- •Введение
- •Глава 1. Случайная величина. Законы распределения случайных величин
- •1.1. Понятие случайной величины
- •1.1.1. Виды измерений
- •1.1.2. Единицы измерений, используемые в маркшейдерском деле
- •1.1.3. Случайная величина
- •1.1.4. Вероятность события
- •1.2. Вариационные ряды
- •1.3. Характеристики вариационных рядов
- •1.3.1. Средние значения признака
- •1.3.2. Дисперсия и среднее квадратическое отклонение
- •1.3.3. Показатели вариации
- •1.3.4. Медиана и мода
- •1.3.5. Асимметрия и эксцесс
- •1.3.6. Условные моменты q-го порядка
- •1.4. Графическое изображение вариационных рядов
- •1.4.1. Гистограмма распределения
- •1.4.2. Полигон распределения
- •1.4.3. Кумулята
- •1.4.4. Огива
- •1.5. Сглаживание эмпирических данных
- •1.5.1. Графическое сглаживание
- •1.5.2. Аналитическое сглаживание
- •1.5.2.1. Сглаживание линейной функцией
- •1.5.2.2. Сглаживание показательной функцией
- •1.5.2.3. Сглаживание степенной функцией
- •1.5.2.4. Сглаживание параболической функцией
- •1.5.2.5. Сопоставление результатов сглаживания
- •1.5.2.6. Краткие рекомендации к подбору сглаживающих функций
- •1.6. Законы распределения случайных величин
- •1.6.1. Задание закона распределения
- •1.6.2. Равномерное распределение
- •1.6.3. Нормальное распределение
- •1.6.4. Распределение Стьюдента
- •1.6.5. Распределение Шарлье
- •1.6.6. Биномиальный закон распределения
- •1.6.7. Распределение Пуассона
- •1.6.8. Распределение
- •1.6.9. Показательное распределение
- •1.7. Проверка согласования эмпирического распределения с теоретическим
- •1.7.1. Критерии согласия
- •1.7.2. Критерий согласия к.Пирсона
- •1.7.3. Критерий согласия в.И.Романовского
- •1.7.4. Критерий согласия а.Н.Колмогорова
- •1.7.5. Сопоставление эмпирических распределений с нормальным распределением упрощенными способами
- •1.7.5.1. Использование показателей асимметрии и эксцесса
- •1.7.5.2. Критерий Шарлье
- •1.7.5.3. Критерий Шовенэ
- •1.7.5.4. Способ Линдеберга
- •1.7.5.5. Критерий знаков
- •1.7.6. Сопоставление эффективности критериев
- •Глава 2. Статистический анализ выборочных совокупностей случайной величины
- •2.1. Понятие генеральной и выборочной совокупностей
- •2.2. Оценивание параметров распределения
- •2.2.1. Понятие оценки параметра распределения
- •2.2.2. Интервальная оценка математического ожидания
- •2.2.3. Оценка эмпирического значения дисперсии
- •2.2.4. Сравнение средних двух или нескольких выборок
- •2.2.5. Определение необходимого объема выборок
- •2.3. Дисперсионный анализ
- •2.3.1. Однофакторный дисперсионный анализ
- •2.3.2. Двухфакторный дисперсионный анализ
- •2.4. Корреляционный анализ
- •2.5. Регрессионный анализ
- •2.5.1. Метод наименьших квадратов
- •2.5.2. Линейная регрессия
- •2.5.3. Нелинейная регрессия
- •2.5.4. Понятие о множественной регрессии
- •Глава 3. Обработка результатов многократных измерений одной величины
- •3.1. Общие замечания
- •3.1.1. Задачи обработки результатов многократных измерений
- •3.1.2. Классификация погрешностей измерений
- •3.1.3. Свойства случайных погрешностей
- •3.1.4. Среднее арифметическое
- •3.2. Оценка точности ряда равноточных однородных измерений
- •3.2.1. Средняя квадратическая погрешность
- •3.2.2. Средние квадратические погрешности функций измеренных величин
- •3.2.3. Порядок обработки ряда равноточных измерений
- •3.2.4. Порядок обработки ряда двойных равноточных измерений
- •С учетом (3.26) и (3.27) получим
- •3.3. Об учете систематических погрешностей в измерениях
- •3.4. Обработка ряда неравноточных однородных измерений
- •3.4.1. Понятие о весе результата измерения
- •3.4.2. Погрешность единицы веса
- •3.4.3. Порядок обработки ряда неравноточных измерений
- •3.4.4. Порядок обработки ряда двойных неравноточных измерений
- •3.5. Допуски результатов измерений и их функций
- •Глава 4. Уравнивание геодезических построений
- •4.1. Задачи уравнительных вычислений
- •4.2. Коррелатный способ уравнивания
- •4.3. Параметрический способ уравнивания
- •4.4. Приемы решения систем линейных уравнений
- •4.4.1. Способ последовательной подстановки
- •4.4.2. Способ матричных преобразований
- •4.4.3. Решение систем линейных уравнений по алгоритму Гаусса
- •4.4.4. Способ краковянов
- •4.5. Геометрические условия в геодезических построениях
- •4.5.1. Условие фигуры
- •4.5.2. Условие горизонта
- •4.5.3. Условие суммы углов
- •4.5.4. Условие дирекционных углов
- •4.5.5. Условие сторон
- •4.5.6. Условие полюса
- •4.5.7. Условие координат
- •4.6. Примеры коррелатного способа уравнивания
- •4.6.1. Уравнивание углов в полигоне
- •4.6.2. Уравнивание системы нивелирных ходов с несколькими узловыми точками
- •4.6.3. Уравнивание полигонометрического хода
- •4.6.4. Уравнивание системы полигонометрических ходов с одной узловой точкой
- •4.6.5. Уравнивание системы полигонометрических ходов с двумя узловыми точками
- •4.6.6. Уравнивание триангуляции
- •4.6.7.Уравнивание триангуляции по условию координат
- •4.6.8. Уравнивание линейно-угловой сети
- •4.7. Примеры уравнивания параметрическим способом
- •4.7.1. Уравнивание углов в полигоне
- •4.7.2. Система нивелирных ходов с несколькими узловыми точками
- •4.7.3. Уравнивание полигонометрического хода
- •4.7.4. Система полигонометрических ходов с двумя узловыми точками
- •4.7.5. Уравнивание направлений в триангуляции
- •4.8. Нестрогие способы уравнивания
- •4.8.1. Примеры раздельного уравнивания
- •4.8.1.1. Полигонометрический ход
- •4.8.2. Способ эквивалентной замены
- •4.8.3. Способ полигонов в.В.Попова
- •4.8.4. Способ последовательных приближений
- •4.9. Оценка точности уравненных элементов и их функций
- •4.9.1. Общие положения
- •4.9.2. Оценка точности при уравнивании коррелатным способом
- •4.9.3. Оценка точности при уравнивании параметрическим способом
- •Списоклитературы
- •Предметный указатель
2.5.3. Нелинейная регрессия
Если корреляционная зависимость имеет общий вид
, (2.74)
то ее можно представить в виде полинома
. (2.75)
Степень т не может быть больше (n – 1), где n – число пар измерений. Однако и построение полинома степени (n – 1) является нецелесообразным, поскольку кривая регрессии будет проходить через все точки (xi , yi), т.е. будет представлять собой весьма сложную кривую, при этом закономерность будет искажена из-за наличия случайных погрешностей измерений. В связи с этим, с помощью метода наименьших квадратов, подбирают полином меньшей степени, который сгладит влияние погрешностей измерений.
Для установленного значения степени т полинома составляют систему нормальных уравнений вида:
(2.76)
Решая данную систему уравнений относительно коэффициентов аi, получают уравнение регрессионной кривой.
Для оценки погрешности аппроксимации данных эксперимента полученным уравнением регрессии предварительно определяют сумму квадратов разностей значений у с их значениями, полученными в результате расчета по уравнению регрессии, т.е. [(Δy)2]. Среднюю квадратическую погрешность аппроксимации данных вычисляют по формуле
. (2.77)
Рассмотрим на примере порядок обработки данных для получения регрессионной кривой в виде полинома третьей степени.
Пример 2.15. На 3-х этажном кирпичном здании, находящемся в зоне влияния строительства подземного коллектора большого диаметра было установлено четыре стенных деформационных знака. 11.06 был проведен начальный (нулевой) цикл измерений, по результатам которого были определены исходные высоты деформационных знаков (241,6905 м, 241,6812 м, 241,6825 м и 241,6811 м) и определена условная средняя высота 241,6838 м. Каждую неделю выполнялись наблюдения за осадками здания, в результате которых определены средние условные высоты деформационных знаков (см. табл. 2.13). Составлен ряд значений х (число недель наблюдений относительно даты исходной 11.06) и у (средние значения осадок здания относительно исходной высоты 241,6838 м). По виду графика осадок предположено, что зависимость осадок от времени наблюдений (в неделях) имеет вид полинома 3-й степени: у = ах3 + bх2 + сх + d.
Определить значения коэффициентов полинома и определить погрешность аппроксимации данных измерений указанным полиномом.
Таблица 2.13
К примеру 2.15 (исходные данные)
Дата наблюдений |
Условная средняя высота, м |
Число недель (х) |
Осадка, мм (у) |
11.06 |
241,6838 |
|
|
18.06 |
241,6805 |
1 |
-3,3 |
25.06 |
241,6798 |
2 |
-4,0 |
02.07 |
241,6794 |
3 |
-4,4 |
09.07 |
241,6790 |
4 |
-4,8 |
16.07 |
241,6787 |
5 |
-5,1 |
23.07 |
241,6785 |
6 |
-5,3 |
30.07 |
241,6778 |
7 |
-6,0 |
06.08 |
241,6775 |
8 |
-6,3 |
13.08 |
241,6769 |
9 |
-6,9 |
Решение.
Составим таблицу для вычисления коэффициентов нормальных уравнений (2.76).
Таблица 2.14
К примеру 2.15
х |
у |
х2 |
х3 |
х4 |
х5 |
х6 |
ху |
х2у |
х3у |
1 |
-3,3 |
1 |
1 |
1 |
1 |
1 |
-3,3 |
-3,3 |
-3,3 |
2 |
-4,0 |
4 |
8 |
16 |
32 |
64 |
-8,0 |
-16,0 |
-32,0 |
3 |
-4,4 |
9 |
27 |
81 |
243 |
729 |
-13,2 |
-39,6 |
-118,8 |
4 |
-4,8 |
16 |
64 |
256 |
1024 |
4096 |
-19,2 |
-76,8 |
-307,2 |
5 |
-5,1 |
25 |
125 |
625 |
3125 |
15625 |
-25,5 |
-127,5 |
-637,5 |
6 |
-5,3 |
36 |
216 |
1296 |
7776 |
46656 |
-31,8 |
-190,8 |
-1144,8 |
7 |
-6,0 |
49 |
343 |
2401 |
16807 |
117649 |
-42,0 |
-294,0 |
-2058,0 |
8 |
-6,3 |
64 |
512 |
4096 |
32768 |
262144 |
-50,4 |
-403,2 |
-3225,6 |
9 |
-6,9 |
81 |
729 |
6561 |
59049 |
531441 |
-62,1 |
-558,9 |
-5030,1 |
45 |
-46,1 |
285 |
2025 |
15333 |
120825 |
978405 |
-255,5 |
-1710,1 |
-12557,3 |
В таблице в нижней строке выделены суммы по соответствующим столбцам.
Составим систему нормальных уравнений вида (2.76):
978405а + 120825b + 15333с + 2025d + 12557,3 = 0;
120825а + 15333b + 2025с + 285d + 1710,1 = 0;
15333а + 2025b + 285с + 45d + 255,5 = 0;
2025а + 285b + 45с + 9d + 46,1 = 0.
Из решения системы нормальных уравнений находим значения коэффициентов:
а = -0,0068; b = +0,101; с = -0,836; d = -2,61.
Таким образом, получим аппроксимирующий полином 3-й степени:
у = -0,0068х3 + 0,101х2 -0,836х – 2,61.
Составим таблицу для вычисления регрессионных остатков.
Таблица 2.15
К примеру 2.15
х |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
n = 9 |
у |
-3,3 |
-4,0 |
-4,4 |
-4,8 |
-5,1 |
-5,3 |
-6,0 |
-6,3 |
-6,9 |
Суммы |
у' |
-3,4 |
-3,9 |
-4,4 |
-4,8 |
-5,1 |
-5,5 |
-5,8 |
-6,3 |
-6,9 |
|
Δу |
+0,1 |
-0,1 |
0,0 |
0,0 |
0,0 |
+0,2 |
-0,2 |
0,0 |
0,0 |
0,0 |
(Δу)2 |
0,01 |
0,01 |
0,0 |
0,0 |
0,0 |
0,04 |
0,04 |
0,0 |
0,0 |
0,10 |
Вычисляем погрешность аппроксимации по формуле (2.77):
мм.
Примечание: вполне возможно, что аппроксимация приведенных результатов измерений может быть выполнена и зависимостью другого вида, например, степенной или показательной функциями.