Многомерный корреляционный анализ

Построение спектров компонентного состава и их описание теоретическими функциями производятся в соответствии с выше изложенным. Кроме того, существенное значение для программирования имеет установление фазовых соотношений частотного состава компонентов, а также характера корреляции между функциями распределений амплитуд компонентов процесса нагружения, что связано с применением методов многомерного корреляционного анализа, здесь не рассматриваемых. [c.29]

При изучении вероятностных взаимосвязей используется регрессионный, парный и многомерный корреляционные анализы. Общим для них является то, что они исследуют изменение характеристик распределения значений случайной величины у, рассматри- [c.120]

МНОГОМЕРНЫЙ КОРРЕЛЯЦИОННЫЙ АНАЛИЗ [c.126]

Достаточно большое внимание в книге уделено математическому обеспечению прогнозных разработок приводится ряд алгоритмов программ построения уравнений трендовых кривых при экстраполяции, статистической обработки экспертной информации, а также результаты многомерного регрессионного и корреляционного анализа. [c.4]

Методы корреляционного и регрессионного анализа позволяют выяснить совокупное влияние внутренних и внешних факторов, определивших тенденцию развития объекта в предшествующем периоде, которая сохраняется и в будущем. Для исследования зависимостей ряда параметров материалов целесообразно использование алгоритмов двумерного и многомерного регрессионного анализа. Представляет также интерес методика параметрического прогнозирования, основанная на использовании методов корреляционного и регрессионного анализа и предназначенная для анализа параметров и тенденций развития строительных машин. [c.7]

Корреляционный анализ [5] по своему назначению во многом аналогичен регрессионному анализу, но имеет более ограниченное применение, поскольку в этом методе предполагается, что вся совокупность исследуемых переменных Х,, Xj,. ... .., Х подчиняется многомерному нормальному распределению. Фактически это ограничение означает, что объект исследования характеризуется [c.457]

Опыт исследований показывает, что при соблюдении исходных предпосылок корреляционного анализа более 99 % взаимосвязей инженерно-геологических характеристик достаточно хорошо отображаются прямолинейной, экспоненциальной, логарифмической или степенной функциями, причем последние три формы легко линеаризуются заменой значений одной млн обеих переменных их логарифмами, что значительно облегчает решение задач многомерной корреляции. [c.124]

В отличие от рассматриваемого выше парного корреляционного анализа, с помощью которого изучаются взаимосвязи между двумя показателями, множественная корреляция позволяет анализировать многомерные статистические совокупности. [c.126]

Множественная корреляция. Наряду с анализом двумерных совокупностей в биологии широкое применение находит статистический анализ многомерных корреляционных связей. Простейшим случаем множественной корреляции является зависимость между тремя признаками X, Y и Z. Тесноту связи одного из них (X) с двумя другими признаками (F и Z) измеряют с помощью коэффициента множественной корреляции [c.251]

Для подобной дифференциации надо изучать взаимосвязи между представляющими интерес, технико-экономическими показателями. Они могут быть исследованы традиционными эконометрическими методами многомерного корреляционного, регрессионного, дисперсионного и факторного анализа [26—29]. Связывая изменения выходных технико-экономических показателей с порождающими их причинами, указанные методы не только позволяют оценить общее значение скрытых резервов, но и объективно выделить ту их часть, которая дюжет быть мобилизована путем совершенствования системы управления. Эти методы требуют, кроме сбора исходной информации, ее синхронизации 20 врсмсп , прсдсарительного выделения грубых ошибок и проведения ряда других статистических процедур. Значительно облегчает исполь-70 [c.70]

IDPA — спектральный анализ, корреляционный анализ, параметрическая оценка в линейных многомерных моделях, проверка достоверности моделей [c.333]

Рассмотрим теперь решение задачи определения динамических характеристик многомерного объекта или одномерной автоматической линии для случая, кбгда корреляционные и взаимные корреляционные функции Кхх W и Кух W заданы аналитически. Как и в предыдущем случае, предполагаем, что аналитические уравнения функций Кхх W и ух (т ) получены в результате теоретического анализа или экспериментальным путем 354 [c.354]

Существует также метод многомерного анализа межвыборочной изменчивости, который позволяет одновременно решать как задачи дискриминантного анализа, так и проблемы классификации. Этот метод называют каноническим анализом (множественным дискриминантным анализом). В соответствии с ним рассматривают межгрупповые и внутригрупповые корреляционные матрицы и дисперсии. В результате находят новые линейные признаки так, чтобы каждый из них разделял анализируемые выборки с достижением минимальной трансгрессии, т. е. был дискриминантной функцией. Любая нз них может считаться описывающей некоторую закономерность межгрупповой вариации, конкретный смысл которой истолковывают при рассмотрении коэффициентов сг у разных признаков х. Наиболее важные из этих дискриминантных функций при попарном рассмотрении позволяют получить плоскости, расположение на которых центров выборок наглядно представляет их взаимоотношения. По этим графикам возможно выделение кластеров. О каноническом анализе читатель может прочесть в [1, 4, 20]. [c.317]

Энциклопедия по машиностроению XXL

Оборудование, материаловедение, механика и ...