лучшие книги по экономике
Главная страница

Главная

Замовити роботу

Последние поступления

Форум

Создай свою тему

Карта сайта

Обратная связь

Статьи партнёров


Замовити роботу
загрузка...
Книги по
алфавиту

Б
В
Г
Д
Е
Ж
З
И
К
Л
М
Н
О

ІМІТАЦІЙНЕ МОДЕЛЮВАННЯ

Страницы [ 1 ] [ 2 ] [ 3 ] [ 4 ] [ 5 ] [ 6 ] [ 7 ] [ 8 ] [ 9 ] [ 10 ] [ 11 ] [ 12 ] [ 13 ] [ 14 ] [ 15 ]
[ 16 ] [ 17 ] [ 18 ] [ 19 ] [ 20 ] [ 21 ] [ 22 ] [ 23 ] [ 24 ] [ 25 ] [ 26 ] [ 27 ] [ 28 ] [ 29 ] [ 30 ] [ 31 ] [ 32 ]
[ 33 ] [ 34 ] [ 35 ] [ 36 ] [ 37 ] [ 38 ] [ 39 ] [ 40 ] [ 41 ] [ 42 ] [ 43 ] [ 44 ] [ 45 ] [ 46 ] [ 47 ] [ 48 ] [ 49 ] [ 50 ]

 

Тема 11. Статистична перевірка результатів експериментальних досліджень


11.1. Методичні поради до вивчення теми


Зміст теми. У темі розкривається сутність статистичної перевірки експериментальних даних. Поняття однорідності дисперсії. Подаються формули для розрахунку статистичної оцінки дисперсії функції відгуку. Перевірка гіпотези щодо належності вибіркових дисперсій до однієї генеральної сукупності. Схема перевірки гіпотези про однорідність вибіркових дисперсій за критерієм Кохрена. Умови застосування для перевірки гіпотези про однорідність дисперсії критеріїв Фішера і Романовського. Формула для обчислення більш точної оцінки дисперсії функції відгуку за умов, коли гіпотеза про однорідність вибіркових дисперсій приймається. Перевірка значущості коефіцієнтів регресії. Перевірка нуль-гіпотези. Схема перевірки значущості коефіцієнтів лінійної регресії за критерієм Стьюдента. Причини, які зумовлюють статистичну незначущість коефіцієнтів регресії. Перевірка значущості коефіцієнтів квадратичної регресії. Формули для розрахунків дисперсій похибок визначення коефіцієнтів регресії в ортогональному центральному композиційному експерименті та при рототабельному композиційному плануванні. Необхідність статистичної перевірки адекватності моделі. Формула для обчислення дисперсії адекватності. Схема перевірки адекватності моделі за критерієм Фішера. Розглядаються дії експериментатора за умови, коли гіпотеза про адекватність моделі відхиляється.

Пояснення до теми. Під час вивчення цієї теми треба з’ясувати необхідність проведення статистичної перевірки результатів експериментальних (у даному випадку — імітаційних) досліджень. Зокрема, згідно з вимогами регресивного аналізу коректна обробка та використання результатів експериментальних досліджень можливі лише в тому разі, коли дисперсії вимірювання функції відгуку в кож­ній точці експерименту однакові. Така властивість називається однорідністю дисперсій.
Перш ніж знаходити за результатами досліджень математичний опис функції відгуку в заданих межах змінювання факторів, необхідно переконатися в однорідності дисперсій значень величини функції відгуку у. Оскільки теоретичні значення дисперсій невідомі, то наявність однорідності дисперсій визначається за їх статистичними оцінками.
Статистичні оцінки  дисперсій  для кожної j-ї спроби обчислюються за формулою
                          (11.1)
де  — число повторень (дублювань) експерименту в кожній точ­ці плану (це число далі беруть одне й те саме для всіх спроб);  — значення функції відгуку в j-й спробі, що визначається за формулою (10.22).
Очевидно, що в результаті дії випадкових факторів при обчисленнях значень функції відгуку в кожній спробі не доводиться сподіватися на рівність оцінок дисперсій . Тому перевірка на однорідність практично полягає в перевірці гіпотези щодо належності N вибіркових дисперсій  (j= 1, 2,..., N) до однієї генеральної сукупності. Оскільки N > 2, то для перевірки цієї гіпотези використову-
ється критерій Кохрена (при = 2 застосовуються критерії Фішера чи Романовського).
Гіпотезу про однорідність вибіркових дисперсій за критерієм Кохрена перевіряють за такою схемою.
1. Серед обчислених за формулою (11.1) оцінок дисперсій  знаходять найбільшу .
2. Обчислюють відношення найбільшої оцінки до суми оцінок усіх дисперсій
                                   (11.2)
3. Визначають число ступенів вільності  і :

4. Обирають рівень значущості  (часто беруть = 0,05).
5. За даними   і  у спеціальній таблиці знаходять величину критичного відношення Gкр.
6. Порівнюють величини G і Gкр. При цьому можливі два випадки:
1) G ? Gкр; тоді гіпотеза про однорідність дисперсій приймається;
2) G > Gкр; гіпотеза відкидається.
Прийнявши гіпотезу про однорідність дисперсій, можна знайти точнішу оцінку  дисперсії функції відгуку
                                (11.3)
Якщо перевірка однорідності дисперсії дає негативний результат (гіпотеза про однорідність дисперсії відкидається), то здобутий емпіричний матеріал не рекомендується використовувати для апроксимації функції відгуку поліномами. Слід повторити експерименти, збільшуючи при цьому число паралельних спроб.
Під час перевірки значущості коефіцієнтів регресії слід виходити із того, що експериментальні дослідження проводять, щоб знайти оцінки коефіцієнтів полінома (9.2), який апроксимує функцію відгуку. Теоретичні значення деяких коефіцієнтів можуть дорівнювати нулю. Упевнюємося в цьому за допомогою оцінок коефіцієнтів регресії, перевіряючи гіпотезу про їх значущість (перевірка нуль-гіпотези ).
Значущість коефіцієнтів лінійної регресії перевіряють окремо для кожного коефіцієнта за допомогою критерію Стьюдента. Схема перевірки складається з таких кроків.
1. Знаходимо дисперсію похибки визначення коефіцієнтів  (дис­персія однакова для всіх коефіцієнтів)
                                (11.4)
де — оцінка дисперсії функції відгуку; N, k — число відповідно до спроб і повторень кожної спроби.
2. Обчислюємо відношення абсолютного значення коефіцієнта регресії  до середньоквадратичного відхилення похибки його визначення
                                  (11.5)
3. Визначаємо число ступенів вільності

4. Обираємо рівень значущості q (як правило, q = 0,05).
5. У спеціальній таблиці для заданих  і q знаходимо критичне значення tкр.
6. Якщо обчислене за формулою (11.5) значення відношення більше від критичного, тобто  tкр, то коефіцієнт  вважаємо значущим. У противному разі приймаємо нуль-гіпотезу, тобто коефіцієнт  вважаємо статистично незначущим.
Статистична незначущість коефіцієнтів регресії може бути зумов­лена кількома причинами, а саме:
1) відповідний незначущому коефіцієнту фактор не впливає на функцію відгуку;
2) точка центра плану близька до точки відносного екстремуму функції відгуку за змінною , тобто

3) малий крок варіювання факторів;
4) велика похибка при визначенні функції відгуку.
Перш ніж приймати рішення щодо виключення з рівняння регресії членів із незначущими коефіцієнтами, слід ретельно перевірити, чи існують зазначені причини незначущості. Коли для такого рішення є всі підстави, то в ортогональному плануванні визнаний незначущим коефіцієнт можна відкинути без повторного обчислення решти коефіцієнтів. Адже при такому плануванні коефіцієнти регресії незалежні. Після розглянутої процедури в математичному опису функції відгуку лишаються змінні, коефіцієнти регресії при яких є статистично значущими.
Значущість коефіцієнтів квадратичної регресії перевіряють за тими самими правилами, що й лінійної.
У загальному випадку дисперсії похибок визначення коефіцієнтів квадратичної регресії в ортогональному центральному композиційному плануванні різні й мають обчислюватися для кожного коефіцієнта окремо. Для цього можна скористатися формулою

Тут застосовано відомі вже позначення, які зводять рівняння квадратичної регресії до лінійного вигляду.
У рототабельному композиційному плануванні дисперсії похибок визначення коефіцієнтів регресії однакові для лінійних членів і однакові для нелінійних членів.
Для визначення дисперсій справджуються такі формули:




де величини  визначаються за формулами (10.19) — (10.21).
Слід зазначити, що опис функції відгуку апроксимуючими поліномами, коефіцієнти яких визначені за методом найменших квадратів, може й не відповідати (бути неадекватним) спостережуваним значенням ендогенної величини. Тому перед використанням математичної моделі для аналізу системи, що досліджується, слід переконатися у її адекватності даним експерименту.
Гіпотеза адекватності моделі перевіряється оцінюванням відхилень передбачених значень функції відгуку від експериментально знайдених, усереднених за числом повторень в експериментальних точках факторного простору. Для оцінювання відхилень використовується критерій Фішера.
Найнадійніші результати перевірки гіпотези про адекватність математичної моделі спостережуваним даним дістають у рототабельних планах (повні та дробові факторні плани для лінійної регресії, рототабельні композиційні плани для квадратичних регресій), які забезпечують однакову точність передбачених значень функції відгуку в точках, що містяться на однаковій відстані від центра плану. Перевірку адекватності для цього випадку виконують у кілька етапів.
1. Обчислюють статистичну оцінку дисперсії адекватності :
                       (11.6)
де  — число членів апроксимуючого полінома; — значення функції відгуку, обчислене з допомогою апроксимуючого полінома в j-й точці плану;  — експериментальне значення функції відгуку в j-й точці плану, обчислене згідно з (10.22).
2. Знаходять значення  критерію Фішера
                                        (11.7)
3. Визначають число ступенів вільності і :

4. Обирають рівень значущості  (як правило, = 0,05).
5. У спеціальній таблиці за заданими ,  і  знаходять критич­не значення параметра.
6. Якщо обчислене значення параметра  не перевищує табличного , тобто , то математичний опис функції відгуку рівнянням регресії вважається адекватним. У противному разі гіпотеза про адекват­ність відкидається і модель вважається не адекватною процесу, що вив­чається.
Зауважимо, що перевірка гіпотези про адекватність можлива при > 0, тобто коли число дослідних точок факторного простору більше від числа членів апроксимуючого полінома. Це необхідно враховувати як при визначенні структури апроксимуючого полінома, так і при виборі відпо­відного типу факторних планів.
Якщо гіпотеза про адекватність математичного опису досліджу­ваного процесу відхиляється, то необхідно або перейти до складнішої форми рівняння регресії, або зменшити інтервали варіювання факторів в експерименті. Наприклад, якщо неадекватна лінійна модель, то лінійний поліном необхідно доповнити, включаючи до нього члени, що відповідають ефектам взаємодії. Проте при цьому треба буде реалізувати кілька спроб усередині області планування для перевірки гіпотези про адекватність.
З іншого боку, зменшення інтервалів варіювання з метою досягнення адекватності математичної моделі спричинюється до зменшення коефіцієнтів регресії, а через це зростає ризик прийняти помилкову гіпотезу про статистичну незначущість деяких коефіцієнтів. У загальному випадку інтервал варіювання обирається з умови забезпечення адекватності математичного опису процесу, що досліджується. Часто при виборі необхідних інтервалів варіювання проводяться попередні експрес-спроби, в яких крок варіювання становить 0,05 — 0,3 діапазону змінювання значень рівнів фактор­ного простору.

Література до теми
Основна

1. Ситник В. Ф., Орленко Н. С. Імітаційне моделювання: Навч. посібник. — К.: КНЕУ, 1998. — С. 94—99.
2. Сытник В. Ф. Основы машинной имитации производственных и организационно-экономических систем. — К.: УМК ВО, 1988. — С. 88—97.

Допоміжна

3. Клейн Дж. Статистические методы в имитационном моделировании. — М.: Статистика, 1978. — Т.2. — С. 58—68.
4. Асатурян В. И. Теория планирования эксперимента: Учеб. пособие для вузов. — М.: Радио и связь, 1983. — С. 159—163.
5. Адлер Ю. П., Маркова Е. В., Грановский Ю. В. Планирование эксперимента при поиске оптимальных условий. — М.: Наука, 1976. — С. 127—133, 149—155.

 

Страницы [ 1 ] [ 2 ] [ 3 ] [ 4 ] [ 5 ] [ 6 ] [ 7 ] [ 8 ] [ 9 ] [ 10 ] [ 11 ] [ 12 ] [ 13 ] [ 14 ] [ 15 ]
[ 16 ] [ 17 ] [ 18 ] [ 19 ] [ 20 ] [ 21 ] [ 22 ] [ 23 ] [ 24 ] [ 25 ] [ 26 ] [ 27 ] [ 28 ] [ 29 ] [ 30 ] [ 31 ] [ 32 ]
[ 33 ] [ 34 ] [ 35 ] [ 36 ] [ 37 ] [ 38 ] [ 39 ] [ 40 ] [ 41 ] [ 42 ] [ 43 ] [ 44 ] [ 45 ] [ 46 ] [ 47 ] [ 48 ] [ 49 ] [ 50 ]


ВНИМАНИЕ! Содержимое сайта предназначено исключительно для ознакомления, без целей коммерческого использования. Все права принадлежат их законным правообладателям. Любое использование возможно лишь с согласия законных правообладателей. Администрация сайта не несет ответственности за возможный вред и/или убытки, возникшие или полученные в связи с использованием содержимого сайта.
© 2007-2017 BPK Group.