Структурное распознавание предфрактальных деревьев с множеством затравок
Основная характеристика моделей структурной динамики сетевых систем. Определение класса предфрактальных деревьев, порожденных множеством затравок-звезд с чередованием. Анализ построения и обоснования полиномиального характера алгоритма распознавания.
Рубрика | Математика |
Вид | статья |
Язык | русский |
Дата добавления | 28.04.2017 |
Размер файла | 60,5 K |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Размещено на http://www.allbest.ru/
Структурное распознавание предфрактальных деревьев с множеством затравок
Термин “сеть” широко распространен в современной научной и бизнес-литературе. На слуху такие выражения как “розничная или торговая сеть (сеть магазинов)”, “сетевой маркетинг”, “филиальная сеть”, “сеть трубопроводов”, “железнодорожная сеть”, “социальная сеть”, “компьютерная сеть”, “информационная сеть”, “телефонная сеть” и т.д. Не редко этот термин используется для обозначения совершенно различных понятий. В настоящем диссертационном исследование термин “сеть” понимается во-первых как совокупность путей доставки товаров или услуг до конечного получателя, а во вторых как совокупность связей между элементами многоэлементной системы. Системы, в основе функционирования которых лежит сеть, принято называть сетевыми системами [1].
На протяжении довольно длительного времени техническая и экономическая науки считали аксиомой стационарность структуры всякой сетевой системы. Под структурой системы понимали совокупность исключительно устойчивых связей между элементами системы. На этом понимании выросли научные школы в области теории графов, дискретной математики, комбинаторной оптимизации и теории систем. Не без основания все результаты деятельности научных школ имеют совершенно четко очерченные области применения в практической деятельности. Но глобализационные процессы в мировой экономики и жизнеустройстве ставят новые задачи.
Развивающаяся экономика и глобализационные процессы вынуждают сетевые системы развивать, адаптировать, оптимизировать свою сетевую структуру под сильно изменчивую конкурентную среду, и под новую геополитическую конъюнктуру. В такой ситуации в регулярных изменениях сетевых структур прослеживаются закономерности. Сетевые структуры не только теряют свою стационарность (фиксированность), но и приобретают признаки динамических систем. Сетевые структуры приобретают признаки и свойства иерархических и масштабно-инвариантных структур. Процессы изменения, развития, поведения сетевых структур можно объединить общим понятием “структурная динамика”. В системах с изменяющейся структурой целесообразно вести контроль над изменениями структуры для формирования спектра необходимых свойств и характеристик. Достижение этой цели лежит в русле решения задач структурного управления или управления структурной динамикой [2, 3].
В качестве моделей структурной динамики сетевых систем в работах профессора Кочкарова А.М. предлагаются различные классы масштабно-инвариантных графов, называемых предфрактальными.
Очевидно, что при исследовании сетевых систем, необходимо решать не только задачу распознавания структуры уже существующей сетевой системы, но и задачу распознавания самого процесса развития-изменения структуры сетевой системы. Задачу, объединяющую две указанные, назовем задачей структурного распознавания. В настоящей работе и предлагаются алгоритмы распознавания сетевых систем с древовидной структурой. Эти алгоритмы, во-первых, устанавливают, что процесс развития сетевых структур соответствует тем или иным правилам порождения предфрактальных деревьев [4, 5], а во-вторых, определяют какие типы затравок при порождении были использованы.
Предфрактальные графы: основные понятия и характеристики
Предфрактальный граф будем обозначать через , где множество вершин графа, а множество его ребер. Определим его рекуррентно, поэтапно, заменяя каждый раз в построенном на предыдущем этапе графе каждую его вершину связной затравкой . На первом этапе предфрактальному графу соответствует затравка. При этом об описанном процессе говорят, что предфрактальный граф порожден затравкой . Ребра, появившиеся на этапе , , порождения предфрактального графа, будем называть ребрами ранга . Новыми ребрами предфрактального графа назовем - ребра ранга , а все остальные ребра назовем старыми. Процесс построения предфрактального графа, по существу, есть процесс построения последовательности предфрактальных графов, которую и назовем траекторией. Фрактальный граф определяется бесконечной траекторией. Обобщением описанного процесса порождения предфрактального графа является такой случай, когда вместо единственной затравки используется множество затравок , . Суть этого обобщения состоит в том, что при переходе от графа к графу каждая вершина замещается некоторой затравкой , которая выбирается случайно или согласно определенному правилу, отражающему специфику моделируемого процесса или структуры. Если при переходе от графа к графу каждая вершина графа замещается одной конкретной случайно выбранной затравкой , то будем говорить, что предфрактальный граф порожден множеством затравок ,, , с чередованием. Если же при порождении предфрактального графа множеством затравок , , с чередованием задано некоторое правило выбора затравок из , например, неубывание числа вершин или ребер выбираемых затравок, то будем говорить, что предфрактальный граф порожден множеством затравок , , , с упорядоченным чередованием.
Очевидно, что порождение фрактального графа (т.е. когда траектория является бесконечным множеством ) с чередованием затравок, возможно только при бесконечном числе замещений затравок , , .
Если при порождении предфрактального графа с чередованием, для замещения вершин на последующих шагах порождения выбираются затравки с возрастанием числа вершин, то такой предфрактальный граф будем называть порожденным с упорядоченным возрастанием затравок. Если же для замещения вершин на последующих шагах порождения выбираются затравки с убыванием числа вершин, то такой предфрактальный граф будем называть порожденным с упорядоченным убыванием затравок. Использованием для порождения предфрактального графа чередованием затравок одной и то же затравки на различных этапах порождения исключается.
В случае порождения предфрактального графа с упорядоченным возрастанием (с упорядоченным убываем) затравок , , , если , то переход на шаге порождения от предфрактального графа к , осуществляется заменой всех вершин графа затравкой с наименьшим (наибольшим) числом вершин из , , . На последующих шагах порождения предфрактального графа затравки из , , , используются последовательно по очередности возрастания (убывания) числа вершин. В случае порождения предфрактального графа число этапов порождения больше числа затравок, , целесообразно говорить о периоде замещения вершин затравками. Период замещения вершин затравкам в процессе порождения предфрактального графа с возрастанием или убыванием вершин затравок , , , обозначим через .
Для всякого предфрактального графа ключевыми характеристиками являются мощности множеств вершин и ребер. Для предфрактального графа порожденного множеством затравок эти характеристики подсчитаны в следующих ниже умозаключениях.
Лемма 1. Всякий предфрактальный граф , порожденный множеством полных затравок , , где -вершинный граф и , с упорядоченным возрастанием имеет вершин.
Доказательство. Рассмотрим траекторию предфрактального графа , порожденного множеством затравок , с упорядоченным возрастанием. На первом шаге порождения полная двухвершинная затравка из множества совпадает с первым элементом из траектории предфрактального, . Число вершин . Граф из траектории предфрактального графа порождается из графа замещением двух его вершин затравками , полными трехвершинными графами. Поэтому число вершин графа определяется как . В свою очередь, граф из траектории предфрактального графа порождается из графа замещением всех шести его вершин затравками , - полными четырехвершинными графами. А значит, число вершин графа определяется как
.
Аналогичным образом, число вершин графа , , определяется произведением . Отметим, что , а мощность множества затравок . Таким образом, Пройдя все этапы порождения число вершин предфрактального графа , порожденного множеством полных затравок, будет равно
Теорема 2. Всякий предфрактальный граф , порожденный множеством затравок , , где -вершинный граф и , с чередованием имеет вершин.
Доказательство. Согласно общему определению фрактального и предфрактального графов число вершин всякого предфрактального графа зависит в первую очередь от числа вершин его затравок, и ни коей мере не зависит от числа ребер его затравок. Т.е. число вершин предфрактального графа не зависит от типа затравки, а зависит от числа ее вершин. Например, предфрактальный граф , порожденный полной -вершинной затравкой или множеством полных затравок, предфрактальный граф , порожденный -вершинным циклом или множеством циклов, и предфрактальный граф , порожденный -вершинной цепью или множеством цепей, будут иметь одинаковое количество вершин. Поэтому, используя результат предыдущей леммы, можно утверждать, что всякий предфрактальный граф , порожденный множеством затравок , с чередованием имеет вершин.
Теорема 3. Всякий предфрактальный граф , порожденный множеством полных затравок , , где -вершинный граф и , с упорядоченным возрастанием имеет
ребер.
Доказательство. В траектории предфрактального графа , порождаемого множеством затравок с упорядоченным возрастанием граф имеет одно ребро и две вершины, , . Напомним, что каждая затравка из множества используется для порождения предфрактального графа только один раз, то траектория предфрактального графа , порождаемого множеством затравок с чередованием, будет состоять из () графов. Предфрактальный граф из траектории, порожденный замещением двух вершин графа трехвершинной трехреберной затравкой , будет имеет вершин. А число ребер графа вычисляется сложением числа ребер графа () с числом всех новых ребер полученных при замещении двух вершин графа трехреберной затравкой . Аналогично, число ребер предфрактального графа можно получить сложением числа ребер графа с числом новых ребер полученных при замещении всех шести вершин графа четырехвершинными шестиреберными затравками . Таким образом, число ребер каждого последующего предфрактального графа из траектории получается из числа ребер текущего предфрактального графа сложением с числом новых ребер, которое получается умножением числа вершин текущего предфрактального графа на число ребер очередной затравки: , , . Второе слагаемое из правовой части выражения определяет число новых ребер, которое появляется на каждом этапа порождения, или, иначе, соответствует числу новых ребер предфрактального графа из траектории исследуемого предфрактального графа . Поэтому число всех его ребер можно получить путем последовательного сложения новых ребер появляющихся на всех этапах порождения:
.
Учитывая, что для порождения предфрактального графа используется только полные затравки, а число их ребер вычисляется согласно соотношению , то
.
Следствие 3.1. Всякий предфрактальный граф , порожденный множеством затравок-звезд , , где -вершинный граф и , с упорядоченным возрастанием имеет
ребер.
Распознавания предфрактальных деревьев
Предфрактальные деревья и необходимые признаки распознавания
Под распознаванием предфрактального графа будем понимать определение траектории предфрактального графа при условии, что будут заданы затравки. Будем различать два вида распознавания: явное и неявное.
Под неявным распознаванием подразумеваем утверждение о том, что данный граф является фрактальным и базируется на некоторой -вершинной затравке или множестве затравок , .
Явное распознавание подразумевает представление в явном виде множества ребер для каждого ранга или представление в явном виде траектории данного графа , что подразумевает и определение (распознавание) затравки или множества затравок, порождающих предфрактальный граф. Итак, рассмотрим следующую проблему. Пусть представлен в явном виде некоторый граф , обладающий двумя необходимыми (но не являющимися достаточными) признаками предфрактального графа, порожденного с чередованием затравок:
Для мощности множества вершин существует пара и , таких, что
и ;
Для мощности множества ребер справедливо равенство
.
Сформулируем два вопроса из области теории распознавания:
а) является ли данный граф G предфрактальным, порожденным множеством полных затравок;
б) можно ли построить достаточно эффективный алгоритм, который гарантированно дает положительный или отрицательный ответ на вопрос а).
В случае распознавания предфрактальных графов, порожденных какой-либо разновидностью деревьев (звезда, цепь, ребро) важным необходимым признаком является ацикличность самого предфрактального графа, т.е. предфрактальный граф так же должен быть деревом [4].
Результатом работы многих процессов являются структуры, отражающиеся диадическими деревьями [5]. Естественным обобщением этого понятия является R-адическое дерево [5].
Термином “R-адическое дерево” называем всякое дерево, у которого каждая невисячая вершина имеет степени , . С учетом практических приложений различают R-адическое дерево и корневое R-адическое дерево [5]. сетевой предфрактальный дерево полиномиальный
Простейший случай, когда диадическое дерево порождается единственной затравкой, которая представляет собой 3-вершинную звезду. Аналогично R-адическое дерево порождается затравкой, которая представляет собой -вершинную звезду.
Сохраняя для обозначения дерева символ G, можем представлять траекторию порождения предфрактального дерева в тех же обозначениях, что и последовательность . Алгоритм получения этой траектории в случае порождения предфрактального R-адического дерева описывается следующим образом.
Переход от текущего дерева к текущему дереву всякий раз подчиняется трем общим правилам.
Если вершина не является висячей, то она не замещается затравкой;
замещаемая затравкой вершина выбирается только из подмножества висячих вершин, а само висячее ребро становится инцидентным центру звезды;
если какая-либо висячая вершина оказалась незамещенной затравкой, то она называется “замороженной” и по отношению к ней операция ЗВЗ не применяется ни на каком из следующих этапов .
Отметим, что в траектории ее начальный элемент представляет собой -вершинную звезду.
Естественным обобщением R-адического дерева является предфрактальное дерево, которое порождается в точном соответствии с описанными правилами 1) 3) с тем лишь отличием, что “незамороженная” висячая вершина замещается альтернативно некоторой звездой из заданного множества звезд . Полученное таким образом дерево принято называть термином “-дерево”. Распознавание -дерева сводится к простой визуализации, подробнее об этом можно узнать в работе [5].
Несколько более сложным случаем является задача распознавания предфрактального -дерева с чередованием затравок.
Переход в траектории -дерева с чередованием затравок от текущего дерева к текущему дереву всякий раз подчиняется следующим правилам
I. Если вершина не является висячей, то она не замещается затравкой;
II. Каждая висячая вершина замещается затравкой , выбранной случайным образом из множества затравок-звезд , а каждое висячее ребро становится инцидентным центру звезды ; в каждом переходе от графа к графу используется для замещения вершин только одна затравка и , причем каждая затравка используется (выбирается) в процессе порождения не менее одного раза;
Необходимый признак предфрактального дерева, порожденного множеством затравок-звезд, вытекает из следствия 3.1.
Алгоритм распознавания предфрактальных деревьев с чередованием затравок
Приведем описание алгоритма распознавания предфрактального -дерева с чередованием затравок.
Алгоритм состоит из этапов. На каждом из этапов алгоритма выполняются три ключевые операции: окрашивание (выделение) вершины, окрашивание (выделение) ребра, стягивание ребра. На вход первого этапа алгоритма предъявляется предназначенное для распознавание дерево и пустое множество . На вход каждого из этапов алгоритма предъявляется дерево , как результат работы предыдущего этапа.
На этапе , , сначала выделим все вершины дерева , смежные с висячими вершинами. Если каждая выделенная вершина дерева смежна с одинаковым числом висячих вершин, обозначим это число через , а степень самой вершины равна , то выделим все висячие ребра дерева . Затем в множество добавим ()-вершинную звезду, а все выделенные ребра дерева стянем. Полученное таким образом новое дерево предадим на вход следующего этапа.
Если же дерево не удовлетворяет предъявляемым требованиям, то работа алгоритма прекращается с заключением о несоответствии дерева
определению предфрактального -дерева с чередованием затравок.
Результатом работы алгоритма на этапе будет граф-звезда, соответствующая графу из траектории предфрактального -дерева с чередованием затравок, в противном случае распознаваемое дерево не является искомым.
Теорема 4. Всякое предфрактальное -дерево с чередованием затравок распознается алгоритмом с полиномиальной трудоемкостью .
Доказательство теоремы 4 можно разделить на две части. В первой будет доказано соответствия выполняемой алгоритмом работы заявленным целям, т.е. распознаванию предфрактального -дерева с чередованием затравок. Во второй будет подсчитана трудоемкость самого алгоритма .
I) Ключевым моментом в распознавании -дерева с чередованием затравок является наличие у дерева висячих ребер, причем инцидентных вершинам с одинаковой степенью. Кроме того, степени таких вершин должны быть одинаковыми и быть больше числа инцидентных им висячих ребер только на 1. И действительно, при порождении -дерева с чередованием затравок замещаются затравкой только висячие вершины, и звездами с одинаковым числом ребер. Именно, это является причиной описанного свойства -дерева с чередованием затравок.
II) На каждом из этапов распознавания алгоритм рассматривает каждое ребро дерева выделяет среди них висячие, т.е. окрашивает их или нет. Поэтому Трудоемкость каждого из этапов алгоритма равна . А поскольку алгоритм распознает предфрактальное -дерево с чередованием затравок за шагов, то вычислительная сложность или трудоемкость ограничивается полиномом .
Заключение
Предложенный и обоснованный алгоритм распознавания предфрактальных деревьев, порожденные множеством затравок-звезд с чередованием может быть взят за основу для построения алгоритмов распознавания предфрактальных деревьев порожденных при иных условиях (с упорядоченным чередованием затравок, при сохранении или не сохранении смежности старых ребер и т.д.).
Важно отметить, что алгоритм обладает трудоемкостью , где - число ребер распознаваемого предфрактального графа, а - его ранг. Свойство полиномиальности для алгоритмов обработки многоэлементных систем является крайне важным ввиду масштаба их структур.
Литература
1. Малашенко Ю.Е., Новикова Н.М. Суперконкурентное распределение потоков в многопродуктовых сетях// Дискретный анализ и исследование операций. - Серия 2, 1997. Т. 4, № 2. - С. 34-54.
2. Охтилев М.Ю., Соколов Б.В., Юсупов Р.М. Интеллектуальные технологии мониторинга и управления структурной динамикой сложных технических объектов. - М.: Наука, 2006.
3. Кочкаров А.М., Кочкаров А.А., Никищенко С.П. Структурная динамика и исследование структурно-временных характеристик дискретных систем // Известия ТРТУ. Тематический выпуск “Перспективные системы и задачи управления”. - Таганрог: ТРТУ, 2006. - № 3. - С. 235_238.
4. Емеличев В.А., Мельников О.И., Сарванов В.И., Тышкевич Р.И. Лекции по теории графов. М.: Наука, 1990.
5. Кочкаров А.М. Распознавание фрактальных графов. Алгоритмический подход. Нижний Архыз: РАН САО, 1998.
Аннотация
Структурное распознавание предфрактальных деревьев с множеством затравок
Кочкаров Ахмат Магомедович
Доктор физико-математических наук, профессор
Хапаева Лёля Халисовна
Северо-Кавказская Государственная гуманитарно-технологическая академия, Черкесск, Россия
В работе определен класс предфрактальных деревьев, порожденных множеством затравок-звезд с чередованием. Построен и обоснован алгоритм распознавания этого класса предфрактальных графов. Доказан полиномиальный характер предложенного алгоритма распознавания
Ключевые слова: СТРУКТУРНОЕ РАСПОЗНАВАНИЕ, СЕТЕВЫЕ СИСТЕМЫ, ИЕРАРХИЧЕСКИЕ СТРУКТУРЫ, ПРЕДФРАКТАЛЬНЫЕ ДЕРЕВЬЯ, ФРАКТАЛЬНЫЕ ГРАФЫ
Prefractal trees generated by seeds set structural recognition
Kochkarov Ahmat Magomedovich Dr. Sci. (Phys.-Math.), Prof.
Hapaeva Lelya Halisovna
Northern Caucasia Stat academy for technologies and humanities, Cherkessk, Russia
In paper the class of prefractal the trees generated by set of seeds-stars with alternation is defined. The algorithm of this class prefractal graphs recognition is proved. It is proved also polynomial character of the offered recognition algorithm
Key words: STRUCTURAL RECOGNITION, NETWORK SYSTEMS, HIERARCHICAL STRUCTURES, PREFRACTAL TREES, FRACTAL GRAPHS
Размещено на Allbest.ru
...Подобные документы
Математические методы распознавания (классификации с учителем) и прогноза. Кластеризация как поиск оптимального разбиения и покрытия. Алгоритмы распознавания и интеллектуального анализа данных. Области практического применения систем распознавания.
учебное пособие [2,1 M], добавлен 14.06.2014Вид графов, используемых в теории электрических цепей, химии, вычислительной технике и в информатике. Основные свойства деревьев. Неориентированный граф. Алгоритм построения минимального каркаса. Обоснование алгоритма. Граф с нагруженными ребрами.
реферат [131,8 K], добавлен 11.11.2008Структурное преобразование схемы объекта и получение в дифференциальной форме по каналам внешних воздействий. Формы представления вход-выходных математических моделей динамических, звеньев и систем, методов их построения, преобразования и использования.
курсовая работа [1,3 M], добавлен 09.11.2013Доказательство тождества с помощью диаграмм Эйлера-Венна. Определение вида логической формулы с помощью таблицы истинности. Рисунок графа G (V, E) с множеством вершин V. Поиск матриц смежности и инцидентности. Определение множества вершин и ребер графа.
контрольная работа [463,0 K], добавлен 17.05.2015Приемы построения математических моделей вычислительных систем, отображающих структуру и процессы их функционирования. Число обращений к файлам в процессе решения средней задачи. Определение возможности размещения файлов в накопителях внешней памяти.
лабораторная работа [32,1 K], добавлен 21.06.2013Множеством именуется некоторая совокупность элементов, объединенных по какому-либо признаку. Над множествами определяют операции, во многом сходные с арифметическими. Операции над множествами интерпретируют геометрически с помощью диаграмм Эйлера-Венна.
реферат [15,8 K], добавлен 03.02.2009Нейросеть как набор специальных математических функций с множеством параметров, которые настраиваются в процессе обучения на прошлых данных. Пример определения внешнего вида ребенка по параметрам родителей с помощью нейросимулятора, анализ результатов.
презентация [208,1 K], добавлен 05.04.2013Два варианта доказательства теоремы. Приведенные преобразования равенства Ферма над множеством натуральных чисел показывают, что с помощью конечного числа арифметических действий оно всегда приводится к тождеству, что и доказывает теорему.
статья [74,0 K], добавлен 14.04.2007Суть метода Зейделя. Расчет разностных схемам относительно неизвестной сеточной функции. Параллельное решение систем линейных алгебраических уравнений. Процедура построения параллельного алгоритма Зейделя. Оценка ускорения представленного алгоритма.
контрольная работа [98,1 K], добавлен 09.01.2011Основные методы измерения деревьев. Наука о математических методах систематизации. Определение дисперсии случайной величины. Выборочное исправленное среднее квадратическое отклонение. Метод наименьших квадратов. Свойства параболической регрессии.
курсовая работа [840,1 K], добавлен 15.06.2011Образование множеством функций системы ортонормированных функций, условия ортогональности для заданной системы. Разложение в тригонометрический и комплексный ряды Фурье пилообразного сигнала. Генерирование программного произвольного дискретного сигнала.
контрольная работа [378,6 K], добавлен 14.01.2016Понятие и содержание теории графов. Правила построения сетевых графиков и требования к ним. Сетевое планирование в условиях неопределенности. Теория принятия решений, используемые алгоритмы и основные принципы. Пример применения алгоритма Дейкстры.
курсовая работа [1,0 M], добавлен 26.09.2013Мнимые и действительные, равные и сопряжённые комплексные числа; модуль и аргумент. Арифметические действия над множеством комплексных чисел: сумма, разность, произведение, деление. Представление комплексных чисел на координатной комплексной плоскости.
презентация [60,3 K], добавлен 17.09.2013Решение линейной краевой задачи методом конечных разностей (методом сеток). Замена области непрерывного изменения аргументов дискретным множеством узлов (сеток). Сведение линейной краевой задачи к системе линейных алгебраических уравнений (сеточных).
лекция [463,7 K], добавлен 28.06.2009Выпуклые множества. Выпуклый функционал или функционал, определенный на векторном линейном пространстве и обладающий тем свойством, что его надграфик является выпуклым множеством. Функционал Минковского. Доказательство теорем Хана-Банаха и отделимости.
курсовая работа [501,1 K], добавлен 18.05.2016Описание заданного графа множествами вершин V и дуг X, списками смежности, матрицей инцидентности и смежности. Матрица весов соответствующего неориентированного графа. Определение дерева кратчайших путей по алгоритму Дейкстры. Поиск деревьев на графе.
курсовая работа [625,4 K], добавлен 30.09.2014Рассмотрение понятия и видов графов как совокупности непустого конечного множества элементов; условия их связанности. Доказательства существования замкнутых Эйлеровой, Гамильнотовой и бесконечной цепей. Ознакомление с элементарными свойствами деревьев.
курсовая работа [1,4 M], добавлен 10.02.2012Операторы преобразования переменных, классы, способы построения и особенности структурных моделей систем управления. Линейные и нелинейные модели и характеристики систем управления, модели вход-выход, построение их временных и частотных характеристик.
учебное пособие [509,3 K], добавлен 23.12.2009Анализ математических моделей, линейная система автоматического управления и дифференциальные уравнения, векторно-матричные формы и преобразование структурной схемы. Метод последовательного интегрирования, результаты исследований и единичный импульс.
курсовая работа [513,2 K], добавлен 08.10.2011Построение модели множественной регрессии теоретических значений динамики ВВП, определение средней ошибки аппроксимации. Выбор фактора, оказывающего большее влияние. Построение парных моделей регрессии. Определение лучшей модели. Проверка предпосылок МНК.
курсовая работа [352,9 K], добавлен 26.01.2010