лекции / Лекции по ИДС
Регрессионный анализ. Постановка задачи
Проведем построение математической модели линейного по параметрам объекта. Объект описывается уравнениями:
y = β0 + β1x1 + β2x2 + … +βnxn.
Математическая модель находится как:
ŷ= b0 + b1x1 + b2x2 + … + bnxn
x1, x2…xn – вектор конкретных параметров.
B = b0, b1, … bn– вектор параметров модели.
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