အဆိုပါဆက်စပ်မှုကိန်း - ဝိသေသဆက်စပ်မှုမော်ဒယ်

ဆက်စပ်မှုမော်ဒယ် (CM) - ပုတန်ဖိုးရှိရှိညွှန်ပြချက်တစ်ခုသို့မဟုတ်တစ်ခုထက်ပိုသောညွှန်းကိန်းပေါ် မူတည်. quantified ထားတဲ့အတွက်သင်္ချာညီမျှခြင်း၏ဧည့်ခံကိုထောက်ပံ့ပေးမယ့်တွက်ချက်မှုပရိုဂရမ်ဖြစ်ပါတယ်။

yx = Ao + a1h1

ဘယ်မှာ: y က - စွမ်းဆောင်ရည်ကိုညွှန်းကိန်း, အက x အချက်ပေါ် မူတည်. ;

x က - နိမိတ်လက္ခဏာအချက်;

A1 - တဦးတည်းအားဖြင့်အချက် x ကိုပြောင်းလဲနေတဲ့အခါ y ကိုထိခိုက်စေသောသူအပေါင်းတို့သည်အခြားအချက်များမပြောင်းလဲရှိနေဆဲလျှင်, တန်ဖိုးရှိရှိညွှန်ပြချက်အတွက်ဘယ်လောက်အပြောင်းအလဲဖေါ်ပြခြင်း parameter သည် KM,

အချက် variable ကို x ကိုထက်အခြား y က၏ထိရောက်သောအညွှန်းကိန်းပေါ်မှာရှိသမျှသည်အခြားအချက်များ၏အကျိုးသက်ရောက်မှုကိုပြသရာသည် AO CM parameter သည်,

ထိရောက်သောညွှန်းကိန်းများနှင့်အချက်မော်ဒယ်များရွေးချယ်တဲ့အခါအကောင့်သို့ကြောင်းကျိုးဆက်စပ်များ၏ကွင်းဆက်အတွက်စွမ်းဆောင်ရည်ညွှန်းကိန်းစွမ်းဆောင်ရည်အချက်ထက်ပိုမိုမြင့်မားအဆင့်တွင်ရပ်တည်ဆိုတဲ့အချက်ကိုယူရမည်ဖြစ်သည်။

အင်္ဂါရပ်များဆက်စပ်မှုမော်ဒယ်

ဆက်စပ်မှုကိန်းတွက်ချက်သည့်ဆက်စပ်မှုမော်ဒယ် parameters တွေကိုတွက်ချက်ပြီးနောက်။

p - ရိုးရှင်းသောဆက်စပ်မှုကိန်း, -1 ≤ r ကို≤ 1, ကသက်ရောက်မှုအချက်ရမှတ်အပေါ်အစှမျးသတ်တိနှငျ့လမျးညှနျခညွှန်ပြချက်ပြသထားတယ်။ 1 အဆိုပါနီးကပ်လာ, ဆက်ဆံရေးခိုင်မာ, 0 ရန်နီးကပ်လာသည်နှောင်ကြိုးအားနည်းသည်။ ပြောင်းပြန် - ထိုဆက်စပ်မှုကိန်းအပြုသဘောဖြစ်လျှင်, ထို့နောက်ကွန်နက်ရှင်အနုတ်လက္ခဏာသည်မှန်လျှင်, ဖြောင့်သည်။

အဆိုပါဆက်စပ်မှုကိန်းပုံသေနည်း: pxy = (က x-x * 1 / y က) / * eu Eh

Eh = hh2- (x) အဖွဲ့ 2; EU = y2 (y) သည် 2

ပုံစံရှိခြင်း, ထို CM linear multifactorial လျှင်:

yx = Ao + a1h1 a2x2 + ... + anx

ထို့နောက်သူကမျိုးစုံဆက်စပ်မှုကိန်းတွက်ချက်ခဲ့သည်။

0 င်≤ P ကို≤ 1, လူအပေါင်းတို့ကိုအတူတကွယူအချက်ရမှတ်ညွှန်းကိန်း၏အကျိုးသက်ရောက်မှု၏ခွန်အားကိုပြသထားတယ်။

: P = 1- ((yi-yi) 2 / (yi -usr) 2)

အဘယ်မှာ: uh - တန်ဖိုးရှိရှိညွှန်ပြချက် - တွက်ချက်တန်ဖိုး,

yi - အမှန်တကယ်တန်ဖိုး,

usr- အမှန်တကယ်တန်ဖိုးပျမ်းမျှအား။

အစား x1 ၏ဆက်စပ်မှုမော်ဒယ်အစားအားဖြင့်ရရှိသောခန့်မှန်းခြေတန်ဖိုးက yi, x2 စသည်တို့ကို သူတို့ရဲ့အမှန်တကယ်တန်ဖိုးများ။

univariate နှင့် multivariate မော်ဒယ်များများအတွက် nonlinear ဆက်စပ်မှုအချိုးတွက်ချက်:

-1 ≤မီတာ≤ 1;

1 ≤ 0 ≤မီတာ

အကွာအဝေး 0-0.3 အတွက်နားချင်းဆက်မှီကိန်း (ဍ) ၏တင်းကျပ်စွာလျှင်, ထိုအကြားဆက်ဆံရေးထိရောက်သောနှင့်အားနည်း factorial ညွှန်းကိန်း၏မော်ဒယ်တွင်ထည့်သွင်းယုံကြည်; 0.3-0.7 လျှင် - ဆက်ဆံရေး၏ရငျးနှီး - ပျမ်းမျှ; 0.7-1 အထက် - အားကြီးသောနှောင်ကြိုး။

သူတို့ရဲ့အရေးပါမှု၏ကိန်းများအတွက်တွက်ချက်သောဖြစ်နိုင်ခြေတန်ဖိုးကို, (စားပွဲအားဖြင့်သတ်မှတ်ပါတယ်) - ဆက်စပ်မှုကိန်း (ရေနွေးငွေ့) r ကို, ထိုဆက်စပ်မှုကိန်း (မျိုးစုံ) R ကို, ဆက်စပ်မှုအချိုးမီတာကတည်းက။ ထိုအကိန်းဟာသူတို့ရဲ့စားပွဲတန်ဖိုးကိုထက်ပိုလျှင်, ကွန်နက်ရှင်ကိန်း၏ရငျးနှီးမှုမရှိမဖြစ်အကြောင်းတရားများဖြစ်ကြသည်။ စားပွဲပေါ်မှာတန်ဖိုးများထက်သေးငယ်သို့မဟုတ်မိမိကိုယ်ကိုနားချင်းဆက်မှီကိန်းထက်လျော့နည်း 0.7 ဖြစ်ပါတယ်လျှင်, မော်ဒယ်သိသိသာသာရလဒ်အကျိုးသက်ရောက်စေသောသူအပေါင်းတို့သည် factorial parameters တွေကိုမပါဝင်ပါဘူးအတွက်မရှိမဖြစ်လိုအပ်သောတင်းကျပ်စွာနားချင်းဆက်မှီကိန်းပါ။

သံန္နိဌာန်၏ကိန်းပုံစံ parameters တွေကိုတွင်ထည့်သွင်းရာခိုင်နှုန်းအချက်ရလဒ်၏ဖွဲ့စည်းခြင်းကိုဆုံးဖြတ်ရန်ပေါ်ထွန်းရေးဖြစ်သည်။

: D = P2 * 100%

: D = P2 * 100%

: D = မီတာ 2 * 100%

သံန္နိဌာန်၏ကိန်း 50 ထက် သာ. ကြီးမြတ်သည်ဆိုပါကထက်နည်း 50 လျှင်မော်ဒယ်လုံလောက်စွာ, လေ့လာမှုအောက်တွင်လုပ်ငန်းစဉ်ကိုဖော်ပြထားတယ်, ထို့နောက်ပြန်ဆောက်လုပ်ရေး၏ပထမအဆင့်ကိုသွားနှင့်, မော်ဒယ်အတွက်ပါဝင်များအတွက်ရွေးချယ်ရေးအချက်ညွှန်းကိန်းပြင်ဆင်ရန်လိုအပ်ပေသည်။

Fisher က Fisher ကအချက်တစ်ချက်သို့မဟုတ်သတ်မှတ်ထားတစ်ဖွဲ့လုံးကမော်ဒယ်များ၏ထိရောက်မှုရိုကျလက်ခဏာဖွစျတဲ့။ အဆိုပါတွက်ချက်အချိုးစားပွဲထက် သာ. ကြီးမြတ်သည်လျှင်, built မော်ဒယ်ခွဲခြမ်းစိတ်ဖြာအဖြစ်အနာဂတ်အခြေချဘို့စီမံကိန်းရေးဆွဲခြင်း၏ညွှန်းကိန်းများအဘို့သင့်လျော်သည်။ အကြမ်းအားဖြင့်စားပွဲပေါ်မှာတန်ဖိုးကို = 1.5 ။ အဆိုပါတွက်ချက်တန်ဖိုးစားပွဲပေါ်မှာထက်လျော့နည်းသည်ဆိုပါက, သင်ပထမဦးဆုံးရလဒ်လွှမ်းမိုးသိသာထင်ရှားသောအချက်များအပါအဝင်မော်ဒယ်တည်ဆောက်ရမည်ဖြစ်သည်။ သိသိသာသာတစ်ခုချင်းစီကိုဆုတ်ယုတ်ကိန်းကိုထိခိုက်ဖို့ခြုံငုံမော်ဒယ်များ၏ထိရောက်မှုများအပြင်၌။ ဒီအချိုး၏တွက်ချက်တန်ဖိုးကိုပြင်းအား table ထဲမှာကျော်လွန်သွားပါလျှင်လျော့နည်းလျှင်, ဆုတ်ယုတ်ကိန်းသိသာသည်, ထို့နောက်တွက်ချက်ကိန်းနမူနာတွက်ချက်မှုမှဖယ်ရှားပစ်ထားတဲ့များအတွက်အချက် parameter သည်, တဖနျစတငျ, သို့သော်ဤအချက်မရှိဘဲ။