DRS

apibūdinimas

Eksperimentų ir gamybos metu žmonės gaus daug susijusių dviejų ar daugiau nei dviejų matmenų duomenų. Šie duomenys padės jiems atvirkščiai išspręsti tikrovės problemas, kurias reikia apdoroti, kad jos taptų matematiniu modeliu, atspindinčiu duomenų kitimo reguliavimą. Taikant mažiausio kvadrato metodą, galima atlikti tik tiesinę regresiją, tačiau netiesinėms problemoms jis turi sukonstruoti susietą matematinių santykių išraišką, būtent mechanizmo modelį taikant procedūrą, darant prielaidą, kad atliekamas mechanizmo modelio linearizacijos apdorojimas, o po to - regresijos modeliavimo skaičiavimą. Kai kurie rekursinių modelių duomenys yra geri, tačiau tikrovės duomenys yra kintami, kai kurie išveda mechanizmo modelius. Po tiesinio proceso regresijos modelio koreliacijos savybė nėra gera, o kai kurių susijusių duomenų net negalima išvesti iš mechanizmo modelio. Dar sunkiau kurti matematinius modelius. Mažiausio kubinio metodo pagalba išsprendžiamos problemos, kurias mažiausio kvadrato metodo duomenų regresija įvykdė regresuodama susijusius duomenis. Kadangi kompiuteriai yra plačiai naudojami ir taikomi eksperimentams, projektavimui ir gamybai, tai regresijos skaičiavimą, pagrįstą mažiausio kubinio metodo teorija, paverčia realybe. Žmonės gali ne tik geriau apdoroti mechanizmo modelį, naudodami regresijos linearizacijos procesus, bet ir pateikti pagrįstą matematinį modelį susijusiems duomenims, iš kurių negalima išvesti mechanizmo modelių.