Компьютерное моделирование. Клюев С.А. - 10 стр.

положительную и отрицательную (относительно характера); простую, множественную и

частную (относительно числа переменных); непосредственную, косвенную и ложную

(относительно типа соединений). В одних случаях необходимо проверить, существуют ли

зависимости, а в других –        доказать отсутствие зависимости. Различают парный и

множественный анализ.

2. Регрессия – выявленная функция зависимости. Регрессия должна построить функцию в

пределах заданной погрешности, однако, это не однозначная задача. Существует линейная

регрессия, когда строят прямую линию, квадратичная – параболу, и нелинейная регрессия –

экспонента, логарифм. Цели регрессии – записать зависимость в виде функции f(x). Для

анализа моделирования это дает возможность построить уравнение, связывающее входные и

выходные параметры.



 Понятия “корреляция” и “регрессия” тесно связаны между собой. В корреляционном анализе

оценивается сила связи, а в регрессионном анализе исследуется ее форма. Приведем

некоторые понятия корреляционно-регрессионного анализа: среднее значение переменной,

дисперсия, ковариация, коэффициент корреляции и коэффициент детерминации. Этапы

построения многофакторной корреляционно-регрессионной модели включают: априорное

исследование проблемы, формирование перечня факторов и их логический анализ, сбор

исходных данных и их первичная обработка, спецификация функции регрессии, оценка

функции регрессии, отбор главных факторов, проверка адекватности модели, интерпретация и

прогнозирование неизвестных значений зависимой переменной.

  Перед осуществлением моделирования необходимо собрать информацию об объекте или

процессе. В этом случае уже проводится построение модели и эта модель называется

информационной.       Приведем    некоторые        определения   информационной   модели.


                                              10