Cтраница 1
Общая линейная модель может быть не вполне адекватной задаче сглаживания наблюдений многочленом. [1]
Общая линейная модель, рассмотренная в предыдущем параграфе, позволяет охватить с единой точки зрения классические приемы обработки наблюдений. Мы кратко рассмотрим их сейчас. [2]
В данной матричной форме общая линейная модель регрессии () допускает простое обобщение на тот случай, когда наблюдаемые величины у; являются векторными случайными величинами. При этом никакой новой статистич. [3]
Прежде чем перейти к формулировке общей линейной модели, рассмотрим в качестве иллюстраций два классических примера. [4]
Принципиальная сторона этих задач исчерпывается применением общей линейной модели. [5]
Продолжим теперь разбор некоторых примеров, связанных с общей линейной моделью. [6]
Тт, мы видим, что вновь имеем дело с общей линейной моделью. [7]
Эта альтернатива ( и многие другие) может быть рассмотрена в рамках общей линейной модели. Бывают ситуации, не укладывающиеся в эти рамки. Но, по-видимому, теоретическое рассмотрение всех возможных альтернатив оказалось бы практически бесполезным. [8]
Покажем сначала, что приведенная выше ( см. § 3.1) модель со шрифтами может рассматриваться как частный случай общей линейной модели. [9]
Это можно объяснить тем, что указанный период не является для данного предприятия краткосрочным, следовательно, модель функции затрат имеет более сложный вид. Для более коротких периодов ( квартал) общая линейная модель как модель анализа может быть применена. [10]
Она представляет выбранную меру несогласия наблюдаемых данных и данных, предсказываемых подогнанной функцией. Например, в большинстве традиционных методов построения общих линейных моделей, функция потерь ( часто называемая наименьшими квадратами) вычисляется как сумма квадратов отклонений от подогнанной линии или плоскости. Одним из свойств ( которое обычно рассматривается как недостаток) этой распространенной функции потерь является высокая чувствительность к наличию выбросов. [11]
В неизвестны и подлежат оценке. Модель () является обобщением на m - мерный случаи общей линейной модели регрессионного анализа. [12]