Квадратичная модель

Cтраница 2

Вычисляются оценки параметров локальной квадратичной модели и по ней окончательно определяется точка оптимума. [17]

Для прогнозирования используем квадратичную модель и данные за все 18 месяцев производства и реализации. [18]

Ошибка в определении коэффициентов квадратичной модели критерия и линейной модели ограничений, особенно при счете статистических характеристик управляемого процесса по малым выборкам, носит случайный характер. Математическое ожидание и дисперсия этой ошибки определяются используемым алгоритмом сбора информации о поведении критерия качества и ограничений и алгоритмом ее обработки, а также свойствами самого критерия и ограничений. Поэтому каждая процедура последовательной оптимизации представляет собой разновидность процедуры стохастической аппроксимации. [19]

Рассмотрим некоторые алгоритмы получения приближенной квадратичной модели оптимизируемого критерия качества, широко использующие методы теории чувствительности. [20]

Всю описываемую здесь процедуру построения приближенной квадратичной модели следует повторять от шага к шагу оптимизации, и таким образом будет определяться последовательность подмножеств 5, из которых выбираются решения на k - м шаге. [21]

При разработке конкретных алгоритмов построения квадратичной модели критерия качества нужно опираться на ряд требований. Одним из важнейших является максимальная простота алгоритма. [22]

Для уменьшения числа опытов при получении квадратичной модели в условиях дрейфа в работе [78] рассмотрена возможность комбинирования модифицированных планов Бокса с планами Кокса. Этот прием основан на использовании того факта, что любой вектор-столбец симметричных планов ортогонален вектор-столбцам планов, симметричных с противоположными знаками. [23]

Действительно, при g 2 получаем квадратичную модель (3.1.9), при q 1 - кусочно-линейную модель (3.1.11), а при 0 q 1 - клювообразную. [24]

Решим задачу оптимального распределения параллельных опытов для квадратичной модели, оцениваемой по данным ( д, 2 -решетки. [25]

Это легко объяснить, так как производная квадратичной модели линейна и, следовательно, совпадает с касательной, что и обеспечивает полученный эффект. [26]

Подход, примененный для принятия решения по одно-факторной квадратичной модели, перенесен на случай многофакторной модели. Однако в такой модели (1.5) оптимальное положение каждого фактора x ext зависит от эффектов взаимодействия Ьц... [27]

Поскольку доверительные интервалы коэффициентов регрессии в случае линейной и неполной квадратичной модели равны между собой, то коэффициент регрессии можно считать значимым, если его абсолютное значение превышает величину абсолютного значения отклонения АЬ. [28]

Для диагностики параметра а излагаемым методом воспользуемся квадратичной моделью вибрационного сигнала: в разложении ( 1.16 J оставим три первых члена. [29]

Полученный интервал безубыточности более точно, чем в неполной квадратичной модели, соответствует действительности. Так, в плане на I квартал 2000 года заложен объем производства, равный 3100 штук, что, согласно рис. 4.12, соответствует отрицательной прибыли при сохранении цены на прежнем уровне 6000 рублей. Действительно, себестоимость единицы продукции в I квартале оказалась равна 6065 рублей, что вынудило предприятие поднять цену до 7100 рублей, чтобы не оказаться в убытке. [30]

Страницы: 1 2 3 4