Исходные переменные

Cтраница 2

Чтобы перейти от уравнения регрессии ( 3) к уравнению, связывающему исходные переменные У и X, нужно как бы обратить процесс стандартизации переменных. [16]

Использование для отрасли или региона интегральных регрессионных уравнений не дает возможности адекватно выбрать исходные переменные для расчета потерь перекачиваемого продукта. Часто они показывают возможные, косвенные ( через третьи переменные) зависимости, не отражающие прямые связи с источниками потерь газа. Когда в одно уравнение, например для расчета потерь на магистральном газопроводе, внесены, на первый взгляд, очевидные параметры: объем перекачиваемого газа, установленная мощность ГПА, протяженность газопровода, среднегодовая производительность, которые мало связаны с источниками неконтролируемых потерь газа, то его использование в практике эксплуатации газопроводов дает лишь констатацию факта утечки и не приводит к выводу о необходимости совершенствования техники и технологии обслуживания газопроводов. [17]

Далее ив логической функции выбираются такие логические операции, для выполнения которых используются исходные переменные и хотя бы один иа результатов, полученных элементами первого яруса. Множество реализованных таким обра вой логических операций образует второй ярус логической схемы и так далее до тех пор, пока не будут выполнены все логические операции входящие, в структурную формулу. [18]

Задача состоит в том, чтобы определить величину К - и внести поправку в исходные переменные. С этой целью рекомендуется использовать обобщенный метод наименьших квадратов1, который эквивалентен обыкновенному МНК, примененному к преобразованным данным. Чтобы убедиться в необходимости использования обобщенного МНК, обычно не офаничиваются визуальной проверкой гетероскедастичности, а проводят ее эмпирическое подтверждение. [19]

Задача состоит в том, чтобы определить величину К - и внести поправку в исходные переменные. С этой целью рекомендуется использовать обобщенный метод наименьших квадратов1, который эквивалентен обыкновенному МНК, примененному к преобразованным данным. Чтобы убедиться в необходимости использования обобщенного МНК, обычно не ограничиваются визуальной проверкой гетероскедастичности, а проводят ее эмпирическое подтверждение. [20]

Читатель заметит, что в рассмотренном примере первое продолжение pr ( 1) G действует на исходные переменные ( х, и) в точности так же, как сама группа G; лишь действие на производную их доставляет новую информацию. Это замечание справедливо и в общем случае. G совпадает с действием продолжения prft) G. [21]

Найдя как нужные переменные, так и гамильтониан, мы сведем задачу к тому, как ввести канонический формализм, если исходные переменные были функциями непрерывно изменяющейся переменной. [22]

Отличие такой формулировки от исходной заключается в том, что здесь на все переменные yj наложены условия неотрицательности, а на исходные переменные я / их не накладывали. [23]

При другом способе в уравнениях, составленных по структурной схеме набора задачи, производят при помощи преобразования переменных замену физических аналогов на исходные переменные и сопоставляют полученные уравнения с исходными. Обе системы дифференциальных уравнений должны быть одинаковыми. [25]

При определении коэффициентов передач отдельных решающих элементов исходят из того положения, что процессы в моделирующей установке должны описываться теми же по форме дифференциальными уравнениями, что и для исходной задачи, а исходные переменные и их физические аналоги в модели могут отличаться лишь масштабными коэффициентами. Поэтому принципиально могут иметь место два способа определения коэффициентов передач решающих элементов в схеме. Первый состоит в том, что в исходных уравнениях с помощью соответствующего преобразования заменяют переменные их физическими аналогами. На основании полученных уравнений составляют структурную схему набора задачи. По этой схеме записывают уравнения, связывающие переменные модели, и эти уравнения сопоставляют с преобразованными ранее исходными уравнениями. Из сопоставления уравнений определяют соотношения между коэффициентами исходных уравнений и масштабами преобразования переменных с одной стороны, и коэффициентами передачи отдельных решающих элементов - с другой. [26]

Но теперь мы сохраним исходные переменные, поскольку т2 и К имеют существенное значение в квантовом контексте. Подразумевается, что классические результаты гл. Это приводит к спонтанному нарушению симметрии в квантованной теории. Вакуумный сектор состояний может быть построен вокруг любого из этих минимумов. В этом разложении в порядке К система (2.62) есть свободная полевая теория с бо-зонной массой т ( в отличие от системы кинка в гл. [27]

Сценарии развития проекта. [28]

При относительном анализе чувствительности сравнивается относительное влияние исходных переменных ( при их изменении на фиксированную величину, например, на 10 %) на результирующие показатели проекта. Этот анализ позволяет определить наиболее существенные для проекта исходные переменные; их изменение должно контролироваться в первую очередь. [29]

Метод Монте-Карло является методом формализованного описания неопределенности, используемым в наиболее сложных для прогнозирования проектах. Он основан на применении имитационных моделей, позволяющих создать множество сценариев, которые согласуются с заданными ограничениями на исходные переменные. [30]

Страницы: 1 2 3