logo
лекции / Лекции по ИДС

Предпосылки регрессионного анализа

  1. Количество экспериментальных данных должно иметь , гдеN– количество экспериментов,m– количество входных факторов.

  2. Выходная переменная имеет нормальный закон распределения.

  3. Выходная переменная стационарна по дисперсии, то есть дисперсия выходного параметра в процессе эксперимента не изменяется.

  4. Входные переменные являются детерминированными, то есть измеряются с малыми ошибками.

  5. Входные переменные х1, х2, … хnстохастически не связаны между собой, то есть коэффициент парной корреляции равен нулю.

  6. Следующие друг за другом значения выходной переменной также не коррелированны, то есть период дискретизации больше времени затухания корреляционной функции.

Примечание.В практике часто не выполняются некоторые предпосылки регрессионного анализа. При использовании этого метода необходимо учитывать, что полученная модель может не точно описывать процесс и необходимо проверить модель, произведя дополнительные эксперименты.