Cтраница 2
В этой части содержится описание алгоритмов и программ для восстановления многомерной регрессии. Оценивание регрессии ведется в классе линейных и кусочно-линейных функций. В гл, 10 рассматриваются две постановки задачи оценивания регрессии: восстановление функции и восстановление значений-функций в заданных точках. Для каждой из этих постановок приводятся алгоритмы построения линейной и кусочно-линейной оиенки многомерной регрессии. [16]
В этом параграфе приведены примеры составления заданий па выполнение алгоритмов восстановления многомерной регрессии с помощью программ, нз комплекта ВОЛНА. Задания составлены для операционной системы ДОС ЕС. [17]
В этой главе дано подробное описание программ, реализующих алгоритмы восстановления многомерной регрессии, приведенные в гл. [18]
Для статистической оценки влияния некоторых переменных на качественные показатели целевых продуктов могут быть использованы уравнения многомерной регрессии. [19]
Как показано выше, статистические зависимости между некоторыми переменными вакуумной колонны могут быть представлены в виде уравнений многомерной регрессии. [20]
Мощные компьютерные системы позволяют развить нынешнюю тенденцию к созданию сложных моделей с многими параметрами, основанными на многомерной регрессии обширных баз данных. [21]
Программы и подпрограммы предложенного комплекса разбиты на три группы: комплекс программ обучения распознаванию образов FOP, комплекс восстановления многомерной регрессии ВОЛНА и комплекс подпрограмм, предназначенных для восстановления одномерной регрессии и интерпретации результатов косвенного эксперимента. [22]
Программа ВВОД предназначена для ввода с перфокарт и записи в файл данные ( файл 10) или в файл таксон ( файл 9) матрицы наблюдений X для задач распознавания образов и восстановления многомерной регрессии. Текст программы ВВОД приведен в § 1, гл. [23]
N ( О, V), где V - неизвестная положительно определенная ( / X /) - матрица. Оценка вектора в многомерной регрессии проводится одновременно с оценкой матрицы V путем итеративного решения нелинейной системы уравнений. Разработаны устойчивые методы оценки многомерной регрессии. Многомерная регрессия может использоваться при описании многомерных распределений. [24]
Теснота рассмотренных связей ( см. табл. 5) различна и зависит от учета факторов, влияющих на прогнозируемый параметр. Примером тому является определение проницаемости и газонасыщенности при помощи многомерной регрессии. Таким образом, один из путей повышения геологической эффективности определения фильтрационных свойств элементов первого структурного уровня является использование многомерных зависимостей. [25]
В последующих главах описываются программы, реализующие алгоритмы гл. Эти программы объединены в комплект программ ВОЛНА для восстановления многомерной регрессии. Все программы комплекта используют унифицированный способ представления данных и управляющей информации. Рассмотрены способы применения программ комплекта для решения стандартных задач восстановления многомерной регрессии. Описаны управляющие параметры программ и форматы входных данных, приведены примеры составления заданий для ЭВМ и список диагностических сообщений. Глава 12 содержит сведения о программах комплекта, предназначенные для программиста. Описаны последовательности действий каждой программы и приведены формулы для расчета объема оперативной памяти ЭВМ, необходимого для обработки матриц наблюдений виданных размеров. В конце главы помещены тестовые примеры. В главе 13 приведены тексты всех программ. Карты комментариев разбивают тексты программ на части, кото - рые соответствуют пунктам описаний программ. Добавление по - священо алгоритмам построения гребневых оценок для задачи восстановления многомерной регрессии и задачи восстановления дискриминантной функции, Описана программа для построения наилучших гребневых оценок с помощью процедуры скользящий контроль. Приведены задания для ЭВМ и тестовые примеры. [26]
Важно отметить, что применение алгоритма ЕС не ограничивается решением одномерных обратных задач. К решению системы вида (14.12) сводятся и задачи построения линейной многомерной регрессии. [27]
Обе задумывались как универсальные статистические программы, предназначенные для IBM PC и совместимых ПК. Обе программы могут вычислять средние, стандартные отклонения и коэффициенты корреляции, могут выполнять одно - или многомерную регрессию. Они позволяют представлять данные графически в разнообразных форматах. Различие между ними заключается в способе общения с пользователем. [28]
Алгоритмы восстановления многомерной регрессии в классе линейных функций ЛИР и ЛИР-3, восстановления регрессии с селекцией выборки ЛИРС и ЛИРС-3 и пошаговой оценки регрессии ПОР и ПОР-3 реализуются программой ВОЛНА. Программа ВОЛНА считывает управляющую информацию с перфокарт, а матрицу наблюдений X - из файла данные и реализует один из алгоритмов восстановления многомерной регрессии без перехода к главным компонентам. [29]
В учебнике излагаются основы эконометрики. Большое внимание уделяется классической ( парной и множественной) и обобщенной моделям линейной регрессии, классическому и обобщенному методам наименьших квадратов, анализу временных рядов и систем одновременных уравнений. Обсуждаются различные аспекты многомерной регрессии: мультиколлине-арность, фиктивные переменные, спецификация и линеаризация модели, частная корреляция. Учебный материал сопровождается достаточным числом решенных задач и задач для самостоятельной работы. [30]