Cтраница 1
Сумма квадратов отклонений всех оценок рангов каждого объекта экспертизы от среднего арифметического рангов; п - число экспертов; m - число объектов экспертизы. [1]
Сумма квадратов отклонений может оказаться очень скверной функцией от с, и са. [2]
Сумма квадратов отклонений от линии регрессии значений у по всем точкам должна быть наименьшей. [3]
Сумма квадратов отклонений от среднего арифметического минимальна, поэтому среднее арифметическое значение будет самой эффективной оценкой измеряемой величины, особенно при нормальном распределении погрешностей. [4]
Сумма квадратов отклонений, подсчитанная на точках проверочной совокупности, носит название критерия регулярности. [5]
Частные производные суммы квадратов отклонений dS / dkj рассчитываются приближенно как отношения конечных приращений соответствующих величин. [6]
Сумма квадратов отклонений относительно измененного среднего также уменьшается, но не так значительно. Сумма квадратов отклонений относительно прогноза почти в 2 раза меньше суммы квадратов относительно среднего. Отношение этих сумм квадратов служит показателем качества прогноза. [7]
Сумму квадратов отклонений по скорости вращения долота определяем по формуле (III.59), взяв значение Eji. [8]
Рассматривается сумма квадратов отклонений от среднего значения для каждой переменной. Сначала вычисляется среднее значение оценок, полученных в результате применения правил для каждой переменной, а затем квадратическое отклонение этих оценок от полученных средних значений. [9]
Отношения суммы квадратов отклонений за счет каждой составляющей к общей сумме квадратов отклонений элементов ряда, выраженные в процентах, дают оценки вклада каждой компоненты в общую изменчивость временного ряда. [10]
Распределение суммы квадратов отклонений, деленной на число степеней свободы, может быть использовано для исследования влияния большего числа одновременно действующих причин. [11]
Минимизация суммы квадратов отклонений точек по оси у не означает одновременно, что и аналогичная сумма квадратов по оси х ( горизонтально) тоже будет минимальной. [12]
Определим сумму квадратов отклонений параметра р от его усредненного значения. [13]
Так как сумма квадратов отклонений была сведена к минимуму, прямая линия соответствует минимальной дисперсии вертикальных отклонений, что согласуется с методом наименьших квадратов. [14]
Вначале рассчитывают суммы квадратов отклонений. [15]