2.2 Перевірка нормальності закону розподілу випадкової величини методом rs-критерію

RS-критерій чисельно дорівнює відношенню розмаху варіації випадкової величини R до стандартного відхилення S. В нашому випадку

Висновок: Отримане значення RS-критерію, в порівнянні з табличними нижньою і верхньою межами (при n=11 нижня границя дорівнює 2,60, а верхня 3,720), потрапляє в інтервал між критичними границями, отже гіпотеза про нормальний розподіл приймається.

2.3 Перевірка рівності математичного очікування

Якщо вона має дискретний рівномірний розподіл, тобто

Тоді її математичне очікування

Висновок: Математичне очікування фактично дорівнює нулю, отже модель можна вважати адекватною .

2.4 Перевірка незалежності значень рівнів випадкового компонента

Т.ч. перевірка відсутності істотної автокореляції в залишковій послідовності може здійснюватися по ряду критеріїв, найпоширенішим з яких є d- критерій Дарбина-Уотсона. Розрахункове значення цього критерію визначається по формулі

d=0.685

Розрахункове значення критерію d (або d') рівняється з верхнім d2 і нижнім d1 критичними значеннями статистики Дарбина-Уотсона, фрагмент табличних значень яких для різного числа рівнів ряду п і числа обумовлених параметрів моделі k представлені в таблиці 2.2.

Таблиця 2.2

21	1,22	1,42	1,13	1,54	1,03	1,67	0,93	1,81
22	1,24	1,43	1,15	1,54	1,05	1,66	0,96	1,80
23	1,26	1,44	1,17	1,54	1,08	1,66	0,99	1,79

Висновок: отримане значення d-критерія менше нижнього табличного значення d1, тоді гіпотеза відхиляється і модель неадекватна.

Для адекватних моделей має сенс ставити завдання оцінки їхньої точності. Точність моделі характеризується величиною відхилення виходу моделі від реального значення моделюючої змінної (економічного показника). Для показника, представленого тимчасовим рядом, точність визначається як різниця між значенням фактичного рівня тимчасового ряду і його оцінкою, отриманої розрахунковим шляхом з використанням моделі, при цьому як статистичні показники точності застосовуються наступні:

Середнє квадратичне відхилення:

Середня відносна помилка апроксимації:

Коефіцієнт збіжності:

Коефіцієнт детермінації:

.

ВИСНОВОК

В ході курсової роботи було розглянуто дві моделі (Гаусова модель та квадратна) на адекватність по наступним етапам:

• перевірка випадковості коливань рівнів залишкової послідовності;

• перевірка нормальності закону розподілу випадкової величини методом rs-критерію;

• перевірка рівності математичного очікування;

• перевірка незалежності значень рівнів випадкового компонента.

• Висновок: За критерієм серій а також за критерієм піків всі нерівності виконуються, отже, трендова модель вважається адекватною.

• Висновок: Отримане значення RS-критерію, в порівнянні з табличними нижньою і верхньою межами (при n=11 нижня границя дорівнює 2,60, а верхня 3,720), потрапляє в інтервал між критичними границями, отже гіпотеза про нормальний розподіл приймається.

В результаті, математичне очікування Гаусової моделі фактично дорівнює нулю, отже модель можна вважати адекватною; отримане значення d-критерія більше верхнього табличного значення d2, тоді гіпотеза про незалежність значень рівнів випадкового компонента, тобто про відсутність в ній автокореляції, приймається; за критерієм серій а також за критерієм піків всі нерівності виконуються, отже трендова модель вважається адекватною;

отримане значення RS-критерію, в порівнянні з табличними нижньою і верхньою межами (при n=11 нижня границя дорівнює 2,60, а верхня 3,720), потрапляє в інтервал між критичними границями, отже гіпотеза про нормальний розподіл приймається.

Гаусова модель повністю адекватна, тому що всі зазначені вище чотири перевірки властивостей залишкової послідовності дають позитивний результат.

Квадратна модель теж була перевірена по всім чотирьом параметрам. В результаті отримали: математичне очікування фактично дорівнює нулю, отже модель можна вважати адекватною; за критерієм серій а також за критерієм піків всі нерівності виконуються, отже трендова модель вважається адекватною; отримане значення RS-критерію, в порівнянні з табличними нижньою і верхньою межами (при n=11 нижня границя дорівнює 2,60, а верхня 3,720), потрапляє в інтервал між критичними границями, отже гіпотеза про нормальний розподіл приймається; отримане значення d-критерія менше нижнього табличного значення d1, тоді гіпотеза відхиляється і модель неадекватна.

Тобто, модель не відповідає вимогам четвертого параметру властивостей залишкової послідовності на адекватність, тому її вважати адекватною неможна.

Список використаної літератури

1. Автоматика и управление в технических системах: В 11 кн. Кн..2. Киричков В.Н. Идентификация объектов систем управления технологическими процесами. /Под ред. А. А. Краснопрошиной. – К.: Выща шк.., 1990. – 263с.

2. Гроп Д., Методы идентификации систем. - М.: Мир, 1983. - 302с.

3. Барабащук В.И. и др.. Планирование эксперимента в технике. – К.: Техніка, 1984. – 200с.

4. Райбман Н.С., Чадеев В.М. Построение моделей процессов производства. – М.: Энергия, 1975. –376с.

5. Костюк В.И., Киричков В.И., Суботін Н.Я., Гнучка ідентифікація систем і обьектов. Математичні моделі й структурна ідентифікація, - Київ: КПИ, 1987, 89с.

6. Цыпкин П., Основи ідентифікації систем керування - М. : Мир, 1975,688.

7. В.Б. Тихомиров, Планування й аналіз зксперимента - М. : Легка індустрія, 1979, 423с.

8. Ю.П. Адлер, Ю.В. Грановский, Планування зксперимента при пошуку оптимальних умов - М.. Наука, 1971.

9. Дьяконов В. Mathcad 2000: учебный курс. – СПб.: Питер, 2000. – 592с.