Cтраница 1
Использование регрессионной модели для прогнозирования состоит в подстановке в уравнение регрессии ожидаемых значений факторных признаков для расчета точечного прогноза результативного признака или ( и) его доверительного интервала с заданной вероятностью, как уже сказано в 8.2. Сформулированные там же ограничения прогнозирования по уравнению регрессии сохраняют свое значение и для многофакторных моделей. Кроме того, необходимо соблюдать системность между подставляемыми в модель значениями факторных признаков. [1]
Использование традиционных регрессионных моделей ( линейных при многомерном X и параболических в одномерном случае) в применении к относительно большим подобластям изменения регрессора позволяет сочетать простоту расчетов, свойственную классическим моделям регрессии, с эффективным использованием выборочной информации. Эти методы получили название локально параметрических. [2]
Для количественной оценки влияния внешних факторов на газопотребление необходимо использование регрессионных моделей. [3]
В главе 5 рассмотрен ряд проблем, связанных с использованием регрессионных моделей, таких, как мультиколлинеарность, фиктивные переменные, линеаризация модели, частная корреляция. [4]
Для того чтобы получить достаточно хорошее приближение к действительно протекающему процессу, требуется использование более сложной регрессионной модели. [5]
Если надежную плановую информацию получить нельзя, то для разработки индивидуальных и отраслевых норм следует применить аналитический подход, основанный на ретроспективном анализе тенденций, использовании информационных и регрессионных моделей по индивидуальным объектам или по отрасли в целом. [6]
Рассмотрим задачу организации эксперимента по оценке следующих надежностных характеристик доставки информации ЦСИО: распределение длин сообщений и пакетов; среднего времени задержки при передаче пакетов пользовательской информации; распределение внутриузлового трафика; загрузки каналов и узлов. Реализация ее связана с построением адекватной математической модели по экспериментальным данным вход-выход для изучения механизма доставки сообщений в ЦСИО, так как существующие модели обмена информацией в информационных сетях [2] не позволяют точно оценить влияние тех или иных факторов на исследуемую характеристику и требуют значительных вычислительных ресурсов при их реализации. Использование регрессионных моделей позволяет решить эту проблему и значительно упростить обработку и анализ результатов эксперимента. Из всего множества функций, зависящих от входных переменных, только функция регрессии имеет минимальную, в смысле дисперсии, ошибку прогноза выходной переменной исследуемого объекта. [7]
Все эти функции требуют для своего выполнения затрат энергии. Заштрихованные линии определяют область допусков стандартных отклонений отдельных прямых выравнивания, которые получаются из множества каталоговых значений при использовании регрессионных моделей. [8]
При современном подходе к решению задачи управления важно не просто подобрать метод решения для каждой конкретной задачи, а глубоко проанализировать взаимосвязь этих методов. Часто бывает необходимо выяснить, является ли корректным выбор метода для решения конкретной задачи при условии, что предыдущие задачи, результаты решения которых являются исходными данными, решались определенным образом. Так, например, при решении задачи оптимизации в детерминированной постановке очень важно учитывать достоверность результата, получаемого при использовании регрессионных моделей. [9]