
- •44. Фракталы, определение и примеры
- •43. Моделирование и подобие. Получение критериев подобия с помощью метода интегральных аналогов (пример с уравнением Навье-Стокса)
- •42. Моделирование и подобие; динамические аналогии; критерии подобия. Пи-теорема.
- •Компьютерные модели в автоматизированном управлении
- •40. Прямой метод Ляпунова
- •39. Подход к оценке устойчивости по линеаризованным уравнениям.
- •38. Определение устойчивости, устойчивость по Ляпунову
- •37. Инвариантность систем.
- •36. Управляемость и наблюдаемость
- •35.Представление в пространстве состояний и модель «вход-выход»
- •34. Единый подход к линеаризации.
- •33. Общая схема нечеткого вывода.
- •32. Нечеткое представление информации; типовые функции принадлежности, мера нечеткости.
- •31. Факторный анализ
- •30. Метод главных компонент
- •1.Среднее арифметическое переменных
- •7. Считаем дискриминантные функции
- •24. Непараметрическая статистика Манна-Уитни.
- •23. Составление статистических оценок ; анализ наиболее часто используемых законов распределения.
- •22. Составление статистической оценки на основе распределения Колмогорова – Смирнова.
- •21. Составление статистической оценки на основе распределения Фишера.
- •20. Составление статистических оценок ; анализ наиболее часто используемых законов распределения.
- •19. Общий подход к составлению статистических оценок
- •18. Проблема оценки адекватности моделей
- •17. Матричная форма мнк при построении модели (этап проверки адекватности полученной модели).
- •16. Матричная форма мнк при построении модели (этап проверки значимости коэффициентов модели).
- •15. Матричная форма мнк при построении модели (этап оценки коэффициентов модели).
- •13. Метод ранговой корреляции по Спирмэну.
- •12. Виды зависимостей. Корр анализ; коэффициенты частной и множественной корреляции.
- •11. Виды зависимостей. Корр анализ; коэфф парной корр-ии.
- •10.Метод наименьших квадратов - базовый метод получения коэффициентов регрессионных уравнений.
- •9.Виды зависимостей. Регрессионный анализ.
- •8. Классификация задач управления; задача оценивания.
- •Классификация задач управления; задача адаптивного управления
- •Классификация задач управления; задача детерминированного и стохастического управления.
- •Классификация задач управления. Задача идентификации.
- •3.Методология построения детерминированных моделей.
- •4.Основные виды зависимостей.
- •2. Общие подходы к построению моделей с учетом характера исходной информации.
- •Классификация моделей.
- •1. Дискретно - детерминированные модели
- •2. Непрерывно - детерминированные модели
- •3. Дискретно - стохастические модели
- •4. Непрерывно - стохастические модели
21. Составление статистической оценки на основе распределения Фишера.
Р
аспределение
Фишера.
F-
статистика Фишера;
F- критерий или критерий Фишера. fF F
Пусть S12 и S22 - дисперсии независимых случайных выборок объемом n1 и n2. Тогда случайная величина F, равная F = S12 / S22 подчиняется распределению Фишера с параметрами 1 и 2 (при S12 > S22) 1 = n1 – 1 ; 2 = n2 - 1 F-распределение - непрерывная асимметричная функция, определенная на интервале [0, +]. Fкр находим на основе , 1, 2.
Пример
Установка А и установка В.
Имеются
десять значений, т.е.
n
= 10
; SxА2
= 1,69 SxВ2
= 1,44
F
= SxА2
/ SxB2
= 1,69 / 1,44 = 1,17
= 0,05
1
= 10 - 1 = 9
2
= 10 - 1 = 9 Т.е. F0,05(9;9)
= 3,17
Fр
< Fкр
1,17 < 3,17
20. Составление статистических оценок ; анализ наиболее часто используемых законов распределения.
- Теория вероятностей - Математическая статистика N Практические задачи. Сравнить работу двух установок, если имеется некоторая статистика по обеим установкам. 1. Н0 Нальтер. 2. Сформировать статистику 3. Законы распределения
Статистики; 1) Параметрические(нормальный, малый объем выборки) 2) непараметрические (неизвестен закон распределения малый объемы выборки) Должны работать критерии согласия (сравнивают кривые распределения 2, Колмогорова - Смирнова). Сравнение двух выборок а). по среднему арифметическому (распределение Стьюдента) б). по дисперсии (распределение Фишера, при малом объеме выборки - критерий Манна - Уитни)
Распределение Стьюдента
Стьюдент доказал, распределение отношения разностей между выборочным средним и средним значением генеральной совокупности к стандартной ошибке среднего значения генеральной совокупности тогда и только тогда подчиняется нормальному закону распределения, когда является стандартным отклонением единичного значения от среднего значения генеральной совокупности.
Если параметры
и
неизвестны, то в качестве оценки
нужно
использовать s
и тогда мера отклонения t
будет определяться таким образом:
,
t
- распределение и N
- нормальный закон распределения в
чем-то похожи. t
- непрерывно, симметрично, колоколообразно,
с областью определения функции [-;
+]
Число степеней свободы. = n – k ,где - число степеней свободы; n - объем выборки; k - число формул = 6,8 n = 9
Н0 :
При
=
0,05 tкр
= 2,306 ; (6,8-6,5)/0,167 = 0,3/0,167 < 2,306
Следовательно,
Н0
не отвергается, т.е. установка работает
в соответствии с запланированной
мощностью.
19. Общий подход к составлению статистических оценок
Проверка гипотезы H0