Cтраница 3
Количественное описание частично управляемых процессов связано, прежде всего, с выявлением наиболее существенных характеристик, и одним из возможных путей является построение регрессионных моделей. [31]
Таким образом, огромное значение для устойчивого развития нефтяной промышленности России имеет предсказуемая динамика мировых цен на нефть и нефтепродукты, предполагающая построение регрессионных моделей с учетом рассмотренных в статье факторов. При этом необходимо помнить, что, несмотря на все прогнозы, цена на нефть остается наиболее волатильной, наименее предсказуемой в своем поведении и зависит не только от классических фундаментальных, но и от политических факторов. [32]
В оценке и анализе развития товарооборота используются различные методы исследования динамических процессов: построение динамических рядов ( в натуральных и стоимостных единицах), расчет показателей динамики ( базисных и цепных темпов роста и прироста, абсолютных приростов), построение трендовых регрессионных моделей динамики, индексный метод. [33]
Отбор факторов, включаемых в корреляционно-регрессионную модель, осуществляется в несколько приемов: логический отбор факторов в соответствии с их экономическим содержанием, отбор существенных факторов на основе оценки их значимости по / - критерию Стьюдента, последовательный отсев незначимых факторов при построении регрессионной модели. [34]
Задача оптимизации сводится к нахождению xt внутри (1.36), удовлетворяющих некоторой системе ограничений и приводящих к экстремуму целевую функцию. Построение регрессионной модели оптимизации предприятия очевидно. [35]
При построении регрессионных моделей обычно возникает вопрос, нельзя ли пренебречь зависимостью Y от некоторых координат вектора к. Иными словами, возникает вопрос о проверке гипотезы, что некоторые элементы матрицы коэффициентов регрессии g равны нулю. [36]
Разница между двумя коэффициентами отражает потерю информации о связи признаков, вызванную образованием интервалов. При построении регрессионной модели по данным корреляционной таблицы типа табл. 12.2 в качестве значений признаков используются середины интервалов. При этом все суммы, необходимые для системы нормальных уравнений, вычисляются как взвешенные по частотам комбинационного распределения. В настоящее время при повсеместном применении вычислительной техники предварительное построение корреляционной таблицы не только не упрощает, а наоборот, усложняет вычисления. [37]
Сложность и недостаточная изученность процесса бурения требуют использования в качестве математической модели системы зависимостей, учитывающих наиболее полно основные факторы, определяющие эффективность управления процессом бурения. При этом эффективны методы построения регрессионных моделей на основе активного эксперимента и группового учета аргументов. [38]
Однако в большей части задач практики решения приходится принимать при неполной информации. Так, например, при построении регрессионной модели в случае, когда распределение величин X и Y не известно или зависит от неизвестных параметров, распределение ошибки модели остается в той или иной степени неопределенным. [39]
Отсутствие автокорреляции остаточных величин обеспечивает состоятельность и эффективность оценок коэффициентов регрессии. Особенно актуально соблюдение данной предпосылки МНК при построении регрессионных моделей по рядам динамики, где ввиду наличия тенденции последующие уровни динамического ряда, как правило, зависят от своих предыдущих уровней. [40]
Вторая гипотеза, которую приходится проверять при построении регрессионных моделей, - это гипотеза о линейности регрессии. Для проверки этой гипотезы необходимо при каждом значении х наблюдать случайную величину Y достаточно большое число раз. [41]
Вторая гипотеза, которую приходится проверять при построении регрессионных моделей, - это гипотеза о линейности регрессии. [42]
Рассмотрены вопросы построения научно-методического обеспечения АСНИ, основные методы получения экспериментально-статистических моделей изучаемых объектов, процессов, явлений. Изложены методы и алгоритмы получения оценок основных характеристик случайных процессов, методика организации эксперимента при анализе стохастических сигналов; решение задачи построения регрессионных моделей и методы оптимального планирования эксперимента при их получении, а также методы планирования экстремальных экспериментов. [43]
К преимуществам регрессионного анализа относятся строгость математической теории, сравнительная простота вычислений и интерпретации полученных результатов. Для построения регрессионной модели достаточно обосновать выбор соответствующих факторов, теснейшим образом связанных с моделируемым процессом, и набрать представительную выборку из промысловых данных. [44]
Количественное описание частично управляемых процессов связано, прежде всего, с выявлением наиболее существенных характеристик, и одним из возможных путей является построение регрессионных моделей. Ясно, что построение регрессионных моделей должно быть проведено на основе анализа текущей фактической работы предприятий. [45]