- •СОДЕРЖАНИЕ
- •ВВЕДЕНИЕ
- •1 ИТОГОВАЯ ГОСУДАРСТВЕННАЯ АТТЕСТАЦИЯ ВЫПУСКНИКОВ В СИСТЕМЕ ОБРАЗОВАНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ
- •1.1 Основные сведения о системе образования
- •1.2 Система высшего и послевузовского профессионального образования
- •1.3 Итоговая государственная аттестация
- •2 ТИПОВАЯ СТРУКТУРА И ТРЕБОВАНИЯ К ВЫПУСКНОЙ КВАЛИФИКАЦИОННОЙ РАБОТЕ
- •3 ВОЕННО-НАУЧНОЕ ОБОСНОВАНИЕ ВЫПУСКНОЙ КВАЛИФИКАЦИОННОЙ РАБОТЫ
- •3.1 Место вооружения Космических войск в системе военно-технических средств ВС РФ
- •3.1 Структура военно-научного обоснования темы ВКР
- •3.2 Методика оперативно-тактического обоснования системы вооружения
- •4 ТРЕБОВАНИЯ И РЕКОМЕНДАЦИИ ПО ОФОРМЛЕНИЮ УЧЕБНЫХ ТЕКСТОВЫХ ДОКУМЕНТОВ И ДЕМОНСТРАЦИОННЫХ ПЛАКАТОВ
- •4.1 Назначение и виды учебных текстовых документов
- •4.2 Общие требования к учебным текстовым документам
- •4.3 Титульный и заглавный листы, содержание
- •4.4 Построение документа
- •4.5 Изложение текста
- •4.5.2 Нормативные требования к тексту
- •4.6 Примечания, ссылки, сноски, примеры
- •4.7 Формулы в тексте
- •4.8 Таблицы
- •4.9 Иллюстрации
- •4.10 Приложения
- •4.11 Библиографическое описание произведений печати
- •4.12 Рекомендации по оформлению демонстрационных плакатов
- •5 ПОДГОТОВКА РАСЧЕТОВ И ИХ ВЫПОЛНЕНИЕ
- •5.1 Выбор показателя эффективности
- •5.2 Подготовка исходных данных
- •5.3 Определение точности и надежности оценок
- •5.4 Оценка погрешности расчетов
- •5.5 Запись приближенных чисел
- •5.6 Округление чисел
- •5.7 Предельная погрешность функции
- •5.8 Оценка влияния приращений аргументов на приращение функции
- •6 ОСНОВНЫЕ МАТЕМАТИЧЕСКИЕ МЕТОДЫ УПРАВЛЕНИЯ ЭКСПЛУАТАЦИЕЙ ВООРУЖЕНИЯ КВ
- •6.1 Управление процессами эксплуатации вооружения КВ с использованием методов сетевого планирования и управления
- •6.1.1 Основные элементы сетевого графика
- •6.1.2 Правила построения сетевых графиков
- •6.1.3 Характеристики сетевого графика
- •6.1.4 Анализ и оптимизация сетевого графика
- •6.2 Управление эксплуатацией вооружения КВ с использованием методов математического программирования
- •6.2.1 Основные понятия и определения линейного программирования
- •6.2.2 Задача распределения оружия по носителям
- •6.2.3 Транспортная задача линейного программирования
- •6.3 Прогнозирование показателей технического состояния вооружения КВ с использованием временных рядов
- •6.3.1 Прогнозирование: основные понятия и определения
- •6.3.2 Характеристики временного ряда
- •6.3.3 Исследование динамического ряда
- •6.3.4 Прогнозирование показателей технического состояния вооружения КВ
- •6.4 Исследование связи процессов в системе эксплуатации с использованием взаимосвязанных динамических рядов
- •6.4.2 Алгоритм исследования взаимосвязанных динамических рядов
- •6.5 Статистическая оценка показателей эксплуатационных свойств вооружения КВ
- •6.5.1 Выбор закона распределения случайной величины
- •6.5.2 Расчет параметров распределения случайной величины
- •6.5.3 Выравнивание статистического ряда
- •6.5.4 Проверка правдоподобия гипотезы о выборе закона распределения случайной величины
- •6.5.5 Алгоритм статистической оценки показателя эксплуатационного процесса
- •6.6 Метод экспертных оценок показателей эксплуатационных свойств вооружения КВ
- •6.6.1Сущность и содержание метода экспертных оценок
- •6.6.2 Алгоритм применения метода экспертных оценок
- •6.7.1 Общая идея дисперсионного анализа
- •6.7.2 Однофакторный комплекс
- •6.7.3 Двухфакторный комплекс
- •6.8.2 Парная линейная регрессия
- •6.8.3 Парная нелинейная регрессия
- •6.8.4 Множественная регрессия
- •6.8.5 Оценка тесноты связи и значимости коэффициентов регрессии
- •6.9 Прогнозирование состояния системы с использованием марковских процессов и уравнений Колмогорова
- •ЗАКЛЮЧЕНИЕ
- •СПИСОК ЛИТЕРАТУРЫ
- •1. Руководящие и нормативные документы
- •2. Методические материалы
- •3. Дополнительная литература
- •Приложение А
- •Е.1 Основные сведения о Государственной системе стандартизации
- •Е.2 Виды стандартов
- •Е.4 Межотраслевые системы (комплексы) стандартов
- •Е.5 Комплекс стандартов «Государственная система стандартизации РФ»
- •Е.6 Единая система конструкторской документации
- •Е.7 Единая система технологической документации
- •Е.8 Система показателей качества продукции
- •Е.9 Унифицированные системы документации
- •Е.10 Система стандартов по информации, библиотечному и издательскому делу
- •Е.11 Государственная система обеспечения единства измерений
- •Е.12 Единая система защиты от коррозии и старения материалов и изделий
- •Е.13 Комплексы стандартов по безопасности жизнедеятельности
- •Е.14 Система стандартов «Репрография. Микрография»
- •Е.15 Система стандартов «Экологический менеджмент»
- •Е.16 Система разработки и постановки продукции на производство
- •Е.17 Единая система программных документов
- •Е.18 Система проектной документации для строительства
- •Е.19 Обеспечение износостойкости изделий
- •Е.20 Система технической документации на АСУ
- •Е.21 Система стандартов «Расчеты и испытания на прочность»
- •Е.22 Система стандартов «Надежность в технике»
- •Е.23 Система технического обслуживания и ремонта техники
- •Е.24 Система стандартов эргономических требований и эргономического обеспечения
- •Е.25 Комплекс стандартов «Единый российский страховой фонд документации»
- •Е.26 Комплекс стандартов «Информационная технология»
- •Е.27 Система сертификации ГОСТ Р
- •Е.28 Комплекс стандартов «Единообразные предписания …»
- •Е.29 Комплекс государственных стандартов гражданской обороны
- •Е.30 Информационное обеспечение техники и операторской деятельности
- •ПРЕДМЕТНЫЙ УКАЗАТЕЛЬ
219
6.8.2 Парная линейная регрессия
Рассмотрим построение статистической модели на примерах парной регрессии, т.е. на объект исследования воздействует факторный признак X, в результате чего изменяется результативный признак Y.
Исходные данные помещены в таблице 6.28. В результате n = 150 наблюдений получено 150 пар случайных чисел (x, y). Задача заполнения упрощается, если выборку упорядочить. Для этого значения x и y разбивают на интервалы. Случайная величина X (факторный признак) изменяется от 1 до 9, ее можно разбить на 8 интервалов: 1 – 2; 2 – 3; …; 8 – 9. Для каждого интервала вычисляется среднее значение xi = 1, 5; 2,5, …, 8,5.
Случайная величина Y (результативный признак) изменяется от 10 до 80, ее можно разбить на 7 интервалов: 10 – 20; 20 – 30; …; 70 – 80. Для каждого интервала вычисляется среднее значение yj = 15; 25, …, 75. Границы интервалов для случайных величин X и Y и их средние значения занесены в таблицу. В ячейки, образованные пересечением строк и столбцов, заносится количество попаданий пар (x, y) в соответствующие интервалы по x и y. Например, в интервал по x от 1 до 2 и интервал по y от 10 до 20 попало 4 пары наблюдавшихся значений. В регрессионном анализе эти числа называются частотами попаданий и обозначаются через mxy. В столбец, обозначенный my, и строку, обозначенную mx, заносятся суммы частот по каждому интервалу y и x соответственно. В результате заполнения получают корреляционную таблицу. Правильность заполнения таблицы контролируется выполнением условия n = mx = my = 150. Из анализа корреляционной таблицы следует, что имеет место прямая регрессия, так как частоты располагаются по диагонали, идущей с верхнего угла в нижний угол таблицы. Корреляционной таблицей удобно пользоваться при вычислении коэффициентов корреляции и уравнения регрессии.
220
221
Любую пару случайных чисел (x, y) можно изобразить графически в виде точки с координатами (x; y). По оси абсцисс наносят границы интервалов переменной x, по оси ординат – переменной y (рисунок 6.45). Каждую пару значений (x, y) изображают в виде точки в соответствующей клетке. В результате нанесения всего набора пар случайных чисел получают корреляционное поле случайных величин X и Y.
Рисунок 6.45 - Корреляционное поле случайных величин X и Y
Для каждого интервала x вычисляют среднее значение yi(x), например, для интервала 1 – 2: (15 . 4 + 25 . 1 +35 . 2) / 7 = 22,1. На графике корреляционного поля откладывают для каждого среднего значения интервала x среднее значениям yi(x) для этого интервала.
Соединив точки между собой, получают ломанную ли-
нию, которая называется эмпирической линией регрессии
(рисунок 6.46). По ее виду можно сделать предположение о форме связи. В данном случае эмпирическую линию регрессии можно аппроксимировать прямой линией. Анализ корреляционного поля и эмпирической линии регрессии позволяет сделать вывод о прямой линейной регрессии.
Следует отметить, что линейная регрессия, или линейная форма связи между случайными величинами, обуславливается двумерным нормальным законом распределения случайных переменных X и Y.
222
Коэффициенты уравнения линейной регрессии a0 и a1 (см. ф. (6.163)) определяются по методу наименьших квадратов. Система нормальных уравнений имеет вид
Рисунок 6.46 – Эмпирическая и теоретическая линии регрессии
n a0 |
x a1 |
y, |
(6.166) |
|
|
a0 |
2 |
yx. |
|
x |
x |
|
||
|
|
|
|
|
Решая систему (6.166) относительно неизвестных a0 и a1 по методу Крамера, получим:
a0 |
y x 2 |
x xy |
|
|||||
|
|
|
|
|
x 2 |
; . |
|
|
|
n |
|
x 2 |
|
(6.167) |
|||
a |
|
n yx x y |
. |
|
||||
|
|
|
|
x 2 |
|
|||
1 |
|
n |
x 2 |
|
|
|||
|
|
|
|
|
Так как случайные величины X и Y разбиты на интервалы и подсчитаны частоты попадания пар значений mxy, систему нормальных уравнений можно представить в следующем виде
|
|
m a |
|
|
xm a |
|
ym , |
(6.168) |
||||||||
|
xy |
0 |
|
|
2 |
x |
|
1 |
|
|
y |
|
||||
|
|
|
|
|
xy |
. |
||||||||||
|
x |
0 |
|
|
|
|
x |
|
|
|
||||||
|
|
xm |
a |
|
|
x m |
|
|
|
yxm |
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Вычислим все необходимые суммы (см. таблица 6.28) и, подставляя их значения в (6.167), получим
150 a0 735 a1 7110,735 a0 4053,5 a1 37175.
Решая по методу Крамера, получим значения коэффициентов уравнения регрессии
a0 7110 4053,5 37175 735 22,09 ; 150 4053,5 735 735
a |
150 37175 735 |
7110 |
5,40 . |
||
|
|
||||
1 |
150 |
4053,5 |
735 |
735 |
|
|
|