Uzman değerlendirmelerinin sunulması ve ön işleme tabi tutulması
Uygulamada çeşitli değerlendirme türleri vardır:
- parlak bir şekilde (genellikle-nadiren, daha yüksek sesle-daha güzel, öyle değil),
- ölçek derecelendirmeleri (50-75, 76-90, 91-120 vb. değer aralıkları),
Belirli bir aralıktaki noktalar (2'den 5'e, 1 -10), karşılıklı olarak bağımsız,
Sıralamalar (nesneler uzman tarafından sırayla sıralanır ve her birine bir seri numarası atanır – rütbe),
Eşitleme yöntemlerinden biriyle kaldırılan tesviye
ardışık tesviye yöntemi
faktörlerin ikili ayarlanması yöntemi
Uzmanların düşüncelerinin işlenmesinin mevcut aşamasında, değerlendirilmesi gerekmektedir. Bu düşüncelerin kullanılabilirlik aşaması.
Uzmanlardan alınan değerlendirmeler, farklı bir yöntem seçiminin (resmi) güvenilirliğini sağlamak amacıyla bölümleri uzmanların düşüncelerini yansıtan rastgele bir değişiklik olarak görülebilir. Bu nedenle, uzman değerlendirmelerinin dağılımını ve kullanışlılığını analiz etmek için aşağıdaki istatistiksel özellikleri kullanıyoruz: dağılımın ortalaması ve sonu:
Ortalama ikinci dereceden eşlik,
Değişim aralığı min – maks,
- varyasyon katsayısı V = kare.vim./ aritme eşittir. (Her türlü değerlendirmeye uygundur)
V ben = σ ben / x ben ort
Evrim için benzerlikler geliyor Bir Düşünce cilt uzmanı çifti Farklı yöntemler kullanılabilir:
birliktelik katsayılarıÖnlenebilecek ve önlenemeyecek çok sayıda örneğin bulunduğu yardım için,
süper alçakgönüllülük katsayıları uzmanların düşünceleri,
Tüm bu yaklaşımlar, iki uzmanın düşüncelerini eşitlemek veya iki işarete ilişkin tahmin serileri arasındaki bağlantıyı analiz etmek için analiz edilebilir.
Spearman'ın ikili sıra korelasyon katsayısı:
burada n uzman sayısıdır,
c k – i'inci ve j'inci uzmanların tüm T faktörlerine ilişkin değerlendirmelerindeki fark
Kendall'ın sıra korelasyon katsayısı (uyum katsayısı), yalnızca sıralar fiyatlar karşılaştırıldığında ortaya çıkan sonuçlara ek olarak, tüm hükümet yetkililerinin tüm uzmanlarının düşüncelerinin tutarlılığına ilişkin genel bir değerlendirme sağlar.
Tüm uzmanların tüm faktörlere ilişkin aynı tahminleri vermesi durumunda S değerinin, şu değerle karşılaştırılabilir bir maksimum değere sahip olduğu kanıtlanmıştır:
de n - Faktör sayısı,
m – uzman sayısı.
Geleneksel ilişkilerin uyum katsayısı
Üstelik W 1'e yakın olduğundan tüm uzmanlar aynı değerlendirmeyi vermiş, aksi takdirde düşünceleri kabul edilmemiştir.
Rozrakhunku S'nin formülü aşağıda gösterilmiştir:
burada r ij - j'inci uzmanın i'inci faktöre ilişkin sıralama değerlendirmeleri,
r avg - tüm değerlendirme ve sıralama matrisindeki ortalama sıralama
Ayrıca dehidrasyon formülünü de görebiliyorum:
Bir uzmanın değerlendirmeleri birleştirilirse ve örnekleme sırasında standartlaştırılırsa uyumluluk katsayısını hesaplamak için farklı bir formül kullanılır:
Tj'nin bir cilt uzmanına sigortalı olduğu durumda (bu durumda, değerlendirmeleri farklı nesneler için tekrarlandığı için) aşağıdaki kurallar tekrarlanmıştır:
de t j - j'inci uzman için eşit derecedeki grupların sayısı ve
h k - J'inci uzmanın ilgili sıralarının k'inci grubundaki ilgili sıraların sayısı.
popo. Tablo 3'te gösterildiği gibi sıralama yapıldığında altı faktöre sahip 5 uzmanın aynı fikirde olduğunu varsayalım:
Tablo 3 - Uzman türleri
| Uzmanlık | O1 | O2 | O3 | O4 | O5 | O6 | Uzman başına sıralama toplamı |
| E1 | |||||||
| E2 | |||||||
| E3 | |||||||
| E 4 | |||||||
| E5 |
Sıralamanın kesin olarak belirlenmemiş olması (uzmanların değerlendirmeleri tekrarlanmakta ancak sıralamaların toplamları eşit olmaması) nedeniyle değerlendirmeler tamamen dönüştürülerek ilgili sıralamalar kaldırılmaktadır (Tablo 4):
Tablo 4 - Uzman değerlendirmelerinin ilgili sıralamaları
| Uzmanlık | O1 | O2 | O3 | O4 | O5 | O6 | Uzman başına sıralama toplamı |
| E1 | 2,5 | 2,5 | |||||
| E2 | |||||||
| E3 | 1,5 | 1,5 | 4,5 | 4,5 | |||
| E 4 | 2,5 | 2,5 | 4,5 | 4,5 | |||
| E5 | 5,5 | 5,5 | |||||
| Nesneye göre sıraların toplamı | 7,5 | 9,5 | 23,5 | 29,5 |
Artık önemli olan ek uyum katsayısı için uzmanların düşüncelerinin uyum derecesidir. Sıraların parçaları birbirine bağlı, (**) formülünü kullanarak W'yi hesaplayacağız.
Todi rav =7 * 5/2 = 17,5
S = 10 2 +8 2 +4,5 2 +4,5 2 +6 2 +12 2 = 384,5
Şimdi W bölümlerine geçelim. Bunun için Tj'nin değerleri hesaplanabilir. Uygulama, değerlendirmeleri özellikle cilt uzmanının tekrarlanan değerlendirmelere sahip olacağı şekilde seçer: birinde iki, diğerinde üç, üçüncüsünde iki değerlendirmeden oluşan iki grup vardır, dördüncüsüyle aynı, beşincisinde iki yeni değerlendirme vardır. Yıldız:
T 1 = 2 3 - 2 = 6 T 5 = 6
T 2 = 3 3 - 3 = 24
T 3 = 2 3 -2 + 2 3 -2 = 12 T 4 = 12
Uzmanların fikir birliğinin yüksek kalması ve araştırmanın bir sonraki aşaması olan uzmanlar tarafından önerilen alternatif çözümün değerlendirilmesi ve benimsenmesi aşamasına geçilmesinin mümkün olması önemlidir.
Aksi halde 4-8. adımlara geri dönmeniz gerekir.
Kendal sıra korelasyon katsayısını hesaplamak için r k Verileri artma sırasına göre bir işarete göre sıralamak, alt sıraları ise başka bir işarete göre belirlemek gerekir. Daha sonra başka bir işaretin her sırası için, alınan değerden daha büyük olan önceki sıra sayısı, alınan alt sıra ve bu sayıların toplamı hesaplanır.
Kendal sıra korelasyon katsayısı aşağıdaki formülle verilir:
de Ri– diğer değiştirilebilir eşyaların sıra sayısı, başlayarak Ben+1, değeri değerden daha büyük Ben-inci değişim derecesi.
Katsayı sektörüne göre yüzde puan tablosunu bulun r k Korelasyon katsayısının önemi hakkındaki hipotezi doğrulamamızı sağlayan
Büyük anlaşmalar sırasında seçimler kritiktir r k tablo haline getirilmemiştir ve bunların, sıfır hipotezi H 0 altında olduğu gerçeğine dayanan yakın formüller kullanılarak hesaplanması gerekir: r k=0 ve daha büyük N Vipadkova değeri
yaklaşık olarak standart normal yasaya göre dağıtılır.
40. Nominal ve sıralı ölçeklerde ölçülen işaretler arasındaki konum
İki işaretin bağımsızlığını nominal ve sıralı ölçeklerde kontrol etmek genellikle gereklidir.
Her nesnenin iki işareti olsun Xі e eşit sayıda Rі S açıkça. Bu tür gözlemlerin sonuçları, eşlenik karakterler tablosu adı verilen bir tablo halinde manuel olarak sunulabilir.
Masada sen ben(Ben = 1, ..., R) O vj (J= 1, ..., S) – işaretler tarafından kabul edilen anlam, büyüklük yani– Güneşten gelen cisimlerin sayısı, işaret taşıyan cisimlerin sayısı X anlamını kabul ederek sen ben ve işareti e- Anlam vj
Aşağıdaki değer türlerini tanıtıyoruz:
sen ben
- değerlerin netleştiği nesnelerin sayısı vj
Ayrıca bariz kıskançlıklar da gizleniyor
Ayrık değişken miktarlar Xі e bağımsız ve hatta daha da fazlası, eğer
tüm çiftler için Ben, J
Bu nedenle ayrık değişken değerlerinin bağımsızlığına ilişkin hipotez Xі eşu şekilde yazılabilir:
Alternatif olarak, kural olarak hipoteze karşı çıkılır.
Örnekleme frekanslarına dayalı olarak H 0 hipotezinin geçerliliğini yargılamak yani konjugasyon tabloları. Büyük sayılar kanununa benzer N→∞ Referans frekansları karşılık gelen seviyelere yakındır:
H0 hipotezini doğrulamak için istatistikler kullanılır
hipotezin doğruluğu konusunda bölünmüş durumdayım χ 2 sn rs − (R + S− 1) özgürlük adımları.
Bağımsızlık kriteri χ Şekil 2, H 0 hipotezini eşit önemde desteklemektedir, çünkü:
41. Regresyon analizi. Regresyon analizinin temel kavramları
Hesaplanan değişken büyüklükler arasındaki istatistiksel ilişkilerin matematiksel açıklaması için mevcut durumu takip edin:
ü merkezi konumun yaklaşımını (şarkıcının anladığı anlamda) kapsamlı bir şekilde keşfedecek bir fonksiyon sınıfı seçin;
ü önem düzeyini belirlemek için dahil edilmesi gereken bilinmeyen parametre değerlerinin tahminlerini bulmak;
ü çıkarılan çamaşırların yeterliliğini ve süreyi belirlemek;
ü en bilgilendirici girdi değişikliklerini ortaya çıkarın.
Aşırı sigorta emirlerinin tamamı regresyon analizinin konusudur.
Regresyon fonksiyonu (veya regresyon), vipadkovic büyüklükler sisteminin ilk iki boyutlu değerini oluşturan bir faz değerinin başka bir faz değeri tarafından alınan değerden matematiksel olarak hesaplanmasıdır.
Nehai yanıltıcı niceliklerden oluşan bir sistemdir ( X,e), ardından regresyon fonksiyonu e Açık X
Ve regresyon fonksiyonu X Açık e
Regresyon fonksiyonları F(X) O φ (sen), karşılıklı olarak pazarlık konusu değildir, çünkü yalnızca arasındaki depozito Xі e işlevsel değil.
Bazen N-koordinatlı dünya vektörü X 1 , X 2 ,…, Xn herhangi bir bileşenin zihinsel ve matematiksel anlayışını ayırt etmek mümkündür. Örneğin, X 1
regresyon denir X başına 1 X 2 ,…, Xn.
Regresyon fonksiyonunu tam olarak anlayabilmek için, giriş değişkeninin sabit değerleri için çıkış değişkeninin zihinsel dağılımını bilmek gerekir.
Bu tür bilgiler gerçek durumda mevcut olmadığından, benzer bir yaklaşıklık fonksiyonu aramalısınız. fa(X) İçin F(X), türün istatistiksel verilerine dayanarak ( x ben, sen ben), Ben = 1,…, N. Bu veri sonuçtur N Bağımsızlara dikkat sen 1 ,…, e-n düşme değeri e giriş değişiminin değerlerinde X 1 ,…, xn, regresyon analizinde ise giriş değişkeninin değerlerinin kesin olarak belirtildiği aktarılır.
En iyi yaklaşım fonksiyonunu seçme problemi fa(X), regresyon analizinde ana analizdir ve kararı için resmi prosedürler gerektirmez. Bazen seçim, çoğunlukla teorik verilerden olmak üzere deneysel verilerin analizine dayanarak yapılır.
Regresyon fonksiyonunun düzgün olduğu aktarılırsa fonksiyon yaklaşık olur fa(X) herhangi bir doğrusal bağımsız temel fonksiyon kümesinin doğrusal bir kombinasyonu olarak temsil edilebilir ψk(X), k = 0, 1,…, M−1, o zaman görebilirsiniz
de M– bir takım bilinmeyen parametreler θk(Helal dalında değeri bilinmiyor, devam eden modelde netleştirildi).
Böyle bir fonksiyon parametrelere göre doğrusaldır, dolayısıyla parametrelere göre doğrusal olan bir regresyon fonksiyonu modelinden söz edebiliriz.
Bu nedenle regresyon çizgisi için en iyi yaklaşımı aradık F(X) bu tür parametre değerlerinin belirlenmesine indirgenir. fa(X;θ) bariz verilere en uygun olanıdır. Bu sorunu belirlemenizi sağlayan yöntemlerden biri de en küçük kareler yöntemidir.
42. En küçük kareler yöntemi
Kişisel olmayan noktayı bırakalım ( x ben, sen ben), Ben= 1,…, N Düz bir yüzey üzerinde düz bir çizgiyle döndürüldü
Bu aynı zamanda bir fonksiyondur fa(X), regresyon fonksiyonu ile yaklaşık olarak hesaplanır F(X) = M [e|X] argümana doğrusal bir fonksiyon almak doğaldır X:
Yani, temel işlevler burada bulunduğundan ψ 0 (X)≡1 ta ψ 1 (X)≡X. Bu tür regresyona basit doğrusal regresyon denir.
Yakshcho kişisel olmayan nokta ( x ben, sen ben), Ben= 1,…, N her çarpıklıkla rötuşlanır, sonra fa(X) doğal olarak bir parabol ailesi seçmeye çalışın
Bu fonksiyon parametrelere göre doğrusal değildir θ 0 şu θ Ancak 1, fonksiyonel dönüşüm yoluyla (bu durumda logaritma) yeni bir fonksiyona indirgenebilir f'a(X) , aşağıdaki parametrelere göre doğrusal:
43. Basit doğrusal regresyon
En basit regresyon modeli şuna benzeyen basit (tek boyutlu, tek faktörlü, eşleştirilmiş) doğrusal bir modeldir:
de εi– korelasyonsuz rastgele değerler (varyanslar), sıfır matematiksel hesaplamayla sonuçlanır ve hiçbir varyans olmaz σ 2 , Aі B– mevcut çıktı değerlerine göre değerlendirilmesi gereken sabit katsayılar (parametreler) sen ben.
Parametre tahminlerini bulmak için Aі B Deneysel veriler açısından en tatmin edici olan, düz bir çizgi anlamına gelen doğrusal regresyon:
En küçük kareler yöntemi durma noktasına geldi.
Zhidno en küçük kareler yöntemi
parametre tahminleri Aі B kareler toplamını en aza indirerek değeri akıldan bulun sen ben“referans” regresyon çizgisinden dikey olarak:
Bulo'nun sonbahar büyüklüğünde on koruma kadar doğranmasına izin verin e sabit değişim değerleri ile X
Minimizasyon için D sıfır özel bilgiye eşittir Aі B:
Sonuç olarak, derecelendirmeleri bulmaya yönelik sıralama sistemi ortadan kaldırıldı Aі B:
Bu iki düzeyin birleşimi şunları sağlar:
Parametreleri tahmin etmek için ifadeler Aі B bir bakışta da görülebilir:
Daha sonra regresyon çizgisinin ampirik karşılaştırması e Açık Xşeklinde yazılabilir:
Tarafsız varyans tahmini σ
2 videonun anlamı sen ben seçilen düz regresyon doğrusundan şu şekilde verilir:
Regresyon seviyesi parametrelerini ayarlayabiliriz
Bu şekilde doğrudan regresyon şu şekilde görünür:
Ve varyans tahmini daha yüksek bir değere sahiptir sen ben seçilen bir düz regresyon doğrusundan
44. Regresyon çizgisinin öneminin kontrol edilmesi
Değerlendirme bulundu B≠ 0, matematiksel olarak sıfıra eşit olan aşamalı bir değerin uygulanması olabilir, o zaman gerçekte böyle bir regresyon faktörünün olmadığı görünebilir.
Bu durumu anlamak için H0 hipotezini kontrol edin: B= 0, rakip hipotez H 1 ile: B ≠ 0.
Regresyon çizgisinin önemi ek varyans analizi kullanılarak doğrulanabilir.
Şimdi bu kimliğe bakalım:
Büyüklük sen ben− ŷi = εi fazlalığa ve iki miktar arasındaki farka denir:
ü orta vidgukiv biçiminde korunan anlamın (vidguku) uyanıklığı;
ü sıvının aktarılan değerini geri kazanmak ŷi aynı ortadan
Benzerlik görünümde kaydedilebilir
Meydanın her parçasını kırıp özetledim Ben, Reddediyoruz:
Miktarlar adından kaldırıldı:
geleneksel kareler toplamı ortalama dikkat değerini dikkate aldığından, tam (galal) kareler toplamı SK p ile
Geleneksel kareler toplamı, ortalama uyarıya yönelik doğrusal regresyonun değerini yansıttığından, SC p regresyonuna dayanan kareler toplamı.
Zalishkova kareler toplamı SC0. Geleneksel kareler toplamı nedir? Regresyon çizgisinin değerine dikkat edin
Bu şekilde roskid e- Bu ortalama değerin büyük bir kısmı şarkı söyleyen dünyaya, herkesin gerileme çizgisinde yatmaya dikkat etmemesine atfedilebilir. Eğer durum böyle olsaydı regresyondan önceki karelerin toplamı sıfıra ulaşırdı. Yıldız, SC r'nin karelerinin toplamı SC 0'ın karelerinin toplamından büyük olacağı için regresyonun anlamlı olacağını öne sürüyor.
Regresyonun anlamlılığının kontrol edilmesine ilişkin hesaplamalar varyans analizi tablosunda gerçekleştirilir.
Yakshcho af εi normal yasaya göre bölünmeler, o zaman H 0 hipotezi doğruysa: B= 0 istatistik:
Fisher yasasına göre serbestlik derecesi sayısı 1 ve N−2.
İstatistiğin değeri hesaplanırken sıfır hipotezinin eşit derecede önemli olduğu gösterilecektir. Fα yükseklik noktasından daha büyük olacaktır F 1;N−2;α Fisher'ın alt bölümüne.
45. Regresyon modelinin yeterliliğinin kontrol edilmesi. Fazlalık yöntemi
Önerilen regresyon modelinin yeterliliği, her bir modelin kanser öngörüsünde anlamlı bir iyileşme sağlamadığı anlamına gelmektedir.
Farklı değerler için ürünlerin tüm değerleri dikkate alındığı için X o zaman yeni koşullar altında çıkarılabilecek vodguk için önemli bir değer yoktur x ben doğrusal modelin yeterliliğinin daha ileri düzeyde doğrulanması mümkündür. Bu doğrulamanın temeli fazlalıktır:
Belirlenen modele göre iyileştirme:
Oskolki X- tek boyutlu değişim, noktalar ( x ben, ben mi) düzlemde fazlalık grafik olarak adlandırılabilir. Bu fenomen kişinin aşırı davranışlardaki bir modeli tanımlamasına olanak tanır. Ek olarak, fazlalıkların analizi, ödeneklerin dağıtım kanununa göre ödeneklerin analiz edilmesine olanak sağlar.
Normal yasaya göre bölünmeler varsa, o zaman bunların varyansının önsel bir tahmini vardır. σ 2 (önceki değerlere dayalı değerlendirme), o zaman modelin yeterliliğinin doğru bir şekilde değerlendirilmesi mümkündür.
Daha fazla yardım için F-Eğer aşırı dağılım varsa Fisher kriteri doğrulanabilir S 0 2 önsel tahmine göre artar. Çok daha önemliyse yetersizlik olabilir o zaman modele bakmak gerekir.
Önsel tahminler nelerdir? σ 2 hayır ama vimiryuvannya vidguku e aynı değerlerle iki veya daha fazla kez tekrarlandı X daha sonra bu tekrarlanan önlemler bir tahmin daha elde etmek için kullanılabilir. σ 2 (çok fazla dağılım önce gelir). Böyle bir değerlendirme hakkında "saf" bir yemek olduğunu söylemek, artıklar, nasıl kazanılacağı X Ancak iki kişi için dikkatli olun, ani değişiklikler sonuçları etkileyebilir ve aralarında tutarsızlıklar yaratabilir.
Ortaya çıkan tahmin, başka yollarla elde edilen varyansın güvenilir bir tahminidir. Bu nedenle deneyleri planlarken tekrarların takip edilmesi önemlidir.
Diyelim ki M Farklı anlamlar X : X 1 , X 2 , ..., xm. Cildinizin anlamını bilmesini sağlayın x benє n ben dikkat olmak e. Usyogo dışarı çıkarken dikkatli olun:
Bu basit doğrusal regresyon modeli şu şekilde yazılabilir:
“Saf” metaların dağılımını biliyoruz. Bu dağılım bir dağılım tahminiyle birleştirilir σ
2, ifadelerin anlamını ortaya çıkarmak ve ben en X = x ben Seçimim hakkında nasıl konuşacağım? n ben. Sonuç olarak “saf” bulamaçların dağılımı şu kadar eskidir:
Bu dağılım bir tahmin görevi görür σ 2 modelin doğru seçildiği kesindir.
"Saf kesimlerin" karelerinin toplamının, fazla kareler toplamının (fazla dağılıma dahil olan karelerin toplamı) bir parçası olduğunu gösterelim. Fazlalık J-ne zaman dikkatli olun x benşeklinde yazılabilir:
Bu ilişkinin rahatsız edici kısımları nasıl giderilir ve sonra bunları nasıl özetlenir? J ve tarafından Ben, ardından şunu kaldırırız:
Bu gayretin hakikati pek çok kareye bedeldir. Sağ taraftaki ilk üye “saf” faydaların kareleri toplamı, diğer üye ise yetersizliğin kareleri toplamı olarak adlandırılabilir. Toplamın geri kalanı M−2 serbestlik derecesi, dolayısıyla yetersizlik dağılımı
H 0 hipotezini doğrulamak için istatistiksel kriter: H 1 hipotezine karşı basit bir doğrusal model yeterlidir: basit bir doğrusal model yetersizdir, doğrusal bir değerdir
Sıfır hipotezinin geçerliliği için değer F Fischer'in özgürlük adımlarını bölebilir M−2 ta N−M. Doğrusal regresyonun doğrusallığı hipotezi, α'nın eşit öneminden kaynaklanmaktadır, çünkü istatistiğin değeri, serbest adım sayısı ile Fisher bölümünün α-vscentka noktasından uzaklaştırılmaktadır. M−2 ta N−M.
46. Regresyon modelinin yeterliliğinin kontrol edilmesi (Böl. 45). Varyans analizi
47. Regresyon modelinin yeterliliğinin kontrol edilmesi (Böl. 45). Belirleme katsayısı
Alternatif olarak, bir regresyon çizgisinin maliyetini karakterize etmek için örnekleme belirleme katsayısını kullanın. RŞekil 2, kareler toplamının hangi kısmının (kısmının) regresyonla belirlendiğini gösterir; SK p, toplam kareler toplamına SK p ekler:
Yaklaş R 2'ye bir, regresyon deneysel verilere ne kadar doğru yaklaşırsa, doğrusal regresyona yaklaşırken o kadar dikkatli olunur. Yakşço R 2 = 0, daha sonra bozulmamış faktörleri ekleyerek hesaplamanın çıktısını değiştirin ve regresyon çizgisi eksene paralel olur X-iv. Basit bir doğrusal regresyonun bir belirleme katsayısı vardır R 2 korelasyon katsayısının karesine eşittir R 2 .
Farklı x-iv değerlerine dikkat edilirse maksimum R 2 =1 değerine daha da sık ulaşılabilir. Verilerin tekrarlanan kanıtları varsa, sanki model iyi değilmiş gibi R2'nin değeri bire ulaşamaz.
48. Basit doğrusal regresyon parametreleri için güven aralıkları
Benzer şekilde, hem örnek ortalaması referans ortalamasının (popülasyon ortalaması) hem de örnek regresyon dengeleme parametrelerinin bir tahminidir. Aі B- ilgili regresyon katsayıları değerlendirilmeden. Farklı örnekler ortalamaya ilişkin farklı tahminler verecektir; dolayısıyla farklı örnekler, regresyon katsayılarına ilişkin farklı tahminler verecektir.
Alt uçta, yasa genslere af verdi εi normal bir yasa ile tanımlanır, parametre tahmini B Aşağıdaki parametrelerle normal bir bölümümüz var:
Oskolki parametre değerlendirmesi A bağımsız normal dağılımlı niceliklerin yanı sıra matematiksel hesaplamalar ve dağılım ile normal dağılımdan oluşan doğrusal bir kombinasyondur:
Bu durumda (1 - α), dağılımı tahmin etmek için güven aralığıdır σ 2 yeni olanın anlaşılmasından ( N−2)S 0 2 /σ 2 Kanunen bölünmüş χ 2 serbestlik adımlarının sayısı ile N−2 ve bir virüs var
49. Regresyon çizgisi için ek aralıklar. Eski değişimin değeri için güven aralığı
Regresyon katsayılarının bilinmeyen değerlerini hesaplayın Aі B. Artık değerlendirmelerinden haberimiz yok. Aksi takdirde, doğrudan regresyon ya daha fazla ya da daha az, ya dik ya da düz bir şekilde ya da daha az örnek verilerle tetiklenerek gerçekleştirilebilir. Regresyon katsayıları için ek aralıklar kullandık. Son bölgeyi ve regresyon çizgisinin kendisini hesaplayabilirsiniz.
Basit doğrusal regresyon için (1-) kullanmayı unutmayın. α
) sonucun matematiksel hesaplanması için güven aralığı eönemli olduğunda X = X 0. Tek bir matematiksel hesaplama vardır A+bx 0 ve yoga puanı
O halde Bo.
Matematiksel zekanın tahmini, ilişkisiz normal dağılmış değerlerin doğrusal bir kombinasyonu ile belirlenir ve dolayısıyla normal dağılım, zihinsel matematiksel zekanın ve dağılımının gerçek değeri noktasında merkezlenir.
Bu nedenle ten değeri için regresyon çizgisinin güven aralığı X 0 bir bakışta görülebilir
Gördüğünüz gibi minimum güvenlik aralığı bunun ötesine geçiyor X 0'ın ortalama değere eşit olması ve dünyada artması gerçeği X 0 ortadaki noktadan herhangi bir yönde "uzaklaşır".
İndüklenen viraza boyunca, tüm regresyon fonksiyonuna bağlı uykulu güven aralıklarının kişiliksizliğinin ortadan kaldırılması tn −2,α
/2 değiştirilmeli
Sıralama yaparken uzmanın, değerlendirilen unsurları avantajlarının artış (değişim) sırasına göre yerleştirmesi ve her birine doğal sayılar şeklinde sıralamalar vermesi gerekir. Doğrudan sıralamada en önemli unsur rütbe 1'dir (birim 0), en az önemli unsur ise rütbe m'dir.
Uzman, kendi görüşüne göre hala üstün olan unsurları kesin olarak sıralayamıyorsa, bu tür unsurlara aynı sıralamaları vermesine izin verilir. Sıralama toplamının eşitliğini sağlamak için, sıralanan öğelerin toplamının, standartlaştırılmış sıralamalar olarak adlandırılan şekilde oluşturulması gerekir. Standardizasyon sıralaması, sıralanmış serideki öğelerin aritmetik ortalama sayısıdır ancak bu daha üstündür.
popo 2.6. Uzman altı unsuru öncelik sırasına göre sıraladı:
Daha sonra bu unsurların sıralamaları standartlaştırılacak
Bu şekilde elementlere atanan sıraların toplamı, doğal serideki sayıların toplamı ile karşılaştırılabilir.
Unsurların sıralamasındaki farklılığın ifadesinin doğruluğu, sunumun çokluğunun karmaşıklığına bağlı olmalıdır. Sıralama prosedürü, değerlendirilen öğelerin sayısı 10'dan fazla olmadığı sürece en güvenilir sonuçları verir (tanımlanan avantaj ile "doğru" arasındaki yakınlık düzeyinin ötesinde). Sunumun kişisel olmayanlığının sınır ciddiyeti 20'yi hissetmek suç değil.
Sıralamaların işlenmesi ve analizi, bireysel değerlere dayalı olarak grup bazında gerçekleştirilir. Kim için aşağıdakiler belirlenebilir: a) iki uzmanın kişiliksizlik unsurlarına ilişkin sıralamaları arasında yüksek yoğunluklu bir ilişki; b) iki öğe arasında, bu öğelerin farklı özelliklerine dayalı olarak grup üyelerinin bireysel düşüncelerine dayanan anlamlı bir ilişki; c) En az iki uzmanın yer aldığı gruptaki uzmanların düşüncelerinin tutarlılığının değerlendirilmesi.
İlk iki durumda bağlantı yoğunluğunun ölçüsü olarak sıra korelasyon katsayısı belirlenir. Sıra korelasyonuna izin verilip verilmediğinin belirlenmesi önemlidir; Kendal veya Spearman'ın sıra korelasyon katsayısı belirlenir.
Problem için Kendal sıra korelasyon katsayısı (a)
de M- elemanların sayısı; r 1 ben – ilk uzman tarafından atanan rütbe Ben-'inci eleman; r 2 ben – aynısı, başka bir uzman tarafından.
Problem (b) için, bileşen (2.5) aşağıdaki ikameye sahiptir: m - değerlendirilecek iki unsurun özelliklerinin sayısı; r 1 ben(r 2 i) - bir grup uzman tarafından sunulan, birinci (diğer) unsurun i-inci karakteristik sıralamasının sırası.
Kesin sıralama ile sıra korelasyon katsayısı belirlenir. R Mızraklı:
bileşenleri i (2.5) ile aynı şeydir.
Korelasyon katsayıları (2,5), (2,6) -1'den +1'e değişmektedir. Korelasyon katsayısı +1'dir, bu da sıralamanın aynı olduğu anlamına gelir; Değer -1'e eşitse uzatmalar yapılır (kapıların sıralaması bire birdir). Korelasyon katsayısının sıfıra eşit olması sıralamaların doğrusal olarak bağımsız (ilişkisiz) olduğu anlamına gelir.
Bu yaklaşımın sonuçları (uzman bir düşüşle "daha çılgındır") bireysel sıralamalar, çıkarılan korelasyon katsayısının önemine ilişkin hipotezin istatistiksel olarak doğrulanması görevi nedeniyle düşüşler olarak görülür. Hangi tür Neyman-Pearson kriteri kullanılır: α kriterinin önemine eşit olarak ayarlanır ve korelasyon katsayısının bölünme yasalarını bilerek sınır değerlerini belirtir c α, Korelasyon katsayısının değerini eşitlemek için. Kritik alan sağ taraftadır (pratikte böbreği anlamlı bir kriter geliştirecek şekilde ayarlayın ve buna eşik düzeyine eşit bir önem düzeyi atayın) α ).
Kendal sıra korelasyon katsayısı, t > 10'da, aşağıdaki parametrelerle normale yakın bir bölümdür:
de M [τ] - matematiksel hesaplama; D [τ] - Dağılım.
Bu durumda standart normal bölümün fonksiyon tablosu gösterilir:
ve kritik bölgenin sınırı τ α çizginin kökü olarak belirlenir
Katsayı değeri τ ≥ τ α şeklinde hesaplanırsa sıralamaların iyi çalışması önemlidir. Değerleri 0,01-0,05 aralığında ayarlayın. t ≤ 10 dağılımları için t tabloda belirtilmiştir. 2.1.
Spearman katsayısına dayalı iki sıralamanın anlamlılığının doğrulanması, m > 10 için Öğrenci t-testi tablosu kullanılarak aynı sırada gerçekleştirilir.
Ne harika bir boyut
Öğrencinin bölünmesiyle iyi bir şekilde tahmin edilen bir bölünme vardır. M– 2 adım özgürlük. Şu tarihte: M M [ρ] = 0 ve D [ρ] = olduğundan, ρ değerinin > 30'a bölünmesi normal olana daha uygundur.
t 10 için ek tabloyu kullanarak ρ'nin önemini kontrol edin. 2.2.
Sıralama tutarsız olduğundan Spearman katsayısı
de ρ – hesaplayın (2.6);
de k 1 , k 2 - birinci ve ikinci sıralamadaki katı olmayan sıralardaki farklı grupların sayısı; ben i yeni rütbelerin sayısıdır Ben-ї gruplar. Spearman ve Kendal'ın sıra korelasyonu için pratik katsayı seçimiyle, katsayının minimum dağılımla daha doğru bir sonuç sağlaması önemlidir.
Tablo 2.1.Kendal sıra korelasyon katsayısının ayrılması
Kısa teori
Kendal korelasyon katsayısı, sıraların her günle ilişkili olması için iki sıra ölçeğinin farklı şekilde temsil edildiği zamanlarda belirlenir. Kendal katsayısının hesaplanması kaçış ve ters dönme sayısının artmasıyla ilgilidir.
Bu katsayı artık değişmez ve aşağıdaki formül kullanılarak sigortalanır:
Sıralama için tüm birimler işarete göre sıralanır; Bir dizi başka işarete göre, her sıralama için, verileri aşan ilerleyen sıralamaların sayısı (önemli geçişleri) ve verilenin altındaki ilerleyen sıralamaların sayısı (önemli geçişleri).
ne olduğunu gösterebilir misin
Ve Kendal sıra korelasyon katsayısı şu şekilde yazılabilir:
Sıfır genel Kendall sıra korelasyon katsayısının rakip bir hipotezle eşitliği hakkındaki sıfır hipotezini eşit önemde doğrulamak için kritik noktayı hesaplamanız gerekir:
de – obsyag vibіrki; – eşitlik için Laplace fonksiyonu tablosundan bildiğimiz gibi, iki taraflı kritik bölgenin kritik noktası
Aslında sıfır hipotezi önermek için hiçbir neden yoktur. İşaretler arasındaki sıra korelasyonu önemsizdir.
Yani sıfır hipotezi atılır. Burçlar arasında önemli bir sıra korelasyon bağlantısı vardır.
Görevin özü
Umov'un görevleri
İşe alım saatinden önce boş pozisyonlar için yedi adaya iki kayınpeder atandı. Test sonuçları (toplar halinde) tabloda gösterilmektedir:
| Ölçek | Aday | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 1 | 31 | 82 | 25 | 26 | 53 | 30 | 29 | 2 | 21 | 55 | 8 | 27 | 32 | 42 | 26 |
İki testin test sonuçları arasındaki Kendall sıra korelasyon katsayısını hesaplayın ve anlamlılığını değerlendirin.
Karar verildi
Kendal'ın sayılabilir katsayısı
Faktör işaretlerinin sıraları kesinlikle büyüme sırasına göre düzenlenir ve aynı zamanda sonuç işaretlerinin karşılık gelen sıraları da kaydedilir. Her kademeye kadar, sonraki kademelerin deposu, kademelerin (yığına girilen) değerine bağlı olarak bir dizi büyük kademeyi ve (yığına girilen) bir dizi daha küçük kademeyi destekler.
| 1 | 1 | 6 | 0 | 2 | 4 | 3 | 2 | 3 | 3 | 3 | 1 | 4 | 6 | 1 | 2 | 5 | 2 | 2 | 0 | 6 | 5 | 1 | 0 | 7 | 7 | 0 | 0 | Suma | 16 | 5 |
Ekonomik ve sosyal uygulamanın ihtiyaçları, insanların ve yetkililerin nasıl çalıştığını doğru bir şekilde kaydetmemize olanak tanıyan süreçlerin hızlı bir şekilde tanımlanmasına yönelik yöntemlerin geliştirilmesini gerektirir. Açık işaretlerin anlamlarının sıralanabileceği veya işaretlerin değişim (büyüme) aşamasına göre sıralanabileceği gerçeğine dayanarak, açık işaretler arasındaki bağlantının sıkılığını değerlendirebilirsiniz. Doğru bir şekilde ölçmenin imkansız olduğuna dair bir işaret olduğu açıktır, ancak nesnelerin birbirleriyle hizalanmasına ve ardından keskinliklerinin azalıp artma sırasına göre büyütülmesine olanak tanır. Bunun yerine, sıralama ölçeklerindeki asıl fark, nesnelerin değerli işaretin çeşitlilik düzeyinde görünme sırasıdır.
Pratik amaçlar açısından sıra korelasyonu daha da kötüdür. Örneğin, virüsün iki farklı belirtisi arasında yüksek dereceli bir korelasyon kurulmuşsa, virüslerin yalnızca bir işaret için kontrol edilmesi yeterli olur, bu da maliyeti azaltır ve kontrolü hızlandırır.
Örnek olarak, ticari ürünlerin güvenliği, düşük üretim maliyetleri ve genel satış maliyetleri arasındaki açık bağlantıyı görebilirsiniz. 10. hamlede aşağıdaki tablo çizilir:
X değerlerini, cilt değerinin seri numarasının (rank) verildiği ölçeklere göre sıralıyoruz:
Böyle bir şekilde
Sıralamalarının takip edilmesi sonucunda reddedilen X ve Y bahislerinin kaydedildiği tabloya bakalım:
Sıralardaki farkı belirterek, örnek Spearman korelasyon katsayısını hesaplamak için formülü yazıyoruz:
n, korumaların sayısıdır, rütbe çiftlerinin sayısı vardır.
Spearman katsayısı aşağıdaki güce sahiptir:
X ve Y'nin açık işaretleri arasında, nesnelerin sıralarının i'nin tüm değerleri için eşit olduğu duygusuyla doğrudan bir korelasyon vardır, o zaman Spearman'ın örnek korelasyon katsayısı 1 ile karşılaştırılabilir. Eylem, ancak formülü değiştirdikten sonra 1 çıkarıyoruz.
Açık X ve Y işaretleri arasında, sıralamanın sıralamayı gösterdiği şeyin tam tersi olduğu için, Spearman'ın örnek korelasyon katsayısı -1'e eşittir.
Adil olmak
Spearman korelasyon katsayısı formülünü değiştirerek -1'i kaldırıyoruz.
Açık işaretler arasında doğrudan veya ters bağlantı bulunmadığından Spearman'ın örnek korelasyon katsayısı -1 ile 1 arasına yerleştirilir ve değerine yaklaştıkça bu bağlantılar daha az işaret arasına yerleştirilir.
Sivri uç verilerinden P değerini biliyoruz ve bunun için i değerlerinin bir tablosunu elde ediyoruz:
Kendal korelasyonunun titreşim katsayısı. İki net işaret arasındaki ilişkiyi Kendal sıra korelasyon katsayısını kullanarak değerlendirmek mümkündür.
Seçim nesnelerinin sıralamalarının daha gelişmiş olmasına izin verin:
X işaretinin arkasında:
Y işaretinin arkasında: . Sağın derecelerinin daha büyük olması, sağın daha büyük olması ve sağın derecelerinin daha büyük olması makbuldür. Sıra sayısını girin
Benzer şekilde, daha küçük olanlardan ziyade sağdaki sıraların sayısının toplamı olarak bir değer katıyoruz.
Victoria Kendal korelasyon katsayısı şu formülle yazılır:
De n – obsyag vibіrki.
Kendall katsayısı Spearman katsayısıyla aynı güce sahiptir:
Açık X ve Y işaretleri arasında, nesnelerin sıralarının i'nin tüm değerleri için eşit olduğu anlamında doğrudan bir korelasyon olduğundan, Kendall korelasyonunun seçim katsayısı 1'den fazladır. Eylem ancak sağa doğru, n-1 rütbe var, bundan daha büyük, aynı rütbeyi kuralım o zaman. Todi. І katsayısı Kendall: .
Açık X ve Y işaretleri arasında, sıralamanın sıralamayı gösterdiği şeyin tam tersi olduğu için, Kendall korelasyonunun örnekleme katsayısı -1'e eşittir. Sağdakinin rütbesi yoktur, büyük olanlar. Benzer. R+=0 değerini Kendall katsayısı formülüne koyarak -1 çıkarıyoruz.
Örneklemenin çok olduğu ve sıra korelasyon katsayılarının değerlerinin 1’e yakın olmadığı durumlarda kıskançlık yaklaşıyor olabilir:
Kendal katsayısı Spearman katsayısından daha ihtiyatlı bir korelasyon tahmini sağlıyor mu? (sayısal değer? zavzhdi daha az, nіzh). Katsayıyı ödemek ister misiniz? Daha az zahmetli, katsayı hesaplaması daha düşük, sıraya yeni bir üye eklendiğinde geri kalanın geçilmesi daha kolay oluyor.
Katsayının önemli bir avantajı, üçüncünün girdisini kaldırarak iki sıra işaretinin "saf" ara bağlantı aşamasını değerlendirmeye olanak tanıyan özel sıra korelasyonu katsayısını hesaplamanın mümkün olmasıdır:
Sıra korelasyon katsayılarının önemi. Örnek verilere dayanan önemli bir sıralama korelasyonu gücüyle, beslenmenin başlangıcına bakmak gerekir: genel toplamda gerçek bir korelasyona sahip olanlar hakkında hangi güvenilirlik düzeyinde bir sonuca güvenilebilir? kaldırıldı Birinci örnek sıra korelasyon katsayısı. Başka bir deyişle, analiz edilen iki sıralamanın istatistiksel bağımsızlığı hipotezine dayalı olarak dikkate alınan ilişkili sıralamaların anlamlılığının doğrulanması gerekmektedir.
Dikkatli bir seçimle, sıra korelasyon katsayılarının değerinin doğrulanması, normal bölümün ek bir tablosuyla takip edilebilir (Tablo 1 ek). Spearman katsayısının önemi nasıl doğrulanır? (n>20 için) değerleri hesaplayın
ve Kendall katsayısının önemini doğrulamak için? (n>10 için) değerleri hesaplayın
de S = R + - R-, n - obsyag vibіrki.
Daha sonra, eşit anlamlılığı ayarlayın?, Öğrencinin alt bölümündeki kritik noktalar tablosundan tcr(?,k) kritik değerini belirleyin ve bunu veya değerinin hesaplanmasıyla eşitleyin. İradenin seviye sayısının k = n-2 olduğu varsayılmaktadır. > tcr ise anlamlar ya anlamlı olarak kabul edilir.
Fechner korelasyon katsayısı.
Tahmin ettikten sonra, az miktarda çıktı bilgisi varsa, bağlantının görünürlüğünü oluşturmada oldukça başarılı olan, bağlantının temel yoğunluk düzeyini karakterize eden Fechner katsayısını bulun. Hesaplamanın temeli, her bir varyasyon serisinin varyantlarının aritmetik ortalamasının doğrudan sonucunun ortaya çıkması ve bu varyasyonların işaretlerinin, aralarındaki bağlantılar uzlaştırılan iki seri için önemidir.
Bu katsayı aşağıdaki formülle belirlenir:
de na - bireysel miktarların işaretlerinden aritmetik ortalamalarından kaçma sayısı; nb – açıkçası çok sayıda fark var.
Fechner katsayısı -1,0 limitlerinde değişebilir<= Кф<= +1,0.
Sıra korelasyonunun uygulamalı yönleri. Belirtildiği gibi sıra korelasyon katsayıları, iki sıra işaretinin ara bağlantısının ve sıra ile sıra işaretleri arasındaki bağlantının gücünün net bir analizi ile belirlenebilir. Burada da Çin işaretlerinin anlamları sıralanmış ve onlara alt rütbeler verilmiştir.
Sıra korelasyonu katsayılarının hesaplanması tamamlandığında ve iki özel işaretin bağlantı kuvveti belirlendiğinde bu durum söz konusudur. Yani, normal bölüme kıyasla bunlardan birinin (veya her ikisinin) sağlıklı bir şekilde bölünmesiyle, örnek korelasyon katsayısı r'nin hesaplanan anlamlılık düzeyi ve sıralama katsayısı yanlış mı olur? Ben? eşit önem uğruna bu tür sınırlamalarla ilgili değildir.
İki kinetik işaretin bağlantısının doğrusal olmayan (veya monoton) bir karaktere sahip olması durumunda farklı bir durum ortaya çıkar. Seçimdeki nesnelerin sayısı az olduğundan veya takipçi için bu bir bağlantının işareti olduğundan korelasyon ilişkisi farklı mıdır? Burada uygunsuz davranıyor olabilirim. Sıra korelasyon katsayısının hesaplanması bu zorluğun üstesinden gelmemizi sağlar.
Pratik kısım
Bölüm 1. Korelasyon-regresyon analizi
Sorunun ifadesi ve resmileştirilmesi:
Üretim sürecindeki (türler için) düşük güvenlik ve üretilen virüs sayısına dayalı olarak ampirik bir seçim yapılmıştır. Örnek, gerçekleştirilen kurulum işlemi ile virüslerin hazırlık sayısı arasındaki ilişkileri dolaylı olarak karakterize eder. Seçimin değiştirilmesiyle, hazırlanan virüslerin hizmette kaybolan ekipman üzerinde titreştiği, kalan ekipmanın %'sinden fazla olduğu ve bunun da mikropların daha az üretilmesine neden olduğu açıktır. Oluşum biçimini belirlemek, regresyon fonksiyonunu değerlendirmek (regresyon analizi) ve ayrıca değişken değişkenler ile veriler arasındaki bağlantıları belirlemek için korelasyon-regresif oluşum açısından numunenin daha fazla araştırılması gerekir. ). Korelasyon analizinin ek görevleri arasında, bir değişken kullanılarak eşit regresyonun değerlendirilmesi yer alır. Ayrıca %30 kapasitede salınan mikrop sayısının da tahmin edilmesi gerekmektedir.
Tabloda "Vidma bulundurma, %" verilerini X, "Mikrop sayısı" verilerini Y olarak gösteren bir seçimi resmileştirdik:
Hafta sonu ayrıntıları. tablo 1
Tesisin fiziksel konumundan, salınan Y mikroplarının sayısının doğrudan sahiplik yüzdesine yatırıldığı açıktır, bu durumda Y'nin X'teki birikimi açıktır.Bir regresyon analizi yaparken, matematiksel hesaplamayı bilmek gerekir. X ve Y değerlerini ilişkilendiren depozito (regresyon) іу). Bu durumda regresyon analizi, korelasyonun aksine, X değerinin bağımsız değişken bir faktör olarak hareket ettiği ve değerinin Y ona bağımlıdır veya bunun sonucunda ortaya çıkan bir işarettir. Bu nedenle yeterli bir ekonomik-matematiksel modelin sentezlenmesi gerekmektedir. X ve Y değerleri arasındaki derinliği karakterize eden Y = f(X) fonksiyonunu hesaplayın (bilin, ayarlayın), böylece X = 30'da Y'nin değerini tahmin etmek mümkün olacaktır. Bu araştırma şu şekilde yapılabilir: ek korelasyon regresyon analizi kullanılarak yapılmıştır.
Korelasyon-regresif problemleri çözme ve bunları çözme yönteminin yapılandırılmasına yönelik yöntemlere kısa bir genel bakış.
Etkin işarete giren faktörlerin sayısı için regresyon analizi yöntemleri bir ve birçok faktöre ayrılır. Tek faktör – bağımsız faktörlerin sayısı = 1, o zaman. Y = F(X)
zengin faktör – faktörlerin sayısı> 1, o zaman.
Uzun süredir devam eden değişikliklerin (sonuç işaretleri) sayısı nedeniyle, regresyon öğeleri aynı zamanda bir ve çok sayıda etkili işarete de bölünebilir. Pek çok etkili işarete sahip zagalom zavdannya yazılabilir:
Korelasyon-regresyon analizi yöntemi, formun yaklaşık (en yakın) konumunun bilinen parametrelerine dayanmaktadır.
Verilen verilerdeki sonuçlar yalnızca bir bağımsız değişiklik içerir, böylece tek faktörlü izleme veya ikili regresyon yerine sonucu etkileyen yalnızca tek faktör izlenebilmektedir.
Bir faktörün mevcut olması durumunda, bayatlık aşağıdakilere göre belirlenir:
Belirli bir regresyonu kaydetme formu, faktör ile sonuç işareti arasındaki istatistiksel ilişkiyi görüntüleyen ve aşağıdakileri içeren bir fonksiyonun seçimine dayanır:
türlere eşit doğrusal regresyon,
parabolik, görünüme eşit
kübik, görünüşte eşit
hiperbolik, görünüşünü kıskanan
sublogaritmik, görünüşe eşit
gösterişli, görünüşünü kıskanan
Statik, görünüşü kıskanan.
Fonksiyonun değeri, regresyon denkleminin parametrelerinin belirlenmesine ve denklemin güvenilirliğinin değerlendirilmesine indirgenir. Parametreleri belirlemek için en küçük kareler yöntemini ve en küçük modüller yöntemini kullanabilirsiniz.
İlk şey, Yi'nin ampirik değerlerinin ortalama Yi'ye göre karelerinin toplamının minimum olmasıdır.
En küçük modüller yöntemi, Yi ampirik değerleri ile ortalama Yi yatırımı arasındaki farkın modül toplamının en aza indirilmesini içerir.
Bu sorunu çözmek için en basit yöntem olduğundan ve istatistiksel güce dayalı olarak iyi tahminler verdiğinden en küçük kareler yöntemini seçiyoruz.
Teknoloji, en küçük kareler yöntemini kullanarak regresyon analizi sorununu çözmektedir.
Yapı türünden gerçek değerdeki farkın değerini ek olarak tahmin ederek, değişkenler arasındaki depolama türünü (doğrusal, ikinci dereceden, kübik vb.) belirleyebilirsiniz:
de - ampirik değerler, - yaklaşım fonksiyonu için çeşitlendirilmiş değerler. Çeşitli fonksiyonlar için Si değerlerini tahmin ediyoruz ve yaklaşık fonksiyonu seçmek için bunlardan en azını seçiyoruz.
Bu ve diğer işlevlerin görünümü, ses sistemini harekete geçirme kutanöz işlevi için mevcut olan katsayıların ek keşfiyle belirlenir:
doğrusal regresyon, eşit görüş, sistem -
parabolik, görünüşte eşit, sistem -
kübik, görünüş olarak eşit, sistem -
Sistemi geliştirdikten sonra analitik fonksiyonun spesifik bir ifadesine geldiğimizi biliyoruz ki bu muhtemelen farklı değer türleri için geçerli olabilir. Aşağıda tükenme miktarını tahmin etmek ve minimumu analiz etmek için tüm veriler bulunmaktadır.
Doğrusal konum için, X faktörü ile sonuç işareti Y arasındaki bağlantının sıkılığını korelasyon katsayısı r biçiminde değerlendiririz:
Gösterimin ortalama değeri;
Faktörün ortalama değeri;
y – göstergenin deneysel değeri;
x – faktörün deneysel önemi;
x'teki ortalama kare değişim;
Y için ortalama kare değeri.
Korelasyon katsayısı r = 0 olduğundan işaretler arasındaki bağlantının önemsiz veya günlük olduğuna dikkat etmek önemlidir, r = 1 olduğundan işaretler arasında çok yüksek bir işlevsel bağlantı vardır.
Chaddock tablosunu kullanarak işaretler arasındaki korelasyon bağının gücüne ilişkin net bir değerlendirme yapmak mümkündür:
Çadock masası Tablo 2.
Doğrusal olmayan bir konum için bu tür yataklar için hesaplanan korelasyon ilişkisi (0 1) ve korelasyon indeksi R belirlenir.
de değeri – gerileyen nadas süresine göre hesaplanan göstergenin değeri.
Doğruluğun bir değerlendirmesi olarak, yaklaşımın ortalama değerinin vikoristik değerini hesaplayın
Yüksek doğrulukla %0-12 sınırlarında yer alır.
İşlevsel uygunluğun seçimini değerlendirmek için belirleme katsayısı kullanılır.
Belirleme katsayısı, faktöriyel ve biçimsel varyans arasındaki ilişkiyi, daha doğrusu yeraltındaki faktör dağılımının daha yüksek bir bölümünü belirleyen fonksiyonel modelin seçiminin "normalleştirilmiş" ölçüsüyle belirlenir.
Korelasyon indeksi R'nin önemini değerlendirmek için Fisher F kriteri kullanılır. Kriterin gerçek değeri aşağıdaki formülle gösterilir:
burada m regresyon seviyesi parametrelerinin sayısıdır, n ise önlem sayısıdır. Değer, kabul edilen önem düzeyine ve serbestlik derecesi sayısına dayalı olarak F kriteri ile tabloda belirtilen kritik değerlere eşittir. Böylece korelasyon indeksi R'nin değeri teori tarafından belirlenir.
Bu regresyon şekli için regresyon katsayıları hesaplanır. Netlik sağlamak amacıyla hesaplama sonuçları mevcut yapının tablosuna dahil edilmiştir (bu arada, sütun sayısı ve türleri regresyon türüne göre değişir):
Tablo 3
Karar verildi.
Yüksek düzeyde kurulum nedeniyle virüs salınımının uzun ömürlü olması gibi ekonomik bir çözüm sağlamaya özen gösterildi. Anlam bütünlüğü ortadan kaldırılmıştır.
Seçilen değerler Tablo 1'de açıklanmıştır.
İndüklenen numunenin ampirik süresinin bir grafiği olacaktır (Şekil 1)
Grafiğin görünümünden analitik derinliğin doğrusal bir fonksiyon biçiminde mümkün olduğu açıktır:
X ve Y arasındaki ilişkiyi değerlendirmek için eşleştirilmiş korelasyon katsayısını çözebiliriz:
Ek bir tablo kullanalım:
Tablo 4
Katsayıları bulmak için önerilen emsal değerlendirme sistemi şöyledir:
İlk seviyeden itibaren anlamların sunulması
bir başkası kıskançlık duyuyorsa reddediyoruz:
Biliyoruz
Regresyon denkleminin türünü seçebiliriz:
9. Bulunan bağlantının yoğunluğunu değerlendirmek için korelasyon katsayısı r kullanılır:
Chaddock tablosuna göre r = 0,90 ile X ve Y arasındaki bağlantıların çok yüksek olduğu ve regresyon düzeyinin güvenilirliğinin de yüksek olduğu tespit edilmiştir. Doğruluğu değerlendirmek için, yaklaşımın ortalama değerinin vikoristik değerini hesaplayın:
Değerin yüksek düzeyde regresyon güvenilirliği sağlaması önemlidir.
X ve Y arasındaki doğrusal bir ilişki için belirleme endeksi, korelasyon katsayısı r:'nin karesine eşittir. Ayrıca, gerçek varyasyonun %81'i X'in faktör işaretindeki bir değişiklikle açıklanmaktadır.
Mutlak değerin doğrusal konumunda korelasyon katsayısı r'ye eşit olan korelasyon indeksi R'nin önemini değerlendirmek için Fisher F kriteri kullanılır. Bu formülün ardındaki gerçek anlam şudur:
burada m regresyon seviyesi parametrelerinin sayısıdır, n ise önlem sayısıdır. Tobto n=5, m=2.
Kabul edilen anlamlılık düzeyi =0,05 ve serbestlik adım sayısına göre tablo değeri kritiktir. Sonuç olarak korelasyon indeksinin değeri R değerine göre belirlenir.
X = 30'da Y'nin tahmin edilen değeri hesaplanabilir:
Bulunan fonksiyonun bir grafiğini oluşturalım:
11. Korelasyon katsayısı, ortalama kare değişiminin değeri kadar önemli ölçüde azalır
ve sonra standart bakımın anlamı belirlenir
Korelasyonun >2 olması ve %95 güvenle ortaya çıkan korelasyon katsayısının anlamlılığından bahsedebiliriz.
Görev 2. Doğrusal optimizasyon
Seçenek 1.
Bölgenin kalkınma planı, toplam üretimi 9 milyon ton olan 3 nafta sahasının işletmeye alınmasıdır. İlk aile, üretim hacmini en az 1 milyon ton, ikinci aile 3 milyon ton, üçüncü aile ise 5 milyon ton olarak belirlemeyi kabul etti. Böyle bir üretkenliğe ulaşmak için en az 125 delik açmak gerekir. Bu planın uygulanması için 25 milyon ruble tahsis edildi. sermaye yatakları (gösterge K) ve 80 km boru (gösterge L).
Deri cinsinin planlanan verimliliğini sağlamak için optimal (maksimum) matkap sayısını belirlemek gerekir. Belirtilen verilerden elde edilen çıktı verileri tabloda bulunur.
Hafta sonu tarihleri
Sorunun formülasyonu daha net hale getirildi.
Yıkama ve temizleme görevinde görevleri resmileştiriyoruz. Bu optimizasyon görevini tamamlamanın yöntemi, uygun bakım ile cilt hattı boyunca optimum sayıda matkap için yağ şişesinin maksimum değerini bulmaktır.
Amaç fonksiyonu açıkça görülebilir:
de - cilt kökenine göre Sverdlovin sayısı.
Isnuyuchi şununla takas eder:
boru döşenmesinin yıldönümü:
Deri cinsi başına sverdlovin sayısı:
Günlük yaşamın çeşitliliği 1 Sverdlovina:
Doğrusal optimizasyon görevleri örneğin aşağıdaki yöntemlerle gerçekleştirilir:
Grafiksel olarak
Simpleks yöntemi
Doğrusal optimizasyon görevlerini iki değişkenden ayırırken grafik yöntemi kullanmak daha kolaydır. Daha fazla sayıda değişiklikle cebir aparatını durdurmak gerekir. Simpleks yöntemi olarak adlandırılan doğrusal optimizasyon problemlerini çözmenin gelişmiş yöntemine bir göz atalım.
Simpleks yöntemi, artan optimizasyon görevlerine yanıt olarak geliştirilen yinelemeli hesaplamaların tipik bir uygulamasıdır. Ek izleme operasyonları modelleri için en yüksek düzeyde görevleri sağlayacak olan bu tür yinelemeli prosedürler düşünülmektedir.
Simpleks yöntemini kullanan en yüksek optimizasyon problemi için bilinmeyen Xi sayısının eşit sayıdan büyük olması gerekir. Rivnyan sistemi
yenidoğan m'den memnunum A= m'ye eklendi. Önemli bir şekilde, A matrisinin sütunu ve keyfi terimlerin sütunu şöyledir: Sistemin (1) temel çözümlerine, sistemin (1) m bilinmeyen çözümlerinin kümesi denir. Simpleks yöntemi algoritması kısaca şu şekilde açıklanmaktadır: Eşitsizlik tipi görünümünde kaydedilen hafta sonu değişimi<= (=>), kesiğin sol tarafına fazla nane ekleyerek (sol kısımdan fazla naneyi kaldırarak) eşit bir görünüm elde etmek mümkündür. Örneğin hafta sonu döviz kurunun sol kısmı Çok fazla değişiklik yapılıyor ve bunun sonucunda ortaya çıkan eşitsizlik eşitliğe dönüşüyor Çıkış değişimi boruların israfı anlamına geldiğinden, izi bu kaynağın fazlalığı veya aşındırıcı olmayan bir parçası olarak yorumlamak kolaydır. Amaç fonksiyonunun maksimumlaştırılması, yakınlık işaretinden alınan aynı fonksiyonun minimizasyonuna eşdeğerdir. Vipadka'mızda Totto eş değer Saldırı tipinin temel çözümü için simpleks bir tablo oluşturulmuştur: Bu tablo, sorunun ortaya çıkmasından sonra bu müşterilerin karar için bir maliyet esasına sahip olduğunu göstermektedir. - Ortaklardan birine özel bağlantı; - Tablodaki tablolardaki değeri sıfırlamak için izin verilen noktaya kadar yerleştirilmesi gereken ek çarpanlar. - amaç fonksiyonunun minimum değeri -Z, - bilinmeyenler için amaç fonksiyonunun katsayılarının değeri. Daha olumlu olup olmadığını bilmek önemlidir. Böyle bir şey olmadığına göre, bu göreve en üst düzeyde saygı duyulur. Hangisinde olursa olsun herhangi bir tablo sütununu seçin; bu sütuna "izin verilen" sütun adı verilir. Sistemin unsurları arasında izin veren pozitif sayılar bulunmadığından, hedef fonksiyonunun kararının kişiliksizliği ile bağlantısının olmaması nedeniyle bir tutarsızlık vardır. Sütunda pozitif sayılar varsa, bu sizin şu anda 5. noktaya gitmenizi sağlar. Yığın kesirler ile doldurulur, numaralandırıcı için sütunun öğeleri vardır ve işaretçi için dikey sütunun alt öğeleri vardır. Tüm değerlerden en küçüğü seçilir. Bu durumda ona "izin veren" satır demek en iyisidir. Ayrı bir parçanın ve ayrı bir parçanın ağında, örneğin renkli olarak bir biçimde görülebilen ayrı bir öğe bulunabilir. İlk simpleks tabloya dayanarak aşağıdakileri içeren bir yaklaşım oluşturulur: Satır vektörü bir yığın vektörüyle değiştirilir ayrı satır, ayrı satırlara bölünmüş aynı satırla değiştirilir Tablonun diğer satırlarındaki dış görünüm, ayrı bölümdeki satırın toplamı ile değiştirilir ve ayrı bölümün bölümünden 0'ın çıkarılması yöntemi kullanılarak özel olarak seçilmiş bir ek çarpanla çarpılır. Yeni tabloyla 4. noktaya geçin. Karar verildi. Görevi kurarken aşağıdaki eşitsizlik sistemi vardır: ve amaca yönelik işlev Ek değişiklikler getirerek eşitsizlik sistemini eşitlik sistemine dönüştürelim: Hedef fonksiyonunu eşdeğerine getirelim: Çıkış simpleks tablosunu alalım: Viberemo ayrı ocaklar. Rozrahuemo ocakları: Değerleri tabloya girin. Bunlardan en küçüğü = 10, satır anlamına gelir: . Ayrı yapının ve ayrı sütunun kesitinde ayrı bir eleman = 1 buluyoruz. Tablonun bir bölümünü ek çarpanlarla dolduruyoruz, öyle ki: diğer satırlara eklemeden önce eklenen satırı bunlarla çarpıyoruz Tablonun ayrı bina inşaatı elemanlarında 0'lar oluşturur. Simpleks bir tablo oluşturalım: Değerleri ayrı bir kişiden alıp hesaplıyoruz ve tabloya giriyoruz. En azından ayrı binalara ihtiyaç vardır. İzin veren unsur 1 olacaktır. Ek çarpanları biliyoruz, cümleleri unutmayın. Simpleks bir tablo oluşturalım: Benzer şekilde ayrı sütunu, ayrı binayı ve ayrı elemanı = 2 olarak biliyoruz. Simpleks bir tablo oluşturacağız: -Z satırındaki parçaların pozitif değerleri yoktur, bu tablo sona erer. O halde ilk yazar bilinmeyenin anlamını verir. optimal temel çözüm: Amaç fonksiyonunun değeri -Z = -8000'dir ve bu da Zmax = 8000'e eşdeğerdir. Sorun tamamlanmıştır. Bölüm 3. Küme analizi Problem cümlesi: Tabloda bulunan veri tabanındaki nesnelerin dökümünü gerçekleştirin. Bir veri programını kullanarak bunu bağımsız olarak gerçekleştirmeye karar verme yöntemini seçin. Seçenek 1. Hafta sonu tarihleri Atanan görev türlerini çözme yöntemlerinin gözden geçirilmesi. Çözme yöntemini kullanarak astarlama. Kümeleme analizinin amacı aşağıdaki yöntemlere dayanmaktadır: Birleştirilmiş veya ağaç benzeri kümeleme yöntemi, "konuların" veya "nesneler arasındaki yayılmanın" kümelerini oluşturmak için kullanılır. Bu konumlar tek dünya veya çoklu dünya alanında bulunabilir. Verilerin "amaçlar" ve "nesnel otoriteler" açısından değil, koruyucular ve değiştirilebilir olanlar açısından yorumlandığı durumlarda çift giriş yaklaşımı (nadiren de olsa) başarılı olur. Yanlış anlaşılan kümelenmeleri tespit etmek amacıyla birikintileri ortadan kaldırmak için dikkatli olunması ve değişikliklerin derhal yapılması gerektiği ortaya çıktı. K-yöntemi anlamına gelir. Vikorystvovaetsya, eğer kümelerin sayısı hakkında bir hipotez varsa. Kokuların mümkün olduğu kadar farklı olması için sisteme tam olarak örneğin üç küme oluşturmasını emredebilirsiniz. Son durumda, K-ortalamalar yöntemi, her seferinde bir tür olmak üzere mümkün olan en geniş mesafelere yayılmış K farklı kümeye eşit olacaktır. Yüzeyleri özelleştirmenin aşağıdaki yolları vardır: Öklid yüzü. Bu en tehlikeli görünüm türüdür. Bu, uzayın geniş dünyasında basitçe geometrik bir konumdur ve şu şekilde sıralanır: Öklid ızgarasının (ve karesinin) standartlaştırılmış verilere göre değil, çıktı verilerine göre hesaplandığını unutmamak önemlidir. Şehrin mahallelerinin görünümü (Manhattan'ın görünümü). Bu sadece koordinatlardaki ortalama farktır. Çoğu durumda bu dünya, Öklid'in standart versiyonuyla aynı sonuçları üretecektir. Ancak bu dönemde çevredeki büyük katliamların (kötülüklerin) akınının değişmesi (koku parçalarının meydanda oluşmaması) anlamlıdır. Manhattan'ın sermayesi aşağıdaki formül kullanılarak hesaplanır: Ayağa kalk Chebisheva. İki nesneyi “katliam” olarak değerlendirmek istiyorsanız, bunlar tek bir koordinat (yani tek dünya) için savaştıklarından bu, kahverengi bir renk olarak görünebilir. Chebishev'in değeri aşağıdaki formül kullanılarak hesaplanır: Ayaklarınızla ayağa kalkın. Bazen, diğer nesneler büyük ölçüde bozulduğundan, onu boyutuna getirmek için basınç miktarının kademeli olarak arttırılması veya değiştirilmesi tavsiye edilir. Buna statik hattan ulaşılabilir. Ayak alanı aşağıdaki formül kullanılarak hesaplanır: de rta p - koristuvach tarafından belirlenen parametreler. Bir dizi hesaplama, belirli bir çalıştırmanın nasıl işlendiğini gösterebilir. p parametresi, nesneler arasındaki büyük mesafelerin artan etkisinin göstergesidir. Eğer iki parametre rahatsız edilirse - r і p, ikisini eşleştirmek için, o zaman bu Öklid duruşundan yükselir. Yüzlerce kötü şey. Verilerin kategorik olması durumunda bu durumlarda bu yaklaşım dikkate alınır. Bu, aşağıdaki formül kullanılarak hesaplanır: Eldeki görevi tamamlamak için, akla ve görev ayarına (nesnelerin bölünmesini gerçekleştirmek) uygun olduğu için toplama yöntemini (ağaç benzeri kümeleme) seçiyoruz. Kendi yönteminizle, bağlantı kuralları için bir dizi seçenek oluşturmak için birleştirme yöntemi kullanılabilir: Tek bağlantı (en yakın bağlantı yöntemi). Bu yöntem, iki küme arasındaki mesafeyi ve farklı kümelerdeki en yakın iki nesne (en yakın damarlar) arasındaki mesafeyi gösterir. İki kümede birbirine yakın iki nesne varsa aşağıda bir bağlantı vardır. Şarkıcıya göre bu kural, nesneleri kümeler oluşturacak şekilde bir araya getirmektir ve ortaya çıkan kümeler genellikle uzun "mızraklarla" temsil edilir. Yeni bağlantı (uzaktaki gemileri bulma yöntemi). Bu yöntem, kümeler arasındaki mesafeyi, farklı kümelerdeki (yani birbirinden en uzaktaki) iki nesne arasındaki en büyük mesafe olarak gösterir. Bunlara benzer kümeleri birleştirmenin başka yöntemlerinin olmadığı da açıktır (örneğin, ikili cinsiyet önemli değildir, ikili yarı önemlidir). Ayırma yönteminin teknolojisi. Katılımcıların Rozrakhunok'u. İlk aşamada deri nesnesi bir küme ile çevrelenmişse bu nesneler arasındaki mesafeler geriye doğru yaklaşımla belirtilir. Harabelerdeki kalıntılar temizlenmiyor, sadece bir işaret, kokuların önlendiğini unutmamak gerekiyor. Bu nedenle çıktı verilerini standartlaştırmaya gerek yoktur, bu nedenle şimdi bölüm matrisini ayrıştırmaya geçiyoruz. Karar verildi. Çıkış programını takip edeceğiz (Şekil 2) Nesneler arasında nasıl durulacağı başlangıçtaki Öklid duruşudur. Bu, aşağıdaki formülle iyi çalışır: de l – işaretler; k - nesneler 1 ve 2 arasında görünen işaretlerin sayısı: Diğer yapıları geliştirmeye devam ediyoruz: Bu değerlerin kaldırılması bir tablo oluşturur: Naymensha ayağa kalk. Bu, 3,6 ve 5 numaralı elemanların tek bir kümede birleştirildiği anlamına gelir. Aşağıdaki tabloyu ele alalım: Naymensha ayağa kalk. 3, 6, 5 ve 4. elemanlar tek bir kümede birleştirilir.İki kümeden oluşan bir tablo oluşturabiliriz: 3 ve 6 numaralı elemanlar arasındaki minimum mesafe. Bu, 3. ve 6. öğelerin tek bir kümede birleştirildiği anlamına gelir. Yeni oluşturulan küme ile diğer öğeler arasında durun, maksimumu seçin. Örneğin, küme 1 ile küme 3,6 arasında durun, max(13,34166, 13,60147)= 13,34166. Aşağıdaki tabloyu bir araya getirelim: Minimum bir mesafeye sahiptir - 1. ve 2. kümeler arasındaki mesafe. 1 ve 2'yi tek bir kümede birleştirerek şunu söyleyebiliriz: Bu şekilde, "uzaktan emme" yöntemi kullanılarak iki küme seçildi: 1,2 ve 3,4,5,6, aralarında 13.60147 yer alıyor. Hikaye bitti. programı Seçilen uygulama paketleriyle en önemli görevler (MS Excel 7.0) Korelasyon-regresyon analizine giriş. Çıkış verilerini tabloya girin (Şekil 1) "Servis / Veri Analizi" menüsünü seçin. Pencerede “Regresyon” satırını seçin (Şekil 2). Bir sonraki pencerede, X ve Y giriş aralıkları belirtilecek, güvenilirlik seviyesi% 95'i aşacak ve çıkış verileri bitişikteki "Arkush Zvitu" sayfasına yerleştirilecektir (Şekil 3) Yeniden yapılandırmanın ardından regresyon analizinden elde edilen veriler arkush “Arkush zvitu” üzerinde belirlenir: Yaklaşıklık fonksiyonunun nokta grafiği veya "Seçim Grafiği" burada görüntülenir: Farklı değerler ve varyasyonlar tabloda genel olarak “Tahmin Edilen Y” ve “Rezervler” sütunlarında gösterilmektedir. Çıktı verilerine dayanarak bir fazlalık grafiği oluşturulacaktır: Optimizasyon görevleri Çıkış verilerini şu şekilde giriyoruz: Shukan görünmeyen X1, X2, X3, C9, D9, E9'un ortasına hatasız girilir. Amaç fonksiyonunun X1, X2, X3'teki katsayıları C7, D7, E7'ye ayrı ayrı girilir. Fonksiyonun tamamı B11 kutusuna şu formülle girilir: = C7 * C9 + D7 * D9 + E7 * E9. Isnuyuchi değişimi shodo zavdanya Boru döşenmesi durumunda: merkeze kadar uygulanır C5, D5, E5, F5, G5 Deri cinsine göre delik sayısı: X3Ј 100; C8, D8, E8'in ortasına eklendi. Günlük yaşamın çeşitliliği 1 Sverdlovina: C6, D6, E6, F6, G6'nın ortasına eklendi. Dış uzunluk C5 * C9 + D5 * D9 + E5 * E9'un büyüme formülü B5 kutusuna, dış uzunluk C6 * C9 + D6 * D9 + E6 * E9'un büyüme formülü ise kutuya yerleştirilir. B6 kutusu. “Servis/Çözüm ara” menüsünde seçim yapın, çıkış verilerini girmeden önce çözüm aramak için parametreleri girin (Şekil 4): “Parametreler” düğmesinde bir çözüm aramak için mevcut parametreleri ayarlayabilirsiniz (Şekil 5): Arama tamamlandıktan sonra sonuçları takip edebiliriz: Microsoft Excel 8.0e Sonuçları takip edin Oluşturuldu: 17.11.2002 01:28:30 Sağlıklı Orta (Maksimum) Sonuç Zagalny videobutok Ortalar değiştirildi Sonuç Sverdlovin miktarı Sverdlovin miktarı Sverdlovin miktarı Obmezhennya Önem Uzunluk Pov'yazane Projeye bağlılık bağlamak yok. Sverdlovin miktarı bağlamak yok. Sverdlovin miktarı Pov'yazane Sverdlovin miktarı Pov'yazane İlk tabloda, ilgili görevin hedef fonksiyonunun yerleştirildiği hedef hesaplamanın çıktısı ve artık (optimum) değerleri gösterilmektedir. Başka bir tablo, değiştirilmekte olan kutularda bulunan optimize edilmiş değişkenlerin çıktısını ve artık değerlerini gösterir. Üçüncü tablo sonuçları gösterir ve değişimle ilgili bilgileri içerir. “Değerler” sütunu, gerekli kaynakların ve optimize edilenlerin optimum değerlerini içerir. Kaynak kullanımını azaltmak ve formda kaydedilen değişiklikleri optimize etmek ve verilerin kaydedilmesi amacıyla hesaplara gönderilmesi için “Formül” özelliği kullanılmaktadır. "Stan" ifadesi bağlı, çözülmüş ve her ikisinin de değişimi anlamına gelir. Burada "bağlantılıdırlar" - bu bir alışveriştir, en uygun çözümlerin şiddetli kıskançlıklar olarak uygulanmasıdır. O halde Stovpet'in kaynak alışverişi için “Riznytsia”sı, muzaffer kaynakların fazlası anlamına geliyor. İhtiyaç duyulan kaynakların sayısı ile kullanılabilirliği arasında bir fark vardır. Benzer şekilde çözüm arayışının sonucu “Direnç Sesi” formunda yazıldığında aşağıdaki tablolar görüntülenir: Microsoft Excel 8.0e Kararlılıktan gelen ses Çalışma Sayfası: [Optimizasyon.xls ile ilgili görevler]opt-i video önyüklemesi ile ilgili görevler Oluşturuldu: 17.11.2002 1:35:16 Ortalar değiştirildi Kabul edilebilir Kabul edilebilir önem çeşitli Katsayı Zbilşennya Değiştirmek Sverdlovin miktarı Sverdlovin miktarı Sverdlovin miktarı Obmezhennya Obmezhennya Kabul edilebilir Kabul edilebilir önem Kısmi haklar Zbilşennya Değiştirmek Uzunluk Projeye bağlılık Değiştirilmiş (optimize edilmiş), değiştirilen ve değiştirilen modeller hakkında bilgi içermesi önemlidir. Atanan bilgiler, doğrusal görevleri optimize ederken kullanılan çözme probleminin bölümünde açıklanan simpleks yöntemiyle ilişkilendirilir. Ne kadar hassas olduğunuzu değerlendirmenizi ve model parametrelerindeki olası değişikliklere karşı en uygun çözümü belirlemenizi sağlar. Birinci bölüm doğum yerlerindeki delik sayısının değerini belirtmek amacıyla değişen fiyatlar hakkında bilgi vermektir. “Sonuç değerleri” sütunu optimize edilecek değişkenlerin optimal değerlerini gösterir. “Hedef katsayısı” bölümü, hedef fonksiyonun katsayı değerlerinin çıkış verilerini görüntüler. İki sütun, bulunan optimal çözümü değiştirmeden bu katsayılardaki izin verilen artışları ve değişiklikleri göstermektedir. Kararlılığın öneminin bir diğer kısmı, bilgiyi optimize edilen değişikliklerin üzerine eklenen sınırların etrafına yerleştirmektir. İlk adım, optimum karar alma için kaynak tüketimine ilişkin verileri sağlamaktır. Bir diğeri ise gölge fiyatların değerini galip gelen kaynak türlerine bağlamaktır. Kalan iki sütun, mevcut kaynakların yükümlülüklerindeki olası artışlar veya değişiklikler hakkında bilgi içerir. Kümeleme komutanlığı. Sorunu adım adım çözme yöntemi daha ileri düzeydedir. İşte görevin ilerleyişini gösteren bir Excel tablosu: "en yakın succus yöntemi" Küme analizi görevine bağlantı - "EN NET SİSTEM YÖNTEMİ" Hafta sonu tarihleri de x1 - üretilen ürünlerin açıklaması; x2 - ana öğenin ortalama çeşitliliği Promislovo-virobnychi fonları "far susida yöntemi" Küme analizi görevine bağlantı - "FAR SUSSIDU YÖNTEMİ" Hafta sonu tarihleri de x1 - üretilen ürünlerin açıklaması; x2 - ana öğenin ortalama çeşitliliği Promislovo-virobnychi fonları
TV'ler
