Остаточная дисперсия
Cтраница 1
Остаточная дисперсия имеет важное значение в статистических исследованиях, так как она представляет собой показатель ошибки предсказания уравнением регрессии результатов опыта. [1]
 |
Дисперсионный анализ по методу латинского квадрата. [2] |
Остаточная дисперсия здесь является опять-таки разностью между общей суммой квадратов S1 - S5 и всеми остальными суммами квадратов. Компоненты дисперсий GW, ат и OM характеризуют действие факторов W, Т и неоднородность материала. [3]
Остаточная дисперсия отражает влияние неконтролируемых факторов и отождествляется с дисперсией воспроизводимости. [4]
 |
Зависимости выхода дивинила на разложенный спирт от средней температуры верха реторт. [5] |
Остаточная дисперсия усредненной модели включает в себя дисперсию внутриоперационного и межоперационного дрейфа. Поэтому параметры такой модели не позволяют оценить эффективность применения системы автоматической оптимизации, предназначенной для компенсации действия случайных факторов, вызывающих дрейф характеристик объекта. [6]
Остаточная дисперсия модели II шага ( 5остг 1221 1) меньше остаточной дисперсии модели первого шага ( 5ост, 1228 5), в результате чего влияние фактора х1 № на выработку товарной продукции признается незначимым. Отсюда знак соответствующего коэффициента регрессии axlt) неустойчив. [7]
Остаточная дисперсия модели III шага, построенной без фактора х1Ъ, оказалась ниже остаточной дисперсии модели II шага, что говорит о незначимости влияния х15 на выработку продукции. [8]
Остаточную дисперсию s2R определяют на основании данных по рассеянию относительно средних арифметических в каждой клетке. После расчета эффектов а2, а3 и ае проводят корректировку результатов экспериментов для выявления следующих трех факторов. [9]
Тогда остаточная дисперсия является довольно точной оценкой ошибки eijkmo и вторая составляющая остатка - сумма эффектов взаимодействий факторов приближается к нулю. [10]
Однако остаточные дисперсии для этих формул незначительно отличаются от соответствующих остаточных дисперсий линейных форм, что лишний раз подтверждает доказанную выше гипотезу о линейности связи между ростом и весом мужчин. [11]
Однако остаточные дисперсии для этих формул незначительно отличаются от соответствующих остаточных дисперсий линейных форм, что лишний раз подтверждает доказанную выше гипотезу о линейности связи между ростом и весом мужчин. [12]
Тогда остаточная дисперсия может служить оценкой степени идентичности. Однако для этой оценки характерно то, что она для разных выходных переменных может принимать любые значения. Поэтому целесообразно использовать нормированную оценку, если она равна нулю, то это означает полное несоответствие модели реальному объекту в том смысле, что используемые в модели входные переменные не определяют изменение выходной переменной; если оценка равна единице, то это означает полное соответствие модели реальному объекту и правильный выбор входных переменных. [13]
Вычислив остаточные дисперсии для гармоник, можно определить, какая гармоника ряда Фурье максимально приближена к эмпирическим данным, т.е. какая гармоника наиболее точно характеризует циклические колебания процентных ставок. [14]
Если остаточная дисперсия оказывается примерно одинаковой для нескольких функций, то на практике предпочтение отдается более простым видам функций, ибо они в большей степени поддаются интерпретации и требуют меньшего объема наблюдений. Это означает, что искать линейную регрессцю, имея менее 7 наблюдений, вообще не имеет смысла. Если вид функции усложняется, то требуется увеличение объема наблюдений, ибо каждый параметр при х должен рассчитываться хотя бы nio 7 наблюдениям. [15]
Страницы: 1 2 3 4