Наличие - ошибка - измерение
Cтраница 1
Наличие ошибок измерения в независимых переменных несколько снижает влияние мультиколлинеарности. Однако плохая обусловленность матрицы С затрудняет получение удовлетворительных оценок МНК. В случае мультиколлинеарности для получения хороших оценок необходимо отказаться от. [1]
В связи с наличием ошибок измерений в указанные уравнения следует ввести аддитивные случайные величины i, которые имеют случайные распределения с нулевыми математическими ожиданиями и известными дисперсиями. Предполагается, что значения этих величин в различных наблюдениях независимы. [2]
Пользуясь лишь результатами эксперимента, эти коэффициенты определить нельзя, так как из-за наличия ошибок измерения и нестабильности процесса, вызванного неуправляемыми или неконтролируемыми возмущениями, значения функции отклика и ее переменных являются случайными величинами. Поэтому при обработке экспериментальных данных вместо р0, pi; pi -, ц получаются так называемые выборочные коэффициенты регрессии Ь0, bi, b j, Ьц, являющиеся приближенными оценками первых. [3]
Полученные в книге результаты могут представлять интерес в связи с построением систем управления динамическими объектами в условиях конфликта, неопределенностей и помех, при наличии ошибок измерений и запаздывания информации. Эти результаты могут быть полезны при численном моделировании игровых задач и при оценке возможностей системы. Оптимальные алгоритмы поиска могут найти и уже находят применение в вычислительной практике. Как составная часть они входят в более сложные алгоритмы оптимизации и решения многомерных задач. [4]
В дальнейшем используются следующие обозначения: Xt, xt, Zt, ztr q, v - зависимая и независимая переменные при отсутствии и наличии ошибок измерения, ошибки измерения в этих переменных; и 1 ы2 d2 - остаточные возмущения и белый шум в уравнениях для временных рядов и для временных рядов перекрестных выборок; М, s2, л ( 1, я ( 2), 2W, 2 ( 2) - математическое ожидание, выборочная дисперсия, остаточные ковариационные матрицы и ковариационные матрицы коэффициентов в уравнениях для временных рядов и временных рядов перекрестных выборок; N ( 0, s2), гг, Т, п, К, Е, i, ML - обозначение нормального распределения, коэффициент остаточной марковской автокорреляции первого порядка, количество наблюдений временного ряда и выборочного обследования, число независимых переменных, единичная матрица и единичный вектор, обозначение оценки наибольшего правдоподобия. [5]
Известно несколько методов поиска оптимума: метод сечений или метод Гаусса-Зайделя [56], метод градиента, релаксационные методы [33] и др. Однако для задач оптимизации при наличии ошибок измерений наиболее рационален метод Бокса-Уилсона. [6]
В случае применения алгоритмов стохастической аппроксимации для идентификации стационарных процессов, характеристики которых не изменяются во времени, норма вектора IV, которая определяет величину шага изменения оценок, должна при наличии ошибок измерения с ростом Af стремиться к нулю. Действительно, из выражения (12.27) следует, что при наличии ошибок изменение оцениваемых коэффициентов прекращается лишь в том случае, когда величина шага оказывается равной нулю. [7]
Алгоритмы идентификации по методу стохастической аппроксимации при наличии ошибок измерений существенно усложняются. [8]
 |
Модели зависимости остатков от времени. [9] |
Автокорреляция остатков может быть вызвана несколькими причинами, имеющими различную природу. Во-первых, иногда она связана с исходными данными и вызвана наличием ошибок измерения в значениях результативного признака. Во-вторых, в ряде случаев причину автокорреляции остатков следует искать в формулировке модели. Модель может не включать фактор, оказывающий существенное воздействие на результат, влияние которого отражается в остатках, вследствие чего последние могут оказаться автокоррелированными. [10]
В упомянутой выше монографии [195] рассматриваются в числе других вопросы управления в условиях антагонизма при неполной информации. В монографии [257] рассмотрены минимаксные задачи управления объектами в условиях противодействия, неопределенности и помех, при наличии ошибок измерения и запаздывания информации при непрерывном и дискретном управлении. [11]
Существенное упрощение задачи об оптимальном синтезе систем коррекции может быть пол учено тогда, когда оптимизация производится на основе минимаксных критериев, поведение управляющих функций определяется постоянными ( управляющими) параметрами, а возмущения задаются с помощью постоянных случайных параметров. При таких предположениях задача синтеза оптимальных дискретных систем коррекции может быть решена при наличии произвольных ограничений, неполной или полной информации и при наличии ошибок измерений и ошибок отработки управляющих параметров. Настоящая работа основывается на дальнейшем развитии постановки задачи и методики, предложенных в работе [3], на случай, когда необходимо учитывать эти факторы. [12]
 |
Влияние расположения элементов в объекте на величины оптимальных настроек регулятора. [13] |
Использование относительно небольших значений постоянных времени интегрирования, когда п велико, оказывается возможным потому, что фазо-частотная характеристика около частоты, соответствующей 180, достаточно крута. Разница в значениях оптимальных К и Тп для п 3 на рис. 9 - 7 и для Ti T2 Ts на рис. 9 - 4, по-видимому, объясняется тем, что были применены различные виды возмущения. Возможно также наличие ошибок измерений, так как кривая значений интеграла ошибки имеет пологий минимум. [14]
Страницы: 1