Анализ - адекватность
Cтраница 1
 |
Линейная регрессия для данных. ИРКУТ1 и ИРКУТ2. [1] |
Анализ адекватности основывается на анализе остатков. [2]
Анализ адекватности проектной модели реальной системе может быть проведен на последующих этапах создания комплекса с использованием комплексных тренажеров пилотируемых систем, которые наиболее полно учитывают все свойства и параметры системы, а также свойства и характеристики человека-оператора. В работе [66] предлагаются критерии и методы тестовых исследований меры эквивалентности таких моделирующих установок реальным системам без изменения способа действий оператора. [3]
Анализ адекватности математических моделей измерения и интерпретации в теории ИВС называется анализом измерения. [4]
Для анализа адекватности и достаточности принимаемых предупредительных мер и важности, существенности каждого фактора рисков сами риски должны выражаться в сопоставимых показателях - например, с помощью оценки возможности отклонения от запланированной проектной цели и связанных с этим количественных результатов реализации проекта. [5]
После проведения эксперимента проводят анализ адекватности ( соответствия) выбранной модели ( вида полинома) опытным данным. Затем проверяют значимость коэффициента по - критерию Стьюдента или построением доверительных интервалов. Эти методы даны в разделе по регрессионному анализу, и их можно непосредственно использовать. [6]
Таким образом, проблема принятия решения об инвестициях сводится к анализу адекватности плана предполагаемого развития событий и вероятных последствий его осуществления ожидаемому результату. [7]
Составная часть разработки алгоритмического описания - разработка структуры модели и, возможно, представление модели в графической форме. Необходимый элемент выполняемых работ - тщательный, анализ адекватности модели. Этап завершается программированием и контрольными испытаниями модели. [8]
Активные методы экспериментирования связаны с созданием и изучением математических моделей - - уравнений регрессии. Исследователь предлагает вид модели, а последним этапом эксперимента является анализ адекватности модели и принятие решений. [9]
Если ОПМ, как отмечалось выше, является психическим отражением конкретного состояния объекта, специализированным для решения возникшей оперативной задачи, то ПМ - это психическое отражение объекта, служащее основой решения всех оперативных задач, возложенных на человека-оператора. ПМ - это онтогенетическое, стохастически обобщенное отражение объекта, корректируемое посредством анализа адекватности оперативно-психических моделей, результатов решения оперативных задач, новых профессиональных знаний и навыков по управлению объектом. [10]
Данные других экспериментов ( и их большее число), проведенных в других условиях и на других установках, служат при этом для анализа достоверности априорных расчетов по соответствующей машинной программе. Весьма желательно при этом соблюсти двойную априорность расчетов, обеспечивающую достаточную объективность анализа адекватности машинной программы. [11]
Сглаживающие свойства алгоритма, представляющие особый интерес в задачах адаптации, определяются в основном величиной cti. Кроме этого, в данной работе для устранения рыскания в области оптимума вводится дополнительный этап анализа адекватности модели и реального процесса. Этап анализа адекватности модели и реального процесса формально можно рассматривать как введение дополнительной ступени в адаптивные алгоритмы. [12]
Необходимо подчеркнуть, что модели поведения, описанные в этом параграфе, являются в настоящее время теоретическими построениями и пока не используются на практике, поскольку, во-первых, они довольно сложны с математической точки зрения, так что их исследование - достаточно сложная задача, и, во-вторых, вопрос о правильности этих моделей остается пока открытым. Такие сложные модели поведения администрации предприятий трудно проверить с помощью непосредственных наблюдений или обработки статистических материалов, что приводит к возникновению методологической проблемы анализа адекватности этих моделей. Исследование адекватности моделей отличается как от прикладных исследований, в которых делаются попытки исследовать некоторые реальные системы стимулирования - производства, так и от чисто модельных исследований, предназначенных для изучения некоторых свойств математических моделей систем стимулирования, поскольку основной целью такого исследования является сравнение результатов анализа модели с наблюдаемыми явлениями. Рассмотрим исследование такого типа. [13]
Сглаживающие свойства алгоритма, представляющие особый интерес в задачах адаптации, определяются в основном величиной cti. Кроме этого, в данной работе для устранения рыскания в области оптимума вводится дополнительный этап анализа адекватности модели и реального процесса. Этап анализа адекватности модели и реального процесса формально можно рассматривать как введение дополнительной ступени в адаптивные алгоритмы. [14]
Есть и другая причина интереса к простым, приближенным моделям. Дело в том, что никакая модель не отражает абсолютно точно всех свойств моделируемого объекта, именно потому, что она - модель, а не сам этот объект. Моделируется всегда какой-то аспект реального явления или объекта. При этом возникает проблема анализа адекватности модели. Трудно угадать все факторы, которые существенно влияют на выделенную совокупность характеристик объекта. Это приводит к итерациям в разработке модели. Понятно, что анализ и модификации делать проще па простой модели. [15]
Страницы: 1 2