-
F-критерий -
один из критериев оценки значимости коэффициентов модели.
лекция #4 для модуля #1 -
Kоэффициент эластичности -
показывает процентное отношение взаимозависимости параметров.
Используется для оценки значимости модели. Рассчитывается по формуле в лекции #4 для модуля #1 -
Kоэффициент корреляции коэффициент взаимозависимости -
используется для уточнения взаимозависимости параметров моделей.
Необходим для оценки значимости модели. Рассчитывается по формуле в лекции #4 для модуля #1 -
Kоэффициент детерминации -
показывает тесноту связи модели с исходными данными,
то есть насколько наша модель (уравнение регрессии)
вообще отвечает экспериментальным данным, насколько она хорошо их объясняет.
Используется для оценки значимости модели. Рассчитывается по формуле в лекции #4 для модуля #1 -
Степени свободы -
минимальное количество независимых параметров, которые необходимы для того,
чтобы модель работала.
Используется в оценке значимости коэффициентов модели и оценке значимости модели.
Рассчитывается по формуле «ss = n - f - 1» , где n - количество экспериментов, проведённых для построения модели, f - количество влияющих параметров.
лекция #4 для модуля #1 -
Уровень допустимой погрешности,
оценочная погрешность, коэффцициентом правдивости оценки -
разные названия одного и того же показателя -
определяет допустимую ошибку, определяемую зельеваром.
Используется в оценке значимости коэффициентов модели и оценке значимости модели.
лекция #4 для модуля #1 -
t-критерий -
один из критериев оценки значимости коэффициентов модели.
лекция #4 для модуля #1 -
Расчётная дисперсия, дисперсия оценки коэффициента -
нужны для оценки значимости коэффициентов модели: насколько верно мы определили коэффициент
и имеет ли право он на существование в нашей модели.
лекция #4 для модуля #1 -
Отклонение, средняя дисперсия оценок коэффициентов -
отражает разброс экспериментальных данных вокруг линии тренда.
Используется в оценке значимости коэффициентов модели.
лекция #4 для модуля #1 -
Значимость коэффициентов модели - насколько хороши коэффициенты для данной модели, насколько точно отражаются зависимость.
Используется в оценке значимости модели.
Рассчитывается с помощью нескольких критериев, рассмотренных в лекции #4 для модуля #1 -
Оценка значимости модели - показывает, насколько модель имеет смысл, право на существование, насколько она адекватна, релевантна.
лекция #4 для модуля #1 -
Оценка эффективности модели - показывает, насколько хорошо модель работает и выполняет свою цель,
которая заключается в максимально точном прогнозировании будущих экспериментов и опытов.
лекция #4 для модуля #1 -
Уравнение регрессии - оно же «линия тренда».
Регрессия - обращенное "назад", в прошлое; рассчитывается на основе данных уже прошедших событий.
лекция #3 для модуля #1 -
Простые средние величины - среднее значение нескольких чисел вычисляется путём деления
суммы всех чисел на количество этих чисел.
-
МНК - метод наименьших квадратов.
Суть и подробонсти - в лекции #3 для модуля #1 -
ПМЛСЗ - простая модель линейной средней зависимости.
ЛСЗ - линейная средняя зависимость.
ПМЛЗ - простая модель линейной зависимости.
Формула ПМЛСЗ / ПМЛЗ: RP = a + b*P + ε
лекция #3 для модуля #1 -
Коэффициент модели - числовой множитель или числовая величина в модели.
Обозначается обычно «k» - в общем случае; в конкретных моделях - маленькими буквами латинского алфавита «a», «b» и т.д.
МДК - минимально допустимая величина параметра в ПМЛСЗ; обычно это первый коэффициент модели, обозначается «a».
Коэффициент зависимости - отражает зависимость результирующего параметра модели от влияющего; для каждого влияющего параметра - свой коэффициент зависимости. В простых и сложных моделях обычно обозначается буквой «b».
лекция #3 для модуля #1 -
Фактор модели - всё то, что влияет на параметры модели, но не включается в саму модель.
Экзофакторы (внешние) - те, которые влияют на параметры, находясь вне параметров.
Эндофакторы (внутренние) - те, которые влияют на параметры, находясь внутри параметров.
Существенные факторы - те, которые нельзя не учитывать в конкретной модели.
Несущественные факторы - можно их влияние не учитывать в конкретной модели.
лекция #2 для модуля #1 -
Погрешность модели - ошибка измерения, вычисления в модели; обозначается «ε».
-
Показатель параметра - количественная или качественная характеристика параметра, полученная путём его
измерения в конкретный момент времени, конкретная величина.
-
Параметр модели - количественные и/или качественные характеристики ингредиентов,
количественные и/или качественные характеристики зелья, включаемые непосредственно в модель.
В модели обозначает большой буквой «Р» латинского алфавита.
Результирующий параметр - всегда один, находится с левой стороны в модели;
влияющие параметры - находятся с правой стороны в модели.
Ключевой параметр - очень важный, без него нельзя, существенный.
лекция #2 для модуля #1 -
Аппроксимация (оптимизация) тренда - действия по нахождению наиболее оптимальной линии тренда,
включающие, в том числе, "выброс" случайных погрешностей.
лекция #2 для модуля #1 -
Линия тренда - отражает общую тенденцию (направленность) зависимости одной величины от другой.
лекция #2 для модуля #1 -
Мульти - означает «очень большое количество».
лекция #1 для модуля #1 -
ФМСА - философско-математически-статистический анализ.
лекция #1 для модуля #1 -
МСА - математический и статистический анализ.
лекция #1 для модуля #1
