Cтраница 1
Регрессионный анализ используется в том случае, если отношения между атрибутами объектов в БД выражены количественными оценками. Построенные уравнения регрессии позволяют вычислять значения зависимых атрибутов по заданным значениям независимых признаков. [1]
Регрессионный анализ представляет собой развитие метода статистических зависимостей, он основан на выведении зависимости норм и показателей от формирующих их факторов. Часто им свойственны случайность и неопределенность, связь между явлениями носит стохастический ( вероятностный) характер. В этом случае для изучения тесноты связи и взаимосвязи показателей и факторов используется метод корреляционного и регрессионного анализа. Преимущества этих методов заключаются в том, что с их помощью можно количественно оценить степень влияния того или иного фактора. [2]
Регрессионный анализ позволяет по экспериментальным данным, обработанным по методу наименьших квадратов получать значения постоянных времени и коэффициентов усиления для дифференциальных уравнений или передаточных функций динамических элементов систем регулирования. [3]
Регрессионный анализ применяют, когда требуется оценить показатель качества по результатам наблюдений над другими показателями. [4]
Регрессионный анализ устанавливает методы выбора степени полинома и проверки адекватности полученной модели. [5]
Регрессионный анализ применим лишь при условии, если независимую переменную X можно считать неслучайной величиной. [6]
Регрессионный анализ эффективен для изучения поведения различных затрат и особенно необходим при анализе так называемых смешанных затрат, в которых затруднительно априори выделить постоянную часть. [7]
Регрессионный анализ использует статистическую модель для нахождения зависимости среднего значения зависимой переменкой ( прямые трудозатраты) от значения одной или нескольких независимых переменных. При использовании допущений этот метод обеспечивает защиту от возможных ошибок. Наиболее широко применяется метод наименьших квадратов. [8]
Регрессионный анализ представлен не только как самостоятельный метод, но и как метод, значительно расширяющий и углубляющий другие методы анализа. [9]
Регрессионный анализ позволяет решать более широкий класс задач, чем корреляционный анализ, и получать оценки коэффициентов нелинейных уравнений регрессии. [10]
Регрессионный анализ в матричной форме удобен для решения задач на ЦВМ. [11]
Регрессионный анализ устанавливает методы выбора степени полинома и проверки адекватности полученной модели. [12]
Регрессионный анализ и построение доверительных интервалов по формуле ( IX-6) возможны при условии выполнения ряда предпосылок, важнейшими из которых являются предпосылки нормальности распределения вероятностей случайной величины при каждом значении аргумента и однородности ряда дисперсий. Для примера нами рассмотрена выборка по двум режимным параметрам: среднесуточному давлению в начальном узле газопровода ро и суточному начальному притоку газа Q0 в газопровод Урал - Центр за 5 месяцев 1976 г. Расчетные значения х2 для каждого значения вектора аргумента ( ропл, С. [13]
Регрессионный анализ в матричной форме удобен для решения задач на ЦВМ. [14]
Регрессионный анализ устанавливает методы выбора степени и проверки адекватности полученной модели. [15]