Методика регрессионного анализа
Проверка модели на адекватность производиться с использованием F-критерия Фишера:
Где – числа степеней свободы для
и
:
mg width=172 height=20 src="images/referats/11770/image042.png">
Просчитаем экспериментальное значение:
По таблицам значения критерия Фишера (приложения 3) для q = 0,05 находим:
Так как выполняется условие значит модель адекватна.
Так как у нас , то нет необходимости определять значимость обратного отношения дисперсий.
Проверка на информативность [1, с. 97-99]
Коэффициент множественной корреляции R определяется по формуле:
Посчитанное значение R = 0,997 которое очень близко к единице.
Гипотезу о значимости множественного коэффициента корреляции проверяют по F-критерию:
Где – суммы квадратов отклонений – связанная с
коэффициентом модели и остаточная;
– числа степеней свободы для
и
.
В нашем случае:
По таблицам значения критерия Фишера для q = 0,05 находим:
Поскольку , то гипотеза о статистической незначимости R не принимается – это значит, что коэффициент множественной корреляции R является статистически значимым.
Проверка на устойчивость коэффициентов математической модели к случайным составляющим в исходной информации [1, с. 99-101]
Коэффициенты математической модели должны быть устойчивы к малым случайным изменениям в исходных данных, полученных в процессе эксперимента. Для количественно показателя устойчивости коэффициентов математической модели будем использовать меру обусловленности матрицы по Нейману-Голдстейну.
Для определения меры обусловленности по Нейману-Голдстейну P необходимо найти собственные числа для матрицы Фишера , решая уравнение:
Где – собственные числа для информационной матрицы Фишера
Поскольку коэффициенты b4 и b7 статистически незначимы, тога соответствующие столбцы матрицы X отбрасываются и размер матрицы становится , размер обратной матрицы -
, а размер матрицы Фишера -
:
Так как все эффекты в матрице Фишера ортогональны друг другу и нормированы, то:
Находят – максимальное и минимальное собственное число для информационной матрицы Фишера
:
Мера обусловленности по Нейману-Голдстейну:
Другая мера обусловленности матрицы обозначается латинским сокращением cond:
- обозначение нормы матрицы. При этом предполагается, что матрица
невырождена.
Известны несколько видов норм для матрицы А. Каждой из векторных норм соответствует своя подчиненная норма матрицы. Будем использовать следующую форму:
что означает выбор по всем столбцам j максимальной суммы абсолютных значений элементов по строкам i (m – число строк матрицы А).
Так как все эффекты в расширенной матрице X ортогональны друг другу, то:
Для матрицы каждая по столбцам
. Для матрицы
каждая по столбцам
.
Число обусловленности в этом случае будет:
Что подтверждает результат, полученный предыдущим методом.
Проверка фактической эффективности извлечения полезной информации из исходных данных [1, с. 101-102]
Косвенным показателем эффективности может быть число обусловленности cond для полученной модели. Так как значит эффективность можно считать хорошей.
Проверка правильности описания полученной математической модели по всей области моделирования [1, с. 102]
Полученную математическую модель желательно проверить по контрольной выборке. С использованием ПС ПРИАМ можно построить трехмерное изображение поверхности отклика, и проанализировать полученную поверхность, сравнивая минимальные и максимальные расчетные значения с допустимыми физическими значениями отклика. Возможен также поиск минимума и максимума по модели
с использованием ЛПτ равномерно распределенных последовательностей и сравнения с физически возможными значениями отклика.
Другие рефераты на тему «Математика»:
Поиск рефератов
Последние рефераты раздела
- Анализ надёжности и резервирование технической системы
- Алгоритм решения Диофантовых уравнений
- Алгебраическое доказательство теоремы Пифагора
- Алгоритм муравья
- Векторная алгебра и аналитическая геометрия
- Зарождение и создание теории действительного числа
- Вероятностные процессы и математическая статистика в автоматизированных системах