяются, однако у них есть один существенный дефект. Непонятно, имеют ли они какое-либо отношение к действительным уравнениям динамики системы иди нет. [19]
Статистические модели ( 32), ( 10) и ( 12), полученные по месторождениям США, рекомендуются для оценки нефтеотдачи только карбонатных пластов и при разработке на режиме растворенного газа. Применение их для водонапорного режима нецелесообразно из-за достаточно высокой статистической погрешности в отличающихся геолого-физических условиях. [20]
Статистические модели имеют перед аналитическими то преимущество, что они не требуют грубых упрощений и позволяют учесть большое число факторов. Но зато результаты такого моделирования значительно труднее поддаются анализу и осмысливанию. С этой точки зрения предпочтительнее могут быть более грубые аналитические модели. Наилучшие же результаты получаются при совместном использовании аналитических и статистических моделей: простая аналитическая модель позволяет разобраться в основных контурах явления и наметить пути дальнейших исследований, в которых могут быть применены статистические модели любой сложности. [21]
Статистические модели позволяют учесть большее число различных факторов и более сложные взаимосвязи между переменными, но они менее наглядны. [22]
Статистическая модель, использующая методы статистической физики, исходит из внешнего сходства кипящего слоя твердых частиц с хаотическим движением молекул в газе или жидкости. Однако такое предположение будет справедливым только при условии стохастического движения частиц и относительно равномерного распределения их по объему, т.е. для однородной, достаточно разреженной ( порозность е 0 6) системы. Тогда распределение частиц по скоростям будет сходственно с максвелловским, и для математического описания системы можно использовать законы статистической физи-ки. Чтобы применить эту модель, нужно псевдоожиженный слой превратить в организованный, однородный. [23]
Статистическая модель зависимости между двумя случайными величинами, при которой одна из переменных предполагается линейно связанной с другой. Эта зависимость изображается линией регрессии, представляющей собой прямую линию, аппроксимирующую наблюдения таким образом, что сумма квадратов отклонений минимальна. [24]
Статистические модели распределения описывают количественные показатели, поведение которых случайно. Правильно выбрав распределение, можно сделать прогноз будущих значений исследуемого параметра и определить вероятные погрешности этого прогноза. Ниже приводится обзор распределений, призванный освежить память тех читателей, что уже обладают знаниями в области статистики; он, однако, не заменит хороший учебник. В операционном менеджменте используются три вида статистических распределений. [25]
Статистическая модель Мейера - Гуди. Мейер [54] и Гуди [55] независимо друг от друга разработали статистическую модель колебательно-вращательной полосы в случае, когда спектр поглощения состоит из большого числа неравномерно расположенных линий, имеющих произвольное распределение интегральной интенсивности. Согласно этой модели, положение линий и их интенсивность не зависят друг от друга. Здесь будут рассмотрены некоторые результаты, полученные с помощью статистической модели Мейера - Гуди. [26]
Статистические модели отказов описываются методами математической статистики закономерности моментов появления отказов, но не учитывают процессов их возникновения и развития. Это наиболее разработанный и широко используемый класс моделей отказов, однако эти модели наименее информативны и поэтому требуют значительного объема экспериментального материала. [27]
Статистические модели разрушения при нестационарном режи ме нагружения. Рассмотрим сначала более простой случай, когда только параметры прочности рассматриваются как случайные величины. [28]
Локальная статистическая модель рассмотрена в разд. [29]
Построенная статистическая модель характеризуется следующими исходными параметрами. [30]