Методы оперативной обработки статистической информации: Учеб. пособие. Часть 1. Пивоваров Ю.Н - 117 стр.

являющаяся мерой рассеяния всех Хki вокруг функции

             [ψ( X A , α1, . . ., α λ ) + ψ1( X A , β1, . . ., β c )] .
Добавка к уравнению регрессии признается подобранной правильно,
если окажется, что D1D) добавка
признается выбранной неправильно и необходимо искать новую.
Здесь, как и ранее, дисперсии должны сравниваться статистическим
способом с помощью F–критерия.
      При правильно выбранной добавке к уравнению регрессии
производится сравнение дисперсий D1 и Dk с целью выяснения,
нуждается ли новое уравнение регрессии в дополнительном
уточнении. Таким образом, уравнение регрессии уточняется до тех
пор, пока не будет выяснено, что оно подобрано правильно, т. е. не
противоречит экспериментальным данным. Правильно подобранное
уравнение регрессии принимается в качестве функциональной связи
между составляющими объекта измерения Хk и ХA. При этом
необходимо всегда помнить, что уравнение регрессии может не
выряжать никаких теоретических закономерностей.
      Рассмотрен     самый     общий    подход   к    получению
математической зависимости одной составляющей объекта
измерения от другой. Теперь необходимо рассмотреть случай, когда
априорно о характере этой зависимости ничего неизвестно и она
определяется лишь на основе опытных данных. Основной
проблемой здесь является выбор вида уравнения регрессии, которое
должно быть как можно более простым.
      В настоящее время при решении этой задачи наибольшее
распространение получили два способа.
      При первом способе уравнения регрессии Xk=ψ(ХA,α1,.. ...,αl)
берется в виде

            X k = α1 + α 2 X A + α 3X 2A +. . .+α λX λA−1 .               (2.25)

Это так называемая параболическая регрессия.
        В этом случае система уравнений (2.18), из которой должны
быть определены неизвестные коэффициенты α1,...
...,αl принимает вид