- •Фізичний зміст задачі спільного зрівнювання декількох вимірюваних величин.
- •Методика оцінки точності за матеріалами зрівнювання.
- •Закони розподілу випадкових величин.
- •Математичний зміст задачі спільного зрівнювання декількох вимірюваних величин.
- •Математичне очікування дискретної і неперервної випадкової величини. Властивості математичного очікування.
- •Суть принципу найменших квадратів.
- •Дисперсія та середнє квадратичне відхилення (стандарт).
- •Основні шляхи розв’язання задачі зрівнювання.
- •Методика параметричного та корелатного способу зрівнювання.
- •Статистичні зв’язки. Властивості коефіцієнта кореляції.
- •Класифікація помилок вимірювання.
- •Статистична перевірка гіпотез.
- •Вплив помилок округлень аргументів на точність функції.
- •Методика обчислення коефіцієнтів нормальних рівнянь.
- •Систематичні помилки вимірів.
- •Найімовірніше значення багаторазового і рівноточно вимірювальної величини. Оцінка точності.
- •Способи розв’язання нормальних рівнянь.
- •Порядок обробки рівно точних вимірювань однієї величини.
- •Способи контролю розв’язання нормальних рівнянь.
- •Методика обчислень ваг функції.
- •Найімовірніше значення багаторазового і нерівноточно вимірювальної величини.
- •Порядок обробки нерівно точних вимірювань однієї величини.
- •Опис помилок точності по різницях подвійних рівно точних вимірювань.
- •Зміст коефіцієнту кореляції та його властивості.
- •Поняття апроксимації квадратичної функції (постановка задачі).
- •Методика оцінки емпіричного значення дисперсії.
- •Рівняння регресії.
- •Методика приведення рівнянь до рівноточного виду.
-
Зміст коефіцієнту кореляції та його властивості.
Коефіцієнт кореляції - це міра тісноти лінійного кореляційного зв’язку і обчислюється за формулою:
xi,yi – різні значення змінних, отримані зі спостережень.
середнє арифметичне величини
емпіричне середнє квадратичне відхилення
емпіричне середнє квадратичне відхилення
число спостережень
Властивості:
1) коефіцієнт кореляції змінюється в межах від -1 до +1, тобто
2) коли коефіцієнт кореляції дорівнює +1 або -1, між та існують точні прямолінійні зв’язки, тобто:
При зі збільшенням або зменшенням збільшується або зменшується . Коли , зі збільшенням зменшується і зі зменшенням збільшується .
3)якщо , то між та прямолінійного кореляційного зв’язку не існує. Чим ближче коефіцієнт кореляції до =1 або -1, тим ближче кореляційний зв’язок між змінними та до функціональної; чим ближче коефіцієнт кореляції до 0, тим менш зв’язані між собою змінні та .
-
Поняття апроксимації квадратичної функції (постановка задачі).
Однією із задач, які розв`язує сучасна обчислювальна математика, є проблема наближення функції однієї змінної та багатьох дійсних змінних іншими функціями більш простої, взагалі кажучи будови, які легко обчислюються на електронно-обчислювальних машинах. Інша назва цієї задачі – апроксимування функції.
Припустимо, що в результаті інженерного або наукового експерименту отримана система точок . Необхідно знайти аналітичну залежність Q (х), таку, яка найкращим чином описує задану систему точок. Поняття "найкращим чином" означає розв’язання задачі по заданому критерію. Найбільш відомим критерієм для задач апроксимації є критерій середньоквадратичних відхилень (СКВ), який являє собою мінімізацію суми квадратів відхилень експериментальних даних від аналітичної функції Q (x)і визначається на заданій множині точок як
Однак при такій постановці задача апроксимації експериментальних даних має багато розв’язків. Для отримання єдиного розв’язку цієї задачі потрібно задавати значення Q (x)певного вигляду, наприклад:
степеневим поліномом
тригонометричним поліномом
ортогональним поліномом
сплайн-функцією та інш.
-
Методика оцінки емпіричного значення дисперсії.
Нормальною оцінкою дисперсії служить її виморочна дисперсія.
Для розрахунку математичного очікування та дисперсії цієї оцінки, то =mx, представимо у вигляді:
Тоді:
Для вичислення дисперсії оцінки спочатку треба знайти її момент другого порядку
,
Де
Після цього знаходимо:
В результаті отримаємо оцінку
-
Рівняння регресії.
Для виводу емпіричної формули, яка відображає прямолінійний кореляційний зв’язок між змінними та , застосовують рівняння (1), де - коефіцієнт регресії
При прямолінійному кореляційному зв’язку між змінними існує рівняння регресії:
(2) де - коефіцієнт регресії
Середнє квадратичне відхилення коефіцієнтів регресії обчислюється так:
На практиці рівняння (1) слід привести до вигляду:
З цієї формули видно, що коефіцієнт регресії – це тангенс кута нахилу прямої, а постійний доданок – це відрізок, який відсікається цією прямою на осі ординат.