Материал: 4753
МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ
ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ
УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ «ВОРОНЕЖСКИЙ ГОСУДАРСТВЕННЫЙ ЛЕСОТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ ИМЕНИ Г.Ф. МОРОЗОВА»
Кафедра автоматизации производственных процессов
Основы научной деятельности
Методические указания к лабораторным работам
для студентов по направлению подготовки
09.03.02 Информационные системы в микроэлектронике
Воронеж 2020
УДК 004.43
Лапшина. М.Л. Основы научной деятельности [Электронный ресурс]: методические указания к лабораторным работам для студентов по направлению подготовки 09.03.02 Информационные системы в микроэлектронике / М.Л. Лапшина; М-во образования и науки РФ, ФГБОУ ВО «ВГЛТУ им. Г.Ф. Морозова». – Воронеж, 2020. – 19 с.
Составитель: д.т.н., профессор каф. АПП |
М.Л. Лапшина |
Экспериментально – статистические модели
При отсутствии достаточного объема информации о моделируемом объекте уравнения математического описания могут представлять собой систему эмпирических зависимостей, полученных в результате статистического обследования объекта, и имеют вид регрессионных соотношений между входными и выходными параметрами объекта. В этом
случае в структуре уравнений статистических моделей не отражаются физические свойства объекта моделирования. Основным источником информации является эксперимент, а обработка экспериментальных данных осуществляется методами теории вероятностей и математической статистики. Объект представляется в виде «черного ящика» (рис. 1).
Математической моделью служит функция отклика, связывающая выходной параметр с входными:
Y F(x1, x2 ,..., xn ) |
(1) |
или в виде полинома
(
2)
Поскольку в реальном процессе всегда существуют «шумы»,
изменение величины Y носит случайный характер, поэтому при обработке экспериментальных данных получаются так называемые выборочные коэффициенты регрессии β, являющиеся оценками теоретических
коэффициентов . Уравнение регрессии, полученное на основании опыта,
запишется следующим образом:
(
3)
Вид уравнения регрессии обычно задается. Для получения статистических моделей в виде полиномов на основе данных, собранных в пассивном эксперименте используют методы корреляционного и регрессионного анализов.
Методы корреляционного и регрессионного анализов
Методы корреляционного и регрессионного анализов широко применяются для выявления и описания зависимостей между случайными величинами по экспериментальным данным и базируются на теории вероятности и математической статистике.
Корреляционный анализ основывается на предпосылке о том, что переменные величины y (выходной параметр) и xi (факторы) являются случайными величинами и между ними может существовать так называемая корреляционная связь, при которой с изменением одной величины изменяется распределение другой. Для количественной оценки тесноты связи служит выборочный коэффициент корреляции.
|
|
|
|
|
|
(4) |
|
|
|
1 |
n |
|
1 |
n |
|
где |
x |
xi , |
y |
yi , Sx2 , Sу2 - выборочные дисперсии: |
|||
|
|
||||||
|
|
N i 1 |
|
n i 1 |
|||
,
.
При вычислении коэффициента корреляции удобно пользоваться следующими формулами:
(5)
где N – число опытов. Выявить наличие или отсутствие корреляции между двумя величинами можно путем визуального анализа полей корреляции и оценкой величины выборочного коэффициента корреляции.
Для независимых случайных величин коэффициент корреляции равен нулю,
но он может быть равен нулю для некоторых зависимых величин, которые при этом называются некоррелированными. Коэффициент корреляции характеризует не всякую зависимость, а только линейную. Если случайные величины x и y связаны точной функциональной линейной зависимостью y b0 b1x , то rxy 1. В общем случае, когда величины связаны
произвольной стохастической зависимостью, коэффициент корреляции может иметь значение в пределах 1 rxy 1. Регрессионный анализ –
предполагает (рассматривает) связь между зависимой (случайной) величиной y и независимыми (неслучайными) переменными x1,…,xi. Эта связь представляется с помощью математической модели, т. е. уравнения, которое связывает зависимую и независимую переменные.Обработка экспериментальных данных при использовании корреляционного и регрессионного анализа дает нам возможность построить статистическую математическую модель в виде уравнения регрессии.
Постановка задачи. По данной выборке объема n найти уравнение
приближенной регрессии и оценить допускаемую при этом ошибку, то есть
нужно найти ) f (x) . Эта задача решается методами корреляционного и y
регрессионного анализа. По сгущениям точек (рисунок 2) можно найти