- •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.
7.6 Розрахунок коефіцієнтів лінійної моделі й моделі з урахуванням взаємодії факторів.
За результатами ПФЕ можна побудувати лінійну модель
,
або модель із урахуванням взаємодії факторів
Для обчислення коефіцієнтів моделі використовується метод найменших квадратів: сума квадратів відхилення експериментальних значень y від розрахованих по моделі повинна бути мінімальна
Диференціюючи по кожному коефіцієнті і дорівнюючи похідні нулю, одержуємо систему нормальних рівнянь
У матричному виді , де:
- вектор невідомих коефіцієнтів;
- вектор експериментальних значень змінної стану.
Звідси:
Матриця називається кореляційної або матрицею помилок. Для ПФЕ в силу властивостей ортогональності й нормировки вона має вигляд
Тоді коефіцієнти лінійної моделі визначаються по формулах
Для моделі з урахуванням взаємодії факторів, крім того, додаються коефіцієнти:
7.7 Перевірка значимості коефіцієнтів моделі
Фактори впливають на функцію відгуку. Для оцінки цього впливу використовують перевірку значимості коефіцієнтів.
Перевіряється гіпотеза – коефіцієнт не значимо. Альтернативна гіпотеза – значимо.
Обчислюється дисперсія коефіцієнтів регресії
Для оцінки значимості використовується критерій Стьюдента. Спостережуване значення критерію
Критичне значення визначається по таблиці розподілу критичних крапок Стьюдента із числом ступенів волі й рівнем значимості : . Якщо , то гіпотеза – справедлива, коефіцієнт не значимо, у противному випадку – значимо.
Тому що для ПФЕ дисперсії коефіцієнтів однакові, то розраховується інтервал . Значимість коефіцієнтів перевіряється з умови . Якщо умова виконується, то коефіцієнт значимо.
Якщо коефіцієнт виявився не значимий, то відповідний йому фактор можна видалити з рівняння регресії. Однак важливо пам'ятати, що незначущі фактори були відсіяні на стадії попереднього експерименту. Не значимість може означати, що невірно обрано інтервали варіювання. Необхідно змінити інтервали, і досвіди повторити.
7.8 Перевірка адекватності моделі об'єкту
Висуваються гіпотези: - модель адекватно описує досліджуваний об'єкт, – неадекватно.
Для перевірки висунутої гіпотези розглядається критерій Фишера.
Спостережуване значення критерію
Дисперсія адекватності , де:
- число паралельних досвідів;
- число значимих коефіцієнтів моделі.
Критичне значення визначається по таблиці розподілу критичних крапок критерію Фишера , де .
Якщо , то побудована модель адекватна, тобто розсіювання експериментальних даних змінної стану щодо рівняння регресії має той же порядок , що й розсіювання, викликане перешкодами.
7.9 Прийняття рішень за результатами планування пфе
Після побудови математичної моделі необхідно прийняти рішення: виправляти експеримент або рухатися в область оптимуму по отриманій моделі.
Розглянемо наступні ситуації:
Модель адекватна.
всі лінійні коефіцієнти не значимі;
частина факторів значимі, частина - не значимі;
усі значимі й симетричні (мають один порядок);
усі значимі, але один або трохи факторів не симетричні (сильно перевищують інші).
Модель неадекватна.
У пункті 1.с) можна вважати процес побудови моделі завершеним. Інші пункти вимагають виправлення експерименту. Способи “поліпшення” експерименту наведені на мал.7.2.
.
Досліджуваний
об'єкт
Зміна
числа факторів
Зміна
інтервалів варіювання
Перенос центра
плану
Збільшення
паралельних
досвідів
Зміна
дрібності плану
Поліпшення методу
контролю
tкр
(значимость
)
n
m
p
Gн
tн
Fн
t*
Експериментатор
Fкр
(не адекватность)
tкр
(не
значимость)
Gкр
(не
воспроиз‑ть)
Мал. 7.2. Прийняття рішень після планування ПФЕ
Питання для самоперевірки
Які основні етапи попереднього експерименту?
Намалювати схему багатофакторного експерименту. Які типи впливів впливають на змінну стани?
Які вимоги пред'являються до функції відгуку?
Як вибираються фактори?
Яким образом визначаються нульовий рівень і інтервал варіювання фактору?
Як здійснюється перехід у кодуванні змінних?
Які властивості матриці планування ПФЕ?
Записати рівняння лінійної моделі й моделі з урахуванням взаємодії факторів.
Як розраховуються коефіцієнти моделі?
Яким чином здійснюється перевірка значимості коефіцієнтів рівняння?
Як перевіряється адекватність моделі об'єкту?
Використовувана література
[6] стор.5-8, стор. 33-53; стор. 60-72
[7] стор.6-10, стор 150-153, стор. 53-89
[9] стор 190-200
[12] стор 6-16
[13] стор 9-12
[8] стор. 5-41