Квадратичная модель

Cтраница 1

Графики линейных регрессионных моделей выручки от реализации. [1]

Квадратичная модель, которая получается при этом, имеет стандартную ошибку ( 100 59 тыс. руб.) - ниже стандартной ошибки, полученной для 13 - 18-го месяцев линейной модели ( 281 15 тыс. руб.), а уровень детерминации ( 99 57 %) выше, чем у линейной модели ( 96 62 %), т.е. квадратичная модель предоставляет более точные данные. [2]

Квадратичная модель в совокупности с эквивалентировани-ем сети в ПМД позволяет рассчитать значение (2.68) по итогам решения непрерывной задачи. [3]

Схема установки для синтеза сложных эфиров. [4]

Если неполная квадратичная модель неадекватна или эффект от квадратичных членов значим, необходимо использовать для аппроксимации квадратное уравнение. [5]

Однако для квадратичной модели указанный план является вырожденным и не позволяет получить несмещенные оценки всех трех параметров квадратичной функции регрессии. [6]

Для получения квадратичных моделей пользуются результатами эксперимента, проведенного по плану второго порядка. Если выполняются условия: 1) ошибки наблюдений распределены по нормальному закону с нулевым средним и конечной дисперсией; 2) входные переменные измеряются без ошибок; 3) наблюдения независимы-то для обработки экспериментальных данных применяют метод регрессионного анализа, причем вычислительная процедура оценивания неизвестных коэффициентов уравнения регрессии основана на методе наименьших квадратов. [7]

Рассмотрим применение неполной квадратичной модели для анализа прибыли предприятия. [8]

Ошибка построения квадратичной модели критерия качества не должна быть большой при больших вариациях вектора параметров управления относительно заданного или полученного в процессе оптимизации. Достаточное совпадение критерия качества и его квадратичной модели в широкой области множества допустимых управлений позволяет сокращать общее число шагов оптимизации, а значит, и время, затрачиваемое на синтез оптимальной системы управления. Как правило, этому требованию наилучшим образом удовлетворяют алгоритмы, в которых используется метод наименьших квадратов или его статистический аналог - регрессионный анализ. [9]

Проверку адекватности полученной неполной квадратичной модели (4.7) производят с помощью F-критерия Фишера, для чего необходимо получить оценку дисперсии воспроизводимости по исходной МП. [10]

Поскольку FSFK, квадратичная модель адекватна. [11]

Обратимся сначала к квадратичной модели (11.4.20), для которой система (13.0.1) линейна. [12]

Обратимся сначала к квадратичной модели (11.4.20), для которой система (13.0.1) линейна. [13]

По результатам анализа квадратичной модели (2.49) был рекомендован новый режим прессования. [14]

Свойство (2.16) в квадратичной модели делает правомочной групповую фиксацию переменных и в этом случае, но оно может не выполняться при учете составляющих GQV, особенно при низкой степени КРМ, когда согласно (2.24) эти составляющие велики. [15]

Страницы: 1 2 3 4