Cтраница 2
На этом же графике нанесены прямые регрессии образцов из низколегированной стали марки 15ХСНД с концентрацией и без концентрации напряжений. Из сопоставления их с аналогичными прямыми для сплава Д16 - Т можно видеть, что дюралюминий менее чувствителен к концентрации напряжений, особенно в области малого количества циклов. [16]
Уравнение ( 94) есть уравнение прямой регрессии, не проходящей через начало координат. [17]
В частности, по этой причине опасна экстраполяция прямой регрессии за пределы того интервала значений аргумента, для которого она получена. [18]
Метод основан на преобразовании кривой потенциометрического титрования в линию прямой регрессии, параметры которой определенным образом связаны с искомыми величинами. При этом предполагается, что ионная сила раствора, диффузионный потенциал и константа равновесия аналитической реакции остаются в ходе титрования постоянными, а сама реакция - одноступенчатая. [19]
В случае независимости х и j / ( Qxy0) прямые регрессии взаимно перпендикулярны. [20]
Из уравнений () и () следует, то обе прямые регрессии проходят через точку ( тх; mv), которую называют центром совместного распределения величин X и У. [21]
Значение р 0 говорит об отсутствии линейной корреляционной зависимости, и прямые регрессии перпендикулярны. [22]
Для последующих рассуждений следует также отметить, что эта прямая является конкретной эмпирической прямой регрессии Y относительно X, а наклон прямой b называется конкретным эмпирическим коэффициентом регрессии. [23]
Как видно из приведенных выше формул (7.22) - (7.26), расчет выборочных прямых регрессии связан с большим количеством приближенных вычислений с многозначными числами ( xt - х) и ( у. Эти вычисления, как и в § 21, можно существенно упростить с помощью предварительного линейного преобразования величин хну, то есть с помощью выбора удобного начала отсчета и подходящего масштаба. [24]
На рис. 23 видно, что точки наблюдаемых данных имеют отклонения от прямой регрессии. [25]
В столбце ( 8) подсчитываются отклонения групповых средних значений yt от прямой регрессии; в столбце ( 11) - отклонение значений у от групповых средних. [26]
Покажем на примере, как определяются коэффициенты а и 3 в уравнении прямой регрессии. [27]
Отметим, что параметры линейных функций наилучшего среднеквадратического приближения совпадают с параметрами прямых регрессии в случае линейной корреляции ( ср. Это вполне соответствует основному свойству регрессии: в случае линейной корреляции прямая регрессии, скажем, Y на X, должна давать наилучшее среднеквадратическое приближение к величине Y среди всех других функций от X, в том числе и линейных. [28]
Если, подсчитав Qn, обнаружим что Qn; 1, то обе прямые регрессии мало отличаются друг от друга по крайней мере в сравнительно небольшой окрестности точки ( х, у), и облако точек более или менее теснится к этим прямым. [29]
В столбце ( 8) подсчитываются отклонения Групповых средних значений У ( от прямой регрессии, в столбце ( 1 1) - отклонения значений у от групповых средних. [30]