Maradék diszperziós - egy nagy enciklopédiája olaj és gáz, papír, oldal 2
reziduális diszperzió
Ha a maradék diszperzió körülbelül azonos számos funkciót a gyakorlatban előnyösek az egyszerűbb formái funkciók, mert sokkal alkalmasabbak értelmezése és kisebb térfogatú észrevételeit. Ez azt jelenti, hogy a keresést a lineáris regresstsyu kevesebb mint 7 esetben nincs értelme. Ha az űrlap a funkció bonyolult, arra van szükség, hogy növeljék a megfigyelések számát, az egyes paraméter x kell Calc Tuva legalább 7 észrevételeit. [16]
Ha a maradék szórását képest modellek eltérnek kissé előnyben kell részesíteni a modell kevesebb paramétert. [18]
Ha a visszamaradó diszperziós és faktoros növekedés minden 10-szor, de a hozzáállás nem változik. [19]
Így faktoriális és a maradék diszperziós minden növekedés 102-szor, de a hozzáállás nem változik. [20]
Ha a nagysága a hibavariancia az új modell kisebb, mint az előző lépésben modell, a hatás kizárták a vizsgálatból tényező elismert elenyésző. És így, amíg az érték a következő lépés az egyenlet hibavariancia fölött van hibavariancia az előző lépésben az egyenlet, ami azt jelzi, mennyire fontos a szerepe a működési kizárt az utolsó lépésnél, factor, faktor, amely megfelel a legkisebb érték - kritériumot. Ezért nem zárható ki az állam. [21]
Mivel a nagysága a maradék eltérések S2 mérik véges számú kísérleti adatok, ők maguk véletlen. Ezért, amikor megfelelőségét értékeli tesztelhető hipotézisek a jelentősége különbségek maradék eltérések. Ellenőrző alkalmazásával lehet végezni F-teszt. [22]
Ezért eltűnő hibavariancia s2 (Z) azt jelenti, hogy (1 valószínűséggel) a maradékot Z G, és ezért, Y jelentése lineáris függvénye X. Így, korrelációs együttható veszi extrém értéke 1, ha, és csak akkor, ha értéke közötti X és Y van egy lineáris funkcionális kapcsolatot. [23]
A kisebb érték a maradék diszperzió. legalább a megfigyelt hatás nem beszámítjuk más regressziós egyenlet tényezők jobban illeszkedjen a regressziós egyenlet a nyers adatokat. Amikor a feldolgozás statisztikai adatokat a számítógépen mozognak különböző matematikai függvények az automatikus üzemmódot, és az egyik kiválasztott, amelyre a maradék diszperzió a legkisebb. [24]
Az érték a2 nevezik hibavariancia és általában ismeretlen. Ha a nem véletlen változók az űrlap Zj CIJ (t), ahol CIJ (t) - polinom, akkor beszéljünk a polinomiális regresszió. [25]
Egyszerűsítése a regressziós egyenlet maradék diszperziós növelheti, ami a csökkenése Fisher-féle egzakt teszt. Ezért tagjai a regressziós egyenlet, kizárhatja a jelentéktelen együtthatók bj csak ha a vizsgálat megfelelőségének az egyszerűsített modell a Fisher-teszt pozitív eredményt ad. [26]
Emlékeztetni kell arra, hogy a maradék diszperzió összértékét. Ez áll a diszperzió által okozott kísérleti hiba, és a variancia közötti kölcsönhatás miatt. Mivel ez a rendszer nem biztosít beállítás ismételt kísérletek, nem volt arra, hogy teszteljék a hipotézist nem interakciós hatások. A maradék szórásnégyzet becslése kísérleti hiba csak akkor, ha azt a hipotézist nem interakciós hatások érvényesek. Ellenkező esetben a kísérleti hiba értéke erősen túlbecsülték. [27]
Megfigyelt változások visszamaradó diszperziós idő nem váratlan, mivel a standard eltérést az adatok szekvenciát is változik jelentősen az idők. Hangsúlyozzuk, hogy a fenti AC (25) - a modell nem tud elszámolni a megfigyelt változások a diszperziós. [28]
Arra is szükség van, hogy értékelje a változás a maradék diszperzió jelenlétében mérési hibákat. [29]
A modell megfelelő volt, a maradék diszperzió nem lehet lényegesen nagyobb reprodukálhatóság szórása. [30]
Oldalak: 1 2 3 4