Page 77 - 4524

наявності та відсутності цього фактору. Обчислимо диспер-
сію, викликану відсутністю фактора а іх і.
1 1 N 2
S 2  S 2   y *  y  , (6.2)
ai y xi xi
N N  i 1
*
де y xі , y xі - відповідно значення середньої величини при
відсутності та наявності фактора а іх і.
Визначаємо інтервал Da I=± 2S ai, в який не повинна по-
падати оцінка коефіцієнтів а і. При малих коефіцієнтах даний
фактор вилучається.
Кореляційний аналіз. Деякі з параметрів, що прийма-
ються до уваги, справляють незначний вплив на формування
виходів і можуть бути відкинуті. В якості показника взаємоза-
лежності між системою вхідних величин X=(X 1, X 2, ..., X n) і ви-
хідних величин Y , можна вибрати коефіцієнт парної кореляції
(наприклад вхідної змінної X 1, та вихідного значення Y)
N
 X i 1  X i 1  YY i i 
k   i 1
N 2 N 2 , (6.3)
 X i 1  X i 1    YY i i 
 i 1  i 1
1 N 1 N
де X   X , Y  Y , N - число реалізацій.
i 1 i 1 i  i
N  i 1 N  i 1
Значення k < 0,6 вважають за порогове. Наприклад, при
знаходженні коефіцієнтів кореляції між виходом та входами
можна визначити ступінь впливу кожного вхідного параметру
на вихід, і використати даний показник для ранжування вхо-
дів.
Ранжування входів. При проведенні прогнозування,
суттєвим для якості прогнозу є врахування реального впливу
кожного параметра входу x(х 1, ..., х n) на вихідний вектор y. За
допомогою кореляційного аналізу обчислюються заздалегідь
коефіцієнти парної кореляції між виходом y та кожним з па-
раметрів входу х 1, ..., х j, ..., х n, що дозволяє сформувати вхідну
матрицю згідно ступеня впливу кожного параметра і дозволяє
застосувати принцип ранжування входів, який узгоджується з
будовою біологічного нейрона. В нейромережу вводиться

76