DRS

Beskrivning

Människor kommer att få många relaterade data med två eller fler än två dimensioner under experiment och produktion. Dessa data hjälper dem att lösa verklighetens problem tvärtom, vilket behöver databehandling för att göra dem till en matematisk modell som återspeglar datavariationsregleringen. Tillämpningen av metoden med minst kvadrat kan bara göra linjär regression, men till de icke-linjära problemen måste den konstruera relaterat matematiskt förhållandeuttryck, nämligen mekanismmodell genom procedur som antar att göra lineariseringsbehandling av mekanismmodell och sedan göra regressionsmodellberäkning. Vissa relaterade data från de rekursiva modellerna är bra, men data om verkligheten är föränderliga, vissa härleder mekanismmodeller. Efter den linjära processen är korrelationsegenskapen för regressionsmodellen inte bra, och vissa relaterade data kan inte ens härledas i mekanismmodellen. Det är ännu svårare att bygga matematiska modeller. Minst kubikmetod löser problem som dataregression med minst kvadratmetod möter i regressionen av relaterade data. Eftersom datorerna används i stor utsträckning och används i experiment, design och produktion, gör det regressionsberäkningen baserad på teorin om minst kubisk metod till verklighet. Människor kan inte bara bearbeta mekanismmodellen genom bearbetning av regressionslinearisering, utan kan också ge en sund matematisk modell till relaterade data som inte kan härleda mekanismmodeller.