Точность - получаемая оценка
Cтраница 1
Точность получаемых оценок характеризуется средними квадратическими ошибками. [1]
Для повышения точности получаемых оценок переменных состояния значение выходной регулируемой переменной ЭП сравнивают с помощью обратной связи с ее оценкой по полной модели ЭП и исполнительного органа и затем в функции выявленной разницы ( ошибки) корректируют показания отдельных моделей. Совокупность полной модели и обратной связи по выходной регулируемой переменной ЭП образует наблюдающее устройство. [2]
Таким образом, точность получаемых оценок вполне удовлетворительна для инженерных расчетов. [3]
При прочих равных условиях точность получаемых оценок резко зависит от количества априорной информации о параметрах. [4]
Группирование опытов в блоки позволяет повысить точность получаемых оценок параметров. Если оказывается возможным разбиение опытов на ортогональные блоки, то оценки параметров модели вычисляются совершенно независимо от различий между блоками в отношении однородности. К тому же и сами расчетные формулы для определения оценок параметров остаются без изменений. Незначительно изменяются лишь формулы для проверки гипотезы об адекватности модели. [5]
Отметим также, что используемая для выбора стратегия проведения прецизионных экспериментов и для установления точности получаемых оценок кинетических констант матрица М ( е) является информационной матрицей линеаризованной по константам кинетической модели. Конечно, если испытываемая модель существенно нелинейно параметризована, то М ( 8) следует рассматривать лишь как первое приближение к истинной информационной матрице плана эксперимента. В тех случаях, когда требуется получить оценки отдельных констант с особенно большой точностью, в качестве критериев оптимальности плана необходимо использовать максимум выборочной плотности распределения или некоторые функционалы от истинной информационной матрицы. [6]
Как виДйМ, Диспепсий оЦенкй уменьшаемся с pdcfoM числа опытов п, что свидетельствует о ее состоятельности; увеличение точности получаемой оценки может быть достигнуто также путем увеличения амплитуды входного воздействия. [7]
Одним из основных вопросов, связанных с вычислением оценок статистических характеристик случайных стационарных эргодических процессов по ях реализациям, является вопрос точности получаемых оценок. Как известно, точность оценки зависит от длины используемых реализаций случайных процессов и частоты съема данных с них, однако количественная мера этой зависимости может быть получена в общем виде лишь при априорном знании корреляционной ( взаим-нокорреляционной) функции процесса, что практически не может иметь место. [8]
 |
Вычисление асимметрии и эксцесса. [9] |
Теоретические значения параметров для этого вида распределений равны: sk ( X) 0, kt ( X) - 1.2. Увеличение длины выборки, естественно, способствует повышению точности получаемых оценок параметров. [10]
Для линейной по параметрам регрессии сравнительно просто реализуется описанное ниже последовательное планирование, основанное на следующем принципе: на каждом шаге - наибольшее уточнение оценок параметров в смысле выбранного критерия. В рассматриваемом случае последовательное планирование не имеет преимуществ перед статическим по точности получаемых оценок, однако обладает следующим очень важным качеством: при последовательном планировании легко может быть проконтролирована точность оценок, и поэтому имеется естественный критерий остановки - достижение заданной точности. [11]
В [5, 66] рассматривается статико-динамический подход к исследованию программ с однократно выполняемым статическим анализом модельного кода. Если время выполнения программы зависит от исходных данных, то погрешность оценки сложности фрагментов в статике может быть весьма велика. Однако в таких приложениях, как цифровая обработка сигналов, точность получаемых оценок практически не уступает точности эмуляции на уровне системы команд процессора. При этом, правда, необходимо заметить, что моделирование процессоров цифровой обработки сигналов оказывается значительно проще моделирования суперскалярных процессоров и VLIW-процессоров. Это объясняется, в частности, отсутствием иногда кэш-памяти и несложной организацией конвейера команд. [12]
Гауссовские процессы полностью описываются корреляционной функцией или функцией спектральной плотности. До сих пор предполагалось, что эти функции заданы точно. В действительности, поскольку обработке подвергаются лишь конечные реализации изучаемых процессов, можно получить только статистические оценки этих функций. При этом возникают вопросы о точности получаемых оценок самих этих функций и. [13]
Страницы: 1