- •Министерство образования и науки
- •Введение
- •1. Основы теории инженерного эксперимента
- •1.1. Эксперимент как объект исследования
- •1.2. Основы теории обработки результатов эксперимента
- •Анализ случайных ошибок
- •Анализ и исключение грубых ошибок
- •Матрицы корреляционных моментов и корреляционных коэффициентов
- •Вероятностный способ расчета потерь энергии
- •Регрессионный анализ
- •Полный факторный эксперимент (пфэ)
- •Дробный факторный эксперимент (дфэ)
- •Свойства матриц пфэ и дфэ
- •Проведение эксперимента и обработка результатов опыта
- •Проверка адекватности математического описания
- •Обработка результатов эксперимента при неравномерном дублировании опытов
- •Обработка результатов экспериментов при отсутствии дублирования опытов
- •Крутое восхождение по поверхности отклика (метод Бокса-Уилсона)
- •Экспериментальные планы, рекомендуемые для решения электроэнергетических задач
- •Литература
Анализ и исключение грубых ошибок
Грубые ошибки должны быть исключены, так как могут привести к искажению статистических оценок и. При этом пользуются проверкой некоторых статистических гипотез. В качестве основной (нулевой) гипотезы Н0 рассматривается положение, что все элементы N-выборки принадлежат одной генеральной совокупности с N-распределением. В качестве альтернативной гипотезы Н1 - что отдельные элементы N-выборки () имеют:ноили, но(значения среднего и дисперсии не совпадают).
Для анализа используется t-статистика Стьюдента по правилу Томпсона. Рассчитывается статистика:
(15)
При принятом уровне значимости и числе степеней свободыпо табл.t-критерия Стьюдента определяется критическое значение статистики (двусторонний критерий при ).
Критерий исключения аномальных наблюдений:
(16)
Если , то гипотеза Н0 отвергается, если же , то гипотеза Н0 принимается.
При нормальном законе распределения можно использовать критерий «» или «» - соответственно для уровней значимостиq=0,005 и q=0,05.
Тогда если , тоиз выборки исключается, как грубая ошибка (рис. 1.2).
Другой алгоритм проверки:
Н0: Н1:
Из проведения 10 опытов (N=10) получено:
По формуле 8 () определяем статистику:
Так как , то гипотеза Н0 отвергается.
Матрицы корреляционных моментов и корреляционных коэффициентов
Две случайные величины х и у называются независимыми, если:
(17)
Как и в одномерном случае, основные свойства двумерной совокупности величин х и у, могут быть охарактеризованы рядом числовых параметров: . Кроме них для двумерной совокупности, простейшими параметрами, характеризующими степень взаимозависимости переменныхх и у, являются ковариация или корреляционный момент двух случайных величин:
(18)
Для определения взаимных корреляционных моментов дискретных случайных величин х, у по множеству значений величин xi (i=1R1), yj (j=1R2), получаем формулу:
(19)
где под вероятностью понимается общая вероятность тех точек вероятностного пространства, для которых выполняются соотношения .
Для независимых случайных величин х, у совместная вероятность равна произведению индивидуальных вероятностей: при этом.
Расчет математического ожидания дискретных величин и дисперсий производится по формуле:
(20)
где xi - случайная величина, выборка N=1r;
- вероятность каждой из точек xi.
Нормированный показатель связи - коэффициент корреляции определяется по выражению:
(21)
По своему физическому смыслу коэффициент корреляции характеризует степень линейной зависимости между х и у и меняется в пределах Еслито случайные величины полностью положительно коррелированы, т.е.:
(22)
где а0 и а1 - постоянные величины, причем а1>0.
Если то случайные величины полностью отрицательно коррелированны, т.е.:
(23)
Если то величиных и у не коррелированны (независимы), т.е. а1=0.
При экспериментальном анализе двумерной совокупности х, у расчет оценки коэффициента корреляции производят по формуле:
(24)
В настоящее время для расчета статистических оценок разработаны стандартные программы, реализуемые на персональных компьютерах.
Если компоненты случайного вектора обозначаются одной буквой и отличаются только индексами корреляционный момент и коэффициент корреляции могут обозначаться сокращенно:и. Матрицыcov(x) и R(x) имеют следующий вид:
(25)
(26)
Пример №2.
Расчет часов использования максимума Tmax и максимальных потерь max, как случайных величин.
В простейшем случае cos не зависит от режима и величины Т и приближенно находятся по формулам:
(27)
(28)
Введем понятие коэффициента максимума мощности тогда:
(29)
Если рассматривать kP как случайную величину с областью определения на интервале 0Tmax и вероятностью каждой части этого интервала р(), равной то математическое ожиданиеM(kP) и дисперсия могут быть рассчитаны по формулам:
(30)
(31)
Из формул (29, 30, 31) получаем соотношение математического ожидания и величин Tm и :
(32)
Таким образом Tm полностью определяется математическим ожиданием M(kP) и не зависит от дисперсии этой величины. Значение и поэтому между Tmax и не может быть однозначной функциональной связи и разброс значений при заданном Tmax может быть очень значительным, что видно из рис. 1.3, а, б.
На рис. 1.3 (а, б) при общем математическом ожидании имеем разные значения Тmax: Тmax=12 (Тм=Т.М(kP)=24.0,5=12 часов) (а) и Тmax=0.
а)
б)
Если случайная величина х определена на дискретном вероятностном пространстве, то операция интегрирования заменяется непосредственно суммированием:
(33)
Подставляя полученные выражения в формулу для (32) с учетом длины интервала интегрирования Т=24 часа, получим:
часов (рис. 1.3, а)
часов (рис. 1.3, б).
Таким образом, полученные результаты отличаются друг от друга в 2 раза. Приближенная зависимость между Тм и определяется по формуле Залесского:
(34)
где 8760 - интервал интегрирования, равный одному году.
Формула (34) предложена для одно или двухсменного производства с Tmax=8 час. и Tmax=16 часов.
Пример №3.
Определить математические ожидания, дисперсии и корреляционные моменты нагрузок электрических систем.
Часть электрической системы показана на рис. 1.4.
Она связывает районы потребления, нагрузка и генерация которых зависит от большого числа случайных факторов и поэтому является случайной величиной. В целях упрощения расчета рассмотрим электрическую систему постоянного тока. В базисном узле (Б) напряжение равно 200 кВ. Элементами исходного вероятностного пространства будем считать часы суток, вероятность каждого элемента - р(wi) = 1/24, тогда множества значений случайных величин нагрузок определяются суточными графиками, показанными на рис.1.5.
Для определения математических ожиданий и дисперсий нагрузок используем формулу:
(35)
Тогда:
Знак «минус» в МР3учитывает, что в данном узле нагрузки (3) генерация энергии превышает потребление.
Дисперсии нагрузок:
;
;
.
Для определения корреляционных моментов используем формулу:
, (36)
где - общая вероятность тех точек вероятностного пространства, для которых выполняются соотношения: Х(wi) = Xi ; Y(wj) = yi;
wi - точки вероятностного пространства;
R1, R2 - диапазоны значений случайной величины.
Остальные и определяются аналогично.
Дисперсии и корреляционные моменты образуют матрицу корреляционных моментов:
Из этой матрицы можно получить матрицу коэффициентов корреляции, используя формулу :