Как можно определить коэффициент сцепления


Определение коэффициента сцепления колеса автомобиля с дорожным покрытием

Устойчивость и управляемость автомобиля, его тяговые свойства и тормозные характеристики в значительной степени определяются сцеплением шины с дорогой.

Коэффициент сцепления колеса автомобиля с дорожным покрытием – это показатель, характеризующий сцепные свойства дорожного покрытия, определяющийся как отношение максимального касательного усилия, действующего вдоль дорожного покрытия на площади контакта испытательной установки с дорожным покрытием к нормальной реакции в площади контакта испытательной установки с дорожным покрытием.

Испытания коэффициента сцепления проводятся по ГОСТ 33078-2014 «Дороги автомобильные общего пользования. Методы измерения сцепления колеса автомобиля с покрытием».

Существует два основных метода определения коэффициента сцепления дорожного покрытия.

  1. С помощью испытательной автомобильной установки, включающей в себя прибор контроля коэффициента сцепления дорожных покрытий типа ПКРС.
  2. С использованием портативного прибора ППК-МАДИ-ВНИИБД или его аналогов. (В основном на участках автомобильных дорог, где невозможно обеспечить скорость движения испытательной установки равную (60±2) км/ч)

Рассмотрим каждый из них.

  1. Определение коэффициента сцепления с использованием автомобильной испытательной установки типа ПКРС.

Сцепление колеса автомобиля с покрытием характеризуется значением показателя коэффициента сцепления, определяемого при полной блокировке испытательного колеса (ИКС) на предварительно смоченной поверхности покрытия автомобильной дороги при стандартных условиях, с последующим вычислением отношения полученного значения касательного усилия к значению нормальной реакции дорожного покрытия.

Измерения проводят при температуре окружающего воздуха в диапазоне от 5°С до 40°С. Поверхность автомобильной дороги перед измерением должна быть сухой. При наличии на дорожном покрытии каких-либо загрязнений (песок, мелкий гравий, грунт и т.д.) необходимо сделать соответствующую отметку в протоколе измерений.

Проведение измерений во время дождя или тумана не допускается.

 

При проведении измерений на каждом измерительном участке выполняются следующие операции:

а) определяется температура окружающего воздуха и дорожного покрытия;

б) испытательная установка разгоняется до скорости равной (60±2) км/ч и скорость поддерживается на протяжении всего интервала измерения;

 

в) включается подача воды на дорожное покрытие перед испытательным колесом;

г) производится блокировка колеса с шагом не менее 0,2 с в интервале времени не менее чем 3,0 с, имитируя торможение автомобиля;

д) после проведения измерений блокировка колеса прекращается и отключается подача воды.

На автомобильных дорогах, находящихся в эксплуатации, измерения проводят при движении испытательного колеса по полосе наката левых колес транспортных средств, использующих данную полосу движения, а на дорогах с вновь устроенным покрытием - в пределах всей ширины полосы движения.

Минимальная длина участка автомобильной дороги, на котором возможно применение прибора типа ПКРС из условий безопасности с учетом разгона и полной остановки должна составлять 300 м.

Силу сцепления на измерительном участке рассчитывают, как среднеарифметическое сил сцепления, полученных по результатам измерения на данном участке.

 

  1. Определение коэффициента сцепления с использованием портативного прибора ППК-МАДИ-ВНИИБД.

Места проведения измерений и схема организации движения на время проведения измерений согласовываются с органами, ответственными за организацию безопасности дорожного движения.

Перед началом проведения измерений проводится подготовка испытательной установки в соответствии с рекомендациями компании-изготовителя.

При выполнении измерений выполняют следующие операции:

а) измеряют температуру окружающего воздуха;

б) устанавливают прибор в точке измерения коэффициента сцепления;

в) фиксируют груз прибора в верхнем положении;

г) увлажняют дорожное покрытие водой по траектории движения имитаторов, из расчета от 0,15 до 0,25 л под каждый имитатор;

д) сбрасывают груз на тяги прибора;

е) по измерительному кольцу на шкале прибора фиксируют значение коэффициента сцепления;

ж) выполняют действия по перечислениям в)-е) не менее четырех раз.

При наличии на автомобильной дороге двух или более полос в одном направлении движения, измерения поводят по каждой из них.

Результат первого измерения в точке исключается из расчетов, а нагружения считается пробным. Коэффициент сцепления в точке измерения вычисляют как среднее арифметическое значение результатов не менее чем трех измерений.

Результаты измерений оформляют в виде протокола, который содержит:

- наименование организации, проводившей измерения;

- вид покрытия;

- название автомобильной дороги;

- привязку к километражу;

- номер полосы движения;

- дату и время проведения измерений;

- температуру воздуха и дорожного покрытия в период проведения измерений;

- скорость транспортного средства при проведении измерений;

- значение коэффициента сцепления;

- состояние дорожного покрытия;

- ссылку на ГОСТ 33078-2014 «Дороги автомобильные общего пользования. Методы измерения сцепления колеса автомобиля с покрытием».

Метод неопределенных коэффициентов

Для того, чтобы дать полное решение неоднородного линейного дифференциального уравнения, теорема B говорит, что частное решение должно быть добавлено к общему решению соответствующего однородного уравнения.

Если неоднородный член d ( x ) в общем неоднородном дифференциальном уравнении второго порядка

относится к определенному специальному типу, тогда метод неопределенных коэффициентов может быть использован для получения конкретного решения.С помощью этого метода можно обрабатывать специальные функции, которые имеют конечное семейство производных, то есть функции, обладающие тем свойством, что все их производные могут быть записаны в терминах только конечного числа других функций.

Например, рассмотрим функцию d = sin x . Его производные -

и цикл повторяется. Обратите внимание, что все производные от d могут быть записаны в терминах конечного числа функций.[В данном случае это sin x и cos x , а набор {sin x , cos x } называется семейством (производных) d = sin x . .] Это критерий, который описывает те неоднородные члены d ( x ), которые делают уравнение (*) восприимчивым к методу неопределенных коэффициентов: d должно иметь конечное семейство.

Вот пример функции, не имеющей конечного семейства производных: d = tan x .Его первые четыре производные -

Обратите внимание, что производная n ( n ≥ 1) содержит член, включающий tan n -1 x , поэтому, чем выше и выше производные берутся, каждая будет содержать все большую и большую степень of tan x , поэтому невозможно записать все производные в терминах конечного числа функций. Метод неопределенных коэффициентов не может быть применен, если неоднородный член в (*) равен d = tan x .Итак, каковы же функции d ( x ), семейства производных которых конечны? См. Таблицу 1.


Пример 1: если d ( x ) = 5 x 2 , то его семейство будет { x 2 , x , 1}. Обратите внимание, что любые числовые коэффициенты (такие как 5 в данном случае) игнорируются при определении семейства функций.

Пример 2 : Поскольку функция d ( x ) = x sin 2, x является произведением x и sin 2 x , семейство d ( x ) будет состоять из всех произведений членов семейства функций x и sin 2 x .То есть

Линейные комбинации n функций . Линейная комбинация двух функций y 1 и y 2 была определена как любое выражение в форме

, где c 1 и c 2 - константы. В общем, линейный, линейная комбинация n функций y 1 y 2 ,…, y n - это любое выражение в форме

, где c 1 ,…, c n - константы.Используя эту терминологию, неоднородные члены d ( x ), для обработки которых предназначен метод неопределенных коэффициентов, представляют собой те, для которых каждая производная может быть записана как линейная комбинация членов данного конечного семейства функций.

Центральная идея метода неопределенных коэффициентов заключается в следующем: сформировать наиболее общую линейную комбинацию функций из семейства неоднородного члена d ( x ), подставить это выражение в данное неоднородное дифференциальное уравнение и решить для коэффициентов линейной комбинации.

Пример 3 : Найдите частное решение дифференциального уравнения

Как отмечено в Примере 1, семейство d = 5 x 2 равно { x 2 , x , 1}; поэтому наиболее общая линейная комбинация функций в семействе: y = Ax 2 + Bx + C (где A , B и C - неопределенные коэффициенты).Подставляя это в данное дифференциальное уравнение, получаем

Теперь, объединяя одинаковые термины, получаем

Для того, чтобы это последнее уравнение было тождественным, необходимо приравнять коэффициенты при одинаковых степенях x в обеих частях уравнения. То есть A , B и C должны быть выбраны так, чтобы

Первое уравнение сразу дает. Подстановка этого во второе уравнение дает, и, наконец, подстановка обоих этих значений в последнее уравнение дает.Следовательно, частным решением данного дифференциального уравнения является

Пример 4 : Найдите частное решение (и полное решение) дифференциального уравнения

Поскольку семейство d = sin x является {sin x , cos x }, наиболее общая линейная комбинация функций в семействе y = A sin x + B cos x (где A и B - неопределенные коэффициенты).Подставляя это в данное дифференциальное уравнение, получаем

Теперь, комбинируя похожие термины и упрощая, дает

Чтобы это последнее уравнение было тождественным, необходимо выбрать коэффициенты A и B так, чтобы

Из этих уравнений сразу следует A = 0 и B = ½. Таким образом, частным решением данного дифференциального уравнения является

Согласно теореме B, объединение этого y с результатом примера 12 дает полное решение данного неоднородного дифференциального уравнения: y = c 1 e x + c 2 xe x + ½ cos x .

Пример 5 : Найдите частное решение (и полное решение) дифференциального уравнения

Поскольку семейство d = 8 e −7 x составляет всего лишь { e −7 x }, наиболее общая линейная комбинация функций в семействе просто y = Ae −7 x (где A - неопределенный коэффициент). Подставляя это в данное дифференциальное уравнение, получаем

Упрощение доходности

Для того, чтобы это последнее уравнение было тождественным, необходимо выбрать коэффициент A так, чтобы сразу получить A = ¼.Следовательно, частным решением данного дифференциального уравнения является, а затем, согласно теореме B, объединение y с результатом примера 13 дает полное решение неоднородного дифференциального уравнения: y = e −3 x ( c 1 cos 4 x + c 2 sin 4 x ) + ¼ e −7 x .

Пример 6 : Найдите решение IVP

Первый шаг - получить общее решение соответствующего однородного уравнения

Поскольку вспомогательное полиномиальное уравнение имеет различные действительные корни,

общее решение соответствующего однородного уравнения: y h = c 1 e - x + c 2 e

06 x

Теперь, поскольку неоднородный член d ( x ) является (конечной) суммой функций из таблицы 1, семейство d ( x ) представляет собой объединение семейств индивидуальных функций. .То есть, поскольку семейство - e x - это { e x }, а семейство 12 x - это { x , 1},

Наиболее общая линейная комбинация функций из семейства d = - e x + 12 x , следовательно, y = Ae x + Bx + C (где A , B и C - неопределенные коэффициенты).Подставляя это в данное дифференциальное уравнение, получаем

Объединение одинаковых терминов и упрощение дает

Для того чтобы это последнее уравнение было тождественным, необходимо выбрать коэффициенты A , B и C так, чтобы

Первые два уравнения сразу дают A = ⅙ и B = −2, после чего третье означает C = ⅓. Таким образом, частным решением данного дифференциального уравнения является

Согласно теореме B, тогда объединение этого y с y h дает полное решение неоднородного дифференциального уравнения: y = c 1 e −2 x + c 2 e 3 x + ⅙ e x –2 x + ⅓.Теперь, чтобы применить начальные условия и оценить параметры c 1 и c 2 :

Решение последних двух уравнений дает c 1 = ⅓ и c 2 = ⅙. Следовательно, желаемое решение IVP -

Теперь, когда был проиллюстрирован основной процесс метода неопределенных коэффициентов, пора упомянуть, что не всегда так просто. Проблема возникает, если член семейства неоднородных членов оказывается решением соответствующего однородного уравнения. В этом случае это семейство должно быть изменено до того, как общая линейная комбинация может быть заменена в исходное неоднородное дифференциальное уравнение для решения неопределенных коэффициентов. Конкретная процедура модификации будет представлена ​​посредством следующего изменения Примера 6.

Пример 7 : Найдите полное решение дифференциального уравнения

Общее решение соответствующего однородного уравнения было получено в примере 6:

Обратите внимание, что семейство { e 3 x } неоднородного члена d = 10 e 3 x содержит решение соответствующего однородного уравнения (возьмите c 1 = 0 и c 2 = 1 в выражении для y h ).«Неверное» семейство изменяется следующим образом: Умножьте каждого члена семейства на x и повторите попытку.

Поскольку модифицированное семейство больше не содержит решения соответствующего однородного уравнения, теперь можно продолжить метод неопределенных коэффициентов. (Если бы xe 3 x было снова решением соответствующего однородного уравнения, вы должны выполнить процедуру модификации еще раз: Умножьте каждый член семейства на x и попробуйте снова.) Следовательно, подставив y = Ax 3 x в данное неоднородное дифференциальное уравнение, получаем

Этот расчет подразумевает, что y = 2 xe 3 x является частным решением неоднородного уравнения, поэтому объединение этого с y h дает полное решение:

Пример 8 : Найдите полное решение дифференциального уравнения

Сначала получим общее решение соответствующего однородного уравнения

Поскольку вспомогательное полиномиальное уравнение имеет различные действительные корни,

общее решение соответствующего однородного уравнения равно

Семейство для члена 6 x 2 - это { x 2 , x , 1}, а семейство для члена −3 e x /2 просто { e x /2 }.Это последнее семейство не содержит решения соответствующего однородного уравнения, но семейство { x 2 , x , 1} содержит (оно содержит постоянную функцию 1, которая соответствует y h , когда c 1 = 1 и c 2 = 0). Следовательно, необходимо изменить всю эту семью (а не только «нарушителя»):

Семейство, которое будет использоваться для построения линейной комбинации y, теперь является объединением

Это означает, что y = Ax 3 + Bx 2 + Cx + De x /2 (где A , B , C и D - неопределенные коэффициенты) следует подставить в данное неоднородное дифференциальное уравнение.Так вы получите

, которое после объединения одинаковых терминов читается как

Для того чтобы это последнее уравнение было тождественным, необходимо выбрать коэффициенты A , B , C и D так, чтобы

Эти уравнения определяют значения коэффициентов: A = -1, B = C = и D = 4. Следовательно, частным решением данного дифференциального уравнения является

Согласно теореме B, тогда объединение этого y с y h дает полное решение неоднородного дифференциального уравнения: y = c 1 + c 2 e 2 x - x 3 x 2 x + 4 e x /2

Пример 9 : Найдите полное решение уравнения

Сначала получим общее решение соответствующего однородного уравнения

Поскольку вспомогательное полиномиальное уравнение имеет различные сопряженные комплексные корни,

общее решение соответствующего однородного уравнения равно

Пример 2 показал, что

Обратите внимание, что это семейство содержит sin 2 x и cos 2 x , которые являются решениями соответствующего однородного уравнения.Следовательно, необходимо изменить все это семейство:

Ни один из членов этого семейства не является решением соответствующего однородного уравнения, поэтому теперь решение может идти как обычно. Поскольку семейство постоянного члена - это просто {1}, семейство, используемое для построения y, представляет собой объединение

Это означает, что y = Ax 2 sin 2 x + Bx 2 cos 2 x + Cx sin 2 x + Dx cos 2 x + E (где A , B , C , D и E - подорванные коэффициенты) следует подставить в данное неоднородное дифференциальное уравнение y ″ + 4 y = x грех 2 х + 8.Так вы получите

Для того чтобы это последнее уравнение было тождеством, необходимо выбрать A , B , C , D и E , чтобы

Эти уравнения определяют коэффициенты: A = 0, B = −⅛, C =, D = 0 и E = 2. Следовательно, частным решением данного дифференциального уравнения является

Согласно теореме B, тогда объединение этого y с y h дает полное решение неоднородного дифференциального уравнения:

.

Дифференциальные уравнения - неопределенные коэффициенты

Онлайн-заметки Павла

Заметки Быстрая навигация Скачать

  • Перейти к
  • Заметки
  • Задачи практики и задания еще не написаны.Пока позволяет время, я работаю над ними, однако у меня нет того количества свободного времени, которое я имел раньше, поэтому пройдет некоторое время, прежде чем здесь что-нибудь появится.
  • Показать / Скрыть
  • Показать все решения / шаги / и т. Д.
  • Скрыть все решения / шаги / и т. Д.
  • Разделы
  • Неоднородные дифференциальные уравнения
  • Вариация параметров
  • Разделы
  • DE Первого Ордена
  • Преобразования Лапласа
  • Классы
  • Алгебра
  • Исчисление I
  • Исчисление II
  • Исчисление III
  • Дифференциальные уравнения
  • Дополнительно
  • Алгебра и триггерный обзор
  • Распространенные математические ошибки
  • Праймер для комплексных чисел
  • Как изучать математику
  • Шпаргалки и таблицы
  • Разное
  • Свяжитесь со мной
  • Справка и настройка MathJax
  • Мои студенты
  • Заметки Загрузки
  • Полная книга
  • Текущая глава
  • Текущий раздел
  • Practice Problems Загрузок
  • Проблем пока не написано.
  • Проблемы с назначением Загрузок
  • Проблем пока не написано.
  • Прочие товары
  • Получить URL для загружаемых элементов
  • Распечатать страницу в текущем виде (по умолчанию)
  • Показать все решения / шаги и распечатать страницу
  • Скрыть все решения / шаги и распечатать страницу
  • Дом
  • Классы
  • Алгебра
    • Предварительные мероприятия
      • Целые экспоненты
      • Рациональные экспоненты
      • Радикалы
      • Полиномы
      • Факторинговые многочлены
      • Рациональные выражения
      • Комплексные числа
    • Решение уравнений и неравенств
      • Решения и наборы решений
      • Линейные уравнения
      • Приложения линейных уравнений
      • Уравнения с более чем одной переменной
      • Квадратные уравнения - Часть I
      • Квадратные уравнения - Часть II
      • Квадратные уравнения: сводка
      • Приложения квадратных уравнений
      • Уравнения, сводимые к квадратичным в форме
      • Уравнения с радикалами
      • Линейные неравенства
      • Полиномиальные неравенства
      • Рациональные неравенства
      • Уравнения абсолютных значений
      • Неравенства абсолютных значений
    • Графики и функции
      • Графики
      • Строки
      • Круги
      • Определение функции
      • Графические функции
      • Комбинирование функций
      • Обратные функции
    • Общие графы
      • Прямые, окружности и кусочные функции
      • Параболы
      • Эллипсы
      • Гиперболы
      • Разные функции
      • Преобразования
      • Симметрия
      • Рациональные функции
    • Полиномиальные функции
      • Делительные многочлены
      • Нули / корни многочленов
      • Графические полиномы
      • Нахождение нулей многочленов
      • Частичные дроби
    • Экспоненциальные и логарифмические функции
      • Экспоненциальные функции
      • Логарифмических функций
      • Решение экспоненциальных уравнений
      • Решение логарифмических уравнений
      • Приложения
    • Системы уравнений
      • Линейные системы с двумя переменными
      • Линейные системы с тремя переменными
      • Расширенные матрицы
      • Подробнее о расширенной матрице
      • Нелинейные системы
  • Исчисление I
    • Обзор
      • Функции
      • Обратные функции
      • Триггерные функции
      • Решение триггерных уравнений
      • Триггерные уравнения с калькуляторами, часть I
      • Триггерные уравнения с калькуляторами, часть II
      • Экспоненциальные функции
      • Логарифм функций
.

Как интерпретировать коэффициент корреляции r

  1. Образование
  2. Математика
  3. Статистика
  4. Как интерпретировать коэффициент корреляции r

Дебора Дж. Рамси

В статистике коэффициент корреляции 13 измеряет силу и направление линейной связи между двумя переменными на диаграмме рассеяния. Значение r всегда находится между +1 и –1. Чтобы интерпретировать его значение, посмотрите, к какому из следующих значений ближе всего ваша корреляция r :

  • Ровно - 1. Линейная зависимость идеального спуска (отрицательная)

  • - 0,70. Сильный спуск (отрицательная) линейная зависимость

  • - 0,50. Отношение умеренного спуска (отрицательное)

  • - 0,30. Слабый спуск (отрицательная) линейная зависимость

  • 0. Нет линейной зависимости

  • +0,30. Слабая линейная зависимость подъема (положительная)

  • +0.50. Умеренно восходящие (позитивные) отношения

  • +0,70. Сильный подъем (положительный) линейный ход

  • Ровно +1. Идеальное линейное соотношение подъема (положительное)

Если диаграмма рассеяния не указывает на наличие хотя бы некоторой линейной зависимости, корреляция не имеет большого значения. Зачем измерять степень линейной взаимосвязи, если не о чем говорить? Однако вы можете принять идею отсутствия линейной связи двумя способами: 1) если никакой связи не существует, вычисление корреляции не имеет смысла, потому что корреляция применяется только к линейным отношениям; и 2) Если существует сильная связь, но она не линейна, корреляция может вводить в заблуждение, потому что в некоторых случаях существует сильная кривая связь.Вот почему так важно сначала изучить диаграмму рассеяния.

Диаграммы рассеяния с корреляциями а) +1.00; б) –0,50; в) +0,85; и г) +0,15.

На приведенном выше рисунке показаны примеры того, как выглядят различные корреляции с точки зрения силы и направления отношений. Рисунок (a) показывает корреляцию почти +1, рисунок (b) показывает корреляцию –0,50, рисунок (c) показывает корреляцию +0,85, а рисунок (d) показывает корреляцию +0,15. Сравнивая рисунки (а) и (с), вы видите, что рисунок (а) представляет собой почти идеальную прямую линию в гору, а рисунок (с) показывает очень сильный линейный рисунок подъема (но не такой сильный, как рисунок (а)).Рисунок (b) спускается вниз, но точки несколько разбросаны в более широкой полосе, показывая, что линейная зависимость присутствует, но не такая сильная, как на рисунках (a) и (c). На рисунке (d) ничего не видно (и не должно быть, поскольку его корреляция очень близка к 0).

Многие люди ошибаются, думая, что корреляция –1 - это плохо, потому что это не указывает на связь. Верно как раз наоборот! Корреляция –1 означает, что данные выстроены по идеальной прямой линии, что является самой сильной отрицательной линейной зависимостью, которую вы можете получить.Знак «-» (минус) просто указывает на отрицательную взаимосвязь, нисходящую линию.

Насколько близко это значение достаточно близко к –1 или +1, чтобы указать на достаточно сильную линейную зависимость? Большинству статистиков нравится видеть корреляции, превышающие по крайней мере +0,5 или –0,5, прежде чем они будут слишком взволнованы. Однако не ожидайте, что корреляция всегда будет 0,99; помните, это реальные данные, а реальные данные не идеальны.

Об авторе книги

Дебора Дж.Рамси, доктор философии, , профессор статистики и специалист по статистике в Государственном университете Огайо. Она является автором книги статистики для чайников, статистики II для чайников, и вероятности для чайников .

.Коэффициент детерминации

| Интерпретация и уравнение

Коэффициент детерминации , в статистике, R 2 (или r 2 ), показатель, который оценивает способность модели прогнозировать или объяснять результат в параметрах линейной регрессии . Более конкретно, R 2 указывает долю дисперсии в зависимой переменной ( Y ), которая прогнозируется или объясняется линейной регрессией и переменной-предиктором ( X , также известной как независимая переменная).

Как правило, высокое значение R 2 указывает на то, что модель хорошо подходит для данных, хотя интерпретация соответствия зависит от контекста анализа. Например, значение R 2 , равное 0,35, означает, что 35 процентов вариации результата были объяснены только путем прогнозирования результата с использованием ковариат, включенных в модель. Этот процент может быть очень большой частью вариации для прогнозирования в такой области, как социальные науки; в других областях, таких как физические науки, можно было бы ожидать, что R 2 будет намного ближе к 100 процентам.Теоретический минимум R 2 равен 0. Однако, поскольку линейная регрессия основана на наилучшем возможном совпадении, R 2 всегда будет больше нуля, даже если переменные предиктора и результата не имеют отношения к единице. еще один.

R 2 увеличивается, когда в модель добавляется новая переменная-предиктор, даже если новый предиктор не связан с результатом. Чтобы учесть этот эффект, скорректированный R 2 (обычно обозначается полосой над R в R 2 ) включает ту же информацию, что и обычный R 2 , но также штрафует для количества переменных-предикторов, включенных в модель.В результате R 2 увеличивается по мере добавления новых предикторов к модели множественной линейной регрессии, но скорректированный R 2 увеличивается только в том случае, если увеличение в R 2 больше, чем можно было бы ожидать. только случайно. В такой модели скорректированное значение R 2 является наиболее реалистичной оценкой доли вариации, предсказываемой ковариатами, включенными в модель.

Когда в модель включен только один предиктор, коэффициент детерминации математически связан с коэффициентом корреляции Пирсона, r .Возведение в квадрат коэффициента корреляции приводит к значению коэффициента детерминации. Коэффициент детерминации также можно найти по следующей формуле: R 2 = M S S / T S S = ( T S S - R S S ) / T S S , где M S S - это модельная сумма квадратов (также известная как E S S , или объясненная сумма квадратов), которая представляет собой сумму квадратов прогноза линейной регрессии за вычетом среднего значения для этой переменной; T S S - это общая сумма квадратов, связанных с выходной переменной, которая представляет собой сумму квадратов измерений минус их среднее значение; и R S S - это остаточная сумма квадратов, которая представляет собой сумму квадратов измерений за вычетом прогноза линейной регрессии.

Получите эксклюзивный доступ к контенту из нашего первого издания 1768 с вашей подпиской. Подпишитесь сегодня

Коэффициент детерминации показывает только ассоциацию. Как и в случае с линейной регрессией, невозможно использовать R 2 , чтобы определить, вызывает ли одна переменная другую. Кроме того, коэффициент детерминации показывает только величину ассоциации, а не то, является ли эта ассоциация статистически значимой.

.

Смотрите также


Оцените статьюПлохая статьяСредненькая статьяНормальная статьяНеплохая статьяОтличная статья (проголосовало 13 средний балл: 5,00 из 5)
Загрузка...