Регрессоры

Следует обратить внимание на терминологию в регрессионном анализе. Для у можно встретить наименования зависимая переменная, функция отклика, предиктор дг — независимая переменная, входная переменная, фактор, регрессор а — свободный член (регрессии) Ь — угловой коэффициент, коэ( -фициент регрессии (фактически — коэффициент чувствительности метода анализа — 5). [c.37]

В данном случае регрессора. ш являются след, ф-ции фак-торов [c.325]

В регрессионном анализе зависимые переменные у называют также откликами, а независимые переменные х — предикторами или регрессорами. [c.548]

Значение регрессоров и величины коэффициентов уравнения (7) [c.304]

Образцы определения регрессоров [c.305]

Проведена статистическая обработка данных в рамках уравнения (7), используя метод наименьших квадратов. Методика обработки описана в работе Полученные коэффициенты уравнения и их ошибки даются в табл. 3. В последнем столбце табл. 3 приведены стандартные ошибки расчета с применением уравнения (7) в неполном виде. Учитывая регрессоры Xq-x. ,, т.е. только числа углеродных атомов в разных позициях, получаем точность в = 0.109 эВ. Эта точность низкая, все-таки она превышает результаты универсального метода работы. Последовательное включение регрессоров Xg, Хд и Xjq значительно улучшает результаты, стандартная ошибка понижается на 0.066, 0.043 и 0.029 эВ,соответственно. Учет полного комплекта регрессоров дает в = 0.021 эВ. [c.305]

В классической регрессионной модели в качестве объясняющих переменных (регрессоров) выступают количественные переменные (себестоимость, до- [c.8]

Для корректного применения регрессионного способа построения градуировочных характеристик типа (3.14) необходимо произвести также предварительный отбор значимых регрессоров. Из-за невозможности использовать для этой цели системы стандартных образцов, удовлетворяющие определенным критериям оптимальности, наиболее целесообразно в данном случае применять пошаговые регрессионные процедуры исключения, модифицированной пошаговой регрессии с заданием включения и исключения каждого фактора или алгоритм Хокинга — Лесли. Первые два метода обеспечивают отбор наиболее значимых факторов с помощью специальных критериев значимости (/-критерия или частного / -критерия). Последний метод позволяет отобрать регрессоры, обеспечивающие минимум остаточной дисперсии при заданном числе факторов. [c.92]

Наиб, просто задача определения параметров решается для линейных по ним мат. моделей. При О. р. пассивного эксперимента такие модели в общем случае представляют в виде суммы = т+1 базовых ф-ций от фагторов-т. наз. регрессоров-с коэф., к-рые и являются искомыми параметрами [c.325]

Конкретный вид регрессоров подбирают так, чтобы достигнуть удовлетворительной точности описания эксперим. данных. Напр., при описании исследуемого св-ва соед. многочленом (полиномом) второго порядка от двух переменных (т-ры и давления) ур-ние мат. модели (12) примет вид [c.325]

Регрессор, к-рому соответствует миним. значение исключают из модели, составляют и решают новую систему ур-ний. Рассчитывают новое значение остаточной дисперсии, и если оно оказывается меньше, чем для исходной модели, принимают упрощенную модель. Процедура последоват. исключения регрессоров может продолжаться, пока уменьшается остаточная дисперсия. [c.326]

В общем последовательность действий при построении аналит. зависимости, описывающей эксперим. данные, включает след, эташл 1) результаты опытов сводят в табл., строки к-рой соответствуют экспериментам, а столбцы-наблюдаемым значениям факторов. 2) Задают вид искомой зависимости (параметры к-рой подлежат определению), включающей необходимые регрессоры. 3) Для каждого регрессора в полученной табл. вводят дополнит, столбец, в к-рый заносят зиачение регрессора в каждом опыте. 4) Составляют систему нормальных ур-ний (18). 5) Решением этой системы определяют оценки параметров искомой зависимости. 6) По соотношению (25) проверяют адекватность полученной зависимости эксперим. данным. 7) Определяют по ф-ле (23) для каждого найденного параметра значения /. 8) Делают попытку упрощения указанной зависимости путем исключения из нее регрессора с параметром, имеющим наименьшее значение г. 9) Повторяют процедуру с п. 2 по п. 6. 10) Сделанное упрощение принимают и вычислит, процедуру продолжают с п. 7, если рассчитываемая по ф-ле (21) остаточная дисперсия для упрощенной модели будет меньше, чем для исходной. [c.326]

Справочник химика 21

Химия и химическая технология