Cтраница 2
Третье допущение о том, что значения е независимы друг от друга, просто означает, что второстепенные факторы или факторы, которые послужили причиной ошибки для одной из величин Y, не приводят автоматически к ошибкам для всех наблюдений Y. Когда значения е независимы, данные являются неавтокорре-лированнымн. Если значения е не являются независимыми, говорят, что данные автокоррелированы или демонстрируют наличие автокорреляции. [16]
При анализе машинных экспериментов по имитационному моделированию часто возникают трудности, связанные с тем, что выходы оказываются автокоррелированными. При этом значение наблюдаемого выхода зависит от результатов одного или нескольких предыдущих наблюдений и потому содержит меньше информации, чем в случае независимых наблюдений. Так как в большинстве существующих методов планирования эксперимента предполагается независимость наблюдений, то многие обычные статистические методы нельзя непосредственно применять в случае наличия автокорреляции. [17]
В предыдущих разделах при определении необходимого объема выборки мы предполагали, что выборочные значения независимы и некоррелированы. При построении многих имитационных моделей это предположение не выполняется. Термин автокорреляция означает, что последующее выборочное значение зависит от предыдущих. При наличии автокорреляции в выборке содержится меньше информации, чем в выборке из независимых данных. [18]
Если партия начинается с расстояния РЕ, большего, чем г, то следует ожидать, что в ранней стадии игра будет похожа на игру с полной информацией. Если предположить наличие большой автокорреляции, то сфера обнаружения будет фактически стационарной и, однажды войдя внутрь нее, Р останется там, не проявляя особой ловкости. [19]
Эти модели процессов строятся в общем случае по информации, относящейся к равным уровням иерархии и различным периодам времени о применением метода наименьших квадратов. Данный метод строится на предпосылке о независимости друг от друга отдельных наблюдений по одной и той же переменной. Однако при рассмотрении сложных процессов последовательные наблюдения зависят друг от друга, т.е. существуют автокорреляции. По-зтому оценки коэффициентов регрессии полученные по методу наименьших квадратов, не имеют оптимальннх. Наличие автокорреляций приводит к искал шив величины среднеквадратических ошибок коэффициентов регрессии, что затрудняет построение доверительных интервалов для коэффициентов регрессии, а также проверку их существенности. [20]