русс | укр

Языки программирования

ПаскальСиАссемблерJavaMatlabPhpHtmlJavaScriptCSSC#DelphiТурбо Пролог

Компьютерные сетиСистемное программное обеспечениеИнформационные технологииПрограммирование

Все о программировании


Linux Unix Алгоритмические языки Аналоговые и гибридные вычислительные устройства Архитектура микроконтроллеров Введение в разработку распределенных информационных систем Введение в численные методы Дискретная математика Информационное обслуживание пользователей Информация и моделирование в управлении производством Компьютерная графика Математическое и компьютерное моделирование Моделирование Нейрокомпьютеры Проектирование программ диагностики компьютерных систем и сетей Проектирование системных программ Системы счисления Теория статистики Теория оптимизации Уроки AutoCAD 3D Уроки базы данных Access Уроки Orcad Цифровые автоматы Шпаргалки по компьютеру Шпаргалки по программированию Экспертные системы Элементы теории информации

Параметрическое оценивание


Дата добавления: 2013-12-23; просмотров: 1319; Нарушение авторских прав


Наиболее распространенными методами параметрического оценивания для статических моделей являются:

- корреляционный анализ;

- регрессионный анализ.

В основу обоих методов положена одна и та же вычислительная процедура – метод наименьших квадратов, но третий этап обработки данных, связанный с оценкой соответствия полученной модели экспериментальным данным, у них различен. Это различие имеет под собой основу и связано с областью применения того и другого метода.

Различие между этими методами состоит в том, что регрессионный анализ разработан для отображения причинно-следственных связей оригинала, а корреляционный анализ разработан для установления зависимости между равнозначными (в смысле причинно-следственной связи) переменными.

Для пояснения этого положения рассмотрим следующую структуру объекта исследования (рисунок 18):

B nHhJAvE6ih0Ib1/TS7msNJrRzLfZarQtu2DvG0cK5EwAQyqdaahS8HPYvLwD80GT0a0jVHBDD6t8 8pTp1Lgr7fCyDxWLJeRTraAOoUs592WNVvuZ65Cid3S91SHKvuKm19dYbls+F2LBrW4oLtS6w88a y/N+sArcTXbj9vC93Yny/PZ1lHIoThulnqfjegks4Bj+w3DHj+iQR6bCDWQ8axXER8LfvXtCJgtg hYLkNfkAnmf8ET//BQAA//8DAFBLAQItABQABgAIAAAAIQC2gziS/gAAAOEBAAATAAAAAAAAAAAA AAAAAAAAAABbQ29udGVudF9UeXBlc10ueG1sUEsBAi0AFAAGAAgAAAAhADj9If/WAAAAlAEAAAsA AAAAAAAAAAAAAAAALwEAAF9yZWxzLy5yZWxzUEsBAi0AFAAGAAgAAAAhAJRVHHCYBQAA8jIAAA4A AAAAAAAAAAAAAAAALgIAAGRycy9lMm9Eb2MueG1sUEsBAi0AFAAGAAgAAAAhALIUasPcAAAABgEA AA8AAAAAAAAAAAAAAAAA8gcAAGRycy9kb3ducmV2LnhtbFBLBQYAAAAABAAEAPMAAAD7CAAAAAA= ">

    Объект исследования  
vн
y1
y2
v1
v2

Рисунок 18 - Структура объекта исследования

Объект имеет 2 входных учитываемых воздействия v1 и v2, неконтролируемые входные воздействия vн, т.е. те воздействия, которые влияют на состояние объекта, но являются неконтролируемыми и, следовательно, не могут быть учтены моделью.



Объект имеет 2 выходных воздействия y1 и y2. При этом предполагается, что у1 зависит от v1 и v2, и у2 также зависит от v1 и v2:

; (66)

; (67)

Именно наличию ε1 и ε2 мы обязаны действиям vн.

Будем считать также, что в объекте исследования – оригинале – имеет место однонаправленная причинно-следственная связь, т.е. такая связь, где изменение причины (v1 и v2) обязательно приведет к изменению следствия (y1 и y2).

Модели (66) и (67) в таком случае отражают причинно-следственные связи, присущие объекту – оригиналу, и именно для них, для получения оценок коэффициентов таких зависимостей и их последующего анализа соответствия разработан метод регрессионного анализа.

В то же время модель вида

(68)

формально может быть построена, но она не имеет никакого физического смысла и не отражает реально существующих связей. В математике есть понятие обратной модели и выражение (68) в общем можно отнести к классу обратных моделей, формально ее можно использовать для промежуточных расчетов, как это, например, делается в методах восстановительно-прогнозирующей алгоритмизации. Но нужно всегда иметь ввиду, что называют ее моделью только формально, она не отображает реально существующие связи. Для такого объекта в то же время можно, например, построить зависимости

(69).

Зависимость (69) не отражает причинно-следственную связь. Она связывает между собой две равнозначные с точки зрения причинно-следственной связи переменные. Возникает резонный вопрос, а может ли быть связь между такими переменными для нашего объекта и зачем она нужна? Поскольку v1 и v2 одновременно влияют на y1 и y2, то можно предположить с большой степенью достоверности, что такая связь существует. Такое же право на существование имеет следующая зависимость:

(70).

Выражения (69) и (70) отражают косвенную (опосредованную) связь между переменными y1 и y2. Точно такие же связи могут быть между переменными v1 и v2. Такого рода зависимости нередко используются в косвенных измерениях.



<== предыдущая лекция | следующая лекция ==>
Выбор структуры модели | Экспериментальным данным


Карта сайта Карта сайта укр


Уроки php mysql Программирование

Онлайн система счисления Калькулятор онлайн обычный Инженерный калькулятор онлайн Замена русских букв на английские для вебмастеров Замена русских букв на английские

Аппаратное и программное обеспечение Графика и компьютерная сфера Интегрированная геоинформационная система Интернет Компьютер Комплектующие компьютера Лекции Методы и средства измерений неэлектрических величин Обслуживание компьютерных и периферийных устройств Операционные системы Параллельное программирование Проектирование электронных средств Периферийные устройства Полезные ресурсы для программистов Программы для программистов Статьи для программистов Cтруктура и организация данных


 


Полезен материал? Поделись:

Не нашли то, что искали? Google вам в помощь!

 
 

© life-prog.ru При использовании материалов прямая ссылка на сайт обязательна.

Генерация страницы за: 0.003 сек.