Twoim problemem jest to, że powszechną NICOŚĆ mylisz z osobistą PUSTKĄ
1) Etapy modelowania matematycznego:
· sformułowanie celów i założeń modelowania,
· budowa bazy wiedzy i bazy danych o modelowanym systemie,
· wybór kategorii modelu,
· określenie struktury modelu; budowa modelu,
· identyfikacja modelu,
· algorytmizacja modelu,
· weryfikacja modelu.
2) Co wchodzi w skład analizy wariancji:
· wielokrotność R (współczynnik korelacji),
· R kwadrat (współczynnik determinacji),
· dopasowany R kwadrat,
· błąd standardowy (standardowy błąd reszt),
· obserwacje (liczba obserwacji w badaniu),
· df (degree of freedom; liczba stopni swobody – liczba niezależnych wyników obserwacji pomniejszona o liczbę związków, które łączą wyniki ze sobą),
· SS (Sum of Squares; suma kwadratów - reszt (SSE), regresji (SSR), razem (SST)),
· Ms (wartość średnia kwadratów - reszt (MSE); regresji (MSR)),
· F (wartość statystyki F służącej do weryfikacji hipotezy o łącznej istotności zmiennych objaśniających F = MSRMSE),
· istotność F (< 0,05 – zmienne istotne na poziomie istotności 5%).
3) Różnica między statystycznym a zwykłym planowaniem eksperymentu.
W planowaniu zwykłym zmienne zmienia się stopniowo, przy czym wszystkie pozostałe zmienne utrzymuje się stałe. Następnie zmienia się kolejną zmienną, a pozostałe utrzymuje się stałe. Otrzymuje się w ten sposób wyniki badań jako zależności zmiennej stanu od każdej zmiennej przy ustalonym poziomie wszystkich pozostałych zmiennych (np. w postaci krzywej). Potrzebna liczba badań jest duża.
W statystycznym planowaniu eksperymentu dokonuje się zmiany jednocześnie wszystkich zmiennych w planie eksperymentu.
4) Elementy systemu doradczego:
· baza wiedzy (np. zbiór reguł),
· baza danych (np. dane o obiekcie, wyniki pomiarów, hipotezy),
· procedury wnioskowania – maszyna wnioskująca,
· procedury objaśniania – objaśniają strategię wnioskowania,
· procedury sterowania dialogiem – procedury wejścia/wyjścia (formułowanie zadań przez użytkownika i przekazywanie rozwiązania przez program),
· procedury umożliwiające rozszerzenie oraz modyfikację wiedzy (pozyskiwanie wiedzy).
5) Co to jest sieć neuronowa?
Jest sztuczną reprezentacją ludzkiego mózgu, która stara się symulować proces uczenia się. Stanowi połączenie grupy prostych elementów przetwarzających (neuronów), stosujących modele matematyczne i obliczeniowe do realizacji złożonych zachowań jako wynik połączeń (wraz z parametrami) pomiędzy nimi. Sztuczna sieć neuronowa jest systemem adaptacyjnym, który zmienia swoją strukturę w oparciu o zewnętrzne lub wewnętrzne informacje przepływające przez sieć.