- •Министерство образования российской федерации
- •Применение Пэвм в отрасли Научные расчеты в Microsoft Excel
- • Уральский государственный лесотехнический университет, 2004 Занятие №1 Основы работы в Excel
- •Окно приложения Excel
- •Основные операции с рабочими листами
- •Ввод данных в ячейку
- •Копирование содержимого ячейки (ячеек) через буфер обмена
- •Формулы
- •Абсолютные и относительные ссылки
- •Форматы данных
- •Задание №1
- •Электронные состояния атома углерода
- •Занятие №2
- •Задание №2
- •Задание №3
- •Занятие №3 Обработка результатов испытаний материалов Постановка задачи
- •Задание №4
- •Занятие №4 Оптимизация
- •Постановка задачи
- •Задание №5
- •Занятие №5 Моделирование химических реакторов
- •Постановка задачи
- •Математические модели
- •Задание №6
- •Занятие №6 Двухпараметрическая аппроксимация
- •Задание
- •Занятие №7 Задачи оптимального проектирования Основные понятия
- •Постановка задачи
- •3. Определение уравнений нелинейной регрессии
- •Задание №7
- •5. Определение уравнения нелинейной регрессии в форме пользователя
- •Применение пэвм в отрасли Научные расчеты в Microsoft Excel
Занятие №7 Задачи оптимального проектирования Основные понятия
При оптимальном проектировании важными элементами математической модели являются зависимости между параметрами объекта проектирования. Такие зависимости могут быть теоретическими и статистическими. Если теоретические зависимости отсутствуют, то необходимые соотношения можно определять на основании имеющихся статистических данных.
Для определения статистических зависимостей необходимо выполнить 2 шага:
На основании физического смысла статистических данных принять вид аналитических зависимостей (линейная зависимость, полином 2-ой степени, экспонента и т.д.);
С помощью метода наименьших квадратов по имеющимся статистическим данным найти значения величин, определяющих конкретный вид принятых зависимостей.
Полученные аналитические зависимости называются уравнениями регрессиии в общем случае имеют видy=f(x1,x2, …,xn)
Классификация уравнений регрессии приведена на рис.1.
Регрессия называется парной, если она описывает зависимость между функцией и одной переменной :y=f(x).
Регрессия называется множественной, если она описывает зависимость между функцией от нескольких переменных:y=f(x1,x2, …,xn).
Вид зависимости бывает линейный и нелинейный.
Важной характеристикой регрессионных зависимостей является мера их достоверности, которая оценивается величиной R2. ВеличинаR2находится в пределах 0≤R2≤1 .
Минимальное количество исходных данных (К), необходимое для нахождения коэффициентов в уравнении регрессии, определяется по формуле: К = М + 2.
Например, для уравнения линейной регрессии вида y=b + mx необходимо определить 2 величины (b, m); К=4. Для уравнения регрессии в виде полинома 2-й степени вида y=b + m1x + m2x2 необходимо определить 3 величины (b, m1, m2 ); К=5.
Величина К является нижнейграницей количества исходных данных.
Определение уравнений линейной регрессии
Постановка задачи
Уравнение регрессии имеет вид: .
Для получения уравнения регрессии необходимо:
определить значения b,mi ;
оценить достоверность полученного уравнения;
оценить достоверность коэффициентов в уравнении регрессии.
Ответы на эти вопросы можно получить с помощью функции ЛИНЕЙН ( ). Исходные данные в эту функцию необходимо ввести в формате: =ЛИНЕЙН(интервал значений y; блок значенийxi; константа, статистика).
2.2. Условия задачи
Исходные данные приведены в таблице. В этой таблице указаны два технических параметра:
x1 – производительность (количество операций в час);
х2– характеристика качества (время наработки на отказ в днях);
и один экономический:
y– цена аппаратуры (в тыс.руб.).
Требуется определить уравнение регрессии, устанавливающее зависимость цены от технических параметров.
Определение уравнения линейной регрессии
Ввести исходные данные:
блок значений хвB4:C9;
интервал значений yD4:D9.
Определить максимальные и минимальные значения переменных:
использовать – Мастер функций, Статистические, МИН (МАКС);
результаты расчеты поместить: МИН - В11, С11; МАКС – В11, С12.
Определить коэффициенты уравнения линейной регрессии
поместить курсор в ячейку В14;
выделить блок В14:D18 (число строк – 5 всегда; столбцов – 3 (n+1);
в ячейку В14 ввести : =ЛИНЕЙН(интервал значений y; блок значенийxi; истина, истина);
выполнить команду <Shift>+<Ctrl>+<Enter> (на экране появится результат вычислений).
Расшифровка полученных значений приведена в таблице.
mn |
mn-1 |
… |
m1 |
b |
[ mn] |
[ mn-1] |
… |
[ m1] |
[ b] |
R2 |
[ g] |
|
|
|
Fрасч |
df |
|
|
|
SSreg |
SSresid |
|
|
|
Где b, m1, mn-1, mn –искомые величины в уравнении регрессии;
[ b], [ mi] – средние квадратичные отклонения полученных значений;
R2 – величина, характеризующая достоверность (коэффициент корреляции);
df –число степеней свободы, определяемое по формуле :df=k– (n+ 1),k– число строк в таблице исходных данных;n– число аргументов (df=3).
Тогда искомое уравнение регрессии имеет вид:
y = 1721 + 3,9x1 + 5,7x2.
Оценка достоверности уравнения регрессии
Курсор в ячейку F17.
Мастер функций, Статистические, FРАСП; Готово.
Рассчитать значение G17 = 1-F17 (полученное значение показывает достоверность наличия зависимостиyотxi) .
2.4. Оценка достоверности значений b и mi
2.4.1. Вычислить величины ( );
2.4.2. Определить β-вероятность (что значения miиiне достоверны):
Курсор в В22;
Мастер функций, Статистические, СТЬЮДРАСП (х=tiв ячейку В21; степень свободыdf–C17; хвосты 2 используется 2-степенное распределение Стьюдента),Готово(результат вычисления в ячейке В22).
Определить (1- β) – вероятность того, что значения mi достоверны
(расчет произвести в ячейке В23);
Скопировать В22:В23 в ячейки С22:D23;
Сделать выводы.
Рис.1. Для задачи «Определение уравнений линейной регрессии»