دانلود پایان نامه ارشد درمورد قابلیت اطمینان و ارزیابی مدل

(2-23)
با توجه به رابطه فوق، میتوان گفت مزیت این آماره نسبت به ضریب همبستگی آن است که درجه آزادی مدل را هم در نظر میگیرد. بنابراین به تعداد مشاهدات و تعداد توصیفکنندهها در مدل بستگی دارد.
3- آماره t برای هر ضریب رگرسیون از طریق تقسیمکردن مقدار آن ضریب بر خطای استاندارد آن بدست میآید. معنیدار بودن ضرایب با استفاده از این آماره به کمک جداول استاندارد آماره t انجام میشود. برای معنیدار بودن اختلاف ضرایب مقدار t محاسبه شده باید از t ثبت شده در جدول آماری بزرگتر باشد.
4- خطای نسبی استاندارد پیشبینی معیاری است که برای تخمین خطای نسبی پیشبینی استفاده میشود.
(2-24)
5- قدر مطلق انحراف نسبی متوسط نیز برای بررسی قدرت پیشبینی مدل مورد استفاده قرار میگیرد.
(2-25)
در فرمولهای بالا،، مقادیر تجربی،، مقادیر محاسبه شده و n تعداد نمونهها در سری داده میباشند. در نهایت میتوان گفت بهترین مدل، مدلی است که ویژگی‌های زیر را داشته باشد:
تعداد متغیرهای مستقل آن نسبتا کم باشد.
محاسبه متغیرهای مستقل آن نسبتا ساده باشد.
همبستگی بین توصیفکنندههای وارد شده در آن کم باشد.
انواع ترمهای خطای مربوط به آن کوچک باشد.
ضریب همبستگی و آماره F آن بزرگ باشد.
حتیالامکان توصیفکنندههایی که مقدار آنها باید به روش تجربی اندازهگیری شود در مدل وارد نشده باشد.
قدرت پیشبینی بالایی داشته باشد.
بعد از آن که با در نظر گرفتن ویژگیهای فوق مدل مناسبی را انتخاب کردیم باید گستره قدرت پیشبینی را هم در نظر بگیریم. گستره قدرت پیشبینی مدل جنبه دیگری از نحوه بررسی و ارزیابی مدل است، بدین معنی که مدل حاصل، تنها برای گروههای خاصی از دادهها قابل کاربرد نباشد. برای نشان دادن توانایی پیشبینی مدل از روش ارزیابی داخلی یا ارزیابی تقاطعی و ارزیابی خارجی استفاده میشود. الگوریتم ارزیابی تقاطعی به گونهای است که نمونهها متناوبا یک به یک یا چند به چند کنار گذاشته شده و مدل با دادههای باقی مانده ساخته شده و آنگاه نمونههای کنار گذاشته شده با مدل حاصل پیشبینی میگردند. به منظور ارزیابی در این روش پارامتر Q2 محاسبه میشود. پارامتر Q2 که ضریب رگرسیون ارزیابی تقاطعی نام دارد، میتواند معیاری از عمومیت و قدرت پیشبینی مدل باشد که طبق معادله زیر محاسبه میشود:
(2-26)
در این رابطه و و به ترتیب مقادیر پیشبینی شده، تجربی و متوسط مقادیر تجربی میباشند. مقادیر باید بزرگتر از 5.0 باشند و هر چه به یک نزدیکتر باشد نشانه قابلیت اطمینان مدل میباشد.
روش ارزیابی خارجی روش نهایی ارزیابی قدرت پیشبینی مدل است. در این روش مدل ایجاد شده روی نمونههایی که با عنوان سری ارزیابی کنار گذاشته شده بودند و به هیچ وجه دخالتی در ساخت مدل نداشتند، امتحان میشود. اعتبار مدل ایجاد شده در این روش با ضریب همبستگی خطی سری ارزیابی (Rvalidation) و خطای استاندارد سری ارزیابی (SEvalidation) سنجیده میشود.
2-6-1) قلمرو کاربرد مدل
باید توجه شود که هر اندازه مدل ارائه شده قدرتمند بوده و دارای فاکتورهای ارزیابی مناسبی باشد، باز هم نمی‌توان انتظار داشت که این مدل بتواند فعالیت مدل شده را برای تمامی ترکیبات موجود در دنیا پیش‌بینی کند.[34] بنابراین پیش از استفاده از مدل ساخته شده، باید قلمرو کاربرد (AD) برای آن تعریف شود. میزان یا مقیاس دوری یک ترکیب از قلمرو کاربرد مدل با قدرت نفوذ (h) آن سنجیده می‌شود که به صورت زیر محاسبه می‌گردد.
این نوشته در علمی ارسال شده است. افزودن پیوند یکتا به علاقه‌مندی‌ها.