Cтраница 2
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. [16]
Распределение суммы квадратов отклонений, деленной на число степеней свободы, может быть использовано для исследования влияния большего числа одновременно действующих причин. [17]
Минимизация суммы квадратов отклонений точек по оси у не означает одновременно, что и аналогичная сумма квадратов по оси х ( горизонтально) тоже будет минимальной. [18]
Остаточная сумма квадратов отклонений SSR и соответствующая ей остаточная дисперсия вычисляются на предыдущих этапах статистического анализа. [19]
Определим сумму квадратов отклонений параметра р от его усредненного значения. [20]
Общая сумма квадратов отклонений индивидуальных значений результативного признака у от среднего значения у вызвана влиянием множества причин. Условно разделим всю совокуп-ноетыпричин на две группы: изучаемый фактор х и прочие факторы. Если фактор не оказывает влияния на результат, то линия регрессии, на графике параллельна оси ох и у - у. Тогда вся дисперсия результативного признака обусловлена воздействием прочих факторов и общая сумма квадратов отклонений совпадет с остаточной. Если же прочие факторы не влияют на результат, то у связан с х функционально и остаточная сумма квадратов равна нулю. В этом случае сумма квадратов отклонений, объясненная регрессией, совпадает с общей суммой квадратов. [21]
Общая сумма квадратов отклонений индивидуальных значений результативного признака у от среднего значения у вызвана влиянием множества причин. Условно разделим всю совокуп-ноетыпричин на две группы: изучаемый фактор хн прочие факторы. Если фактор не оказывает влияния на результат, то линия регрессии, на графике параллельна оси ох и J у. Тогда вся дисперсия результативного признака обусловлена воздействием прочих факторов и общая сумма квадратов отклонений совпадет с остаточной. Если же прочие факторы не влияют на результат, то у связан с х функционально и остаточная сумма квадратов равна нулю. В этом случае сумма квадратов отклонений, объясненная регрессией, совпадает с общей суммой квадратов. [22]
Требование минимума суммы квадратов отклонений приводит к новой системе линейных уравнений, каждое из которых является частной производной этой суммы по соответствующему неизвестному, приравненной нулю. [23]
Теперь измерим сумму квадратов отклонений у только за счет вариации признака хт. [24]
Следует определять сумму квадратов отклонений для наблюдаемых зависимых переменных, например светопоглощения, а не некоторой их функции. [25]
Так как сумма квадратов отклонений была сведена к минимуму, прямая линия соответствует минимальной дисперсии вертикальных отклонений, что согласуется с методом наименьших квадратов. [26]
Частные производные суммы квадратов отклонений dS / dkj рассчитываются приближенно как отношения конечных приращений соответствующих величин. [27]
При 30 сумму квадратов отклонений в этой формуле обычно делят на п, не вычитая единицу. [28]
Теперь измерим сумму квадратов отклонений у только за счет вариации признака хт. [29]
Вначале рассчитывают суммы квадратов отклонений. [30]