О ГЕНЕРАЛЬНОЙ СХЕМЕ ОЧИСТКИ НАСЕЛЕННОГО ПУНКТА ГОРОД ТУЛА (с изменениями на: 26.10.2016)

Рисунок 1. Модель объекта*

________________
     * Рисунок 1 не приводится. - Примечание изготовителя базы данных.

На рисунке 1:

Х = (Х' Z) - факторы (вектор входных переменных);

Х' - управляемые, независимые переменные;

Z - контролируемые, но не управляемые факторы;

Y - "отклик" ("показатель качества управления", "выход");

f(y) - закон распределения, my - математическое ожидание случайной величины V;

W - помехи.

Исследование объекта может быть пассивным, когда фиксируются "естественные" значения Х и соответствующие им значения Y (пассивный эксперимент). В первом случае вопросы организации сбора данных являются первостепенными, и чем их больше, тем лучше. Обработка результатов пассивного эксперимента ведется методами "классического" регрессионного анализа. Во втором случае имеем дело с планированием эксперимента и соответствующими специальными формами регрессионного анализа. Планирование эксперимента, если это позволяет объект исследования, существенно эффективнее пассивного эксперимента в смысле минимизации числа опытов и точности получаемых выводов. Но для таких объектов, как, например, социально-экономические системы, активный эксперимент применим лишь в редких случаях. Это относится и к исследованию влияния различных факторов на объемы накопления ТКО и КГО. В основном, он используется в точных науках, при изучении технологических объектов, в сельскохозяйственном эксперименте и др., т.е. только там, где изменения параметров Х на границах допуска не приводят к фатальным последствиям и где физически возможно и экономически недорого "управлять" факторами Х.

(в ред. решения Тульской городской Думы от 15.07.2015 N 14/398)

Регрессионная модель представляет собой математическое выражение, связывающее входные переменные Х с одним "выходом" Y. Поэтому в реальных условиях, когда результат функционирования объекта должен характеризоваться несколькими показателями Y, возникает отдельная проблема выбора единственного показателя, наиболее полно характеризующего особенности изучаемого объекта.

Задачи регрессионного анализа:

- вычисление коэффициентов регрессии;

- проверка значимости коэффициентов регрессии;

- проверка адекватности модели;

- выбор "лучшей" регрессии;

- вычисление стандартных ошибок.

Вычисление коэффициентов регрессии осуществляется методом наименьших квадратов (МНК-метод).

Проверка значимости коэффициентов регрессии основана на методах проверки "гипотез о средних".

Проверка адекватности модели основана на методах дисперсионного анализа.

Результативный признак формируется, как правило, под влиянием нескольких факторных признаков X1,X2...Xk Уравнение множественной регрессии имеет вид:

y = f(x1,x2...xk).

При построении уравнения множественной регрессии обычно используются следующие функции:

Если уравнение не линейное, то (если это возможно) оно в начале приводится к линейному.