Разлика между версии на „Статистически модел“
Направо към навигацията
Направо към търсенето
| (Не са показани 3 междинни версии от същия потребител) | |||
| Ред 1: | Ред 1: | ||
'''Статистически модел''' е '''набор от математически уравнения, които описват поведението на даден обект''' на проучване в улсовията на случайни величини. Ако моделът има само едно уравнение се нарича модел с едно уравнение, докато ако има повече от едно уравнение, се нарича модел с няколко уравнения. | '''Статистически модел''' е '''набор от математически уравнения, които описват поведението на даден обект''' на проучване в улсовията на случайни величини. Ако моделът има само едно уравнение се нарича модел с едно уравнение, докато ако има повече от едно уравнение, се нарича модел с няколко уравнения. | ||
| − | == | + | ==Същност== |
Три понятия са достатъчни да опишат всички статистически модели. | Три понятия са достатъчни да опишат всички статистически модели. | ||
| − | * Ние избираме една статистическа единица, като човек, която да наблюдаваме директно. Няколко наблюдения на една и съща единица във времето се нарича надлъжно изследване. | + | * Ние избираме една статистическа единица, като човек, която да наблюдаваме директно. Няколко наблюдения на една и съща единица във времето се нарича надлъжно [[изследване]]. |
* Нашият интерес трябва да е в статистическата популация от подобни единици, отколкото във всяка отделна единица. | * Нашият интерес трябва да е в статистическата популация от подобни единици, отколкото във всяка отделна единица. | ||
* Нашият интерес може да се фокусира върху статистическа съвкупност, където да изпитаме функционалните подединици на статистическата единица. Например, физиологичното моделиране изследва на органите, които съставят единицата. Популярен модел от този тип изследвания е моделът стимул-реакция. | * Нашият интерес може да се фокусира върху статистическа съвкупност, където да изпитаме функционалните подединици на статистическата единица. Например, физиологичното моделиране изследва на органите, които съставят единицата. Популярен модел от този тип изследвания е моделът стимул-реакция. | ||
| − | + | Статистическото моделиране се извършва въз основа на известните методи от [[теория на вероятностите|теорията на вероятностите]], [[статистика]]та и корелационно-регресионния [[анализ]]. Статистическият модел, е напълно определен при наличие на аналитични зависимости, които отразяват статистическото поведение, на всеки моделен параметър. В понятието "статистически модел" на даден обект винаги се включват моделни параметри х', имащи случайни съставки. Всяка една от тях има определен закон на разпределение, а пък всички като цяло са статистически зависими. | |
| − | + | Практическото приложение на статистическите модели в прцеса на статистическите изпитания по [[метод Монте Карло|метода на Монте Карло]] в АИС осъществяват с процедурата за единично случайно моделиране. | |
| − | Статистическото моделиране се извършва въз основа на известните методи от теорията на вероятностите, | ||
| − | Практическото приложение на статистическите модели в прцеса на статистическите изпитания по метода на Монте Карло в АИС осъществяват с процедурата за единично случайно моделиране. | ||
==Вижте още== | ==Вижте още== | ||
*[[Корелация]] | *[[Корелация]] | ||
| Ред 35: | Ред 33: | ||
*Percy H. Brill, Level Crossing Methods in Stochastic Models | *Percy H. Brill, Level Crossing Methods in Stochastic Models | ||
*Frederick S. Hillier, Gerald J. Lieberman, Introduction to Operations Research | *Frederick S. Hillier, Gerald J. Lieberman, Introduction to Operations Research | ||
| − | |||
| − | == | + | ==Външни препратки== |
| + | * [http://money.ibox.bg/news/id_1663793989 Икономически решения] | ||
| + | * [http://www.book.store.bg/search?srchstr=%D2%E5%EE%F0%E8%FF%20%ED%E0%20%E2%E7%E5%EC%E0%ED%E5%20%ED%E0%20%F0%E5%F8%E5%ED%E8%FF&sin=1 Книги за теория на вземане на решенията] | ||
| + | *[http://www.ruf.rice.edu/~lane/stat_sim/reg_by_eye/ Онлайн симулации] | ||
| + | *[http://numericalmethods.eng.usf.edu/topics/linear_regression.html Линейна регресия] | ||
[[category:Статистика]] | [[category:Статистика]] | ||
Текуща версия към 14:03, 3 април 2014
Статистически модел е набор от математически уравнения, които описват поведението на даден обект на проучване в улсовията на случайни величини. Ако моделът има само едно уравнение се нарича модел с едно уравнение, докато ако има повече от едно уравнение, се нарича модел с няколко уравнения.
Същност
Три понятия са достатъчни да опишат всички статистически модели.
- Ние избираме една статистическа единица, като човек, която да наблюдаваме директно. Няколко наблюдения на една и съща единица във времето се нарича надлъжно изследване.
- Нашият интерес трябва да е в статистическата популация от подобни единици, отколкото във всяка отделна единица.
- Нашият интерес може да се фокусира върху статистическа съвкупност, където да изпитаме функционалните подединици на статистическата единица. Например, физиологичното моделиране изследва на органите, които съставят единицата. Популярен модел от този тип изследвания е моделът стимул-реакция.
Статистическото моделиране се извършва въз основа на известните методи от теорията на вероятностите, статистиката и корелационно-регресионния анализ. Статистическият модел, е напълно определен при наличие на аналитични зависимости, които отразяват статистическото поведение, на всеки моделен параметър. В понятието "статистически модел" на даден обект винаги се включват моделни параметри х', имащи случайни съставки. Всяка една от тях има определен закон на разпределение, а пък всички като цяло са статистически зависими. Практическото приложение на статистическите модели в прцеса на статистическите изпитания по метода на Монте Карло в АИС осъществяват с процедурата за единично случайно моделиране.
Вижте още
- Корелация
- Метод Монте Карло
- Когнитивна наука
- Риск
- Комплексност
- Теория на вероятностите
- Допускане
- Линейна регресия
- Теория на решенията
- Бейсова вероятност
- Вариационен анализ
- Анализ на чувствителността
- Нормално разпределение
- Вероятностно разпределение
- Рационално решение
- Компютърна симулация
- Модел
- Видове прогнозиране
- Оптимизация
- GAP анализ
Източници
- Percy H. Brill, Level Crossing Methods in Stochastic Models
- Frederick S. Hillier, Gerald J. Lieberman, Introduction to Operations Research