Порядок действий при однократном измерении показан на рис. 34. Предварительно проводится тщательный анализ априорной информации. В ходе этого анализа уясняется физическая сущность изучаемого явления, уточняется его модель, определяются влияющие факторы и меры, направленные на уменьшение их влияния (термостатирование, экранирование, компенсация электрических и магнитных полей и др.),значения поправок, принимается решение в пользу той или иной методики измерения, выбирается средство измерений, изучаются его метрологические характеристики и опыт выполнения подобных измерений в прошлом. Важным итогом этой предварительной работы должна стать твердая уверенность в том, что точности однократного измерения достаточно для решения поставленной задачи. Если это условие выполняется, то после необходимых приготовлений, включающих установку и подготовку к работе средства измерений, исключение или компенсацию влияющих факторов, выполняется основная измерительная процедура — получение одного значения отсчета. [c.84]
Анализ априорной информации определение поправки в [c.85]
Последнее вовсе не означает, что необходимость в анализе априорной информации отпадает. Такой анализ обязательно предшествует многократному измерению и преследует те же цели, что и при однократном измерении, но с той разницей, что при многократном измерении информация о законе распределения вероятности результата измерения получается опытным путем. [c.95]
Вслед за анализом априорной информации и тщательной подготовкой к многократному измерению получают и i независимых значений отсчета. Эта основная измерительная процедура может быть организована по-разному. Если изменением измеряемой величины во времени можно пренебречь, то все значения отсчета проще всего получить путем многократного повторения операции сравнения (2) с помощью одного и того же средства измерений. Отсчет в этом случае будет описываться эмпирической плотностью распределения вероятности P(XI, х , . . , х/,. . . , хп) — см. пример 12, — где согласно основному постулату метрологии каждое значение отсчета является случайным числом, подчиняющимся этому закону распределения вероятности. Такие значения отсчета х , имеющие одинаковую дисперсию, называются равноточными. Если же из априорной информации следует, что за время измерения произойдет существенное изменение измеряемой величины, то ее измеряют одновременно несколькими средствами измерений, каждое из которых дает одно из независимых значений отсчета х,. Так как средства измерений могут отличаться по точности, то в эмпирической плотности распределения вероятности отсчета P(xl, х2,. . . , Хр. . . , хп) случайные числах,, могут иметь разную дисперсию. Такие значения отсчета х( называются неравноточными. Многократное измерение с неравноточными значениями отсчета рассматривается в следующем разделе. [c.95]
При п < 10. .. 15 гипотеза о том, что результат измерения подчиняется нормальному закону распределения вероятности, не проверяется. Решение принимается на основании анализа априорной информации. [c.110]
Анализ априорной информации о рискованной деятельности [c.208]
Выбор, подкрепленный результатами объективного анализа. Рациональное решение в отличие от основанного на суждении не зависит от опыта, накопленного в прошлом (имеются в виду суждения, основанные на априорных оценках). [c.308]
На первой стадии собирают необходимые статистические данные, выявляют факторы, теоретически связанные с производительностью труда и самостоятельно на нее влияющие, и устанавливают связи между отдельными факторами. На данной стадии следует отобрать возможно больше факторов, чтобы в процессе дальнейшего анализа можно было бы исключить несущественные и оставить лишь те факторы, которые наиболее полно отвечают изложенным выше требованиям к выбору основных факторов. Поэтому возьмем для исследования ранее отобранные 20 факторов-аргументов. Анализ влияния отдельных факторов на уровень производительности труда и на этой основе выбор факторов-претендентов для включения в математическую модель проведем методами статистических группировок и априорного анализа. [c.66]
Следовательно, на основе проведенного априорного анализа можно рекомендовать в качестве основных факторов для включения в математическую модель производительности труда в добыче нефти следующие факторы (в порядке их значимости) [c.78]
Этот перечень полностью совпадает с перечнем факторов, выявленных в результате анализа факторов производительности труда методом статистических группировок, что говорит о достаточной обоснованности выбора факторов-претендентов для включения в математическую модель производительности. Применение методов статистических группировок и априорного анализа факторов производительности труда позволяет из большого многообразия факторов выделить группу наиболее существенных, что значительно сокращает объем сбора информации и упрощает проведение корреляционного анализа факторов производительности труда. [c.79]
Если исходя из теоретических предпосылок нельзя обоснованно выбрать форму связи, то ее определяют эмпирическим путем постепенным приближением к данным наблюдениям. Поскольку в работах, посвященных анализу характера зависимости y = f(x), нет достаточно убедительных априорных сведений, для регрессионного анализа была выбрана линейная функция вида [c.82]
На основе анализа методами статистических группировок и априорного анализа 20 количественных и качественных факторов выявлена зависимость производительности труда от факторов, установлена группа факторов-претендентов, влияние которых на производительность труда особенно значительно дебит скважин по нефти обводненность добываемой продукции действующий фонд скважин объем добычи нефти и газа фондовооруженность труда удельный вес механизированного фонда скважин, автоматизированных скважин, подготовленной нефти глубина скважин, коэффициент эксплуатации скважин. Вопреки общепринятому мнению, электровооруженность труда незначительно влияет на производительность труда в добыче нефти. [c.184]
Подсистема извлечения жидкости. Из 15 факторов, отобранных после изучения работ [10, 15,42,43], опроса специалистов и качественного анализа, в анкеты опроса (приложение 3) по результатам априорного анализа, включены в дальнейший анализ как наиболее существенные следующие семь факторов [c.34]
Подсистема сбора, хранения и подготовки нефти. В результате проведенного априорного анализа отобранных факторов (приложение 4) были выделены как наиболее существенные и включены в многофакторный корреляционный анализ следующие факторы [c.36]
Функции ii(d, p) содержат параметры, которые определяются на основе методов регрессионного анализа, а сами функции выбираются таким образом, чтобы они удовлетворяли некоторым априорным предположениям о свойствах функции спроса. В большинстве случаев функции (6.15) удовлетворяют условию [c.123]
По приведенным данным существенными являются коэффициенты регрессии при Х7, Х14, Х1Б (0- Несмотря на то, что R = 0,9918 (это указывает на наличие тесной связи), можно сделать вывод, что модель неадекватна, в модель вошли несущественные факторы или выбран не тот тип связи. Исходя из априорного анализа почти все факторы, участвующие в модели, являются существенными следовательно, не подходит линейный тип модели. [c.88]
Исходя из априорного анализа факторы, участвующие в модели, являются существенными следовательно, не подходит данный вид м <" т [c.90]
Следующим этапом в факторном анализе финансово-экономической деятельности предприятия торговли является анализ изменения затрат на закупку товаров, реализация которых принесла данную денежную выручку. Априорно можно сказать, что повышение этих затрат снижает торговую наценку и, следовательно, при прочих равных условиях (при равных издержках обращения) — прибыль. Напротив, снижение затрат на закупку товаров повышает и торговую наценку, и прибыль. [c.217]
Теория представляет собой систему согласованных суждений или утверждений. Суждение — это изъявительное предложение, имеющее оценку истинности (истинно, ложно, вероятно истинно и т. д.). В зависимости от природы доказательства, необходимого для установления оценки истинности суждений, последние могут быть разделены на две категории априорные и апостериорные. Априорные суждения — это утверждения, оценка истинности которых может быть установлена с помощью одних лишь умозаключений или путем анализа значений использованных слов, например 2 + 2 = 4 или у треугольника три стороны . Они известны также как аналитические суждения и используются в качестве основы для построения теорий в аналитических науках, таких, как математика и логика (14, с.266]. Апостериорные суждения — это утверждения, оценка истинности которых может быть определена только на основе фактов, например красный свет означает "стоп" или Джон — холостяк . Оценка истинности этих утверждений не может быть установлена на основе смысла, вкладываемого в используемые слова, и требует дальнейшей сверки с фактами. Такие суждения также называются синтетическими или эмпирическими и используются в каче- [c.96]
Наиболее сложным, трудоемким и дорогостоящим методом анализа рисков является метод Монте-Карло. Он, в основном, используется для анализа рисков крупных проектов в условиях недостаточного объема априорной информации. Этот метод заключается в построении имитационных моделей, позволяющих создать множество сценариев, согласующихся с заданными ограничениями на исходные переменные. [c.281]
Два основных параллельных метода носят название методов случайного поиска и многофакторного анализа. Первый из этих методов основан на априорном выборе определенных интервалов изменения переменных по соответствующим осям. Таким образом, по этому методу выбираются значения у и q и производятся расчеты экономического эффекта. В качестве решения выбирается такая пара значений темпа выполнения работ и количества ЛОСП, при которой эффект достигает максимума. [c.47]
Априорная количественная оценка эффективности оперативного управления должна основываться на накоплении и анализе данных о критических ситуациях или нарушениях в работе системы, выявлении причин их возникновения, экономических последствиях и возможностях предупреждения с помощью автоматизированного оперативного управления. Систематический сбор данных о таких ситуациях весьма затруднителен, причем нередко не по объективным причинам, а по объяснимому желанию не афишировать нарушения или тем более упущения в оперативной работе. Только в тех случаях, когда сбои регистрируются документально и сопровождаются штрафами, они делаются явными и поддаются количественному учету и анализу. Но таких явно проявляемых и регистрируемых сбоев не так много, чтобы делать исчерпывающие выводы только на их основе. [c.243]
С точки зрения теории автоматического управления, обучающиеся системы относятся к классу адаптивных систем и характеризуются наличием специальных процессов обучения, которые заключаются в постепенном накапливании, запоминании и анализе информации о поведении системы и изменении законов функционирования в зависимости от приобретаемого опыта. К процессу обучения приходится прибегать не только при малых объемах априорных сведений, но и при отсутствии возможности установления детальных причинно-следственных связей в структуре самой системы из-за ее сложности. [c.161]
Нейросетевое моделирование в чистом виде базируется лишь на данных, не привлекая никаких априорных соображений. В этом его сила и одновременно - его ахиллесова пята. Имеющихся данных может не хватить для обучения, размерность потенциальных входов может оказаться слишком велика. Далее в этой главе мы покажем как для преодоления этих типичных в области финансовых предсказаний трудностей можно воспользоваться опытом, накопленным технического анализом. [c.148]
Априорную плотность вероятности можно оценить различными способами. В параметрических методах предполагается, что плотность вероятности (PDF) является функцией определенного вида с неизвестными параметрами. Например, можно попробовать приблизить PDF при помощи гауссовой функции. Для того чтобы произвести классификацию, нужно предварительно получить оценочные значения для вектора среднего и матрицы ковариаций по каждому из классов данных и затем использовать их в решающем правиле. В результате получится полиномиальное решающее правило, содержащее только квадраты и попарные произведения переменных. Вся описанная процедура называется квадратичным дискриминантным анализом (QDA). В предположении, что матрицы ковариаций у всех классов одинаковы, QDA сводится к линейному дискриминантному анализу (LDA). [c.47]
Имея трехмерные числовые показатели, мы воспользовались линейным множественным дискриминантным анализом. Мы выбрали одинаковые (33%) априорные вероятности того, что данное наблюдение принадлежит той или иной группе. Данные о неправильных классификациях приведены в табл. 8.8. [c.188]
Аналогичным образом графический анализ структуры лага можно проводить и с помощью относительных коэффициентов регрессии / у. Основная трудность в выявлении структуры лага состоит в том, как получить значения параметров bj (или PJ). Выше уже отмечалось, что обычный МНК редко бывает полезным в этих целях. Поэтому в большинстве случаев предположения о структуре лага основаны на общих положениях экономической теории, на исследованиях взаимосвязи показателей либо на результатах проведенных ранее эмпирических исследований или иной априорной информации. [c.297]
Имея возможность использовать ЭВМ, исследователь часто применяет к одному и тому же объекту все доступные для него способы классификации, и пытается затем выделить наилучшую. Часто критерием качества служат его априорные представления об объекте, истинность которых сама по себе нуждается в доказательствах. Конечно, можно предложить внешние критерии качества классификации, но они сами по себе также связаны с некоторыми модельными и, соответственно, языковыми представлениями, и в этом смысле всегда не идеальны. В принципе те же самые проблемы существуют при применении любого анализа. [c.246]
Все эти факторы важны и составляют априорный, предварительный анализ, но более подробно рассматриваются следующие финансовые оценки фирмы, основанные на расчетах и финансовом анализе отчетности фирмы. К таким оценочным факторам относятся [c.422]
Сбор и анализ априорной информации (сбор, анализ информации, разработка априорной модели, проверка согласия между моделью и априорными данными, уточнение модели и анализ апри-орных данных, составление плана эксперимента) [c.448]
Априорный анализ факторов производительности труда. Статистическому моделированию любого экономического процесса или явления должен предшествовать априорный анализ обьекта исследования. Для объективной оценки влияния факторов на первой стадии анализа необходимо формализовать имеющиеся априорные сведения (мнения специалистов), например с помощью метода экспертных оценок. [c.77]
Ахметзянов А. В., Зайнетдинов Э. А., Тищенко В. Е. Априорный анализ факторов производительности труда в добыче нефти — Изв. вузов, серия Нефть и газ , 1974, № 12, с. 103—107. [c.205]
Ахметзянов А.В., Зайнетдинов Э.А., Тищенко В.Е. Априорный анализ факторов производительности труда в добыче нефти. — Нефть и газ, 1974, № 12, с. 103 — 107. [c.108]
Одной из ключевых задач предоптимизационного анализа является априорная оценка совместности исходной системы ограничений эконо- [c.205]
Извлечение правил из нейронных сетей подразумевает их предварительное обучение. Поскольку эта процедура требует много времени для больших баз данных, то естественна та критика, которой подвергается использование нейротехнологии для извлечения знаний. Другим поводом для такой критики является трудность инкорпорации в нейронные сети некоторых имеющихся априорных знаний. Тем не менее, главным является артикуляция правил на основе анализа структуры нейронной сети. Если эта задача решается, то низкая ошибка классификации и робастность нейронных сетей дают им преимущества перед другими методами извлечения знаний. [c.169]
В отличие от нейросетевого подхода в котором основное время забирает обучение сетей при статистическом подходе это время тратится на тщательный анализ задачи. При этом опыт статистиков используется для выбора модели на основе анализа данных и информации, специфичной для данной области. Использование нейронных сетей - этих универсальных аппроксиматоров - обычно проводится без использования априорных знаний, хотя в ряде случаев оно весьма полезно. Например для рассматриваемой линейной модели использование именно среднеквадратичной ошибки ведет к получению оптимальной оценки ее параметров, когда величина шума имеет нормальное распределение с одинаковой дисперсией для всех обучающих пар. В то же время если известно, что эти дисперсии различны, то использование взвешенной функции ошибки [c.201]
Используя полученные из АГК числовые характеристики объектов, мы провели стандартный линейный множественный дискрими-нантный анализ с одинаковыми (равными 33%) априорными вероятностями принадлежности элемента. группам. Правильно были классифицированы 41% от общего числа случаев, и это несколько лучше 33-процентной точности, которая получилась бы при случайном отнесении объекта к той или иной группе. Табл. 8.6 ниже— это таблица неправильных классификаций, которая также называется матрицей ошибок. [c.179]
Путевой анализ позволяет произвести декомпозицию корреляции Гу. Введем понятия полная (совокупная) связь , совокупное влияние , прямое влияние , косвенное влияние . Если коэффициент корреляции нулевого порядка Гу рассматривать как измеритель полной связи двух переменных, то мерой совокупного влияния j-R переменной на /-ю переменную (qy) будет являться ее часть, не зависящая ни от общих для них переменных — причин, ни от корреляции между общими дляу-й и /-й переменных причинами (компоненты ложной корреляции), ни от наличия не анализируемой в модели априорной корреляции предопределенных переменных — входов. [c.221]
Наконец, нерутинная технология, в которой задачи часто меняются, оставляет мало места априорному анализу и предвидению. Авторитарное расписывание задач представляется здесь неэффективным, а слишком разветвленная иерархия — очень дорогой. Внутренние права стремятся к минимальному уровню, и процедуры принятия решений децентрализованные. Здесь мы имеем типичную организацию для команды , основанную в большей степени на участии членов и на ценностях, чем на иерархических отношениях. [c.216]
ФАКТОРНЫЙ АНАЛИЗ [fa torial analysis] — область математической статистики (один из разделов многомерного статистического анализа), объединяющая вычислительные методы, которые в ряде случаев позволяют получить компактное описание исследуемых явлений на основе обработки больших массивов информации. От других средств подобного "сжатия информации" (напр., распространенных методов статистической группировки объектов) Ф.а. отличается тем, что не опирается на заранее заданный, априорный перечень факторов, влияющих на изучаемые переменные, а наоборот, при соблюдении определенных правил и предосторожностей помогает обнаружить наиболее важные из этих факторов, причем скрытые (латентные). Скажем, экономист непосредственно наблюдает множество различных показателей статистического учета деятельности предприятий, чтобы выявить закономерности, влияющие на рост производительности труда (об- [c.374]