- •200106 «Информационно-измерительная техника и технологии»
- •Введение
- •1.2. Сигналы
- •1.3. Преобразование измерительных сигналов
- •1.4. Спектр периодических сигналов
- •1.5. Модуляция
- •1.5.1. Амплитудная модуляция
- •1.5.2. Частотная модуляция
- •1.5.3. Фазовая модуляция
- •1.5.4. Двукратные виды модуляции
- •1.6. Квантование
- •1.6.1. Квантование по уровню
- •1.6.2. Квантование по времени
- •1.6.3. Квантование по уровню и времени
- •1.7. Кодирование
- •1.7.1. Цифровые коды
- •1.7.2. Помехи
- •1.8. Модель канала
- •Раздел 2 измерительные каналы и их разделение
- •2.1. Канал связи и его характеристики
- •2.2. Согласование канала с источником информации
- •2.3. Линии связи для передачи измерительной информации
- •2.4. Структуры линий связи
- •2.5. Многоканальные системы для передачи измерительной информации
- •2.6. Погрешность систем с частотным разделением каналов
- •2.7. Погрешности систем с временным разделением каналов
- •Раздел 3 принципы обработки данных
- •3.1. Виды погрешностей
- •3.2. Обработка результатов измерений. Оценки измеряемой величины
- •3.3. Обработка результатов прямых равноточных измерений
- •3.4. Обработка результатов косвенных измерений
- •3.5. Обработка результатов совместных измерений
- •3.6. Обработка результатов неравноточных измерений
- •3.7. Проверка статистических гипотез
- •3.7.1. Проверка соответствия гипотезы и экспериментальных данных
- •3.7.2. Исключение резко отклоняющихся значений
- •3.8. Построение эмпирических распределений
- •3.9. Критерии согласия
- •3.9.1. Критерий согласия Пирсона
- •3.9.2. Критерий согласия Колмогорова
- •Раздел 4 планирование многофакторного эксперимента
- •4.1. Задачи планирования эксперимента
- •4.2. Пассивные эксперименты
- •4.3. Дисперсионный анализ
- •4.4. Регрессионный анализ
- •4.5. Активный эксперимент
- •4.6. Полный факторный эксперимент
- •4.7. Дробный факторный эксперимент
- •4.8. Устранение влияния временного дрейфа
- •4.9. Проведение факторного эксперимента и обработка его результатов
- •4.10. Оптимизация
- •4.11. Рандомизация
- •Раздел 5 введение в алгоритмическую теорию измерений
- •5.1. Вводные замечания
- •5.2. Развитие понятий числа и измерения величин
- •5.3. Теория шкал и алгоритмические измерения
- •5.4. Алгоритмы измерения в номинальной шкале, аддитивной и порядка
- •5.5. Моделирование цифровых алгоритмических измерений
- •5.6. Эквивалентность между фильтрацией и алгоритмическим измерением
- •5.7. Моделирование сигналов. Дискретизация
- •5.7.1. Модели дискретизации аналогового сигнала
- •5.7.2. Дискретизация с усреднением
- •5.7.3. Дискретизация сигналов конечной длительности
- •5.8. Цифровое представление информации
- •5.9. Системы счисления с иррациональными основаниями
- •5.9.1. Золотая пропорция
- •5.9.2. Числа Фибоначчи
- •5.9.4. Код золотой p-пропорции
- •5.10. Общий алгоритм метрологического кодирования
- •5.10.1. Алгоритм Стахова
- •5.10.2.Фибоначчиевы алгоритмы цифрового метрологического кодирования
- •Раздел 6 введение в информационную теорию измерений
- •6.1. Основные положения теории информации
- •6.1.1. Энтропия
- •6.1.2. Единицы измерения энтропии
- •6.1.3. Условная энтропия (энтропия помехи)
- •6.1.4. Суммирование нескольких погрешностей
- •6.1.5. Явление «краевой эффект». Приближенность информационных оценок каналов передачи информации
- •6.1.6. Основные положения теории информации для характеристики процесса измерения
- •6.2. Сущность измерения
- •6.2.1. Понятие натурального ряда однородных величин
- •6.2.2. Понятие шкалы реперов измеряемой величины
- •6.2.3. Измерение как сужение интервала неопределенности
- •6.3. Измерительные преобразования, функциональные шкалы, единицы измеряемой величины
- •6.3.1. Функциональная шкала измеряемой величины
- •6.3.2. Понятие единицы измерения
- •6.3.3. Метод построения измерительных устройств
- •6.4. Измерительные преобразования и преобразователи
- •6.5. Энтропийное значение погрешности
- •6.5.1. Математическое определение энтропийного значения погрешности
- •6.5.2. Эффективное значение погрешности
- •6.6. Сравнение энтропийного и среднеквадратического значений погрешности для плавных симметричных одномодальных законов распределения погрешностей
- •6.7. Энтропийное значение погрешности – основной критерий точности приборов и измерений
- •6.8. Определение энтропийного значения погрешности на практике
- •6.9. Суммирование погрешностей измерительных устройств
- •6.10. Статистическое суммирование погрешностей при наличии корреляции
- •6.11. Энтропийное значение результирующей погрешности
- •6.12. Суммирование погрешностей с равномерными законами распределения вероятностей
- •6.13. Суммирование погрешностей при равномерном и нормальном законах распределения составляющих результирующей погрешности
- •6.14. Суммирование погрешностей при произвольной степени корреляции и произвольных законах распределения вероятностей составляющих результирующей погрешности
- •И объемов (n) выборок
- •Интервала
- •Оглавление
4.2. Пассивные эксперименты
При пассивном эксперименте исследователь не имеет возможности воздействовать на изучаемый объект, поэтому задача планирования эксперимента сводится к оптимальной организации пассивного сбора информации и включает в себя такие вопросы, как выбор интервалов времени между моментами измерения, задание числа выполняемых измерений, выбор метода обработки экспериментальных данных и т.д.
Целью пассивного эксперимента часто является построение математической модели объекта. В зависимости от того, какая математическая модель является подходящей для описания того или иного объекта, последние разделяются на хорошо (детерминированные) и плохо (диффузные) организованные объекты. В хорошо организованных объектах можно выделить определенные процессы, которые зависят от небольшого числа переменных и которые поддаются изучению. Взаимосвязи входных и выходных параметров объекта в этом случае устанавливаются в виде детерминированных функций.
В большинстве случаев экспериментатору приходится иметь дело с плохо организованными объектами, когда детерминированные модели и методы становятся непригодными. В таких случаях необходимо использовать статистические модели и методы, представляющие собой логически обоснованные формализованные методы экспериментального исследования, когда экспериментатор сознательно отказывается от детального изучения механизма всех процессов и явлений, протекающих в объекте.
При пассивном эксперименте исследователь имеет возможность получить путем измерений в различные дискретные моменты времени значения входных параметров xj объекта и соответствующие им значения выходного параметра у. Как отмечалось выше, наличие случайных возмущающих воздействий делает зависимость выходного параметра от входных неоднозначной.
Рассмотрим однофакторный эксперимент, при котором выполнено п пар измерений единственного входного параметра х и соответствующих значений выходного параметра у. Результаты измерений изображены графически в виде точек на рис. 4.2.1. Учитывая случайный характер полученных экспериментальных данных, искомую аналитическую зависимость у от х можно рассматривать только как зависимость математического ожидания у от значения х. Такая зависимость называется регрессионной, а соответствующая линия на графике (линия АВ) называется линией регрессии.
Целью эксперимента в данном случае является построение регрессионной модели, представляющей собой приближенную оценку истинной регрессионной зависимости. Важным вопросом является выбор вида регрессионной модели, т.е. выбор вида функции, аппроксимирующей экспериментальные данные.
Рис. 4.2.1. График зависимости у от х
4.3. Дисперсионный анализ
Дисперсионный анализ предназначен для выявления степени влияния различных факторов на выходные характеристики приборов, процессов и т.д.
Обычно принимают предположение о нормальном законе распределения выходной характеристики при фиксированных уровнях факторов. Это распределение вызвано погрешностью измерений, влиянием неконтролируемых условий и т.д., оно проявляется при проведении серии опытов в «одной точке» – при каждом конкретном сочетании уровней факторов. Вторым предположением является однородность дисперсий в «различных точках» – при различных сочетаниях уровней факторов. Для удобства сначала рассмотрим однофакторный дисперсионный анализ, затем двухфакторный и трехфакторный.
В табл. 4.3.1 представлены в общем виде результаты однофакторного дисперсионного анализа. Испытания проводились на k уровнях фактора А – 1, 2, 3, ..., i, ..., k. На каждом уровне было сделано определенное число опытов – 1, 2, 3, ..., j, ..., ni и зафиксированы результаты xi j.
Сначала для каждой партии испытаний вычисляют оценки среднего значения и дисперсии и по формулам:
(4.3.1)
Затем проверяют однородность ряда дисперсий , , ..., , ..., по критерию Фишера. После подтверждения гипотезы об однородности этих дисперсий находят оценку общего среднего:
(4.3.2)
Таблица 4.3.1
Результаты однофакторного дисперсионного анализа
№ уровня фактора А (партии испытаний) |
Результат испытаний |
Число опытов n партии |
Среднее значение партии |
Дисперсия партии |
1 |
x11, x12, …, xij, …, x1n1 |
n1 |
|
|
2 |
X21, x22, …, xij, …, x2n1 |
n2 |
|
|
… |
… |
… |
… |
… |
i |
xi1, xi2, …, xij, …, xin1 |
ni |
|
|
… |
… |
… |
… |
… |
k |
xk1, xk2, …, xk j, …, xk n1 |
nk |
|
|
Далее вычисляют следующие величины:
– дисперсию , характеризующую рассеивание по факторам, т.е. изменение величины Х (его среднего значения) при изменений уровня фактора А:
(4.3.3)
(число степеней свободы f = k – 1);
– дисперсию (остаточную), характеризующую рассеивание внутри партий:
(4.3.4)
для ni = n
(4.3.5)
– полную (общую) дисперсию s2, отражающую общее рассеяние как внутри партий, так и за счет изменения уровня фактора:
(4.3.6)
для ni = n
(4.4.7)
Для выяснения вопроса о том, сказывается ли влияние фактора А, или это влияние несущественно по сравнению с разбросом внутри партии, проверяют однородность дисперсий и при помощи критерия Фишера.
Если отношение окажется меньше табличного значения , найденного для числа степеней свободы f1 и f2 и уровня значимости , то влияние фактора несущественно, и все полученные результаты испытаний принадлежат одной генеральной совокупности, распределенной нормально с параметрами 2 и а. Их точечные оценки равны соответственно и , а интервальные
(4.3.8)
где – коэффициент Стьюдента; он находится по таблице для коэффициентов Стьюдента для уровня значимости и степеней свободы. При этом
(4.3.9)
(4.3.10)
Значения z1 и z2 находят по таблице «Значения z1 и z2 для границ доверительного интервала» по уровню = 1- и .
Если же справедливо соотношение
(4.3.11)
то влияние фактора существенно. Считается, что есть К нормально распределенных совокупностей, каждая из которых имеет дисперсию 2 с разными средними значениями i. Точечной оценкой 2 является sn, а оценкой средних i – выборочные средние . Доверительные интервалы для i и имеют вид:
(4.3.12)
(4.3.13)
(4.3.14)
В формулах (4.3.12) ÷ (4.3.14) .
Оценку дисперсии средних значений, вызванную влиянием исследуемого фактора, производят по формуле
(4.3.15)
Пример 4.3.1. Результаты испытаний при различных уровнях фактора приведены в следующей таблице:
№ партии |
|
|
1 |
40,32 |
0,202 |
2 |
41,22 |
0,196 |
3 |
40,31 |
0,047 |
4 |
40,60 |
0,219 |
5 |
40,00 |
0,065 |
6 |
40,73 |
0,201 |
7 |
40,54 |
0,466 |
8 |
40,17 |
0,076 |
9 |
40,26 |
0,267 |
10 |
40,05 |
0,534 |
11 |
40,38 |
0,149 |
12 |
39,93 |
0,494 |
13 |
40,84 |
0,184 |
14 |
40,14 |
0,426 |
15 |
40,60 |
0,156 |
Сумма |
606,09 |
3,682 |
В каждой партии проведено по 20 опытов. Проверку однородности дисперсий производят по формуле:
По таблице «Значения G0,01 (верхняя граница) и G0,05 (нижняя граница) (Критерий Кохрена) для различных количеств (k)и объемов (n) выборки» для f = п–1 = 20–1 = 19 и k = 15 находим G0,0l = 0,156 и G0,05 = 0,139. Значит, подтверждается гипотеза об однородности дисперсий для разных партий опытов.
Оценку генерального среднего производят по формуле (4.3.2):
Затем рассчитываем дисперсии , и по формулам (4.3.3), (4.3.5) и (4.3.7):
.
Отношение дисперсий F равно:
.
Найденное по таблице «Значения (верхние значения) и (нижние значения) для различных степеней свободы f1 и f2» значение F0,99 для числа степеней свободы f1 = 14 и f2 = 285 при = 0,01 составляет 2,15. Так как F > F0,99, то влияние фактора А на дисперсию весьма существенно.
В завершении определяем генеральную дисперсию средних значений по формуле (4.3.15):
В двухфакторном и трехфакторном дисперсионном анализе для удобства вычислений считаем, что для каждой комбинации факторов используется одинаковое число испытаний п. Предположим, что исследуемая величина X в партиях распределена нормально и дисперсии для различных партий опытов однородны. Каждое из этих предположений подлежит проверке по экспериментальным данным перед проведением непосредственно дисперсионного анализа.
Результаты испытаний для двухфакторного анализа приведены в табл. 4.3.2. Один из факторов А имеет k уровней, другой B – m. При каждой комбинации уровней проводится п опытов. Сначала рассчитывают средние значения случайной величины X для каждой партии опытов:
Таблица 4.3.2
Результаты испытаний при двухфакторном анализе
Номер уровня фактора B |
Номер уровня фактора А |
||||||||||
1 |
2 |
… |
j |
… |
k |
||||||
Номер испытания в партии |
|||||||||||
1, 2, …, , …, n |
1, 2, …, , …, n |
… |
1, 2, …, , …, n |
… |
1, 2, …, , …, n |
||||||
1 |
x111, x112 ,…, x11, …, x11n |
x121, x122 ,…, x12, …, x12n |
… |
x1j1, x1j2 ,…, x1 j , …, x1 j n |
… |
x1k1, x1 k 2 ,…, x1k, …, x1 k n |
|||||
2 |
x211, x212 ,…, x21, …, x21n |
x221, x222 ,…, x22, …, x22n |
… |
x2j1, x2j2 ,…, x2 j , …, x2 j n |
… |
x2k1, x2k2 ,…, x2 k, …, x2 kn |
|||||
… |
……………… |
……………… |
… |
……………… |
… |
……………… |
|||||
i |
xi11, xi12 ,…, xi1, …, xi1n |
xi21, xi22 ,…, xi2, …, xi2n |
… |
xij1, xij2 ,…, xi j , …, xi j n |
… |
xi k 1, xi k 2 ,…, xi k , …, xi k n |
|||||
… |
……………… |
……………… |
… |
……………… |
… |
……………… |
|||||
m |
xm11, xm12,…, xm1, …, xm1n |
xm21, xm22, …, xm2, …, xm2n |
… |
xm j 1, xmj2,…, xm j , …, xmj n |
… |
xmk1, xmk2,…, xmk, …, xmkn |
(4.3.16)
затем средние значения по графам (по фактору B) и по строчкам (по фактору А):
(4.3.17)
(4.3.18)
и среднее значение наблюдений : или
(4.3.19)
Результаты этих расчетов приведены в табл. 4.3.3. В соответствии с этой таблицей ведутся вычисления средних значений . Далее вычисления ведутся с помощью табл. 4.3.4.
Таблица 4.3.3
Средние значения при двухфакторном анализе
Номер строки (уровня фактора В ) |
Номер столбца (уровня фактора А) |
Среднее по строкам |
||||||
1 |
2 |
… |
j |
… |
k |
|||
1 |
|
|
… |
|
… |
|
|
|
2 |
|
|
... |
|
... |
|
|
|
… |
… |
… |
… |
… |
… |
… |
… |
|
i |
|
|
… |
|
… |
|
|
|
… |
… |
… |
… |
… |
… |
… |
… |
|
т |
|
|
... |
|
… |
|
|
|
Среднее по столбцам |
|
|
… |
|
... |
|
|
После этого с помощью критерия F проверяют гипотезу об отсутствии взаимодействия между исследуемыми факторами. Для этого вычисляют дисперсионное отношение
(4.3.20)
и сопоставляют с табличным значением Р1- (таблица «Значения (верхние значения) и (нижние значения) для различных степеней свободы f1 и f2»), найденным для уровня значимости и числа степеней свободы и (принимая в таблице f1 = f3 и f2 = f4). Если справедливо неравенство F > F1-, то гипотеза о независимости факторов А и B отвергается и дальше нельзя использовать обычные методы дисперсионного анализа. Если же F F1-, то гипотеза об отсутствии взаимодействия подтверждается.
Таблица 4.3.4
Вычисление дисперсии
Компонента дисперсии |
Сумма квадратов |
Число степеней свободы |
Дисперсия |
Между средними по графам |
|
|
|
Между средними по строкам |
|
|
|
При взаимодействии между факторами |
|
|
|
Внутри партии (остаточная) |
|
|
|
Полная (общая) дисперсия |
|
|
|
Затем проверяют значимость влияния обоих факторов на исследуемую величину X. Для этого предварительно объединяют оценки дисперсий и в общую оценку
(4.3.21)
Далее вычисляют дисперсионные отношения
(4.3.22)
которые сопоставляют с табличными значениями . Факторы оказывают значимое влияние, если
(4.3.23)
. (4.3.24)
Значение находят по таблице «Значения (верхние значения) и (нижние значения) для различных степеней свободы f1 и f2» для числа степеней свободы и , а – для числа степеней свободы и .
Если влияние обоих факторов значимо, то мы имеем дело с km нормально распределенными генеральными совокупностями с общей дисперсией 2 и разными значениями ai j, оценками которых служат выборочная дисперсия и выборочные средние для каждой комбинации факторов . Доверительные интервалы указанных параметров определяют по формулам:
(4.3.25)
(4.3.26)
где .
При одновременном несоблюдении неравенств (4.3.23) и (4.3.24) подтверждается нулевая гипотеза, т.е. факторы А и B не оказывают значимого влияния на величину X. Тогда остается только одна генеральная совокупность результатов испытаний, распределенная по нормальному закону с параметрами 2 и а. Оценкой генерального среднего а служит общее выборочное среднее по строкам и столбцам X, а оценкой дисперсии – полная (общая) выборочная дисперсия . В этом случае доверительные интервалы для а и 2 вычисляют по формулам:
(4.3.27)
(4.3.28)
для степени свободы (т.е. ).
При решении практических задач возможны следующие ситуации.
– Выполняются неравенства . Тогда эффект по столбцам отсутствует (влияние фактора А незначительно). Пусть имеется т нормально распределенных совокупностей со средними ai и одинаковой дисперсией 2. Оценками средних аi являются выборочные средние по строкам , а оценкой дисперсии 2 – объединенная выборочная дисперсия
(4.3.29)
Границы доверительных интервалов генеральных характеристик для этого случая находят по формулам:
(4.3.30)
, (4.3.31)
где .
– Выполняются неравенства .Тогда эффект по строкам отсутствует (фактор B влияет незначительно). Имеется k нормально распределенных генеральных совокупностей с общей дисперсией 2 и разными средними аj. Оценками средних аj служат выборочные средние по столбцам а оценкой дисперсии 2 – объединенная выборочная дисперсия
(4.3.32)
Доверительные интервалы находят по формулам:
(4.3.33)
(4.3.34)
для степеней свободы (т.е. ).
В некоторых случаях при каждой комбинации факторов проводят только один опыт (т.е. п = 1). Тогда все приведенные выражения упрощаются, а . Такой эксперимент используют тогда, когда влияние дестабилизирующих причин в партии опытов несущественно и остаточной дисперсией можно пренебречь.
Трехфакторный дисперсионный анализ аналогичен по структуре двухфакторному. Схема анализа для трех факторов А, B, C приведена в табл. 4.3.5, которая составлена аналогично табл. 4.3.4.
Проверку нулевых гипотез о незначимости влияния взаимодействия отдельных пар факторов и их общего взаимодействия производят с помощью дисперсионных отношений F4, F5, F6, и F7, в числителе которых дисперсия для соответствующего взаимодействия ( , , , ), а в знаменателе – остаточная дисперсия . Вычисленные дисперсионные отношения сравнивают с табличными значениями, найденными для чисел степеней свободы, указанных в табл. 4.3.5.
При принятии нулевых гипотез о взаимодействии факторов дисперсии , , , объединяют в общую оценку
(4.3.35)
Затем с помощью отношений дисперсий , , к проверяют нулевые гипотезы относительно незначимости влияния каждого фактора. При принятии нулевых гипотез для всех или отдельных факторов возможно дальнейшее объединение дисперсий так, как и при двухфакторном анализе. Доверительные интервалы для дисперсии и средних значений определяют по формулам, аналогичным приведенным выше.
Таблица 4.3.5
Схема трехфакторного дисперсионного анализа
Ком-понента дисперсии |
Сумма квадратов |
Число степеней свободы |
Дисперсия |
1 |
2 |
3 |
4 |
Между средними фактора А |
|
|
|
Между средними фактора B |
|
|
|
Между средними фактора C |
|
|
|
При взаимодейвии между А и B |
|
|
|
При взаимодействии между А и C |
|
|
|
При взаимодействии между B и C |
|
|
|
При взаимодействии между А, B и C |
|
|
|
Внутри партии (остаточная) |
|
|
|
Полная дисперсия |
|
|
|