Студопедия
Случайная страница | ТОМ-1 | ТОМ-2 | ТОМ-3
АрхитектураБиологияГеографияДругоеИностранные языки
ИнформатикаИсторияКультураЛитератураМатематика
МедицинаМеханикаОбразованиеОхрана трудаПедагогика
ПолитикаПравоПрограммированиеПсихологияРелигия
СоциологияСпортСтроительствоФизикаФилософия
ФинансыХимияЭкологияЭкономикаЭлектроника

Обработка результатов эксперимента. Метод наименьших квадратов.

Параметр оптимизации. Виды параметров оптимизации. Требования к параметру оптимизации. | Полный факторный эксперимент типа 2k, его свойства и математическая модель. | Дробный факторный эксперимент. Минимизация числа опытов. Дробная реплика. |


Читайте также:
  1. Case-метод Баркера
  2. I. Методические рекомендации по выполнению самостоятельной работы студентов.
  3. I. Обработка информации, полученной при обследовании
  4. I. Организационно-методический раздел
  5. I. Понятие, формы и методы финансового контроля
  6. II. Материалы и методы
  7. II. МЕТОДИЧЕСКИЕ РЕКОМЕНДАЦИИ ДЛЯ СТУДЕНТОВ

Для правильной интерпретации результатов, используют различные статистические методы обработки данных. Одним из наиболее известных является метод наименьших квадратов.

Суть метода – на имеющемся поле распределения случайной величины необходимо найти уравнение линии минимально удаленной от всех экспериментальных точек.

Проблема заключается в том, что одни точки лежат выше необходимой линии, а другие – ниже, и простое суммирование дает в результате ноль.

Для решения этой проблемы суммируют квадраты этих расстояний.

Для того, чтобы разброс был минимальным необходимо выполнение условия:

 

 

 
 


Очевидно, что

Тогда получим m уравнений вида

       
 
   

 

 


из которых определим

Уравнений получится столько, сколько неизвестных коэффициентов необходимо определить.

Рассмотрим применение метода наименьших квадратов для линейной модели.

Пусть имеем набор экспериментальных данных вида:

Сумма квадратов отклонений от «истинной» прямой

 

 


Дата добавления: 2015-08-20; просмотров: 40 | Нарушение авторских прав


<== предыдущая страница | следующая страница ==>
Ошибки параллельных опытов. Дисперсия параметра оптимизации. Проверка однородности дисперсий.| Проверка адекватности модели. Проверка значимости коэффициентов.

mybiblioteka.su - 2015-2024 год. (0.007 сек.)