Cтраница 1
Вектор оценок параметров § и оценки элементов дисперсионных матриц D e, находятся из условия максимума суммы (3.285) по этим параметрам. Если элементы матриц D ea известны априори, ММП вырождается в МНК. [1]
Для решения матричного уравнения (4.5) относительно вектора оценок параметров Ь необходимо ввести еще одну предпосылку 6 ( см. с. X равен числу ее столбцов. [2]
Для решения матричного уравнения (13.25) относительно вектора оценок параметров b необходимо ввести еще одну предпосылку 6 для множественного регрессионного анализа: матрица Х Х является неособенной, т.е. ее определитель не равен нулю. Из матричной алгебры известно ( см., например, [9]), что г ( Х Х) г ( Х), значит, г ( Х) р 1, т.е. столбцы матрицы плана X должны быть линейно независимыми. [3]
Линейный МНК позволяет получить аналитическое выражение для вектора оценок параметров. Нелинейный МНК не позволяет получить аналитическое выражение для вектора оценок параметров, задача решается лишь численно. [4]
План называется ортогональным, если ковариационная матрица вектора оценок параметров для этого плана имеет диагональный вид. [5]
Используя модель ( 25.7 - 5) и вектор оценки параметров 6, можно спроектировать алгоритмы управления с прямой связью на основе методов компенсации ( разд. Все они обладают быстрой адаптируемостью. На рис. 25.7.2 показан пример использования одного из таких алгоритмов. [6]
Соотношения (6.23) и (6.24) представляют собой рекуррентные расчетные формулы для определения вектора оценок параметров системы Ап 1 и корреляционной матрицы ошибок оценок параметров 4 1 после очередного ( л 1) - го измерения. [7]
Ковариации и дисперсии оценок переменных состояния ( прогнозируемых откликов) могут быть определены по формулам (2.12), (2.13) и (2.22), (2.23) с учетом подстановок (2.29) и (2.30) при условии, что в них используется вектор оценок параметров 9, достигнутых на последней итерации. [8]
Априорная структурная идентифицируемость параметров модели является необходимым условием корректности процедуры оценивания параметров. В случае априорной неидентифицируемости ( неединственности вектора оценок параметров) модели численные процедуры оценивания неизвестных параметров могут или вообще не работать, или давать сомнительные результаты. [9]
Линейный МНК позволяет получить аналитическое выражение для вектора оценок параметров. Нелинейный МНК не позволяет получить аналитическое выражение для вектора оценок параметров, задача решается лишь численно. [10]