Cтраница 3
Перечисленные этапы обработки информации позволяют выявить статистические закономерности и сформулировать задачи математического моделирования взаимосвязей между свойствами нефти и условиями ее залегания. В общем случае форма взаимосвязи находится методом множественного регрессионного анализа в жиде линейных функций. Далее проводится анализ полученных уравнений, уточняются их коэффициенты для различных регионов. В результате получен большой материал, углубляющий представления о нефти ш взаимоовязаняоети еэ свойств. Одно жз актуальных приложений построенных моделей состоит в использовании их для предсказания неизвестных характеристик по известным. Как правило, подавляющее число нефтей исследовано только по 15 - 25 признакам. Открывающиеся возможности прогнозирования остальных, трудноопределяемых свойств нефти х ее компонентов могут привести к значительной экономии за счет совращения объемов ВИР. С этими целями ведется подготовка таблиц предсказываемых значений для характеристик яефтей, наиболее важных в промышленных приложениях. [31]
Данный вопрос решается из физических предположений об анализируемом процессе. Для дальнейшего проведения анализа нажимаем правую кнопку мыши в панели множественного регрессионного анализа. [32]
Уже при п 20 и р 3 расчеты коэффициентов уравнения регрессии вручную и с применением настольных ЭВМ весьма затруднительны. При п 500 и р 10 расчеты вручную для одной только задачи можно проводить в течение многих лет, поэтому процедура множественного регрессионного анализа ориентирована главным образом на применение больших ЭВМ. [33]
Уже при и 20 и р 3 расчеты коэффициентов уравнения регрессии вручную и с применением настольных ЭВМ весьма затруднительны. При п 500 и р 10 расчеты вручную для одной только задачи можно проводить в течение многих лет, поэтому процедура множественного регрессионного анализа ориентирована главным образом на применение больших ЭВМ. [34]
Регрессионные модели были получены дифференцированно для объектов разработки, представленных терригенными коллекторами, разрабатываемыми на истощение и с заводнением, и карбонатными коллекторами, разрабатываемыми на естественном режиме истощения пластовой энергии. Для объектов с карбонатными коллекторами, разрабатываемыми с заводнением, были выявлены основные тенденции для зависимостей Y / f ( Xj) ввиду невозможности построения геолого-статистических моделей с использованием множественного регрессионного анализа из-за недостаточного объема выборки исходной геолого-промысловой информации. [35]
Следующий этап - проведение регрессионного анализа, в котором не участвуют скважины, выбивающиеся из группы. Целью применения множественного регрессионного анализа является установление статистической взаимосвязи между факторами, характеризующими эффективность применения избыточного активного ила, и геолого-технологическими параметрами. [36]
Необходимы методы статистического анализа. Например, сначала выбирают минимальное число параметров и определяют их значения с помощью множественного регрессионного анализа. Результаты расчета можно сравнить с исходными данными и статистически оценить уровень значимости согласования. Если этот уровень окажется слишком низким, вводят дополнительные параметры и процедуру повторяют. Расчет заканчивают, когда согласование можно считать удовлетворительным. [37]
При изучении множественного регрессионного анализа такой возможности нет, так как не существует графической интерпретации многомерного пространства. Ясно, что р-мерное пространство - это только математический прием, экстраполяция свойств двумерного пространства на р-мерное. Если при этом не стараться наглядно представить себе р-мерное пространство, то никаких затруднений для понимания множественного регрессионного анализа не возникает. [38]
При изучении множественного регрессионного анализа такой возможности нет, так как не существует графической интерпретации многомерного пространства. Ясно, что р-мерное пространство - это только математический прием, экстраполяция свойств двумерного пространства на р-мерное. Если при этом не стараться наглядно представить себе р-мерное пространство, то никаких затруднений для понимания множественного регрессионного анализа не возникает. [39]
При изучении множественного регрессионного анализа такой возможности нет, так как не существует графической интерпретации многомерного пространства. Ясно, что / з-мерное пространство - это только математический прием, экстраполяция свойств двумерного пространства на р-мерное. Если при этом не стараться наглядно представить себе р-мерное пространство, то никаких затруднений для понимания множественного регрессионного анализа не возникает. [40]
При изучении множественного регрессионного анализа такой возможности нет, так как не существует графической интерпретации многомерного пространства. Ясно, что р-мерное пространство - это только математический прием, экстраполяция свойств двумерного пространства на р-мерное. Если при этом не стараться наглядно представить себе - мерное пространство, то никаких затруднений для понимания множественного регрессионного анализа не возникает. [41]
Этот полином является аппроксимацией функции у f ( xlt хг. Уже при и 20 и р 3 расчеты коэффициентов уравнения регрессии вручную и с применением настольных ЭВМ весьма затруднительны. При п 500 и р 10 расчеты вручную для одной только задачи можно проводить в течение многих лет, поэтому процедура множественного регрессионного анализа ориентирована главным образом на применение больших ЭВМ. [42]
В результате проведения всех этих операций получаем полином первой степени (3.2) с известными коэффициентами bubj. Уже при п 20 и р 3 расчеты коэффициентов уравнения регрессии вручную и с применением настольных ЭВМ весьма затруднительны. При п 500 и р 10 расчеты вручную для одной только задачи можно проводить в течение многих лет, поэтому процедура множественного регрессионного анализа ориентирована главным образом на применение больших ЭВМ. [43]
Очевидно, что одним из факторов успеха диверсификации является синергия. Компания, выпускающая несвязанную продукцию, имеет наименьшую рентабельность. Во-вторых, на рентабельность и темп роста компании оказывают влияние темп роста отрасли и доля компании на рынке. Это подтверждается множественным регрессионным анализом. Этот принцип по-иному формулируется исходя из модели BCG, в которой наивысшую эффективность имеет продукт типа корова. [44]
Данные учетов были проанализированы с помощью множественного регрессионного анализа ( см., например, Poole, 1978) для установления доли межгодовой популяционной изменчивости, объясняемой колебаниями погодных условий. При этом ежегодный максимум обилия популяции рассчитывали как среднее значение логарифма численности за предшествующие максимуму 30 суток. [45]