Регрессор

Cтраница 1

Регрессор, к-рому соответствует миним. Рассчитывают новое значение остаточной дисперсии, и если оно оказывается меньше, чем для исходной модели, принимают упрощенную модель. [1]

Xk - регрессоры ( независимые переменные), а функция ( р нелинейно зависит от компонент искомого вектора щ дискретизированные аналоги нелинейных интегральных уравнений, включая нелинейные интегральные уравнения первого рода. [2]

Если же регрессоры X / детерминированы ( модель II), то У. [3]

В число регрессоров в моделях временных рядов могут быть включены и константа, и временной тренд, и какие-либо другие объясняющие переменные. Ошибки регрессии могут коррелировать между собой, однако, мы предполагаем, что остатки регрессии образуют стационарный временной ряд. [4]

Конкретный вид регрессоров подбирают так, чтобы достигнуть удовлетворительной точности описания эксперим. [5]

В качестве компонент регрессора обычно используются те параметры системы ( процесса), которые могут быть непосредственно измерены ( или оценены) в режиме функционирования. Выбор глубины регрессии определяется динамикой системы, поэтому при отсутствии необходимой априорной информации может быть осуществлен путем последовательного увеличения п и проверки адекватности модели. [6]

Таким образом, коррелированность регрессоров и ошибок регрессии оказывается значительно более неприятным обстоятельством, чем, например, гетероскедастичность или автокорреляция. Неадекватными оказываются не только результаты тестирования гипотез, но и сами оценочные значения параметров. [7]

Одной из причин коррелированное регрессоров со случайными членами могут служить факторы, действующие одновременно и на сами регрессоры, и на объясняемые переменные при фиксированных значениях регрессоров. Иными словами, в рассматриваемой экономической ситуации значения объясняемых переменных и регрессоров формируются одновременно под воздействием некоторых внешних факторов. Это означает, что рассматриваемая модель не полна: ее следует дополнить уравнениями, в которых объясняемыми переменными выступали бы сами регрессоры. Таким образом, мы приходим к необходимости рассматривать системы одновременных или регрессионных уравнений. [8]

Максимальная ( а и главная ( б комбинации информативных признаков при сравнении данных опробования эльджуртинского гранита Тырныауза с поверхности и в скважине с помощью критерия Лг Пури-Сена - Тамуры ( типа Муда. [9]

На каждом шаге число регрессоров, входящих в информативную комбинацию, увеличивается на единицу, причем комбинация регрессоров, полученная на предыдущем шаге, обязательно включается в новую комбинацию. [10]

При этом X называют регрессором, а У - откликом. [11]

Набор переменных Zj может включать те регрессоры, которые не коррелируют с е, а также другие величины. [12]

Внешняя структура нейросетевой модели полностью определяется регрессором и набором параметров, значение которых необходимо прогнозировать, т.е. число входов ( число нейронов во входном слое МНС) определяется количеством элементов регрессора, число выходов ( число нейронов в выходном слое) определяется количеством прогнозируемых величин. [13]

Переменная время / здесь выступает в роли регрессора. [14]

Отметим, что обе указанные причины коррелированности регрессоров и ошибок регрессии имеют один и тот же математический смысл; значения объясняемых переменных формируются не присутствующим в модели регрессором, а каким-то другим, и, стало быть, оценивается не тот параметр. [15]

Страницы: 1 2 3 4