Cтраница 3
Программа НЕРА [4] основана на алгоритме Маркуардта [5] и по матрице исходных переменных ( данные эксперимента или пассивных наблюдений) при известном виде нелинейной математической модели рассчитывает различные статистические характеристики и выполняет регрессионный анализ. Изменением значений коэффициентов регрессии осуществляется поиск минимума квадратичной формы, вид которой определяется функцией нормально распределенных остатков. Выбор наиболее точного уравнения регрессии осуществляется автоматически - путем отбрасывания коэффициентов заданного уравне-лия методом исключения. [31]
Коэффициенты регрессии модели позволяют оценить степень влияния, рассматриваемых факторов на величину выходного параметра объекта. Чем больше значение коэффициента регрессии, тем большее влияние оказывает фактор на выходной параметр Y. Если коэффициент регрессии имеет знак плюс, то с увеличением значения фактора выходной параметр изделия возрастает. [32]
Следовательно, лишь на 42 7 % изменчивость продолжительности ремонта обусловливается рассматриваемыми факторами, а остальные 57 3 % - действием неучтенными здесь факторами. В рассматриваемых условиях следует ожидать получение смещенных значений коэффициентов регрессии. [33]
Следует также проверить, скоррелированны ли действия скрытых элементов. В многомерном регрессионном анализе при росте муль-тиколлинеарности значения коэффициентов регрессии становятся все менее надежными. Так же и здесь предпочтительно, чтобы выходы скрытых элементов одного слоя были некоррелированны. Нужно найти собственные значения корреляционной матрицы для выходов скрытых узлов по данным обработки всех обучающих примеров. При полной некоррелированности все собственные значения будут равны единице, а отличия от единицы говорят об избыточном числе скрытых элементов. [34]
По приведенной методике были обработаны данные по газопотреблению для всех крупных потребителей. В табл. Х-2 представлены в качестве примера значения коэффициента регрессии, учитывающего влияние Твоз для крупного потребителя. [35]
Jones ( 1950), для более урожайных лет значения коэффициентов регрессии меньше, чем приведенные здесь. Очевидно, при использовании этих уравнений необходимо учитывать местные и сезонные условия. [36]
Такой анализ необходим в связи с тем, что при вычислении значений коэффициентов регрессии предполагалась определенная форма связи между рассматриваемым признаком ремонтопригодности и факторами, в данном случае - линейная связь. Следовательно, необходимо проверить гипотезу об адекватности ( соответствии) рассматриваемой модели результатам наблюдений. [37]
Если ни один из коэффициентов регрессии не отбрасывается, то их значения используем для нанесения управляющих воздействий, ибо знаки коэффициентов регрессии в стандартизованном масштабе показывают направления движения к экстремуму, а их величины дают угол наклона статической характеристики при данных значениях переменных параметров. Поэтому для наилучшего приближения к оптимуму изменяем переменные параметры в соответствии со значениями коэффициентов регрессии. [38]
Изменение обводненности для данной группы объектов может характеризоваться изменением как геологических, так и технологических признаков. Каждая независимая переменная в уравнении регрессии имеет относительно высокую степень влияния, поскольку значения коэффициентов регрессии сравнительно высокие. [39]
Центрированные симплекс-планы представляют интерес в первую очередь тогда, когда речь идет об использовании симплекса-плана для нахождения коэффициентов регрессии линейной модели. Вписанные симплекс-планы, напротив, более уместно применять в тех случаях, когда мы не интересуемся значениями коэффициентов регрессии. Такая форма планов является наиболее целесообразной в последовательном симплексном методе. [40]
Следующим этапом в планировании эксперимента является проверка значимости каждого коэффициента. Это обычно осуществляется по - критерию Стьюдента при выбранном уровне значимости. Если значение коэффициента регрессии больше доверительного интервала, он является значимым. [41]
Направление соответствует обратному знаку коэффициентов регрессии: если имеется знак минус, как, например, при bi, то при движении по градиенту надо прибавить шаг к основному уровню. Сложнее обстоит дело при определении шага. Здесь за основу берут лроце-дуру перемножения значения коэффициента регрессии Ь - на интервал варьирования ( /), но затем производят округление, для которого требуются интуитивные представления о существе изучаемого процесса, т.е. эта операция доступна только специалисту. [42]
Направление соответствует обратному знаку коэффициентов регрессии: если имеется знак минус, как, например, при &i, то при движении по градиенту надо прибавить шаг к основному уровню. Сложнее обстоит дело при определении шага. Здесь за основу берут процедуру перемножения значения коэффициента регрессии Ь - на интервал варьирования ( У), но затем производят округление, для которого требуются интуитивные представления о существе изучаемого процесса, т.е. эта операция доступна только специалисту. [43]
Направление соответствует обратному знаку коэффициентов регрессии: если имеется знак минус, как, например, при Ъ, то при движении по градиенту надо прибавить шаг к основному уровню. Сложнее обстоит дело при определении шага. Здесь за основу берут процедуру перемножения значения коэффициента регрессии йу на интервал варьирования ( J), но затем производят округление, для которого требуются интуитивные представления о существе изучаемого процесса, т.е. эта операция доступна только специалисту. [44]
Проблема отбора факторных признаков для построения моделей взаимосвязи может быть решена с помощью эвристических или многомерных статистических методов анализа. Сущность данного метода заключается в последовательном включении факторов в уравнение регрессии и последующей проверке их значимости. Факторы поочередно вводятся в уравнение так называемым прямым методом. Фактор является незначимым, если его включение в уравнение регрессии только изменяет значение коэффициентов регрессии, не уменьшая суммы квадратов остатков и не увеличивая их значения. Если при включении в модель соответствующего факторного признака величина множественного коэффициента корреляции увеличивается, а коэффициент регрессии не изменяется ( или меняется несущественно), то данный признак существен и его включение в уравнение регрессии необходимо. [45]