![]() КАТЕГОРИИ:
АстрономияБиологияГеографияДругие языкиДругоеИнформатикаИсторияКультураЛитератураЛогикаМатематикаМедицинаМеханикаОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРиторикаСоциологияСпортСтроительствоТехнологияФизикаФилософияФинансыХимияЧерчениеЭкологияЭкономикаЭлектроника
|
Методы многопараметрического анализа. Модель факторного анализа. Вращение факторной структуры, остаточные корреляции ⇐ ПредыдущаяСтр 6 из 6
Вращение по методу варимакс использует другой критерий. Вместо дисперсии квадратов нагрузок переменной рассматривается дисперсия квадратов нагрузок фактора. Формула критерия варимакс совпадает с (4.5). Метод эквимакс представляет собой комбинацию методов варимакс и квартимакс. //Ковариация - мера линейной зависимости двух величин. Ковариация несет тот же смысл, что и коэффициент корреляции - она показывает, есть ли линейная взаимосвязь между двумя случайными величинами, и может рассматриваться как "двумерная дисперсия". Знак ковариации указывает на вид линейной связи между рассматриваемыми величинами: если она > 0 - это означает прямую связь (при росте одной величины растет и другая), ковариация < 0 указывает на обратную связь. При ковариации = 0 линейная связь между переменными отсутствует. Статистические методы. Вычисление m-мерного интеграла по методу Монте-Карло. Условия, при которых возможен поиск решения. Зависимость абсолютной погрешности от количества испытаний
Типичное применение – интегрирование по методу Монте-Карло где x(i) - РРСЧ ( a, b ). Для вычисления интеграла от одной переменной существуют детерминированные методы (например, метод аппроксимации). Метод Монте-Карло эффективен для вычисления определенных интегралов для функции от многих переменных m. 16. Статистические методы. Вычисление m-мерного интеграла по методу Монте-Карло. Распараллеливание вычислений: инициализация, генерирование равномерно распределенных чисел, вычисления промежуточные и итоговые
При выполнении вычислений m-мерных интегралов на основе распределенной модели Монте-Карло с целью снижения ее сложностных оценок целесообразно: • распараллелить процедуру генерирования m равномерно распределенных псевдослучайных чисел (РРПСЧ) ; • представить генератор РРПСЧ и вычислитель на базе одного элемента распределенной вычислительной структуры; • особое внимание уделить снижению сложностных оценок для реализации системы «генератор РРПСЧ -- вычислитель».
|