Группирование - данные
Cтраница 2
Однако сам факт существования оптимума не зависит от выбора критерия близости, так как при группировании данных в слишком большое число мелких интеовалов некоторые из них окажутся пустыми или мало заполненными. При слишком малом числе т интервалов гистограмма будет отличаться от действительной кривой распределения вследствие слишком крупной ступенчатост и из-за чего характерные особенности будут просто потеряны. [16]
Однако сам факт существования оптимума не зависит от выбора критерия близости, так как при группировании данных в слишком большое число мелких интервалов некоторые нз них окажутся пустыми или мало заполненными. При слишком малом числе m интервалов гистограмма будет отличаться от действительной кривой распределения вследствие слишком крупной ступенчатости, из-за чего характерные особенности будут просто потеряны. [17]
Определив состав задач ТПП, структуру и назначения основных подсистем АС ТПП РЭА, рассмотрим содержание главных задач ТПП РЭА, таких как: отработка конструкции РЭА на технологичность ( в том числе, унификация и группирование данных); проектирование ТП производства А; проектирование средств технологического оснащения для изготовления РЭА; организационно-технологическое проектирование при автоматизации ТПП РЭА. [18]
Точно так же недопустим такой вывод полученной информации, который требует от пользователя нетривиальных усилий по переводу напечатанных данных в понятия исходной постановки задачи. Необходимо также помнить о содержательном группировании распечатываемых данных на бумаге - так, чтобы, скажем, при выводе матрицы ее элементы располагались по строкам, а не в виде сплошной последовательности. [19]
Критерий х2 разработан больше других. Однако использование этого критерия требует определенного группирования данных, а при этом возможна потеря некоторой части экспериментальной информации. Строгое применение критерия х2 требует очень больших объемов выборок, что не всегда можно реализовать, поэтому критерий х2 иногда следует дополнить выводами из других критериев. [20]
Если число результатов наблюдений велико, то вычисление среднего арифметического и среднего квадратического отклонения становится очень трудоемкой операцией. Поэтому при п40 прибегают к группированию данных, как при построении гистограммы, и обработка исправленных результатов производится в следующем порядке. [21]
Полная программа для контроля и управления технологическим процессом должна создаваться с ясным пониманием требований пульта управления. Вероятно, наиболее важным вопросом является группирование данных. С пульта осуществляется доступ к большому объему данных, связанных с каждой технологической переменной. В связи с этим представляется логичным группировать данные по технологическим переменным; такое группирование будет также естественным при обработке переменных. Так, например, в одной обобщенной программе управления процессом 84 слова приведены в соответствие с данными каждой технологической переменной. Однако для повышения эффективности вычислений эти данные распределены по нескольким массивам. [22]
РЭА) со ляется основой информационного обеспечения и группирования данных. [23]
В работах Рао исследованы свойства ОМП для группированных таким образом данных. Приводятся условия асимптотической состоятельности ОМП. Группирование данных ведет к определенной потере информации. [24]
По традиции процесс картографической компиляции данных включает в себя выбор или разработку базовой карты ( base map), на которой размещаются собранные данные. Для представления точек, линий, площадей и поверхностей используются наборы символов, каждый из которых может сдвигаться относительно своего точного положения, чтобы дать место другим на офаниченной поверхности карты. Для группирования данных статистическими методами используются процессы предварительного отбора и сортировки. [25]
По традиции процесс картографической компиляции данных включает в себя выбор или разработку базовой карты ( base map), на которой размещаются собранные данные. Для представления точек, линий, площадей и поверхностей используются наборы символов, каждый из которых может сдвигаться относительно своего точного положения, чтобы дать место другим на ограниченной поверхности карты. Для группирования данных статистическими методами используются процессы предварительного отбора и сортировки. [26]
Рассмотрим алгоритмы определения основных статистических оценок вероятностных характеристик случайных процессов. Для оценки плотности вероятности случайного процесса X ( t) используется массив чисел, составляющих его реализацию. Вначале необходимо произвести группирование данных массива. Значениям х, находящимся в одном и том же интервале /, приписывается значение xj, которое соответствует середине данного интервала. [27]
 |
Структура многовариантного идентификатора. [28] |
На начальном этапе построения зависимостей для запуска рекуррентного адаптивного мнк необходимо иметь начальные оценки коэффициентов регрессионной зависимости механических характеристик от химсостава стали. Для получения этих оценок запускается в работу алгоритм обычного МНК, а полученные оценки коэффициентов d, d d, di, поступают в блок адаптивного МНК в качестве начальных оценок. Одновременно коэффициенты оцениваются и с помощью МНК с группированием данных. [29]
Для получения такой информации должны быть проведены подсчеты во всех группах данных, результатами которых будут общие и промежуточные суммы. По структуре и оформлению отчет подобен форме. Отчет, однако, по сравнению с формой обладает большей гибкостью в представлении данных, и благодаря группированию данных с его помощью можно представить информацию более наглядно. [30]
Страницы: 1 2 3