Cтраница 1
Средний квадрат отклонения - дисперсия ( обычно обозначаемый а2 или а2) наиболее часто применяется и в теории и на практике в качестве меры колеблемости признака. [1]
Средний квадрат отклонения - дисперсия - обладает рядом свойств, которые позволяют упростить вычисления. [2]
Классическая статистическая механика дает возможность подсчитать средний квадрат отклонений от термодинамических значений; в равновесном состоянии. [3]
Мерой колеблемости уровней динамического ряда выступает средний квадрат отклонений фактических уровней ряда от переменных уровней, исчисляемых по тренду. Эта величина подобна дисперсии, исчисляемой в рядах распределения с той разницей, что отсчет отклонений ведется не от средней ( постоянной для данного ряда), а от переменной средней - выровненных уровней. [4]
Средний квадрат сигнала равен квадрату среднего плюс средний квадрат отклонения. [5]
Таким образом, диффузия вносит вклад в средний квадрат отклонения флюктуации через член, выражающий отклонение вероятности распределения от пуассоновской. В пределе D - сю с необходимостью возникает пуассоновское распределение в стационарном состоянии. [6]
Средний квадрат сигнала равен квадрату его среднего значения плюс средний квадрат отклонения. [7]
Из какого числа пластов состоит горизонт, во столько раз средний квадрат отклонения проницаемости о - 2г для горизонта меньше, чем ( гпл2 для пласта. [8]
Итак, значения среднего времени безотказной работы и его среднего квадрат ического отклонения для экспоненциального закона совпадают. [9]
Аналогичными расчетами ( здесь не приводятся) установлено, что средний квадрат отклонения между нашими значениями переменных в случае рассмотрения их по типу гиперболы составит о 1 299, в случае логарифмической показательной функции о 1 487 и в случае параболы 2-го порядка а составит многие сотни единиц. Следовательно, расчетная величина нашей зависимой переменной имеет наименьшее среднее отклонение от фактической при прямой связи. [10]
Нетрудно вычислить параметры этого распределения: математическое ожидание и дисперсию - средний квадрат отклонения от среднего значения. [11]
Расчеты дисперсии ряда ( а2) показали, что наименьшее значение среднего квадрата отклонения переменной ( у) от ее среднего значения ( у х) имеет гиперболическая связь между рассматриваемыми нами величинами потребления отраслью керосина и ее валовой продукции. Так, о при гиперболе составляет 0 0942, при прямой линии - 1 4018, при показательной логарифмической функции - 62 82 и при параболе - свыше тысячи. [12]
Видно, что во втором варианте прогнозирования по сравнению с первым вариантом средний квадрат отклонения больше в 2 раза, соответственно этому максимальная ошибка и средняя ошибка прогноза будет больше V2 раза. [13]
Влияние факторов А, В, С и их взаимодействий оценивается величинами средних квадратов отклонений: чем больше эта величина, тем существенней влияние соответствующего фактора или взаимодействия по сравнению с другими. Даже не применяя никакого критерия, пользуясь этой таблицей, можно сделать вывод, что факторы по их влиянию располагаются в следующем порядке: 1) фактор С; 2) фактор В; 3) фактор А. [14]
Для этого уъ ( 17) приближается полиномом 3 - 6 степени по критерию минимума среднего квадрата отклонения по 10 - 30 точкам. Число точек выбирается так, чтобы их было в 3 - 5 раз больше, чем степень полинома. Такое приближение дает на участке О - 100 мка отклонение от аппроксимируемой функции порядка 0 25 %, что является уже достаточным для расчета ФП с кусочно-криволинейной аппроксимацией. [15]