Cтраница 1
Корреляционная модель отражает связь между случайными по своей природе величинами. [1]
Мпогофакторная корреляционная модель дает возможность не только выразить количественно влияние факторов на изучаемый показатель, но и предсказать значение функции и, следовательно, управлять анализируемым показателем. Результаты такого анализа предназначены для разработки плановых заданий. Использование этого метода предполагает предварительное установление формы связи показателей и формирующих их факторов, расчет показателей достоверности, а также пределов, в которых может быть использовано уравнение регрессии. [2]
Рассматривается корреляционная модель описывающая основные ста - тистжческие характеристики температурного поля при турбулентном течении несжжмаемой кмдкостж при произвольных числах Прандтля. [3]
Эта корреляционная модель не надежна, когда различия в эффективных объемах RL и RM ( L и М - большая и средняя группы) невелики [95] или когда субстрат имеет несколько сторон для эффективной координации с Eu ( fod) 3 [ например, Lys ( Ts) - OMe или DOPA ( Me) 2 ] ( К. [4]
Предложена убедительная корреляционная модель переходного состояния, которая позволяет объяснить стереохимию продукта и наблюдаемое обращение после добавления этанола. Этот метод весьма перспективен, и его следует развивать. [5]
В корреляционную модель линейного типа не рекомендуется включать факторы, связь которых с результативным показателем имеет криволинейный характер. [6]
В предполагаемых корреляционных моделях переходного состояния, представленных схемами 64А и 64Б, экзо - или эндо-конфигурация реактива не учитывается, так же как не учитывается, какой - водород переносится, экзо -, или эндо -, или оба. [7]
Корреляционный анализ ( корреляционная модель) - метод, применяемый тогда, когда данные наблюдений или эксперимента можно считать случайными и выбранными из совокупности, распределенной по многомерному нормальному закону. [8]
Такого полного комплекса корреляционных моделей не разработано пока ни для одного вида новой техники. Ведь современная продукция машиностроения отличается большой сложностью. Объясняется это, в первую очередь, огромным количеством видов деталей и узлов, из которых компануются изделия. Отсюда ясно, что и число зависимостей, необходимых при их проектировании, будет также огромным. [9]
При создании многофакторкой корреляционной модели необходимо отбирать самые значимые факторы, которые оказывают решающее воздействие на результативный показатель, так как охватить все условия и обстоятельства практически невозможно. Факторы, которые имеют критерий надежности по Стьюденту меньше табличного, не рекомендуется принимать в расчет. [10]
Нежелательно включать в корреляционную модель факторы, связь которых с результативным показателем носит функциональный характер. [11]
Разновидностями данных моделей являются вероятностные и корреляционные модели. Вероятностные модели используют плотности вероятности переменных процесса. При этом наиболее часто используются нормальный и экспоненциальный законы распределения. Использование таких моделей ограничено тем, что при числе переменных более двух требуется большое число экспериментов, возникают трудности, связанные с коррелируемостью параметров. [12]
Не рекомендуется включать в корреляционную модель взаимосвязанные факторы. Если парный коэффициент корреляции между двумя факторами больше 0 85, то по правилам корреляционного анализа один из них необходимо исключить, иначе это приведет к искажению результатов анализа. [13]
В соответствии с принципами использования корреляционных моделей может задаваться значение, не выходящее за пределы данных наблюдений. Экстраполяция допустима лишь в особо обоснованных случаях. [14]
Необходимо разработать методы автоматического получения корреляционных моделей вычислительных блоков на основе строгих математических моделей этих блоков. [15]