- •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».
8.3.5 Анализ модели.
После вычисления коэффициентов модели необходимо оценить ее пригодность. Как и в случае корреляционно-регрессионного анализа, такая проверка называется проверкой адекватности модели.
8.3.5.1. Проверка значимости коэффициентов модели.
Проверка значимости каждого коэффициента проводится независимо с помощью критерия Стьюдента. Она включает следующие операции:
1. Расчет дисперсий опыта.
2. Оценку однородности дисперсий опытов.
3. Расчет дисперсии параметра оптимизации.
4. Вычисление дисперсии коэффициентов регрессии.
5. Проверку значимости коэффициентов регрессии по критерию Стьюдента.
Расчет дисперсии опытов и оценка их однородности
Так как каждый опыт несет в себе какую-то ошибку, для ее уменьшения производят повторение опытов при тех же условиях, т.е. в каждой строке таблицы планирования. Построчные дисперсии подсчитываются по формуле.
; (8.7)
где r - число повторных опытов.
После вычисления дисперсий их однородность оценивается с помощью критерия Кохрана:
. (8.8)
Вычисленное значение g сравнивается с табличным. Гипотеза об однородности дисперсий принимается в том случае, если экспериментальное значение g не превышает табличного.
Расчет дисперсий параметра оптимизации и коэффициентов регрессии
Если дисперсии параллельных опытов однородны, то вычисляется дисперсия параметра оптимизации S²у (дисперсия воспроизводимости ):
. (8.9)
Если параллельные опыты отсутствуют, то S²y можно рассчитать по формуле
Определение дисперсии коэффициентов регрессии производится по формуле (8.10)
где N - число точек плана; r - число параллельных опытов.
Проверка значимости коэффициентов регрессии
Для проверки значимости коэффициентов рассчитываются значения ti -критерия:
(8.11)
По таблицам выбирается критическое значение tкp, определяемое в зависимости от числа степеней свободы k=N(r-1) и заданного уровня доверительной вероятности β. Если ti > tкp, то коэффициент bi признается значимым. В противном случае b считается статистически незначимым,
т.е. bi = 0.
Пример 8.3. По данным табл. 8.5 оценить значимость коэффициентов уравнения, рассчитанных в примере 8.2.
Последовательно определим дисперсии опытов в каждой точке плана по формуле (8.7):
S²1 = [(22-24) +(24-24) +(26-24) ]/2=4;
S²2 = [(20-20) +(16-20) +(24-20) ]/2=16;
S²3 = [(16-22) +(24-22) +(26-22) ]/2=28;
S²4 = [(21-25) +(25-25) +(29-25) ]/2=16;
S²5 = [(53-55) +(55-55) +(57-55) ]/2=7;
S²6 = [(48-50) +(49-50) +(53-50) ]/2=9;
S²7 = [(52-55) +(57-55) +(56-55) ]/2=7;
S²8 = [(53-55) +(54-55) +(58-55) ]/2=7;
Определим значение критерия Кохрана g по формуле (8.8).
g = 28/(4+16+28+16+4+9+7+7)=0,308.
При уровне значимости =0,05, числе степеней свободы числителя f=r-1=2 и знаменателя m=N=8 gтабл= 0.52. Следовательно, дисперсии опытов однородны, так как g < gтабл
Рассчитаем дисперсии параметра оптимизация и коэффициентов регрессии, использовав для этого формулы (8.9) и (8.10) соответственно:
S²y =11.375; S²bi=0,47.
Применяя формулу (8.11), определяем значения t -критерия:
|t1|=1,6; |t2|=2,13;|t3|=32,98; |t12| =1.06; |t13| =1,06; |t23| =0.53; |t123| =1,06.
'По таблице выбираем значение tкр в зависимости от числа степеней свободы k=8(3-1)=16 и уровня доверительной вероятности β=0.95: tкр=2,12. Сравним полученные значения t1 с tкр.
t1<2.12; t2>2.12; t3>2.12; t12>2.12; t13<2.12; t23<2.12; t123<2. Следовательно, значимыми можно признать коэффициенты b2=1, b3=32,98, b12=3.2. Остальные коэффициенты уравнения регрессии, выведенные в примере (8.2), можно не учитывать. Тогда рассматриваемое уравнение значительно упростится:
y =38,25-x2+15.5x3+1.5x1x2