- •Лекция 1. Общие сведения по теории вероятностей.
- •Условные и безусловные вероятности.
- •1.5. Формула полной вероятности и формула Байеса
- •Понятие случайного события.
- •1) Вероятность достоверного события равна 1;
- •2) Вероятность невозможного события равна 0;
- •Вероятность случайного события заключена
- •1.2. Алгебра событий.
- •1.3. Зависимые и независимые события.
- •1.4. Основные формулы теории вероятностей.
- •1.5. Формула полной вероятности и формула Байеса
- •1.6. Частная теорема о повторении опытов.
- •2.1. Случайные величины и их законы распределения.
- •2.2. Функция распределения.
- •2 .3. Вероятность попадания случайной величины
- •2.4. Плотность распределения
- •2.5. Числовые характеристики случайной величины
- •2.6 Понятие о моментах случайной величины.
- •2.7. Основные свойства математического ожидания
- •Свойства математического ожидания:
- •Свойства дисперсии случайной величины:
- •Лекция 3. Основные законы распределения
- •3.1. Гипергеометрическое распределение
- •3.5. Закон равной вероятности
- •3.7. Закон распределения модуля разности
- •3.8. Композиция законов распределения
- •3.1.Гипергеометрическое распределение.
- •3.5. Закон равной вероятности.
- •3.7. Закон распределения модуля разности.
- •Статистики
- •4.1. Основные задачи математической статистики
- •4.2. Основные понятия и определения. Выборочного метода
- •4.3. Выборочные характеристики. Состоятельные,
- •Свойства выборочных средних и дисперсий.
- •Доверительный интервал. Доверительная вероятность.
- •Задача определения закона распределения случайной величины.
- •2. Задача проверки правдоподобия гипотез.
- •3.Задача нахождения неизвестных параметров распределения.
- •4.2. Основные понятия и определения. Выборочного метода.
- •Генеральная совокупность и выборка из нее.
- •4.3. Выборочные характеристики. Состоятельные, несмещенные и эффективные оценки характеристики.
- •4.5. Доверительный интервал. Доверительная вероятность.
- •5.1. Определение характеристик эмпирического
- •5.2. Сопоставление и проверка сходимости
- •Координаты характерных точек кривой
- •5.3. Сопоставление эмпирического распределения
- •5.4. Статистическая проверка гипотез.
- •5.5. Проверка гипотезы о законе распределения случайной
- •Критерий
- •Критерий 2
- •5.6. Проверка гипотезы равенства двух выборочных средних
- •5.7. Проверка гипотезы равенства двух выборочных
- •5.8. Проверка гипотезы равенства ряда дисперсий .
- •Критерий Бартлета.
- •Критерий Кохрана.
- •5.9. Проверка гипотезы равенства ряда средних.
- •5.10. Метод исключения грубых ошибок измерения
- •5.11. Выбор числа наблюдений
- •6.1.Закон больших чисел и центральная
- •6.2. Неравенство Чебышева.
- •Неравенство Чебышева.
- •6.3. Закон больших чисел (теорема Чебышева).
- •6.4 Теорема Бернулли.
- •7.2. Коэффициент корреляции и корреляционное отношение.
- •7.3. Корреляционный анализ
- •7.4 Выбор уравнения регрессии
- •7.5. Понятие о множественной корреляции
- •Лекция 8. Основы планирования
- •8.6.1. Метод крутого восхождения.
- •8.1. Основные определения.
- •«Черный ящик »
- •8.3. Полный факторный эксперимент.
- •8.3.1 Выбор интервалов варьирования факторов
- •8.3.2 Полный факторный эксперимент типа 2
- •Построение матрицы 2
- •8.3.3. Свойства полного факторного эксперимента типа 2 к
- •8.3.4. Полный факторный эксперимент
- •8.3.5 Анализ модели.
- •8.3.5.1. Проверка значимости коэффициентов модели.
- •Расчет дисперсии опытов и оценка их однородности
- •Расчет дисперсий параметра оптимизации и коэффициентов регрессии
- •Проверка значимости коэффициентов регрессии
- •8.3.5.2. Проверка адекватности модели
- •8.4. Дробный факторный эксперимент.
- •8.4.1.Минимизация числа опытов.
- •Дробная реплика
- •8.4.3. Выбор полуреплик. Генерирующие соотношения и определяющие контрасты
- •8.4.4.Выбор 1/4-реплик. Обобщающий
- •8.6. Оптимизация функции отклика.
- •8.6.1. Метод крутого восхождения.
- •6.6.2. Методика расчета крутого восхождения
- •6.7. Принятие решений после построения модели процесса
- •8.5 Рандомизация опытов.
- •8.6 Оптимизация функции отклика
- •8.6.1. Метод крутого восхождения. Движение по градиенту
- •8.6.2. Методика расчета крутого восхождения
- •8.7.Принятие решений после построения
- •9.1. Статистический анализ точности обработки.
- •9.3. Статистический анализ посредством малых выборок.
- •9.4. Статистический анализ с помощью точечных
- •9.4.1. Карта средних значений (карта « »)
- •9.4.2. Карта медиан (карта )
- •9.4.3. Карты « »
- •9.4.4. Метод средних арифметических значений и
- •9.4.4. Контрольные карты по неизмеримым
- •Карта «р»
- •Карта «с».
7.4 Выбор уравнения регрессии
После того, как установлено наличие связи между переменными строится, так называемое, корреляционное поле. Определяется эмпирическая линия регрессии. Выводится уравнение теоретической линии регрессии. Предположим, что в результате корреляционного анализа установлено равенство коэффициента корреляции корреляционному отношению. В этом случае вопрос решается простой подстановкой рассчитанных в процессе корреляционного анализа данных в уравнение (7.1). В случае, если такого равенства не наблюдается, необходим поиск криволинейной связи. Наиболее часто наблюдающейся в различных технических приложениях формой криволинейной связи является параболическая связь, выражающаяся уравнением параболы n –го порядка:
x = a + bx2 + cx3 + ...
Задача заключается в поиске численных значений коэффициентов уравнения a,b,c,.... Метод, с помощью которого определяются коэффициенты уравнения, носит название метода наименьших квадратов.
Рассмотрим общую постановку вопроса. Пусть из каких либо соображений выбран общий вид функции Y = f ( x ), зависящий от нескольких числовых параметров a,b,c,...; именно эти параметры и требуется выбрать согласно методу наименьших квадратов так, чтобы сумма квадратов отклонений yi от f (x ) была минимальна. Запишем y как функцию не только аргумента х, но и параметров a,b,c,...:
y = f ( x;a,b,c,...).
Требуется выбрать a,b,c,... так, чтобы выполнялось условие:
[ yi – f ( x;a,b,c,...)]2 = min (7.2)
Найдем значения a,b,c,...,обращающие левую часть выражения (7.2) в минимум. Для этого продифференцируем eго по a,b,c,... и приравняем производные нулю:
[ yi –f ( x;a,b,c,...)] ( f / a)i = 0 ;
[ yi –f ( x;a,b,c,...)] ( f / b)i = 0 ; (7.3)
[ yi –f ( x;a,b,c,...)] ( f / c)i = 0 ;
где ( f / a)i = f/ ( x;a,b,c,...) – значение частной производной функции f по параметру а в точке хi;
( f / b)i , ( f / c)i ,...- аналогично.
Система уравнений (7.3) содержит столько же уравнений, сколько неизвестных a,b,c,... .
Решить систему (7.3) в общем виде нельзя; необходимо задаться конкретным видом функции f( x ). Рассмотрим простейший случай нелинейной зависимости, когда корреляционная связь выражается уравнением параболы второго порядка:
x = ax2 + bx + c. (7.4)
дифференцируя выражение (7.4) по a,b,c , получим:
( f / a)i = x ; ( f / b)i = x i ; ( f / c)i = 1.
Подставляя производные в систему уравнений (7.3) имеем:
[ x – ( ax2 + bx + c ) ] 2 x = 0 ,
[ x – ( ax2 + bx + c ) ] 2 x i= 0 ,
[ x – ( ax2 + bx + c ) ] 2 = 0 ,
После несложных преобразований получим систему уравнений:
x x = a x + b x + c x ,
x i x = a x + b x + c x i , (7.5)
x = a x + b x i+ cn ,
Решение системы уравнений (7.5) дает значение
коэффициентов a, b, c.
7.5. Понятие о множественной корреляции
Корреляционные связи могут существовать не только между двумя, но и между несколькими признаками. Исследование статистических связей между многими величинами составляет предмет теории множественной корреляции. В практике машиностроения встречаются случаи линейной корреляционной связи между тремя величинами или факторами. Поэтому ограничимся рассмотрением простейшего случая линейной корреляционной связи между тремя величинами X, Y и Z. Причем Z будем считать величиной, зависящей от X и Y. Линейная связь между Z, X и Y выражается уравнением:
yx = a +bx +cy,
где a ,b , c - постоянные коэффициенты, которые вычисляются с помощью коэффициентов корреляции между x и y ( rxy ); x и z
( rxz ); y и z ( ryz ), а также средних квадратических отклонений Sx, Sy, Sz по формулам:
b = ( Sz / Sx ) ( rxy - rxz ryz ) / ( 1 - r ) ;
c = ( Sz / Sy ) ( ryz - rxz rxy ) / ( 1 - r );
a = - b - c ;
Мерой силы линейной связи между Z и X, Y служит коэффициент множественной корреляции:
Rxyz = .
Коэффициент Rxyz всегда положительный и заключен между 0 и 1. Если Rxyz =1, то между Z , X и Y существует точная линейная связь вида yx = a +bx +cy, если yx =0, то Z не имеет линейной связи с X и Y, но криволинейная связь возможна.
Для исследования наличия связей между X и Z , Y и Z а также оценки влияния X и Y в отдельности на Z пользуются частными коэффициентами корреляции, которые обозначим r xz(y) (связь между x и z при постоянном значении y) и ryz(x) (связь между y и z при постоянном x). Эти коэффициенты вычисляются по формулам:
r xz(y) = (rxy - rxz ryz) / ;
ryz(x) = (ryz - rxz rxy ) / .
Смысл частных коэффициентов заключается в том, что они служат мерой линейной связи между x и z при постоянном значении y и между y и z при постоянном x. Значения коэффициентов заключены между -1 и +1. Когда они равны 0, частная связь между x и z, y и z не может быть линейной, но криволинейная возможна.