Page 94 - 4135

 
вимiрюється з деякою похибкою  , для якої    = 0 i
M
   
 Т  2

M     , то найкращi оцiнки для дiйсних невiдомих па-
 


раметрiв a 0 , a 1 , ..., a N знаходяться при мiнiмумi суми квадратiв
похибок.
Крім цього, на якість регресивного рівняння впливають
статистичні характеристики диспетчерської інформації, згідно
з якими будується модель газотранспортної системи.

3.4 Попереднiй статистичний аналiз диспетчерської
інформації

На якiсть регресивного рiвняння впливають статис-
тичнi характеристики диспетчерської iнформацiї, по яких бу-
дується модель газотранспортної системи. Перелiк первинно-
го статистичного дослiдження для диспетчерської iнформацiї
наведений в [1, 3, 6, 7]. В методицi розглядаються основнi по-
переднi статистичнi дослiдження, такi, як:
 аналiз рiзко видiлених спостережень;
 перевiрка однорiдностi декiлькох порцiй диспетчерських
даних;
 перевiрка статистичної незалежностi спостережень в ди-
спетчерських даних;
 експериментальний аналiз нормального закону розподiлу
для диспетчерської iнформацiї.
Розглянемо алгоритм аналiзу рiзко видiлених спостере-
жень в диспетчерських даних.
Необхiднiсть цього виду статистичної обробки обумовлена
тим, що рiзко видiленi спостереження в диспетчерських даних
можуть спотворити в цiлому статистичний матерiал, тому їх нео-
бхiдно виключити. При рiшеннi цiєї задачi в першу чергу слід
скрупульозно розглянути умови, за яких цi спостереження отри-
мані. Критерiй виключення розглядається в регресивних схемах,
де передбачається, що незалежнi величини X i є невипадковими
величинами, а залежна змiнна Y – випадковою. Для диспетчерсь-

91