Обогатившись сведениями предыдущего урока, перейдем к чему-то более конкретному для нас. Одна из наиболее часто предлагаемых аппроксимирующих моделей - полиноминальная модель:

y=a+b1*x+b2*x^2+...bn*x^n

В определенном смысле это отвечает линейной модели, о которой идет речь в описании Линейн:

Ошибки аппроксимации, связанные с погрешностями исходных данных, о которых шла речь в предыдущих уроках, бывают двух родов:

- ошибки аппроксимации, имеющие чисто статистическую природу, выражающуюся в том, что погрешности в исходных данных отображаются в статистических погрешностях свободного члена и коэффициентов, входя- щих в модель. Это погрешности аппроксимации, которые могут быть существенно уменьшены за счет увеличения количества обрабатываемых данных при адекватном качестве аппроксимирующей модели;

- ошибки аппроксимации, связанные с систематическими смещениями