Важную роль играет правильность выявления основных технико-экономических параметров, влияющих на затраты по разработке, изготовлению и эксплуатации изделий. Выделенные параметры должны наиболее полно характеризовать назначение изделия и его потребительские свойства быть связанными с расходом материальных, трудовых и энергетических ресурсов быть измеряемыми и сопоставимыми с аналогичными показателями лучших образцов продукции. С этой целью анализируются стандарты (технические условия), карты технического уровня, паспорта изделий, протоколы государственных испытаний. Обработка полученных данных проводится с целью выявления взаимосвязи между изменением величин основных параметров и затрат на всех стадиях жизненного цикла изделия. При этом используются такие современные методы математической статистики, как методы экспертных оценок, аналитических группировок, графического и корреляционного анализа, прогнозирования. [c.29]
На основе корреляционного анализа были составлены две формулы — одна для расчета трудоемкости работ по механообработке, связанных с изменением геометрической формы и физико-механических свойств детали (Тф) [c.118]
Метод экономического анализа, его особенности Классификация приемов и способов экономического анализа Способы обработки экономической информации Основные свойства и модели детерминированного факторного анализа Способы детерминированного факторного анализа Корреляционно-регрессионный метод как основной метод изучения стохастических зависимостей Матричный метод и его применение в сравнительном многомерном анализе [c.20]
Особенности технологии и организации производства у про-, изводителя обусловливают те или иные физико-химические и геометрические свойства изделий, часто называемые производственным качеством изделий. Эти свойства в свою очередь определяют качество продукции для потребителя (производительность, надежность, долговечность и др.). Статистические методы анализа связи дают возможность построить корреляционные уравнения, факторными показателями в которых являются физико-химические и геометрические свойства изделий, а результативными показателями — показатели качества продукции для потребителя. На основе этих корреляционных уравнений связи можно, во-первых, на стадии выпуска готового изделия по результатам измерения его физико-химических свойств определить показатели его качества у потребителя и, во-вторых, прогнозировать изменение потребительского качества изделий при целенаправленном воздействии на параметры их производственного качества. [c.73]
Случайные изменения свойств сырья, а также ряда неконтролируемых факторов приводят к случайным колебаниям обеих исследуемых переменных. Однако расположение точек на рис. В. 6 свидетельствует о том, что эти колебания взаимосвязаны, подчинены вполне определенной закономерности облако рассеяния вытянуто вдоль некоторой прямой, не параллельной ни одной из координатных осей. Все это подтверждает целесообразность разложения случайной величины г) по формуле (В. 16) и исследования связи между г и 5, которая в этом случае носит название корреляционной. К перечисленным вопросам регрессионного анализа (построение конкретного вида зависимости между переменными, различные оценки ее точности) в этом случае присоединяется круг вопросов, связанных [c.40]
В результате такого анализа обычно получают формулировку нескольких рабочих гипотез об общем виде искомой зависимости, окончательная проверка которых и выбор наиболее адекватной из них осуществляются (при отсутствии априорных сведений содержательного характера) с помощью соответствующих математико-статистических методов. Описание наиболее эффективных, с нашей точки зрения, приемов такого типа приводится в 6.3. Здесь же остановимся на двух вспомогательных приемах, которые полезно использовать при геометрическом анализе парных корреляционных полей. 6.2.2. Учет и формализация гладких свойств искомой функции регрессии. Выше упоминалось, что чрезмерное усложнение класса допустимых решений F и, в частности, завышение порядка аппроксимирующего регрессионного полинома (в но- [c.181]
Анализ — всесторонний разбор, рассмотрение метод научного исследования путем рассмотрения отдельных сторон, свойств, составных частей чего-либо составная часть любого исследования функция управления. Как функция управления анализ представляет собой относительно обособленный вид управленческой деятельности, включающий творческое изучение, систематизацию, обобщение и оценку информации о структуре, общих и специфических свойствах рассматриваемого объекта. Анализ может быть ретроспективный, сравнительный, факторный, корреляционный, по видам деятельности (экономический, технический, экологический) и т.п. [c.515]
Отмеченные эффекты суточной периодичности (цикличности) в поведении А-волатильности наблюдаются и при рассмотрении ее корреляционных свойств. Следующий параграф будет посвящен именно этому вопросу, а также обсуждению тех практических рекомендаций, которые следуют из статистического анализа А-волатильности. [c.423]
Вернемся к общему (негауссовскому) случаю. Практика многомерного статистического анализа показала, что частные коэффициенты корреляции, определенные соотношениями (1.22) — (1.23 ), являются, как правило, удовлетворительными измерителями очищенной линейной связи между х(1) и при фиксированных значениях остальных переменных и в случае, когда распределение анализируемых показателей ( (0), x(l . .., х(р>) отличается от нормального. Определив с помощью формулы (1.22) частный коэффициент корреляции в случае любого исходного распределения признаков (х(0 х(1 . .., х(р)), включим его в общий математический инструментарий корреляционного анализа линейных моделей. При этом их можно интерпретировать как показатели тесноты очищенной связи, усредненные по всевозможным значениям фиксируемых на определенных уровнях мешающих переменных. 1.2.3. Статистические свойства выборочных частных коэффициентов корреляции (проверка на статистическую значимость их отличия от нуля, доверительные интервалы). При исследовании статистических свойств выборочного частного коэффициента корреляции порядка k (т. е. при исключении опосредованного влияния k мешающих переменных) следует воспользоваться тем (см., например, [20, теорема 4.3.4]), что он распределен точно так же, как и обычный (парный) выборочный коэффициент корреляции между теми же переменными с единственной поправкой объем выборки надо уменьшить на k единиц, т. е. полагать его равным п — , а не я. Поэтому [c.84]
Полное описание реальных объектов представляет собой нереальную задачу, т. к. практически невозможно учесть все действующие на них переменные. Обычно при построении математической модели любого характера приходится учитывать только основные, определяющие факторы и отбрасывать второстепенные. Естественно, что полученное математическое описание всегда беднее реального объекта и отражает только его основные закономерности, необходимые для решения конкретной задачи. Возникает необходимость в определении степени идентичности модели реальному объекту. Для количественной оценки степени идентичности модели объекту Н.С. Райбман [79] предложил дисперсионную меру определенности процесса, которая для случая линейной корреляционной модели равна квадрату коэффициента корреляции. Практическая полезность меры имеет два аспекта. Во-первых, она позволяет количественно определить влияние введенных в модель факторов на выходной параметр. Во-вторых, с помощью меры определенности можно проводить дисперсионный анализ погрешностей изготовления деталей. Например, если связь между переменными Хи Y выражена линейными уравнениями типа у = ах + Ьс коэффициентом корреляции =0,8, это значит, что точность изготовления детали по параметру Уна 64% зависит от фактора Xи на 36% — от неучтенных факторов. Аналогичными свойствами, как указывалось в работе [98], обладает коэффициент информационной связи Rr Это дает возможность выдвинуть гипотезу о том, что RJ можно использовать в качестве меры определенности процесса. [c.75]
Важную роль в правильном выборе параметрического класса допустимых решений играет предварительный анализ геометрической структуры совокупности исходных данных и в первую очередь анализ геометрии парных корреляционных полей, включающий в себя, в частности, учет и формализацию гладких свойств искомой функции регрессии, использование вспомогательных линеаризующих преобразований. [c.207]