Cтраница 2
Однако экспериментальное исследование равновесия жидкость - пар трудоемко, данные обычно приводятся для единичных измерений в каждой точке фазовой диаграммы. Оценка истинных значений величин, когда в каждой точке имеется по одному измерению, представляет собою задачу регрессионного анализа и выполнима только тогда, когда есть точная модель, способная скоррелировать зависимость истинных значений измеряемых свойств. [16]
Шеффе ] [14], при наличии вектора отклика у, необходимо соответственно рассмотреть для N экспериментов распределения ywxi) - ГХят, P. Здесь F - статистика; Е - единичная матрица; о2 - дисперсия ошибки; р - вектор эффектов; 7 - вектор коэффициентов регрессии; x f - транспонированная матрица независимых переменных х, которые в дисперсионном анализе могут носить как количественный, так и качественный характер; ZT - транспонированная матрица количественных переменных z в задаче регрессионного анализа, а также матрица количественных переменных и количественных откликов в задаче корреляционного анализа. [17]
В частности, широко используется С. Разработаны также методы С. В связи с задачами регрессионного анализа был развит метод непараметрич. [18]
Из постановки задачи видно, что последовательность действий хорошо реализуется на языке МИНИ-Д. Для этого необходимо каждый из этапов решения данной задачи регрессионного анализа оформить в виде предписаний некоторого исполнителя, а затем записать на языке МИНИ-Д процесс решения с использованием созданных предписаний. Для каждого из этапов в свою очередь необходимо применить последовательность базисных предписаний из пакета прикладных программ для решения задач регрессионного анализа в соответствии с применяемым методом. [19]
Несколько отличное направление имеют методы диагностики для регрессионного анализа. В этих методах проверяется адекватность модели экспериментальным данным, идентифицируются и устраняются причины неадекватности, после чего цикл повторяется до тех пор, пока не будет достигнута адекватность. Например, если есть основание считать, что причина неадекватности кроется в какой-то выпадающей группе наблюдений, эта группа исключается, после чего обработка проводится заново и анализируются ее результаты. Реализация таких методов применительно к задачам регрессионного анализа стала возможной только после распространения ЭВМ. Более простые вычислительные процедуры используются в методах непараметрической статистики. [20]
Вопрос о выборе типа производственной функции народного хозяйства в экономико-математических моделях, в которых экономика страны является элементарной производственной единицей, остается сложной проблемой. Недостатки, которые имеет степенная производственная функция по сравнению с функцией с постоянной эластичностью замещения или с различными другими более сложными производственными функциями с избытком компенсируются легкостью оценки параметров степенной производственной функции. А и ее для производственной функции (2.7) можно свести к задаче регрессионного анализа для линейной функции, в то время как производственная функция (2.9) требует применения методов регрессионного анализа для нелинейных функций, что является более сложной проблемой. Кроме того, исследование модели со степенными производственными функциями осуществляется более просто. Поэтому степенные функции используются довольно часто, тем более что их основной недостаток - возможность замены одного ресурса другим - часто не является существенным, поскольку в исследованиях обычно бывают интересны значения ресурсов, достаточно близкие к уже использующимся в производстве в настоящее время и далекие от нулевых значений. Поэтому неправдоподобность поведения степенных производственных функций в области малых количеств ресурсов становится не так уже важна. [21]