![]() Полезное:
Как сделать разговор полезным и приятным
Как сделать объемную звезду своими руками
Как сделать то, что делать не хочется?
Как сделать погремушку
Как сделать так чтобы женщины сами знакомились с вами
Как сделать идею коммерческой
Как сделать хорошую растяжку ног?
Как сделать наш разум здоровым?
Как сделать, чтобы люди обманывали меньше
Вопрос 4. Как сделать так, чтобы вас уважали и ценили?
Как сделать лучше себе и другим людям
Как сделать свидание интересным?
![]() Категории:
АрхитектураАстрономияБиологияГеографияГеологияИнформатикаИскусствоИсторияКулинарияКультураМаркетингМатематикаМедицинаМенеджментОхрана трудаПравоПроизводствоПсихологияРелигияСоциологияСпортТехникаФизикаФилософияХимияЭкологияЭкономикаЭлектроника
![]() |
А по МНК должно быть
U(t)=∫E(t)dt Рассмотрим уравнение: Y=ku+ Умножим на U: Y*u = k*u2+ Тогда, математическое ожидание: M{yu}=M{ k*u2+ M{y}=M{u}=0 Kyu=1/N*∑(ui-uср) K=Kyu/Дu 1) Исходные данные не должны содержать выбросов или грубых ошибок. 2) Структура математической модели должна быть линейно-параметрической, т.е. линейной по отношению к параметрам, и таких структур может быть много. Если структура зависимости известна и не линейна, то ее можно привести к линейно-параметрическому виду, в частности, используя точное математическое преобразование, либо приближенное, например, путем разложения в ряд (любой ряд, имеющий линейно-параметрическую структуру). 3) Критерий точности должен быть среднеквадратический, т.е. он дифференцируемый, непрерывный (например, среднемодульный прерывается в 0). МНК получен в результате решения задачи оптимизации аналитическим путем. Точное решение задачи оптимизации возможно лишь в случае ЛКГ, где Л - линейность модели к искомым переменным, К – квадратичность критерия, Г – «гауссовость» эффектов неучитываемых факторов (ε), т.е. с нормальным законом распределения. 4) Выходная переменная у распределена нормально для каждого фиксированного значения входной величины vj, 5) Постоянно действующее возмущение ε представляет собой последовательность независимых случайных величин с нулевым средним значением и некоторой неизвестной дисперсией (постоянной), т.к. задача решается ЛГК Если зафиксировать последовательно входную переменную и проводить эксперименты, то т.к. 6) Дисперсия должна быть однородной, т.е. при увеличении числа выборки оценка будет не смещенной, и приближаться к полученной по генеральной совокупности. Генеральная совокупность – это такая совокупность, объем которой равен ∞. Поскольку практически генеральную совокупность в процессе эксперимента получить невозможно, то экспериментатор всегда получает часть этой совокупности, которая называется выборочной, т.е. однородная дисперсия – это такая дисперсия оценки, которой принадлежат одной и той же генеральной совокупности. Для проверки гипотезы принадлежности двух полученных экспериментальным путем дисперсий одной и той же совокупности американский ученый Фишер предложил процедуру, основанную на следующем критерии: Критерий Фишера. Есть 2 оценки дисперсии: D1 и D2. Принадлежат ли они одной генеральной совокупности?
7) Отсутствие статистической связи между эффектами неучтенных факторов ε и учтенными факторами vj. 8) Последовательность значений vj, реализованных в процессе эксперимента, должны быть независимы между собой, т.е. vj(i) должны быть статически независимо от vj(i+ 1 ), где j - номер фактора, 9) Учитываемые факторы vj и vк при к≠j между собой статистически независимы. Нарушение этой предпосылки приводит к смещению оценок параметров при этих факторах. Они не будут отражать реально существующее соответствие между y и vj. Если эти факторы очень тесно связаны (r≈ 0,9 ), то один из факторов нужно исключить (который легче реализовать). Если коэффициенты корреляции между этими факторами небольшой, например r меньше либо равно 0.5, то их исключать нельзя: надо проводить ортогонализацию факторов. 10) Входная величина vj не должна содержать ошибок измерения. т.е. учитываемые факторы vj является неслучайными и управляемыми факторами. Погрешность всегда будет, но она должна будет существенно малой, по сравнению с диапазоном изменения измеряемой величины. Исследователь может изменять значения входных переменных в соответствии с предварительно разработанным планом. Вывод: предпосылки в основном выполняются при активном эксперименте. Нарушение предпосылок всегда будет приводить к смещению полученных оценок, но в различной степени. Главное – это независимость факторов vj и ε и отсутствие статистической связи между vj и ε (если используется пассивный эксперимент). Д – мера разброса значений вокруг какого-то среднего: Date: 2015-07-22; view: 404; Нарушение авторских прав |