Можно построить и более сложные конструкции, описывающие форму взаимодействия Центра и производственных единиц. Было, однако, показано, что все более сложные ситуации сводятся к ситуациям 1, 2 и 3, причем наиболее выгодной Центру оказывается вторая ситуация, далее следуют третья и первая. Задачи поиска наилучших механизмов стимулирования (в первом случае надо найти конечное число величин, во втором — функции, в третьем — функционалы, заданные на всех возможных функциях отклика производственных единиц), как удалось показать, можно свести к некоторым специальным задачам математического программирования. [c.356]
Установлено, что в пределах изменения безразмерных факторов эксперимента, максимальное значение коэффициента замещения обеспечивается при наименьших отношениях пластической и вязкостной составляющих буровых и тампонажных растворов, максимальных скоростях потока, а также при условиях наименьшей разницы в плотностях замещающей и замещаемой жидкостей. Безразмерное уравнение регрессии рекомендовано использовать в качестве функции отклика при оптимизации процесса замещения. [c.244]
В регрессионном анализе рассматриваются односторонняя зависимость случайной переменной Y от одной (или нескольких) неслучайной независимой переменной X. Такая зависимость может возникнуть, например, в случае, когда при каждом фиксированном значении X соответствующие значения Y подвержены случайному разбросу за счет действия ряда неконтролируемых факторов. Такая зависимость Гот X (иногда ее называют регрессионной) может быть также представлена в виде модельного уравнения регрессии 7 по X (3.1). При этом зависимую переменную У называют также функцией отклика, объясняемой, выходной, результирующей, эндогенной переменной, результативным признаком, а независимую переменную X — объясняющей, входной, [c.51]
В качестве функции отклика можно использовать различные критерии эффективности, в том числе коэффициент технической готовности парка машин J u. Установлено, что прослеживается закономерность [c.253]
Мы пересмотрели свою теорию с целью введения для каждого района сбыта трех функций отклика. Это означало, что суммарные функции отклика могли существенно отличаться друг от друга для разных районов вследствие различий в соотношении числа жителей, потребляющих пиво в больших, в умеренных и в малых количествах. [c.179]
Процесс моделирования связан с рядом процедур, например, таких как выбор целевой функции (функции отклика), переменных, параметров и т.д. Рассмотрим основные из них. [c.16]
Для проверки линейности уравнения регрессии используется следующий подход. Так как изменение функции отклика вносит случайный характер, то при каждом значении рекомендуется проводить по несколько экспериментов, чтобы для данного значения А получить некоторое среднее значение Y. [c.90]
В практике часто возникают ситуации, когда функция отклика (цели) Y зависит не от одного, а от многих факторов. Установление формы связи в этих случаях начинают, как правило, с рассмотрения линейной регрессии вида [c.109]
С помощью матрицы Rk, вычисляют частные коэффициенты корреляции, показывающие степень влияния одного из факторов х. на функцию отклика Упри условии, что остальные факторы имеют постоянные значения. [c.116]
Если необходимо изучить степень тесноты связи между функцией отклика У и несколькими факторами xl,x2,...,xp, (р < К) [c.116]
Если Ru возвести в квадрат, то величина RM2 называется множественным коэффициентом детерминации и показывает, какая часть дисперсии функции отклика объясняется вариацией линейной комбинации выбранных факторов. [c.117]
Отсюда можно сделать вывод, что 78,7% дисперсии функции отклика объясняется вариацией линейной комбинации факторов xl и хт [c.119]
Для определения корреляционной связи в нелинейных моделях используют множественное корреляционное отношение, при этом для вычисления остаточной дисперсии используется нелинейная форма функции отклика у. [c.120]
При поиске наилучшей модели функции отклика можно использовать различные нелинейные функции, лучшей из них будет та, ко- [c.120]
При построении регрессивной модели для целевой функции Y на начальном этапе следует учитывать как можно большее число факторов, влияющих на изменение Y. В этом случае получаются достаточно сложные модели, особенно при использовании нелинейных форм. Часто эти модели можно значительно упростить, если в них выявить те факторы, которые незначительно влияют на функцию отклика или один из двух, имеющих сильную корреляцию между собой, и эти факторы не включать в уравнение регрессии. [c.121]
При применении метода всех регрессий функцию отклика представляют в виде комбинаций зависимостей, в которых меняют число факторов. [c.121]
Для изучения влияния факторов подобного рода на функцию отклика Y (целевую функцию), их общего оценивания, ранжирования и выделения среди них существенных методы регрессионного анализа непригодны, поскольку они решают задачи определения вида математической модели при варьировании величиной факторов. Здесь целесообразно использовать методы дисперсионного анализа. [c.122]
Из данных задачи и допущений очевидно, что чем значительнее влияние некоторого фактора xt на функцию отклика у, тем больше расхождение между собой средних арифметических отклика [c.123]
Чтобы иметь возможность оценивать влияние каждого фактора на функцию отклика у и сравнивать влияние различных факторов, установим некоторый количественный показатель этого влияния. Пусть в отсутствии ошибок опыта (ое2= 0) при варьировании факторов х на t/разных уровнях получены опытные значения yv у2,..., уп функции отклика Y. Тогда в качестве показателя влияния фактора х примем величину, которую по аналогии с обычной дисперсией называют дисперсией фактора х [c.124]
При варьировании фактора х на м-уровнях в результате наблюдения (без проведения параллельных опытов на каждом у-том уровне) получим значение функции отклика у,, у2,. .., уи, рассеяние которых можно оценить дисперсией [c.124]
Таким образом, основная идея дисперсионного анализа заключается в разложении оценки общего рассеивания функции отклика Y на составляющие, зависящие [c.125]
Предположим, что влияние фактора х на функцию отклика Y от- [c.127]
Первая оценка менее точна из-за погрешностей величин S02 и Se2, точность же второй оценки выше, так как дисперсии входят в нее поделенными на т. Из сделанного второго предположения очевидно, что при влиянии фактора х оценки S02, S2 и Sx2 неоднородны. Следовательно, сопоставляя эти выборочные дисперсии, можно принять решение о справедливости первого или второго предположения относительно существенности влияния фактора л с дисперсией их2 на функцию отклика Y. Учитывая точность выражений для а2 с целью проверки гипотезы Н0 ах2 = 0, будем сравнивать выборочные дисперсии SB2 и S2. [c.129]
Параметры (уровни фактора, д) Результаты времени переработки отходов (значение функции отклика jy, ), ч i Число Опытное заме- j среднее, ров и, у [c.131]
Срок отстоя сточных вод (фактор ), ДНИ Величина осадка в r/m 3 воды (функция отклика yj ) Число замеров ij [c.134]
Планирование эксперимента начинается с построения математической модели изучаемого объекта (процесса, явления). Вначале выявляется так называемый результативный признак, который рассматриваем в дальнейшем как функцию отклика Y и факторные признаки, которые рассматриваем как факторы xt, x2,..,, хп. Предполагаем, что причинно-следственные взаимосвязи изучаемого объекта выражаются функцией [c.155]
Для решения вопроса о числе учитываемых факторов необходимо перечислить все те факторы, которые в какой-либо степени влияют на функцию отклика. Чем больше мы найдем таких факторов, [c.155]
Решение. Функция отклика 7 — урожайность, фактор х вид обработки. Однако в эксперименте имеется одна внешняя переменная — рабочий, обрабатывающий землю, от которого в значительной степени зависит качество ее обработки. [c.158]
Так, например, для функции отклика, зависящей от трех факторов, факторное пространство при ортогональном планировании представляет собой решетку. В этом случае число опытных точек, отвечающих решетке планирования для трехфакторного эксперимента на двух уровнях, равно N 1 = 8, на трех уровнях N = З3 = 27. [c.161]
Каждой точке факторного пространства отвечает опытное значение функции отклика. Совокупность значений функции отклика, отвечающих точкам факторного пространства, называется поверхностью функции отклика. [c.162]
Полученное уравнение показывает механизм явления, т.е. зависимость функции отклика от каждого из факторов. По величине коэффициента регрессии судят о силе влияния каждого из факторов на функцию отклика. [c.168]
Пример. Пусть в результате трех опытов получены следующие значения функции отклика у, = 45 у2 = 5 и у3 = 5. [c.169]
Статистическая оценка значимости коэффициентов регрессии имеет своей целью исключить из математической модели второстепенные факторы, оказывающие незначительное влияние на функцию отклика. Здесь используется критерий Стьюдента. [c.176]
Множественный нелинейный регрессионный анализ. При переходе от линейной к нелинейной модели для функции отклика Канализ результатов статистических наблюдений начинают с модели так называемой квадратичной формы [c.119]
Проверка воспроизводимости эксперимента производится по дисперсиям функции отклика, определенным для каждой строки матрицы планирования. Они должны быть однородны. Для проверки однородности дисперсий в случае, когда число параллельных опытов во всех точках равно т, применяется критерий Кохрена (Кочрена). [c.174]
Таким образом, М.и. экономических процессов — это, по существу, эксперимент, но не в реальных, а в искусственных условиях. Разрабатываются методы паанирования эксперимента, проверки имитационной модели (см. Верификация моделей, Валидация модели), анализа функции отклика и т.д. [c.191]
П. системы отражается в ее модели как функция времени и параметров (функция отклика). Последнее можно записать, напр., какР = F(Q, t), гдеР — показатель состояния или положения системы Q — совокупность ее параметров t — время F— зависимость. [c.266]
Смотреть страницы где упоминается термин Функция отклика
: [c.29] [c.252] [c.261] [c.157] [c.110] [c.114] [c.121] [c.123] [c.142] [c.157] [c.162] [c.166] [c.166]Рекламный менеджмент Изд 5 (2004) -- [ c.560 ]