Имитационное моделирование сложных систем. Духанов А.В - 70 стр.

     При таких предпосылках оказывается возможным вычис-
лить коэффициенты полинома, а также оценить их точность и
точность уравнения регрессии в целом.
     Проведение эксперимента над моделью любой сложной
системы завершается полученим больших массивов данных.
В состав данных массивов входят наборы исходных данных,
значения промежуточных и результирующих параметров. Прак-
тически для любой системы требуется определить степени
влияния исходных параметров на результат, меру линейной за-
висимости, и получить иные статистические показатели функ-
ционирования системы.
     В данном разделе приводятся методы получения статисти-
ческой информации работы системы путем использования соот-
ветствующей имитационной модели на основе статистических
исследований. Для обработки результатов эксперимента исполь-
зуются линейные многофакторные модели.
     С помощью грамотно построенной многофакторной модели
можно определить, как себя ведет отклик рассматриваемой
сложной системы в зависимости от изменения факторов. По-
строение линейной многофакторной модели осуществляется
с помощью методов корреляционно-регрессионного анализа.

   7.1. Обозначения
          y1 
          
         y 
     y   2  – значения отклика (зависимой переменной) в пе-
           
          
         y 
          n
риодах времени, где n – число периодов наблюдения.
                   
     X  x1, x 2 , x m – ряды m факторов (независимых или
объясняющих переменных).
    x i – среднее значение i - й переменной.
                                 70