
- •Учебно-методический комплекс дисциплины «организация научных исследований» для студентов всех форм обучения
- •1. Цели освоения дисциплины
- •2. Место дисциплины в структуре ооп впо
- •3. Компетенции студента, формируемые в результате освоения дисциплины
- •4. Объем учебной дисциплины и виды учебной работы
- •4.1. Объем дисциплины и виды учебной работы
- •4.2. Содержание и тематическое планирование дисциплины
- •4.3. Содержание разделов дисциплины
- •5. Образовательные технологии
- •6. Оценочные средства для текущего контроля успеваемости, промежуточной аттестации по итогам освоения дисциплины и учебно-методическое обеспечение самостоятельной работы студентов
- •6.1 Задания и методические указания к выполнению контрольной работы
- •6.1.1 Основные требования к содержанию контрольной работы
- •Задания №1
- •Варианты задания №1
- •Задания №2
- •6.2 Практические занятия
- •6.2.1 Практическое занятие «Расчет выборочных характеристик при малом объеме выборки»
- •Теоретическая часть
- •Пример расчета
- •6.2.2 Практическое занятие «Расчет выборочных характеристик при большом объеме выборки»
- •Теоретическая часть
- •Пример расчета
- •Решение
- •6.2.3 Практическое занятие
- •Пример расчета
- •Варианты контрольных заданий
- •6.2.5 Практическое занятие «Исключение грубых ошибок наблюдений»
- •Теоретическая часть
- •Пример расчета
- •Контрольные задачи
- •6.2.6 Практическая работа
- •«Вторичная обработка результатов экспериментов. Основы
- •Регрессионного анализа»
- •Теоретические сведения
- •Пример расчёта
- •Анализ связи между технологической прочностью металла шва и содержанием в нем марганца
- •6.2.7 Практическое занятие «Активный эксперимент»
- •Теоретическая часть
- •Планирование эксперимента осуществляется в несколько этапов:
- •Пример расчета
- •Решение
- •6.4. Вопросы для подготовки к зачету
- •7. Учебно-методическое и информационное обеспечение дисциплины
- •8.Материально-техническое обеспечение дисциплины
- •«Организация научных исследований»
Пример расчета
При определении износостойкости аустенитного чугуна были получены результаты: 24, 44, 44, 45, 46, 47, 47, 48, 48, 48, 48, 52 мм /ч. Требуется проверить с помощью критерия Груббса, не являются ли ошибочными первый и последний результаты испытаний.
РЕШЕНИЕ
Для рассматриваемой
выборки
= 49 мм /ч,S
= 8,12 мм /ч, рассчитываем по формуле (15)
значение Г для наибольшего результата:
Г1 = (52 – 49) / 8,12 = 0,369 ,
а по (14) для наименьшего результата:
Г2 = (49 – 24) / 8,12 = 3,078 .
Табличное критическое значение Г 0,05; 12 = 2,39.
Поскольку 0,369 < 2,387, а 3,078 > 2,387, значение 52 мм /ч следует оставить в рассматриваемом ряду, а 24 мм /ч – исключить из этого ряда. В этом случае повторяют опыт, чтобы заменить исключенное значение, или ограничиваются оставшимися.
Контрольные задачи
1. Исключить грубые ошибки методом Груббса
111; 110; 98; 112; 113; 123; 112; 110; 111; 112; 110; 113; 112 при = 0,01; S = 10,1
2. Исключить грубые ошибки методом Груббса
72; 73; 72; 65; 71; 73; 70; 72; 73; 72; 79; 72; 71 при = 0,025; S = 2,95
3. Исключить грубые ошибки
10,5; 10,6; 10,7; 11,0; 10,9; 9,6; 10,7; 10,6; 12,1; 10,8; 10,9; 10,7 при = 0,025; S = 0,31
4.Исключить грубые ошибки
100; 99; 98; 102; 104; 111; 98; 102; 92; 100; 99 при = 0,01; S = 2,3
5. Исключить грубые ошибки методом Груббса
13,6; 13,6; 13,7; 13,8; 13,5; 12,5; 13,6; 13,7; 14,8; 13,8; 13,5 при = 0,01; S = 0,65
6.Исключить грубые ошибки по правилу трех сигм
164; 166; 162; 151; 164; 165; 168; 174; 166; 162; 164 при = 0,05; S = 3,1
7.Исключить грубые ошибки
15,1; 15,2; 14,0; 15,3; 14,9; 16,0; 15,2; 15,0; 15,3; 15,2 при = 0,1; S = 0,51
8.Исключить грубые ошибки по правилу трех сигм
20,8; 20,9; 21,0; 20,8; 24,0; 20,9; 21,2; 21,3; 19,0; 21,0; 20,9 при = 0,025; S = 0,91
9.Исключить грубые ошибки
20,3; 20,5; 20,2; 20,0; 17,0; 20,3; 20,4; 22,0; 20,5 при = 0,01; S = 0,6
10.Исключить грубые ошибки по правилу трех сигм
182; 184; 183; 180; 169; 184; 185; 180; 184; 196; 180 при = 0,05; S = 7,1
6.2.6 Практическая работа
«Вторичная обработка результатов экспериментов. Основы
Регрессионного анализа»
Теоретические сведения
В практике часто применяются строгие функциональные зависимости, сущность которых заключается в том, что какая-либо переменная определяется как однозначная функция одной у = f(x) или нескольких у = f(х1, х2, ..., хn) переменных.
Простейшая форма связи между переменными - линейная зависимость, которую можно выразить общим уравнением
y = b0 + b1x1 + b2x2 + ... + bnxn (16)
где у – зависимая переменная; хi (i = 1, 2, …, n) – независимые переменные; bi (i = 1, 2,…, n) – неизвестные коэффициенты; n – число независимых переменных.
Эту модель (16) часто называют уравнением регрессии, а способ ее построения регрессионным анализом.
С помощью регрессионного анализа устанавливается связь между случайной зависимой переменной у и неслучайными независимыми переменными хi. При этом предполагается, что зависимая переменная у имеет нормальный закон распределения и дисперсия ее определения не зависит от абсолютной величины, а независимые переменные xi устанавливаются с очень малой ошибкой. Эту линейную связь устанавливают следующим образом:
Предположим, имеется определенное число пар наблюдений (уi, хi ), где уi - зависимая переменная, а хi -независимая переменная. По этим парам наблюдений можно построить прямую, описываемую уравнением
ŷi = b0 + b1xi , (17)
где ŷi - предсказываемое уравнение регрессии, значение зависимой переменной.
Для нахождения этого уравнения нужно подобрать параметры b0 и b1 так, чтобы точки пар наблюдений, (x1y1; x2y2; ...; xnyn) лежали на плоскости xoy как можно ближе к прямой, описываемой уравнением (17). Неизвестные коэффициенты (коэффициенты регрессии) b0 и b1 определяют с помощью метода наименьших квадратов.
Для этого находят смещение i относительно предполагаемого ŷi – yi = i для каждой пары наблюдений (xi yi)
Для уменьшения различия между предполагаемыми по уравнению значениями ŷi и наблюдаемым уi сумму квадратов отклонений приравнивают к минимуму.
b0 + b1x1 – y1 = 1 = F1(b0, b1)
……………………………… (18)
b0 + b1xn – yn = n= Fn(b0, b1)
(19)
должно иметь нормальное распределение и быть независимо.
(20)
Для отыскания минимума данной функции приравнивают к нулю соответствующие частные производные:
(21)
(22)
(23)
(24)
(25)
(26)
(27)
Получив систему уравнений (25) и (26) и выполнив преобразования, находят искомые коэффициенты линейной регрессии b0 и b1.
(28)
(29)
С помощью уравнений (27) и (28) рассчитывают коэффициенты регрессии и получают линейную зависимость y от x.
Полученное уравнение анализируют на адекватность результатам наблюдения. Для этого находят среднеквадратическое отклонение Sост. по формуле
,
(30)
где k – число степеней свободы.
Линейная регрессионная модель называется адекватной, если предсказанные по ней значения переменной у согласуются с результатами наблюдений. Грубая оценка адекватности модели может быть проведена непосредственно по графику остатков, то есть разностей между наблюдаемыми значениями yi и вычисленными ŷi.
Получение уравнения регрессии – это лишь 1-й этап исследования связи между переменными, 2-й этап – его всесторонний анализ.