Cтраница 1
Задача регрессионного анализа в данной постановке сво - дится к определению коэффициентов регрессии по исходным данный. [1]
Задачами регрессионного анализа являются установление формы зависимости между переменными, оценка функции регрессии, оценка неизвестных значений ( прогноз значений) зависимой переменной. [2]
Большинство задач регрессионного анализа стандартизовано в виде стандартных подпрограмм на ЭВМ. [3]
Математическая формулировка задачи регрессионного анализа следующая. [4]
В общем случае задачей регрессионного анализа является оценка условного математического ожидания ( М) случайной величины при заданном значении другой переменной. Сущность метода многомерного регрессионного анализа заключается в вычислении оценки математического ожидания фильтрационного коэффициента по фиксированным значениям геолого-физических признаков, которые характеризуют изучаемый пласт в каждом его пересечении скважиной. Выборочный характер исходных данных и вероятностный характер принятой для их анализа многофакторной корреляционной модели требуют вероятностной оценки получаемых результатов, так как посредством данной модели может быть дана только приближенная характеристика истинных значений изучаемого признака. [5]
График определения оптимума методом Гаусса - Зейделя. [6] |
Вследствие плохой обусловленности матриц, которые обычно получают в задачах регрессионного анализа, приближенный метод позволяет отыскивать решение настолько медленно, что практическое его применение нецелесообразно. [7]
Если дисперсионный анализ отвечает на вопрос, влияет ли данный фактор ( факторы) на z /, то задачей регрессионного анализа является выяснение количественных характеристик этого влияния. [8]
Традиционными для статистики являются задачи, когда требуется оценить сравнительную значимость различных факторов, создающих в совокупности измеряемый эффект, а также задачи регрессионного анализа, определяющие зависимость математического ожидания измеряемой случайной величиной от некоторого аргумента. [9]
Зависимость не всегда должна быть линейной. Задачей регрессионного анализа является исследование формы зависимости между признаками. [10]
Для определения значений оценок at стандартизованных коэффициентов регрессии а ( наиболее часто находят применение следующие методы решения системы нормальных уравнений: метод определителей, метод квадратного корня и матричный метод. В последнее время для решения задач регрессионного анализа широко применяется матричный метод. Здесь же рассмотрим решение системы нормальных уравнений методом определителей. [11]
Понятно, что в общем случае неизвестными могут быть как число членов полинома ( структура модели), так и коэффициенты при переменных. Определение этих неизвестных - является задачей регрессионного анализа. [12]
Задача состоит в восстановлении вида Л ( и & на основании информации о z и x ( k), которую получим во время итерационного расчета ХТС. Как видно, она очень близка к задаче регрессионного анализа, когда по известным входным и выходным переменным некоторого объекта требуется построить его линейную модель. [13]
В то же время для оценки эффективности их работы и для выяснения возможностей их автоматизации необходимо определять чувствительность этих объектов к вариациям неконтролируемых факторов или регулирующих воздействий. При отсутствии математической модели объекта эта задача может быть решена экспериментально как задача регрессионного анализа. [14]
Таким образом, задача определения регулирующих эффектов kpu, kyu по флуктуациям нагрузок является задачей регрессионного анализа. Выше приведена геометрическая интерпретация решения этой задачи. [15]