Большая техническая энциклопедия
2 4 7
D L N
А Б В Г Д Е Ж З И Й К Л М Н О П Р С Т У Ф Х Ц Ч Ш Щ Э Ю Я
К- КА КБ КВ КЕ КИ КЛ КО КП КР КС КУ КЫ

Квадрат - коэффициент - корреляция

 
Квадрат коэффициента корреляции, называемый выборочным коэффициентом детерминации характеризует долю объясненной регрессией дисперсии в О бщей величине дисперсии зависимой переменной.
Квадрат коэффициента корреляции называется коэффициентом детерминации. Он показывает, на сколько процентов вариация результативного показателя зависит от влияния избранных факторов. Вектор значений Фишера служит для оценки множественного коэффициента корреляции и уравнения регрессии в целом. Расчетные значения сравниваются с табличными.
По своему аналитическому выражению коэффициент надежности ( или надежность) является квадратом коэффициента корреляции ( т.е. коэффициентом детерминации) результатов измерения с истинными результатами, а его квадратный корень ( т.е. коэффициент корреляции R) принято называть индексом надежности.
При этом отмечалось, что когерентность имеет аналог в элементарной статистике - квадрат коэффициента корреляции. Теперь же заметим, что понятие когерентности обобщается на случай многих входов, причем возникают два других типа когерентности - множественная и частная; их аналогами служат квадрат множественного коэффициента корреляции и квадрат частного коэффициента корреляции.
Возвращаясь к аналогии с классической статистикой, отметим, что передаточная функция соответствует регрессионному коэффициенту, а когерентность - квадрату коэффициента корреляции.
X и К имеют всего по два значения, то значение показателя средней квадратической связанности совпадает с квадратом корреляционного отношения и квадратом коэффициента корреляции между этими величинами.
Требуется, пользуясь этими данными, найти импульсную переходную функцию k ( t), удовлетворяющую тем или иным ограничениям и обеспечивающую максимум квадрата коэффициента корреляции между идеальным h ( t) и действительным v ( t) сигналами на выходе системы.
Далее анализируются статистические характеристики модели ( 6), а именно: определяется дисперсия коэффициентов модели SS ( b0) и SSfii), дисперсия модели в целом SS ( у), а также квадрат коэффициента корреляции модели р я. Численные значения статистических параметров окончательно выбранных линейных моделей в плоскости преобразованных переменных свидетельствуют о правильном либо ошибочном преобразовании спектра.
Отношение этой величины разброса, обусловливаемой нашим регрессионным уравнением, к общему наблюдаемому разбросу называется коэффициентом детерминации) и равно квадрату коэффициента корреляции.
Подобие зависимостей А, от полуугла раскрытая галок - границ структур 7 и 9. Было обнаружено, что характеристики канонических спектров чувствуют наличие НС в целом, а характеристики псевдоспектров способны различать сходные структуры с различными параметрами ( степенями) асимметрии. Например, наличие только одной симметрии для структур /, 3 дает устойчивое значение индекса однородности /, 0 2ч - 0 5 для канонических и 2 2 для псевдоспектров. Для структур 1 - 10 ( см. табл. 2) зависимости модуля среднего индекса порядка по псевдоспектрам от параметра асимметрии хорошо аппроксимируются степенной функцией:) Д, ( а) ] Лсаг, аналогично рис. 10 а ( табл. 3), где также даются отношения с коэффициентовЛ, и ( З - коэффициен-тов В, № - квадрат коэффициента корреляции.
Некоторые авторы предпочитают называть когерентностью положительные значения Уху ( /) квадратного корня введенной величины. Соотношения (9.7) - (9.9) очень полезно сопоставить с формулами для регрессии и корреляции, приведенными в гл. Нетрудно усмотреть, например, что передаточная функция Я ( /) является аналогом коэффициента регрессии р и что спектр мощности и кросс-спектр служат аналогами дисперсии и ковариации соответственно. Далее, когерентность является аналогом квадрата коэффициента корреляции.
Обычно при построении математической модели любого характера приходится учитывать только основные, определяющие факторы и отбрасывать второстепенные. Естественно, что полученное математическое описание всегда беднее реального объекта и отражает только его основные закономерности, необходимые для решения конкретной задачи. Возникает необходимость в определении степени идентичности модели реальному объекту. Для количественной оценки степени идентичности модели объекту Н.С. Райбман [79] предложил дисперсионную меру определенности процесса, которая для случая линейной корреляционной модели равна квадрату коэффициента корреляции. Практическая полезность меры имеет два аспекта. Во-первых, она позволяет количественно определить влияние введенных в модель факторов на выходной параметр.
 
Loading
на заглавную 10 самыхСловариО сайтеОбратная связь к началу страницы

© 2008 - 2014
словарь online
словарь
одноклассники
XHTML | CSS
Лицензиар ngpedia.ru
1.8.11