- •Оглавление
- •2. Краткие сведения из теории вероятностей
- •3. Предварительная обработка экспериментальных
- •7. Компьютерные методы статистической обработки
- •Предисловие
- •1. Эксперимент как предмет исследования
- •1.1. Понятие эксперимента
- •1. Эксперимент как предмет исследования
- •1. Эксперимент как предмет исследования
- •1.2. Классификация видов экспериментальных исследований
- •1. Эксперимент как предмет исследования
- •1. Эксперимент как предмет исследования
- •1. Эксперимент как предмет исследования
- •1. Эксперимент как предмет исследования
- •1. Эксперимент как предмет исследования
- •1. Эксперимент как предмет исследования
- •Контрольные вопросы
- •2. Краткие сведения из теории вероятностей и математической статистики
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2.2. Нормальный закон распределения
- •2. Краткие сведения из теории вероятностей …
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •Контрольные вопросы
- •3. Предварительная обработка экспериментальных данных
- •3.1. Вычисление параметров эмпирических распределений. Точечное оценивание
- •3.2. Оценивание с помощью доверительного интервала
- •3.2.1. Построение доверительного интервала для математического ожидания
- •3.2.2. Построение доверительного интервала для дисперсии
- •3.2.3. Определение необходимого количества опытов при построении интервальной оценки для математического ожидания
- •3.3. Статистические гипотезы
- •3.4. Отсев грубых погрешностей
- •3.4.1. Критерий н.В. Смирнова
- •3.4.2. Критерий Диксона
- •3.5. Сравнение двух рядов наблюдений
- •3.5.1. Сравнение двух дисперсий
- •3.5.2. Проверка однородности нескольких дисперсий
- •3.5.3. Проверка гипотез о числовых значениях математических ожиданий
- •3.6. Критерии согласия. Проверка гипотез о виде функции распределения
- •3.7. Преобразование распределений к нормальному
- •Контрольные вопросы
- •4. Анализ результатов пассивного эксперимента. Эмпирические зависимости
- •4.1. Характеристика видов связей между рядами наблюдений
- •4. Анализ результатов пассивного эксперимента...
- •4. Анализ результатов пассивного эксперимента…
- •4. Анализ результатов пассивного эксперимента…
- •4.2. Определение коэффициентов уравнения регрессии
- •4. Анализ результатов пассивного эксперимента...
- •4. Анализ результатов пассивного эксперимента…
- •4. Анализ результатов пассивного эксперимента
- •4. Анализ результатов пассивного эксперимента…
- •4.3. Определение тесноты связи между случайными величинами
- •4. Анализ результатов пассивного эксперимента...
- •4.4. Линейная регрессия от одного фактора
- •4. Анализ результатов пассивного эксперимента…
- •4. Анализ результатов пассивного эксперимента...
- •4. Анализ результатов пассивного эксперимента…
- •4.5. Регрессионный анализ
- •4. Анализ результатов пассивного эксперимента…
- •4. Анализ результатов пассивного эксперимента...
- •4.5.1. Проверка адекватности модели
- •4. Анализ результатов пассивного эксперимента...
- •4. Анализ результатов пассивного эксперимента…
- •4.5.2. Проверка значимости коэффициентов уравнения регрессии
- •4. Анализ результатов пассивного эксперимента…
- •4.6. Линейная множественная регрессия
- •4. Анализ результатов пассивного эксперимента…
- •4. Анализ результатов пассивного эксперимента…
- •4. Анализ результатов пассивного эксперимента…
- •4.7. Нелинейная регрессия
- •4. Анализ результатов пассивного эксперимента…
- •Контрольные вопросы
- •4. Анализ результатов пассивного эксперимента…
- •5. Оценка погрешностей результатов наблюдений
- •5.1. Оценка погрешностей определения величин функций
- •5. Оценка погрешностей результатов наблюдений
- •5.2. Обратная задача теории экспериментальных погрешностей
- •5. Оценка погрешностей результатов наблюдений
- •5. Оценка погрешностей результатов наблюдений
- •5.3.Определение наивыгоднейших условий эксперимента
- •5. Оценка погрешностей результатов наблюдений
- •Контрольные вопросы
- •6. Методы планирования экспериментов. Логические основы
- •6.1. Основные определения и понятия
- •6.2. Пример хорошего и плохого эксперимента
- •6.3. Планирование первого порядка
- •6.3.1. Выбор основных факторов и их уровней
- •6.3.2. Планирование эксперимента
- •6.3.3. Определение коэффициентов уравнения регрессии
- •6.3.4. Статистический анализ результатов эксперимента
- •6.3.5. Дробный факторный эксперимент
- •6.3.6. Разработка математической модели гидравлического режима методической печи
- •6.4. Планы второго порядка
- •6.4.1. Ортогональные планы второго порядка
- •6.4.2. Ротатабельные планы второго порядка
- •6.4.3. Исследование причин образования расслоений в горячекатаных листах
- •6.5. Планирование экспериментов при поиске оптимальных условий
- •6.5.1. Метод покоординатной оптимизации
- •6.5.2. Метод крутого восхождения
- •6.5.3. Симплексный метод планирования
- •Контрольные вопросы
- •7. Компьютерные методы статистической обработки результатов инженерного эксперимента
- •7.1. Общие замечания
- •7. Компьютерные методы статистической обработки …
- •7. Компьютерные методы статистической обработки …
- •7. Компьютерные методы статистической обработки …
- •7. Компьютерные методы статистической обработки …
- •7.2. Статистические функции Microsoft Excel
- •7. Компьютерные методы статистической обработки ...
- •7. Компьютерные методы статистической обработки …
- •7.3. Краткое описание системы statistica
- •7. Компьютерные методы статистической обработки …
- •7.3.1. Общая структура системы
- •7. Компьютерные методы статистической обработки ...
- •7. Компьютерные методы статистической обработки …
- •7.3.2. Возможные способы взаимодействия с системой
- •7. Компьютерные методы статистической обработки … 7.3.3. Ввод данных
- •7. Компьютерные методы статистической обработки ...
- •7.3.4. Вывод численных и текстовых результатов анализа
- •7.3.5. Статистические процедуры системы statistica
- •7. Компьютерные методы статистической обработки …
- •7. Компьютерные методы статистической обработки …
- •7.3.6. Структура диалога пользователя в системе statistica
- •7. Компьютерные методы статистической обработки ...
- •7.3.7. Примеры использования системы statistica
- •7. Компьютерные методы статистической обработки ...
- •7. Компьютерные методы статистической обработки …
- •7. Компьютерные методы статистической обработки …
- •7. Компьютерные методы статистической обработки …
- •V, Least Squares
- •7. Компьютерные методы статистической обработки …
- •7. Компьютерные методы статистической обработки …
- •7. Компьютерные методы статистической обработки … Контрольные вопросы
- •Методы планирования и обработки результатов инженерного эксперимента
V, Least Squares
^Neg Exp/Wght
ЙШ Custom Function
Custom: I none
rELLIPSE-f^Off С Normal Г Range |
Coefficient: |
I-95 Ш |
.-CONFIDENCE BANDS <* flff L I-
ГОп
Puc.7.10. Окно построения графиков для подгонки модели оценивания
Рис.7.11. Полиномиальная кривая 5-го порядка, рассчи-танная по методу наименьших квадратов
237
7. Компьютерные методы статистической обработки …
4. Для того чтобы проанализировать регрессионную модель, из главного меню системы Analysis (Анализ) выбираем пункт User-specified regression (Определяемая пользователем регрессия). На экране появляется начальное диалоговое окно (рис. 7.12), в котором нажатием кнопки function to be estimated & loss function (функция оценивания и функция потерь) можно с помощью формул задать функцию, которую необходимо оценить, а также определить функцию потерь.
Рис. 7.12. Начальное окно диалога по оценке параметров определяемой пользователем регрессионной кривой
Рассмотрим в качестве примера в дальнейшем зависимость между удельным расходом кокса (KOKS) и удельным выходом шлака (SLAG) в виде полинома 3-й степени:
KOKS=bo+bi*SLAG+b2*SLAG2+ b3*SLAG3. Функция потерь по умолчанию задается в виде квадрата отклонения наблюдаемых от предсказанных с помощью регрессионной модели значений (OBS-PRED)2.
5. Нажатие клавиши ОК приводит к появлению окна Model Estimation (Оцени-вание модели) для выбора метода и начальных установок для пользовательской регрессии (рис. 7.13). В качестве метода оценивания выберем квазиньютоновский. В методах нелинейного оценивания важно правильно подобрать начальные приближения. Неизвестными параметрами модели являются коэффициенты bo, b-i, Ьг и Ьз. Нажав кнопку Start values (Начальные значения), в появившемся диалоговом окне введем начальные значения, предсказанные на основе предварительного графического анализа данных: bo=-73616, bi=1508, Ьг=-12 и Ьз=0,049. Нажатие клавиши ОК приводит к появлению окна оценок параметров модели на каждом шаге итерации. После того как оценивание завершится, внизу окна появится сообщение Parameter estimation process converged (Процесс оценивания параметров сошелся).
238
7. КОМПЬЮТЕРНЫЕ МЕТОДЫ
СТАТИСТИЧЕСКОЙ ОБРАБОТКИ …
Рис. 7.13. Окно выбора метода и начальных установок для пользовательской регрессии
6. Далее нажимаем кнопку ОК, после чего открывается окно Results (Результаты), показанное на рис. 7.14. Окно результатов имеет следующую структуру: верхняя часть окна - информационная, нижняя содержит функциональные кнопки, позволяющие всесторонне просмотреть результаты анализа.
Рис. 7.14. Окно результатов оценивания параметров пользовательской регрессии
239
7. Компьютерные методы статистической обработки …
Информационная часть содержит краткую информацию о проведенном анализе, а именно:
Model is - вид модели оценивания. В нашем случае KOKS=bo+bi*SLAG+b2*SLAG2+ b3*SLAG3;
Dependent variable - зависимая переменная. В нашем примере это удельный расход кокса (KOKS);
Independent variables - количество независимых переменных. В примере независимая переменная одна - удельный выход шлака;
Loss function - вид функции потерь;
Final value - последнее значение параметра, по которому система проводила подгонку модели.
Функциональные кнопки позволяют представить результаты в виде таблиц и графиков. Выберем кнопку Parameter estimates (Параметры оценивания), и на экране появится окно, в котором отражены численные значения коэффициентов модели (рис. 7.15). Нажатие кнопки Fitted 2D function & observed vals (Подогнанная функция и наблюдаемые значения) выводит на экран график результирующей кривой, наложенной на наблюдаемые значения исходных данных (рис. 7.16). Таким образом, уравнение регрессионной модели окончательно примет вид
у = 4984,803-54,333-х + 0,21035-х2 -0,000265-х3.
Рис.7.15. Результаты расчета коэффициентов регрессионной модели
240
7. Далее следует оценить поведение остатков (residuals) модели, т.е. разностей между исходными (наблюдаемыми) значениями зависимой переменной и предсказанными с помощью модели. Исследуя остатки модели, можно оценить степень ее адекватности. С помощью функциональных кнопок в данном окне (см. рис. 7.14) можно проанализировать остатки как в графическом виде, так и в электронных таблицах.
7. КОМПЬЮТЕРНЫЕ МЕТОДЫ
СТАТИСТИЧЕСКОЙ ОБРАБОТКИ …
Рис.7.16. График результирующей регрессионной кривой, наложенной на наблюдаемые исходные данные
Сначала для оценки адекватности модели лучше всего использовать визуальные методы и затем, если потребуется, перейти к статистическим. Нажмем кнопку Normal Probability plot of residuals (График остатков на нормальной вероятност-ной бумаге), и выбранная зависимость появится на экране в отдельном окне (рис. 7.17). Из графика остатков на нормальной вероятностной бумаге видно, что они достаточно хорошо ложатся на прямую, которая соответствует нормальному закону распределения. Поэтому гипотеза о нормальном распределении ошибок принимается.
Далее нажмем кнопку Predicted vs. residual values (Распределение остатков), и на экране появится график следующего вида (рис. 7.18). Из этого графика видно, что остатки хаотично разбросаны на плоскости и в их поведении нет закономерностей. Нет основания говорить, что остатки коррелированы между собой. Следовательно, можно заключить, что регрессионная модель достаточно адекватно описывает данные.
241
7 . КОМПЬЮТЕРНЫЕ МЕТОДЫ СТАТИСТИЧЕСКОЙ ОБРАБОТКИ …
Рис.7.17. График остатков на нормальной вероятностной бумаге
Рис.7.18. Распределение остатков на плоскости
242