Г 2: 404 Страница не найдена

Высотный самолет-разведчик U-2: незаменимый и 65 лет спустя

• Марк Пизинг
• BBC Future

9 января 2021

Автор фото, Lockheed Martin

Предполагалось, что спутники и дроны отправят его на покой. Но и 65 лет спустя американский высотный самолет-разведчик Lockheed U-2 по-прежнему в строю, выполняя задачи, которые другим не по зубам. То есть высококачественно шпионит.

Необычная форма самолета (размах крыльев почти вдвое превосходит длину фюзеляжа) и сложность, даже некоторая капризность в управлении заработали ему прозвище Dragon Lady, (дословно – леди-дракон, в переносном смысле – роковая женщина).

Узкий фюзеляж U-2 длиной 19 м, два высокорасположенных крыла без стреловидности, как у планеров, и мощный двигатель – всё это для того, чтобы самолет мог забираться на высоту до 21 км и, что особенно важно, оставаться там в течение многих часов полета.

U-2 летает так высоко и с такой небольшой разницей между его максимальной скоростью и скоростью сваливания, что пилоты называют его крейсерскую высоту “гробовым углом”. Полеты длятся несколько часов.

Конструкцию самолета порой бывает трудно разглядеть за огромным количеством приделанных к нему капсул, антенн, таинственных выпуклостей и носовых обтекателей. За ними скрываются датчики, радары, камеры и коммуникационное оборудование.

В этом смысле U-2 похож на конструктор “Лего” – все эти приборы к нему можно подключить в самых разных конфигурациях.

Существует также миф (или просто попытка выдать желаемое за действительное), что в одной из этих капсул якобы находится маскирующее устройство – электронный сигнал, который делает “Роковую женщину” невидимой для радаров.

Как и 65 лет назад, на высоте более 20 км у U-2 по-прежнему почти нет конкурентов. Его пилотов скорее можно считать астронавтами, а не авиаторами. Пилот запечатан в герметичной кабине в скафандре, подобном тому, которым пользуются в космосе, и дышит чистым кислородом.

В столь разреженном воздухе грань между жизнью и смертью чрезвычайно зыбка. Пилоту постоянно угрожают гипоксия (нехватка кислорода) и декомпрессионная болезнь.

Как и любой другой самолет, U-2 должен лететь достаточно быстро, чтобы иметь достаточную подъемную силу и не сваливаться в штопор, но и не так резво, чтобы конструкция не развалилась в воздухе под воздействием перегрузок.

Проблема заключается в том, что на высоте 70 000 футов (свыше 21 км) разница между этими скоростями составляет всего несколько километров в час.

На большой высоте механические органы управления легко подчиняются пилоту, но рядом с землей требуют хорошо развитой мускулатуры.

Легкая конструкция U-2 заставляет самолет при посадке как бы парить над взлетно-посадочной полосой, отскакивать обратно в воздух при жестком касании полосы и делает его очень чувствительным к боковому ветру. Легкое шасси велосипедного типа затрудняет удержание самолета на прямой линии и выравнивание крыльев при торможении.

Автор фото, Universal History Archive/Getty Images

Подпись к фото,

U-2 был разработан для полетов над советской территорией, чтобы следить за вооруженными силами СССР и военными объектами

“U-2 привлекает тех пилотов, которые хотят летать на самом сложном из существующих самолетов, – говорит Грег Бердсолл, заместитель руководителя программы Lockheed Martin U-2. – Кандидатов сажают в учебно-тренировочный самолет с опытным пилотом-инструктором на заднем сиденье, чтобы посмотреть, как им удается справиться со специфическими характеристиками управляемости самолета”.

Лишь 10-15% пилотов, подавших заявку на участие в программе, в итоге садятся за штурвал U-2.

В наш век автоматизации и компьютеров кажется, что самолеты-шпионы и их пилоты – пережиток холодной войны. Но это не так.

На протяжении уже более 30 лет, прошедших после падения Берлинской стены, самолеты U-2 продолжают перехватывать сообщения, электронные сигналы, фотографируют и создают цифровые изображения поверхности с помощью специальных радаров.

U-2 приспособили и к выполнению новых задач.

Например, способность долго находиться в воздухе на большой высоте делает его идеальным ретранслятором данных, передающим информацию с поля боя в штаб. В этом он обошел даже спутники, которые, как ожидалось, полностью заменят самолет-разведчик.

Находящимся на вооружении ВВС США 31 самолету предстоит программа модернизации стоимостью в 50 миллионов долларов. Это позволит им оставаться в строю еще 30 лет.

Более того, модернизированные U-2 могут составить конкуренцию новому дрону – настолько секретному, что даже сам факт его существования еще официально не подтвержден.

“Наша программа никуда не делась, и мы вкладываем значительные средства, чтобы позволить U-2 выполнять новые задачи, – говорит директор программы Lockheed Martin U-2 Ирен Хелли. – Уходить на покой мы не собираемся”.

Пусть и модернизированный, U-2 все равно прочно ассоциируется с холодной войной.

В 1950-х администрация президента Дуайта Эйзенхауэра пережила немало неприятных моментов в связи с советской программой разработки ядерного оружия. Надежных разведывательных данных не было – проникнуть в закрытое для иностранцев советское общество агентам ЦРУ было сложно.

Нехватку разведчиков на местах нужно было компенсировать воздушной разведкой, причем немедленно.

Автор фото, Jon Hobley/MI News/NurPhoto via Getty Images

Подпись к фото,

Посадка U-2 – очень непростое дело

У Lockheed был туз в рукаве – гениальный конструктор Келли Джонсон и его команда из засекреченного подразделения Skunk Works. Они могли сконструировать самолет-разведчик.

В 1943 году Джонсон и его инженеры спроектировали и построили планер первого реактивного самолета ВВС США всего за 143 дня, и Skunk Works сразу получила полулегендарный статус. В конце 1954 года компания приступила к разработке секретного самолета-шпиона.

По проекту самолет должен был выдерживать полет на высоте более 70 000 футов (более 21 километра), иметь дальность полета 4800 км и нести более 200 кг оборудования.

U-2 впервые поднялся в воздух всего восемь месяцев спустя, 1 августа 1955 года, на полигоне в Неваде, сегодня известном как “Зона 51”. Стало понятно, что Джонсон и его команда сделали нечто выдающееся.

U-2 в эпоху холодной войны

• Первый полет над территорией СССР – 4 июля 1956 года. На сделанных фотографиях можно было определить тип самолетов на аэродромах
• В результате полетов над территорией СССР с 1956 по 1960 гг. было выявлено большое количество военных и промышленных объектов, в том числе местоположение советского ракетного полигона Тюратам №5, впоследствии – космодром Байконур
• 1 мая 1960 года во время очередного полета над Советским Союзом U-2 снизился до высоты 14 км над свердловским промышленным районом и был сбит ракетой класса “земля – воздух”
• В 1962 году самолеты U-2 обнаружили подготовку стартовых позиций советских баллистических ракет на Кубе

“U-2 знаменует собой начало перехода к технической разведке, которая решает разведывательные задачи не руками шпионов в стиле Джона ле Карре, а с помощью передовых технологий”, – говорит Питер Вествик, директор проекта Aerospace History Project в институте Хантингтона-USC Калифорнии и Запада. Кроме того, Вествик – автор книги “Стелс: секретная гонка по изобретению невидимых самолетов”.

“U-2 – действительно своего рода первый большой скачок в технической разведке”, – говорит он.

История U-2 могла сложиться иначе. В 1966 году казалось, что программа завершена: лишь 15 из 55 построенных U-2 все еще находились в эксплуатации.

Самолет спасло решение о перезапуске производства, принятое в 1980-х годах. Это было непросто: многие из инженеров, разрабатывавших самолет, уже вышли на пенсию.

Новые U-2 были весьма похожи на оригинал, но оказались почти на 40% больше и имели новую модульную конструкцию, чтобы нести разнообразное (и более тяжелое) оборудование.

По сравнению с ранними машинами сегодняшний U-2 может нести в три раза больше техники, летать вдвое дальше и втрое дольше. Самолеты прошли очередную модернизацию в 90-х годах, и процесс этот продолжается по сей день.

На сегодня U-2 пережил как минимум пять попыток найти ему замену.

Первой, еще в 1970-х годах, была попытка заменить разведчик одним из ранних беспилотников. Последняя – похожий на кита Northrup Grumman RQ-4 Global Hawk, высотный дистанционно пилотируемый самолет разведки и наблюдения. Он появился в 1998 году, когда U-2 уже перешагнул 40-летний рубеж.

Чтобы заплатить за модернизацию U-2, придется списать и разобрать целых 24 беспилотника Global Hawk.

Теперь эволюция U-2 может шагнуть дальше. Самолет получит улучшенную авионику, кабину с сенсорным экраном (который можно использовать и в скафандре) и новый бортовой компьютер, который позволит работать с новой системой Open Mission System (OMS).

Слегка похожая на операционную систему Android, OMS позволит U-2 общаться с компьютерными системами танков, кораблей, самолетов, спутников и кибернетического оружия.

Автор фото, Lockheed Martin

Подпись к фото,

Конструкция U-2 – узкий тонкий корпус и длинные крылья – помогает ему удерживаться в воздухе в верхних слоях атмосферы

“То, что U-2 может прослужить еще 30 лет, – результат гениальности людей, разработавших этот самолет, – говорит Хелли. – Когда мы начали выпускать его новые версии, он был сконструирован таким образом, что обладал избыточной мощностью и полезным объемом. Новая модульная конструкция позволяет нам постоянно модернизировать его и оснащать оборудованием для выполнения самых разных миссий. Новые концепции могут быть опробованы в воздухе всего через несколько недель или месяцев”.

Опыт U-2 оказался полезным. “Он доказал свою эффективность на большой высоте, – говорит Хелли. – К тому же, по всем признакам, сами планеры находятся в довольно юном возрасте. У них в запасе еще около 80% расчетного срока службы”.

Пилотируемые самолеты также намного лучше справляются с неожиданностями, чем компьютеры. “Если взглянуть на космос и некоторые другие типы разведки, они очень сильно зависят от предварительного планирования, чтобы добыть нужные сведения. U-2 же всегда доступен и готов отправиться в полет”.

“Меня часто спрашивают, почему не заменить U-2 спутниками, – говорит Крис Покок, бывший журналист и автор книг о U-2. – У спутников сегодня фантастические возможности, но слишком предсказуемая орбита. Спутники-шпионы на низких орбитах никогда не находятся долго над одним местом, а U-2 может долго “висеть” над нужным районом”.

К тому же спутники все более уязвимы для средств радиоэлектронной борьбы, лазеров – да и просто ракет, которые могут безвозвратно вывести аппарат из строя.

U-2 был первопроходцем в использовании каналов передачи данных на наземные станции, которые могут находиться на расстоянии тысяч километров, сначала передавая сигнал на спутник, откуда его ретранслируют в пункт назначения.

Теперь эта задача становится первостепенной, поскольку ВВС США стремятся к тому, чтобы все компьютеры, независимо от того, кто их производит, могли общаться друг с другом.

Новые датчики или камеры можно устанавливать и снимать с самолета быстро и дешево. В этом U-2 опережает всех своих конкурентов.

Однако у самолета есть один конструктивный недостаток: его никак нельзя назвать малозаметным. А это означает, что он не может незамеченным проникать в воздушное пространство других стран – его всегда будет видно. Например, недавно китайские военные заметили U-2 в районе маневров в Южно-Китайском море.

Похоже, американская оборонная корпорация Northrup Grumman сконструировала небольшое количество похожих на бомбардировщик-невидимку В-2 дронов для решения именно таких задач. Даже факт их существования держится в секрете, но некоторые считают, что U-2 наконец нашлась замена.

Автор фото, NASA

Подпись к фото,

Космический самолет Boeing X-37B сможет запускать маленькие спутники, которые будут выполнять некоторые миссии U-2

Эти высотные разведывательные дроны, которые еще предстоит рассекретить, известные среди непосвященных как RQ-180, должны обладать какой-то экзотической системой маскировки: в прессе лишь изредка появлялись их “возможные” изображения, что в эпоху цифровых технологий иначе как чудом не назовешь.

“Маскирующее устройство”, позволяющее самолетам или космическим кораблям становиться невидимыми – это, конечно, выдумка. Однако известно, что новый дрон окрашен специальной светлой краской, что делает его малозаметным, а заодно объясняет его неофициальное название – “Большая белая летучая мышь”.

“Все, что нам известно, нельзя считать окончательным, – говорит Покок. – Новый дрон должен быть очень незаметным, если ему предстоит проникнуть на враждебную территорию и делать там то, что U-2 делает, находясь над дружественной территорией. Но я не думаю, что RQ-180 заменит U-2, потому что он явно фантастически дорог, их очень мало – всего семь штук, и не так уж часто им будут давать разрешение на полет”.

Куда больше будущему U-2 угрожают микроспутники. Эти аппараты весом от 10 до 100 кг можно запускать с таких космических самолетов, как Boeing X-37.

“Эти микроспутники можно запускать с одного носителя в таком большом количестве, что они смогут преодолеть недостатки спутников-шпионов на низкой околоземной орбите, – считает Покок. – Если у вас есть 10 или более спутников, которые вращаются вокруг Земли по цепочке, одно и то же место на планете можно наблюдать раз в несколько часов, а не дней”.

Ирен Хелли, однако, уверена, что U-2 не уступят будущим конкурентам, так же как не уступили и конкурентам прошлым.

“Что еще может работать в таких условиях, как U-2? – говорит она. – U-2 – это как Полярная звезда в большом созвездии аппаратов и технологий для сбора разведывательных данных”.

“Работать в этой среде очень тяжело, – добавляет Грег Бердсолл. – Попытка разработать замену U-2 или даже дополнить возможности на такой высоте будет нелегкой и очень дорогостоящей. Если у нас уже есть такие возможности, зачем это делать?”

Прочитать оригинал этой статьи на английском языке можно на сайте BBC Future.

США возрождают самолет-разведчик U-2 — Российская газета

Lockheed Martin получил от ВВС США 50 миллионов долларов на модернизацию одного из символов холодной войны, высотного самолета-разведчика U-2 Dragon Lady. Это свидетельствует об отказе Пентагона от ранее озвученных планов заменить U-2 стратегическими беспилотниками RQ-4 Global Hawk.

– Мы действительно вдыхаем новую жизнь в возможности этой платформы. Большинство самолетов построены в конце 80-х и в 90-х годах, они имеют в среднем по 17 тысяч часов налета, 80 процентов нереализованного срока службы планера и могут дать гораздо больше, – приводит Aviation Week слова Ирен Хелли, директора программы U-2 в Lockheed Martin.

Компания уже вернула из резерва разведчик с бортовым номером 80-1099. Поврежденный в 2008 году на авиабазе Аль-Дафра в ОАЭ самолет помещен в ремонтный стенд для восстановления готовности и последующей модернизации.

Обновление Dragon Lady коснется бортового радиоэлектронного оборудования – в первую очередь, центрального процессора. Штатный компьютер образца 1994 года устарел, а его компоненты сняты с производства. Новая вычислительная машина разработана в соответствии со стандартом ВВС “Открытая миссия”, что позволит U-2 обмениваться информацией с самолетами, спутниками, кораблями и наземными терминалами.

Представители Lockheed Martin сообщили также, что в цифровую сеть самолета интегрирован Enterprise Mission Computer 2 (EMC2), известный как “Коробка Энштейна”. Эта система займется динамическим планированием миссий и радиоэлектронной борьбой. Учитывая, что закрытые системы передачи данных истребителей F-22 и F-35 не совместимы между собой, на EMC-2 возложена также функция декодирования сообщений, что позволит разведчику выполнять роль координатора и ретранслятора.

В кабине пилота установят сенсорные дисплеи высокого разрешения. Сейчас летчикам U-2 выдают наручные часы с навигатором, в ближайшем будущем модуль GPS и астронавигации планируется встроить в бортовую систему.

Неназванные устройства на борту Dragon Lady также позволят использовать самолет в качестве компонента противоракетной обороны США.

как советский ЗРК сбил самолет-разведчик U-2 на Кубе — Российская газета

День 27 октября 1962 года вошел в историю как “черная суббота” – именно тогда по мнению многих очевидцев, а позже и историков, мир как никогда близко подошел к началу ядерной войны. Карибский кризис достиг своего апогея: в небе над Островом свободы советским зенитно-ракетным комплексом С-75 “Двина” был сбит американский самолет-разведчик U-2.

Суть противостояния, напомним, заключалась в том, что СССР решил разместить на Кубе баллистические ракеты средней дальности Р-12 и Р-14 с ядерными боеголовками (радиус действия – две и четыре тысячи километров соответственно), способные достичь большинства стратегических объектов на востоке и в центральной части США. Делалось это для установления паритета – в 1961 американцы начали размещать недалеко от турецкого города Измир ракеты средней дальности PGM-19 “Юпитер” с радиусом действия 2400 километров. То есть они напрямую угрожали Европейской части СССР.

Если учесть, что США в целом располагали гораздо более мощным ядерным арсеналом, а также большим количеством средств доставки (подводные лодки, стратегические бомбардировщики, размещенные в Европе ракеты), то становится очевидным, что Советский Союз оказался в крайне уязвимом положении. Осознавало это и руководство страны, решившееся на неординарный ответный шаг.

В рамках секретной операции “Анадырь” в начале августа 1962 года на Кубу прибыли первые корабли с баллистическими ракетами. Началось возведение пусковых установок, развертывание советской группы войск. В начале сентября американцы получили снимки с самолета U-2, на которых было запечатлено строительство позиций для зенитных ракет. Тогда президент Кеннеди заявил в Конгрессе, что на Кубе нет наступательных ракет. Чтобы избежать возможной эскалации конфликта, он временно приостановил разведывательные полеты U-2 над островом, которые возобновились только 14 октября.

Тогда стало очевидным, что на Кубе все же устанавливаются баллистические ракеты. Градус напряжения резко вырос, а полеты U-2 стали совершаться уже по шесть раз в день. Американцы рассматривали несколько возможных вариантов ответа: немедленный массированный авиаудар по Кубе, вторжение на остров, военно-морская блокада. Несмотря на радикальные предложения военных, Кеннеди все же ограничился более мягким вариантом “морского карантина”.

В конце октября СССР и США уже начали вести переговоры о дипломатическом разрешении кризиса (известно в частности о двух письмах Хрущева, где он предлагал свои условия мира), однако его исход был далеко не очевидным. 27-го числа на подлете к Гуантанамо советскими средствами ПВО был замечен американский самолет-разведчик U-2. Когда он оказался над Кубой, расчету ЗРК С-75 последовал приказ: нарушителя – сбить. Три года назад в журнале “Родина” публиковались воспоминания о том событии офицера наведения лейтенанта Алексея Ряпенко (из книги “Белые пятна Карибского кризиса”):

“…майор Герченов приказал мне: “Цель уничтожить тремя, очередью!” Я перевел все три стрельбовых канала в режим БР и нажал кнопку “Пуск” первого канала. Ракета сошла с пусковой установки. После я доложил: “Есть захват!” Первая ракета уже летела 9-10 секунд, когда командир скомандовал: “Вторая, пуск!” Я нажал кнопку “Пуск” второго канала. Когда разорвалась первая ракета, на экранах появилось облако. Я доложил: “Первая, подрыв. Цель, встреча. Цель поражена!” После подрыва второй ракеты цель начала резко терять высоту, и я доложил: “Вторая, подрыв. Цель уничтожена!” Пилот U-2 майор Рудольф Андерсон погиб.

По мнению авторов книги, в этом эпизоде есть серьезные нестыковки. В частности, самолеты U-2 тогда были оснащены прибором для обнаружения советских радаров. Опытный Рудольф Андерсон, прошедший еще Корейскую войну, увидев, что оказался под прицелом, мог бы начать маневрирование, однако он этого не сделал. По одной из версий, американское военное командование отправило Андерсона на задание с отключенной системой безопасности. Атака на самолет-разведчик США в таком случае должна была стать поводом для немедленных военных мер в отношении Кубы.

Однако этого, к счастью, не произошло. Кеннеди не пошел на поводу у “ястребов” Пентагона. Осознав, что на Кубе уже собрана боеспособная группа войск, и что в случае нападения на остров ответная реакция может последовать в других точках мира, он продолжил дипломатические переговоры, которые в итоге удовлетворили обе стороны. Советский Союз хотя формально и свернул свою операцию, добился главного: демонтажа американских ракет в Турции, а также публичного обещания США не нападать на Кубу. А позже с появлением новых межконтинентальных баллистических ракет необходимость размещения ядерного оружия у границ США отпала вовсе.

Искусственный интеллект научился управлять радаром самолета-разведчика U-2

U-2

U.S. Air Force

ВВС США 15 декабря 2020 года провели испытания нейросетевого алгоритма ARTUµ на стратегическом самолете-разведчике U-2 Dragon Lady. Как пишет Flightglobal, в полете алгоритм управлял радиолокационной станцией радара и отвечал за обнаружение ракетных пусковых установок.

Во время разведывательного полета за предварительную обработку информации с разведывательных систем самолета U-2 отвечает летчик.

Одновременно он должен выполнять еще множество задач, включая контроль окружающего воздушного пространства и выбор маршрута полета.

Предполагается, что широкое использование систем искусственного интеллекта в военной технике позволит существенно снизить нагрузку на летчиков, автоматизировав решение части задач.

Во время испытаний нейросетевого алгоритма ARTUµ искусственный интеллект отвечал за выбор маршрута полета и обнаружение ракетных пусковых установок. Летчик следовал выбранному алгоритмом маршруту, а также отвечал за контроль воздушного пространства вокруг самолета.

По заявлению Федеральной лаборатории U-2 при Боевом командовании ВВС США, специалисты которого разработали ARTUµ, алгоритм прошел обучение поиску ракетных пусковых установок с помощью более полумиллиона компьютерных симуляций.

Другие подробности о нейросетевом алгоритме или состоявшихся испытаниях не уточняются.

В 2017 году Центр геопространственной разведки Миссурийского университета представил алгоритм, способный на спутниковых или аэрофотоснимках находить китайские зенитные ракетные комплексы. По оценке ученых, использование их алгоритма позволит обрабатывать разведывательную съемку в 80 раз быстрее людей.

Исследователи использовали для обучения несколько сверточных нейросетей: CaffeNet, GoogLeNet, ResNet-50 и ResNet-101. Обучение нейросетей производилось на фотографиях известных китайских зенитных установок и снимках типичных и нетипичных мест их размещения.

Василий Сычёв

Инцидент с американским самолетом U-2 (1960)

https://ria.ru/20200501/1570728546.html

Инцидент с американским самолетом U-2 (1960)

Инцидент с американским самолетом U-2 (1960)

1 мая 1960 года американский самолет-разведчик Lockheed U-2, пилотируемый летчиком Фрэнсисом Пауэрсом (Francis Powers), нарушил воздушное пространство СССР и… РИА Новости, 01.05.2020

2020-05-01T02:36

2020-05-01T02:36

2020-05-01T02:36

фрэнсис пауэрс

справки

/html/head/meta[@name=’og:title’]/@content

/html/head/meta[@name=’og:description’]/@content

https://cdn24. img.ria.ru/images/07e4/04/1d/1570733463_0:448:2724:1980_1920x0_80_0_0_8cc62b511ee3ad0467d0aba833092059.jpg

1 мая 1960 года американский самолет-разведчик Lockheed U-2, пилотируемый летчиком Фрэнсисом Пауэрсом (Francis Powers), нарушил воздушное пространство СССР и был сбит средствами противовоздушной обороны (ПВО) страны в районе города Свердловска (ныне Екатеринбург). В то время американские летчики были частыми “гостями” в воздушном пространстве Советского Союза. Только за период с 1956 года по 1 мая 1960 года радиотехническими средствами ПВО страны было зафиксировано 24 случая проникновения самолетов-шпионов на советскую территорию. На личном счету Пауэрса таких полетов было шесть. Самолет Lockheed U-2, на котором американские летчики залетали в воздушное пространство СССР, идеально подходил для шпионских целей, поскольку мог подниматься на высоту более 21 километра над уровнем моря и был недосягаем ни для истребителей, ни для зенитчиков. За неуязвимость для средств противовоздушной обороны в Соединенных Штатах U-2 нарекли Dragon Lady (“Леди Дракон”). Летая на этих самолетах на большой высоте в стратосфере, летчики могли фотографировать интересующие их объекты, причем качество фотографий позволяло разглядеть даже номера на самолетах, стоящих на аэродромах. Пилоты, участвовавшие в разведывательных полетах, выступали в качестве “гражданских” лиц без каких-либо документов, сами же самолеты, отправлявшиеся на “дело”, не имели опознавательных знаков. Попытки перехвата американских высотных разведчиков, нарушавших воздушное пространство СССР, предпринимались неоднократно советскими истребителями МиГ-19, но разница в высоте полета не позволяла им сбить нарушителя. Ситуация изменилась 1 мая 1960 года. Рано утром в этот праздничный для советских граждан день самолет-разведчик U-2 под управлением старшего лейтенанта ВВС США Фрэнсиса Пауэрса вылетел с базы Пешавар (Пакистан) в сторону границы СССР с очередным разведывательным заданием – операция “Оверфлайт” (Overflight – “Перелет”), целью которой была фотосъемка военных и промышленных объектов и вскрытие советской радиолокационной сети. Самолет нес аппаратуру для регистрации радио- и радиолокационного излучения, а также выдвижную фотокамеру. В хвостовой части находился комплекс постановки помех радиолокационным прицелам советских истребителей и ракетам “воздух-воздух”. Благодаря особой конструкции и специальному покрытию самолет-шпион обладал определенной радиолокационной невидимостью. Маршрут Lockheed U-2 пролегал над ракетным полигоном Тюратам (Байконур), над Челябинском, южнее Свердловска (завод “Маяк”), северо-западнее Кирова, на север через Плесецк, Северодвинск, северо-западнее Кандалакши, на север к Мурманску с посадкой на авиабазе Буде (Норвегия). (Норвегия). Чтобы не выдать себя, пилоту строжайше запретили поддерживать радиосвязь и с аэродромом в Пешаваре, и с американской базой в Инджирлике (Турция). Пауэрс пересек советскую границу в 5.36 по московскому времени юго-восточнее города Пянджа (с 1963 года – Кировабад, Таджикистан) и был обнаружен советскими радиолокационными средствами радиотехнических войск ПВО страны. Для разрешения создавшейся ситуации на центральный командный пункт войск ПВО страны прибыла группа офицеров и генералов во главе с главнокомандующим войсками ПВО маршалом Советского Союза Сергеем Бирюзовым. Первый секретарь ЦК КПСС Никита Хрущев, которому немедленно доложили о факте нарушения воздушного пространства СССР, потребовал принять все меры по пресечению разведывательного полета. Однако все попытки перехватить U-2 заканчивались неудачей, так как его полет проходил на высоте не ниже 20 тысяч метров. ПВО не могло с ним ничего сделать – самолетам не хватало высоты, а зенитные ракеты наземного базирования почти нигде еще не стояли. Пауэрс уже миновал Тюратам, прошел вдоль Аральского моря, оставил позади Магнитогорск и Челябинск, почти подошел к Свердловску. Для его перехвата с находящегося неподалеку от Свердловска аэродрома Кольцово были подняты два истребителя Су-9, у которых практический потолок до 20 километров. Из-за того, что самолеты перегонялись с Новосибирского авиазавода к месту службы, у них не было ракетного оружия, а у летчиков высотного снаряжения. Поэтому пилотам было приказано уничтожить американский самолет-разведчик тараном. Однако из-за ошибочных данных службы наведения летчики не смогли выполнить приказ. Один пилот не увидел цель вообще, а у второго при повторном наведении на цель команда отключить форсаж была подана преждевременно. Из-за этого истребитель потерял высоту. После неудачной попытки тарана с аэродрома под Свердловском были подняты на перехват два МиГ-19 под управлением капитана Бориса Айвазяна и старшего лейтенанта Сергея Сафронова. К этому времени американский самолет-шпион уже пробыл в воздушном пространстве Советского Союза больше трех часов, зайдя на глубину 2,1 тысячи километров от границы. Он успел сфотографировать закрытый “атомный” город Челябинск-40 (ныне ЗАТО “Озерск”). На расстоянии 30 километров к юго-востоку от Свердловска Пауэрс изменил курс, повернув на 90 градусов. Его следующей целью был Плесецк. В это время U-2 вошел в зону действия ракетного дивизиона, на вооружении которого стояли зенитные ракетные комплексы С-75, способные поражать цели на высоте до 22 километров. Ракета, пущенная одним из его расчетов, не попала в цель. Когда самолет-нарушитель вошел в зону ответственности другого дивизиона ракетной бригады, то в 8 часов 52 минуты по нему была пущена еще одна ракета, при подрыве которой у Lockheed U-2 оторвало хвостовую часть. Машина, крутясь, стала падать. Чтобы спастись, Пауэрс не стал использовать катапультное кресло. Позже он утверждал, что в нем находилось взрывное устройство, которое должно было сработать при катапультировании, чтобы самолет не попал в руки противника. Летчик, дождавшись высоты, когда можно было дышать без кислородного прибора, выбрался из самолета и выпрыгнул с парашютом. Уже падающий U-2 был поражен еще одной ракетой. После того, как U-2 рассыпался в воздухе, оператор РЛС принял отвалившиеся обломки за выпущенные противником радиолокационные помехи, потому было решено работать по U-2 дальше. Одна из ракет следующего залпа едва не поразила Су-9. Под этот же ракетный удар попали два истребителя МиГ-19, преследовавшие нарушителя. Машину Сергея Сафронова сбили, летчик погиб, а его напарнику, успевшему заметить идущую к его самолету ракету, в пикировании удалось выйти из-под удара. Указом Президиума Верховного Совета СССР от 7 мая 1960 года Сергей Сафронов посмертно был награжден орденом Красного Знамени. За выполнение боевой задачи по уничтожению самолета-шпиона на высоте более 20 тысяч метров всему личному составу зенитной артиллерийской части была объявлена благодарность от имени Председателя Совмина СССР, а 12 офицеров, солдат и сержантов получили правительственные награды. Американский летчик Пауэрс приземлился недалеко от уральской деревушки, где его и взяли в плен местные жители. Позже летчика доставили вертолетом на аэродром под Свердловском, а затем отправили в Москву. Обломки U-2 были разбросаны на огромной площади, но почти все собраны – в том числе найдены относительно хорошо сохранившиеся передняя часть фюзеляжа с центропланом и кабиной летчика с оборудованием, турбореактивный двигатель и хвостовая часть фюзеляжа с килем. Почти на всех узлах и агрегатах стояла маркировка американских фирм, а разведаппаратура, блок подрыва самолета и личное оружие пилота неопровержимо свидетельствовали о военном предназначении самолета. Позднее в московском Парке культуры и отдыха имени Горького была организована выставка трофеев. После распространения информации об уничтожении U-2 американцы, думая, что никаких улик не сохранилось, вообще отрицали сам факт преднамеренного нарушения границы. Затем было заявлено, что пилот заблудился. Но советская сторона опровергла это заявление, предоставив доказательства в виде обломков самолета и показаний самого пилота. Американской администрации пришлось признать, что ее разведывательные самолеты продолжают облетать на большой высоте советскую территорию для мониторинга военных приготовлений (раньше Вашингтон это отрицал). В результате не состоялся саммит в Париже (Франция), на котором планировалось обсудить ситуацию в разделенной Германии, возможность контроля над вооружениями, запрещения ядерных испытаний и ослабление напряженности между СССР и США. Был отменен намеченный на июнь 1960 года визит президента США Дуайта Эйзенхауэра в Москву. Военная коллегия Верховного суда СССР в августе 1960 года приговорила Пауэрса к десяти годам лишения свободы с отбыванием первых трех лет в тюрьме по статье “шпионаж”, но в заключении американский летчик провел всего 108 дней. В феврале 1962 года в Берлине Пауэрса обменяли на советского разведчика Рудольфа Абеля (настоящее имя Вильям Фишер) согласно достигнутой правительствами СССР и США договоренности.После возвращения в США пилота подвергли тщательному допросу в следственной комиссии, проверке на детекторе лжи. Он был полностью реабилитирован. В октябре 1962 года Пауэрс закончил свою карьеру в Центральном разведывательном управлении и перешел на работу в компанию Lockheed, где проводил летные испытания U-2. В 1970 году после того, как он написал книгу воспоминаний “Операция “Оверфлайт”, вызвавшую неудовольствие многих руководителей разведки США, летчика уволили. После этого он начал летать на вертолете, сначала в качестве “зеленого патруля”, а затем в агентстве радиотелевизионных новостей в Лос-Анджелесе. В августе 1977 года он погиб при крушении пилотируемого им вертолета, когда возвращался со съемок тушения пожара в Санта-Барбаре. В 2011 году ВВС США посмертно наградили Фрэнсиса Пауэрса Серебряной звездой за “мужество, проявленное им во время жестоких допросов советскими следователями” и несгибаемость перед лицом “обманов, интриг, оскорблений и угрозы смерти”. С прошением о рассмотрении возможности награждения Пауэрса в ВВС обратился сын летчика, основатель музея “холодной войны” в штате Виргиния (США). Материал подготовлен на основе информации РИА Новости и открытых источников

РИА Новости

[email protected]

7 495 645-6601

ФГУП МИА «Россия сегодня»

https://xn--c1acbl2abdlkab1og.xn--p1ai/awards/

2020

РИА Новости

[email protected]

7 495 645-6601

ФГУП МИА «Россия сегодня»

https://xn--c1acbl2abdlkab1og.xn--p1ai/awards/

Новости

ru-RU

https://ria.ru/docs/about/copyright. html

https://xn--c1acbl2abdlkab1og.xn--p1ai/

РИА Новости

[email protected]

7 495 645-6601

ФГУП МИА «Россия сегодня»

https://xn--c1acbl2abdlkab1og.xn--p1ai/awards/

https://cdn23.img.ria.ru/images/07e4/04/1d/1570733463_0:5:2724:2048_1920x0_80_0_0_fe6c4c391d55cde088f86258a0f5081e.jpg

РИА Новости

[email protected]

7 495 645-6601

ФГУП МИА «Россия сегодня»

https://xn--c1acbl2abdlkab1og.xn--p1ai/awards/

РИА Новости

[email protected]

7 495 645-6601

ФГУП МИА «Россия сегодня»

https://xn--c1acbl2abdlkab1og.xn--p1ai/awards/

фрэнсис пауэрс, справки

1 мая 1960 года американский самолет-разведчик Lockheed U-2, пилотируемый летчиком Фрэнсисом Пауэрсом (Francis Powers), нарушил воздушное пространство СССР и был сбит средствами противовоздушной обороны (ПВО) страны в районе города Свердловска (ныне Екатеринбург). В то время американские летчики были частыми “гостями” в воздушном пространстве Советского Союза. Только за период с 1956 года по 1 мая 1960 года радиотехническими средствами ПВО страны было зафиксировано 24 случая проникновения самолетов-шпионов на советскую территорию. На личном счету Пауэрса таких полетов было шесть. Самолет Lockheed U-2, на котором американские летчики залетали в воздушное пространство СССР, идеально подходил для шпионских целей, поскольку мог подниматься на высоту более 21 километра над уровнем моря и был недосягаем ни для истребителей, ни для зенитчиков. За неуязвимость для средств противовоздушной обороны в Соединенных Штатах U-2 нарекли Dragon Lady (“Леди Дракон”). Летая на этих самолетах на большой высоте в стратосфере, летчики могли фотографировать интересующие их объекты, причем качество фотографий позволяло разглядеть даже номера на самолетах, стоящих на аэродромах. Пилоты, участвовавшие в разведывательных полетах, выступали в качестве “гражданских” лиц без каких-либо документов, сами же самолеты, отправлявшиеся на “дело”, не имели опознавательных знаков. Попытки перехвата американских высотных разведчиков, нарушавших воздушное пространство СССР, предпринимались неоднократно советскими истребителями МиГ-19, но разница в высоте полета не позволяла им сбить нарушителя. Ситуация изменилась 1 мая 1960 года. Рано утром в этот праздничный для советских граждан день самолет-разведчик U-2 под управлением старшего лейтенанта ВВС США Фрэнсиса Пауэрса вылетел с базы Пешавар (Пакистан) в сторону границы СССР с очередным разведывательным заданием – операция “Оверфлайт” (Overflight – “Перелет”), целью которой была фотосъемка военных и промышленных объектов и вскрытие советской радиолокационной сети. Самолет нес аппаратуру для регистрации радио- и радиолокационного излучения, а также выдвижную фотокамеру. В хвостовой части находился комплекс постановки помех радиолокационным прицелам советских истребителей и ракетам “воздух-воздух”. Благодаря особой конструкции и специальному покрытию самолет-шпион обладал определенной радиолокационной невидимостью. Маршрут Lockheed U-2 пролегал над ракетным полигоном Тюратам (Байконур), над Челябинском, южнее Свердловска (завод “Маяк”), северо-западнее Кирова, на север через Плесецк, Северодвинск, северо-западнее Кандалакши, на север к Мурманску с посадкой на авиабазе Буде (Норвегия). (Норвегия). Чтобы не выдать себя, пилоту строжайше запретили поддерживать радиосвязь и с аэродромом в Пешаваре, и с американской базой в Инджирлике (Турция).

Пауэрс пересек советскую границу в 5.36 по московскому времени юго-восточнее города Пянджа (с 1963 года – Кировабад, Таджикистан) и был обнаружен советскими радиолокационными средствами радиотехнических войск ПВО страны. Для разрешения создавшейся ситуации на центральный командный пункт войск ПВО страны прибыла группа офицеров и генералов во главе с главнокомандующим войсками ПВО маршалом Советского Союза Сергеем Бирюзовым.

Первый секретарь ЦК КПСС Никита Хрущев, которому немедленно доложили о факте нарушения воздушного пространства СССР, потребовал принять все меры по пресечению разведывательного полета.

Однако все попытки перехватить U-2 заканчивались неудачей, так как его полет проходил на высоте не ниже 20 тысяч метров. ПВО не могло с ним ничего сделать – самолетам не хватало высоты, а зенитные ракеты наземного базирования почти нигде еще не стояли. Пауэрс уже миновал Тюратам, прошел вдоль Аральского моря, оставил позади Магнитогорск и Челябинск, почти подошел к Свердловску. Для его перехвата с находящегося неподалеку от Свердловска аэродрома Кольцово были подняты два истребителя Су-9, у которых практический потолок до 20 километров. Из-за того, что самолеты перегонялись с Новосибирского авиазавода к месту службы, у них не было ракетного оружия, а у летчиков высотного снаряжения. Поэтому пилотам было приказано уничтожить американский самолет-разведчик тараном. Однако из-за ошибочных данных службы наведения летчики не смогли выполнить приказ. Один пилот не увидел цель вообще, а у второго при повторном наведении на цель команда отключить форсаж была подана преждевременно. Из-за этого истребитель потерял высоту.

После неудачной попытки тарана с аэродрома под Свердловском были подняты на перехват два МиГ-19 под управлением капитана Бориса Айвазяна и старшего лейтенанта Сергея Сафронова. К этому времени американский самолет-шпион уже пробыл в воздушном пространстве Советского Союза больше трех часов, зайдя на глубину 2,1 тысячи километров от границы. Он успел сфотографировать закрытый “атомный” город Челябинск-40 (ныне ЗАТО “Озерск”). На расстоянии 30 километров к юго-востоку от Свердловска Пауэрс изменил курс, повернув на 90 градусов. Его следующей целью был Плесецк.

В это время U-2 вошел в зону действия ракетного дивизиона, на вооружении которого стояли зенитные ракетные комплексы С-75, способные поражать цели на высоте до 22 километров.

Ракета, пущенная одним из его расчетов, не попала в цель. Когда самолет-нарушитель вошел в зону ответственности другого дивизиона ракетной бригады, то в 8 часов 52 минуты по нему была пущена еще одна ракета, при подрыве которой у Lockheed U-2 оторвало хвостовую часть. Машина, крутясь, стала падать. Чтобы спастись, Пауэрс не стал использовать катапультное кресло. Позже он утверждал, что в нем находилось взрывное устройство, которое должно было сработать при катапультировании, чтобы самолет не попал в руки противника. Летчик, дождавшись высоты, когда можно было дышать без кислородного прибора, выбрался из самолета и выпрыгнул с парашютом. Уже падающий U-2 был поражен еще одной ракетой.

После того, как U-2 рассыпался в воздухе, оператор РЛС принял отвалившиеся обломки за выпущенные противником радиолокационные помехи, потому было решено работать по U-2 дальше. Одна из ракет следующего залпа едва не поразила Су-9. Под этот же ракетный удар попали два истребителя МиГ-19, преследовавшие нарушителя. Машину Сергея Сафронова сбили, летчик погиб, а его напарнику, успевшему заметить идущую к его самолету ракету, в пикировании удалось выйти из-под удара. Указом Президиума Верховного Совета СССР от 7 мая 1960 года Сергей Сафронов посмертно был награжден орденом Красного Знамени. За выполнение боевой задачи по уничтожению самолета-шпиона на высоте более 20 тысяч метров всему личному составу зенитной артиллерийской части была объявлена благодарность от имени Председателя Совмина СССР, а 12 офицеров, солдат и сержантов получили правительственные награды.

Американский летчик Пауэрс приземлился недалеко от уральской деревушки, где его и взяли в плен местные жители. Позже летчика доставили вертолетом на аэродром под Свердловском, а затем отправили в Москву.

Обломки U-2 были разбросаны на огромной площади, но почти все собраны – в том числе найдены относительно хорошо сохранившиеся передняя часть фюзеляжа с центропланом и кабиной летчика с оборудованием, турбореактивный двигатель и хвостовая часть фюзеляжа с килем. Почти на всех узлах и агрегатах стояла маркировка американских фирм, а разведаппаратура, блок подрыва самолета и личное оружие пилота неопровержимо свидетельствовали о военном предназначении самолета. Позднее в московском Парке культуры и отдыха имени Горького была организована выставка трофеев.

После распространения информации об уничтожении U-2 американцы, думая, что никаких улик не сохранилось, вообще отрицали сам факт преднамеренного нарушения границы. Затем было заявлено, что пилот заблудился. Но советская сторона опровергла это заявление, предоставив доказательства в виде обломков самолета и показаний самого пилота.

Американской администрации пришлось признать, что ее разведывательные самолеты продолжают облетать на большой высоте советскую территорию для мониторинга военных приготовлений (раньше Вашингтон это отрицал). В результате не состоялся саммит в Париже (Франция), на котором планировалось обсудить ситуацию в разделенной Германии, возможность контроля над вооружениями, запрещения ядерных испытаний и ослабление напряженности между СССР и США. Был отменен намеченный на июнь 1960 года визит президента США Дуайта Эйзенхауэра в Москву. Военная коллегия Верховного суда СССР в августе 1960 года приговорила Пауэрса к десяти годам лишения свободы с отбыванием первых трех лет в тюрьме по статье “шпионаж”, но в заключении американский летчик провел всего 108 дней. В феврале 1962 года в Берлине Пауэрса обменяли на советского разведчика Рудольфа Абеля (настоящее имя Вильям Фишер) согласно достигнутой правительствами СССР и США договоренности.

После возвращения в США пилота подвергли тщательному допросу в следственной комиссии, проверке на детекторе лжи. Он был полностью реабилитирован. В октябре 1962 года Пауэрс закончил свою карьеру в Центральном разведывательном управлении и перешел на работу в компанию Lockheed, где проводил летные испытания U-2. В 1970 году после того, как он написал книгу воспоминаний “Операция “Оверфлайт”, вызвавшую неудовольствие многих руководителей разведки США, летчика уволили. После этого он начал летать на вертолете, сначала в качестве “зеленого патруля”, а затем в агентстве радиотелевизионных новостей в Лос-Анджелесе. В августе 1977 года он погиб при крушении пилотируемого им вертолета, когда возвращался со съемок тушения пожара в Санта-Барбаре.

В 2011 году ВВС США посмертно наградили Фрэнсиса Пауэрса Серебряной звездой за “мужество, проявленное им во время жестоких допросов советскими следователями” и несгибаемость перед лицом “обманов, интриг, оскорблений и угрозы смерти”. С прошением о рассмотрении возможности награждения Пауэрса в ВВС обратился сын летчика, основатель музея “холодной войны” в штате Виргиния (США).

Материал подготовлен на основе информации РИА Новости и открытых источников

Твердотельный накопитель DC1000M U.2 NVMe SSD корпоративного класса — от 960 ГБ до 7,6 ТБ — Kingston Technology

Форм-фактор	U.2, 2,5 дюйма x 15 мм
Интерфейс	PCIe NVMe Gen3 x4
Варианты емкости	960 ГБ, 1,92 ТБ, 3,84 ТБ, 7,68 ТБ
Память NAND	3D TLC
Скорость последовательного чтения/записи	960ГБ – 3100МБс/1330МБс 1,92ТБ – 3100МБс/2600МБс 3,84ТБ – 3100МБс/2700МБс 7,68ТБ – 3100МБс/2800МБс
Скорость чтения/записи блоков по 4КБ при постоянных нагрузках	960 ГБ – 400 000/125 000 IOPS 1,92TБ – 540 000/205 000 IOPS 3,84TБ – 525 000/210 000 IOPS 7,68TБ – 485 000/210 000 IOPS
Латентность,,	Скорость чтения/записи TYP:
Статическое и динамическое выравнивание износа	Есть
Защита от отключения электропитания (конденсаторы)	Есть
Инструменты SMART корпоративного уровня	Отслеживание надежности, сбор информации об интенсивности использования, оценка срока службы твердотельного накопителя, выравнивание износа, мониторинг температуры
Энергопотребление	960 ГБ: При простое: 5,14 Вт В среднем при чтении: 5,25Вт В среднем при записи: 9,10 Вт Макс. при чтении: 5,64 Вт Макс. при записи: 9,80 Вт 1,92 ТБ: При простое: 5,22 Вт В среднем при чтении: 5,31Вт В среднем при записи: 13,1 Вт Макс. при чтении: 5,70 Вт Макс. при записи: 13,92 Вт 3,84 ТБ: При простое: 5,54 Вт В среднем при чтении: 5,31 Вт В среднем при записи: 14,69 Вт Макс. при чтении: 6,10 Вт Макс. при записи: 15,5 Вт 7,68 ТБ: При простое: 5,74 Вт В среднем при чтении: 5,99 Вт В среднем при записи: 17,06 Вт Макс. при чтении: 6,63 Вт Макс. при записи: 17,88 Вт
Ресурс	960ГБ — 1681ТBW (1 DWPD/5 лет) 1.92ТБ — 3362ТBW (1 DWPD/5 лет) 3.84ТБ — 6725ТBW (1 DWPD/5 лет) 7.68ТБ — 13450ТBW (1 DWPD/5 лет)
температура хранения	-40°C ~ 85°C
Рабочая температура	0°C ~ 70°C
Размеры	100,09 x 69,84 x 14,75 мм
Вес	160(r)
Вибрация при работе	2,17G пиковая (при частоте 7–800 Гц)
Вибрация в неактивном состоянии	20G пиковая (при частоте 10–2000 Гц)
Среднее время безотказной работы (MTBF)	2 млн часов
Гарантия/поддержка	Пятилетняя ограниченная гарантия и бесплатная техническая поддержка

ГАУЗ «Клиническая больница №2» г.

Казани

Новости

04 02. 2021 11 01. 2021

ОБЪЯВЛЕНИЕ

В ГАУЗ «КЛИНИЧЕСКАЯ БОЛЬНИЦА №2»

проводится предварительная запись на вакцинацию против новой коронавирусной инфекции COVID–19 вакциной «Гам-КОВИД-Вак» («Спутник V»).

Вакцинация показана всем лицам старше 18 лет, не болевшим новой коронавирусной инфекцией COVID–19 в течении последних 6 месяцев и не имеющим противопоказаний (согласно инструкции к препарату).

Перед вакцинацией проводится осмотр фельдшером или врачом – терапевтом.

Адреса и номера телефонов для предварительной записи:

г. Казань, ул. Гладилова, д. 28/5, кабинет №18 или по тел. 5544453, 5983003;

г. Казань, ул. Лазарева, д.7, кабинет №9 или по тел. 5550081, 5983003;

г. Казань, ул. Н. Столярова, д. 39, кабинет №123 или по тел. 5541926, 5983003;

г.Казань, ул. Ильича, д. 30, кабинет № 7 или по тел.

5162575 (78), 5983003

30 11. 2020

Информацию от врача о состоянии пациента, находящегося на лечении в ГАУЗ «Клиническая больница №2» можно получить в будние дни с 13.00 до 16.00 по телефону:

8 (843) 554-25-92.

Прием передач осуществляется ежедневно

 с 10.00 до 14.00 и с 16.00 до 18.00 в приемном покое (розовое здание).

Тихий час с 14.00 до 16.00.

Очное общение лечащего врача с родственниками пациентов категорически ЗАПРЕЩЕНО.

Администрация

09 10. 2020 15 09. 2020

09 09. 2020  
03 09. 2020

Интерактивная карта Всемирного дня безопасности пациентов в Российской Федерации

17 сентября 2020 г. Минздравом России совместно с Росздравнадзором и при взаимодействии с представительством ВОЗ в России запланированы мероприятия, посвященные Всемирному дню безопасности пациентов.

     Пандемия оказывает беспрецедентное давление на системы здравоохранения во всем мире.

     Для предоставления безопасной медицинской помощи пациентам крайне важно наличие компетентного, квалифицированного, заинтересованного медицинского персонала, и создание условий для вовлечения пациентов в процесс лечения.

  Имеется необходимость формирования культуры безопасности пациентов, в рамках которой пациенты рассматриваются как партнеры, поощряется сообщение об ошибках и извлечение из них уроков, при этом акцент не ставится на наказании виновных.

   В условиях пандемии безусловную значимость при организации медицинской помощи приобретает безопасность самих медицинских работников – залог стабильной и результативной работы медицинских организаций, которые функционируют на пределе возможностей.

   Приоритетом становится своевременная подготовка и обучение медицинских работников и руководителей медицинских организаций внедрению эффективных систем управления качеством и профилактики рисков при осуществлении медицинской деятельности, вопросам инфекционной безопасности и методам доказательной медицины.  

     Информация о проведении Всемирного дня безопасности пациентов размещена на сайте Минздрава России https://minzdrav.gov.ru и Росздравнадзора https://roszdravnadzor.gov.ru/ в соответствующих разделах.

 Обращение руководителя Росздравнадзора Аллы Самойловой

     В рамках Всемирного дня безопасности пациента в Российской Федерации в 2020 году запланированы следующие мероприятия:

Всероссийская олимпиада по безопасности в здравоохранении
Цель – выявление уровня компетенций медицинских работников в различных направлениях обеспечения безопасности медицинской деятельности
Положение о проведении Всероссийской олимпиады по безопасности в здравоохранении
Ссылка для участия во Всероссийской олимпиаде

Интерактивное голосование для пациентов и медицинских работников по актуальным вопросам безопасности пациентов
Цель голосования – анализ осведомленности о приоритетных вопросах, связанных с безопасностью при получении и предоставлении медицинской помощи
Ссылка для участия в интерактивном голосовании

Всероссийский конкурс «Лидер качества в здравоохранении»
Конкурс проводится для команд специалистов в сфере здравоохранения, реализовавших успешные проекты, направленные на улучшение качества и безопасности медицинской деятельности
Положение о проведении Всероссийского конкурса «Лидер качества в здравоохранении»
Ссылка для участия во Всероссийском конкурсе «Лидер качества в здравоохранении»

Методические материалы для подготовки и проведения Всемирного дня безопасности пациентов:
информационная справка о Всемирном дне безопасности пациентов
презентация для медицинских работников
презентация для пациентов
буклет для медицинских работников (формат для печати)
буклет для пациентов (формат для печати)
постер (формат для печати и публикации в электронных и бумажных источниках информации)

    

   По вопросам, связанным с подготовкой и сопровождением мероприятий, посвященных Всемирному дню безопасности пациентов обращаться в контакт-центр ФГБУ «Национальный институт качества» Росздравнадзора

тел:+7(495)980-29-35 (доб. 0), эл.почта:[email protected]

Новости 1 – 10 из 37
Начало | Пред. | 1 2 3 4 | След. | Конец

Как интерпретировать R-квадрат и оценить степень соответствия?

После того, как вы подобрали линейную модель с помощью регрессионного анализа, ANOVA или плана экспериментов (DOE), вам необходимо определить, насколько хорошо модель соответствует данным. Чтобы помочь вам, статистическое программное обеспечение Minitab предоставляет различные статистические данные о степени соответствия. В этом посте мы исследуем статистику R-квадрат ( ² рэндов), некоторые ее ограничения и по пути раскроем некоторые сюрпризы. Например, низкие значения R-квадрата не всегда плохи, а высокие значения R-квадрата не всегда хороши!

Что такое критерий согласия для линейной модели?

Определение: остаточное значение = наблюдаемое значение – подходящее значение

Линейная регрессия вычисляет уравнение, которое минимизирует расстояние между подобранной линией и всеми точками данных. Технически регрессия методом наименьших квадратов (OLS) минимизирует сумму квадратов остатков.

В целом, модель хорошо соответствует данным, если различия между наблюдаемыми значениями и предсказанными моделями значениями небольшие и несмещенные.

Перед тем, как взглянуть на статистические критерии согласия, следует проверить графики остатков. Остаточные графики могут выявить нежелательные остаточные модели, которые указывают на смещенные результаты более эффективно, чем числа. Когда ваши остаточные графики пройдут проверку, вы можете доверять своим численным результатам и проверять статистику согласия.

Что такое R-квадрат?

R-квадрат – это статистическая мера того, насколько данные близки к подобранной линии регрессии. Он также известен как коэффициент детерминации или коэффициент множественной детерминации для множественной регрессии.

Определение R-квадрата довольно прямолинейно; это процент вариации переменной ответа, который объясняется линейной моделью. Или:

R-квадрат = объясненная вариация / полная вариация

R-квадрат всегда находится между 0 и 100%:

• 0% означает, что модель не объясняет никакой изменчивости данных отклика относительно среднего значения.
• 100% означает, что модель объясняет всю изменчивость данных отклика относительно среднего значения.

В целом, чем выше R-квадрат, тем лучше модель соответствует вашим данным. Однако есть важные условия для этого руководства, о которых я расскажу как в этой, так и в следующей статье.

Графическое представление R-квадрата

Нанесение подобранных значений по наблюдаемым значениям графически иллюстрирует различные значения R-квадрата для регрессионных моделей.

Модель регрессии слева дает 38,0% дисперсии, а модель справа – 87,4%. Чем больше вариаций учитывается регрессионной моделью, тем ближе точки данных будут соответствовать подобранной линии регрессии. Теоретически, если бы модель могла объяснить 100% дисперсии, подобранные значения всегда были бы равны наблюдаемым значениям, и, следовательно, все точки данных попадали бы на подобранную линию регрессии.

Ключевые ограничения R-квадрат

R-квадрат не может определить, смещены ли оценки коэффициентов и прогнозы, поэтому вы должны оценить графики остатков.

R-квадрат не указывает, адекватна ли регрессионная модель. У вас может быть низкое значение R-квадрата для хорошей модели или высокое значение R-квадрата для модели, которая не соответствует данным!

R-квадрат в вашем выводе – это смещенная оценка R-квадрата населения.

Являются ли низкие значения R-квадрата плохими по своей природе?

Нет! Есть две основные причины, по которым может быть нормально иметь низкие значения R-квадрата.

В некоторых полях вполне ожидаемо, что ваши значения R-квадрата будут низкими.Например, любая область, которая пытается предсказать поведение человека, такая как психология, обычно имеет значения R-квадрата ниже 50%. Человека просто труднее предсказать, чем, скажем, физические процессы.

Кроме того, если ваше значение R-квадрата низкое, но у вас есть статистически значимые предикторы, вы все равно можете сделать важные выводы о том, как изменения значений предикторов связаны с изменениями значения ответа. Независимо от R-квадрата, значимые коэффициенты по-прежнему представляют собой среднее изменение отклика на одну единицу изменения предиктора при сохранении других предикторов в модели постоянной.Очевидно, такая информация может быть чрезвычайно ценной.

См. Графическую иллюстрацию того, почему низкий R-квадрат не влияет на интерпретацию значимых переменных.

Низкий R-квадрат наиболее проблематичен, когда вы хотите получить достаточно точные прогнозы (с достаточно малым интервалом прогнозирования). Насколько высоким должен быть R-квадрат для предсказания? Что ж, это зависит от ваших требований к ширине интервала прогнозирования и степени изменчивости ваших данных.Хотя для точных прогнозов требуется высокий R-квадрат, самого по себе этого недостаточно, как мы увидим.

Хороши ли высокие значения R-квадрата по своей природе?

Нет! Высокий R-квадрат не обязательно означает, что модель подходит. Это может быть сюрпризом, но посмотрите на график подобранной линии и график остатка ниже. Построенный линейный график отображает взаимосвязь между подвижностью электронов полупроводника и натуральным логарифмом плотности для реальных экспериментальных данных.

Построенный линейный график показывает, что эти данные подчиняются хорошей точной функции, а R-квадрат равен 98.5%, что здорово. Однако присмотритесь, чтобы увидеть, как линия регрессии систематически превышает или недооценивает данные (смещение) в разных точках кривой. Вы также можете увидеть закономерности на графике «Остаточные значения по сравнению с соответствиями», а не случайность, которую вы хотите увидеть. Это указывает на плохое соответствие и служит напоминанием о том, почему вы всегда должны проверять остаточные графики.

Этот пример взят из моего сообщения о выборе между линейной и нелинейной регрессией. В этом случае ответ заключается в использовании нелинейной регрессии, поскольку линейные модели не могут соответствовать конкретной кривой, по которой следуют эти данные.

Однако аналогичные смещения могут возникать, когда в вашей линейной модели отсутствуют важные предикторы, полиномиальные члены и члены взаимодействия. Статистики называют это предвзятым отношением к спецификации, и оно вызвано недооценкой модели. Для этого типа смещения вы можете исправить остатки, добавив в модель соответствующие члены.

Для получения дополнительной информации о том, что высокий R-квадрат не всегда хорошо, прочтите мой пост «Пять причин, почему ваш R-квадрат может быть слишком высоким».

Заключительные мысли о R-квадрате

R-квадрат – это удобный, казалось бы, интуитивно понятный способ измерения того, насколько хорошо ваша линейная модель соответствует набору наблюдений.Однако, как мы видели, R-квадрат не рассказывает нам всей истории. Вы должны оценивать значения R-квадрата в сочетании с графиками остатков, другой статистикой модели и знаниями предметной области, чтобы завершить картину (простите за каламбур).

Хотя R-квадрат дает оценку силы связи между вашей моделью и переменной отклика, он не обеспечивает формальной проверки гипотезы для этой связи. F-тест общей значимости определяет, является ли эта взаимосвязь статистически значимой.

В моем следующем блоге мы продолжим тему, что R-квадрат сам по себе неполный, и рассмотрим два других типа R-квадрата: скорректированный R-квадрат и предсказанный R-квадрат. Эти две меры позволяют преодолеть определенные проблемы, чтобы предоставить дополнительную информацию, с помощью которой вы можете оценить объяснительную способность вашей регрессионной модели.

Чтобы узнать больше о R-квадрате, узнайте ответ на этот извечный вопрос: насколько высоким должно быть R-квадрат?

Если вы изучаете регрессию, прочтите мой учебник по регрессии!

Определение R-квадрат

Что такое R-квадрат?

R-квадрат ( ² рэндов) – это статистическая мера, представляющая долю дисперсии для зависимой переменной, которая объясняется независимой переменной или переменными в регрессионной модели.В то время как корреляция объясняет силу взаимосвязи между независимой и зависимой переменной, R-квадрат объясняет, в какой степени дисперсия одной переменной объясняет дисперсию второй переменной. Таким образом, если R ² модели составляет 0,50, то примерно половина наблюдаемых вариаций может быть объяснена входными данными модели.

При инвестировании R-квадрат обычно интерпретируется как процент движений фонда или ценных бумаг, которые можно объяснить движениями контрольного индекса.2 = 1 – \ frac {\ text {Необъяснимая вариация}} {\ text {Общая вариация}} \\ \ end {выравнивается} R2 = 1 – Общая вариация Необъяснимая вариация

Ключевые выводы

• R-Squared – это статистическая мера соответствия, которая показывает, насколько вариация зависимой переменной объясняется независимой переменной (ами) в регрессионной модели.
• При инвестировании R-квадрат обычно интерпретируется как процент движений фонда или ценных бумаг, которые можно объяснить движениями эталонного индекса.
• R-квадрат 100% означает, что все движения ценной бумаги (или другой зависимой переменной) полностью объясняются движениями индекса (или интересующих вас независимых переменных).

Расчет R-квадрат

Фактический расчет R-квадрата требует нескольких шагов. Это включает в себя получение точек данных (наблюдений) зависимых и независимых переменных и поиск линии наилучшего соответствия, часто на основе регрессионной модели. Оттуда вы можете рассчитать прогнозируемые значения, вычесть фактические значения и возвести результаты в квадрат.Это дает список ошибок в квадрате, который затем суммируется и равен необъяснимой дисперсии.

Чтобы рассчитать общую дисперсию, вы должны вычесть среднее фактическое значение из каждого фактического значения, возвести результаты в квадрат и просуммировать их. Оттуда разделите первую сумму ошибок (объясненную дисперсию) на вторую сумму (общую дисперсию), вычтите результат из единицы, и вы получите R-квадрат.

Что вам говорит R-Squared?

Значения R-квадрат находятся в диапазоне от 0 до 1 и обычно выражаются в процентах от 0% до 100%.R-квадрат 100% означает, что все движения ценной бумаги (или другой зависимой переменной) полностью объясняются движениями индекса (или интересующих вас независимых переменных).

При инвестировании высокий R-квадрат от 85% до 100% указывает на то, что доходность акций или фонда движется относительно в соответствии с индексом. Фонд с низким R-квадратом, равным 70% или меньше, указывает на то, что ценная бумага обычно не следует за движениями индекса. Более высокое значение R-квадрата укажет на более полезный показатель бета.Например, если у акции или фонда значение R-квадрата близко к 100%, но бета ниже 1, то они, скорее всего, предлагают более высокую доходность с поправкой на риск.

Разница между R-квадрат и скорректированный R-квадрат

R-Squared работает только по назначению в простой модели линейной регрессии с одной независимой переменной. При множественной регрессии, состоящей из нескольких независимых переменных, R-квадрат необходимо скорректировать. Скорректированный R-квадрат сравнивает описательную силу регрессионных моделей, которые включают различное количество предикторов.Каждый предиктор, добавленный к модели, увеличивает R-квадрат и никогда не уменьшает его. Таким образом, модель с большим количеством членов может показаться более подходящей только потому, что в ней больше членов, в то время как скорректированный R-квадрат компенсирует добавление переменных и увеличивается только в том случае, если новый член улучшает модель выше того, что было бы получается по вероятности и уменьшается, когда предсказатель улучшает модель меньше, чем предсказано случайно. В условиях переобучения получается неверно высокое значение R-квадрата, даже когда модель фактически имеет пониженную способность прогнозирования.Это не относится к скорректированному R-квадрату.

Разница между R-Squared и Beta

Бета и R-квадрат – это два связанных, но разных показателя корреляции, но бета – это показатель относительной рискованности. Паевой инвестиционный фонд с высоким R-квадратом сильно коррелирует с эталоном. Если бета также высока, она может принести более высокую доходность, чем эталон, особенно на бычьих рынках. R-квадрат измеряет, насколько близко каждое изменение цены актива коррелирует с эталоном. Бета измеряет, насколько велики эти изменения цен по сравнению с эталоном. Используемые вместе, R-квадрат и бета дают инвесторам полную картину эффективности управляющих активами. Бета, равная точно 1,0, означает, что риск (волатильность) актива идентичен его эталонному показателю. По сути, R-квадрат – это метод статистического анализа для практического использования и надежности бета-версии ценных бумаг.

Ограничения R-Squared

R-квадрат даст вам оценку взаимосвязи между движениями зависимой переменной на основе движений независимой переменной.Он не скажет вам, хороша ли ваша выбранная модель или плохая, и не скажет, являются ли данные и прогнозы необъективными. Высокий или низкий R-квадрат не обязательно хорош или плох, поскольку он не передает надежность модели или правильность выбора регрессии. Вы можете получить низкий R-квадрат для хорошей модели или высокий R-квадрат для плохо подогнанной модели, и наоборот.

Часто задаваемые вопросы

Что такое хорошее значение R-квадрата

То, что считается «хорошим» значением R-Squared, будет зависеть от контекста. В некоторых областях, например в социальных науках, даже относительно низкий R-Squared, например 0,5, можно считать относительно сильным. В других областях стандарты хорошего показания R-Squared могут быть намного выше, например 0,9 или выше. В сфере финансов R-Squared выше 0,7 обычно рассматривается как показывающий высокий уровень корреляции, тогда как показатель ниже 0,4 показывает низкую корреляцию. Однако это не жесткое правило, и оно будет зависеть от конкретного анализа.

Что означает значение 0 в R-квадрате.9 значит?

По сути, значение R-Squared, равное 0,9, означает, что 90% дисперсии изучаемой зависимой переменной объясняется дисперсией независимой переменной. Например, если у паевого инвестиционного фонда значение R-Squared составляет 0,9 относительно его эталонного показателя, это будет означать, что 90% дисперсии фонда объясняется дисперсией его эталонного индекса.

Лучше ли более высокий R-квадрат?

Здесь опять же, это зависит от контекста. Предположим, вы ищете индексный фонд, который будет максимально точно отслеживать конкретный индекс. В этом сценарии вы хотите, чтобы R-квадрат фонда был как можно выше, поскольку его цель – соответствовать, а не превосходить индекс. С другой стороны, если вы ищете активно управляемые фонды, высокий R-Squared может рассматриваться как плохой знак, указывающий на то, что управляющие фондами не добавляют достаточной стоимости по сравнению с их контрольными показателями.

Коэффициент детерминации (R в квадрате): определение, расчет

Содержание :

Коэффициент детерминации (R в квадрате)

Коэффициент детерминации, R ² , используется для анализа того, как различия в одной переменной могут быть объяснены разницей во второй переменной.Например, , когда человек забеременеет, имеет прямое отношение к тому, когда он рожает.

Более конкретно, R-квадрат дает вам процентное изменение y, объясняемое x-переменными. Диапазон составляет от 0 до 1 (т.е. от 0% до 100% вариации y можно объяснить переменными x).

Коэффициент детерминации, R ² , аналогичен коэффициенту корреляции , R. Формула коэффициента корреляции покажет вам, насколько сильна линейная связь между двумя переменными.R в квадрате – это квадрат коэффициента корреляции, r (отсюда и термин r в квадрате). Посмотрите это видео, чтобы получить краткое определение r в квадрате и узнать, как его найти:

Нахождение R в квадрате / Коэффициент детерминации

Нужна помощь с домашним заданием? Посетите нашу страницу обучения!
Шаг 1: Найдите коэффициент корреляции r (он может быть указан вам в вопросе). Пример, r = 0,543 .

Шаг 2: Возвести в квадрат коэффициент корреляции.
0,543 ² = ,295

Шаг 3: Преобразуйте коэффициент корреляции в проценты .
,295 = 29,5%

Вот и все!

Значение коэффициента детерминации

Коэффициент детерминации можно представить как процент. Это дает вам представление о том, сколько точек данных попадает в результаты линии, образованной уравнением регрессии.Чем выше коэффициент, тем выше процент точек, через которые проходит линия при построении точек данных и линии. Если коэффициент равен 0,80, то 80% точек должны попадать в линию регрессии. Значения 1 или 0 будут означать, что линия регрессии представляет все или никакие данные соответственно. Более высокий коэффициент является показателем лучшего соответствия наблюдениям.

CoD может быть отрицательным , хотя обычно это означает, что ваша модель плохо подходит для ваших данных.Он также может стать отрицательным, если вы не установили перехват.

Полезность R

²

Полезность R ² заключается в его способности определять вероятность того, что будущие события попадут в пределы прогнозируемых результатов. Идея состоит в том, что если добавить больше выборок, коэффициент покажет вероятность падения новой точки на линии.
Даже если между двумя переменными существует сильная связь, определение не доказывает причинно-следственную связь. Например, исследование дней рождения может показать, что большое количество дней рождения происходит в течение одного или двух месяцев.Это не означает, что беременность наступает по прошествии времени или смене времен года.

Синтаксис

Коэффициент детерминации обычно записывается как R ² _p. «P» указывает количество столбцов данных, что полезно при сравнении R ² различных наборов данных.

Вернуться к началу

Что такое скорректированный коэффициент детерминации?

Скорректированный коэффициент детерминации (скорректированный R-квадрат) – это поправка для коэффициента детерминации, которая учитывает количество переменных в наборе данных. Он также наказывает вас за очки, не соответствующие модели.

Возможно, вы знаете, что небольшое количество значений в наборе данных (слишком маленький размер выборки) может привести к недостоверной статистике, но вы можете не знать, что слишком много точек данных также может привести к проблемам. Каждый раз, когда вы добавляете точку данных в регрессионный анализ, ² рэндов будет увеличиваться. R ² никогда не уменьшается. Следовательно, чем больше очков вы добавите, тем лучше будет казаться, что регрессия «соответствует» вашим данным.Если ваши данные не совсем умещаются в строке, может возникнуть соблазн продолжить добавление данных, пока вы не найдете более подходящего.

Некоторые из добавленных вами баллов будут значительными (соответствовать модели), а другие – нет. R ² не заботится о незначительных пунктах. Чем больше вы добавите, тем выше коэффициент детерминации .

Скорректированный R ² можно использовать для включения более подходящего числа переменных , что избавит вас от соблазна продолжать добавлять переменные в ваш набор данных.Скорректированный R ² увеличится только в том случае, если новая точка данных улучшит регрессию в большей степени, чем вы ожидали случайно. R ² не включает все точки данных, всегда меньше, чем R ² , и может быть отрицательным (хотя обычно положительным). Отрицательные значения вероятны, если R ² близко к нулю – после корректировки значение немного опустится ниже нуля.

Подробнее см .: Скорректированный R-квадрат.

Посетите мой канал на Youtube, чтобы получить больше советов по статистике и помощи!

Список литературы

Гоник, Л.(1993). Мультяшный справочник по статистике. HarperPerennial.
Kotz, S .; и др., ред. (2006), Энциклопедия статистических наук, Wiley.
Vogt, W.P. (2005). Словарь статистики и методологии: Нетехническое руководство для социальных наук. МУДРЕЦ.

————————————————– —————————-

Нужна помощь с домашним заданием или контрольным вопросом? С Chegg Study вы можете получить пошаговые ответы на свои вопросы от эксперта в этой области.Ваши первые 30 минут с репетитором Chegg бесплатны!

Комментарии? Нужно опубликовать исправление? Пожалуйста, оставьте комментарий на нашей странице в Facebook .

Что такое R-квадрат? | Дисплей

Статистика R-квадрата количественно определяет точность прогноза статистической модели. Он показывает долю дисперсии в переменной результата, которая объясняется прогнозами. Он также известен как коэффициент детерминации, R², r² и r-квадрат.В этой статье будут рассмотрены ключевые свойства R², способ его вычисления и его ограничения.

Ключевые свойства R-квадрата

R-квадрат, иначе известный как R² , обычно имеет значение в диапазоне от 0 до 1. Значение 1 указывает, что прогнозы идентичны наблюдаемым значениям; невозможно иметь значение R² больше 1. Значение 0 указывает на отсутствие линейной зависимости между наблюдаемыми и прогнозируемыми значениями, где «линейный» в данном контексте означает, что все еще возможно, что существует представляет собой нелинейную зависимость между наблюдаемыми и прогнозируемыми значениями.Наконец, значение 0,5 означает, что половина дисперсии переменной результата объясняется моделью. Иногда R² представляется в процентах (например, 50%).

Как рассчитывается статистика R-квадрат?

Существует много эквивалентных способов вычисления R ². Пожалуй, самый простой:

R² = Объясненная сумма квадратов / Общая сумма квадратов

Я проиллюстрировал это в таблице ниже. Первый столбец, называемый «Наблюдаемые», показывает девять наблюдаемых значений (т.е.е., исходной переменной ). Второй столбец содержит наблюдаемые значения за вычетом их среднего значения 1,95. В третьем столбце эти значения возведены в квадрат. Сумма этих квадратов значений называется общей суммой квадратов (TSS).

В четвертом столбце показаны прогнозируемые значения (в данном случае из линейной регрессии ). Объясненная сумма квадратов вычисляется с использованием предсказанных значений таким же образом, как это было сделано с наблюдаемыми значениями.Соотношение этих чисел 0,18909 / 3,27 = 0,05783 = R².

Альтернативный способ вычисления R² – это квадрат корреляции момента произведения Пирсона . В большинстве обычных ситуаций эти два вычисления дают одинаковые значения. Они могут отличаться, когда используемая модель не является разумной (например, модель, в которой прогнозы менее точны, чем случайность) или когда они вычисляются для данных, которые не использовались при подборе модели.

Как использовать R

²

R² имеет два основных назначения. Один из них – дать общее представление о том, насколько модель соответствует данным. Если R² составляет всего 0,1, то в абсолютном смысле R² объясняет только десятую часть того, что можно объяснить. Точно так же R² из 0,99 объясняет почти все, что можно объяснить.

Еще одно основное применение R² – сравнение моделей. При прочих равных, модель с более высоким R² является лучшей моделью.

Ограничения R-квадрат

Распространенное заблуждение R² состоит в том, что есть порог.Например, модель должна иметь R² больше 0,9, чтобы считаться хорошей. Это редко бывает правдой: например, модель, которая предсказывает, что будущие цены акций могут принести миллиарды долларов прибыли для хедж-фонда, даже если R² составляет всего 0,01.

R² может тоже проблематично при сравнении моделей. В случае регрессии, например, если вы добавите дополнительный предиктор, R² почти всегда будет увеличиваться. Поэтому, хотя исследователи обычно смотрят на R² при сравнении моделей, более сложные методы (например.g., статистические тесты, информационные критерии) следует использовать большую часть времени.

Варианты R

²

Есть несколько вариантов R². Самым известным является статистика с поправкой на R², , которая позволяет сравнивать R² по моделям с разным количеством предикторов. Различные статистические данные псевдо-R² были разработаны для моделей для категориальных переменных результата.

Обязательно ознакомьтесь с нашим постом «8 советов по интерпретации R-Squared»! Есть термин, в котором вы не уверены? Ознакомьтесь с другими нашими руководствами “Что есть”.

Как интерпретировать R-квадрат и критерий согласия в регрессионном анализе

Эту статью написал Джим Фрост из Minitab. Он пришел в Minitab, имея опыт работы в самых разных академических областях. Его роль была «специалистом по данным / статистике» в исследовательских проектах, которые варьировались от профилактики остеопороза до количественных исследований поведения онлайн-пользователей. По сути, его работа заключалась в том, чтобы разработать соответствующие условия исследования, точно произвести огромное море измерений, а затем извлечь из них закономерности и значения.

После того, как вы подобрали линейную модель с помощью регрессионного анализа, ANOVA или плана экспериментов (DOE), вам необходимо определить, насколько хорошо модель соответствует данным. Чтобы помочь вам, статистическое программное обеспечение Minitab предоставляет различные статистические данные о степени соответствия. В этом посте вы изучите статистику R-квадрат (R2), некоторые из ее ограничений и по пути откроете для себя некоторые сюрпризы. Например, низкие значения R-квадрата не всегда плохи, а высокие значения R-квадрата не всегда хороши!

Что такое критерий согласия для линейной модели?

Определение: остаточное значение = наблюдаемое значение – подходящее значение

Линейная регрессия вычисляет уравнение, которое минимизирует расстояние между подобранной линией и всеми точками данных. Технически регрессия методом наименьших квадратов (OLS) минимизирует сумму квадратов остатков.

В целом, модель хорошо соответствует данным, если различия между наблюдаемыми значениями и предсказанными моделями значениями небольшие и несмещенные.

Перед тем, как взглянуть на статистические показатели согласия, следует проверить графики остатков. Остаточные графики могут выявить нежелательные остаточные модели, которые указывают на смещенные результаты более эффективно, чем числа. Когда ваши остаточные графики пройдут проверку, вы можете доверять своим численным результатам и проверять статистику согласия.

Что такое R-квадрат?

R-квадрат – это статистическая мера того, насколько данные близки к подобранной линии регрессии. Он также известен как коэффициент детерминации или коэффициент множественной детерминации для множественной регрессии.

Определение R-квадрата довольно прямолинейно; это процент вариации переменной ответа, который объясняется линейной моделью. Или:

R-квадрат = объясненная вариация / полная вариация

R-квадрат всегда находится между 0 и 100%:

• 0% означает, что модель не объясняет никакой изменчивости данных отклика относительно среднего значения.
• 100% означает, что модель объясняет всю изменчивость данных отклика относительно среднего значения.

В целом, чем выше R-квадрат, тем лучше модель соответствует вашим данным. Однако есть важные условия для этого руководства, о которых я расскажу как в этой, так и в следующей статье.

Графическое представление R-квадрата

Нанесение подобранных значений по наблюдаемым значениям графически иллюстрирует различные значения R-квадрата для регрессионных моделей.

Модель регрессии слева дает 38,0% дисперсии, а модель справа – 87,4%. Чем больше вариаций учитывается регрессионной моделью, тем ближе точки данных будут соответствовать подобранной линии регрессии. Теоретически, если бы модель могла объяснить 100% дисперсии, подобранные значения всегда были бы равны наблюдаемым значениям, и, следовательно, все точки данных попадали бы на подобранную линию регрессии.

Чтобы узнать больше о регрессионном анализе, щелкните здесь.

Основные ресурсы DSC

Следуйте за нами в Twitter: @DataScienceCtrl | @AnalyticBridge

Глядя на R-Squared. В науке о данных мы создаем регресс… | by Erika D

В науке о данных мы создаем регрессионные модели, чтобы увидеть, насколько хорошо мы можем предсказать одну переменную, используя одну или несколько других переменных. Надежда на линию регрессии состоит в том, что мы сможем предсказать нашу зависимую переменную, включив наши независимые переменные в наше наиболее подходящее линейное уравнение.Но как мы узнаем, что эта линия точно предсказывает значения y? Вот где в игру вступает R-Squared.

Что такое R-квадрат?

R-квадрат, также известный как коэффициент детерминации, представляет собой значение от 0 до 1, которое измеряет, насколько хорошо наша линия регрессии соответствует нашим данным. R-квадрат можно интерпретировать как процент отклонения в нашей зависимой переменной, который можно объяснить с помощью нашей модели. Чем ближе R-квадрат к 1 или 100%, тем лучше наша модель будет предсказывать нашу зависимую переменную.Это может немного сбивать с толку, поэтому, чтобы по-настоящему понять R-Squared, мы должны разобраться, как он рассчитывается.

Как рассчитать R-квадрат

Формула R-Squared сравнивает нашу подобранную линию регрессии с базовой моделью. Эта базовая модель считается «худшей» моделью. Базовая модель представляет собой плоскую линию, которая предсказывает, что каждое значение y будет средним значением y. R-Squared проверяет, предсказывает ли наша подобранная линия регрессии y лучше, чем среднее значение.

Верхняя часть нашей формулы – это остаточная сумма квадратов ошибок нашей регрессионной модели (SSres).Итак, если фактическое значение y было 5, но мы предсказали, что оно будет 6, тогда квадратичная остаточная ошибка будет равна 1, и мы добавим это к остальным квадратам остаточных ошибок модели.

Нижняя часть нашей формулы – это общая сумма квадратов ошибок (SStot). Это сравнение фактических значений y со средним значением нашей базовой модели. Таким образом, мы возводим в квадрат разницу между всеми фактическими значениями y и средним значением и складываем их вместе.

Изображение с: https://learn.co/tracks/data-science-career-v2/module-1-python-for-data-science/section-07-introduction-to-linear-regression/coefficient-of- определение

Интересно отметить, что формула R-Squared не использует никаких независимых переменных.

Всегда ли низкий R-квадрат плох?

То, что модель a имеет низкий R-Squared, не означает, что это плохая модель. Часто говорят, что R-квадрат измеряет степень соответствия линии регрессии, однако это может вводить в заблуждение. Некоторые области исследований всегда будут иметь большее количество необъяснимых вариаций, например, исследования, пытающиеся предсказать поведение человека. Если у вас низкий R-квадрат, но независимые переменные по-прежнему статистически значимы, вы все равно можете сделать выводы о взаимосвязях между переменными, и ваша регрессионная модель может лучше всего подходить для данного набора данных. Если остатки широко разбросаны, а дисперсия (σ2) высока, ваш R-квадрат неизбежно будет меньше, но линия регрессии все равно может быть лучшим способом описания взаимосвязи между переменными.

Изображение взято: https://blog.minitab.com/blog/adventures-in-statistics-2/how-to-interpret-a-regression-model-with-low-r-squared-and-low-p- values ​​

Всегда ли высокий R-квадрат хорош?

R-Squared также может быть высоким, но означает ли это, что модель точна? Не обязательно.Есть много возможностей того, почему ваш R-квадрат высок, но они не имеют ничего общего с предсказательной достоверностью вашей модели. В одном случае вы можете прогнозировать одну переменную, непреднамеренно используя другую форму той же переменной, например, вы можете прогнозировать температуру в градусах Фаренгейта, а одной из ваших независимых переменных является температура в градусах Цельсия. Очевидно, вы получите очень высокий R-квадрат, но модель, которая прогнозирует одну переменную с использованием той же переменной в другой форме, бесполезна.

Изображение через: https://newonlinecourses.science.psu.edu/stat501/node/251/

Другая возможность состоит в том, что в вашей модели слишком много переменных по сравнению с количеством наблюдений. Это приведет к переобучению модели, и, хотя она может хорошо предсказывать смоделированные данные, она не будет хорошо предсказывать новые данные. Чтобы убедиться, что вы не переоцениваете свои данные для достижения высокого R-Squared, вы можете либо разделить свои данные для обучения и тестирования, но вы также можете посмотреть на Predicted R-Squared.

Прогнозируемый R-квадрат можно рассчитать с помощью статистической программы, которая удаляет каждую точку данных из набора данных, повторно вычисляет линию регрессии, проверяет, насколько хорошо линия предсказывает отсутствующую точку данных, а затем повторяет этот процесс для каждой точки данных. в наборе данных.Если ваше прогнозируемое значение R-Squared значительно ниже, чем ваше значение R-Squared, вы можете предположить, что ваша модель чрезмерно соответствует данным, и вам может потребоваться удалить некоторые независимые переменные из вашей модели.

Мы также можем видеть ситуации, когда R-Squared близок к 1, но модель полностью неверна. Если вы посмотрите на рисунок ниже, вы увидите, что у модели ниже R-квадрат 0,92, но все, что вам нужно сделать, это посмотреть на график, и вы увидите, что линия регрессии не соответствует данным и другая модель должен быть использован.

Изображение с: https://newonlinecourses.science.psu.edu/stat501/node/258/

Другая проблема с R-Squared заключается в том, что если вы продолжаете добавлять все больше и больше независимых переменных, R-Squared будет расти. Однако это не означает, что эти дополнительные переменные обладают прогностическим качеством. Например, предположим, что вы создаете модель для прогнозирования веса человека на основе его роста. Затем вы решаете добавить переменную, цвет глаз и обнаруживаете, что ваш R-квадрат повышается. Означает ли это, что человек с карими глазами, вероятно, будет весить больше или меньше, чем человек с голубыми глазами? Вероятно, нет, но чтобы подтвердить это, мы могли бы использовать Скорректированный R-квадрат.

Скорректированный R-квадрат учитывает количество независимых переменных, которые вы используете в своей модели, и может помочь указать, бесполезна переменная или нет. Чем больше переменных вы добавите в свою модель без качества прогнозирования, тем ниже будет ваш Скорректированный R-квадрат. Вы можете видеть, что количество независимых переменных, k, включено в приведенную ниже формулу Скорректированный R-квадрат.

Изображение через: https://slideplayer.com/slide/8485605/

Как и R-Squared, Скорректированный R-Squared представляет собой значение от 0 до 1 и будет либо меньше, чем R-Squared, либо равно ему.Вы хотите, чтобы разница между R-Squared и Скорректированным R-Squared была как можно меньше.

Заключительные мысли

R-Squared – полезная статистика, которую можно использовать при определении того, может ли ваша регрессионная модель точно предсказать переменную, но ее нужно использовать осторожно. Мы не можем просто выбросить модель, потому что значение R-Squared низкое, или предположить, что у нас есть отличная модель, потому что наш R-Squared высокий. Мы должны посмотреть на разброс наших остатков, какой тип переменных-предикторов мы используем и сколько мы используем.Также полезно посмотреть на прогнозируемый R-квадрат и скорректированный R-квадрат по сравнению с нашим исходным R-квадрат. Имейте в виду, что R-Squared – это не единственный способ измерить нашу ошибку прогноза, и может быть полезно взглянуть на другие статистические данные, такие как среднеквадратичная ошибка.

Что такое линейная регрессия R2?

Обновлено 24 февраля 2020 г.

Кевин Бек

Проверено: Lana Bandoim, B.S.

В спорте упорный труд на тренировках и тренировках часто вознаграждается высокими результатами в соревнованиях и играх (пропорционально).Другими словами, рефрен старой школы «Нет боли – нет выгоды!» звучит очень правдиво, хотя более оптимистичная формулировка той же идеи звучит так: «Чем усерднее вы объективно работаете, тем выше ваш уровень объективного успеха».

Вы можете проверить эту идею, выбрав наугад 100 бегунов на длинные дистанции (возможно, используя онлайн-опрос для сбора участников) и заставив их соревноваться друг с другом на расстояние 5 километров (3,1 мили). Вы можете попросить их сообщить, сколько миль в неделю они в среднем пробегали за предыдущие три месяца перед этим тестом.

Если вы затем построите график зависимости скорости 5 км от среднего количества миль в неделю, вы ожидаете увидеть положительную корреляцию между тренировкой и производительностью. Но будет ли это «идеальная» корреляция? Другими словами, можете ли вы придумать причины ожидать, что точки данных будут отклоняться от прогнозируемого соотношения между объемом тренировки и скоростью 5 км?

Добро пожаловать в мир линейного регрессионного анализа, чудесного и, как правило, довольно интересного инструмента, помогающего исследовать и количественно определять отношения между явно связанными переменными.В дополнение к приведенному выше примеру вы можете представить себе бесчисленное множество других (например, количество осадков по сравнению с уровнем растительности; доход по сравнению с доступом к медицинскому обслуживанию в США), представляющих личные и гражданские интересы.

Читайте дальше, чтобы узнать больше, чем вы когда-либо ожидали, о вопросах, связанных с теперь известной «формулой R-квадрата» в статистике.

О линейных уравнениях

Линейное уравнение названо так, потому что оно дает прямую линию при построении графика с использованием координат x и y. Его можно выразить в виде:

В этой схеме a и b – константы, x называется независимой переменной , а y известен как зависимая переменная .Другой способ заявить об этой связи – «изменение y с x».

В реальном мире это означает, что x обычно является переменной, которую вы можете контролировать или выбирать в эксперименте или анализе (например, количество пройденных миль), а y – это переменная, которая, кажется, имеет какую-то зависимость на x (например, скорость бега).

Пример: Изобразите уравнение y = 5x – 7.

В линейных уравнениях a называется точкой пересечения по оси y. На графике видно, что это значение y там, где график пересекает ось y.В противном случае график представляет собой вертикальную линию, а уравнение принимает форму x = константа. Такой график вообще ничего не устанавливает относительно y как функции от x, и его нельзя представить в виде y = a + b x .

Константа b называется наклоном линии , который на вводных курсах математики известен как «подъем за пробегом». Он может быть положительным (представленный наклонной вверх линией по отношению к осям x и y), отрицательным (наклонная вниз линия) или 0 (горизонтальная линия).

Что такое корреляция между переменными?

Выше вам было предложено рассмотреть влияние изменчивого поведения (физическая подготовка) на результат (время 5K), которое предлагается в какой-то неизвестной, но значительной степени зависеть от этого переменного поведения.

Выбирая значительное количество субъектов для анализа (N = 100), вы стремитесь определить, существуют ли значимые и воспроизводимые отношения; Если вы посмотрели только на трех или четырех бегунов, и один или двое из них простудились в день теста, результаты будут менее полезными.

Если вы заплатили 10 долларов за разработанное приложение и почему-то не имели затрат на запуск или обслуживание, ваша прибыль будет равна количеству проданных единиц, умноженному на десять: y = 10x. Таким образом, будет «идеальная» или неизменная корреляция между количеством проданных единиц и прибылью. Если бы вы построили график, очевидно, что одна линия соединила бы все точки.

Но как насчет корреляций, которые явно присутствуют, но не являются «идеальными»? В науке это действительно так в большинстве случаев, и линейный регрессионный анализ – это инструмент, который ученые используют для определения степени или силы любых взаимосвязей, установленных между переменными в мире.

Что противоречит статистике?

Представьте себе выборку 1000 человек из населения США, которые сообщают, что они потребляют более трех чашек кофе в день, и сравнение совокупного показателя рака легких в этой группе с частотой рака легких 1000 случайно выбранных американцев, которые сообщают, что вообще не пьют кофе. . Вы были бы удивлены, обнаружив, что в группе, употребляющей кофе, в конечном итоге было значительно больше случаев рака легких, чем в группе трезвенников?

Если вы уже думаете, что либо план исследования был ошибочным, либо в кофе есть что-то коварное и ранее неизвестное, вы на правильном пути.Возможно, неудивительно, что уровень курения сигарет среди тех, кто много пьет кофе, намного выше, чем среди людей, которые пьют в умеренных количествах или совсем не пьют.

В этом случае курение сигарет известно как искажающая переменная . Поскольку он оказывает измеримое влияние на интересующий результат, не будучи связанным с независимой переменной, он вносит шум в исследование. Статистики и исследователи должны иметь возможность контролировать такие мешающие переменные при планировании исследований и анализе данных, которые они производят.

О регрессионном анализе

Допустим, вы проводите анализ времени тренировки по сравнению с 5K, и, к своему большому удовольствию, вы видите, что на самом деле существует связь между работой и результатами: те, кто сообщает о более тщательной подготовке, как правило, быстрее раз. Но график ни в коем случае не является линией; вместо этого это своего рода облако, которое выглядит так, как будто через него можно провести линию и уловить математическую «сущность» облака точек, называемого диаграммой рассеяния .

Чтобы выполнить так называемый линейный регрессионный анализ, который представляет собой процесс, используемый для определения наилучшей линии соответствия на диаграмме рассеяния, вы должны уметь сделать два предположения.Один из них заключается в том, что соотношение на самом деле является линейным, а не, скажем, криволинейным, как когда y изменяется с некоторой экспоненциальной степенью x.

Другой заключается в том, что соотношение между y и x таково, что y является непрерывной , то есть дискретной переменной , такой как 1, 2 или 3 класса в семестре.

На графике зависимости скорости 5 км от объема тренировки для 100 ваших испытуемых нет истинной линии, представляющей график. Это означает, что также нет реального наклона или пересечения по оси Y. Однако существует линия, которая наилучшим образом соответствует всем нанесенным точкам и минимизирует общую разницу между линией и всеми отдельными точками данных. Эта линия дает оценку точки пересечения оси y и наклона, а описывающее ее уравнение имеет форму, указанную выше:

ŷ называется «y-шляпа», а график называется линией наилучшего соответствия или, по причинам, скоро станет ясно, линия наименьших квадратов .

• Как вы, возможно, уже определили, от вас не требуется решать эти уравнения вручную.Калькулятор не только выполнит эту функцию за вас, но вы также можете использовать любое количество онлайн-инструментов, которые сделают эту работу за вас (см. Пример в Ресурсах).

Что такое коэффициент корреляции r?

В приведенном выше уравнении константы a и b представляют собой оценки, полученные из средних значений x и y в выборке (таких как средний объем тренировки и среднее время 5K), записанные как x̅ и y̅. Вывод слишком обширен для этого обсуждения, но для полноты картины

b = ∑ [(x – x̅) (y – y̅)] / ∑ (x – x̅) ²

Константа b получается из величина отклонений.Интуитивно вы, возможно, уже заметили, что меньшие значения всех величин в скобках в этом уравнении связаны с лучшим «соответствием» между данными и линией, созданной для определения линейной зависимости между x и y в этих точках.

Выражение для константы b выше можно записать:

Где S _y и S _x – стандартные отклонения значений x и y в наборе. Наконец, вы пришли к ключевой величине регрессионного анализа: коэффициент корреляции r , который может варьироваться в пределах -1.0 и 1.0.

• r – нижний элемент на экране вывода LinRegTTest на калькуляторах TI-83, TI-83 + и TI-84 +.

Что такое коэффициент детерминации?

Сам по себе коэффициент корреляции r очень полезен. Значение, близкое к 1,0, указывает на почти идеальную положительную корреляцию, как в примере продаж вашего приложения. Значение, близкое к -1,0, указывает на сильную отрицательную корреляцию, при которой перемещение независимой переменной (скажем, часов, проведенных на вечеринках) в одну сторону приводит к перемещению другой переменной (скажем, GPA) в противоположном направлении.

Второй важной величиной в линейном регрессионном анализе является коэффициент детерминации . При обсуждении линейной регрессии коэффициент детерминации всегда является квадратом коэффициента корреляции r, поэтому он просто равен (r) ² = r ² . Обратите внимание, что это значение не может быть отрицательным.

Коэффициент детерминации – это не просто числовое преобразование коэффициента корреляции; во многих случаях он также имеет большое объяснительное значение.Обычно он выражается в процентах, а не в виде десятичного числа, поскольку это язык, который статистики предпочитают использовать при передаче информации другим ученым и особенно общественности.

Зачем нужно значение r2?

Во-первых, полезно знать, что на самом деле представляет собой r ² . Лучше всего определить как процент вариации зависимой или прогнозируемой переменной (y), которая может быть объяснена вариацией независимой или объясняющей переменной (x) с использованием линии наилучшего соответствия, полученной в результате регрессионного анализа.

Если значение r ² в вашем беговом исследовании оказалось равным 0,64, вы могли бы заявить, что 64 процента вариации в 5 000 раз объяснялись различиями в объеме тренировки. (Быстрая проверка: какие значения r могут дать коэффициент детерминации 0,64?)

Точно так же значение 1 – r ² , выраженное в процентах, представляет процент вариации в y , который не объясняется вариацией x . Это может показаться тривиально верным результатом, но в некоторых случаях вас могут больше интересовать различия, а не сходства.