Регрессионная модель

Cтраница 3

Использование традиционных регрессионных моделей ( линейных при многомерном X и параболических в одномерном случае) в применении к относительно большим подобластям изменения регрессора позволяет сочетать простоту расчетов, свойственную классическим моделям регрессии, с эффективным использованием выборочной информации. Эти методы получили название локально параметрических. [31]

Рассмотрим регрессионную модель временного ( динамического) ряда. [32]

В регрессионную модель технического объекта желательно включать только некоррелированные или слабокоррелированные выходные параметры с целью уменьшения вычислительных затрат на построение модели. [33]

Пример использования графического способа построения прямой методом наименьших квадратов. [34]

Получив регрессионную модель поведения отклика в зависимости от изменения параметров модели, можно приступить к анализу ее. [35]

В регрессионных моделях (12.58), используемых для оптимизации параметров технических объектов, управляемые параметры Х ( нормированы. [36]

В эконометрике регрессионные модели часто строятся на основе макроуровня экономических показателей, когда ставится задача оценки влияния наиболее экономически существенных факторов на моделируемый показатель при офаниченном объеме информации. Поэтому полиномиальные модели высоких порядков используются редко. [37]

В эконометрике регрессионные модели часто строятся на основе макроуровня экономических показателей, когда ставится задача оценки влияния наиболее экономически существенных факторов на моделируемый показатель при ограниченном объеме информации. Поэтому полиномиальные модели высоких порядков используются редко. [38]

Аналогично строятся оптимальные полиномиальные регрессионные модели в случае векторных Л и У. [39]

Экспоненциальная зависимость наилучшим образом бы. [40]

При подборе регрессионной модели независимым фактором или переменной является проходка I, отражающая наработку долота, откликом или зависимой переменной являются значения множества Ас. [41]

Основой построения регрессионной модели является метод наименьших квадратов. [42]

График остатков модели. [43]

При построении регрессионной модели, как правило, анализируют аномальные точки ( Influential Points и Unusual Residuals) и выясняют причины их возникновения. [44]

Задача определения регрессионной модели и и ( х) из ( I) при L из ( 3) уже в детерминированном случае ( нулевые ошибки) является типичной некорректной задачей ( обратная задача математической физики в терминологии [3], [4]) и для ее решения разработан ряд методов регуляризации [ 3J - [5], в большинстве своем не имеющих наглядного физического истолкования и искусственных с точки зрения эксперимента. Некорректность задачи сохраняется и при случайном характере входящих в ( I) - ( 3) величин. Необходимый теперь вероятностный подход позволяет развить устойчивый метод решения ( 1) - ( 3), в основе которого лежит идея использования априорных сведений об искомых характеристиках решения или самого решения. Обычно эти сведения задаются априорными распределениями в соответствующих пространствах, ср. [45]

Страницы: 1 2 3 4