- •ОБРАБОТКА РЕЗУЛЬТАТОВ НАБЛЮДЕНИЙ И ЭКСПЕРИМЕНТОВ
- •Цель
- •Схема экспериментального исследования и типы обработки результатов
- •Дана упрощенная схема экспериментального исследования
- •Например, ясно, что влияние измерительного прибора-термометра на температуру жидкости в большом баке несравнимо
- •Измерения
- •Погрешности или ошибки в первом приближении классифицируются следующим образом:
- •Типы обработки результатов измерений
- •Задачи обработки опытных данных условно можно разбить на две группы:
- •Определение значений одной величины
- •Пример
- •Производим вычисления
- •По таблицам Стьюдента-Фишера находим,
- •Рассмотрим обратную задачу.
- •Составим с этой целью таблицу 2, заполняя ее строки, начиная а второй, по
- •В тех случаях, когда х меняется в больших пределах строят гистограмму и определяют
- •Определение связи
- •научные исследования
- •Для этого следует минимизировать величину
- •необходимо
- •После дифференцирования и упрощения выражений
- •Статистическая проверка гипотез.
- •Статистическая проверка
- •Сумму квадратов результатов наблюдений SCt можно представить в виде суммы квадратов SCi
- •Эти выражения можно представить в другом виде
- •Для вычисления на компьютере:
- •Суммы квадратов сопоставляются с учетом степеней свободы.
- •Общий случай
- •Общий случай
- •Оценка адекватности аппроксимации эмпирического выражения
- •Существуют и более эффективные критерии оценки
- •а величина Se определяется из опыта, где nk
- •Второй критерий базируется на использовании выражении
- •Величина критерия І2 находится в диапазоне 0÷1 и чем ближе к единице это
- •Отметим, что дисперсия аппроксимации
- •Применение относительной ошибки для оценки аппроксимации
- •Применение относительной ошибки для оценки
- •На рисунке приведен
- •Математическое обеспечение для обработки результатов наблюдений и экспериментов
- •В пределах настоящего курса не ставилась цель показать все множество формул, процедур и
- •Программа
- •Программа может быть использована и для нелинейных случаев при соответствующей линеаризации.
- •Программа "Мини"
- •Подпрограмма "Шаг"
- •"ФКВ" - программа фильтрации исходных данных, корреляции между независимыми факторами и оценки
- •Иногда при проведении наблюдений или при неправильно спланированном эксперименте имеет место сильная корреляция
- •Наконец, часто бывает полезным оценивать влияние независимых переменных х (no , nf )
- •Программа «Дисперсия»
- •Например, если требуется оценить точность измерения одной и той же величины различными аппаратами
- •Программа "УРАВНЕНИЕ"
- •Если знак двух последующих значений у одинаковый, ход действия продолжается еще на одни
- •Программа "Фильтр"
- •После сглаживания вычислить скорость и ускорения, необходимые для расчета усилий, действующих на данный
Для этого следует минимизировать величину
n0
( yi yai )2 ,
i 1
необходимо
выполнить условия
0 и 0a0 a1
или
|
y a0 a1x 2 0 и |
|
y a0 a1x 2 0 |
|
a0 |
a1 |
|||
|
|
После дифференцирования и упрощения выражений
получим систему уравнений
|
|
n0 |
n0 |
|
n0 a0 |
a1 xi |
yi , |
||
|
||||
|
|
i 1 |
i 1 |
|
|
n0 |
n0 |
n0 |
|
a0 xi |
ai xi2 xi yi . |
|||
|
i 1 |
i 1 |
i 1 |
Статистическая проверка гипотез.
Критерии оценки качества аппроксимации
Статистическая проверка
гипотез
Рассмотрим этот метод на примере однофакторного дисперсионного анализа.
Пусть имеется ряд значений случайной величины, которая изменяется за счет влияния какого-то признака при следующих обозначениях:
n0 — общее число наблюдений;
nq — число групп, т.е. число значений признака;
nj— число значений в каждой группе;
— общее среднее значение;
— групповое среднее.
y y j
Сумму квадратов результатов наблюдений SCt можно представить в виде суммы квадратов SCi
внутри каждой группы вокруг группового среднего |
||
nq |
n |
y j 2 , |
|
i |
|
SCi yij |
||
j 1 |
i 1 |
|
и суммы квадратов этих средних величин вокруг общего среднего значения
n0 |
y |
2 |
|
||
SCe y j |
nj . |
|
j 1 |
|
|
Эти выражения можно представить в другом виде
Для вычисления на компьютере:
n0 |
2 |
|
n0 |
2 |
/ n0 ; |
|
|
|
|
||
SCt yij |
|
yi |
|||
i 1 |
|
|
i 1 |
|
|
nq |
2 |
|
n0 |
2 |
|
|
SCe y j |
|
y j |
|
/ n0 |
; |
|
nj |
|
|||||
j 1 |
|
|
i 1 |
|
|
|
|
no |
nq |
|
|
|
|
SC j yij2 |
y2j nj ; |
|
||||
|
i 1 |
j 1 |
|
|
|
где SCe — доля общей суммы квадратов, объясняемая гипотезой и возникающая из-за изменения признака; SCi
— сумма квадратов, характеризующая неучтенные факторы и другие причины.
Суммы квадратов сопоставляются с учетом степеней свободы.
Оценки дисперсии равны соответственно
S 2 |
SC |
t |
/ f |
t , |
|
где |
f |
t |
n |
|
1; |
||
t |
|
|
|
|
|
0 |
|
|
|||||
S 2 |
SC |
e |
/ f |
e |
, |
где |
f |
e |
n |
|
1; |
||
e |
|
|
|
|
|
|
q |
|
|||||
S 2 |
SC |
i |
/ f |
i , |
|
где |
f |
i |
|
n |
n . |
||
i |
|
|
|
|
|
|
0 |
|
q |
В тех случаях, когда SCe ≈ SCt, ошибок нет и аппроксимация "точная". Если же признак не влияет на значение случайной величины, то , т.е. это величины одного порядка.
Se2 Si2
Общий случай
Дано: генеральная совокупность и две выборки объема n1 и n2. Мы хотим проверить гипотезу H0
– являются ли две эти выборки частями одной генеральной совокупности или же верна альтернативная гипотеза H1 о том, что они не принадлежат одной генеральной совокупности.