DRS

Apraksts

Eksperimentu un ražošanas laikā cilvēki iegūs daudzus saistītus datus par divām vai vairāk nekā divām dimensijām. Šie dati viņiem palīdzēs gluži pretēji atrisināt realitātes problēmas, kurām nepieciešama datu apstrāde, lai tās kļūtu par matemātisku modeli, kas atspoguļo datu variācijas regulējumu. Vismazākā kvadrāta metodes izmantošana var veikt tikai lineāru regresiju, bet nelineārām problēmām tai ir jākonstruē saistoša matemātisko attiecību izteiksme, proti, mehānisma modelis, izmantojot procedūru, pieņemot, ka tiek veikta mehānisma modeļa linearizācijas apstrāde un pēc tam regresijas modelēšanas aprēķins. Daži rekursīvo modeļu saistītie dati ir labi, bet realitātes dati ir maināmi, daži secina mehānismu modeļus. Pēc lineārā procesa regresijas modeļa korelācijas īpašība nav laba, un dažus saistītos datus pat nevar secināt mehānisma modelī. Vēl grūtāk ir veidot matemātiski modeļus. Vismazāk kubiskā metode atrisina problēmas, kuras vismazākā laukuma metodes datu regresija izpildīja saistīto datu regresijā. Tā kā datori tiek plaši izmantoti un izmantoti eksperimentos, projektēšanā un ražošanā, tas regresijas aprēķinu, kas balstīts uz mazākās kubiskās metodes teoriju, padara realitāti. Cilvēki var ne tikai labāk apstrādāt mehānisma modeli, izmantojot regresijas linearizācijas procesus, bet arī dot atbilstošu matemātisko modeli attiecīgajiem datiem, no kuriem nevar secināt mehānismu modeļus.