DRS

Opis

Ludzie uzyskają wiele powiązanych danych w dwóch lub więcej niż dwóch wymiarach podczas eksperymentów i produkcji. Dane te pomogą im w rozwiązywaniu problemów rzeczywistości, które wymagają przetwarzania danych, aby stały się matematycznym modelem odzwierciedlającym regulację zmienności danych. Zastosowanie metody najmniejszych kwadratów pozwala jedynie na wykonanie regresji liniowej, ale do problemów nieliniowych należy skonstruować wyrażenie zależności matematycznej, a mianowicie model mechanizmu za pomocą procedury, która zakłada wykonanie linearyzacji modelu mechanizmu, a następnie obliczenie modelu regresji. Niektóre powiązane dane modeli rekurencyjnych są dobre, ale dane dotyczące rzeczywistości są zmienne, niektóre dedukują modele mechanizmów. Po procesie liniowym właściwość korelacji modelu regresji nie jest dobra, a niektóre powiązane dane nie mogą nawet wywnioskować w modelu mechanizmu. Jeszcze trudniej jest zbudować modele matematyczne. Metoda najmniej sześciennych rozwiązuje problemy, które regresja danych w metodzie najmniejszych kwadratów napotkała podczas regresji powiązanych danych. Ponieważ komputery są powszechnie używane i stosowane w eksperymentach, projektowaniu i produkcji, w rzeczywistości obliczenia regresji oparte na teorii metody najmniej sześciennej stają się rzeczywistością. Ludzie mogą nie tylko lepiej przetwarzać model mechanizmu poprzez przetwarzanie linearyzacji regresji, ale mogą również nadać rzetelny model matematyczny powiązanym danym, którego nie można wywnioskować o modelach mechanizmu.