- •2. Идентификация модели системы
- •Постановка задачи идентификации
- •Выбор формы модели идентификации
- •Линейная одномерная регрессионная модель
- •2.2.4. Проверка адекватности модели
- •Линейная множественная модель
- •Нелинейные регрессионные модели
- •А) Полиномиальная множественная регрессионная модель
- •Б) Мультипликативная регрессионная модель
- •В) Обратная регрессионная модель
- •Г) Экспоненциальная модель
- •Выбор оптимальной модели идентификации
- •А) метод группового учета аргументов (мгуа)
- •Б) метод исключений
- •Б) метод включения
- •Методы планирования эксперимента с моделями систем
- •2.3.1. Полный факторный эксперимент (пфэ)
- •Статистическая обработка результатов пфэ
- •2.3.2. Дробный факторный эксперимент (дфэ)
- •2.3.3. Интерпретация результатов
- •2.3.4. Планирование экспериментов при поиске оптимальных условий
- •3.3. Планирование второго порядка
- •3.4. Поиск оптимальной области
- •3.5. Стратегическое планирование машинных
- •3.6. Тактическое планирование
- •3.7. Анализ результатов моделирования
- •3.7.1. Проверка адекватности системы
- •3.7.2. Проверка значимости коэффициентов
- •3.7.3. Обоснованность модели
- •Контрольные вопросы
2.2.4. Проверка адекватности модели
При моделировании исследователя, прежде всего, интересует, насколько хорошо модель представляет моделируемую систему (объект моделирования). Одним из подходов в оценке адекватности состоит в сравнении выходов модели и реальной системы при одинаковых значениях входов. И те, и другие данные (данные, полученные на выходе модели и данные, полученные в результате эксперимента с реальной системой) – статистические. Поэтому для оценки адекватности применяют методы статистической теории оценивания и проверки гипотез.
Адекватность исследуемой модели можно проверить по дисперсиям отклонений откликов модели от среднего значения откликов системы.
Сравнение дисперсий проводят с помощью F-критерия (критерия Фишера)
,
где − дисперсия, характеризующая ошибку модели;
−дисперсия, характеризующая ошибку эксперимента;
- число степеней свободы модели и эксперимента соответственно.
Дисперсия, характеризующая ошибку модели, рассчитывается по формуле:
где - остаточная сумма квадратов, характеризующая
отклонение от регрессии;
- число степеней свободы модели;
−число экспериментальных точек;
−количество значимых коэффициентов модели в уравнении
регрессии, кроме коэффициента .
Числом степеней свободы в статистике называется разность между числом экспериментов и числом коэффициентов уравнения регрессии.
Для получения дисперсии, характеризующей ошибку эксперимента, проводят параллельных экспериментов.По результатам этих экспериментов вычисляют дисперсию воспроизводимости эксперимента, характеризующую разброс значений отклика
где -среднее арифметическое значение;
- число степеней свободы параллельных экспериментов, равное количеству экспериментов минус единица. Здесь одна степень свободы использована для вычисления среднего.
Учитывая, что точность статистических оценок возрастает с ростом числа степеней свободы, число степеней свободы точной величины можно принять равным
Значениесравнивается со значением, взятым из таблицы распределения Фишера в соответствии с уровнем значимости и степенями свободыи. Если − модель неадекватна (должна быть отвергнута, как недостаточно точная) и соответственно при − адекватна.
Таблица критерия Фишера построена следующим образом. Столбцы связаны с определенным числом степеней свободы для числителя , а строки – для знаменателя. На пересечении соответствующих строки и столбца стоят критические значенияF-критерия. Как правило, в технических задачах используется уровень значимости 0,05.
Проверка значимости коэффициентов. Значимость коэффициентов линейной регрессии определяется с помощью t – критерия Стьюдента. При этом вычисляют расчетные (фактические) значения t – критерия
- для параметра ;
- для параметра
- среднее квадратическое отклонение результативного признака от среднего арифметического значения
- среднее квадратическое отклонение факторного признака от среднего арифметического значения
Вычисленные по вышеприведенным формулам значения сравнивают с критическими t, которые определяют по таблице Стьюдента с учетом принятого уровня значимости и числом степеней свободы. Если, гипотеза о значимости коэффициентапринимается, в противном случае коэффициент считается незначимым и приравнивается к нулю.