Cтраница 1
Квадрат отклонения ( Q - QE) 2 наблюдаемого расхода потока QE от желаемого QE является функцией случайных величин ( Ql:); или ( QE) i, коэффициента расхода и утечки. Ни желаемая скорость потока ( Qfi) i ни действительное ее значение ( QE) t неизвестны с достоверностью, пока не прошла i-я стадия. По этой причине неразумно было бы пытаться минимизировать квадрат отклонения так, как это делалось в детерминированном случае. Мы вынуждены пойти на компромисс и рассмотреть менее жесткую характеристику. Вполне удобной мерой в этой стохастической модели является математическое ожидание величины квадрата отклонения за N стадий по времени. [1]
Однако квадрат отклонения ( N - я) 2 для любого интервала времени положителен и тем больше, чем больше отклонение. Поэтому среднее значение квадратов отклонений является удобной мерой для измерения вариаций числа электронов в течение отдельных интервалов. Квадратный корень из этой величины называется среднеквадратичным отклонением. [2]
Если любой квадрат отклонения заменить меньшим числом, то правая часть выражения ( 2) только уменьшится. Мы произведем такие замены и в результате получим неравенство, доказывающее теорему. [3]
Квадраты отклонений от произвольного начала. [4] |
Суммируются квадраты поделяночных отклонений по столбцам ( строка 2г / а в таблице 281), которые, в свою очередь, складывают и получают общую сумму квадратов. [5]
Суммируются квадраты поделяночных отклонений по столбцам ( строка 2г / 2 в таблице 259), которые, в свою очередь, складывают и получают общую сумму квадратов. [6]
Сумма квадратов отклонений всех оценок рангов каждого объекта экспертизы от среднего арифметического рангов; п - число экспертов; m - число объектов экспертизы. [7]
Среднее квадратов отклонений на первом месте работы равно: дисперсия 0 5 ( 250000 долл. [8]
Сумма квадратов отклонений может оказаться очень скверной функцией от с, и са. [9]
Сумму квадратов отклонений по скорости вращения долота определяем по формуле (III.59), взяв значение Eji. [10]
Сумма квадратов отклонений от линии регрессии значений у по всем точкам должна быть наименьшей. [11]
Сумма квадратов отклонений от среднего арифметического минимальна, поэтому среднее арифметическое значение будет самой эффективной оценкой измеряемой величины, особенно при нормальном распределении погрешностей. [12]
Сумма квадратов отклонений, подсчитанная на точках проверочной совокупности, носит название критерия регулярности. [13]
Сумма квадратов отклонений относительно измененного среднего также уменьшается, но не так значительно. Сумма квадратов отклонений относительно прогноза почти в 2 раза меньше суммы квадратов относительно среднего. Отношение этих сумм квадратов служит показателем качества прогноза. [14]
Отношения суммы квадратов отклонений за счет каждой составляющей к общей сумме квадратов отклонений элементов ряда, выраженные в процентах, дают оценки вклада каждой компоненты в общую изменчивость временного ряда. [15]