Проверяемый текст
[стр. 99]

99 После проверки на адекватность моделей установили, что ни одна ив построенных линейных регрессионных моделей не отвечает условиям адекватности построения, поэтому воспользуемся квадратичной моделью множественной регрессии.
Воспользовавшись статистическим пакетом
8іаіОгарЬ, получим следующие квадратичные регрессионные модели для параметров пространства У: ОЦК, УИ и УПС.
Рассчитаем значимость регрессионных коэффициентов и, с помощью исключения незначимых членов, получим конечные модели описания пространства
У через пространство X.
Полученные результаты представлены в таблице
4.14.
Таблица 4.14 Результаты квадратичного регрессионного анализа Модель ОЦК ОБК = -96,42 37,4198*81 + 0,14161*81*АП 41,0716*Ба2-0,137171*8а*СЩ8 0,000436758*СН882 + 179,867*8а +0,0000010336*У*Т + 0,321571*СН88 0,00789133 *Т + 10,5227*812_______________________________________________ _______________________________Модель_УИ____________________________ Ш = 108,5 104,8*81 + 0,033*81*АО 1,64*8і*У + 2,78585*8а2 0,048*8а*СН88 0,033*8а*АО + 0,5*8а*У + 0,00091*СН882 + 18,25*8а 0,01*СН88*У +0,015*У2 0,49*СН88 + 4,66*У + 25,6*8і2 9*81*8а + 0,18*8і*СН88___________________________________________________________ ______________________________ Модель УПС___________________________ ЦР8 = 2292,92 + 8492,81 * 8 1+ 29,1913*81*АО 109,084*81*У +1199,73*8а2 + 72,1767*8а*У 7142,8*8а + 0,0800771*А02 -1,98345*АП*У + 7,13207*У2 198,566*У1802,14*8Г ___________ ______________________________ При проверки моделей на адекватность получены следующие результаты таблица 4.15.
Таблица 4.15 Проверка адекватности моделей Критерии адекватности ОЦК УИ УПС Расчетный критерий Фишера 1,67 12,04 15,87 Табличный критерий Фишера 2,41 2,04 2,32 Вывод + +
[стр. 199]

199 После всех проверок предпосылок к проведению регрессионного анализа, перейдем непосредственно построению линейных моделей.
Воспользовавшись статистическим пакетом 81а10гарЬ, получим следующие линейные регрессионные модели для параметров пространства У: ОЦК, УИ и УПС.
Рассчитаем значимость регрессионных коэффициентов и, с помощью исключения незначимых членов, получим конечные модели описания пространства У через пространство X.
Полученные результаты представлены в таблице
5.18 (порог ^распределения Стьюдента равен 2,58).
Таблица 5.18 Результаты линейного регрессионного анализа Параметры модели 8 а СШ в АО V Т Модель ОЦК Первоначальная модель ОБК = 59,6 + 0,22*АО 0,078*СН88 + 1,71*8а + 2,26*81 0,004*Т + 0,29*У Значимость коэффициентов 14,56 1,34 12,94 16,84 8,44 9,17 Значимость коэффициентов + + + + + Конечная модель 08К = 61,8 + 0,22*АО 0,08*С 0,004*Т + 0,29*У Н8 8 + 3,17*81Модель УИ Первоначальная модель Ш = 46,9 + 1,56*У 0,02*АО 0,15*СН88 + 8,25 *ва 22,16*81 0,0002*Т Значимость коэффициентов 6,89 4,84 11,75 1,95 15,44 2,08 Значимость коэффициентов + 4* + + Конечная модель 1Л = 45,4 + 1,57*У 22,35*81 ),15*СН88 + 8,35*8а Модель УПС Первоначальная модель ЦРБ = 1760,08 + 41*АО 0,7*СН88 1534,6*8а + 1765*81 0,11*Т -138,6*У Значимость коэффициентов 5,61 9,19 1,46 8,73 11,47 1 , 6 6 Значимость коэффициентов + + + + Конечная модель ЦР8 = 1586 + 41*АО 1550*8а + 1797*81 138*У

[стр.,200]

При проверки моделей на адекватность получены следующие результаты таблица 5.19.
200 Таблица 5.19 Проверка адекватности моделей Критерии адекватности ОЦК УИ УПС Расчетный критерий Фишера 1,78 2,54 1,94 Табличный критерий Фишера 3,32 3,78 3,78 Вывод .
После проверки на адекватность моделей установили, что ни одна
из построенных линейных регрессионных моделей не отвечает условиям адекватности построения, поэтому воспользуемся квадратичной моделью множественной регрессии.
Воспользовавшись статистическим пакетом
StatGraph, получим следующие квадратичные регрессионные модели для параметров пространства Y: ОЦК, УИ и УПС.
Рассчитаем значимость регрессионных коэффициентов и, с помощью исключения незначимых членов, получим конечные модели описания пространства
Y через пространство X.
Полученные результаты представлены в таблице
5.20.
Таблица 5.20 Результаты квадратичного регрессионного анализа Модель ОЦК OSK.
= -96,42 ~ 37>T98*St + 0,14161*St*AD 41,0716*Sa2 -0,137171*Sa*CHSS 0,000436758*CHSS2+ 179,867*Sa +0,0000010336*V*T + 0,321571*CHSS 0,00789133*T + 10,5227*St2____________________________________________________________________ Модель УИ UI = 108,5 104,8*St + 0,033*St*AD l,64*St*V + 2,78585*Sa2 0,048*Sa*CHSS0,033*Sa*AD + 0,5*Sa*V + 0,00091*CHSS2 + 18,25*Sa 0,01*CIISS*V +0,015*V2 0,49*CHSS + 4,66*V + 25,6*St29*St*Sa + 0,18*St*CHSS_____________________________ Модель УПС UPS = 2292,92 + 8492,81 *St + 29,1913*St*AD 109,084*St*V +1199,73*Sa2+ 72,1767*Sa*V 7142,8*Sa + 0,0800771*AD2-1,98345*AD*V + 7,13207*V2198,566*V 1802,14*St2

[стр.,201]

При проверки моделей на адекватность получены следующие результаты таблица 5.21.
201 Таблица 5.21 Проверка адекватности моделей Критерии адекватности ОЦК УИ УПС Расчетный критерий Фишера 1,67 12,04 15,87 Табличный критерий Фишера 2,41 2,04 2,32 Вывод + + После проверки на адекватность моделей установили, что две из них (для УИ и УПС) адекватны, а квадратичная модель для ОЦК неадекватна, поэтому для ОЦК воспользуемся построением нелинейной линеаризации параметризацией регрессионной модели.
Для этого подберем такие функции g!, g2, ..., gn, которые бы по отдельности оптимальным способом описывали выходной параметр ОЦК.
Результаты подбора таких функций представлен в таблице 5.22.
Таблица 5.22 Подбор оптимальных функции по каждому из параметров пространства У Параметр Ба О К Б АО V Т Функция у ~ ІПX у ~ е(а/х) у ~ 1/(а+Ьх) у ~ X у ~ X У ~ л/х После подбора регрессионных коэффициентов и проверки их значимости, получили следующую нелинейную регрессионную модель: 08К = -78,1 + 2,9 !п ф ) + 0,94 е<4’37'°’19/Ка)+ + 0,9/(0,011 + 0,000016СШ8) + 0,21АБ + 0,28У 0,28 л/Г

[Back]