Методика проверки статистических гипотез методом программного моделирования
Качественный анализ объектов моделирования, определение количества уравнений статики для его математического описания. Принципы использования методов регрессионного анализа. Разработка файла-сценария. Программное обеспечение вычислительных операций.
Рубрика | Программирование, компьютеры и кибернетика |
Вид | контрольная работа |
Язык | русский |
Дата добавления | 06.09.2015 |
Размер файла | 249,2 K |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Размещено на http://www.allbest.ru/
1. Задание на работу
регрессионный файл вычислительный программный
Выполнить качественный анализ объектов моделирования, указанных в задании:
- для каждого объекта показать на блок-схеме число входных факторов и выходных параметров ;
- определить количество уравнений статики, необходимых для математического описания объекта;
- определить в первом приближении общий вид уравнений статики.
По экспериментальным данным определить:
сколько серий параллельных измерений выполнено при наблюдении каждого выхода объекта; сколько опытов в одной серии;
- допущения, необходимые для использования методов регрессионного анализа (проверить их справедливость).
Изучить методику проверки статистических гипотез.
Разработать файл-сценарий, воспроизводящий расчеты оценок уравнения математической модели и проверки статистических гипотез по формулам (4 - 15). Предусмотреть вывод графиков в координатах , на который нанесены экспериментальные точки и расчетные. Для каждого уравнения отдельный график с расчетными и экспериментальными точками.
Осуществить расчеты на ЭВМ. Получить оценки коэффициентов регрессии и выполнить проверки статистических гипотез для каждого уравнения. В случае необходимости скорректировать первоначальный вид уравнений. По результатам сформировать n уравнений статики для математической модели объекта, приведённой в задании.
2. Основные расчетные соотношения
Математическая модель статического режима работы объекта с сосредоточенными координатами задается в виде конечных уравнений, устанавливающих зависимость выходных координат объекта от входных. На рисунке 1, 2 показаны блок-схемы наиболее распространенных объектов моделирования.
Если объект имеет выходную координату и несколько входных (рис. 1), то возможно построение математической модели статики в виде специального полинома, так называемого уравнения регрессии
(1)
где - оценка выходного параметра (выходной координаты объекта), - оценки коэффициентов регрессии, - факторы (входные координаты объекта).
При моделировании объекта с выходами и входами (рис. 2) необходимо сформировать уравнений регрессии (для каждого из выходов):
(2)
Математическую модель объекта в форме уравнения регрессии можно создавать на основе результатов пассивного эксперимента, проводя по определенным правилам наблюдения за входами и выходом в статическом режиме работы. При постановке статического эксперимента принимаются следующие допущения:
найденные экспериментальные значения Y отвечают нормальному закону распределения;
относительные ошибки измерения (1) незначительны, т.е. среднее квадратичное отклонение ошибки измерения каждого не больше трёх процентов от диапазона измерения ;
выборочные дисперсии параллельных измерений являются однородными.
В зависимости от числа факторов на основе выражения (1) можно сформировать конкретные уравнения регрессии. Выбор вида уравнения осуществляется путем экспериментального подбора.
Если выходной параметр зависит только от одного фактора, то для ориентировочного задания вида уравнения можно воспользоваться графиком , построенным по экспериментальным данным. Например, для приведённых на рис. 3 графиков следует использовать уравнение прямой (а) или уравнение параболы
(б)
При числе факторов больше одного экспериментатор не может осуществить выбор уравнения статики на основе геометрической интерполяции результатов измерений.
В этом случае модель создают в ходе итерационной процедуры, используя результаты проверки статистических гипотез и правила коррекции уравнений модели. Для аппроксимации экспериментальных данных используем метод наименьших квадратов (МНК), позволяющий найти коэффициенты уравнения (2) из условия:
(3)
На основании экспериментальных данных и (3) по МНК рассчитываются оценки коэффициентов регрессии [I]. Для линейного уравнения
значения оценок коэффициентов регрессии определяются соотношениями: для уравнения без свободного члена используют выражение:
(4)
(5)
Уравнения (3) показывают, что между b0 и b1 существует корреляционная связь. Для ее оценки используют выборочный коэффициент парной корреляции:
(6)
Регрессионный анализ найденного уравнения включает проверку статистических гипотез об однородности выборочных дисперсий параллельных измерений, о значимости коэффициентов регрессии, об адекватности уравнения модели. Справедливость первой гипотезы устанавливается по критерию Кохрена:
(7)
где - максимальное значение выборочной дисперсии (). Если (f1 = N и f2 = m-1), то выборочные дисперсии однородны, а среднее их значение определяет дисперсию воспроизводи мости:
(8)
Оценка значимости каждого коэффициента уравнения осуществляется по критерию Стьюдента:
(9)
где - среднее квадратичное отклонение .
(10)
(11)
Если , (), коэффициент значимо отличается от нуля.
В противном случае () исключается из уравнения (). Так как все члены уравнения взаимно коррелированны, удаление одного из них приводит к необходимости пересчитать заново значения оставшихся.
Адекватность уравнения проверяется по критерию Фишера:
(12)
где - остаточная дисперсия.
(13)
Если , то найденное уравнение регрессии адекватно исследуемому объекту.
При отсутствии параллельных измерений () вместо проверки адекватности уравнения регрессии осуществляют оценку качества аппроксимации:
(14)
где - дисперсия выходного параметра относительно среднего.
(15)
Если (), уравнение обеспечивает удовлетворительную точность аппроксимации. При отсутствии параллельных измерений гипотезы об однородности выборочных дисперсий и значимости коэффициентов не проверяются.
3. Текст программы
clc; clear; close all;
n = 1
m = 4
N = 30
A = xlsread('Вариант №1.xlsx');
x1 = A(:,1);
y = A(:,3:6);
y_cp = mean(y,2);
xx =x1.*x1;
xy = x1.*y_cp;
mx = sum(x1)/N;
my = sum(y_cp)/N;
disp('Коэффициенты:')
b1 = (N*sum(xy)-sum(x1)*sum(y_cp))/(N*sum(xx)-sum(x1)*sum(x1))
b0 = my-b1*mx
y_ras = b0+x1*b1;
Xmx2 = (x1 - mx).*(x1 - mx);
Ymy2 = (y_cp - my).*(y_cp - my);
vub_disp = ((y(:,1)-y_cp).^2+(y(:,2)-y_cp).^2+(y(:,3)-y_cp).^2+(y(:,4)-y_cp).^2)/(m-1);
raz = (y_cp-y_ras).^2;
disp('Корреляционная связь между коэффициентами:');
sx = sqrt(sum(Xmx2)/(N-1))
sy = sqrt(sum(Ymy2)/(N-1))
ryx = b1*sx/sy
for i=1:length(x1)
plot(x1(i),y_cp(i),'--rs')
hold on
end
plot(x1, y_ras)
disp('Критерий Кохрена:')
f1 = N
f2 = m-1
G = max(vub_disp)/sum(vub_disp)
G_tab = 0.1593
if G<G_tab
disp('Воспроизводимость хорошая. Выборочные дисперсии параллельных измерений однородны..')
end
disp('Критерий Стъюдента:')
s2_vosp = sum(vub_disp)/N
znam = N*sum(xx)-sum(x1)*sum(x1)
Sb0 = sqrt(s2_vosp*sum(xx)/znam)
Sb1 = sqrt(s2_vosp*N/znam)
tb0 = b0/Sb0
tb1 = b1/Sb1
tb_tab = 2.042
if tb0>tb_tab && tb1>tb_tab
disp('Коэффициенты значимо отличаются от нуля..')
end
disp('Критерий Фишера:')
q1 = N*m-n-1
q2 = N*(m-1)
s2_ost = m/f1*sum(raz)
F_ras = s2_ost/s2_vosp
F_tab = 1.39
if F_tab>F_ras
disp('Найденное уравнение адекватно объекту..')
end
grid on
4. Результаты проверок статистических гипотез и выводы по ним
n =1
m =4
N =30
Коэффициенты:
b1 =10.2391
b0 =2.0446
Корреляционная связь между коэффициентами:
sx =0.0099
sy =0.1042
ryx =0.9725
Критерий Кохрена:
f1 =30
f2 =3
G =0.0382
G_tab =0.1593
Воспроизводимость хорошая.
Выборочные дисперсии параллельных измерений однородны..
Критерий Стъюдента:
s2_vosp =0.0398
znam =0.0852
Sb0 =0.7457
Sb1 =3.7460
tb0 =2.7420
tb1 =2.7334
tb_tab =2.0420
Коэффициенты значимо отличаются от нуля..
Критерий Фишера:
q1 =118
q2 =90
s2_vosp =0.0398
s2_ost =0.0023
F_ras =0.0572
F_tab =1.3900
Найденное уравнение адекватно объекту..
Размещено на Allbest.ru
...Подобные документы
Подробное рассмотрение программного обеспечения для моделирования и расчетов в области химии, редактирования текстов. Изучение понятий: "программное обеспечение"; химическое ПО; химические редакторы; системное ПО; прикладное ПО; инструментальное ПО.
курсовая работа [4,1 M], добавлен 29.05.2014Принципы реализации программы проверки статистических гипотез с использованием t-критерия Стьюдента, ее общий алгоритм. Особенности применения двухвыборочного критерия для независимых выборок. Функциональные модели решения задачи для различных функций.
курсовая работа [644,2 K], добавлен 25.01.2010Использование моделирования в программной инженерии в процессе разработки программного обеспечения. Основные этапы процесса разработки программного обеспечения, их характеристика. Моделирование процессов, их определение фазами и видами деятельности.
реферат [2,2 M], добавлен 25.12.2017Характеристика основных методов и средств моделирования мультиагентных систем. Ознакомление с результатами экспериментального тестирования и отладки программного комплекса. Рассмотрение методов оценки качества разработанного программного продукта.
дипломная работа [3,1 M], добавлен 27.10.2017Надежность как характеристика качества программного обеспечения (ПО). Методика расчета характеристик надежности ПО (таких как, время наработки до отказа, коэффициент готовности, вероятность отказа), особенности прогнозирования их изменений во времени.
дипломная работа [1,2 M], добавлен 01.06.2010Методика исследования и анализа средств аудита системы Windows с целью обнаружения несанкционированного доступа программного обеспечения к ресурсам вычислительных машин. Анализ угрозы информационной безопасности. Алгоритм работы программного средства.
дипломная работа [2,9 M], добавлен 28.06.2011Разработка имитационной модели "Перекресток" для анализа бизнес-процессов предприятия и принятия решения в сложных условиях. Алгоритм построения имитационной модели на основе CASE-средств. Обзор программного обеспечения для имитационного моделирования.
дипломная работа [2,6 M], добавлен 22.11.2015Анализ методов и средств моделирования мультиагентных схем. Тестирование лабораторных работ "Climatechange", "ElFarol" и "Pagerank". Экспериментальное тестирование и отладка программного комплекса. Оценка качества разработанного программного продукта.
дипломная работа [4,5 M], добавлен 12.08.2017Применение промышленных технологий создания программного продукта. Описания принципов, методов, применяемых процессов и операций. Общие понятия методологии разработки программного обеспечения (ПО). Сравнение современных методологий проектных групп.
курсовая работа [1,6 M], добавлен 04.12.2009Исследование конечно-разностных методов решения краевых задач путем моделирования в среде пакета Micro-Cap V. Оценка эффективности и сравнительной точности этапов получения решений методом математического, аналогового моделирования и численными расчетами.
курсовая работа [324,3 K], добавлен 23.06.2009Разработка программного продукта для решения систем линейных алгебраических уравнений методом Гаусса с помощью ЭВМ. Математическое описание объекта моделирования, начальные и граничные условия. Алгоритм реализации задачи. Использование модуля CRT.
курсовая работа [269,6 K], добавлен 07.01.2016Модернизация процессов моделирования прочностных испытаний конструкций автомобиля в ОАО "АвтоВАЗ". Разработка алгоритмов обработки данных. Тестирование разрабатываемых систем. Определение времени на разработку программного обеспечения для модернизации.
дипломная работа [9,2 M], добавлен 23.06.2012Описания программного приложения для интерпретации и моделирования пласта. Технологическая цепочка в Petrel. Интерфейс программы. Проведение сейсмической объемной визуализации. Создание корреляции скважин на экране. Структурное моделирование разломов.
доклад [2,3 M], добавлен 15.05.2016Разработка интерфейса справочно-расчетного программного обеспечения. Расчетно-графический модуль. Решение задачи динамического моделирования в системе MATLAB/Simulink. Программная реализация, результаты моделирования системы на текстовых примерах.
курсовая работа [2,6 M], добавлен 01.12.2014Теоретические основы моделирования систем в среде имитационного моделирования AnyLogic. Средства описания поведения объектов. Анимация поведения модели, пользовательский интерфейс. Модель системы обработки информации в среде компьютерного моделирования.
курсовая работа [1,5 M], добавлен 15.05.2014Принципы объектного подхода. UML как воплощение идеи визуального моделирования. Синтаксис и семантика основных объектов UML, различные отношения между классами. Диаграммы использования, их назначение. Разработка модели бизнес-прецедентов данных.
презентация [1,0 M], добавлен 19.09.2016Точные и приближенные методы анализа структурной надежности. Критерии оценки структурной надежности методом статистического моделирования. Разработка алгоритма и программы расчета структурной надежности. Методические указания по работе с программой.
дипломная работа [857,8 K], добавлен 17.11.2010Технология разработки и тестирования программного обеспечения в среде Visual Studio на примере создания программы моделирования систем массового обслуживания. Аналитические и имитационные методы моделирования с разными дисциплинами обслуживания заявок.
дипломная работа [1,1 M], добавлен 09.09.2012Основы классификации объектов, их типы и подходы к моделированию. Программные и технические средства, используемые в данном процессе. Этапы моделирования, их общее описание и значение: постановка задачи, разработка модели, компьютерный эксперимент.
реферат [36,3 K], добавлен 23.12.2014Структурно-информационный анализ методов моделирования динамических систем. Математическое моделирование. Численные методы решения систем дифференциальных уравнений. Разработка структуры програмного комплекса для анализа динамики механических систем.
дипломная работа [1,1 M], добавлен 14.05.2010