|
170 дут учтены, возникнут значительные ошибки в окончательном результате. Регрессионный анализ заключается в исследовании распределения коэффициентов регрессии, определяющих случайную величину как функцию от нескольких других. Определение неизвестных коэффициентов регрессии и дисперсии осуществляется методом наименьших квадратов. Значимость оценок и их доверительные интервалы определяются с применением аппарата и критериев проверки статистических гипотез. Регрессионный анализ применяется для исследования поведения коэффициентов весомости при комплексной оценке качества продукции. Требование нормальности распределения ошибок, предъявляемое к исходной информации процедурой метода наименьших квадратов, во многих случаях оказывается невыполненным, что приводит к снижению достоверности оценок. Поэтому развивается новое направление — робастная статистика, задача которой состоит в том, чтобы получать эффективные оценки в случаях невыполнения некоторых предпосылок применения корреляционного и регрессионного анализа (например, нормальности распределения). Использование робастных методов получения статистических оценок позволяет существенно повысить надежность оценок в сравнении с методом наименьших квадратов. При оценке и анализе показателей и процессов, подверженных влиянию большого количества случайных факторов, с учетом требования адекватности необходимым является снижение размерности их описания. Эта задача успешно решается с использованием факторного анализа, основным содержанием которого является расчет и анализ корреляционной матрицы признаков, позволяющей осуществить переход к другой координатной системе, обладающей рядом необходимых для статистического анализа новых свойств и позволяющей снизить размерность описания показателей и процессов. В качестве инструмента фак |
100 гие показатели их качества. Если эти изменения не будут учтены, возникнут значительные ошибки в окончательном результате. Регрессионный анализ заключается в исследовании распределения коэффициентов регрессии, определяющих случайную величину как функцию от нескольких других. Определение неизвестных коэффициентов регрессии и дисперсии осуществляется методом наименьших квадратов. Значимость оценок и их доверительные интервалы определяются с применением аппарата и критериев проверки статистических гипотез. Регрессионный анализ применяется для исследования поведения коэффициентов весомости при комплексной оценке качества продукции. Требование нормальности распределения ошибок, предъявляемое к исходной информации процедурой метода наименьших квадратов, во многих случаях оказывается невыполненным, что приводит к снижению достоверности оценок. Поэтому развивается новое направление — робастная статистика, задача которой состоит в том, чтобы получать эффективные оценки в случаях невыполнения некоторых предпосылок применения корреляционного и регрессионного анализа (например, нормальности распределения). Использование робастных методов получения статистических оценок позволяет существенно повысить надежность оценок в сравнении с методом наименьших квадратов. При оценке и анализе показателей и процессов, подверженных влиянию большого количества случайных факторов, с учетом требования адекватности необходимым является снижение размерности их описания. Эта задача успешно решается с использованием факторного анализа, основным содержанием которого является расчет и анализ корреляционной матрицы признаков, позволяющей осуществить переход к другой координатной системе, обладающей рядом необходимых для статистического анализа новых свойств и позволяющей снизить размерность описания показателей и процессов. В качестве инструмента факторного анализа при построении |