Texnik ijodkorlik

Taqsimot qonuni tanlash. Tasodifiy parametrlar uchun statistikani yig'ish va kelgusida uni 
qayta ishlash tashkil qilinadi. Yig'ilgan ma'lumotlarni qayta ishlash jarayonida tasodifiy 
parametrlarni biror bir taqsimot qonunlari orqali ifodalash imkoniyati aniqlanadi (ya'ni, qaysi 
taqsimot qonuni bilan ifodalash mumkinligi aniqlanadi). Bu narsa tizim va yuklama (nagruzka) 
asosiy parametrlari aniq bir taqsimot qonuniyatlariga bo'y sunadigan bo'lsa, u holda tizimning 
analitik modelni qurish imkoniyati paydo bo'ladi, imitatsion modellashtirishda esa tasodifiy 
miqdorni ifodalashdan ko'ra (masalan, jadval ko'rinishda) taqsimot qonunini ko'rinishini berish 
ancha oson va qulay bo'ladi. 
Taqsimot qonunini tanlash protsedurasi quyidagidan iborat. Parametrning sonli qiymatlari 
majmuasi bo'yicha chastotaga (taqsimotning empirik zichligi) nisbatan gistogramma quriladi. 
Gistogramma silliq chiziq bilan approksimatsiya qilinadi. Hosil qilingan chiziq ketma-ket 
ravishda turli hil taqsimot qonuniyatlariga bo'y sunuvchi zichlik funksiyalar grafiklari bilan 
taqqoslanadi hamda eng yaqin bo'lgan funksiya tanlab olinadi. Empirik (tajribaviy) qiymatlar 
bo'yicha mazkur taqsimot parametrlari hisoblanadi. Shundan so'ng, mazkur taqsimot bo'yicha 
empirik qiymatlarni nazariy qiymatlar bilan ustma-ust tushish darajasi biror bir moslik mezoni 
bo'yicha baholanadi. Taqsimot qonunni ko'rinishini tanlash muammolari matematik statistikada 
batafsil ishlab chiqilgan. 
Vaqtga bog'liq tasodifiy parametrlar bo'yicha ma'lumotlarni yig'ish o'ziga xos murakkablikka 
ega. Nostatsionar parametrlar bilan ishlashdagi extiyotsizlik ko'pgina hollarda modelni real 
jarayon bilan adekvat bo'lmasligiga olib kelishi mumkin. 
Funksiyalarni approksimatsiya qilish. Tizimning har bir elementi uchun mazkur element 
bilan kirish parametrlari va uning chiqishdagi xarakteristikalari orasida funksional bog'liqlik 
mavjud. Ba'zi bir elementlar uchun funksional bog'liqlik ko'rinishi yaqqol (oddiy, oshkor. aniq) 
bo'lsa, ba'zilarinikini esa tizimni ishlash jarayonidan kelib chiqqan holda aniqlash mumkin 
bo'ladi. Biroq ba'zi bir elementlar uchun faqatgina parametrlarning turli hil qiymatlarida 
chiquvchi xarakteristikalarning miqdoriy qiymatlari haqidagi tajribaviy ma'lumotlar majmuasini 
olish mumkin xolos. Bunday holatlarda funksional bog'liqlikni xarakteri haqida qandaydir 
gipotezani (funksional bog'liqlikni ma'lum bir matematik tenglamalar bilan approksimatsiya 
qilish) kiritish zarurati paydo bo'ladi. Yig'ilgan tajribaviy ma'lumotlarga ko'ra ikki yoki undan 
ortiq o'zgaruvchilar orasidagi matematik bog'liqlikni izlash - regression, korrelyatsion yoki 
dispersion tahlil usullari orqali aniqlanishi mumkin. 
Dastlab ma'lum bir elementni tasniflash uchun tenglama ko'rinishini tadqiqotchi beradi. Agar 
o'zgaruvchilar soni ikkita bo'ladigan bo'lsa, u holda bog'liqlikni aniqlash qiyinchilik tug'dirmaydi. 
Ularni tajribaviy nuqtalar bo'yicha qurilgan grafiklarini ko'p foydalaniladigan va keng tarqalgan 
funksiyalar bilan approksimatsiya qilish qilish orqali aniqlab olish mumkin bo'ladi. Bunday keng 
foydalaniladigan funksiyalarga to'g'ri chiziqlarni, parabola, giperbola, eksponenta va boshqalarni 
misol qilib keltirish mumkin. Shundan so'ng esa regression tahlil usullari orqali tanlangan 
tenglamaning konstantalari (koeffitsient, parametrlari) shunday aniqlanadiki, natijada egri chiziq 
qanday tanlanganidan qat'iy nazar tajribaviy ma'lumotlar bilan eng yaqin (yaqinlashish eng 
yaxshi) bo'lsin. Ko'pincha, egri chiziq bilan tajribaviy ma'lumotlar orasidagi yaqinlik kichik 
kvadratlar mezoni bo'yicha aniqlanadi. 
Tanlangan bog'liqlik tajribaviy ma'lumotlar bilan qay darajada mos kelishini aniqlash uchun 
korrelyatsion tahlildan foydalaniladi. Korrelyatsiya koeffitsienti 0 dan ±1 gacha oraliqda bo'lib, 
tajribaviy ma'lumotlarni egri chiziq bilan moslik darajasini ko'rsatib beradi.