лекции / Лекции по ИДС
Регрессионный анализ
Регрессионный анализ включает в себя:
Метод наименьших квадратов, используемый для оценки параметра вектора коэффициентов.
Дисперсионный анализ используется для оценки адекватности модели и для оценки значимости коэффициентов.
Содержание
- Природа образования случайных процессов
- Характеристики случайных процессов
- Математическое ожидание
- Функция распределения
- Нормальный закон распределения
- Закон больших чисел
- Влияние параметров на вероятность
- Характеристики скорости изменения случайных процессов во времени
- Корреляционная функция
- Белый шум, цветные сигналы
- Спектральная плотность
- Постановка задачи построения математической модели (идентификация)
- Критерий теории мнк (метод наименьших квадратов)
- Задачи нелинейного программирования
- Основные виды зависимостей между переменными
- Регрессионный анализ. Постановка задачи
- Регрессионный анализ
- Предпосылки регрессионного анализа
- Вывод уравнений коэффициентов методом наименьших квадратов для дополнительного объекта
- Метод наименьших квадратов в матричном виде
- Построение нелинейной модели путем линеаризации
- Методика получения нелинейного уравнения аппроксимируя экспериментальные данные
- Метод нелинейного программирования
- Уравнение винера-хопфа
- Вывод уравнения винера-хопфа
- Применение t-критерия
- Оценка значимости величины
- - Распределение
- Количественные характеристики - распределения
- Односторонний критерий
- Показатели адекватности математической модели. Коэффициент множественной корреляции
- F-критерий адекватности математической модели
- Блок-схема построения математической модели