1024
.pdf11
|
|
|
|
|
|
Таблица 3 |
||
|
|
|
Вычисление критерия Пирсона |
|
|
|||
|
|
|
|
|
|
|
||
№ |
mj |
m/j |
|
mj −m/j |
(mj − m/j )2 |
(m j − m /j )2 |
||
|
|
m |
/ |
|||||
инт. |
|
|
|
|
|
|
j |
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
3 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
4 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
5 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
6 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
k |
(m j − m/j )2 |
|
|
|
|
|
|
|
∑ |
m/j |
|
|
|
|
|
|
|
j=1 |
||
|
|
|
|
|
|
|
|
|
Далее сравнивают расчетное значение критерия Пирсона с критическим
χрасч2 < χq2 (f ) . |
(19) |
Если расчетное значение меньше критического, то экспериментальная и теоретическая кривые согласуются и выборка подчиняется закону нормального распределения Гаусса.
Каждый древесный материал производится по ГОСТ и имеет определенную номинальную толщину и допускаемые отклонения (прил. 5). Наносят номинальную толщину на график и определяют количество образцов (в %), соответствующее ГОСТу, принимая объем выборки за 100 %.
Проводят проверку произведенных расчетов на ЭВМ по программе STAT и делают выводы по работе.
12
Практическое занятие № 2
Корреляционный анализ и нахождение линейной регрессионной зависимости
Цель работы: провести корреляционный анализ между двумя изменяемыми величинами и определить зависимость между ними в виде линейной регрессии.
Объектом исследования является процесс продольного пиления древесины на круглопильном станке ЦДК4-3. В этом процессе исходные данные являются постоянными, кроме одного варьируемого фактора. Этим фактором может быть порода древесины, влажность, толщина материала, скорость подачи, число зубьев пилы в зависимости от варианта задания. Результатом исследования является мощность резания или шероховатость поверхности. Исходные данные для выполнения работы приведены в табл. 4.
Проводится компьютерный эксперимент (программа PIL). Варьируемый фактор принимает шесть различных значений, т.е. проводится шесть опытов. Каждый опыт повторяется пять раз (число наблюдений m = 5), из этих значений получают среднее значение Уи дисперсии Si2 для каждого опыта (построчные дисперсии), которые далее используются в расчетах.
|
|
|
|
m |
|
|
|
|
|
|
|
|
∑Уi |
|
|
|
(20) |
||
У |
= |
i =1 |
|
|
|
|
|||
|
m |
|
|
|
|||||
|
|
|
|
|
|
|
|
||
Si2 = |
|
|
1 |
|
∑m (Уi −Уi |
)2 |
(21) |
||
|
m |
|
|
||||||
|
|
|
|
−1 i =1 |
|
Необходимо провести корреляционный анализ, то есть определить, связано ли изменение выходной величины У с изменением переменного входного фактора Х, является ли У функцией от Х (У = f(X)), и проверить, имеется ли линейная зависимость между этими величинами.
13
Таблица 4 Продольное пиление на круглопильном станке ЦДК4-3
Компьютерный эксперимент (программа PIL)
№ |
|
|
|
|
Постоянные факторы |
|
|
|
|
|
Переменный |
|||
задания |
P |
W |
|
H |
U |
TP |
D |
|
Z |
S |
|
T |
|
фактор |
1 |
- |
8 |
|
25 |
30 |
2 |
316 |
|
36 |
1,8 |
|
1 |
|
P |
2 |
4 |
- |
|
32 |
30 |
1 |
360 |
|
48 |
2,2 |
|
2 |
|
W = 8-25 |
3 |
5 |
10 |
|
40 |
- |
3 |
400 |
|
56 |
2,8 |
|
3 |
|
U = 10-50 |
4 |
6 |
15 |
|
- |
10 |
3 |
400 |
|
72 |
2,8 |
|
5 |
|
H = 25-50 |
5 |
- |
- |
|
100 |
- |
2 |
400 |
|
60 |
- |
|
- |
|
U = 10-50 |
6 |
- |
- |
|
80 |
12 |
1 |
400 |
|
- |
- |
|
- |
|
Z = 36-80 |
7 |
- |
20 |
|
28 |
40 |
1 |
400 |
|
36 |
2,8 |
|
6 |
|
P |
8 |
1 |
- |
|
32 |
40 |
2 |
400 |
|
60 |
2,8 |
|
3 |
|
W = 8-25 |
9 |
2 |
10 |
|
40 |
- |
1 |
360 |
|
48 |
2,5 |
|
1 |
|
U = 8-60 |
10 |
3 |
15 |
|
- |
60 |
2 |
360 |
|
60 |
2,5 |
|
3 |
|
H = 25-50 |
11 |
- |
- |
|
60 |
- |
1 |
450 |
|
60 |
- |
|
- |
|
U = 8-60 |
12 |
- |
- |
|
60 |
30 |
2 |
450 |
|
- |
- |
|
- |
|
Z = 24-60 |
13 |
- |
18 |
|
50 |
20 |
1 |
360 |
|
48 |
2,5 |
|
3 |
|
P |
14 |
5 |
- |
|
40 |
15 |
3 |
400 |
|
56 |
2,8 |
|
4 |
|
W = 8-25 |
15 |
6 |
12 |
|
32 |
- |
3 |
315 |
|
36 |
2,0 |
|
2 |
|
U = 8-40 |
16 |
4 |
8 |
|
- |
10 |
3 |
400 |
|
72 |
2,4 |
|
1 |
|
H = 30-80 |
17 |
- |
- |
|
60 |
- |
1 |
400 |
|
36 |
- |
|
- |
|
U = 8-40 |
18 |
- |
- |
|
32 |
60 |
2 |
360 |
|
- |
- |
|
- |
|
Z = 48-72 |
19 |
- |
10 |
|
45 |
8 |
2 |
450 |
|
60 |
2,8 |
|
6 |
|
P |
20 |
3 |
- |
|
32 |
18 |
1 |
360 |
|
48 |
2,2 |
|
4 |
|
W = 8-25 |
21 |
6 |
14 |
|
28 |
- |
3 |
355 |
|
56 |
2,4 |
|
5 |
|
U = 12-60 |
22 |
5 |
16 |
|
- |
28 |
3 |
400 |
|
72 |
2,8 |
|
2 |
|
H = 22-60 |
23 |
- |
- |
|
40 |
- |
1 |
360 |
|
60 |
- |
|
- |
|
U = 12-60 |
24 |
- |
- |
|
32 |
45 |
2 |
316 |
|
- |
- |
|
- |
|
Z = 36-72 |
25 |
1 |
9 |
|
32 |
- |
2 |
355 |
|
56 |
2.8 |
|
4 |
|
U = 18-60 |
№ заданий |
|
|
Вид эксперимента |
|
|
|
|
|
|
|
|
|||
1,7,13,19 |
|
|
1 – Мощность резания от породы древесины |
|
|
|
||||||||
2,8,14,20 |
|
|
2 – Мощность резания от влажности древесины |
|
||||||||||
3,9,15,21,25 |
|
|
3 – Мощность резания от скорости подачи |
|
|
|
||||||||
4,10,16,22 |
|
|
4 – Мощность резания от толщины материала |
|
|
|
||||||||
5,11,17,23 |
|
|
5 – Шероховатость поверхности от скорости подачи |
|
||||||||||
6,12,18,24 |
|
|
6 – Шероховатость поверхности от числа зубьев пилы |
|||||||||||
|
|
|
|
|
Условные обозначения |
|
|
|
|
|
Р – порода древесины (1 – ель, 2 – сосна, 3 – береза, 4 – лиственница, 5 – бук, 6 – дуб); ТР – тип пилы (1 – плоская с разведенными зубьями, 2 – плоская с плющенными зубьями, 3 – дисковая с твердосплавными пластинками);
W – влажность древесины, %; |
D – диаметр пилы, мм; |
Н – толщина материала, мм; |
S – толщина пилы, мм; |
U – скорость подачи, м/мин; |
Z – число зубьев пилы; |
Т – продолжительность работы пилы, час. |
|
14
Корреляционный анализ проводится путем расчета коэффициента корреляции r(X,У) по формуле
r(X,У)= |
n∑УiXi −∑Уi ∑Xi |
] |
(22) |
[n∑Xi2 −(∑Xi )2 ][n∑Уi2 −(∑Уi )2 |
Коэффициент корреляции имеет определенный физический смысл. Это показатель, по которому количественно оценивают, насколько связь между случайными величинами Х и У близка к линейной зависимости. Если значение r(X,У) близко к ± 1, то зависимость между Х и У близка к линейной; если r(X,У) мало отличается от нуля, между Х и У никакой коррелятивной связи нет.
Для расчета коэффициента корреляции удобно составить табл. 5.
Таблица 5 Данные для вычисления коэффициента корреляции
№ опыта |
Х |
|
|
|
|
|
X 2 |
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
У |
|
|
|
|
|
||||||
|
Уi |
|
УiXi |
||||||||||||||
|
i |
|
i |
|
|
|
i |
|
|||||||||
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
3 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
4 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
5 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
6 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
i2 |
|
|
|
||||||
|
∑Хi |
∑ |
|
|
|
∑Xi2 |
∑ |
|
∑ |
|
|
i Xi |
|||||
|
У |
У |
|||||||||||||||
|
i |
У |
После вычисления коэффициента корреляции необходимо проверить значимость отличия его от нуля. Для этого используется оценка
r(X, У) |
|
> r1−q / 2 (n), |
(23) |
|
где r1-q/2(n) – квантиль r-распределения при уровне значимости q. Он зависит от объема выборки n. Его значения приведены в прил. 6.
Если расчетный коэффициент корреляции больше табличного, то считаем, что зависимость между Х и У будет линейной.
15
Затем рассчитывают дисперсию воспроизводимости SУ2 как среднее из шести построчных дисперсий.
|
n |
|
|
S2у = |
∑Si2 |
(24) |
|
i=1 |
|||
n |
|||
|
|
Число степеней свободы построчной дисперсии fi = m – 1.
Число степеней свободы дисперсии воспроизводимости fу = n (m – 1). Уравнение линейной регрессионной зависимости имеет вид
У = а + bХ, |
(25) |
где а и b – коэффициенты регрессии.
Сначала определяют значения коэффициентов а и b по формулам:
|
|
n∑ |
|
iXi −∑ |
|
i ∑Xi |
|
|
||||||
b = |
У |
У |
; |
(26) |
||||||||||
|
n∑Xi2 −(∑Xi )2 |
|||||||||||||
|
|
1 |
∑ |
|
|
i |
|
∑ |
|
i |
|
|
|
|
a = |
|
( |
|
У |
|
− b |
|
X |
). |
|
(27) |
|||
|
n |
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Подставляя в уравнение найденные значения коэффициентов а и b и значения Х из эксперимента, рассчитывают теоретические значения Уˆ для каждого из шести опытов.
Затем рассчитывают дисперсию адекватности S2ад (ее также называют остаточной дисперсией) по формуле
2 |
1 |
n |
|
ˆ 2 |
|
|
|
|
|||
Sад = |
|
∑(Уi − Уi ) |
(28) |
||
|
|||||
|
n −2 i=1 |
|
|
|
|
Число степеней свободы дисперсии адекватности fад |
= n – 2. |
Чтобы установить, насколько точно полученное приближенное уравнение регрессии соответствует истинной регрессии, не требуется ли в найденное уравнение ввести какие-либо дополнительные члены, проводят проверку адек-
16
ватности модели. Адекватность модели проверяют с помощью квантиля распределения Фишера (критерия Фишера) F1-q(fад, fу) по формуле
Sад2 |
< F1−q (fад , f у ). |
(29) |
|
S2у |
|||
|
|
Значения квантиля распределения Фишера F1-q(fад, fу) приведены в прил. 7. Его выбирают в зависимости от уровня значимости q и числа степеней свободы дисперсий адекватности и воспроизводимости.
Если выполняется условие 29, то уравнение линейной регрессии признается адекватным, то есть зависимость У от Х имеет линейный вид. В противном случае уравнение регрессии следует искать в другом виде (какой-либо нелинейной функции).
Для контроля вычислений в данной работе следует использовать компьютерную программу KORR.
Практическое занятие № 3
Нахождение нелинейных регрессионных зависимостей с одной независимой переменной
Между двумя случайными величинами может существовать зависимость не только в линейном виде, но и в виде различных нелинейных функций.
Цель работы: определить конкретный вид зависимости, связывающей случайные величины Х и У.
В качестве исходных эмпирических данных для выполнения работы следует использовать результаты компьютерного эксперимента из предыдущей работы (шесть пар значений варьируемого фактора Х и средних значений выходной величины У).
Нелинейные зависимости между случайными величинами Х и У могут иметь разную форму и выражаться самыми разнообразными уравнениями. Графики некоторых элементарных функций, по которым часто осуществляют выравнивание эмпирических значений, приведены в табл. 6.
17
Таблица 6
Виды некоторых функций
18
Суть работы состоит в следующем. Поочередно рассматриваются несколько различных нелинейных функций. По приведенным ниже уравнениям рассчитываются коэффициенты a,b и c. В каждую функцию подставляют числовое значение найденных коэффициентов и значение варьируемого фактора Х. Таким образом получают теоретические значения выходной величины Уˆ . Затем для каждой функции находят основную ошибку. Рассчитав теоретические значения Уˆ по нескольким функциям, сравнивают между собой основные ошибки. Функция, у которой основная ошибка будет наименьшей, обладает наилучшим приближением к эмпирическим значениям выходной величины У.
Работу выполняют следующим образом. Заполняют табл. 7 для проведения последующих расчетов.
Таблица 7
Вычисление параметров уравнений регрессии
|
|
|
|
|
|
|
|
i |
Хi |
Уi |
Xi2 |
Xi3 |
Xi4 |
УiXi |
УiXi2 |
1 |
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
3 |
|
|
|
|
|
|
|
4 |
|
|
|
|
|
|
|
5 |
|
|
|
|
|
|
|
6 |
|
|
|
|
|
|
|
Сумма |
|
|
|
|
|
|
|
i |
ln Xi |
(ln Xi)2 |
ln Уi |
Xi ln Уi |
Уi ln Xi |
ln Xi |
ln Уi |
1 |
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
3 |
|
|
|
|
|
|
|
4 |
|
|
|
|
|
|
|
5 |
|
|
|
|
|
|
|
6 |
|
|
|
|
|
|
|
Сумма |
|
|
|
|
|
|
|
Рассмотрим некоторые уравнения нелинейных функций. Многие из нелинейных зависимостей могут быть преобразованы к линейному виду, например, путем логарифмирования. Соответствующим образом преобразуются и расчетные формулы для определения коэффициентов уравнения.
1. Рассмотрим показательную функцию. Она выражается уравнением
У = abX. |
(30) |
19
Преобразуем ее к линейному виду путем логарифмирования ln У = ln a + X ln b.
Логарифмы коэффициентов находим по формулам:
ln b = |
n∑Xi ln Уi −∑Xi ∑ln Уi |
; |
|||||||
|
|
n∑Xi2 −(∑Xi )2 |
|
||||||
ln a = |
|
1 |
( |
ln У |
−ln b |
∑ |
X |
). |
|
|
|
|
|||||||
|
|
n |
∑ |
i |
|
i |
|
|
|
|
|
|
|
|
|
|
|
|
(31)
(32)
(33)
Подставляя найденные значения коэффициентов и значения Х для каждого опыта в уравнение 31, находим логарифмы Уˆ и от них переходим к значениям Уˆ по формуле У = eln У.
Основную ошибку вычисляем по сумме квадратов отклонений эмпирических данных от найденных теоретических значений по формуле
|
1 |
n |
ˆ |
2 |
|
|
|||
σо = |
|
∑(Уi − Уi ) , |
||
|
n −l i=1 |
|
|
где l – количество коэффициентов регрессии функции У = f (Х). 2. Рассмотрим степенную функцию
У = aXb.
После логарифмирования имеем
ln У = ln a + b ln X.
Коэффициенты находим по формулам:
b = |
n∑ln Уi ln Xi − ∑ln Уi ∑ln Xi |
; |
||
n∑ln2 |
Xi −(∑ln Xi )2 |
|||
|
|
ln a = n1 (∑ln Уi − b∑ln Xi ).
(34)
(35)
(36)
(37)
(38)
|
|
ˆ |
и |
Подставляя найденные значения в уравнение 36, находим логарифмы У |
|||
от них переходим к теоретическим значениям |
ˆ |
и рассчитываем основную |
|
У |
|||
ошибку. |
|
|
|
3. Рассмотрим логарифмическую функцию |
|
|
|
У = a +b ln X. |
|
(39) |
|
20
Коэффициенты находим по формулам:
b = |
n∑Уi ln Xi −∑Уi ∑ln Xi |
; |
(40) |
|||||||
|
n∑ln2 Xi −(∑ln Xi )2 |
|||||||||
|
|
1 |
∑ |
i |
|
∑ |
i |
|
|
|
a = |
|
( |
У |
− b |
|
ln X |
) |
|
(41) |
|
|
n |
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
и рассчитываем теоретические значения Уˆ по уравнению 39. Опять рассчитываем основную ошибку.
4. Рассмотрим параболическую функцию
У = a + bX +cX2. (42)
Коэффициенты находим по формулам:
c = |
|
A1B2 − A2 B1 |
; |
|
|
|
|
||||||
|
A A − A2 |
|
|
|
|
||||||||
|
|
|
|
|
|
|
|||||||
|
|
|
|
1 |
3 |
|
2 |
|
|
|
|
|
|
b = |
|
B1 −cA2 |
; |
|
|
|
|
(43) |
|||||
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
A |
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
a = |
|
1 |
( |
|
У |
− b |
∑ |
X |
−c |
∑ |
X2 ), |
||
|
|
||||||||||||
|
|
n |
∑ |
i |
|
|
i |
|
i |
||||
|
|
|
|
|
|
|
|
|
|
|
|
||
где |
|
|
|
|
|
|
|
|
|
|
|
|
|
A1 = n∑Xi2 −(∑Xi )2 , |
|
|
|
|
|
|
|
B1 = n∑УiXi −∑Уi ∑Xi , |
|||||
A2 = n∑Xi3 −∑Xi2 ∑Xi , |
|
|
|
|
B2 = n∑УiXi2 −∑Уi ∑Xi2 , |
||||||||
A3 = n∑Xi4 −(∑Xi2 )2 , |
|
|
|
|
|
|
|
(i =1,2,...,n). |
|
По уравнению 42 рассчитываем теоретические значения У и определяем основную ошибку.
5. Линейная функция
У = a + bX
была рассмотрена в предыдущей работе. Используя полученные теоретические значения У, рассчитываем основную ошибку.
Сравниваем полученные основные ошибки и делаем вывод о степени приближения эмпирических значений к рассмотренным функциям. Необходимо построить график зависимости эмпирических значений У и теоретических значений Уˆ по функции, обладающей наименьшей основной ошибкой, от варьируемого фактора Х.