Cтраница 2
В этом случае найденные параметры естественно удовлетворяют принципу наименьших квадратов. [16]
Это - одна из форм выражения известного, принципа наименьших квадратов, с которым мы будем часто сталкиваться в дальнейшем. Из сказанного выше следует, что нет логической необходимости принимать этот принцип. [17]
Параметры линейной функции ( 5.1 - 15) удовлетворяют принципу наименьших квадратов по у: сумма квадратов отклонений наблюденных значений у - от рассчитанных по уравнению прямой регрессии ( 5.1 - 15) меньше, чем сумма квадратов отклонений их от любой другой прямой. [18]
Величины / св и Ьсв могут быть найдены по принципу наименьших квадратов. [19]
Это уравнение можно найти и не строя кривой, а исходя из принципа наименьших квадратов, согласно которому сумма квадратов отклонений значений yi от наиболее вероятных значений у должна быть минимальной. [20]
При использовании метода Галер-кина для исследования исходного уравнения условие минимизации вытекает непосредственно из принципа наименьших квадратов. [21]
Основным способом отыскания уравнения нелинейной регрессии ( так же как и линейной) служит принцип наименьших квадратов. Это значит, что уравнение ищется в заданном классе функций и выборочные числовые данные используются лишь для определения неизвестных коэффициентов из системы нор мальных уравнений. При этом различаются два случая: тип уравнения фиксируется сразу, так что принцип наименьших квадратов используется лишь один раз, или же уравнение регрессии в дальнейшем подвергается уточнениям, для чего принцип наименьших квадратов последовательно используется несколько раз. [22]
Однако эти три параметра не могут быть подогнаны к пяти данным, поэтому мы воспользуемся принципом наименьших квадратов. [23]
Фирма Тейлор - Гобсон выпускает приборы Тэлиронд с вычислителем средней базовой окружности, которая определяется по принципу наименьших квадратов и автоматически вычерчивается на диаграмме в полярных координатах. [24]
Кривые Ф ( X нормального распределения при трех значениях. [25] |
Таким образом, закон нормального распределения включает принцип минимума квадратов отклонений или, как его часто называют, принцип наименьших квадратов. [26]
Как известно [9], гауссовская аппроксимация результатов нелинейного преобразования нормальной случайной величины обеспечивает наилучший линейный прогноз в смысле принципа наименьших квадратов. Таким образом, предположение о гауссовском характере неизвестных функций на выходе нелинейной системы автоматически приводит к линеаризации зависимостей между входом и выходом. Следовательно, для выяснения качественных и количественных особенностей поведения нелинейных стохастических систем необходимо отказаться от гипотезы гауссовости, сосредоточив внимание на выявлении - фактических распределений фазовых переменных при помощи эффективных приближенных методов. [27]
Требование к совокупности неизвестных, чтобы она обращала в минимум сумму квадратов невязок для избыточной системы (4.81), называется принципом наименьших квадратов или принципом Лежандра. Мы видим, что совокупность значений a. [28]
Таким образом, закон нормального распределения включает в себя принцип минимума суммы квадратов отклонений или, как его часто называют, принцип наименьших квадратов. Этот принцип лежит в основе многих современных методов расчета оптимальных параметров, описывающих экспериментальные зависимости. [29]
Благодаря широким пределам данных по сжимаемости азота Деминг и Шуп имели возможность выравнять все свои расчеты в отношении температуры и давления; этот метод заменил сглаживание наблюдений, например по принципу наименьших квадратов, и сильно повысил точность расчетов. [30]