- •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.
Питання для самоперевірки
Як розраховуються коефіцієнти Котеса?
Як обчислюється інтеграл за допомогою коефіцієнтів Котеса?
Як визначається значення інтеграла по методу прямокутників?
Яка погрішність отриманого по методу прямокутників наближеного значення?
Як використовуються коефіцієнти Котеса для виведення формули трапеції?
Як визначається значення по формулі трапеції і оцінюється погрішність?
Як використовуються коефіцієнти Котеса при виведенні формули Симпсона?
Як обчислюється визначений інтеграл по методу Симпсона і оцінюється погрішність знайденого значення?
Яким чином обчислюється наближена погрішність значень?
Як обчислюється уточнене по Річардсону наближене значення?
Література, що використовується
1) [1] стор. 103-113 , стор. 118-122
2) [2] стор. 127-136 стор. 139-141
3) [3] стор. 37-49
Лекція 2. Наближені методи одновимірної
МІНІМІЗАЦІЇ.
План лекції
Постановка задачі.
Метод відділення відрізків унімодальності.
Метод дихотомії.
Метод «золотого перетину».
2.1 Постановка задачі.
Задача
одновимірної мінімізації полягає в
знаходженні мінімального значення
функції
на відрізку
і точки
,
в якій це значення досягається. Функцію
називають функцією мети, а
- її точкою мінімуму.
Виз.
Точка
називається точкою локального мінімуму
цільової функції
,
якщо для деякого
і довільних
таких, що
виконано
.
Виз. Функція, що має єдиний локальний мінімум на відрізку, називається унімодальною на цьому відрізку.
Процедура пошуку мінімуму складається з трьох етапів:
розбиття відрізка на відрізки
,
в кожному з яких функція
унімодальна;уточнення точки мінімуму
на кожному відрізку
тобто знаходження локального мінімуму
із заданою точністю;вибір точки мінімуму серед точок локального мінімуму шляхом виділення тієї, в якій значення функції мети якнайменше.
У випадку, якщо функція мети двічі безперервно диференційована, для пошуку точок локального мінімуму можна застосовувати методи Ньютона - Рафсона, січних, дихотомії з похідними. В даній лабораторній роботі розглянуті методи, що не використовують похідних .
2.2 Метод відділення відрізків унімодальності.
Служить для відділення відрізків кожний з яких містить єдину точку локального мінімуму функції мети із заданого відрізка .
Алгоритм методу
1.Виберемо
– кількість точок розбиття
.
Визначимо крок
.
Побудуємо точки
,
,
.
.
Обчислимо
значення функції
в отриманих точках:
,
.
2.
Розглянемо відрізки вигляду
для
.
Серед цих відрізків вибираємо такі, для
яких значення
в середині відрізка не перевищує значень
на його кінцях, тобто
,
.
До даних відрізків приєднаємо відрізок
,
якщо
і відрізок
,
якщо
.
Кожний з виділених відрізків містить
хоча б одну точку локального мінімуму.
Число виділених відрізків позначимо
.
3.
Процедуру виділення відрізків повторюємо
для
,
.
Якщо з деякого кроку числа виділених
відрізків співпадають підряд
-раз,
то процес відділення закінчуємо, і як
відрізки унімодальності, вибираємо
відрізки, виділені на останньому
кроку.
На
практиці число
вибирається таким, щоб крок
був у декілька разів більше заданої
точності
,
а число
в проміжку від двох до п’яти.
Приклад 2.1
1.
Проведемо відділення точок локального
мінімуму для функції
на відрізку
при
і
.
Обчислимо
крок
.
Розіб'ємо відрізок
точками
,
де
Обчислимо значення функції в отриманих точках і занесемо в таблицю 2.1.
Таблица 2.1
|
0 |
1 |
2 |
3 |
4 |
5 |
6 |
|
2 |
2.6 |
3.2 |
3.8 |
4.4 |
5.0 |
5.6 |
|
-4.808626 |
-5.830948 |
-4.816351 |
-2.119265 |
1.318142 |
4.295084 |
5.771629 |
|
7 |
8 |
9 |
10 |
11 |
12 |
|
|
6.2 |
6.8 |
7.4 |
8 |
8.6 |
9.2 |
|
|
5.231979 |
2.864647 |
-0.503388 |
-3.695575 |
-5.593792 |
-5.542888 |
|
Розглядаємо
відрізки подвійною довжини
,
,
,
. . . Виберемо ті з них, для яких значення
в середині відрізка не більш значень
функцій на кінцях відрізка.
Наприклад, для відрізка :
Таких
відрізків отримаємо два:
з центром в точці
і
з центром в точці
.
На малюнку 2.1 ці відрізки виділені.
Значить
.
Проведемо
ту ж процедуру з кроком
.
Результати обчислень занесемо в таблицю
2.2.
В
даному випадку отримано також два
відрізки:
з центром в точці
і
з
центром
в точці
.
Число
відрізків унімодальності
.
Оскільки
,
то закінчуємо процес відділення. Отже,
отримано два відрізки унімодальності
і
.
Таблиця 2.2
|
|
|
|
|
|
0 |
2 |
-4.808626 |
12 |
5.6 |
5.771629 |
1 |
2.3 |
-5.568496 |
13 |
5.9 |
5.759022 |
2 |
2.6 |
-5.830948 |
14 |
6.2 |
5,231979 |
3 |
2.9 |
-5.572539 |
15 |
6.5 |
4.237578 |
4 |
3.2 |
-4.816351 |
16 |
6.8 |
2.864647 |
5 |
3.5 |
-3.629934 |
17 |
7.1 |
1.235826 |
6 |
3.8 |
-2.119265 |
18 |
7.4 |
-0.503388 |
7 |
4.1 |
-0.419288 |
19 |
7.7 |
-2.197635 |
8 |
4.4 |
1.318142 |
20 |
8.0 |
-3.695575 |
9 |
4.7 |
2.937826 |
21 |
8.3 |
-4.8634 |
10 |
5 |
4.295084 |
22 |
8.6 |
-5.596792 |
11 |
5.3 |
5.268674 |
23 |
8.9 |
-5.830239 |
|
|
|
24 |
9.2 |
-5.542888 |
