Cтраница 2
Целью решения на ЦВМ является определение значений коэффициентов регрессии bi, которое обычно осуществляется методом наименьших квадратов. При расчете постепенно увеличивают сложность уравнения до достижения адекватности расчетных и экспериментальных данных. [16]
В табл. 2, например, приведены значения коэффициентов регрессии для X - расхода воздуха с нижним уровнем 10 и верхним уровнем 50 м / ч-м и Ху - температуры с нижним уровнем 35О и верхним уровнем 45О С. [17]
Имея массив экспериментальных значений у требуется так подобрать значения коэффициентов регрессии, чтобы математическая модель ( 3.2.) наилучшим образом отвечала экспериментальным данным. [18]
На первом этапе определяются для каждого крупного потребителя значения коэффициентов регрессии в каждом интервале температур и в зависимости от дня недели. Коэффициенты регрессии пересчитываются с периодичностью 3 мес ( по сезонам), подача газа ТЭЦ исключается из прогноза, так как задается директивно. [19]
Другим недостатком анализа данных пассивных экспериментов является зависимость значений коэффициентов регрессии bt от полноты учета совокупности факторов, определяющих изменчивость признака. [20]
Имея массив экспериментальных значений у - требуется так подобрать значения коэффициентов регрессии, чтобы математическая модель ( 3.2.) наилучшим образом отвечала экспериментальным данным. [21]
Имея массив экспериментальных значений Ф у требуется так подобрать значения коэффициентов регрессии, чтобы математическая модель (1.9) наилучшим образом отвечала экспериментальным данным. [22]
Как и для случая одной независимой переменной, вычисление значений коэффициентов регрессии производится методом МНК, но несколько усложняется. Исследование адекватности множественной модели производится также методами, аналогичными описанным для регрессии с одной независимой переменной. [23]
Имея массив экспериментальных значений у -, требуется так подобрать значения коэффициентов регрессии, чтобы математическая модель ( 3.2.) наилучшим образом отвечала экспериментальным данным. [24]
Практически если фактические значения tbj 3, то совершенно ясно, что значение коэффициента регрессии статистически достоверно. Уравнение может быть использовано для прогнозирования. [25]
Практически если фактические значения ibj 3, то совершенно ясно, что значение коэффициента регрессии статистически достоверно. Уравнение может быть использовано для прогнозирования. [26]
На рис. 6 даны некоторые характерные положения прямой линейной регрессии в зависимости от значений коэффициентов регрессии. То обстоятельство, что прямые пересекаются в точке с координатами ( х; у), можно использовать для быстрого построения линий регрессии. Достаточно по формулам (2.11) и (2.15) вычислить Ъй ( у; х) и Ь0 ( х, у), нанести в системе координат точку О ( х; у), как обе линии регрессии оказываются построенными; Ъг ( у; х) и Ьг ( х; у) определяют графическим методом, измеряя углы между линиями регрессии и осью абсцисс. [27]
Аналитически установить характер влияния режимов, технологических параметров и других внутренних и внешних факторов на значения коэффициента регрессии для сложных технологических объектов - во многих случаях задача невыполнимая, поэтому определение характеристик ( / 0 и 6t) производят статистическими методами. В процессе нормальной эксплуатации объекта измеряют партии изделий ( или берут соответствующие пробы) на входе и выходе процесса. По результатам измерений определяют оценки математических ожиданий и дисперсий входов и выходов, а также коэффициенты корреляции и регрессии ( см. стр. [28]
На рис. 6, а-г даны некоторые характерные положения прямой линейной регрессии в зависимости от значений коэффициентов регрессии. [29]
На рис. 6, fl - г даны некоторые характерные положения прямой линейной регрессии в зависимости от значений коэффициентов регрессии. [30]