Cтраница 3
В некоторых случаях аналитическая проблема вообще разрешима лишь при помощи математической статистики. Примером этого является вторичный фотометрический анализ смеси нескольких компонентов. Лишь при помощи многомерной регрессии удается проанализировать смесь весьма сложного состава с приемлемо малой ошибкой. Статистические методы в подобных случаях не просто средство планирования эксперимента или его оценки - они являются необходимым инструментом для решения определенной аналитической задачи. [31]
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. [32]
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. [33]
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. [34]
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. [35]
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. [36]