
- •Основные цели обработки экспериментальных данных. Активные и пассивные эксперименты.
- •Классификация задач обработки экспериментальных данных
- •Выбор и разработка методов преобразования экспериментальных данных
- •Определение генеральной и выборочной совокупности. Репрезентативная выборка
- •Статистическое распределение выборки
- •Эмпирическая функция распределения.
- •Интервальный или статистический ряд. Гистограмма
- •Полигон. Эмпирическая функция распределения
- •Точечные и интервальные оценки параметров распределения
- •Интервальные оценки параметров распределения
- •Доверительный интервал для оценки математического ожидания нормального распределения при известном среднем квадратическом отклонении.
- •Оценки моментов и квантилей распределения
- •Определение статистических гипотез. Классификация статистических гипотез.
- •Критерии проверки гипотез
- •Алгоритм проверки гипотезы о распределении генеральной совокупности по закону Пуассона.
- •Типовые распределения
- •Постановка задачи аппроксимации закона распределения экспериментальных данных. Аппроксимация на основе типовых распределений
- •Аппроксимация на основе типовых распределений
- •Аппроксимация на основе специальных рядов. Аппроксимация на основе универсальных семейств распределений
- •Аппроксимация на основе универсальных семейств распределений
- •Объединение выборок. Объединение однородных выборок.
- •Объединение выборок. Объединение неоднородных выборок
- •Задачи дисперсионного анализа
- •Проверка однородности совокупности дисперсий
- •Методы линейного и нелинейного программирования
- •Примеры задач Максимальное паросочетание
- •Максимальный поток
- •Транспортная задача
- •Игра с нулевой суммой
- •Градиентные методы.
- •Генетические методы
Классификация источников экспериментальных данных. Форма их представления, степень зависимости от времени, характер данных.
Экспериментальные данные, получаемые в процессе измерений, являются основным источником информации о характеристиках процессов, протекающих в изучаемых объектах. Причем чем менее строгой является наука, тем более значимую роль в ней играет эксперимент. В науках, использующих развитый математический аппарат (например, в физике), многие результаты могут быть получены и обоснованы теоретически на базе предшествующих знаний, тогда как в биологии или медицине эксперимент зачастую является единственным способом подтверждения справедливости гипотезы и результатов теоретического исследования.
Научный эксперимент решает следующие основные задачи:
- выступает средством получения новых научных данных;
- является способом выделения общего в серии сходных явлений, обоснования закономерностей, формирования гипотез;
- выступает средством проверки гипотез и теорий, критерием
их истинности.
Этапами постановки и проведения эксперимента являются:
- определение цели и задач исследования;
- выбор конкретных методик;
- непосредственное проведение эксперимента;
- обработка данных эксперимента.
Рассмотрим следующую модель медико-биологического эксперимента.
Целью эксперимента является обоснование изменения состояния экспериментальной группы животных в результате целенаправленного воздействия на нее нового лекарственного средства.
Для того чтобы выделить в явном виде результат целенаправленного воздействия, необходимо взять аналогичную контрольную группу и посмотреть, что происходит с ней в отсутствие воздействий или при использовании традиционного лекарственного средства.
Следующим этапом является обработка экспериментальных данных, основной целью которой является нахождение максимального количества содержащейся в них и необходимой экспериментатору информации с максимальной достоверностью и точностью.
При проведении эксперимента в реальных условиях и с помощью реальных измерительных систем получаемые результаты всегда носят вероятностный характер вследствие неизбежного влияния внешних факторов, неполноты знаний о состоянии объекта исследования и т.д.
Поэтому при подведении итогов эксперимента существенную роль играют методы теории вероятности и математической статистики, которые дают возможность решать следующие задачи:
- компактно и информативно описывать результаты эксперимента;
- устанавливать степень достоверности сходства и различия исследуемых объектов на основании результатов измерений их показателей;
- анализировать наличие или отсутствие зависимости между различными показателями (явлениями);
- количественно описывать эти зависимости;
- классифицировать изучаемые объекты и прогнозировать
значения их показателей и характеристик и др.
Количество информации и применяемые при обработке методы анализа зависят, в первую очередь, от типа шкалы, в которой данные получены.
Шкала – это числовая система, в которой отношения между различными свойствами изучаемых явлений, процессов переведены в свойства множества чисел.
Основным классификационным признаком является мощность шкалы, т.е. возможность допустимых преобразований шкалы, которые не меняют соотношений между объектами измерения.
Например, при измерении длины переход от дюймов к метрам не меняет соотношений между длинами рассматриваемых объектов. Если первый объект длиннее второго, то это будет установлено и при измерении в дюймах, и при измерении в метрах. При этом численное значение длины в дюймах отличается от численного значения длины в метрах, не меняется лишь результат сравнения длин двух объектов.
В зависимости от мощности различают, шкалы отношений, интервальные шкалы, порядковые (ранговые) шкалы и номинальные шкалы (шкалы наименований).
Чем большую мощность имеет шкала, тем больше информативных характеристик о результатах эксперимента можно получить, т.е. тем выше достоверность проведенных исследований. В идеальном случае результаты эксперимента должны быть представлены в шкале отношений.
К шкалам качественных признаков относятся порядковая шкала и шкала наименований.
Шкала наименований (номинальная шкала) фактически уже не связана с понятием «величина» и используется только с целью отличить один объект от другого: номер животного в группе или присвоенный ему уникальный шифр и т.п.
В шкале наименований, например, измеряются значения признака «пол»: «мужской» и «женский». Эти классы будут различимы независимо от того, какие различные термины или знаки для их обозначений будут использованы: «female» и «male», или «А» и «Б» и т.д. Следовательно, для шкалы наименований применимы любые взаимно однозначные преобразования, т.е. сохраняющие четкую различимость объектов. Таким образом, самая слабая шкала, шкала наименований, допускает самый широкий диапазон преобразований.
Порядковая шкала (шкала рангов) – шкала, относительно значений которой уже нельзя говорить ни о том, во сколько раз измеряемая величина больше (меньше) другой, ни на сколько она больше (меньше). Такая шкала только упорядочивает объекты, приписывая им те или иные баллы.
Например, так построена шкала твердости минералов Мооса: взят набор 10 эталонных минералов для определения относительной твердости методом царапанья. За 1 принят тальк, за 2 – гипс, за 3 – кальцит и так далее до 10 – алмаз. Любому минералу соответственно однозначно может быть приписана определенная твердость. Если исследуемый минерал, допустим, царапает кварц (7), но не царапает топаз (8), то соответственно его твердость будет равна 7. Аналогично построены шкалы силы ветра Бофорта и землетрясений Рихтера. Шкалы порядка широко используются в педагогике, психологии, медицине и других науках, не столь точных, как физика или химия. В частности, повсеместно распространенная шкала школьных отметок в баллах может быть отнесена к шкале порядка. В медико
биологических исследованиях шкалы порядка встречаются, например, при анализе свертывания крови (тромботест). Отличие порядковой шкалы (шкалы рангов) от шкалы наименований заключается в том, что в шкале рангов классы (группы) объектов упорядочены. Поэтому произвольным образом изменять значения признаков нельзя – должна сохраняться упорядоченность объектов (порядок следования одних объектов за другими). Следовательно, для порядковой шкалы допустимым является любое монотонное преобразование. Например, если проба тромботеста у животного А 5 баллов, а у животного Б 4 балла, то их упорядочение не изменится, если мы число баллов умножим на одинаковое для всех животных положительное число или сложим с некоторым одинаковым для всех числом, или возведем в квадрат и т.д.
Частным случаем порядковой шкалы является дихотомическая шкала, в которой имеются всего две упорядоченные градации, например, «выжил после эксперимента», «не выжил».
Шкала интервалов характеризуется тем, что для нее не существует ни естественного начала отсчета, ни естественной единицы измерения.
Примером шкалы интервалов является шкала температур по Цельсию, Реомюру или Фаренгейту. Шкала Цельсия, как известно, была установлена следующим образом: за ноль была принята точка замерзания воды, за 100 градусов – точка ее кипения, и, соответственно, интервал температур между замерзанием и кипением воды поделен на 100 равных частей.
Для шкалы интервалов допустимо уже не любое монотонное преобразование, а только такое, которое сохраняет отношение разностей оценок, т.е. линейное преобразование – умножение на положительное число и добавление постоянного числа. Например, если к значению температуры в градусах Цельсия добавить 273˚С, то получим температуру по Кельвину, причем разности любых двух температур в обеих шкалах буду одинаковы. А если от шкалы Цельсия перейти к шкале Фаренгейта, то для любых четырех температур отношение разности первой и второй к разности третьей и четвертой будут одинаковы в обеих шкалах.
Шкала отношений – самая мощная шкала и наиболее распространенная шкала. Она позволяет оценивать, во сколько раз один измеряемый объект больше (меньше) другого объекта, принимаемого за эталон, единицу. Для шкал отношений существует естественное начало отсчета (нуль), но нет естественной единицы измерений.
Шкалами отношений измеряются почти все физические величины – время, линейные размеры, площади, объемы, сила тока, мощность и т.д. В медико-биологических исследованиях шкала отношений используется, например, когда измеряется время появления того или иного признака после начала воздействия, интенсивность воздействия до появления какого-либо признака, концентрации веществ, временные показатели электрокардиограммы и т.п.).
В шкале отношений возможны лишь преобразования подобия - умножения на положительное число. Это означает, что, например, отношение масс двух предметов не зависит от того, в каких единицах измерены массы – граммах, килограммах и т.д.
Основные цели обработки экспериментальных данных. Активные и пассивные эксперименты.
Основными целями обработки ЭД являются следующие:
оценка значений показателей качества средств, комплексов или системы в целом. На стадиях создания такая оценка проводится в интересах обоснования принимаемых решений по построению объектов, проверки показателей на соответствие требованиям, выявления существенных факторов, влияющих на функционирование объектов, выявления причин несоответствия требованиям. На стадии эксплуатации обработка ЭД проводится также для решения задач управления объектом: изменения режимов работы объекта; изменения порядка обработки информации; обоснования данных для модернизации объекта (изменения конфигурации технических и программных средств); адаптации объекта к условиям функционирования;
сжатие информации о функционировании объекта, ее обобщение для последующего применения в интересах исследования подобных объектов, обоснования данных для создания новых систем;
выявление закономерностей функционирования объекта в конкретных условиях эксплуатации, т. е. установление зависимостей между параметрами объекта, внешней среды и показателями качества объекта. Выявленные закономерности применяют для поиска оптимальных значений параметров при синтезе новых систем, для упрощенного описания объекта в модели суперсистемы;
выявление существенных параметров системы и внешней среды;
изучение типологии объектов (распознавание образов, классификация объектов);
прогнозирование развития объектов в интересах организационного и технологического управления.
Следует помнить, что результаты обработки ЭД не гарантируют достоверного описания неизвестных показателей или закономерностей, их необходимо рассматривать только лишь как более-менее удачную аппроксимацию соответствующих характеристик.
Необходимость сбора и обработки ЭД обусловлена объективными обстоятельствами, так как действительные значения показателей качества сложных объектов обычно существенно отличаются от рассчитанных на стадиях проектирования. Эти различия являются следствием ряда причин:
на стадиях проектирования нет достаточно полных и точных представлений о характеристиках процессов, протекающих в объекте и во внешней среде, поэтому при проектировании приходится вводить существенные допущения и ограничения. На практике часть принятых допущений оказывается не вполне справедливой;
с вводом в действие объекта внешняя среда постепенно меняет свои характеристики, например, меняются стиль и методы работы пользователей, появляются дополнительные потребности в решении задач. Такие изменения заранее предусмотреть невозможно;
условия эксплуатации, квалификация обслуживающего персонала в разных организациях имеют свою специфику;
в ходе эксплуатации изменяются характеристики технических, программных и информационных средств, меняется их взаимное отображение. Эти обстоятельства приводят к изменению характеристик потоков запросов на решение задач и параметров их обслуживания.
Таким образом, фактические значения показателей качества не только отличаются от расчетных, но и меняются с течением времени, имеют свои особенности для одних и тех же типов объектов, эксплуатируемых в различных организациях, претерпевают колебания, зависящие от времени, характера выполняемых на объекте работ.
В зависимости от стадии жизненного цикла АСОИУ задачи обработки ЭД имеют ряд особенностей. На стадии создания имеется принципиальная возможность проведения активных и пассивных экспериментов. Понятие "активный" подразумевает возможность выбора объема экспериментов, последовательности и значений характеристик воздействий на объект по желанию исследователя. Проведение активных экспериментов позволяет расширить диапазон условий, при которых проводится оценивание качества. A специальным образом подобранные условия проведения исследования и порядок задания внешних воздействий, т. е. рационально обоснованные планы экспериментов, обеспечивают взаимную статистическую независимость результатов испытаний. Эти обстоятельства значительно облегчают обработку ЭД, повышают качество получаемых оценок, позволяют разделить влияние различных факторов при построении модели функционирования объекта. Активные эксперименты в основном проводятся на завершающих стадиях создания в виде испытаний опытных образцов, фрагментов систем и т. п. Вопросы постановки активных экспериментов, методов обработки их результатов изучаются в рамках специальной теории планирования экспериментов.
Реальные условия эксплуатации объекта в конкретной организации могут отличаться от предполагаемых при проведении испытаний. В связи с этим, показатели, установленные в ходе испытаний, несут в себе известную долю абстракции. На стадии создания время испытаний весьма ограничено, что не дает возможности сформировать большой объем ЭД для полноценной оценки искомых показателей.
В пассивных экспериментах количество наблюдений, последовательность и значения воздействий определяются реальной обстановкой использования объектов. Иначе говоря, исследователь практически лишен возможности управления качеством и количеством ЭД.
На стадии эксплуатации возможности проведения активных экспериментов значительно ограничены или вообще отсутствуют, что обычно приводит к взаимной зависимости результатов наблюдений. Наличие такой зависимости затрудняет обработку полученных данных, а игнорирование данного обстоятельства приводит к смещению значений получаемых оценок, невозможности разделения влияния различных факторов на показатели функционирования и к другим нежелательным последствиям. Нестационарные условия эксплуатации, влияние на объекты периодических или нерегулярно изменяющихся воздействий (трендов) обусловливают необходимость рассмотрения характеристик не как случайных величин, а как случайных функций. Однако из-за слабой разработанности методов и средств оценки параметров случайных процессов по результатам наблюдения обычно предполагается, что процесс функционирования объекта носит стационарный или кусочно-стационарный характер.