- •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.
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.
Методика приведення рівнянь до рівноточного виду.
При рівноточних вимірах коефіцієнти і вільні члени нормальних рівностей мають вид ,…, ,представляють собою суми добутків двох множників.
Приведення рівності к рівно точному виду полягає в тому, що всі коефіцієнти і вільні члени параметричних рівностей поправок перемножують на , де і-індекс відповідного виміру.
Після множення на редукування рівняння потрібно розглядати як рівняння для рівно точних вимірів.
Получимо:
Для приведення до рівно точного виду корельованних рівностей поправок коефіцієнти цих рівностей множать на
При редукуванні рівності до рівно точного виду таблицю коефіцієнтів доповнюють вправо графами a’1,…,a’r,…,l’,s’.
В нижній частині цих доповню вальних граф виписують значення:
Якщо коефіцієнти рівності рівні по абсолютній величині одиниці, то редукувати до рівно точного виду недоцільно.