We notice that the polynomial inter

We notice that the polynomial interpolation of order 1 (a line) is
a better approximation for these data; its equation is in form ߟ௠௢ௗ = 0.9986ߟ௠ + 0.0003this line slopes is almost
equal to 1 (0.9986) and the coefficient 0.0003 very near to zero thus we can neglect it, and consequently we can
make the following approximationߟ௠௢ௗ = ߟ௠. Starting from the preceding analysis we can consider that the values
obtained by the model are very close to the values of the measured efficiency output and by consequence the model
is valid

ผลลัพธ์ (ไทย) 1:

เราสังเกตว่า เป็นแทรกแทรงพหุนามของสั่ง 1 (บรรทัด)ประมาณดีสำหรับข้อมูลเหล่านี้ สมการที่อยู่ในแบบฟอร์มߟ௠௢ௗ = 0.9986ߟ௠ + 0.0003this เป็นเส้นลาดเกือบเท่ากับ 1 (0.9986) และสัมประสิทธิ์ 0.0003 ใกล้ศูนย์ ดังนั้นเราสามารถละเลยมัน และดังนั้น เราสามารถทำให้ approximationߟ௠௢ௗ ต่อไปนี้ =ߟ௠ เริ่มต้นจากการวิเคราะห์ข้างต้นเราสามารถพิจารณาที่ค่ารับ โดยรูปแบบอยู่ใกล้กับค่า ของผลการวัดประสิทธิภาพ และส่งผลต่อรูปแบบมีผลบังคับใช้

ผลลัพธ์ (ไทย) 2:

เราสังเกตเห็นว่าการแก้ไขพหุนามของ 1 การสั่งซื้อ (เส้น) เป็น
ประมาณที่ดีกว่าสำหรับข้อมูลเหล่านี้; สมการของมันอยู่ในรูปแบบߟ௠௢ௗ = 0.9986ߟ௠ + 0.0003this ลาดเส้นเกือบจะ
เท่ากับ 1 (0.9986) 0.0003 และค่าสัมประสิทธิ์มากใกล้เป็นศูนย์ทำให้เราสามารถละเลยมันและทำให้เราสามารถ
ทำให้การประมาณดังต่อไปนี้ߟ௠௢ ௗ = ߟ௠ เริ่มต้นจากการวิเคราะห์ก่อนหน้านี้เราสามารถพิจารณาว่าค่า
ที่ได้จากการรูปแบบการมีความใกล้ชิดกับค่านิยมของการส่งออกที่มีประสิทธิภาพที่วัดได้และผลรูปแบบ
ที่ถูกต้อง

ผลลัพธ์ (ไทย) 3:

เราสังเกตเห็นว่า การพหุนามของสั่ง 1 ( เส้น )
ประมาณกว่า ข้อมูลเหล่านี้ เป็นสมการอยู่ในรูปแบบߟ௠௢ௗ = 0.9986 ߟ௠ 0.0003this เส้นลาดเกือบ
เท่ากับ 1 ( 0.9986 ) และค่าสัมประสิทธิ์ 0.0003 อยู่ใกล้กับ ศูนย์ ดังนั้นเราสามารถละเลย และจากนั้นเราสามารถ
ให้ ประมาณߟ௠௢ௗ = ߟ௠ดังต่อไปนี้เริ่มต้นจากการวิเคราะห์ข้างต้นเราสามารถพิจารณาได้จากค่า
แบบใกล้มาก ค่า ของ วัดประสิทธิภาพและผลผลิต โดยนำรูปแบบ
ใช้ได้