Матрица корреляционная

Корреляционная матрица может быть получена из матрицы О (х) следующим образом [c.449]

Выведенные согласно результатам конечной матрицы корреляционные зависимости свидетельствуют о высокой степени точности построения и позволяют прогнозировать экологический ущерб и затраты на его предотвращение. [c.143]

Устойчивые динамические образования типа циркуляционных течений характеризуются постоянством функциональных связей между компонентами скоростей движущихся частиц и их координатами. При полностью упорядоченном стационарном циркуляционном течении координаты и скорости движения частиц связаны однозначными функциональными зависимостями, не меняющимися во времени. В реальном псевдоожиженном слое функциональная связь нарушается различными флуктуациями и говорить об устойчивости циркуляционных течений можно только в статистическом смысле. В качестве характеристики устойчивости и структуры функциональных связей между скоростями и координатами частиц, участвующих в частично упорядоченных циркуляционных течениях, можно использовать матрицу корреляционных отношений между скоростями и координатами. При анализе матриц корреляционных отношений для различных режимов оказывается, что общая структура функциональных связей между скоростями и координатами носит постоянный характер, отражаясь в постоянстве соотношений между различными парами корреляционных отношений. Это позволяет провести осреднение корреляционных отношений по различным режимам и рассматривать осредненную матрицу корреляционных отношений [10]. Для псевдоожиженных слоев частиц диаметром 1—5 мм и относительной плотностью 0,8—-1,2 [c.138]

Для того чтобы проследить изменение устойчивости циркуляционных течений при изменении режима псевдоожижения целесообразно ввести более компактную величину, характеризующую степень связи компонент скорости и координат, нежели матрица корреляционных отношений. В качестве такой характеристики можно использовать квадратичный инвариант матрицы корреляционных отношений [c.139]

Р + 2 , а Е) (корреляционный анализ). Здесь Р — статистика Е — единичная матрица — дисперсия ошибки р — вектор эффектов у — вектор коэффициентов регрессии — транспонированная матрица независимых переменных х, которые в дисперсионном анализе могут носить как количественный, так и качественный характер 2 — транспонированная матрица количественных переменных г в задаче регрессионного анализа, а также матрица количественных переменных и количественных откликов в задаче корреляционного анализа. [c.196]

Связь установок учитывается корреляционной матрицей. Первый вид связи обозначается (—1), второй —(+1), третий — (0). В табл. 1.3 дана корреляционная матрица, составленная для пяти установок. Недопустимость одновременной остановки третьей и четвертой установок обозначена в матрице знаком (-1-1). Обозначения располагаются симметрично относительно главной диагонали. Первая и пятая установки работают последовательно и останавливаются на ремонт одновременно. В матрице их связь обозначена знаком (—1). Для случая автономной работы первой и I пятой установок в матрице нужно использовать обозначение (0). [c.30]

Полученные экспериментальные данные используются для нахождения предварительных оценок параметров модели, которые используются для анализа обусловленности системы, определения корреляционных зависимостей параметров и построения плана дополнительного эксперимента. С использованием найденных оценок определяются расчетные значения концентраций компонентов, и находится матрица А. Отметим, что матрица А может быть построена и на основании априорных значений параметров модели, если таковые имеются. Так как точную оценку погрешности е найти трудно, а известна только достаточно широкая область, в которой может быть заключено ее значение, то следует определить е-ранг матрицы (Q (е)) как целочисленную функцию от е в указанной области. Если окажется, что при некотором е матрица А содержит попарно зависимые с точностью до е столбцы, то это означает, что имеются попарно коррелированные между собой параметры. Если коэффициенты линейной зависимости соизмеримы друг с другом, то все параметры коррелированы и не могут быть достаточно надежно оценены раздельно. В первом случае необходимо изменить начальные концентрации тех компонентов, которые существенно входят в линейно зависимые с точностью до е столбцы во втором — для надежной оценки параметров желательно изменить начальные концентрации всех компонентов. Наилучшие условия можно подобрать, максимизируя максимальную величину е, при которой еще сохраняется В (е) = п. [c.451]

Распознающие свойства эталонов переключений проверяются на той же обучающей последовательности. Для этого строки корреляционных матриц сравниваются последовательно с каждым из трех эталонов + , О и — и вычисляются соответствующие меры сходства. В качестве меры сходства (близости) траекторий к прототипам переключений используются (как наиболее простые) меры типа скалярного произведения х / р [c.123]

Оценка эффективности поведения автомата. Изложенный подход позволяет построить модель ФХС в виде обучающегося конечного автомата, основанного на корреляционных матрицах переключений для траекторий входного и выходного сигналов. Состояние автомата описывается тремя векторами признаков — полюсов х , Хо, х для каждого знака переключения выходной [c.127]

ПОЛНОСТЬЮ ортогональной, величину звездного плеча р выбирают из условия равенства нулю недиагонального члена корреляционной матрицы (Х ) . [c.179]

Анализ корреляционной матрицы показывает, что факторы Л, , 2, 3, являясь взаимно независимыми, значимо коррелированы с параметрами Х4, Х , Х , X-,. Параметры Хо, Х4 и Х не обнаруживают значимой корреляции с исследуемой характеристикой У. [c.104]

Таким образом, толщина слоя с аномальными свойствами У - функция семи аргументов, роль и относительная значимость каждого из них были установлены в процессе обработки фактических данных. Результаты математической обработки представлены в виде корреляционной матрицы (табл. 7, звездочкой отмечены незначимые коэффициенты корреляции). [c.57]

Симплексные планы являются планами ротатабельными. Основной недостаток симплексных планов — отсутствие так называемой ( -оптимальности. Этим свойством обладают планы с минимальной величиной детерминанта корреляционной матрицы ) для данного числа опытов N. [c.212]

Анализ корреляционной матрицы показывает, что факторы Х1, Х2, Хз, являясь взаимно независимыми, значимо коррелированы с параметрами 4. Л 5, Хб. Хт. Параметры Х2.. Х . Хц, Х не обнаруживают значимой корреляции с исследуемой характеристикой. [c.57]

Диагональные элементы корреляционной матрицы равны между собой, поэтому все коэффициенты уравнений (11,223) и (11,224) определяются с одинаковой точностью [c.195]

Чтобы сделать матрицу планирования полностью ортогональной, величину звездного плеча а выбирают из условия равенства нулю недиагонального члена корреляционной матрицы В табл. П-16 приведены значения а для различного числа факторов 26 [c.204]

Поэтому для симплексного плана корреляционная матрица (Х Х) имеет вид [c.212]

Здесь учитывается свойство транспортирования произведения матриц. Далее учтем, что из ранее сделанных предположений следует, что корреляционный момент мевду любыми парами /г (/т, чо есть/у -О, г I, 2,...,/ 4 /77 ( я / -7 линейно независимые [c.20]

Для определения взаимосвязей между углеводородным составом нефтей и содержанием в них азота и серы была сформирована корреляционная матрица, включающая параметры физико-химической ха- [c.76]

Описанная процедура существенно упрощ1ается, если корреляционная матрица С является диагональной. При этом коэффициенты корреляции между парами параметров равны нулю, параметры между собой линейно- независимы, при изменении значения одного иэ них не нужно пересчитывать значения остальных. Этого можно добиться, используя специальные приемы оптимального планирования экспериментов [2]. В данном пособии эти вопросы не рассматриваются. [c.23]

Анализ корреляционной матрицы и уравнений парной регрессии позволяет сделать некоторые выводы о характере и тесноте связи входных и выходных параметров камеры. Расходные показатели топлива и воздуха имеют наиболее тесную связь с ве- [c.105]

Изло/кеппый метод оценки обусловленности системы предполагает линейность либо возможность легкой линеаризации модели. Если же линеаризация приводит к большим ошибкам, то предпочтительнее для оценки параметров использовать поисковые методы минимизации функции нескольких переменных. При этом в процессе поиска получается обширная информация о поверхности критерия оценки, которую можно использовать для непосредственного вычисления матриц корреляции параметров. Так, в работе [12] предлагается поисковый метод, основанный на вычислении коэффициентов регрессии оцениваемых параметров. Покажем, как можно использовать матрицу коэффициентов регрессии для нахождения корреляционной и ковариационной матриц. Из матрицы коэффициентов регрессии образуем матрицу вида [c.448]

В описанном типе персептрона существуют два следующих друг за другом режима работы начальный (или подготовительный) режим и режим решения. В период подготовительного режима производится установление связей между 5- и Л-элементами по правилам построения корреляционных матриц. Во время второго режима решаются одновременно две задачи формирование эталонов и принятие решения. В рассмотренной структуре персептрона отсутствует система подкрепления связей. Это объясняется тем, что перед данным персептропом стоит задача произвести классификацию изображения по трем классам только на основании анализа самого изображения. При смещении окна предыстории на один такт происходит переориентация связей между 8- и -элементами. [c.127]

В связи с тем, что корреляционная матрица недиа гона льна, и следовательно все коэффициенты регрессии взаимно связаны, то нельзя проверять значимость каждого коэффициента в отдельности. Поэтому отношения [c.188]

В табл. 27, в которой приведены результаты статистической обработки по сигналу ПМ 1 и содержанию ванадия в асфальтенах и смолах нефтей Западной Сибири, иллюстрирует отсутствие зависимости парамагнетизма смол и асфальтенов от температуры, хотя в матрицу включены асфальтены нефтей с разницей пластовых температур 100 °С и более. Эти результаты согласуются с данными по асфальтенам Альберты [40] при статистической обработке результатов исследования более 100 образцов также не было обнаружено связи между сигналом ПМЦ, пластовой температурой и элементным составом. В то же время особенности состава асфальтенов и смол, фиксируемые методом ЭПР, связаны высокими корреляционными связями со многими параметрами нефти. Особо следует отметить связи между п/ф и S/N, которые отражают соответственно характер аэробного и анаэробного преобразования исходного ОВ. В общем, если все нефти по этим показатепям разбить на две группы, то они достаточно резко будут различаться по составу асфальтенов. [c.91]