- •Глава II
- •2.1. Организационная структура науки в ссср
- •2.2. Подготовка, использование и повышение квалификации научно-технических кадров и специалистов народного хозяйства
- •2.3. Научные общественные организации
- •2.4. Научно-исследовательская работа студентов в советской высшей школе
- •3.2. Методы теоретических й эмпирических исследоваййй
- •3.3. Элементы теории и методологии научно- технического творчества
- •Глава IV
- •4.1. Выбор направления научного исследования
- •4.2. Оценка экономической эффективности темы
- •4.3. Этапы научно-исследовательской работы
- •Глава V
- •5.1. Информатика как наука
- •5.4. Международная система нти стран — членов сэв
- •5.7. Государственная система патентной информации (гспи)
- •5.8. Организация работы с научной литературой
- •0 Медленнее чтение быстрое чтение зрения Пеле зрения
- •Глава VI
- •6.1. Задачи и методы теоретического исследования
- •6.2. Использование математических методов в исследованиях
- •6.3. Аналитические методы
- •6.4. Вероятностно-статистические методы
- •Глава VII
- •7.1. Подобие и моделирование в научных исследованиях
- •7.3. Организация и обработка результатов эксперимента в критериальной форме
- •7.4. Физическое подобие и моделирование
- •Глава VIII
- •8.1. Типы эвм и возможности вычислительных систем
- •1 Нжмд — накопитель на жестких магнитных дисках.
- •8.3. Автоматизированные системы научных исследований
- •Глава IX
- •9.2. Метрологическое обеспечение экспериментальных исследований
- •Глава X
- •Глава XI
- •11.1. Оформление результатов научной работы
- •11.2. Оформление заявки на предполагаемое изобретение
- •11.3. Устное представление информации
- •Глава XII
- •12.1. Государственная система внедрения
- •12.2. Эффективность и критерии научной работы
- •13.2. Деловая переписка
- •13.3. Организация деловых совещаний
- •13.4. Формирование и методы сплочения коллектива
- •13.5. Психологические аспекты взаимоотношения руководителя и подчиненного
- •13.6. Управление конфликтами в коллективе
- •13.7. Научная организация и гигиена умственного труда
- •13.8. Нравственная ответственность ученого
- •Неполная координация
- •Необозначенность родо-видовых (парадигматических) связей
- •Ложные синтагматические связи
Глава X
ОБРАБОТКА РЕЗУЛЬТАТОВ ЭКСПЕРИМЕНТАЛЬНЫХ ИССЛЕДОВАНИИ
10.1. Основы теории случайных ошибок и методов оценки случайных погрешностей в измерениях
Анализ случайных погрешностей основывается на теории случайных ошибок, дающей возможность с определенной гарантией вычислить действительное значение измеренной величины и оценить возможные ошибки.
Основу теории случайных ошибок составляют предположения о том, что при большом числе измерений случайные погрешности одинаковой величины, но разного знака встречаются одинаково часто; большие погрешности встречаются реже, чем малые (вероятность появления погрешности уменьшается с ростом ее величины); при бесконечно большом числе измерений истинное значение измеряемой величины равно среднеарифметическому значению всех результатов измерений, а появление того или иного результата измерения как случайного события описывается нормальным законом распределения.
Различают генеральную и выборочную совокупность измерений. Под генеральной совокупностью подразумевают все множество возможных значений измерений Xi или возможных значений погрешностей А*,-. Для выборочной совокупности число измерений п ограничено, и в каждом конкретном случае строго определяется. Обычно считают, если «>30, то среднее значение данной совокупности измерений х достаточно приближается к его истинному значению.
Теория случайных ошибок позволяет оценить точность и надежность измерения при данном количестве замеров или определить минимальное количество замеров, гарантирующее требуемую (заданную) точность и надежность измерений. Наряду с этим возникает необходимость исключить грубые ошибки ряда, определить достоверность полученных данных и др.
Интервальная оценка с помощью доверительной вероятности. Для большой выборки и нормального закона распределения общей оценочной характеристикой измерения являются дисперсия D и коэффициент вариации
п
D - о3 = 2 (х, - х)'/(п - 1); К = (10.1)
Дисперсия характеризует однородность измерения. Чем выше D, тем больше разброс измерений. Коэффициент вариации характеризует изменчивость. Чем выше k„, тем больше изменчивость измерений относительно средних значений, kB оценивает также разброс при оценке нескольких выборок.
Доверительным называется интервал значений x-t, в который попадает истинное значение измеряемой величины с заданной вероятностью. Доверительной вероятностью (достоверностью) измерения называется вероятность того, что истинное значение измеряемой величины попадает в данный доверительный интервал, т. е. в зону а^Хд^б. Эта величина определяется в долях единицы или в процентах. Доверительная вероятность рж описывается выражением
(Ю.2)
где
ф(0 — интегральная функция Лапласа
(табл. 10.1), определяемая выражением
Аргументом этой функции является отношение ц к среднеквадратичному отклонению а, т. е.
t — ц/о,
где / — гарантийный коэффициент;
ц = b~ I'; (.1 ——"(а —х).
Таблица 10.1
Интегральная
функция Лапласа1,50
1,55 1,60
1,65
1,70 1,75 1,80
1,85
1,90 1,95 2,00
2,25
2,50 3,00 4,00
0,00
0,05
0,10
0,15
0,20
0,25
0,30 0,35 0,40 0,45 0,50 0,55 0,60
0,65
0,70
0,0000
0,0399
0,0797 0,1192 0,1585 0,1974 0,2357 0,2737 0,3108 0,3473 0,3829
0,4177 0,4515 0,4843 0,5161
0,75
0,80
0,85
0,90 0,95 1,00
1,05
1,10
1,15
1,20
1,25
1,30 1,35 1,40 1,45
0,5467
0,5763 0,6047 0,6319 0,6579 0,6827 0,7063 0,7287
0,7419
0,7699 0,7887 0,8064 0,8230 0,8385 0,8529
0,8664
0,8789 0,8904 0,9011 0,9109 0,9199 0,9281 0,9357 0,9426 0,ft488
0,9545
0,9756 0,9876 0,9973 0,9999
Если же на основе определенных данных установлена доверительная вероятность рл (часто ее принимают равной 0,90; 0,95; 0,9973), то устанавливается точность измерений (доверительный интервал 2ц) на основе соотношения Яд = ф(^/а). Половина доверительного интервала равна
ц. = a arg <р (рд) — о/,
где arg(p(/?д) — аргумент функции Лапласа, а при п< <30 — функции Стьюдента (табл. 10.2). Доверительный интервал характеризует точность измерения данной выборки, а доверительная вероятность — достоверность измерения. Пусть, например, выполнено 30 измерений прочности дорожной одежды участка автомобильной дороги при среднем модуле упругости одежды £'=170 МПа и вычисленном значении среднеквадратического отклонения о = 3,1 МПа.
(Ю.З)
.Таблица 10.2
Коэффициент Сгыодента «Ст
|
0.ПС9
0,95
12,71
3,188
2,77 2,57 2,45 2,36
2,26
2,20
2,16
2,13
2,11
2,09
2,04 2,02
2,01
2,00
1,96
0,995
127,30
14,10 7,50 5,60 4,77 4,32 4,03 3,83 3,69 3,50 3,37 3,29 3,22
3,17
3,20 3,12
3,09
3,06 2,81
0,80
3,080
1,886
1,638
1,533 1,476 1,440 1,415 1,397 1,383 1,363 1,350 1,341 1,333 1,328
1,316 1,306 1,298 1,290 1.282
0,90
6,31
2,92 2,35 2,13 2,02
1,94
1,90 1,86
1,83
1,80
1,77
1,75 1,74 1,73 1,70 1,68
1,68
1,67
1.64
0,99
63,70
9,92 5,84 4,60 4,03 3,71 3,50 3,36 3,25 3,11 3.01
95
90 86
75
70 2,68
2,66
2,58
я — число параллельных серий опытов.
Если необходимо определить достоверность измерений для установленного доверительного интервала, например р=±7 МПа, то по формуле (10.2) tf = p/cr=7/3tl = = 2,26. По табл. 10.1 для ( = 2,26 определяем рд=0,97. Это означает, что в заданный доверительный интервал из 100 измерений не попадают только три.
Значение (1—Ря) называют уровнем значимости. Из него следует, что при нормальном законе распределения погрешность, превышающая доверительный интервал, будет встречаться один раз из пп измерений, где
пи = Рд/(1-Рд), (10.4)
или иначе приходится браковать одно из «и измерений.
По данным приведенного выше примера можно вычислить количество измерений, из которых одно измерение превышает доверительный интервал. По формуле (10.4) при /)д=0,9; определяется e„=0,9/(l—0,9)=9 измерений. При равной 0,95 и 0,9973, соответственно 19 и 367 измерений.1-
Определение минимального количества измерений
.
Для проведения опытов с заданной точностью н достоверностью необходимо знать то количество измерений, при котором экспериментатор уверен в положительном исходе. В связи с этим одной из первоочередных задач при статических методах оценки является установление минимального, но достаточного числа измерений для данных условий. Задача сводится к установлению минимального объема выборки (числа измерений) N min при заданных значениях доверительного интервала и доверительной вероятности. При выполнении измереиий необходимо знать их точность:
Д = V*. (10.5)
где а0—среднеарифметическое значение среднеквадратичного отклонения о, равное сто = сг/ У~п.
Значение о0 часто называют средней ошибкой. Доверительный интервал ошибки измерения Д определяется аналогично для измерений р, = /сто. С помощью t легко определить доверительную вероятность ошибки измерений из табл. 10.1.
В исследованиях часто по заданной точности Д и доверительной вероятности измерения определяют минимальное количество измерений, гарантирующих требуемые значения Д и рА.
Аналогично уравнению (10.3) с учетом (10.5) можно получить
ц = с arg ф (рд) = ст0/у~п (. (10.6)
При Nmin=/i получаем
Kit = = 00.7)
здесь йв — коэффициент вариации (изменчивости), %; Д — точность измерений, %.
Для определения Afmi„ может быть принята такая последовательность вычислений: 1) проводится предварительный эксперимент с количеством измерений п, которое составляет в зависимости от трудоемкости опыта от 20 до 50; 2) вычисляется среднеквадратичное отклонение о по формуле (10.1); 3) в соответствии с поставленными задачами эксперимента устанавливается требуемая точность измерений Д, которая не должна превышать точности прибора; 4) устанавливается нормированное отклонение t, значение которого обычно задается (зависит также от точности метода); 5) по формуле (Ю.7) определяют Nm\n и тогда в дальнейшем
в процессе эксперимента число измерений не должно быть меньше Nmtn.
Пусть, например, при приемке сооружений комиссия в качестве одного из параметров замеряет их ширину. Согласно инструкции требуется выполнять 25 измерений; допускаемое отклонение параметра ±0,1 м. Если предварительно вычисленное значение а = 0,4м, то можно определить, с какой достоверностью комиссия оценивает данный параметр.
Согласно инструкции Д = 0,1 м. Из формулы (10.7)
можно записать t = Vh. — = 1^25- = 1,25. В соот-
а 0,4
ветствии с табл. 10.1 доверительная вероятность для t —
= 1,25рд~0,79. Это низкая вероятность. Погрешность, превышающая доверительный интервал 2jx=0,2m, согласно выражению (10.4) будет встречаться один раз из 0,79/(1— —0,79) =3,37, т. е. из четырех измерений. Это недопустимо. В связи с этим необходимо вычислить минимальное количество измерений с доверительной вероятностью рд, равной 0,9 и 0,95. По формуле (10.7) имеем Wmm=0,42-l,6570,l2 = =43 измерения при рд=0,90 и 64 измерения при рд=0,95, что значительно превышает установленные 25 измерений, иценки измерении с помощью о и Оо по приведенным методам справедливы при «>30. Для нахождения границы доверительного интервала при малых значениях применяют метод, предложенный в 1908 г. английским математиком В. С. Госсетом (псевдоним Стьюдент). Кривые распределения Стьюдента в случае п-*-оо (практически при /г>20) переходят в кривые нормального распределения (рис. 10.1).
Для малой выборки доверительный интервал
fXcT = 0oacr. (10.8)
Рис.
10.1. Кривые распределения Стьюдента
для различных значений:
/
_п->-°°; 2 — 3 — и-2
Зная Цст. можно вычислить действительное значение изучаемой величины для малой выборки
ХЯ=Х± рст: (Ю.9)
Возможна и иная постановка задачи. По п известных измерений малой выборки необходимо определить доверительную вероятность рд при условии, что погрешность среднего значения не выйдет за пределы ±|д,ст. Задачу решают в такой последовательности: вначале вычисляется среднее значение х, а0 и ссст^Цст/схо. С помощью величины сеет, известного п и табл. 10.2 определяют доверительную вероятность.
В процессе обработки экспериментальных данных следует исключать грубые ошибки ряда. Появление этих ошибок вполне вероятно, а наличие их ощутимо влияет на результат измерений. Однако прежде чем исключить то или иное измерение, необходимо убедиться, что это действительно грубая ошибка, а не отклонение вследствие статистического разброса. Известно несколько методов определения грубых ошибок статистического ряда. Наиболее простым способом исключения из ряда резко выделяющегося измерения является правило трех сигм: разброс случайных величин от среднего значения не должен превышать
■Xjnax, m!n = X ± 3<Т. (Ю.10)
Более достоверными являются методы, базируемые на использовании доверительного интервала. Пусть имеется статистический ряд малой выборки, подчиняющийся закону нормального распределения. При наличии грубых ошибок критерии их появления вычисляются по формулам _
Pi e (-W — х)/о V(n — Wrr,
& = {x-xmlu)/oV(n-\)!nt (10.11)
ГДе Л'тах» Л-'т in —наибольшее и наименьшее значения из п измерений.
В табл. 10.3 приведены в зависимости от доверительной вероятности максимальные значения ртах, возникающие вследствие статистического разброса. Если 0i> >pmax, то значение ^та* необходимо исключить из статистического ряда как грубую погрешность. При fb< <{Wax исключается величина л:т|п. После исключения грубых ошибок определяют новые значения х и а из (/г— 1) или (я—2) измерений.
|
(W "Р" "д |
|
(W "Р" "д |
п |
0,90 | 0,95 | 0,99 |
п |
0,90 | 0.95 | 0,99 |
Таблица
10.3
Критерий
появления грубых ошибок
t
8
9
10
11
12
1,41
1,69 1,87 2,00
2,09
2,17 2,24 2,29 2,34 2,39 2,43 2,46
25
30 35 40 45 50
2,33
2,35 2,38 2,40 2,43 2,45 2,54 2,61
2,67
2,72 2,76 2,80
2,49
2,52
2,55
2,58 2,60
2,62
2,72
2,79 2,85 2,90 2,95 2,99
Второй метод установления грубых ошибок основан на использовании критерия В. И. Романовского и применим также для малой выборки. Методика выявления грубых ошибок сводится к следующему. Задаются доверительной вероятностью ря и по табл. 10.4 в зависимости от п находится коэффициент q. Вычисляют предельно допустимую абсолютную ошибку отдельного измерения
ecP = V (10.12)
Если х — лгтах>епр, то измерение хтах исключают из ряда наблюдений. Этот метод более требователен к очистке ряда.
При анализе измерений можно применять для приближенной оценки и такую методику: вычислить по (10.1) среднеквадратичное отклонение о; определить с помощью (10.5) <ю; принять доверительную вероятность рд и найти доверительные интервалы fiCT из (10.8); окончательно установить действительное значение измеряемой величины хд по формуле (10.9).
|
|
|
|
|
'н 1 |
|
1 н* |
|
1 —Л |
1 |
|
н |
ч |
ч |
|
67 |
-8 |
—7,83 |
64 |
67 |
—8 |
—7,83 |
64 |
68 |
—7 |
—6,83 |
49 |
68 |
—7 |
-6,83 |
49 |
69 |
-6 |
—5,83 |
36 |
70 |
-5 |
—4,83 |
25 |
71 |
—4 |
—3,83 |
16 |
73 |
—2 |
—1,83 |
4 |
74 |
— 1 |
—0,83 |
1 |
75 |
0 |
+0,17 |
0 |
76 |
+ 1 |
+ 1,17 |
1 |
77 |
+2 |
+2,17 |
4 |
78 |
+3 |
+3,17 |
9 |
79 |
+4 |
+4,17 |
16 |
80 |
+5 |
+5,17 |
25 |
81 |
+6 |
+6,17 |
36 |
82 |
+7 |
+7,17 |
49 |
92 |
+17 |
+ 17,27 |
289 |
х — |
2 = |
Проверка |
2 = |
=74,83 |
=—3 |
—46,5 +46,5 |
=737 |
та
б л и ц а 10.4
Коэффициент
для вычисления предельно допустимой
ошибки измерения
Значение
q
при
р. |
0,95 |
0,98 |
0,99 |
0,995 |
2 |
15,56 |
38,97 |
77,96 |
779.7 |
3 |
4,97 |
8,04 |
11,46 |
36,5 |
4 |
3,56 |
5,08 |
6,58 |
14,46 |
5 |
3,04 |
4,10 |
5,04 |
9,43 |
6 |
2,78 |
3,64 |
4,36 |
7,41 |
7 |
2,62 |
3,36 |
3,96 |
6,37 |
8 |
2,51 |
3,18 |
3,71 |
5,73 |
9 |
2,43 |
3,05 |
3,54 |
5,31 |
10 |
2,37 |
2,96 |
3,41 |
5,01 |
12 |
2,29 |
2,83 |
3,23 |
4,62 |
14 |
2,24 |
2,74 |
3,12 |
4,37 |
16 |
2,20 |
2,68 |
3,04 |
4,20 |
18 |
2,17 |
2,64 |
3,00 |
4,07 |
20 |
2,15 |
2,60 |
2,93 |
3,98 |
|
1,96 |
2,33 |
2,58 |
3,29 |
той
доверительной вероятности
ра
и числа членов ряда
п принимают
коэффициент Стьюдента аст;
с помощью формулы (10.2) для большой
выборки или (10.8) для малой выборки
определяют доверительный интервал; 7)
устанавливают по (10.9) действительное
значение исследуемой величины; 8)
оценивают относительную по-
<?и
в
e^JpriOO. . (10.13)
Если погрешность серии измерений соизмерима с погрешностью прибора finp, то границы доверительного интервала ■
J-'ст - ]/+ (10.14)
Формулой (10.14) следует пользоваться при аСтОо^35пр. Если же аСт<то>ЗВПр, то доверительный интервал вычисляют с помощью (10.1) или (10.9).
Пусть, например, имеется 18 измерений (табл. 10.5). Если анализ средств и результатов измерений показал, что систематических ошибок в эксперименте не обнаружено, то можно выяснить, не содержат ли измерения грубых ошибок. Если воспользоваться первым методом '(критерий ртах), то надо вычислить среднеарифметическое х и отклонение сг^При этом удобно пользоваться формулой x=x'-\-(Xi — х')/п, где х' — среднее произвольное число. Для вычисления х, например, принять произвольно ~х'=75. Тогда ж—76—3/18=74,83. В формуле (10.1) значение (*—я()г можно найти упрощенным методом:
В данном случае (х — ж,)2=737—32/18=736,5. По ((10.1) о— 736,5/(18—1) =6,58, коэффициент вариации
= 100 — 8,8%. Следовательно,
6.= _,2.68.
Как видно из табл. 10.3, при доверительной вероятности />д = 0,99 и /1=18 Ртах = 2,90. Поскольку 2,68<рт«, измерение 92 не является грубым промахом. Если ря~ = 0,95, Рта*=2,58, то значение 92 следует исключить.
Если применить правило За, то *max,mm = 74,83±3X Х6,58=94,6...55,09, т.е. измерение 92 следует оставить.
В случае, когда измерение 92 исключается, jc=73,8, а=5,15. Среднеквадратичное отклонение для всей серии измерений при «=18 <т0=6,58/18= 1,55; при очищенном ряде 00—5,15/17—1,25.
Поскольку /г <30, ряд следует отнести к малой выборке и доверительный интервал вычисляется с применением коэффициента Стьюдента аст. По табл. 10.2 принимается доверительная вероятность 0,95 и тогда аст — = 2,11 в случае «=18; аст = 2,12, если «=17. Доверительный интервал при я= 18 цСт= ± 1,55-2,11 =3,2; при я=17 цСт=± 1,25-2,12=2,7. Действительное значение изучаемой величины: при п—18 — 74,8±3,2; при я=17 л:д=73,8±2,7. Относительная погрешность результатов серии измерений: при л= 18 6= (3,2-100)/74,8 = 4,3 %; при «=17 б=(2,7Х ХЮ0)/73,8 = 3,7 %. Таким образом, если принять */=92 за грубый промах, то погрешность измерения уменьшается с 4,3 до 3,7 %, т. е. на 14 %.
Если необходимо определить минимальное количество измерений при их заданной точности, проводят серию опытов, вычисляют cf, затем с помощью формулы (10.7) определяют Nmin.
В рассмотренном случае <т=6,58; £„=8,91 %. Если задана точность Д = 5 и 3 % при доверительной вероятности рд=95%, «ст = 2,11. Следовательно, при Д = 5 %' JVrain=(8,9I2-2,lP)/52 = 14, а при Д = 3 % Nm]n= = (8,912 • 2,112) /З2 = 40.
Таким образом, требование повышения точности измерения (но не выше точности прибора) приводит к значительному увеличению повторяемости опытов.
Во многих случаях в процессе-экспериментальных исследований приходится иметь дело с косвенными измерениями. При этом неизбежно в расчетах применяют те или иные функциональные зависимости типа
у = /(*!,* *„)• (10.15)
Так как в данную, функцию подставляют не истинные, а приближенные значения, то и окончательный результат также будет приближенным. В связи с этим одной из основных задач теории случайных ошибок является определение ошибки функции, если известны ошибки их аргументов.
При исследовании функции одного переменного предельные абсолютные епр и относительные 6„Р ошибки (погрешности) вычисляют так:
впр=±е«/'(*). (Ю.16)
6DP = + d!n(*), (10.17)
С87
где —производная функции f{x); dln(A-) —дифференциал натурального логарифма функции.
Если исследуется функция многих переменных, то
(10.18)
1
«вр = ± d f In (Jfj,"^,..., *n)f. (10.19)
В (10.18) и (10.19) выражения под знаком суммы и дифференциала принимают абсолютные значения. Методика определения ошибок с помощью этих уравнений следующая: вначале определяют абсолютные и относительные ошибки аргументов (независимых переменных). Обычно величина л"д±е каждого переменного измерена, следовательно, абсолютные ошибки для аргументов известны, т.е. Затем вычисляют относительные ошибки независимых переменных:
«„ = «„"*;. е-. = в-Л 00.20)
Находят частные дифференциалы функции и по формуле (10.18) вычисляют 8Пр в размерностях функции f(y) И С ПОМОЩЬЮ (10.19) ВЫЧИСЛЯЮТ бпр, %.
Одной из задач теории измерений является установление оптимальных, т.е. наиболее выгодных, условий измерений. Оптимальные условия измерений в данном эксперименте имеют место при бПр — Опр mln- Методика решения этой задачи сводится к следующему. Если исследуется функция с одним неизвестным переменным, то вначале следует взять первую производную по х, приравнять ее нулю и определить Х\, Если вторая производная по л:] положительна, то функция (10.15) в случае jf=jfi имеет минимум. При наличии нескольких переменных поступают аналогичным образом, но берут производные по всем переменным хи...,хп. В результате минимизации функций устанавливают оптимальную область измерений (интервал температур, напряжений, хилы тока, угла поворота стрелки на приборе и т.д.) каждой функции f(xi,...,*«), при которой относительная ошибка измерений минимальна, т.е. 6^ = min.
В исследованиях часто возникает вопрос о достоверности данных, полученных в опытах. Решение такой задачи можно проиллюстрировать примером.
Пусть установлена прочность контрольных образцов бетона до виброперемешивания Ri~ ^i±ap=20±±0,5 МПа и прочность_бетонных образцов после виброперемешивания /?2=^2±Оо = 23±0,6 МПа. Прирост прочности составляет 15%. Это упрочнение относительно небольшое, его можно отнести за счет разброса опытных данных. В этом случае следует провести проверку на достоверность экспериментальных данных по условию
i_>3. (Ю.21)
В данном случае проверяется разница x=R, — R2= =3,0 МПа. Ошибка измерения равна о0 = У^ffi+tf*.
поэтому
(Я, - Щ1\Го\ + сг| = 3,0/(0,25 + 0,36) = 3,84 >3.
(10.22)
Следовательно, полученный прирост прочности является достоверным.
Выше были рассмотрены общие методы проверки экспериментальных измерений на точность и достоверность. Ответственные эксперименты должны быть проверены также и на воспроизводимость результатов, т.е. на их повторяемость в определенных пределах измерений с заданной доверительной достоверностью. Суть такой проверки сводится к следующему. Имеется несколько параллельных опытов (серий). Для каждой серии вычисляют среднеарифметическое значение (я — число измерений в одной серии, принимаемое обычно равным 3...4). Далее вычисляют дисперсию Чтобы оценить воспроизводимость, рассчитывают критерий Кохрена (расчетный):
т
- шах (10.23)
1
где шах D, — наибольшее значение дисперсий из числа
т
- рассматриваемых параллельных серий — сумма
дисперсий т серий. Рекомендуется принимать Опыты считают воспроизводимыми при
(10.24)
где kKT — табличное значение критерия Кохрена (табл. 10.6), принимаемое в зависимости от доверительной вероятности рд и числа степеней свободы q=ti— 1. Здесь т — число серий опытов; п — число измерений в серии.
|
Таблица 10.6 Критерий Кохреиа КК1 при рд=0,95 q = П— I m |
|
|
|
1 |
|
|
|
|
36 |
1 | 2 j |
3 |
4 |
5 1 |
« ! |
|
1U | |
i6 |
0,73
0,54 0,43 0,36 0,31 0,27 0,24 0,22
0,20
0,17
0,14 0,11
0,09
0,07 0,06
0,04
0,02
0,99
0,97 0,90 0,84 0,78 0,72 0,68
0,64
0,60
0,57
0,47 0,39 0,34 0,29 0,24 0,17 0,09
0,90
0,74 0,62
0,54
0,48 0,43 0,39 0,35 0,33 0,29 0,24 0,19 0,16
0,14
0,10
0,07
0,04
0,87
0,70 0,59 0,50 0,44 0,39 0,36 0,33 0,30 0,26
0,22
0,17
0,15 0,12
0,09
0,06
0,03
0,85
0,76 0,56 0,48 0,42 0,37 0,33 0,30 0,28
0,24
0,20
0,16
0,14
0,11
0,08
0,06
0,03
0,81
0,63
0,51 0,44 0,38 0,34 0,30 0,28
0,25
0,22
0,18
0,14
0,12
0,10
0,07
0,05 0,02
0,78
0,60
0,48
0,41 0,35 0,31 0,28
0,25
0,23 0,20
0,17
0,13 0,11
0,09
0,07 0,05 0,02
0,97
0,93 0,76 0,68
0,61
0,56
0,51 0,47 0,44 0,39 0,33 0,27 0,29 0,20
0,16
0,11
0,06
0,93
0,79 0,68
0,60
0,53
0,48 0,43 0,40 0,37 0,32 0,27 0,22
0,19
0,16
0,12
0,08
0,04
т — число параллельных серий опытов; q— число степеней свободы; л — число измерений в серии.
Пусть, например, проведено три серии опытов по измерению прочности грунта методом пенетрации (табл. 10.7). В каждой серии выполнялось по пять измерений (повторностей). Тогда по формуле (10.23)
htr-п 0,55.
^ 2,93-f- 2,0 + 0,4
Вычислим число степеней свободы q=*n—1 = 5—1 = = 4. Так, например, для и q=4 согласно табл. 10.6 значение критерия Кохрена &кт=0,74. Так как 0,55<0,74, то измерения в эксперименте следует считать воспроиз-
|
Таблица 10.7 Результаты измерений прочности грунта методом пенетрации и их обработка Серн» опытов |
|
Измерен не величины и |
повторностн |
|
Вычисленные |
||||||
1 |
2 |
3 |
4 |
|
5 |
|
|
||||
1 |
7 |
|
9 |
6 |
8 |
|
4 |
6,8 |
2,96 |
||
2 |
9 |
|
7 |
8 |
6 |
|
5 |
7,0 |
2,0 |
||
3 |
8 |
|
8 |
7 |
9 |
|
8 |
8,0 |
0,4 |
||
водимыми. Если бы оказалось наоборот, т.е. &кр >k кт, то необходимо было бы увеличить число серий т или число измерений п.
10.2. Методы графической обработки результатов измерений
При обработке результатов измерений и наблюдений широко используются методы графического изображения, так как результаты измерений, представленные в табличной форме, иногда не позволяют достаточно наглядно характеризовать закономерности изучаемых процессов. Графическое изображение дает наиболее наглядное представление о результатах эксперимента, позволяет лучше понять физическую сущность исследуемого процесса, выявить общий характер функциональной зависимости изучаемых переменных величин, установить наличие максимума или минимума функции.
Для графического изображения результатов измерений (наблюдений), как правило, применяют систему прямоугольных координат. Если анализируется графическим методом функция y—f(x), то наносят в системе прямоугольных координат значения х{уи х2у2,-.,хпуп, (рис. 10.2,а). Прежде чем строить график, необходимо знать ход (течение) исследуемого явления. Как правило, качественные закономерности и форма графика экспериментатору ориентировочно известны из теоретических исследований.
Точки на графике необходимо соединять плавной линией так, чтобы она по возможности проходила ближе ко всем экспериментальным точкам. Если соединить точки прямыми отрезками, то получим ломаную кривую. Она характеризует изменение функции по данным эксперимента. Обычно функции имеют плавный характер. Поэтому при графическом изображении результатов измерений следует проводить между точками плавные кривые. Резкое искривление графика объясняется погрешностями измерений. Если бы эксперимент повторили с применением средств измерений более высокой точности, то получили бы меньшие погрешности, а ломаная кривая больше бы соответствовала плавной кривой.
Однако могут быть и исключения, так как иногда исследуются явления, для которых в определенных интервалах наблюдается быстрое скачкообразное изменение
одной из координат (рис. 10.2,6). Это объясняется сущностью физико-химических процессов, например фазовыми превращениями влаги, радиоактивным распадом атомов в процессе исследования радиоактивности и т.д. В таких случаях необходимо особо тщательно соединять точки кривой. Общее «осреднение» всех точек плавной
Рис.
10.2. Графическое изображение функции
y^f(x)\
а
—плавная зависимость: / — кривая по
результатам непосредственных измерений;
2
—
плавная кривая;
6 —
при наличии скачка;
в —
при трех переменных:
1
— ar5-const;
1
— г,-const;
3
— zi=const;
4
— гг-canst;
S — z%"const
кривой может привести к тому, что скачок функции подменяется погрешностями измерений.
точку. Если же повторные измерения дадут прежнее значение, необходимо к этому интервалу кривой отнестись особенно внимательно и тщательно проанализировать физическую сущность явления.
Часто при графическом изображении результатов экспериментов приходится иметь дело с тремя переменными у, г). В этом случае применяют метод разделения переменных. Одной из величин г в пределах интервала измерений гх — z„ задают несколько последовательных значений. Для двух остальных переменных х а у строят графики y~fi(x) при z, = const. В результате на одном графике получают семейство кривых у = для различных значений г (рис. 10.2,в). Если необходимо графически изобразить функцию с четырьмя переменными и более a=f(b, х, у, г), то строят серию типа предыдущих, но каждый из них при bt,.... fr„ = const или принимает из N переменных (N—1) постоянными и строят графики: вначале (N—l)=fi(x), далее (/V—2)=f2(x), (N-Z)^h(x) и т.д. Таким образом, можно проследить изменение любой переменной величины в функции от другой при постоянных значениях остальных. Этот метод графического анализа требует тщательности, большого внимания к результатам измерений. Однако он в большинстве случаев является наиболее простым и наглядным.
При графическом изображении результатов экспериментов большую роль играет выбор системы координат или координатой сетки. Координатные сетки бывают равномерными и неравномерными. У равномерных координатных сеток ординаты и абсциссы имеют равномерную шкалу. Например, в системе прямоугольных координат длина откладываемых единичных отрезков на обеих осях одинаковая.
Из неравномерных координатных сеток наиболее распространены полулогарифмические, логарифмические, вероятностные. Полулогарифмическая сетка имеет равномерную ординату и логарифмическую абсциссу (рис. 10.3,а). Логарифмическая координатная сетка имеет обе оси логарифмические (рис. 10.3,6), вероятностная— ординату обычно равномерную и по абсциссе.— вероятностную шкалу (рис. 10.3,а).
Назначение неравномерных сеток различное. В большинстве случаев их применяют для более наглядного изображения функций. Функция у = имеет различную форму при различных сетках. Так, многие криво
линейные функции спрямляются на логарифмических сетках.
Большое значение в практике графического изображения экспериментальных данных имеет вероятностная сетка, применяемая в различных случаях: при обработ-
0
"III И ЩИ fjjt
lg?
* i
s
* nzzi::;::: *
2 2
2 3 4 6 Stqx 1 2 « И Iff* t sets WW SO ss $9\qn P^c. 10.3. Координатная сетка:
о —полулогарифмическая; б — логарифмическая; в — вероятности.)» сетка
ке измерений для оценки точности, при определении расчетных характеристик (расчетной влажности, расчетных значений модуля упругости, межремонтных сроков службы и т.д.).
Иногда в процессе обработки экспериментальных данных графическим способом необходимо составить расчетные графики, ускоряющие нахождение по одной переменной других. При этом существенно повышаются требования к точности вычерчивания функции на графике. При вычерчивании расчетных графиков необходимо в зависимости от числа переменных выбрать координатную сетку и определить вид графика — одна кривая, семейство кривых или серия семейств. Большое значение приобретает выбор масштаба графика, что связано с размерами чертежа и соответственно с точностью снимаемых с него значений величин. Известно, что чем крупнее масштаб, тем выше точность снимаемых значений. Однако, как правило, графики не превышают размеров 20X15 см, что является удобным при снятии отсчетов. Лишь в отдельных случаях используют графики больших размеров.
Я
! -
е
■ и ■ 2-
...0,2 мм. Это следует иметь в виду при вычерчивании расчетных графиков. Таким образом, абсолютная ошибка снимаемых с графиков величин может достигать е= = ±0,2 М, где М — принятый масштаб графика. Очевидно, что точность измерений может быть выше точности снимаемых с графика величин.
Масштаб по координатным осям обычно применяют различный. От выбора его зависит форма графика — он может быть плоским (узким) или вытянутым (широким) вдоль оси (рис. 10.4). Узкие графики дают большую погрешность по оси у; широкие — по оси х. Из рисунка видно, что правильно подобранный масштаб (нормальный график) позволяет существенно повысить точность отсчетов. Расчетные графики, имеющие (минимум) функции или какой-либо сложный вид, особо тщательно необходимо вычерчивать в зонах изгиба. На таких участках количество точек для вычерчивания графика должно быть значительно больше, чем на плавных участках.
Рис.
10.4. Форма графика в зависимости от
масштаба:
/
— плоская: 2 —уширенная; 3 — нормальная
В полу- или логарифмических координатных сетках функции часто имеют прямолинейную форму и составление номограмм упрощается.
Методика построения номограмм функции одной переменной у=({х) или многих y=f(xh х2, ..., хп) сводится к построению кривых или их семейств путем принятия постоянными отдельных переменных. Сложные алгебраические выражения целесообразно сводить к простому произведению двух-трех значений, например d = abc, где а,Ь,с — функции двух или трех переменных. В этом случае необходимо вначале, задавшись переменными, вычислить а, Ь, с. Далее, придавая им постоянные значения, найти d. Величины «, Ь, с необходимо варьировать в определенных значениях, например от 0 до 100 через 5 или 10. Наиболее эффективным является такой способ построения номограмм, при котором а, Ь, с представляются как безразмерные критерии.
10.3. Методы подбора эмпирических формул
В процессе экспериментальных исследований получается статистический ряд измерений двух величин, когда каждому значению функции у|, Уп соответствует определенное значение аргумента Хи ••, хп.
На основе экспериментальных данных можно подобрать алгебраические выражения функции
y = f(x), (Ю.25)
которые называют эмпирическими формулами. Такие формулы подбираются лишь в пределах измеренных значений аргумента Xi—хп и имеют тем большую ценность, чем больше соответствуют результатам эксперимента.
Необходимость в подборе эмпирических формул возникает во многих случаях. Так, если аналитическое выражение (10.25) сложное, требует громоздких вычислений, составления программ для ЭВМ или вообще не имеет аналитического выражения, то эффективнее пользоваться упрощенной приближенной эмпирической формулой.Эмпирические формулы должны быть по возможности наиболее простыми и точно соответствовать экспериментальным данным в пределах изменения аргумента. Таким образом, эмпирические формулы являются приближенными выражениями аналитических формул. Замену точных аналитических выражений приближенны
ми, более простыми называют аппроксимацией, а функции — аппроксимирующими.
Процесс подбора эмпирических формул состоит из двух этапов.
этап. Данные измерений наносят на сетку прямоугольных координат, соединяют экспериментальные точки плавной кривой и выбирают ориентировочно вид формулы.
этап. Вычисляют параметры формул, которые наилучшим образом соответствовали бы принятой формуле. Подбор эмпирических формул необходимо начинать с самых простых выражений. Так, например, результаты измерений многих явлений и процессов аппроксимируются простейшими эмпирическими уравнениями типа
^ у = а + Ьх, (10.26)
где й, b — постоянные коэффициенты. Поэтому при анализе графического материала необходимо по возможности стремиться к использованию линейной функции. Для этого применяют метод выравнивания, заключающийся в том, что кривую, построенную по экспериментальным точкам, представляют линейной функцией.
Для преобразования некоторой кривой (10.25) в прямую линию вводят новые переменные:
Х = У = У)- (Ю.27)
В искомом уравнении они должны быть связаны линейной зависимостью
Y = a + bX. (10.28)
Значения X и Y можно вычислить на основе решения системы уравнений (10.27). Далее строят прямую (рис. 10.5), по которой легко графически вычислить параметры а (ордината точки пересечения прямой с осью У) и 6 (тангенс угла наклона прямой с осью X): fe — = tgct=iY,-a)IXl.
Рис.
10.5. Графическое определение параметров
х и
У
расчета необходимо точки У,- и Xt принимать на крайних участках прямой.
Для определения параметров прямой можно применить также другой графический метод. В уравнение (10.28) подставляют координаты двух крайних точек, взятых с графика. Получают систему двух уравнений, из которых вычисляют а и Ь. После установления параметров а и Ь получают эмпирическую формулу (10.26), которая связывает У и А', позволяет установить функциональную связь между х и у и эмпирическую зависимость
.
Линеаризацию кривых можно легко осуществить на полу- или логарифмических координатных сетках, которые сравнительно широко применяют при графическом методе подбора эмпирических формул.
Пример. Подобрать эмпирическую формулу следую-. щих измерений:
12,1 19.2 25,9 33,3 40,5 46,4 54,0 I 2 3 4 5 1 6 7
Графический анализ этих измерений показывает, что в прямоугольных координатах точки хорошо ложаться на прямую линию и их можно выразить зависимостью
. Выбираем координаты крайних точек и подставляем в (10.26). Тогда Л0+7Л 1=54,0; Л0+Л| = 12,1, откуда Л] = 41,9 : 6=6,98 и /40=12,10—6,98=5,12. Эмпирическая формула примет вид {/=5,12+6,984!.
Таким образом, аппроксимация экспериментальных данных прямолинейными функциями позволяет просто и быстро установить вид эмпирических формул.
Графический метод выравнивания может быть применен в тех случаях, когда экспериментальная кривая на сетке прямоугольных координат имеет вид плавной кривой. Так, если экспериментальный график имеет вид, показанный на рис. 10.6, а, то необходимо применить формулу
у = ах". (10.29)
Заменяя X=\gx и Y=\gy, получим Y~\ga-\-bX. При этом экспериментальная кривая превращается в прямую линию на логарифмической сетке. Если экспериментальный график имеет вид, показанный на рис. 10.6,6, то целесообразно использовать выражение
ц = аё>х. (10.30)
При замене Y = \gy получим Y=\ga-\-bx\ge. Здесь экспериментальная кривая превращается в прямую линию на полулогарифмической сетке. Если экспериментальный график имеет вид, представленный на рис. 10.6, в, то эмпирическая формула принимает вид
у = с + ах>. (10.31)
Если Ь задано, то надо принять Х=хь, и тогда получим прямую линию на сетке прямоугольных координат у=
=£-j-aX Если же Ь неизвестно, то надо принять X=\gx и y=lg(y—с), в этом случае будет прямая линия, но на логарифмической сетке Y=\ga-\-bX.
В последнем случае необходимо предварительно вычислить с. Для этого по экспериментальной кривой принимают три произвольные точки Xi, у\\ Xi, У2 и х$ = — VxiXs, Уг и вычисляют с в виде отношения
— > (10.32)
(fi + У1 — 2Уз
Если экспериментальный график имеет бйд, показанный на рис. 10.6, г, то нужно пользоваться формулой
y = c+aef*. (10.33)
Путем замены y=lg(y— с) можно построить прямую на полулогарифмической сетке:
У = 1g« + bx]gc,
где с предварительно определено с помощью формулы (10.32),. В этом случае д:3—0,5 (Х|+дг2).
Если экспериментальный график имеет вид, представленный на рис. 10.6,<5, то применяется выражение
у = а + Ых. (10.33')
Путем замены х~\/г можно получить прямую линию на сетке прямоугольных координат у = а+bz.
Если график ! ■ >?ет вид, соответствующий кривым на рис. 10.6, е, то используют формулу
у « 1/(о+'&*). (10.34)
Если принять y=\/z*70 z=a-{-bx, т.е. прямая на сетке прямоугольных координат. Аналогично, уравнению
у = ! (10.35)
а + Ьх + сх*
путем замены y=\jz можно придать вид z~a~\-bx-{-cx2. Сложную степенную функцию
у = (10.36)
можно преобразовать в более простую. При lgy = z\ lga=jt>; n\ge=q, m\ge=r получается зависимость
г — р + qx + гхг.
С помощью приведенных на рис. 10.6 графиков и выражений (10.29) ...(10.36) можно практически всегда подобрать уравнение эмпирической формулы.
Пусть, например, необходимо подобрать эмпирическую формулу для следующих измерений:
- 1 1,5 2,0 2,5 3,0 3,5 4,0 4,5 . 15,2 20,6 27,4 36,7 49,2 66,0 87,4 117,5
На основе этих данных строится график (рис. 10.7,а), соответствующий кривым (10.30) (рис. 10.6,6).
После логарифмирования выражения (10.30) — lga+ftxlge. Если обозначить lgy=Y, то V=lga+ +ЬхIge, т.е. в полулогарифмических координатах выражение для У представляет собой прямую линию (рис. 10.7,6). Подстановка в уравнение координат крайних точек дает lg 15,2 = lga+Mge и lg 117,5 = lga+4,5b\ge.
Следовательно,
Iga + b \ge= 1,183;
lga -Ь 4,56 Ige = 2,070,
откуда 6 = 0,887/(3,5 Ig e) =0,579; lg 1,183—0,254 = =0,929; «=1,85. Окончательно эмпирическая формула получит вид
Рис. 10.7. Подбор эмпирической характеристики:
о — эмпирическая; б — спрямленная
При подборе эмпирических формул широко используются полиномы
у = 4 + Л, * + Л, л? + А3 х3 + ...+ л12 X12, (10.37)
где Ао, Аь .., — постоянные коэффициенты. Полиномами можно аппроксимировать любые результаты измерений, если они графически выражаются непрерывными функциями. Особо ценным является то, что даже при неизвестном точном выражении функции (10.37) можно определить значения коэффициентов А. Для определения коэффициентов А кроме графического метода, изложенного выше, применяют методы средних и наименьших квадратов.
Метод средних квадратов основан на следующем положении. По экспериментальным точкам можно построить несколько плавных кривых. Наилучшей будет та кривая, у которой разностные отклонения оказываются наименьшими, т.е. 2е»0. Порядок расчета коэффициентов полинома сводится к следующему. Определяется чис
ло членов ряда (10.37), которое обычно принимают не более 3...4. В принятое выражение последовательно подставляют координаты х и у нескольких {т) экспериментальных точек и получают систему из т уравнений. Каждое уравнение приравнивают соответствующему отклонению:
4> + + +■•■+ \ Х1~У1 = Ч
Л0 + /4,*2 + И2*|+...+ Ляд»-у3 = ва; (10.38)
А + Л, хт + A,xJn +...+ АЛ~ут = вж. -
Число точек, т.е. число уравнений, должно быть не меньше числа коэффициентов А, что позволит их вычислить путем решения системы (10.38).
Разбивают систему начальных уравнений (10.38) последовательно сверху вниз на группы, - число которых должно быть равно количеству коэффициентов А0. В каждой группе складывают уравнения и получают новую систему уравнений, равную количеству групп (обычно 2...3). Решая систему, вычисляют коэффициенты А.
Метод средних обладает высокой точностью, если число точек достаточно велико (не менее 3...4). Однако степень точности можно повысить, если начальные условия сгруппировать по 2...3 варианта и вычислить для каждого варианта эмпирическую формулу. Предпочтение следует отдать той формуле, у которой 2е2—min. Пусть, например, выполнено семь измерений:
4 5 6 7 8 9 10 10,2 6,7 4,8 3,6 2,7 2,1 1,7
Для подбора эмпирической формулы можно выбрать полином
у = Л0 + At х + Л2 х2.
Путем подстановки в это уравнение значений измерений систему начальных уравнений можно разделить на три группы: 1...2, 3...4; 5...7 в виде
Л0+4Л, + 16Л2-Ю,2=е1;
А0 + 5А1+25Аг— 6,7 = е2;
Л0+6Д1+36Л2— 4,8 —ез;
Л0+7Л1+49Л2— 3,6 = е4;
Л0+8Л1+64Л2— 2,7 = е5;
Ло+9Л1 + 81Л2— 2,1 — е6;
7. VMM,+ 1004*—1,7=е7.
Сложение уравнений в каждой подгруппе дает
я группа 2Л0+9Л1+4Мг=1б,9;
я группа 2Л0+Ш|+85Л2=8,4;
я группа ЗЛН-27Л,+24Л2=6,5.
Определение из этих выражений коэффициентов Аа, А\ и Л2 приводит к эмпирической формуле (/ = 26,168— —5,2Ш8лг+0,2811л;2.
Метод средних квадратов может быть применен для различных кривых после их выравнивания. Пусть, например, имеется восемь измерений:
3 6 9 12 15 18 21 24 57,6 .41,9 31,0 22,7 16,6 12,2 8,9 6,5
Анализ кривой в системе прямоугольных координат дает возможность применить формулу (10.30)
у - ае~Ьх.
Произведем выравнивание путем замены переменных y=lgy, Х=х/2,303. Тогда Y=A+BX, где A = \ga, В = =Ь. Так как необходимо определить два параметра, то все измерения делятся на две группы по четыре измерения. Это приводит к уравнениям:
1,7604 = А + — В; 1,2201 = А +В;
1,6222 = Л Н —В; 1,0864 = А + —В;
2,303 ' ' 2,303 '
1,4914 = Л Н—-— В; 0,9494 = Л +
2,303 2,303
1,3560 = А + —В; 0,8129 = А + В;
6,2300 = 4 Л + -2L- В; 4,0688 = 4 А + В.
2,303 2,303
После суммирования по группам можно получить систему двух уравнений с двумя неизвестными Л и В, решение которых дает: Л = 1,8952; а = 78,56; 0,1037; f> = —0,1037. Окончательно «/=78,56
Хорошие результаты при определении параметров заданного уравнения дает использование метода наименьших квадратов. Суть этого метода заключается в том, что если все измерения функций уи у2> у„ произведены с одинаковой точностью и распределенные величины ошибок измерения соответствуют нормальному закону, то параметры исследуемого уравнения определятся из условия, при котором сумма квадратов отклонений измеренных значений от расчетных принимает наименьшее значение. Для нахождения неизвестных параметров (аь а2, ...,а„) необходимо решить систему линейных уравнений:
Ух = Oj xt + <h "i +...+ «i;
y2 = aix2-\-aiu2+...+ anz2; (10.39)
Уп = xm + a2 um +.... + an zm,
где уi, yn—частные значения измеренных величии функции у; х, и, г —переменные величины. Эту систему приводят к системе линейных уравнений путем умножения каждого уравнения соответственно на х\...хт и последующего их сложения, затем умножения соответственно на Мь ит. Это позволяет получить так называемую систему нормальных уравнений
Основы 1
научных исследований 1
3.2. Методы теоретических й эмпирических исследоваййй 50
ВЫБОР НАПРАВЛЕНИЯ НАУЧНОГО ИССЛЕДОВАНИЯ И ЭТАПЫ НАУЧНО-ИССЛЕДОВАТЕЛЬСКОЙ РАБОТЫ 73
4.1. Выбор направления научного исследования 73
4.2. Оценка экономической эффективности темы 77
4.3. Этапы научно-исследовательской работы 78
5.1. Информатика как наука 80
■i й ® в 5 е las 88
Информационная сеть МСНТИ должна обеспечивать дистанционный доступ специалистов стран — членов СЭВ в первую очередь к базам данных МСНТИ на основе диалоговых информационно-поисковых систем и телекоммуникационной передачи данных. В сети МСНТИ используются базы НТИ, создаваемые 8 МСНТИ, в международных информационных системах, а также ряд национальных БД стран — членов5.5. Информационно-поисковые системы 1
5,6. Научно-техническая патентная информация 4
5.7. Государственная система патентной информации (ГСПИ) 11
М (W + Ал, М (TmJn) - Ах, 3
А = Ш. 6
Oyj (i, ДО - ht К (<\ ДО! ('* = 1,2,..., k). 14
т п 22 (*» 43
>Ь 47
% = (AJA3)VAjA3 и ihwi/W 14
7.4. Физическое подобие и моделирование 21
7.6. Математическое цифровое подобие и моделирование 23
8.1. Типы ЭВМ и возможности вычислительных систем 26
8,2. Программное обеспечение ЭВМ 4
Назначение 12
Требуемые подпрограммы и подпрограммы-функции 12
Метод 12
Назначение 12
Требуемые подпрограммы и подпрограммы-функции 14
Метод. 14
Назначение 14
Требуемые подпрограммы и подпрограммы-функции 15
8.3. Автоматизированные системы научных исследований 15
9.1. Классификация, типы и задачи эксперимента 30
Pi e (-W — х)/о V(n — Wrr, 22
* nzzi::;::: * 36
y = c+aef*. (10.33) 5
q = m—s, (Ю.52) 23
= (10.54) 25
12.1. Государственная система внедрения 10
12.2. Эффективность и критерии научной работы 16
Дф t={Ti-TjAt; (12.6) 21
13.1. Основные принципы управления научным коллективом 21
13.7. Научная организация и гигиена умственного труда 38
13.8. Нравственная ответственность ученого 42
Использование ИПЯ в документальных АИПС 50
Приемы, помогающие устранять типичные ошибки языка и стиля рукописи 3
решение которой и дает искомые коэффициенты.
Пусть, например, необходимо определить коэффициенты а| и а2 в уравнении &р=а1+а2ц. Так как требуется определить два параметра, то система уравнений может быть представлена в виде двух уравнений y=«i*i+a2u2 и уи2 = а2х&2 + а2и\, где y = kp\ Х\ = \\ х2=й.
Так как уравнения линейные, можно ограничиться четырьмя сериями опытов. Если они сведены в табл. 10.3, то систему нормальных уравнений можно записать в виде 5,48 = 4a; + IIOOa2; 1519= 1100a,+307 350аг, решение которых дает а, =0,78; о2~ 0,0025. Следовательно, эмпирическая формула получит вид /гр=0,78+0,0025 ц.
Метод наименьших квадратов обеспечивает достаточ
я, |
|
о» |
|
230 |
1,26 |
52900 |
289,8 |
255 |
1,32 |
65025 |
336,6 |
295 |
1,40 |
87025 |
413,0 |
320 |
1,50 |
102400 |
480,0 |
1100 |
5,48 |
307350 |
1519,4 |
но надежные результаты. При этом степень точности коэффициентов Л в (10.37) должна быть такой, чтобы вычисленные значения у совпадали со значениями в исходных табличных значениях. Это требует вычислять значения А тем точнее, чем выше индекс А, т.е. должно быть точнее (больше число десятичных знаков), чем /13; А3 — точнее, чем Аг, и т.д. Для вычисления коэффициентов А методом наименьших квадратов необходимо пользоваться типовыми программами для ЭВМ.
10.4. Регрессионный анализ
1ак, ф *олжн труго
что с возрастанием плотности модуль упругости материала увеличивается.-Но выявить эту закономерность можно только при наличии большого количества измерений, так как при исследованиях каждой отдельной парной связи в зависимости E=f(р) наблюдаются большие отклонения.
Суть регрессионного анализа сводится к установлению уравнения регрессии, т.е. вида кривой между случайными величинами (аргументами х и функцией у), оценке тесноты связей между ними, достоверности и адекватности результатов измерений.
Чтобы предварительно определить наличие такой связи между х и у, наносят точки на график и строят так называемое корреляционное поле (рис. 10.8). По тесноте
4
Рис,
10.8, Корреляционное поле
х
группирования точек вокруг прямой или кривой линии, по наклону линии можно визуально судить о наличии корреляционной связи. Так, из рис. 10.8, а видно, что экспериментальные данные имеют определенную связь между х и у, а измерения, приведенные на рис. 10.8,6, такой связи не показывают.
Корреляционное поле характеризует вид связи между х и у. По форме поля можно ориентировочно судить о форме графика, характеризующего прямолинейную или криволинейную зависимости. Даже для вполне выраженной формы корреляционного поля вследствие статистического характера связи исследуемого явления одно значение х может иметь несколько значений у. Если на корреляционном поле осреднить точки, т.е. для каждого значения ^определить xt и соединить точки у-, то можно будет получить ломаную линию, называемую экспери
ментальной регрессионной зависимостью (линией). Наличие ломаной линии объясняется погрешностями измерений, недостаточным количеством измерений, физической сущностью исследуемого явления и др. Если на_корреляционном поле провести плавную линию между ^.которая равноудалена от них, то получится новая теоретическая регрессионная зависимость — линия АБ (см. рис. 10.8, а).
Различают однофакторные (парные) и многофакторные регрессионные зависимости. Парная регрессия при парной зависимости может быть аппроксимирована прямой линией, параболой, гиперболой, логарифмической, степенной или показательной функцией, полиномом и др. Двухфакторное поле можно аппроксимировать плоскостью, параболлоидом второго порядка, гиперболоидом. Для переменных факторов связь может быть установлена с помощью «-мерного пространства уравнениями второго порядка:
п п л
y^bb + ^btxt + y^bijxixj + ^buxl (10.41) 1 / 1
где у — функция цели (отклика) многофакторных переменных; — независимые факторы; bi — коэффициенты регрессии, характеризующие влияние фактора xt на функцию цели; bij — коэффициенты, характеризующие двойное влияние факторов х,- и х/ на функцию цели.
При построении теоретической регрессионной зависимости оптимальной является такая функция, в которой соблюдаются условия наименьших квадратов 2 (у,— —J/)2 = min, где у\ — фактические ординаты поля; у — среднее значение ординаты с абсциссой х. Поле корреляции аппроксимируется уравнением прямой у = а-\-Ьх. Линию регрессии рассчитывают из условий наименьших квадратов. При этом кривая АБ (см. рис. 10.8, о) наилучшим образом выравнивает значения постоянных коэффициентов я и ft, т.е. коэффициентов уравнения регрессии. Их вычисляют по выражениям
b = {tiZxy — 2х2у)/п2х* — (2х)\ (10.42)
а = у —bx = — Ь^- . (10.43)
п п
Критерием близости корреляционной зависимости междулгиуклинейной функциональной зависимости является коэффициент парной или просто коэффициент корреляции г, показывающий степень тесноты связи х ну и определяемый отношением
. _ !Ц — IX; llJt
~
Ч/г
2 21 г а ап ' (1°'44)
где п — число измерений. Значение коэффициента корреляции всегда меньше единицы. При г —1,0 х и у связаны функциональной связью (в данном случае линейной), т.е. каждому значению х соответствует только одно значение у. Если г<1, то линейной связи не существует. При г=0 линейная корреляционная связь между х и у отсутствует, но может существовать нелинейная регрессия. Обычно считают тесноту связи удовлетворительной при г^0,5; хорошей при г = 0,8...0,85. Для определения процента разброса (изменчивости) искомой функции у относительно ее среднего значения, определяемого изменчивостью фактора х, вычисляют коэффициент детерминации
= г* (10.45)
Уравнение регрессии прямой можно представить выражением
у= у+гЪ-{х-х). (10.46)
ох
Пусть, например, имеется статистический ряд парных измерений:
t 23456789 10
8 11 14 16 21 26 27 32 34 41
по которому можно найти уравнение прямолинейной регрессии, оценить тесноту связей и оценить степень достоверности. Расчет целесообразно вести в табличной форме (табл. 10.9).
В табл. 10.10 приведена сходимость экспериментальной и теоретической регрессии.
- 55 с , - Й0 „, *=—=5,5; у — —— 23; =
10 ' у 10
(
Та б лица
10.9
Расчет
уравнения регрессии |
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
I? |
||||||||
|
|
|
|
п |
« |
|
|
|
1 |
||||||||
|
|
|
|
1 |
| |
|
|
|
1 |
||||||||
|
|
1 |
1 |
м |
5S, |
•J |
|
д> |
к |
||||||||
« |
гч |
X |
3, |
|
|
Н |
э> |
|
|
||||||||
I |
8 |
-4,5 |
-15 |
20,25 |
225 |
1 |
64 |
8 |
67,5 |
||||||||
2 |
И |
—3.5 |
—12 |
12,25 |
144 |
4 |
121 |
22 |
42,0 |
||||||||
3 |
14 |
—2,5 |
-9 |
6,25 |
81 |
9 |
196 |
42 |
22,5 |
||||||||
4 |
16 |
-1,5 |
—7 |
2,25 |
49 |
16 |
256 |
64 |
10,5 |
||||||||
5 |
21 |
-0,5 |
-2 |
0,25 |
4 |
25 |
441 |
105 |
1,0 |
||||||||
6 |
26 |
0,5 |
+3 |
0,25 |
9 |
36 |
676 |
156 |
1,5 |
||||||||
7 |
27 |
1,5 |
+4 |
2,25 |
16 |
49 |
729 |
189 |
6,0 |
||||||||
8 |
32 |
2,5 |
+9 |
6,25 |
81 |
64 |
1024 |
256 |
22,5 |
||||||||
9 |
34 |
3,5 |
+П |
12,25 |
121 |
81 |
1156 |
306 |
31,5 |
||||||||
10 |
41 |
4,5 |
+18 |
20,25 |
324 |
100 |
1681 |
410 |
81,0 |
||||||||
55 |
230 |
— |
— |
82,50 |
1054 |
385 |
6344 |
1558 |
286,0 |
||||||||
|
Таблица 10,10 Сходимость экспериментальной и теоретической регрессии У |
8 |
11 |
14 |
16 |
2! |
26 |
27 |
32 |
34 |
41 |
Ув |
7,1 |
10,6 |
14,2 |
17,7 |
21,8 |
24,8 |
28,3 |
31,9 |
35,4 |
39,0 |
Коэффициент корреляции согласно (10.54) 10 1558 — 55-230
= — 0,99.
(10-385 — 552) (10-6344 — 230^ Из (10.52) и (10.53)
ь^ 10-1558 55-230 10-385 — 55?
_3 55_55__3 8 10 10 Уравнение регрессии имеет вид
у = 3,48 + 3,55*.
г
= ■
Коэффициент детерминации, найденный по формуле (10.45), составляет &д = 0,992 —0,98, что означает, что 98% разброса определяется изменчивостью х, а 2% — другими причинами, т.е. изменчивость функции у почти полностью характеризуется разбросом (природой) фактора X.
На практике часто возникает потребность в установлении связи между у и многими параметрами на основе многофакторной регрессии.
Многофакторные теоретические регрессии аппроксимируются полиномами первого (10.37) нли второго (10.41) порядка. Математические модели характеризуют стохастический процесс изучаемого явления, уравнение регрессии определяет систематическую, а ошибки разброса — случайную составляющие.
Теоретическую модель множественной регрессии можно получить методами математического планирования, т.е. активным экспериментом, а также пассивным, когда точки факторного пространства выбираются в процессе эксперимента произвольно.
10.5. Оценка адекватности теоретических решений
В результате эксперимента получают статистический ряд обычно парных, однофакторных (х<, у,) или многофакторных (а{, bt, Cj,„.) измерений. Статистические измерения подвергают обработке и анализу, подбирают эмпирические формулы и устанавливают их достоверность.
Перед подбором эмпирических формул необходимо еще раз убедиться в достоверности эксперимента, окончательно проверить воспроизводимость результатов по критерию Кохрена. Оценка пригодности гипотезы исследования, а также теоретических данных на адекватность, т.е. соответствие теоретической кривой экспериментальным данным, необходима во всех случаях на стадии анализа теоретико-экспериментальных исследований. Методы оценки адекватности основаны на использовании доверительных интервалов, позволяющих с заданной доверительной вероятностью определять искомые значения оцениваемого параметра. Суть такой проверки состоит в сопоставлении полученной или предполагаемой теоретической функции y=f(x) с результатами измерений. В практике оценки адекватности применяют различные статистические критерии согласия.
Одним из таких критериев является критерий Фишера. Установление адекватности — это определение ошибки аппроксимации опытных данных. Для этого необходимо рассчитать экспериментальное (опытное) значение критерия Фишера — £фЭ и сравнить его с теоретическим (табличным) —£фТ, принимаемым при требуемой доверительной вероятности ра (обычно рд = 0,95). Если кфэ<кфт — модель адекватна; если — модель
неадекватна. Опытный критерий Фишера вычисляют по формуле
%,=Д,/£>ср, (10.47)
где £>а — дисперсия адекватности; DzР — средняя дисперсия всего эксперимента, определяющиеся как
и
2 (f« — У'э)2
Da=-J -i (10.48)
п —а
m rt
2 2 tor-Й»)*-
z> = j-! (10.49)
mn
Здесь yiT — теоретическое значение функции для каждого измерения; — экспериментальное значение функции; у,» —среднее экспериментальное значение функции из m серий 'измерений; п — количество измерений в одном опыте (одной серии или количество опытов); d — число коэффициентов уравнения теоретической регрессии.
Значение принимается по табл. 10.11 для доверительной вероятности 0,95 и числа степеней свободы qу = = я— d, 92=«(m—1). В уравнении (10.48) t/<T вычисляют по теоретической регрессии для фактора лгг, у, — как средние из m серий измерений, т. е.
(Ю-50)
Пусть, например, получено теоретическое выражение у=80а- и для его подтверждения проведен эксперимент. В каждой из пяти серий (повторностей, /л=5) выполнено по семь измерений (м = 7). Результаты эксперимента приведены в табл. 10.12. По этим данным можно установить пригодность, т, е. адекватность теоретического выражения.
С этой целью по формуле (10.48) определяется дисперсия адекватности Z)a=5,32/(7— 1) =0,89. Здесь значение d=l, поскольку в теоретическом выражении один
Критерий Фишера
|
Значения 6фГ при рд = 0,95 для различных i «1 |
I |
2 |
3 |
4 |
5 |
6 |
1 |
16 |
19 |
21 |
22 |
23 |
23 |
2 |
18 |
19 |
19 |
19 |
19 |
19 |
3 |
10 |
9,6 |
9,3 |
9,1 |
9,0 |
8,9 |
4 |
7,7 |
6,9 |
6,6 |
6,4 |
6,3 |
6,2 |
5 |
6,6 |
5,8 |
5,4 |
5,2 |
5,1 |
5,0 |
6 |
6,0 |
5,1 |
4.8 |
4,5 |
4,4 |
4,3 |
7 |
5,6 |
4,7 |
4,4 |
4,1 |
4,0 |
3,9 |
8 |
5,3 |
4,5 |
4,1 |
3,8 |
3,7 |
3,6 |
9 |
5,1 |
4,3 |
3,9 |
3,6 |
3,5 |
3,4 |
10 |
5,0 |
4,1 |
3,7 |
3,5 |
3,3 |
3,2 |
11 |
4,8 |
4,0 |
3,6 |
3,4 |
3,2 |
3,1 |
12 |
4,8 |
3,9 |
3,5 |
3,3 |
3,1 |
3,0 |
13 |
4,7 |
3,8 |
3,4 |
3,2 |
3,0 |
2,9 |
14 |
4,6 |
3,7 |
3,3 |
3,1 |
3,0 |
2,9 |
15 |
4,5 |
3,7 |
3,3 |
3,1 |
2,9 |
2,8 |
16 |
4,5 |
3,6 |
3,2 |
3,0 |
2,9 |
2,7 |
17 |
4,5 |
3,6 |
3,2 |
3,0 |
2,8 |
2.7 |
18 |
4,4 |
3,6 |
3,2 |
2,9 |
2.8 |
2,7 |
19 |
4,4 |
3,5 |
3,1 |
2,9 |
2.7 |
2,6 |
20 |
4,4 |
3,5 |
3,1 |
2,9 |
2,7 |
2,6 |
22 |
4,3 |
3,4 |
3,1 |
2,8 |
2,7 |
2,6 |
26 |
4,2 |
3,4 |
3,0 |
2,7 |
2,7 |
2,4 |
30 |
4,2 |
3,3 |
2,9 |
2,7 |
2,5 |
2.4 |
60 |
4,0 |
3,2 |
2,9 |
2,5 |
2,4 |
2.3 |
3S8 |
3,0 |
2,6 |
2,4 |
2,2 |
2,1 |
значащий член х. Дисперсия Dep вначале вычисляется построчечно для т строк. Для первой строки £)] = = S(jf/r - Ыг/т = 1/5{(12—16)2 + (17-16)2+(15- —16)2+(14—16)2]=4,4; для второй строки Z)2= = 1/5[(23—24)2 + (21+24)2 + (24~-24)2+(25-24)'+ '+(23— 24)2] — 2,4 и т.д. Тогда средняя дисперсия всего
эксперимента составит £>ср = 2£><//г=40,4/7 = 5,77. После
этого по формуле (10.47) подсчитывается £фЭ= = 0,89/5,77 = 0,15.
24
19 8,7 5,9
2,9
2,6
2,5
2,5
2,4
2,3 2,3 2,3
2,1
2,1
1,9
Таблица
10.11
Таблица
10.12
Результаты
эксперимента и оценка адекватности
его теоретического представления |
|
Измеренные значения у{эв серии |
IT « |
|
|
|
|
|
||||
Л 1 с о £ |
*t |
|
^29 |
% |
|
|
« [I s S я 1i 5=» a, ew ~ OS II |
|
A II t- aT |
1 e эГ |
a 1 t< 2" Em— |
6 |
1 2
|
0.2 0,3 0,4 0,5 0,6 0,7 0,8 |
12 23 30 38 52 59 62 |
17 21 34 43 47 58 66 |
15 24 31 40 48 55 62 |
14 25 35 39 49 54 61 |
16 23 35 42 40 53 63 |
14,8 23,2 33,0 40,4 47,2 55,8 62,8 |
(6 24 32 40 48 56 64 |
1,2 0,8 1,0 0,4 0.8 0,2 1,8 |
1,44 0,64 1,00 0,16 0,64 0,04 1,44 |
4,4 2,4 3,8 3,6 16,4 5.4 4,4 |
|
Итого |
5,36 |
40,4 |
||||||||||
Критерий Фишера обычно применяется для определения адекватности малых выборок. В больших выборках целесообразно применять критерии Пирсона, Романовского, Колмогорова. Так, критерий Пирсона наиболее широко применяется при больших статистических измерениях. В соответствии с этим критерием гипотеза о законе распределения подтверждается, если соблюдается условие
ФМ- 00.51)
Здесь а=1—ф(*) — уровень значимости, обычно принимаемый равным 0,10; % — критерий согласия Пирсона; q — число степеней свободы, равное
q = m—s, (Ю.52)
где т — количество групп (серий, разрядов) большой выборки или число измерений в одной серии при анализе односерийного эксперимента; s — число используемых связей (констант).
Значение х2 вычисляют по формуле
т
= (Ю.53)
1
где y9i, yTi — количество измерений (частота) в каждой группе серий соответственно по данным эксперимента и теоретической кривой.
Пусть имеется большая выборка N измерений. Статистические измерения следует разделить на т разрядов: „. ... дг4; х5... А'6 и т.д. По данным измерений в каждом разряде может оказаться уэ измерений. Так, в диапазоне л^ ...х2 имеется уэ\ измерений (частота);
m
bXi„,Xi имеется у*г измерений и т.д. Очевидно,=
]
По данным эксперимента следует построить экспериментальную кривую частот по y3i~}(x) или ijgi}N=f{x). Эту кривую можно аппроксимировать какой-то теоретической кривой (законом Пуассона, показательным, логарифмическим, нормальным и др.). Для этой теоретической кривой устанавливают соответствующие экспериментальные частоты Ути производят вычисления критерия Пирсона %2 по формуле (10.53) и сравнивают его с данными табл. 10.13.
Пусть, например, произведено W=250 измерений некоторых величин Xi и по ним необходимо определить закон распределения. Для этого экспериментальные дан-
Таблица 10.13
Критерий Пирсона
Значение критерия Пирсона р (*'. в) при числе степеней
СВОБОДЫ
00,909 0,735 0 >557
0,406 0,287 0,199 0,135 0,091 0,061
0,040 0,026
0,017 0,011
0;007 0,004
0,962
0,849 0,700 0,549 0,415 0,306 0,220
0,156 0,109
0,075 0,051 0,034 0,023 0,014 0,010
0,985
0,919 0,806
0,767 0,543
0,423 0,320 0,238 0,173 0,124 0,088
0,062
0,043 0,029
0,020
0,606
0,367 0,223
0,135 0,083 0,049 0,030 0,018
0,011
0,006
0,004 0,002
0,001
0,000
0,801
0,572 0,391
0,261
0,171 0,111
0,071 0,046
0,020
0,018
0,011
0,007 0,004
0,002
0,001
0,994
0,959 0,885 0,079 0,660
0,539 0,428
0,332 0,252 0,188
0,138 0,100
0,072 0,036 0,030
0,317
0,157 0,083 0,045 0,025 0,014 0,008
0,004 0,002
0,001
0,000
ные y3i целесообразно разбить на семь групп, результаты измерений нанести на сетку в прямоугольных координатах и установить, что кривая близка к закону нормального распределения. В таких случаях в качестве аппроксимирующей принимают кривую нормального распределения, по которой устанавливают соответственно теоретические частоты:
1 23 50 82 58 28 2
1 27 57 80 57 27 1
и по формуле (10.53) вычисляют критерий согласия , = (I — I , (23—27)? , (50 - 57)* (82 — SO)2
Хэ I 27 57 80
(58-57)* (28-27)* (2-1)? =
57 27 1 1 '
По количеству разрядов т = 7, констант нормального закона 5=2, q=7—2 = 5. По данным табл. 10.12 в соответствии с р (2,56; 5) определяется =0,774. Это свидетельствует о том, что адекватность удовлетворяется, поскольку 0,774>0,10.
Критерий Романовского определяется отношением
= (10.54)
Число степеней свободы q определяется разностью (10.52). Адекватность удовлетворяется при Ар<3. Для
рассмотренного примера kp— <з. Таким обра-
К2-5
зом, по критериям Пирсона и Романовского гипотеза о принадлежности экспериментальных данных кривой нормального распределения подтверждается.
Критерий Колмогорова kK применяется для оценки адекватности также при большой статистической выборке N.
Чтобы определить этот критерий, статистическую кривую частот преобразовывают в статистическую интегральную функцию, находят наибольшую разность частот между экспериментальной статистической интегральной кривой и соответствующей теоретической интегральной кривой:
D0 = max (2^-2^). (10.55)
Затем вычисляют
\ = D9VN (10.56)
и по значению X в специальных таблицах находят вероятность р(1). Адекватность удовлетворяется, если р(Х)> >0,05, т.е. экспериментальные данные подтверждают ' теоретическое распределение.
10.6. Элементы теории планирования эксперимента
Математическая теория эксперимента 30 определяет условия оптимального проведения исследования, в том числе и лри неполном знании физической сущности явления. Для этого используются математические методы при подготовке и проведении опытов, что позволяет исследовать и оптимизировать сложные системы и процессы, обеспечивать высокую эффективность эксперимента и точность определения исследуемых факторов. Обеспечивается также эффективное управление экспериментом при неполном знании механизма явлений.
Эксперименты обычно ставятся небольшими сериями 'по заранее согласованному алгоритму.
После каждой небольшой серии опытов производится обработка результатов наблюдений и принимается строго обоснованное решение о том, что делать дальше.
При использовании методов математического планирования эксперимента возможно: решать различные вопросы, связанные с изучением сложных процессов и явлений; проводить эксперимент с целью адаптации технологического процесса к изменяющимся оптимальным условиям его протекания и обеспечивать таким образом высокую эффективность его осуществления и др.
Теория математического эксперимента содержит ряд концепций, которые обеспечивают успешную реализацию задач исследования. К ним относятся концепции рандомизации, последовательного эксперимента, математического моделирования, оптимального использования факторного пространства и ряд других.
Принцип рандомизации заключается в том,
что в план эксперимента вводят элемент случайности. Для этого план эксперимента составляется таким образом, чтобы те систематические факторы, которые трудно поддаются контролю, учитывались статистически и затем исключались в исследованиях как систематические ошибки.
При
последовательном проведении эксперимент
выполняется не одновременно, а
поэтапно, с тем чтобы результаты
каждого этапа анализировать и принимать
решение о целесообразности проведения
дальнейших исследований (рис. 10.9). В
результате эксперимента
Эксперимент
по плану (шарага щряНха
Мышение
сте пени полиномиальной модем
В)
Полный
(рсн^^р^ыа
эксперимент
,
ш
адйлг,, 'адекватна
>
Нет
Г
|
атлимвм- них условий и их npoStpxa . . mh 'вденЙатна ? i Ав^ |
Определение оптимума |
||
нет у |
|
||
Повышение степени полинс- томной модели ' |
|
Buiop вптишль- ных tjttoSuu и их пртерпа |
|
Рис 10.9. Структурная схема эксперимента: о —с целью мате магического описания исследуемого процесса; б —с целыо оптимизации исследуемого процесса
получают уравнение регрессии, которое часто называют моделью процесса. Для конкретных случаев математическая модель создается исходя из целевой направленности процесса и задач исследования, с учетом требуемой точности решения и достоверности исходных данных, что обычно производится по критерию Фишера. Так как степень полинома, адекватно описывающего процесс, предсказать невозможно, то сначала пытаются описать явление линейной моделью, а затем, если она неадекват
-на, повышают степень полинома, т.е. проводят эксперимент поэтапно.
В настоящее время изданы каталоги планов эксперимента (например, каталог планов, выпущенный Московским государственным университетом), в которых приводятся сравнительная оценка планов и рекомендации по их выбору применительно к конкретным условиям эксперимента.
Важное место в теории планирования эксперимента занимают вопросы оптимизация исследуемых процессов, свойств многокомпонентных систем или других объектов. Как правило, нельзя найти такое сочетание значений влияющих факторов, при котором одновременно достигается экстремум всех функций отклика. Например, максимальный крутящий момент двигателя и минимальный расход топлива достигаются при различных режимах работы. Поэтому в большинстве случаев за критерий оптимальности выбирают лишь одну из переменных состояния — функцию отклика, характеризующую процесс, а остальные принимают приемлемыми для данного случая. Методы планирования эксперимента в настоящее время быстро развиваются, чему способствует возможность широкого использования ЭВМ.
