- •Кафедра эттм «Эксплуатация транспортно-технологических машин»
- •Содержание
- •2.2 Методы научного исследования 8
- •4.2 Тесты 34
- •5.5 Тесты 46
- •Обозначения:
- •Введение
- •1 Предварительная обработка экспериментальных данных 4
- •1.1 Вычисление характеристик эмпирических распределений
- •1 Содержание и объем отчета по самостоятельной работе
- •Оглавление Введение 3
- •1.1 Основные правила оформления пояснительной записки
- •2 Наука. Научное исследование
- •2.1 Основные сведения
- •Теория без практики мертва. Практика без теории неэффективна
- •2.2 Методы научного исследования
- •2. 3 Тесты:
- •2 Процесс научного исследования?
- •Синтез?
- •8 Индукция?
- •9 Дедукция?
- •10 Аналогия?
- •11 Моделирование?
- •12 Виды моделей?
- •13 Абстрагирование?
- •14 Метод «исторической аналогии»?
- •15 Теория подобия?
- •16 Теория?
- •17 Гипотеза?
- •18 Эвристика?
- •19 Математическая модель?
- •20 Закон?
- •21 Виды научных задач?
- •22 Наблюдение?
- •23 Теоретические задачи?
- •24 Эмпирические задачи?
- •25 Наука?
- •26 Цель науки?
- •27 Развитие науки?
- •28 Путь познания?
- •29 Процесс познания?
- •30 Познание?
- •31 Практика?
- •32 Научное исследование?
- •33 Методология?
- •3. Предварительная обработка экспериментальных данных
- •3.1 Основные понятия теории вероятностей и математической статистики
- •3.1.1 Относительная частота и вероятность
- •Генеральная совокупность и выборка
- •Вычисление характеристик эмпирических распределений (выборочных характеристик). Точечные оценки. Моменты
- •Распределение случайных ошибок измерения
- •3.3. Нормальный закон распределения
- •3.4 Основные законы распределения случайных величин
- •4 Пример статистической обработки данных
- •4.1 Порядок выполнения работы
- •Варианты заданий: Исходные данные и результаты расчетов
- •4.1.1 Отсев грубых погрешностей
- •4.1.2 Проверка гипотезы нормальности распределения
- •4.2 Тесты
- •Цель предварительной обработки экспериментальных данных?
- •2 Методы отсева грубых погрешностей?
- •3 Методы проверки гипотезы нормальности распределения?
- •4 Отличие между генеральной совокупностью и выборкой?
- •5 Закон больших чисел?
- •3. Меру рассеивания случайной величины. 4. Меру рассеивания генеральной совокупности.
- •20 Стандартное нормальное распределение?
- •21 Логарифмически-нормальное распределение?
- •22 Эксцесс? 23 Асимметрия?
- •24 Размах варьирования?
- •1. Случайная величина, у которой математическое ожидание равно 0, а дисперсия равна 1.
- •2. Случайная величина, у которой математическое ожидание равно 1, а дисперсия равна 0.
- •5.1 Факторы
- •5.2 Априорное ранжирование факторов
- •5.3. Порядок выполнения работы:
- •5.4 Варианты заданий:
- •5.5 Тесты
- •9. Учет «связанных» рангов? где п - произведение
- •10. Чему равно число факторов tj?
- •1. Стьюдента. 2. Фишера. 3. Кохрена. 4. Пирсона.
- •31. Априорная информация?
- •32. Цель априорного ранжирования факторов?
- •В зависимости от числа степеней свободы f
- •Критические значения для отсева грубых погрешностей
- •Процентные точки распределения Стьюдента
- •Критические границы отношения r/s
- •Предварительная обработка экспериментальных данных
5.1 Факторы
Факторы - это способы непосредственного воздействия на объект исследования, их также называют входами "черного ящика".
Фактором называется измеряемая переменная величина, принимающая в некоторый момент времени определенное значение. Фактор считается заданным, если вместе с его названием указана область его определения. Под областью определения понимается совокупность всех значений, которые в принципе может принимать данный фактор.
Факторы разделяются на количественные и качественные, а также на: управляемые, контролируемые и возмущающие. Управляемые - это факторы, на которые можно воздействовать с целью изменения значений параметра оптимизации. Контролируемые переменные измеряют в процессе исследования, но не изменяют целенаправленно. Возмущающие переменные недоступны для измерения, они неконтролируемые, их значения изменяются во времени случайным образом.
Требования к факторам: управляемость и однозначность. Факторы должны быть непосредственными воздействиями на объект. Чтобы точно определить фактор нужно указать последовательность операций, с помощью которых устанавливаются его конкретные значения, то есть фактор должен быть операциональным. Точность замера факторов должна быть наиболее высокой.
К совокупности факторов предъявляются следующие два требования: совместимость факторов и независимость - отсутствие линейной корреляции между факторами.
Каждый фактор может принимать в опыте одно из нескольких значений - уровней. Фиксированный набор уровней факторов, то есть установление каждого фактора на некоторый уровень, определяет одно из состояний "черного ящика". Это условия проведения одного из возможных опытов.
Чтобы узнать количество опытов - число различных состояний "черного ящика", необходимо число уровней факторов - "р" возвести в степень числа факторов - "к":
N = p k.
Простая система с пятью факторами на пяти уровнях имеет 5 5 = 3125 состояний, а для десяти факторов на четырех уровнях необходимо уже более миллиона опытов.
В исследование нужно включать все существенные факторы, которые могут влиять на процесс.
Если число факторов велико, то нужно обратиться к методам отсеивания несущественных факторов: формализация априорной информации, метод случайного баланса, планы Плакетта - Бермана и др..
5.2 Априорное ранжирование факторов
Метод экспертных оценок применяют для выделения наиболее существенных, статистически значимых факторов с целью сокращения числа проводимых опытов. Иногда этот метод называют - метод ранговой корреляции, формализация априорной информации и т.д.
Факторы ранжируют по литературным источникам и опрашиваемым экспертам. Наиболее важному фактору присваивается наивысший ранг - "к", следующему по важности - ранг "к-1" и далее до "1", соответствующего наименее значимому фактору. Если эксперт не может предпочесть один фактор другому, то каждому из них приписывается один и тот же "связанный" ранг, равный среднему арифметическому этих рангов. Число существенных факторов и сумма рангов у одного эксперта могут отличаться от подобных показателей другого эксперта, поэтому результаты корректируют, а затем сводят в таблицу, по результатам которой строят диаграмму рангов факторов.
Степень согласованности мнений экспертов относительно рангов факторов оценивается коэффициентом конкордации (согласованности, согласия) - W.
где:
- сумма квадратов
отклонений рангов факторов от их среднего
арифметического;
m - количество опрашиваемых специалистов (экспертов);
k - количество факторов;
-
учет "связанных" рангов;
tj - число факторов, имеющих одинаковый ранг в группе ранжирования конкретного эксперта.
Коэффициент конкордации может изменяться от 0 до 1. При полной согласованности мнений специалистов W = 1.
Значимость коэффициентов конкордации оценивают с помощью статистических критериев, например, с использованием критерия Пирсона - c2 ( ХИ-квадрат) - при числе степеней свободы f = k - 1. Критерий Пирсона можно применять для проверки согласия с любым законом распределения.
Если расчетное значение критерия больше табличного, то коэффициент конкордации статистически значим. В этом случае по построенной диаграмме рангов можно выделить группу факторов, наиболее влияющих на исследуемый процесс. Если суммы рангов факторов убывают равномерно, без резкого перепада, то выделить наиболее важную группу факторов сложно.
Рассмотрим условный пример. Семь экспертов оценивают влияние десяти факторов на исследуемый процесс.
