Regressiyaning kodlangan koeffitsientlarini aha

REGRESSIYANING KODLANGAN KOEFFITSIENTLARINI AHAMIYATLILIGINI ANIQLASH.


Reja:
1. Regressiyaning kodlangan koeffitsientlarini ahamiyatliligini aniqlash. 2. Regressiya tenglamasining monandligini tekshirish (TFT).
3. Impulsli usul.

Regressiyaning kodlangan koeffitsientlarini ahamiyatliligini aniqlash (TFT)

Regressiyaning kodlangan koeffitsientlarining ahamiyatsizligi Styudent taqsimoti – t ning kvatili ^tтабл^dan foydalanib, quyidagi tengsizlik yordamida
aniqlanadi:
~



f
^j t^табл ,
e
^aj (1) bu erda β – ishonchli ehtimollik (muhandislik hisoblarida 0,95 ga teng);
fe – qayta tiklanish dispersiyasining erkinlik darajalari soni (parallel sinovlarning bitta qatoriga k -1 ga teng).
Regressiyaning kodlangan koeffitsientlari dispersiyasi tanlanmaviy qiymatining kvadrat ildizi quyidagi formula bo‘yicha aniqlanadi:

S~ 

a
j


_Cjj S_e, ₍₂₎

bu erda S_e - quyidagi tajriba rejasi markazidagi k parallel sinovlar bo‘yicha aniqlanuvchi qayta tiklanishlardan olingan kvadrat ildiz,

2

k

 

SS
_y_0S y_c 

e
S2 j1 ^{k 1}  ^fee , (3) bu erda SS_e - qayta tiklanish dispersiyalari kvadratlarining yig‘indisi;
f_e - qayta tiklanish dispersiyalarining erkinlik darajalari soni.
Yuqorida ko‘rsatilgani kabi, kodlangan faktorlarda TFT dagi korrelyasiya matritsasining diagonal elementlari bir xil va 1/n ga teng,

a
S~ ^Se .

~
j (4) Natijada regressiyaning kodlangan koeffitsientlarini ahamiyatsizligi sharti quyidagi ko‘rinishni qabul qiladi:


^aj n t^табл .
^e e (5) Shuningdek ushbu holda korrelyasiya matritsasi ^C diagonal hisoblanib,

regressiyaning kodlangan koeffitsientlari statistik bog‘lanmagan va bir vaqtda regressiyaning bir qancha kodlangan koeffitsientlari ahamiyatsiz bo‘lib, ular (passiv tajribani qayta ishlash protsedurasidan farqli ravishda) ning barchasi birdaniga regressiyaning kodlangan tenglamasidan tashlab yuborilishi mumkin.

Regressiya tenglamasining monandligini tekshirish (TFT).

Tekshirish xuddi passiv tajribada amalga oshirilgani kabi Fisher mezonining ishonchli soha β (ko‘pincha 0.95 ga teng) va qoldiq hamda qayta tiklanish dispersiyalarining erkinlik darajalari sonlari f_R va f_e larda tanlangan jadval qiymatlaridan foydalanib amalga oshiriladi.

2
Monandlik sharti quyidagi tengsizlikdan foydalanib tekshiriladi:

_{SR табл
2} f_R , f_e e
bu erda tenglama aniqligini tavsiflovchi qoldiq dispersiya quyidagi bo‘yicha aniqlanadi:

(6) formula

2

n

SS

2
_y^I y^

R
SR i1 ^{n p} ^f R . (7) Bunda f_R = n - p , bu erda n – fakutorlarning turli qiymatlaridagi tajribalar
soni; p – regressiyaning ahamiyatli koeffitsientlari soni.
TFT ning kamchiligi faktorlarning soni 5 dan katta (m=5 da n=2⁵=32) bo‘lganda sinovlar sonining tez oshib ketishi hisoblanadi.
Faktorlarning o‘zaro ta’sirlarini mavjud emasligiga yaqin maqsadlarni e’tiborga olmasdan regression tahlilni o‘tkazish uchun kichik sonli sinovlarni amalga oshirish etarlidir. Bunday hollarda TFTning bu erda ko‘rib o‘tilmagan kasr faktorli tajriba (KFT) qismini amalga oshirish mumkin.
Modellash asosida o‘xshashlik nazariyasi yotadi, u shuni tasdiqlaydiki, mutlaq o‘xshashlik bir ob’ektning boshqa xuddi shunday ob’ekt bilan almashtirish mavqeiga ega bo‘lishi mumkin. Modellashda mutlaq o‘xshashlik o‘rinli emas va shuning uchun ob’ektni tadqiq qilinayotgan ishlash tarafini etarli yaxshi aks ettirishga intilish kerak. Shuning uchun modellash turlarini tasniflash alomatlardan biri sifatida – modelning to‘lalik darajasini tanlash mumkin va modellarni shu alomatga muvofiq to‘liq, to‘liq bo‘lmagan va taxminiylarga bo‘lish mumkin. To‘liq modellash asosida nafaqat vaqtda, balki fazoda ham namoyon bo‘ladigan to‘liq o‘xshashlik yotadi. To‘liq bo‘lmagan modellash uchun o‘rganilayotgan ob’ektga modelning to‘liq bo‘lmagan o‘xshashligi xarakterlidir. Taxminiy modelllash asosida taxminiy o‘xshashlik yotadi, bunda real ob’ektning ba’zi ishlash taraflari mutlaq modellashmaydi.
S tizimlarini modellash turlarining tasnifi 1-rasmda keltirildi. S tizimda o‘rganilayotgan jarayonlar xarakteriga muvofiq modellashning barcha turlari determinanlangan va stoxastik, statik va dinamik, diskret, uzluksiz va diskret – uzluksizlarga bo‘linishi mumkin. Determinanlangan modellash determinanlangan

jarayonni aks ettiradi, ya’ni har qanday tasodifiy ta’sirlarning yo‘qligi inobatga oladigan jarayonlarni nazarda tutadi; Stoxastik modellash ehtimollik jarayonlar va hodisalarni aks ettiradi. Bu holda tasodifiy jarayonning qator amalga oshirilishlari tahlillanadi va o‘rta ta’riflar, ya’ni bir turdagi amalga oshirishlarning to‘plami baholanadi. Statik modellash qandaydir vaqt lahzasida ob’ekt xulqini tavsiflash uchun xizmat qiladi, dinamik modellash esa vaqtda ob’ektning xulqini aks ettiradi. Diskret modellash diskretliligi nazarda tutilgan jarayonlarni tavsiflash uchun xizmat qiladi va shunga muvofiq uzluksiz modellash tizimlarda uzluksiz jarayonlarni aks ettirish uchun imkon beradi, diskret – uzluksiz modellashdan esa diskret hamda uzluksiz jarayonlarni ajratib ko‘rsatish zarur bo‘lgan hollarda foydalaniladi.