- •Лекція 1. Математичне моделювання в проектуванні і технології. Класифікація моделей.
- •1.1. Математичне моделювання виробничих об'єктів і процесів.
- •1.2.Структуризація математичних моделей
- •1.3. Структура і елементи моделі
- •1.4. Загальна класифікація сучасних моделей.
- •1.5. Глибина моделювання і вимоги до моделей.
- •2.1. Стаціонарні і нестаціонарні моделі.
- •2.2. Динамічні моделі
- •2.3. Лінійні і нелінійні моделі.
- •2.4. Моделі розподілені і зосереджені в просторі.
- •2.6. Моделі детерміновані і випадкові.
- •2.7. Інформаційні моделі.
- •2.8.Загальна характеристика двохполюсних моделей
- •2.9. Модель ідеального перемішування.
- •2.10. Модель ідеального витіснення.
- •2.11. Дифузійна модель.
- •2.12. Змішувальні, розділові і складні моделі.
- •2.13. З’єднання типових моделей.
- •Лекція 3. Експериментальні методи ідентифікації моделей. Оцінки зовнішніх впливів.
- •3.1.Основні етапи розробки моделей технологічних об'єктів.
- •3.2. Експериментальний підхід.
- •3.3. Ідентифікація статики і динаміки.
- •3.4. Активні і пасивні експерименти.
- •3.5. Параметри випадкових зовнішніх впливів
- •3.6. Помилки вимірювання. Закони розподілу.
- •3.7. Математичне очікування випадкової величини
- •3.8. Дисперсія випадкової величини
- •3.9. Оцінка зв'язаних зовнішніх впливів.
- •3.10. Оцінка тимчасових характеристик зовнішніх впливів.
- •3.11. Методи визначення інтервалу кореляції
- •3.12. Типові кореляційні функції.Спектри.
- •4.1.Особливості запису й обробки вимірювання вхідних впливів.
- •4.2. Статистична перевірка гіпотез.
- •4.3. Характеристики зовнішніх впливів.
- •4.5. Типи залежностей між змінними
- •4.6. Визначення коефіцієнтів кореляції вхідних і вихідних величин.
- •4.7. Лінійна регресія.
- •4.8.Метод найменших квадратів.
- •4.9. Рівняння лінійної регресії.
3.5. Параметри випадкових зовнішніх впливів
Найважливішими питаннями, що виникають при обробці результатів іспитів діючих технологічних об'єктів, спрямованих на розробку математичних моделей, є визначення параметрів випадкових впливів на об'єкт. При цьому одержати точні значення параметрів, як правило, неможливо, тому що іспити не тільки відбуваються в умовах випадкових сигналів на входах і виходах об'єктів, але і супроводжуються погрішностями вимірів — шумами. Тому приходиться приблизно оцінювати значення цих величин.
Випадкові сигнали і шуми змінюються в часі і просторі. Відповідно до прийнятої термінології, випадкові функції однієї змінної, наприклад часу, називають випадковими процесами, а функції декількох змінних — випадковими полями. Реалізацією випадкового процесу є функція, що ставить у відповідність кожному часу t одне із можливих значень — випадкового процесу.
Методи математичної статистики дають можливість представити безліч результатів спостереження випадкового процесу в компактному, зручному для подальшого використання вигляді. Вони дозволяють виділити з множини спостережень істотну інформацію, представивши її у виді невеликого числа зведених показників. У той же час обробка декілька реалізацій випадкових процесів не дозволяє визначити точне значення імовірнісних характеристик. Кожна така сукупність випадкова, отже, випадкові і знайдені по ній величини, що є тільки оцінками невідомих характеристик зовнішніх впливів.
Існує
безліч методів визначення оцінок
випадкових процесів. Кожен метод дає
можливість побудувати модель, адекватну
процесу в тому чи іншому змісті, що
залежить від обраного критерію.
Застосовуючи безліч методів, можна
одержати безліч різних оцінок. В якості
оцінюваних величин можуть бути взяті
математичне очікування випадкового
процесу М{X
(t)}, дисперсія
випадкового процесу D
{X {t)},
кореляційна функція
.
Крім того, можуть оцінюватися параметри об'єктів, значення перехідних функцій або амплітудно-частотних характеристик, значення похідних або інтегралів, що фіксуються при наявності шуму, і т.п.
При побудові оцінки необхідно вибрати деякі вимоги, яким вона повинна відповідати:
1.
Незміщеність. Оцінка не повинна містити
систематичної помилки, що перебільшує
чи зменшує значення параметра для усіх
вибірок. Це означає, що математичне
очікування оцінки повинне збігатися з
дійсним значенням параметра. Якщо дійсне
значення параметра позначити через
,
а його оцінку через
,
то вимога незміщеності запишеться у
вигляді
.
2.Спроможність.
Оцінка
повинна наближатися до значення параметра
в міру збільшення обсягу вибірки. Через
те, що оцінка
є випадковою величиною, це наближення
можливе лише в імовірнісному розумінні.
Так, якщо позначити через
оцінку
,
отриману по вибірці об’ємом n,
то для спроможної оцінки повинне
виконуватися співвідношення
при
і будь – якому
.
3. Ефективність. З усіх незміщених і спроможних оцінок варто віддати перевагу тій, котра виявляється найбільш близькою до оцінюваного параметра, а саме: великі відхилення при використанні різних вибірок зустрічалися б як можна рідше. Оцінки, що задовольняють цій вимозі, називаються ефективними. Математично вимога ефективності означає вимогу мінімальної дисперсії оцінки:
Незміщені оцінки є найбільш ефективними оцінками коефіцієнтів, які дозволяють також уточнювати значення досліджуваної величини.
