книги из ГПНТБ / Шепелев, И. Г. Математические методы планирования и управления в строительстве конспект лекций
.pdfграфоаналитических моделей, в наглядной форме (с количест венными оценками) отражающие строительный процесс при всей его сложности и динамичности. Сетевые модели позволяют найти так называемый критический путь и оптимизировать гра фик производства работ по времени при ограничениях на дру гие ресурсы.
Сетевому планированию посвящено много специальной и прикладной литературы, в .которой отражены как методы по строения, так и методы оптимизации сетевых моделей. Сетевые графики являются основными моделями, отражающими произ водственный процесс в разработанных и разрабатываемых авто матизированных системах управления строительством. Но при меняемые в строительстве сетевые графики относятся к простей шим детерминированным моделям и не адекватно отражают
строительный процесс.
Строительный процесс является сложным стохастическим процессом и в соответствии с законом необходимого разнообра зия должен моделироваться достаточно сложными стохастиче скими моделями. Такими моделями являются обобщенные, ве роятные и альтернативные сетевые модели с несетевыми ограни чениями. Обобщенные сетевые модели позволяют моделировать сложные процессы и поточную организацию труда в строитель стве. Между технологически зависимыми работами в обобщен ных сетях могут быть связи двух типов, имеющие смысл — «не ранее» и «не позднее». Это означает, что последующая работа может начаться до окончания предыдущей работы.
Вероятностные модели — это сетевые графики, в которых продолжительность выполнения работ задается распределением случайных величин. В этом смысле вероятностные сетевые мо дели могут быть отнесены к стохастическим моделям первого рода. Но стохастизм строительного процесса заключается не только в неопределенности сроков выполнения той или иной работы, а й в том, что имеется неопределенность в смысле по явления самих работ. Поэтому в стохастическую альтернатив ную модель вводится операция «или». Если задается ряд аль тернативных событий и реализация каждого из этих событий
будет задана той или иной вероятностью рь а 2 Pi” 1> то та' 1
кая модель может быть отнесена к стохастическим моделям вто рого рода. Естественно, что при этом может иметь место неоп ределенность и в сроках выполнения работ. Сетевые модели изучаются в курсе «Организация, планирование и управление производством».
Г Л А В А II
ПАРНАЯ КОРРЕЛЯЦИЯ
§ 2.1. Корреляция
Методы теории корреляции позволяют определять количест венную зависимость между различными техническими, техноло гическими, организационными, экономическими и другими фак торами.
Различают зависимости: функциональную и корреляцион ную. Под функциональной понимается такая зависимость, когда с изменением одного фактора изменяется другой, причем, одно му значению независимого фактора обычно соответствует толь ко одно значение зависимого фактора. Корреляционная зависи мость— это такая зависимость, которая определяет некоторые средние соотношения и одному какому-либо значению независи мого переменного может соответствовать только среднее значе ние зависимого переменного. Конкретных же значений может быть несколько. На рис. 1 и 2 приведены примеры функциональ ной и корреляционной зависимостей. Корреляционные зависи мости наблюдаются только при массовых явлениях.
При корреляционном анализе решаются следующие задачи:
1. |
Устанавливается наличие корреляции (связи) между ве |
личинами. |
|
2. |
Устанавливается форма линии связи (линии регрессии). |
3. |
Определяются параметры корреляционной формулы. |
4. |
Определяются достоверность установленной зависимости |
и достоверность отдельных параметров.
Наличие корреляции приближенно может быть определено путем визуального анализа поля корреляции. Корреляционным полем называют нанесенные на график в определенном мас штабе точки, соответствующие одновременным значениям двух величин. На рис. 3 приведено поле жорреляции между себестои мостью (млн. руб. затрат на 1 млн. руб. сметной стоимости строительства) и численностью рабочих (на 1 млн. руб. стои мости строительно-монтажных работ). На графике можно про-
•вести линию, вокруг которой концентрируются точки поля, на основании этого можно сделать вывод о наличии корреляции.
11
У
Рис. 2. График корреляции
У
1.6
. *
(32 |
rn |
(56 |
163 |
(80 |
162 |
т |
206 2(3 |
240 X |
Численность рабочих
Рис. 3. Поле корреляции между уровнем себестоимости и численностью рабочих на 1 мли. руб. сметной стоимости
§ 2.2. Теснота связи
Тесноту связи между двумя величинами можно определитьвизуально по соотношению короткой и продольной осей эллип са рассеяния. Чем больше отношение продольной стороны к ко роткой, тем связь теснее. Например, у эллипса рассеяния, при веденного на рис. 3, продольная ось намного больше, чем ко роткая. Это означает, что между себестоимостью строитель
ства и |
численностью |
рабочих |
существует |
довольно |
тесная |
||
связь. |
|
|
|
|
|
|
|
Более точно теснота связи характеризуется коэффициентом |
|||||||
корреляции |
г. Коэффициент |
корреляции |
лежит в |
пределах |
|||
|г 1 |
1. |
В случае, |
если, |
г = |
0, то никакой связи нет. Если |
г = 1, то между двумя величинами существует функциональная связь. При положительном г наблюдается прямая связь, т. е. с увеличением независимого переменного увеличивается зависи мое. При отрицательном коэффициенте существует обратная
связь — с увеличением |
независимого переменного зависимое пе |
||
ременное уменьшается. |
|
|
|
Коэффициент корреляции |
|
|
|
■I — |
N 5. х у — S* |
* |
(2.2. 1) |
где х и у — текущее значение наблюдаемой величины, N — число наблюдений.
13
Другая формула для определения коэффициента корреляции:
г |
ху — х у |
|
( 2.2.2) |
где ху — среднее значение произведения двух величин; |
|
||
х, у — средние значения переменных величин; |
(стандартные) |
||
а х, ау — соответственно средне-квадратические |
|||
отклонения случайных величин. |
|
|
|
2 * 2 - ( S ху |
-(S y )2 |
(2.2.3) |
|
N |
N |
|
|
|
|
||
Заметим, что а2 — дисперсия случайной величины |
(мера рассея |
||
ния) . |
|
|
|
§ 2.3. Метод наименьших квадратов
Для численного выражения параметров функции, выражаю щих связь между двумя величинами (линии регрессии), обычно применяется метод наименьших квадратов. Сущность метода наименьших квадратов состоит в том, что выбирается такая ли ния, проведенная в центре эллипса рассеяния, при которой сум ма квадратов разностей между фактическими наблюдениями зависимой переменной и расчетными значениями, полученными по регрессионной формуле, минимальна
S = S (у — у)2-> min, |
(2.3.1) |
где у — расчетное значение зависимого переменного по корре ляционной формуле.
Для нахождения параметров линии регрессии в выражение (2.3.1) подставим правую часть формулы, параметры которой
следует найти. Допустим, у = а + Ьх, тогда
S = И { у - а - Ь х ) 2. |
(2.3.2) |
Возьмем частные производные по а и b от выражения (2.3.2)
нприравняем их к 0:
——= — 22 (у — а — Ьх) = О
da
(2.3.3)
— — 2 S (у —а — Ьх) х = О
Решаем систему из двух уравнений относительно а и b:
N a + Ь ^ х — Ъу
( 2 . 3 .4 )
аЪ х - \- Ы>х2 = Их у
14
получим формулу:
N 2 ху — Их Sy
(2.3.5)
N S ^ - ( S a:)2 '
Параметр а находим подстановкой в формулу прямой линии значения параметра Ъ. Решив уравнение прямой линии относи тельно а при х и у, закрепленных на среднем уровне, получим:
а= у — Ьх.
Вформу табл. 1 заносятся исходные данные для определения прямой линии.
|
|
|
|
Таблица 1 |
У |
X |
ху |
X* |
У3 |
>т |
Xl |
xiyi |
А |
У? |
Уз • |
х 2 |
ХгУз |
4 |
у! |
Уп |
х п |
ХпУп |
х 2 |
у2 |
|
л п |
|||
-У |
1х |
Иху |
Их? |
2у2 |
При линейной корреляции коэффициент корреляции г являет ся не только критерием тесноты связи, но й критерием точности аппроксимации (подбора формулы, выражающей зависимость).
Рассмотрим пример установления корреляционной зависимос
ти между основной заработной платой — у |
и расходами по экс- |
|||||||
|
|
|
|
|
|
|
Т а б л и ц а 2 |
|
Наблю |
|
X |
Наблю |
|
X |
Наблю |
У |
X |
дения |
У |
дения |
У |
дения |
||||
1 |
6,3 |
3,2 |
и |
7,0 |
3,2 |
21 |
2,4 |
1,0 |
2 |
1,1 |
0,5 |
12 |
1,0 |
0,5 |
22 |
3,1 |
1,2 |
3 |
2,9 |
1,3 |
13 |
3,1 |
1,4 |
23 |
2,2 |
1,4 |
4 |
2,5 |
1,0 |
14 |
2,8 |
1,3 |
24 |
0,8 |
0,3 |
5 |
2,3 |
0,5 |
15 |
1,0 |
0,3 |
25 |
4,7 |
1,2 |
6 |
4,4 |
1,6 |
16 |
1,0 |
0,4 |
26 |
1,0 |
0,3 |
7 |
2,5 |
0,8 |
17 |
5,1 |
2,3 |
27 |
3,3 |
1,2 |
8 |
3,6 |
1,3 |
18 |
2,6 |
1,0 |
28 |
4,6 |
1,9 |
9 |
5,0 |
2,1 |
19 |
3,6 |
1,3 |
29 |
6,4 |
1,1 |
10 |
0,7 |
0,3 |
20 |
2,0 |
1,3 |
30 |
0,8 |
0,5 |
15
плуатации машин и механизмов— х. Поле корреляции этой свя зи приведено на рис. 4.
Исходные данные для определения линии регрессии приведе ны в табл. 2.
Расходы по эксплуатации машин и механизмов
Рис. 4. Поле корреляции
Расписав исходные данные по форме табл. 1 и произведя не обходимые вычисления, получим суммы:
2 |
У = |
89,8 |
2 У = 361,68 |
2 |
* = |
36,4 |
2 *2 = 59,41 |
2* У = 144,36 |
|
Используя эти данные, вычислим
b _ |
N Y x y - V x - Y y |
= 30-144,36 - |
36,4-89,8 |
^ |
g |
~ |
N Ъх* - (2 x f |
30.59,41 - |
(36,4)2 |
^ |
’ |
|
а = У — Ьх = |
2,99 — 2,3 • 1,2 = 0,23. |
|
16
Таким образом, уравнение связи между основной заработной платой и расходами по эксплуатации машин и механизмов в строительстве имеет выражение:
у = 0,23 + 2,3*. |
(2.3.6) |
Коэффициент корреляции между этими двумя показателями
г = — |
30-144,36 - 36,4 - 89,8 |
АП |
|
--------- |
— |
-----— 0,9. |
|
| / 30-59,41 - |
1325 • у 1782,3 - |
1325 |
§ 2.4. Степенная зависимость
Допустим, что имеем парные наблюдения (у, х), представ ляющие соответственно выработку в тыс. руб. и коэффициент текучести. Результаты наблюдений приведены в табл. 3.
Т а б л и ц а 3
Наблю |
У |
• X |
Наблю |
У |
X |
дения |
дения |
||||
1 |
10,3 |
0,15 |
10 |
5,3 |
0,26 |
2 |
9,6 |
0,18 |
и |
5,8 |
0,23 |
3 |
8,9 |
0,19 |
12 |
5,0 |
0,37 |
4 |
4,7 |
0,44 |
13 |
5,1 |
0,57 |
5 |
6,3 |
0,35 |
14 |
4,3 |
0,37 |
6 |
5,4 |
0,28 |
15 |
4,6 |
0,28 |
7 |
6,5 |
0,23 |
16 |
6,3 |
0,24 |
8 |
5,1 |
0,36 |
17 |
7,7 |
0,28 |
9 |
6,2 |
0,42 |
|
|
|
Аналогично примеру, рассмотренному в предыдущем пара графе, зададимся гипотезой, что между, себестоимостью и те кучестью имеется линейная зависимость. Воспользовавшись процедурой метода наименьших квадратов, определим парамет ры этой линии и коэффициент корреляции г.
у = 10,724703 — 0,0976048*. |
(2.4.1) |
Коэффициент корреляции г = 0,197.
Нельзя ли эту зависимость аппроксимировать какой-либо другой линией, которая более точно соответствовала бы этим статистическим наблюдениям?
На рис. 5 приведено поле корреляции между показателем вы работки и коэффициентом текучести. По форме облака рассея ния видно, что кроме прямой линии в центре .хяштения лючек
17
можно провести кривую. Аппроксимируем эту кривую степен ной зависимостью
у ~ а х ь. |
(2.4.2) |
Для определения параметров степенной зависимости пользу ются процедурой метода наименьших квадратов, но предвари тельно производят линеализацию (спрямление) кривой. Для
Рис. 5. Поле корреляции между выработкой в тыс. руб. и коэффициен- ■ том текучести
этого необходимо прологарифмировать правую и левую части формулы (2.4.2), в результате чего получится выражение
lg У = lg о. + b lg х. |
(2.4.3) |
Параметры Iga я Ь находятся методом наименьших квадратов. Система линейных уравнений (2.3.4) может быть преобразова на и решение получено по формулам:
lg а = |
где А = £ lgy-£ (lg * )2 — £ l g x -Е lgy-lg-x |
|
|
В = NElgJC-lgy — E lg ^ - S lgy |
(2-44) |
|
Д |
|
|
R = N Z ( l g x ) 2- ( l , \ g x ) 2. |
|
18
Необходимо помнить, что в результате этих вычислений по лучается Iga, поэтому для получения параметра а формулы степенной зависимости это выражение следует потенцировать, в то время как Ь получается в чистом виде.
Оценка точности аппроксимации криволинейной зависимос тью производится при помощи корреляционного отношения
у1= Л /Г 1 - ЦУ. - У ? |
(2.4.5) |
У2 ( у — у ?
Корреляционное отношение всегда 0 ^ т] ^ 1, оно всегда положительно. Если г) больше г, то кривая точнее аппроксимиру ет зависимость, чем прямая, для прямой г = т].
Табл. 4 содержит форму записи исходных данных для опре деления степенной зависимости.
|
|
|
|
|
|
|
|
|
|
|
Т а б л и ц а 4 |
|
|
|
|
|
|
l e x |
|
•v |
|
у _ у |
(у-у)2 |
|
у Д у |
у |
X |
l g X |
( I g Х ) й |
l g У |
i g j ^ |
|
< У - У ) а |
|
||||
l g У |
У У - 7 |
У |
||||||||||
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
12 |
13 |
Дополнительной оценкой точности аппроксимации, часто применяемой при оценке нелинейной корреляции, является сред няя относительная ошибка аппроксимации е, которая определя ется по формуле:
£ |
1 |
• 100. |
|
|
(2.4.6) |
N |
у |
|
|
|
|
По данным табл. 3 заполним первые шесть столбцов табл. 4, |
|||||
Подсчитаем суммы: |
|
|
|
|
|
2 1 g * = -9 ,1 7 2 |
= |
13,33 |
|
||
2 1 g * - l g y = |
-7 ,7 4 6 |
2 U g * )3 = |
5,939. |
|
|
Подставив эти результаты в выражения |
(2.4.4), |
определяем |
|||
lga = 0,48 и b = —0,55, |
антилогарифмировав |
lga, |
определяем |
||
а = 3,02. Таким образом, искомая формула имеет вид: |
|||||
у = 3,02- лГ0-55. |
|
|
(2.4.7) |
Пользуясь формулой (2.4.7), определяем расчетные значения у. Заполнив столбцы 9—13 табл. 4 и подсчитав суммы по фор
19