- •1.1. Характерные особенности современных НИ
- •1.2. Типовая структура АСНИ
- •1.3. Задачи, решаемые АСНИ
- •1.3.1. Задачи автоматизации экспериментальных исследований
- •1.3.2. Автоматизация этапов НИ, носящих творческий характер
- •1.5. Экономический эффект от автоматизации НИ
- •1.6.1. Экспериментальные исследования
- •1.6.2. Цели автоматизации экспериментальных исследований
- •1.6.3. Назначение АСНИ-Э
- •1.6.5. Структуры АСНИ-Э
- •1.6.6. Функциональная структура АСНИ-Э
- •1.6.7. Основные направления работ по созданию АСНИ-Э
- •Контрольные вопросы
- •2. СПЕКТРАЛЬНЫЙ АНАЛИЗ ИССЛЕДУЕМОГО ОБЪЕКТА
- •2.3. Второй способ оценки спектральной плотности
- •2.4. Получение вторым способом сглаженной оценки спектральной плотности
- •2.5. Оценка взаимных корреляционных функций двух эргодических случайных процессов
- •Контрольные вопросы
- •3. ПРИМЕНЕНИЯ СПЕКТРАЛЬНОГО АНАЛИЗА ИССЛЕДУЕМОГО ОБЪЕКТА
- •3.1. Оценка частотной характеристики исследуемого объекта, представляющего собой линейную динамическую систему
- •1 GAfk)
- •Контрольные вопросы
- •ГЛАВА 4. СТАТИСТИЧЕСКАЯ ОБРАБОТКА РЕЗУЛЬТАТОВ ИЗМЕРЕНИЙ
- •4.1. Генеральная и выборочная совокупность случайной величины X
- •4.2. Задачи, решаемые при статистической обработке результатов измерений случайной величины X
- •4.3. Оценивание по выборке статистических характеристик случайной величины X
- •4.4. Общие свойства точечных оценок
- •4.5. Методы получения точечных оценок параметров закона распределения случайной величины X
- •4.5.1. Метод моментов
- •4.5.2. Метод максимума правдоподобия
- •4.6. Законы распределения, наиболее широко используемые при статистической обработке результатов измерений
- •4.6.1. Нормальное распределение
- •4.6.2. Распределение %2
- •4.6.3. Распределение Стьюдента
- •4.6.4. Распределение Фишера
- •4.7. Доверительный интервал и доверительная вероятность
- •4.8. Корреляционный анализ
- •Контрольные вопросы
- •ГЛАВА 5. ПОСТРОЕНИЕ МАТЕМАТИЧЕСКОЙ МОДЕЛИ ИССЛЕДУЕМОГО ОБЪЕКТА С ПОМОЩЬЮ МЕТОДА НАИМЕНЬШИХ КВАДРАТОВ
- •5.1. Статистические математические модели исследуемого объекта
- •5.2. Метод наименьших квадратов
- •5.2.1. Постановка задачи
- •5.2.2. Решение задачи определения математической модели исследуемого объекта
- •5.2.4. Ошибки при выборе вида математической модели исследуемого объекта
- •5.2.5. Проверка адекватности математической модели исследуемого объекта
- •Контрольные вопросы
- •ГЛАВА 6. ПЛАНИРОВАНИЕ ЭКСПЕРИМЕНТА
- •6.1. Теория эксперимента
- •6.2. Основные понятия планирования эксперимента
- •6.3. Общие требования к плану эксперимента. О критериях планирования эксперимента
- •6.4. Планы для моделей, описываемых полиномами первого порядка
- •6.4.1. Вид модели
- •6.4.2. Полные факторные планы
- •6.4.3. Дробные факторные планы
- •6.5.1. Вид модели
- •6.5.2. Применение полных факторных планов для моделей типа (6.40)
- •6.5.3. Применение дробных факторных планов для модели типа (6.40) и порядок смешивания оценок коэффициентов
- •6.5.4. Вычислительные формулы и свойства планов 2" р
- •6.6. Планы для квадратичных моделей
- •6.6.1. Вводные замечания
- •6.6.2. Ортогональные центральные композиционные планы
- •Контрольные вопросы
- •ЗАКЛЮЧЕНИЕ
- •Файзрахманов Рустам Абубакирович, Липатов Иван Николаевич
- •АВТОМАТИЗАЦИЯ НАУЧНЫХ ИССЛЕДОВАНИЙ
Следовательно, согласно (5.82)
М[а0] = а0+ Ц + Ь2; М[а,] = а ,; М[а2] = а2.
Несмотря на то, что линейная модель неадекватна (не соответст вует действительности), оценки а, и а2 получаются несмещенными.
5.2.5. Проверка адекватности математической модели исследуемого объекта
После того как в разд. 5.2.4 были проанализированы последствия неправильного выбора вида модели, обсудим теперь метод, который дал бы нам возможность принимать решения о том, адекватной или неадекватной является принятая модель исследуемого объекта.
Проверка адекватности модели означает проверку того, согласу ется ли модель (5.9) вида
y(a,x) = a0f 0(x) + a j x(х) +... + akf k(х)
с данными эксперимента.
Для проверки гипотезы об адекватности модели необходимо со поставить достигнутую точность модели с величиной, характеризую щей точность наблюдений. Если ошибки, характеризующие точность модели, превосходят ошибки наблюдений, то гипотеза об адекватно сти модели отклоняется. В этом случае уже нельзя оценивать ошибку наблюдений путем нахождения разности между результатом наблю дения выходной переменной исследуемого объекта и результатом ее расчета по модели, так как в случае неправильного выбора вида моде ли определяемая по модели величина у, уже не может служить доста точно хорошей оценкой среднего значения наблюдений, поскольку
М[у‘ ] ф у' Поэтому дисперсия ошибок наблюдений может быть оце нена лишь путем сравнения результатов нескольких параллельных опытов, проведенных в каждой экспериментальной точке.
Опишем методику проверки адекватности модели, полагая, что в каждой из N точек х',/ = 1,2,...,N реализуется v экспериментов.
Результаты этих экспериментов для каждой точки х' представляются рядом
Для расчета оценок коэффициентов будем использовать средние зна чения у' ряда наблюдений для каждой точки х‘, определяемые со гласно (5.17) по формуле
У1= -(У' + У12 +... + y'v) i =1,2,..., N |
(5.88) |
V |
|
Для проверки гипотезы адекватности модели необходимо сравнить две суммы квадратов:
1 ) сумму квадратов, характеризующую неадекватность (дефект)
модели, |
|
5 o = iv ( y '- j) ') 2 =v5/r |
(5.89) |
/=1 |
|
Эта сумма зависит от разности между рассчитанными по модели и на блюдаемыми значениями выходной переменной исследуемого объекта; 2 ) сумму квадратов, характеризующую ошибки наблюдения,
(5.90)
/=1 ] = \
Сумма SD состоит из N слагаемых, между которыми имеет ме
сто (к +1 ) линейных связей, определяемых формулой (5.37). Поэтому с суммой SDсвязано
Ф, =JV —Аг-1 |
(5.91) |
степеней свободы.
Сумма Sc состоит из Nv слагаемых, между которыми согласно
(5.17) существует N линейных связей. При этом сумма Se имеет
<p2= N v - N = N (v -\) |
(5.92) |
степеней свободы. |
|
Для оценки ст2 дисперсии ошибок наблюдения а 2 |
выражение |
(5.60) в силу приведенных выше соображений не может быть исполь зовано. Оценка а 2 получается теперь с помощью суммы квадратов Se
по формуле
а 2 |
(5.93) |
|
v<P2 |
Заметим, что а 2 в (5.93) является оценкой дисперсии величины у , которая представляет собой среднее по v параллельным наблюдениям.
Это означает, что с 2 в данном случае не является оценкой дисперсии ошибки единичного наблюдения, а определяет величину дисперсии среднего, рассчитанного по v наблюдениям. Оценка дисперсии <т2
ошибки единичного наблюдения равна va2
Перейдем теперь к проверке адекватности математической моде ли исследуемого объекта. Частное от деления оценки дисперсии не адекватности на оценку дисперсии ошибки единичного наблюдения
_ Sp /Ф1
" 2 S./ф
в случае, когда модель адекватна, является случайной величиной, подчиненной распределению Фишера с числами степеней свободы (р, и ф2 (рис. 5.5).
На рис. 5.5 обозначено: / ( ^ |
<р ) - плотность распределения вероят |
|
ностей случайной величины F |
ф;; FVt ф2 - возможные значения слу |
|
чайной величины F ф2; F |
,а |
критическое значение распределе |
ния Фишера (определяется по таблице распределения Фишера (см. [13], с. 273) при известных ср,,ф2;а).
Выдвигается гипотеза Н0: имеет место адекватная модель иссле дуемого объекта. При этом формулируется альтернативная гипотеза
# ,: имеет место неадекватная модель исследуемого объекта. На рис. 5.5 область SQесть область принятия гипотезы Н0. Область S', есть область отклонения гипотезы Н0 или область принятия гипотезы Я ,.
Величина F а определяется из условия |
|
P ( F ^ 2> F ^ a) = a . |
(5.95) |
Для этого используется таблица распределений Фишера. Например, при ср, = 1;ф2 = 4 для а = 0,01 из таблицы находим
F |
= ГF1,4;0,01 |
= 212 |
Проверка гипотезы Н0 осуществляется следующим образом. Если |
||
|
^ФЬФ, |
(5-% ) |
то гипотеза Н0 принимается, т.е. модель исследуемого объекта адек ватна, и это дает основание исследователю остановиться на выбран ных факторах х,,дг2 ,...,хп. В противном случае число учитываемых факторов нужно увеличить или заменить линейные уравнения (5.9)
нелинейным. Чем больше значение F „;а превышает F |
, тем эф |
фективнее модель исследуемого объекта. Если |
|
^ , . Ф2 >F„„Pj;a, |
(5.97) |
то гипотеза Н0 отклоняется, т.е. имеет место неадекватная модель исследуемого объекта.
Пример 5.4. Для пояснения процедуры проверки адекватности модели вернемся к примерам 5.1 и 5.2, сняв, разумеется, предположе ние о том, что линейная модель является адекватной. Чтобы прове рить адекватность линейной модели, необходимо добавить по край ней мере еще по одному эксперименту в каждой точке примера 5.1. После проведения этих опытов (табл. 5.3) получим следующие ре зультаты.
|
|
|
Таблица 5.3 |
/ |
у'1 |
у'2 |
|
|
|
||
1 |
65,5 |
65,6 |
65,55 |
2 |
55 |
55,2 |
55,1 |
3 |
44,9 |
45 |
44,95 |
4 |
55 |
54,8 |
54,9 |
Здесь |
N = 4, к = 2, v = 2 и в соответствии |
с выражениями (5.91), |
|
(5.92) |
ф ,=1;ф ,=4. При новых |
значениях |
Y рассчитаем согласно |
(3.37) оценки |
|
|
|
|
|
55,125 |
|
|
а = |
5,2 |
|
|
|
5,1 |
|
При этом
j) = 55,125 + 5,2х, + 5,1х2 и Y = (65,425; 55,225;44,825;55,025)'
Теперь можно рассчитать суммы квадратов SD и Sc по формулам
(5.89) и (5.90):
Sp = 0,125, Se = 0,05.
Согласно (5.93)
с 2 = - ^ - = 0,056, Уф2
и для среднеквадратических ошибок оценок коэффициентов получаем о ,= - = 0,028.
'2
Из (5.65) для а = 0,1 с доверительной вероятностью Р = (1 -а ) = 0,9 и при ф =ф2 =4 получаем Т^.а/2 = ТА'.005 =2,1 и, соответственно,
\а, - я,|< 0,028-2,1 = 0,06.
В данном случае получаются существенно более точные оценки, чем в примере 5.2. Для проверки адекватности примем
P(Fa „ |
„ .„) = а = 0.0 1 . |
V ср),Ф2 |
ф|,ф2 , а / |
Для ф, = 1;ф2 = 4 и а = 0,01 из таблицы распределения Фишера нахо-
ДИМ |
ф|.Ч>2;а =F 00, =21,2. |
0,125 = 1 0 . Поскольку |
Согласно (5.94) вычисляем F |
||
|
ф| ,ф2 |
0,0125 |
|
|
|
■Рф|^ |
< F ;а , то результаты не противоречат предположению об аде |
кватности модели.
Пример 5.5. Введем нормированные переменные
Т - 260
х, = / - 8, х2
10
ивыберем модель в виде квадратичного уравнения [см. (5.4) и (5.13)]:
у= а0 +а,х, + а2х2 + а3(х, ) 2 + а4(х2) 2 + а5х,х2.
Линейная модель здесь уже оказывается недостаточной, так как целевая функция в окрестностях оптимума имеет существенную кри визну. В каждой из указанных точек поставим по два эксперимента (табл. 5.4).
|
|
|
Таблица 5.4 |
||
/ |
х' |
|
.Vм |
Г |
У |
|
|
||||
|
Х1 |
*2 |
|
|
|
1 |
0 |
0 |
88 |
88,2 |
88,1 |
2 |
1 |
0 |
89,2 |
89,1 |
89,15 |
3 |
0 |
1 |
82,2 |
82,1 |
82,15 |
4 |
-1 |
0 |
83,7 |
83,8 |
83,75 |
5 |
0 |
-1 |
87,3 |
87,4 |
87,35 |
6 |
1 |
1 |
82,6 |
82,7 |
82,65 |
7 |
1 |
-1 |
89,6 |
89,6 |
89,6 |
8 |
-1 |
-1 |
82,2 |
82,1 |
82,15 |
9 |
-1 |
1 |
79,3 |
79,1 |
79,2 |
Здесь N = 9, v = 2 , |
к = 5, |
(р, =3, |
ф2 =9. |
Для а = 0,05,^ = 0,025, |
ср = ф2 = 9 из таблицы распределения Стьюдента находим
(р;а/2 — ^9;0,025 —2,26 .
Согласно (5.13), (5.21), (5.37) и (5.38) имеем
1 |
0 |
0 |
0 |
0 |
0 |
|
|
|
|
|
1 |
1 |
0 |
1 |
0 |
0 |
0 |
0 |
6 |
6 |
0 ' |
|
|
|
|
|
"9 |
|||||
1 |
0 |
1 |
0 |
1 |
0 |
6 |
0 |
0 |
0 |
0 |
|
|
|
|
|
0 |
|||||
1 |
- 1 |
0 |
1 |
0 |
0 |
0 |
6 |
0 |
0 |
0 |
F = 1 |
|
|
|
|
0 |
|||||
0 |
- 1 |
0 |
1 |
0 , F'F = |
0 |
0 |
6 |
4 |
0 |
|
|
|
|
|
|
6 |
|||||
1 |
1 |
1 |
1 |
1 |
1 |
0 |
0 |
4 |
6 |
0 |
|
|
|
|
|
6 |
|||||
1 |
1 |
- 1 |
1 |
1 |
- 1 |
0 |
0 |
0 |
0 |
4 |
|
|
|
|
|
0 |
|||||
1 |
- 1 |
- 1 |
1 |
1 |
1 |
|
|
|
|
|
1 |
- 1 |
1 |
1 |
1 |
- 1 |
|
|
|
|
|
II О
" 5/9
0
0
-1/3 -1/3
0
II -т ч /
2/9
1 /6
0
-1/6 -1/3
0
'5 /9 |
0 |
0 |
-1/3 |
-1/3 |
0 |
|
0 |
1 /6 |
0 |
0 |
0 |
0 |
|
0 |
0 |
1 /6 |
0 |
0 |
0 |
|
-1/3 |
0 |
0 |
1 / 2 |
0 |
0 |
|
-1/3 |
0 |
0 |
0 |
1 / 2 |
0 |
|
0 |
0 |
0 |
0 |
0 |
1/4 . |
|
2/9 |
2/9 |
2/9 |
-1/9 |
-1/9 |
-1/9 |
-1/9' |
0 |
- 1 /6 |
0 |
1 /6 |
1 /6 |
1 /6 |
- 1 /6 |
1 /6 |
0 |
-Г/ 6 |
1 /6 |
- 1 /6 |
- 1 /6 |
1 /6 |
1/3 |
- 1 /6 |
-1/3 |
1 /6 |
1 /6 |
1 /6 |
1 /6 |
1 /6 |
-1/3 |
1 /6 |
1 /6 |
1 /6 |
1 /6 |
1 /6 |
0 |
0 |
0 |
1/4 |
-1/4 |
1/4 |
-1/4 |
'87,97 "
2,717
о.= CF7 f = -2,517
|
-1,45 |
а4 |
-3,15 |
А _ |
- 1 |
Таким образом,
у = 87,97 + 2,717JC, -2,517х2 -1,45(дг,) 2 -3,15(х2)2 - х,х2
И
Y = (87,97; 89,24; 82,3; 83,8; 87,34; 82,57; 89,6; 82,17; 79,14)7 Суммы квадратов SD и Se рассчитываем по формулам (5.89) и (5.90):
SD=0,121, Sc - 0,07
Далее согласно (5.93)
<Г = А _ = о,0039.
vcp2
Оценки а 2 для дисперсий о] вычисляются по формуле (5.61). Имеем:
а2 =(5/9)ст2 =0,00217,
а2 = (1/ 6)а 2 = 0,00065,