- •Ю.В.Захаров Математическое моделирование
- •Введение
- •1. Основные сведения из теории вероятностей и
- •1.1. Случайные величины. Выборка
- •1.2. Законы распределения случайных величин
- •Экспоненциальный закон распределения
- •Hормальный закон распределения (hзр)
- •1.3. Числовые характеристики случайных величин Характеристики положения
- •Характеристики рассеяния
- •1.4. Статистическая проверка гипотез
- •Гипотеза о равенстве дисперсий
- •Гипотеза об однородности дисперсий
- •Гипотеза о равенстве средних
- •Гипотеза о законе распределения случайной величины
- •1.5. Ошибки измерения физических величин и методы
- •Случайные, систематические и грубые ошибки
- •Методы исключения резко выделяющихся результатов эксперимента
- •Табличные значения критерия Романовского
- •2. Выбор наиболее существенных факторов объекта
- •2.1. Метод экспертных оценок
- •Матрица рангов параметров
- •Сумма рангов и коэффициент весомости
- •Сводные результаты экспертизы
- •2.2. Метод начальных моментов
- •2.3. Дисперсионный анализ
- •Общая постановка и решение задачи да
- •Однофакторный да
- •3. Математическое моделирование в технологии
- •3.1. Методы математического моделирования
- •3.2. Пассивный эксперимент для мм
- •3.2.1. Регрессионный анализ.
- •Примеры.
- •3.2.2. Метод экспоненциального сглаживания
- •3.2.3. Корреляционный анализ.
- •3.2.4 Оценка адекватности мм.
- •3.3. Активный эксперимент для мм
- •3.3.1. Вид и алгоритм построения математической модели
- •3.3.2. Полный факторный эксперимент типа 2k.
- •Проверка воспроизводимости эксперимента
- •Вычисление коэффициентов модели.
- •Примеры вычислений коэффициентов пфэ 22
- •Проверка значимости коэффициентов модели.
- •Проверка адекватности модели.
- •Анализ и синтез тп по полученной модели.
- •Получение математической модели с учетом взаимодействий факторов.
- •3.3.3. Дробный факторный эксперимент.
- •В записи плана дфэ 2k-p p означает количество взаимодействий факторов приравненным независимым переменным. Дфэ 23-1 – половина пфэ 23, т.Е. Полуреплика от пфэ 23.
- •3.3.4. Математические модели второго порядка.
- •Контрольные вопросы
- •Заключение
- •Содержание введение
- •Заключение
- •Литература
Проверка воспроизводимости эксперимента
Осуществляется с помощью G критерия с целью проверки гипотезы о равноточности измерений.
Для этого:
1. Для каждой из М дублированных строк матрицы планирования по результатам n параллельных опытов определяется:
— среднее значение показателя качества y
; j=1,2,…,n;
q=1,2,…,M; ;
— построчная дисперсия
.
2. Выбирается наибольшая из построчных дисперсий .
3. Вычисляется сумма квадратов построчных дисперсий
.
4. Определяется расчетное значение G — критерия
.
5. Определяется табличное значение Gтабл. для выбранного уровня значимости , числа дублированных строк матрицы М и числа степеней свободы =n-1
.
6. Сравниваются и :
— если < , измерения равноточны (эксперимент воспроизводим) и величину можно считать оценкой генеральной дисперсии воспроизводности ;
— при эксперимент не воспроизводим.
Причина: 1) сильное влияние неучтенных факторов;
2) низкая точность измерения.
Вычисление коэффициентов модели.
После реализации плана ПФЭ типа 2k и проверки воспроизводимости эксперимента коэффициенты b0, b1, b2, ..., bi, ...,bk модели y = b0+b1x1 +b2x2+ ...+bixi+ ...bkxk вычисляются по формулам:
(23);
. (24)
В выражении (24) величина xiq равна -1 или +1 в соответствии с матрицей планирования для q-го опыта по i-му фактору, а yq в (23) и (24)-экспериментально полученное значение y в q-ом опыте. При повторении q-го опыта n раз вместо yq берется .
С физической точки зрения значение коэффициента b0 характеризует среднее значение показателя y по всем опытам, а коэффициента bi -эффект воздействия фактора xi на y.
Примеры вычислений коэффициентов пфэ 22
№ опыта |
x1 |
x2 |
yЭКС. |
1 |
-1 |
-1 |
7 |
2 |
+1 |
-1 |
5 |
3 |
-1 |
+1 |
10 |
4 |
+1 |
+1 |
6 |
и модель имеет вид: у=7-1,5х1+х2.
Для вычисления коэффициента bi необходимо перемножить значения
-1 или +1 столбца xi на значения yq для всех q строк, просуммировать их и разделить на общее число опытов в плане ПФЭ 2k .
Для вычисления b1 используется столбец с x1, b2-x2 и т.д.
Проверка значимости коэффициентов модели.
Проверяется отличие коэффициента ММ от нуля с учетом "шума" эксперимента.
Оценка значимости коэффициентов осуществляется по t-критерию Стьюдента.
Вычисляется расчетное значение ti для каждого из коэффициентов
, где N=2k;
S2вос.- дисперсия воспроизводимости из М дублированных строк
матрицы планирования.
В некоторых случаях дублирование опытов осуществляется только для
одной из q-строк матрицы планирования или в центре плана эксперимента ( x1=0, x2=0, ... , xk=0). В этом случае S2вос. находится как построчная дисперсия:
,
где yqj - результат j-го опыта из n параллельных опытов;
- среднее значение по n параллельным опытам;
n - число параллельных опытов для q-ой строки матрицы планирования или в центре плана эксперимента.
2. Находится табличное значение tтаб.
при М дублированных строках матрицы;
при одной дублированной строке матрицы.
3. Сравниваются tрас. и tтаб.
Если tрас. > tтаб, то с вероятностью P = 1- коэффициент, для которого вычислено tрас., считается статистически значимым и он используется при составлении модели.
Если tрас. tтаб, то соответствующие коэффициенты признаются незначимыми и не используются при составлении ММ (приравниваются к нулю).
Например: Если в ММ y= 15-2x1+3,5x2-0,1x3+1,2x4+0,05x5
коэффициенты b3= - 0,1 и b5=0,05 оказались незначимыми, то ММ запишется в виде: y= 15-2x1+3,5x2+1,2x4.
Причины незначимости коэффициентов:
фактор хi не влияет на y;
2) интервал варьирования i-переменной ( ) слишком мал;
3) велика ошибка эксперимента из-за наличия неуправляемых и неконтролируемых переменных.
После проверки значимости коэффициентов составляется ММ в виде уравнения регрессии, содержащего составляющие только со значимыми коэффициентами.