
- •Информационно- измерительные технологии на предприятиях кинематографии
- •Оглавление
- •1. Информационно- измерительные технологии и информационно- измерительные системы в кинематографии
- •1.1. Информационная метрология, измерительные сигналы
- •Информационно- измерительные системы, основные определения, отличие информационно- измерительной системы от измерительного прибора
- •1.3. Элементы информационно- измерительных систем, передаточная функция системы
- •Стандартизация в области информационно- измерительных систем
- •1.5. Классификация информационно- измерительных систем по степени сложности, особенности оценки точности информационно- измерительных систем
- •Оценка точности результатов измерения с использованием информационных подходов
- •2. Анализ измерительных сигналов как случайных функций
- •Вероятностные характеристики измерительных сигналов
- •2.2. Использование оценок для экспериментального определения вероятностных характеристик измерительных сигналов
- •Классификация измерительных задач
- •Формы представления и основные принципы передачи измерительной информации
- •3.1. Основные тенденции
- •3.2. Модуляция измерительных сигналов
- •3.3. Дискретизация измерительных сигналов
- •3.4. Кодирование измерительной информации
- •3.5. Согласование параметров измерительного сигнала с параметрами передающего канала
- •1.Теоретические основы ти
- •1.1. Формально- логические принципы измерений
- •1.2. Неоднозначность образов действительности
- •1.3. Решающие правила отображений
- •2.Моделирование измерительных систем
- •2.1. Общие принципы моделирования измерительных систем
- •2.2.Обработка экспериментальных данных перед разработкой модели
- •1. Сглаживание экспериментальных данных (измерительных сигналов)
- •Сглаживание экспериментальных во времени
- •2. Экстраполяция, интерполяция, аппроксимация.
- •2.3.Использование статистических моделей для оценки неоднозначности образа действительности
- •2.4. Неоднозначность многомерного образа действительности с использованием векторных статистических моделей
- •2.5. Информационные технологии, используемые при моделировании в метрологии
- •2.6. Соотношение между погрешностями и результатами измерений
- •2.7.Виды моделей, которые могут быть использованы для описания измерительных систем
- •2.8.Модели измерений
- •2.7. Математические модели измерительных систем
- •Математические модели и методы их расчета
- •1. Понятие операционного исследования
- •2.8. Выбор и обоснование модели, описывающей результаты измерений
- •3.Роль математических методов в метрологических процедурах
- •3.1. Разнообразие метрологических процедур, используемых на предприятиях и в организациях кинематографии
- •3.2. Место математических методов в метрологической системе (в системе метрологических процедур) предприятия
- •3.3. Требования к математическим моделям, используемым при разработке метрологической службы предприятия
- •3.4. Выбор математической модели, описывающей систему метрологических процедур(метрологическую службу) предприятия
- •3.5. Математические методы, используемые при функционировании метрологической системы
- •4.Модели и методы метрологии, основанные на статистических зависимостях
- •4.1. Статистические модели, используемые при дисперсионном анализе
- •4.2. Нахождение статистических зависимостей с использованием планирования экспериментов
- •4.2.1.Выбор входных и выходных переменных
- •4.2.2.Выбор математической модели
- •4.2.3.Обработка результатов аппроксимации при использовании метода планирования экспериментов
- •3.Оценка значимости коэффициентов аппроксимирующей зависимости
- •4.3. Пассивный и активный эксперимент
- •4.5. Корреляционный анализ
- •4.6. Кластерный анализ
- •4.7. Использование метода нейронных сетей для построения статистических математических моделей
- •5.Модели погрешностей измерений
- •5.1. Требования к моделям, описывающим погрешности измерений
- •Наиболее часто используемые модели, описывающие погрешности:
- •1.Модель погрешности в виде случайной элементарной функции
- •2. Модели погрешностей в виде суммы случайной и неслучайной функций
- •8.4. Характеристики моделей погрешностей
- •Литература
- •Кластерный анализ
4.3. Пассивный и активный эксперимент
Такой фактор, как характер получения экспериментальных данных, делит методики планирования экспериментов на активные и пассивные эксперименты.
При пассивном эксперименте задача планирования эксперимента сводится к оптимальной организации сбора информации, т.е. к выбору интервалов времени между моментами измерений; к определению объема выборки; к выбору методы обработки экспериментальных данных.
Одной из основных проблем при проведении пассивного эксперимента является получение необходимой информации за минимальное время или наименьшее число опытов при заданной надежности результатов. Решение об окончании эксперимента зависит от предыдущих результатов. Методика проведения пассивного эксперимента была разработана Вальдом и называется «последовательным анализом».
Алгоритм:
1. Сущность методики состоит в том, что эксперимент проводится с целью проверки некоторой гипотезы Н (о том, что надежность результатов обеспечена). В результате эксперимента гипотеза принимается, отклоняется либо обнаруживается необходимость продолжения эксперимента для принятия окончательного решения.
2. При принятии решения возможны ошибки
- отклонения истиной гипотезы (вероятность такой ошибки α) (Вероятность ошибки α называется уровнем значимости) !!!!!;
- принятия неверной гипотезы (с вероятностью β);
-величина
- мощностью правила выбора решения.
3. Пусть принимается
гипотеза
о том, что параметр
.
Альтернативной является гипотеза
о том, что
.
4. По результатам
измерений
определены вероятности
.
Если
,
более правдоподобна гипотеза
.
Оценка надежнее, чем больше отличается
от единицы отношение
- отношение правдоподобия.
5. Например, при норм. Законе распред. Вероятн. И равноточных измерениях вероятности распределения случайных результатов измерения описываются дифференциальной функцией распределения
Отношения
вероятностей для непрерывных случайных
результатов измерения можно заменить
отношением соответствующих функций
правдоподобия
,
которые представляют собой совместную
плотность распределения вероятности
значений
и при независимых результатах равны
5. Для упрощения расчетов Отношение правдоподобия можно заменить его логарифмом
.
При
принимается гипотеза
;
при
принимается гипотеза
;
при
проводятся дополнительные измерения.
Параметры
выбирают так, чтобы обеспечить заданные
вероятности ошибок
.
При активном эксперименте есть возможность набрать большой объем результатов измерения, но предполагает возможность выбора в каждом измерении тех значений факторов, которые представляют интерес. Если на предварительном этапе анализа результатов измерения необходимо рассматривать как можно больше факторов, но в дальнейшем те факторы, влияние которых на выходные параметры оказывается незначительным, должны быть исключены. При большом числе факторов используют Акт.эксперим. – совокупность методов отсеивания несущественных факторов.
Наиболее известным методом планирования отсеивающих экспериментов является метод случайного баланса. Он предполагает потерю небольшого числа значимых факторов в общей массе незначимых параметров: Пусть по результатам аппроксимации результатов измерения выбрана модель
,
где
- случайная погрешность эксперимента.
Из k факторов выделяют l факторов как шум, при этом
,
где
.
Активный эксперимент, целью которого является оптимизация аппроксимирующей модели, называется экстремальным экспериментом. Планирование такого эксперимента заключается в выборе минимального количества и условий проведения измерений, необходимых для нахождения оптимальных условия. Поиск оптимальных условий состоит в последовательном уточнении модели исследуемого объекта.