Побудова багатоланкових полігональних рівнянь регресії

• Опубліковано в: : Математичні машини і системи
• Дата: 2017
• Автори: Лапач, С.М., Кузьмін, В.М.
• Формат: Стаття
• Мова: Українська
• Опубліковано: Інститут проблем математичних машин і систем НАН України 2017
• Теми: Інформаційні і телекомунікаційні технології
• Онлайн доступ: https://nasplib.isofts.kiev.ua/handle/123456789/125562
• Назва журналу: Digital Library of Periodicals of National Academy of Sciences of Ukraine
• Цитувати: Побудова багатоланкових полігональних рівнянь регресії / С.М. Лапач, В.М. Кузьмін // Математичні машини і системи. — 2017. — № 2. — С. 68-76. — Бібліогр.: 10 назв. — укр.

Розроблена формалізована процедура визначення абсцис точок перемикання багатоланкової регресії. Базується на попередній побудові найбільш інформативної поліноміальної регресії. З неї аналітичним шляхом визначаються приблизні координати шуканих точок. Уточнення відбувається при пошуку найкращого за описовими характеристиками регресійного полігонального рівняння. Визначені точки дають можливість смислового аналізу процесу і обґрунтованого прогнозу. Разработана формализованная процедура определения абсцисс точек переключения полигональной регрессии. Основывается на предварительном построении наиболее информативной модели полиномиальной регрессии. Из нее аналитически определяются приблизительные координаты искомых точек. Уточнение производится в процессе поиска наилучшего по описательным свойствам регрессионного полигонального уравнения. Определенные таким образом точки дают возможность смыслового анализа процесса и обоснованного прогноза. A formalized procedure of definition of polygonal absciss of switch points of multi-unit regres-sion was developed. It is based on the preliminary building of the most informative polynomial regression. From the resulting model analytically determined the approximate location of the desired points. Refine-ments coordinates is in the search for the best descriptive characteristics of polygonal regression equa-tion. Determined points enable semantic analysis process and a reasonable forecast.