- •Пермь 2009
- •Введение
- •Список литературы.
- •Рекомендации к выполнению работы.
- •Лабораторная работа №2 Тема. Численные методы решения задач линейной алгебры, метод Гаусса
- •Порядок выполнения работы
- •Решение слау с использованием приложения Microsoft Excel
- •Последовательность действий:
- •Лабораторная работа №3 Тема. Итерационные методы решения систем линейных алгебраических систем уравнений (методы Якоби и Гаусса-Зейделя)
- •Порядок выполнения работы
- •Решение слау методом Якоби (метод простых итераций) с использованием приложения Microsoft Excel
- •Лабораторная работа №4 Тема. Численные методы решения линейных обыкновенных дифференциальных уравнений с краевыми условиями. Метод конечных разностей
- •Порядок выполнения работы
- •Решение краевой задачи с использованием электронных таблиц Microsoft Excel.
- •Порядок построения графиков приближенных решений краевой задачи
- •Лабораторная работа №5 Тема. Численные методы оптимизации. Графический метод
- •Рекомендации к решению задач линейного программирования с использованием приложения Excel
- •Порядок решения
- •Лабораторная работа №6 Тема. Численные методы оптимизации
- •Лабораторная работа №7 Тема. Планирование и обработки результатов многофакторного эксперимента
- •Построение уравнения регрессии с использованием электронных таблиц Microsoft Excel
- •Определение коэффициентов уравнения регрессии
- •3). Решая слау (7.9), находим вектор коэффициентов ур:
- •Построение поверхности функции отклика
- •Приложения Приложение 1. Исходные данные к первому заданию Матрицы а и в
- •Приложение 2. Исходные данные ко второму заданию Матрица а
- •Приложение 3. Исходные данные к третьему заданию
- •Приложение 4. Исходные данные к четвертому заданию
- •Приложение 5. Исходные данные к заданию 5
- •Приложение 6. Исходные данные к заданию 6
- •2. Задача планирования производства
- •3 Задача об оптимальном выпуске продукции
- •4. Задача оптимизации производственной программы
- •5. Задача о назначениях
- •6. Задача о получении максимальной прибыли
- •7. Задача об оптимальном раскрое материалов
- •8. Задача оптимального производственного планирования
- •9*. Задача о покрытии местности при строительстве объектов
- •10. Задача о максимизации прибыли
- •11*. Транспортная задача
- •12. Задача об оптимальном использовании материалов
- •13. Транспортная задача (цементные заводы - жбк)
- •14. Распределительная задача
- •15. Задача о застройке микрорайона
- •16*. Задача о покрытии местности при строительстве объектов
- •17. Задача о застройке микрорайона
- •18. Задача оптимального выпуска станков
- •19. Задача об оптимальном выпуске продукции
- •20. Задача об оптимальном выпуске продукции
- •21. Задача о назначениях (проблема выбора)
- •22. Задача о получении максимальной прибыли
- •23. Задача оптимизации производственной программы
- •24. Задача о дивидендах
- •25*. Задача размещения водопроводных сооружений
- •26*. Задача размещения котельных
- •27*. Задача рационального раскроя
- •28*. Задача о планировании смен на производстве
- •29. Задача оптимального планирования выпуска продукции
- •30. Задача о получении максимальной прибыли
- •Приложение 7
- •Значения критерия Стьюдента t (α, k2)
- •Значения критерия Фишера f (α, k1, k2)
- •Значения критерия Кохрена
Определение коэффициентов уравнения регрессии
1). Уравнение регрессии (7.1) для кодированных значений факторов запишем в виде скалярного произведения двух векторов:
,
где -вектор эффектов , (7.7)
–вектор коэффициентов УР (7.8)
2). На основании метода наименьших квадратов (МНК), коэффициенты уравнения регрессии являются решением нормальной системы уравнений (СЛАУ), которая в матричном виде записывается в следующем виде:
,
или
(7.9)
где – вектор усредненных опытных значений функции отклика размерностиN=9;.
Х – матрица независимых переменных размерности (N*nb), i–я строка которой представляет собой вектор эффектов вi – ой строке плана эксперимента, - число членов УР (рис.7.2).
ХТ - транспонированная матрица для матрицы Х размерности (nb*N)
Рис.7.2
3). Решая слау (7.9), находим вектор коэффициентов ур:
Статистическая оценка значимости коэффициентов УР
Для статистической оценки значимости коэффициентов УР составляется таблица (рис.7.3), в которой сравниваются абсолютные значения коэффициентов с величинами доверительных интервалов разброса коэффициентов.
Рис.7.3.
Задача решается в следующей последовательности.
1). Разброс (или рассеивание) коэффициентов ММ, как рассеивание любой случайной величины, характеризуется дисперсией коэффициентов УР (или среднеквадратичным отклонением), которое вычисляется по формуле
, (7.10)
где сумма квадратов элементов столбцов матрицы независимых переменных (рис.7.2.)
- общая дисперсия эксперимента, вычисляется по формуле (7.5).
2). Величина доверительного интервала разброса коэффициентов вычисляется по формуле:
(7.11)
где - критерий Стьюдента, берется из таблицы 7.1 приложения 7 в зависимости от уровня значимости α =0,05 и числа степеней свободы k2=N m-1, таким образом t (0,005; 17)=2,11.
3). Коэффициент УР считается статистически значимым, когда его абсолютная величина больше или равна величине доверительного интервала:
(7.12)
Таким образом, коэффициенты b11 и b22 (рис.7.3) являются незначимыми.
Статистическая незначимость коэффициента интерпретируется как отсутствие влияния соответствующего фактора или взаимовлияния отдельных факторов на функцию отклика. Соответствующее слагаемое удаляется из УР и полученное УР имеет вид .
Проверка гипотезы об адекватности ММ (критерий Фишера) – это поиск ответа на вопрос, можно ли полученную ММ использовать для описания исследуемого процесса или необходима более сложная ММ.
Проверка адекватности приведена на рис.7.4 и выполняется в следующей последовательности
Рассчитывается опытное значение критерия Фишера Fоп
, (7.13)
где -дисперсия неадекватности определяется по формуле:
, (7.14)
где - число значимых коэффициентов УР.
- расчетные значения функции отклика в точках плана.
- опытные усредненные значения функции отклика в точках плана.
2.) Теоретическое значение критерия Фишера принимается по таблице 7.2 приложения 7 в зависимости от уровня значимости α=0,05 и от значений степеней свободы
Опытное значение критерия Фишера Fоп =1,469 сравнивается с теоретическим Fтеор. =2,8. В соответствии с выражением (7.15), полученная модель адекватна.
(7.15)
Рис.7.4.
Критерий Фишера, по сути дела отвечает на вопрос, во сколько раз ММ предсказывает хуже по сравнению с опытом.
Переход от кодированных значений параметров к натуральным осуществляется по формулам (7.2).
где
таким образом, в натуральных значениях параметров уравнение регрессии имеет вид:
(7.16)