DRS

وصف

سيحصل الأشخاص على العديد من البيانات ذات الصلة ذات بُعدين أو أكثر من بُعد أثناء التجارب والإنتاج. ستساعدهم هذه البيانات على حل مشاكل الواقع على العكس من ذلك ، والتي تحتاج إلى معالجة البيانات لجعلها نموذجًا رياضيًا يعكس تنظيم تباين البيانات. يمكن أن يؤدي تطبيق طريقة المربعات الصغرى إلى حدوث انحدار خطي فقط ، ولكن بالنسبة إلى المشكلات غير الخطية ، يجب إنشاء تعبير عن العلاقة الرياضية ، أي نموذج الآلية من خلال إجراء يفترض القيام بمعالجة خطية لنموذج الآلية ثم إجراء حساب نمذجة الانحدار. بعض البيانات المتعلقة بالنماذج العودية جيدة ، لكن بيانات الواقع قابلة للتغيير ، وبعضها يستنتج نماذج آلية. بعد العملية الخطية ، لا تكون خاصية الارتباط الخاصة بنموذج الانحدار جيدة ، ولا يمكن حتى أن تستنتج بعض البيانات ذات الصلة في نموذج الآلية. بل إنه من الأصعب بناء نماذج رياضية رياضية. طريقة Least Cubic تحل المشكلات التي قابلها Least Square Method Data Regression في انحدار البيانات المرتبطة. نظرًا لاستخدام أجهزة الكمبيوتر وتطبيقها على نطاق واسع في التجربة والتصميم والإنتاج ، فإنها تجعل حساب الانحدار القائم على نظرية الطريقة الأقل تكعيبًا حقيقة واقعة. لا يستطيع الأشخاص فقط معالجة نموذج الآلية من خلال معالجة الانحدار الخطي بشكل أفضل ، ولكن يمكنهم أيضًا تقديم نموذج رياضي سليم للبيانات ذات الصلة والذي لا يمكن استنتاج نماذج آلية.