- •3. Лекція 3. Градієнтні методи мінімізації 29
- •3.1 Постановка задачі. 29
- •5. Лекція 5. Елементи математичної статистики. 58
- •6. Лекція 6. Статистична перевірка гіпотез 67
- •1. Лекція 1. Чисельна інтеграція. Обчислення визначеного інтеграла. Оцінка похибки за правилом рунге. Уточнене по річардсону наближене значення. План лекції
- •1.2 Метод прямокутників.
- •1.3 Метод трапецій.
- •1.4 Метод Симпсона.
- •1.5 Правило Рунге для обчислення наближеного значення погрішності.
- •1.6 Уточнене по Річардсону наближене значення.
- •Застосування правила Рунге для оцінки наближеного значення визначеного інтеграла.
- •Питання для самоперевірки
- •Література, що використовується
- •Лекція 2. Наближені методи одновимірної
- •План лекції
- •2.2 Метод відділення відрізків унімодальності.
- •Алгоритм методу
- •2.3 Метод дихотомії .
- •2.4 Метод «золотого перетину».
- •3.2 Метод найшвидшого градієнтного спуска.
- •Алгоритм методу.
- •3.3 Метод градієнтного спуску з дробленням кроку.
- •Алгоритм методу.
- •3. 4 Метод градієнтного спуску з постійним кроком.
- •Алгоритм методу
- •Метод по координатного спуску.
- •Питання для самоперевірки
- •Використовувана література
- •4. Лекція 4. Виведення формул чисельного диференціювання. Наближені методи рішення диференціних рівнянь першого порядку. Оцінка погрішності за правилом рунге. План лекції
- •4.1 Виведення формул чисельного диференціювання.
- •4.2 Постановка задачі для наближеного вирішення диференційних рівнянь першого порядку.
- •4.3 Метод Ейлера.
- •4.4 Погрішність наближеного рішення диференційних рівнянь, отриманих методом Ейлера.
- •Метод «предиктор- коректор».
- •Вдосконалений метод Ейлера.
- •Метод Рунге - Кутта
- •Правило Рунге для оцінки погрішності наближеного рішення диференційних рівнянь .
- •Питання для самоперевірки
- •Література, що використовується
- •5.2 Найбільш важливі розподіли, застосовувані в математичній статистиці.
- •5.2.1 Нормальний розподіл.
- •Мал. 5.1 Графік функції щільності нормованої нормально розподіленої випадкової величини
- •5.2.2 Розподіл Пирсона (х2 розподіл).
- •5.2.3 Розподіл Ст’юдєнта.
- •5.2.4 Розподіл Фішера.
- •Полігон і діаграма частот.
- •Питання для самоперевірки
- •Література, що використовується
- •6.1 Статистична гіпотеза. Статистичний критерій. Помилки, що виникають при перевірці гіпотез.
- •6.2 Перевірка гіпотези про нормальний розподіл помилок експерименту.
- •6.3. Перевірка гіпотези про погодженість думок експертів (апріорне ранжирування змінних).
- •Питання для самоперевірки
- •Література, що використовується
- •7. Лекція 7. Повний факторний експеримент
- •7.1 Задачі попереднього експерименту. Факторний простір.
- •7.2 Формулювання мети експерименту й вибір відгуків.
- •7.3 Вибір і кодування фактів.
- •7.4 Перевірка відтворюваності результатів експерименту.
- •7.5 Матриця планування
- •7.6 Розрахунок коефіцієнтів лінійної моделі й моделі з урахуванням взаємодії факторів.
- •7.7 Перевірка значимості коефіцієнтів моделі
- •7.8 Перевірка адекватності моделі об'єкту
- •7.9 Прийняття рішень за результатами планування пфе
- •8. Додатки.
- •8.1 Додаток 1.
- •8.2 Додаток 2.
- •8.3 Додаток 3.
- •9. Список літератури
- •2 Семестр.
7.5 Матриця планування
Задачею основного факторного експерименту є побудова математичної моделі досліджуваного процесу. Нехай будується залежність:
.
Планування експерименту - це визначення кількості, умов і послідовності проведення досвідів, необхідних для рішення ухваленої задачі з необхідною точністю. У плані експерименту повинні бути зазначені кількість досвідів у кожній крапці й послідовність їхньої реалізації. Кількість паралельних досвідів m визначається точністю виміру відгуку.
Кожній крапці факторного простору відповідає певний набір значень факторів, що є координатами даної крапки. Будемо розглядати експеримент, у якому кожний фактор може приймати тільки два значення (верхній і нижній рівні).
Експеримент, у якому реалізуються всі можливі сполучення двох рівнів факторів, називається повним факторним експериментом (ПФЕ).
Число
досвідів ПФЕ
.
Можливі
значення, прийняті факторами в ПФЕ,
записуються у вигляді таблиці й
називаються матрицею планування
.Матриця
звичайно записується не у фізичних
змінних
,
а в кодованих
.
Таким чином, фактори приймають два
значення +1; -1.
Випишемо
матрицю планування для чотирьох
факторів.
Число
досвідів
.
Матриця планування має наступні властивості:
Ортогональність – скалярний добуток двох будь-яких стовпців матриці дорівнює нулю:
Симетрія - сума елементів будь-якого стовпця дорівнює нулю:
Нормировка – сума квадратів елементів будь-якого стовпця дорівнює :
Рототабельність - рівність і мінімальність дисперсії змінної стану у всіх точках факторного простору, равновідаленних від центра.
Таблиця 7.2
N досвіду |
ПФЕ 23 |
ПФЕ 22 |
ПФЕ 21 |
|
|
|
|
|
yэ |
1 |
+ |
+ |
+ |
+ |
+ |
y1э |
|||
2 |
+ |
- |
+ |
+ |
+ |
y2э |
|||
3 |
|
+ |
+ |
- |
+ |
+ |
y3э |
||
4 |
|
+ |
- |
- |
+ |
+ |
y4э |
||
5 |
|
|
+ |
+ |
+ |
- |
+ |
y5э |
|
6 |
|
|
+ |
- |
+ |
- |
+ |
y6э |
|
7 |
|
|
+ |
+ |
- |
- |
+ |
y7э |
|
8 |
|
|
+ |
- |
- |
- |
+ |
y8э |
|
9 |
|
|
|
+ |
+ |
+ |
+ |
- |
y9э |
10 |
|
|
|
+ |
- |
+ |
+ |
- |
y10э |
11 |
|
|
|
+ |
+ |
- |
+ |
- |
y11э |
12 |
|
|
|
+ |
- |
- |
+ |
- |
y12э |
13 |
|
|
|
+ |
+ |
+ |
- |
- |
y13э |
14 |
|
|
|
+ |
- |
+ |
- |
- |
y14э |
15 |
|
|
|
+ |
+ |
- |
- |
- |
y15э |
16 |
|
|
|
+ |
- |
- |
- |
- |
y16э |
де: – фіктивне змінне, приймаюче значення +1.
Розширена матриця ПФЕ виходить шляхом додавання стовпця зі змінної відгуку. Якщо попередній експеримент показав невисоку відтворюваність, то в матрицю включають результати паралельних досвідів.
