
Добавил:
student_tipo
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз:
Предмет:
Файл:лекции / Лекции по ИДС.doc
X
- •Природа образования случайных процессов
- •Характеристики случайных процессов
- •Математическое ожидание
- •Функция распределения
- •Нормальный закон распределения
- •Закон больших чисел
- •Влияние параметров на вероятность
- •Характеристики скорости изменения случайных процессов во времени
- •Корреляционная функция
- •Белый шум, цветные сигналы
- •Спектральная плотность
- •Постановка задачи построения математической модели (идентификация)
- •Критерий теории мнк (метод наименьших квадратов)
- •Задачи нелинейного программирования
- •Основные виды зависимостей между переменными
- •Регрессионный анализ. Постановка задачи
- •Регрессионный анализ
- •Предпосылки регрессионного анализа
- •Вывод уравнений коэффициентов методом наименьших квадратов для дополнительного объекта
- •Метод наименьших квадратов в матричном виде
- •Построение нелинейной модели путем линеаризации
- •Методика получения нелинейного уравнения аппроксимируя экспериментальные данные
- •Метод нелинейного программирования
- •Уравнение винера-хопфа
- •Вывод уравнения винера-хопфа
- •Применение t-критерия
- •Оценка значимости величины
- •- Распределение
- •Количественные характеристики - распределения
- •Односторонний критерий
- •Показатели адекватности математической модели. Коэффициент множественной корреляции
- •F-критерий адекватности математической модели
- •Блок-схема построения математической модели
Блок-схема построения математической модели
Постановка задачи
Структурная идентификация
Подбор и анализ априорной информации
Выбор структуры математической модели
Выбор критерия
Выбор метода идентификации
Параметрическая идентификация
Разработка плана эксперимента
Проведение эксперимента
Анализ экспериментальной функции
Получение оценок эксперимента
Проведение дисперсионного и корреляционного анализа
Если математическая модель адекватна.
Если нет, то идем в блок 7
Использование математической модели
Разработка структуры модели на основании новой информации
Соседние файлы в папке лекции