Оценка - параметр - модель
Cтраница 2
Для характеристики точности оценок параметров модели, построенной по плану, наряду с дисперсионной матрицей оценок параметров используется нормированная дисперсионная матрица оценок параметров. [16]
Определяетмые данным методом оценки параметров модели не обладают свойствами несмещенности, состоятельности, эффективности. [17]
После того как произведена оценка параметров модели, рассчитывая разности фактических и теоретических значений результативного признака у, можно определить оценки случайной составляющей у - ух. [18]
Более сложной задачей является оценка параметров моделей межфазного равновесия, например парожидкостного. Все существующие в настоящее время модели парожидкостного равновесия являются т-откликовыми, где т - количество компонентов в смеси. Каждый отклик представляет собой yt ( P -) где уг - коэффициент активности i - ro компонента, а Р - вектор параметров модели. Большинство исследователей, решая эту задачу, намеренно упрощают ее, явно или неявно объединяя т откликов в один, однако упрощение при этом получается лишь видимое. В работе [36] показано, что суммарный отклик представляет собой сложную многоэкстремальную функцию, поиск глобального экстремума которой является весьма трудным. Задачи такого рода целесообразно решать с помощью универсальных методов оценки параметров. [19]
ОЦЕНИВАНИЕ подразумевает процедуру получения оценок параметров моделей, определяющих адекватность моделей. [20]
Рассмотрим основной подход к оценке параметров модели регрессии в случае, когда имеет место автокорреляция остатков. [21]
Пример описания одной из процедур оценки параметров моделей, входящих в библиотеку, был приведен в йредыДущем разделе. [22]
 |
Вероятности разных приростов запасов газа в газоносном районе при различных капиталовложениях в разведку ( в % к максимально необходимым. [23] |
При выводе основных соотношений и оценке параметров модели использовалась следующая информация о результатах уже проведенных геолого-разведочных работ: 1) потенциальные ресурсы региона и их распределение по горизонтам; 2) динамика разведки перспективных площадей по годам; 3) динамика и распределение среднего числа скважин, необходимых для опробования одной перспективной площади, в зависимости от результатов опробования; 4) состав открытых месторождений в регионе, их запасы, глубины и очередность открытия; 5) динамика объемов поисково-разведочных работ и средних глубин бурения; 6) динамика капиталовложений в поисково-разведочные работы с разбивкой по видам. [24]
Иногда величина 5 определяется по оценкам параметров модели пика. Для этого составляется система уравнений: число опросов равно числу параметров. [25]
 |
Символьные преобразования реализации Rdl. [26] |
В задачах первого типа необходимые для оценки параметров модели (5.17) данные у /, щ могут быть получены при подаче на вход звена произвольного сигнала. Однако этот произвол ограничен требованиями условий существования решения. Легко убедиться в том, что, для обеспечения существования решения, входной сигнал не может быть выбран постоянным. Таким образом, решение задачи оценки вектора g (5.18) существует лишь при переменных во времени входных сигналах. [27]
Формулы ( VI71) позволяют получить оценки параметров модели и их ковариационную матрицу. [28]
Прежде чем продолжать вывод уравнений для оценки параметров модели по методу наименьших квадратов, важно рассмотреть понятие систематической ошибки. Источниками систематических ошибок служат недостатки приборов или оплошности экспериментатора. Систематические ошибки вносят смещения в экспериментальные данные и в результате приводят к неправильным значениям параметров. [29]
Метод максимального правдоподобия основан на условии оценки параметров модели, которые обеспечивают наибольшую вероятность получить значения параметров состояния, имеющих место в процессе эксперимента. При байессовском подходе анализ задачи начинается с определения плотности распределения априорной вероятности значений параметров на основе прошлого опыта и другой доступной информации. [30]
Страницы: 1 2 3 4