- •44. Фракталы, определение и примеры
- •43. Моделирование и подобие. Получение критериев подобия с помощью метода интегральных аналогов (пример с уравнением Навье-Стокса)
- •42. Моделирование и подобие; динамические аналогии; критерии подобия. Пи-теорема.
- •Компьютерные модели в автоматизированном управлении
- •40. Прямой метод Ляпунова
- •39. Подход к оценке устойчивости по линеаризованным уравнениям.
- •38. Определение устойчивости, устойчивость по Ляпунову
- •37. Инвариантность систем.
- •36. Управляемость и наблюдаемость
- •35.Представление в пространстве состояний и модель «вход-выход»
- •34. Единый подход к линеаризации.
- •33. Общая схема нечеткого вывода.
- •32. Нечеткое представление информации; типовые функции принадлежности, мера нечеткости.
- •31. Факторный анализ
- •30. Метод главных компонент
- •1.Среднее арифметическое переменных
- •7. Считаем дискриминантные функции
- •24. Непараметрическая статистика Манна-Уитни.
- •23. Составление статистических оценок ; анализ наиболее часто используемых законов распределения.
- •22. Составление статистической оценки на основе распределения Колмогорова – Смирнова.
- •21. Составление статистической оценки на основе распределения Фишера.
- •20. Составление статистических оценок ; анализ наиболее часто используемых законов распределения.
- •19. Общий подход к составлению статистических оценок
- •18. Проблема оценки адекватности моделей
- •17. Матричная форма мнк при построении модели (этап проверки адекватности полученной модели).
- •16. Матричная форма мнк при построении модели (этап проверки значимости коэффициентов модели).
- •15. Матричная форма мнк при построении модели (этап оценки коэффициентов модели).
- •13. Метод ранговой корреляции по Спирмэну.
- •12. Виды зависимостей. Корр анализ; коэффициенты частной и множественной корреляции.
- •11. Виды зависимостей. Корр анализ; коэфф парной корр-ии.
- •10.Метод наименьших квадратов - базовый метод получения коэффициентов регрессионных уравнений.
- •9.Виды зависимостей. Регрессионный анализ.
- •8. Классификация задач управления; задача оценивания.
- •Классификация задач управления; задача адаптивного управления
- •Классификация задач управления; задача детерминированного и стохастического управления.
- •Классификация задач управления. Задача идентификации.
- •3.Методология построения детерминированных моделей.
- •4.Основные виды зависимостей.
- •2. Общие подходы к построению моделей с учетом характера исходной информации.
- •Классификация моделей.
- •1. Дискретно - детерминированные модели
- •2. Непрерывно - детерминированные модели
- •3. Дискретно - стохастические модели
- •4. Непрерывно - стохастические модели
11. Виды зависимостей. Корр анализ; коэфф парной корр-ии.
Зависимость:1) Функциональная (функция, функционал, оператор)
2) Стохастическая (регрессия, корреляция)
Функционал совокупности функций ставит в соответствие совокупность чисел
Оператор Если заданы два произвольных множества Sx и Sy и дан закон, в соответствии с которым любому x будет соответствовать вполне определенный y , то говорят, что задан оператор. Функция, Функционал и Оператор – отражают действие причинно-следственной связи. Стохастическая связь - это такая зависимость, при которой определенному значению x будет соответствовать множество y. Корреляционный момент (ковариация) или момент связи Кху называют второй смешанный центральный момент, т.е. матем. ожидание произведения центрированных в-н
х°=x-mx и y°=y-my. Kxy=M[(x-mx)(y-my)] Коэффициентом корреляции случайных величин Х и У называется мат. ожидание произведения стандартных случайных величин rxy=M[((x-mx)/σx)((y-my)/σy)] rxy=Kxy/(σxσy) коэффициент корреляции характеризует степень тесноты линейной стохастической связи между случайными величинами
Корреляционный анализ изучает на основании выборки стохастическую зависимость между случайными переменными. Для коэффициента корреляции ρ двух случайных величин х и у справедливо: 1) -1≤ρ≤1 2) при ρ=±1 имеется функциональная связь, т.е. все точки лежат на прямой 3) если ρ=0, то х и у –некоррелированы (но это не говорит об отсутствии связи. Две независимые случайные переменные всегда некоррелированы, но некоррелированные переменные необязательно независимы) Параметр ρ оценивается с помощью: 1) выборочного коэффициента корреляции 2) частного коэффициента корреляции 3) множественного коэффициента корреляции 4) коэффициента корреляции по Спирмэну 5) квадратного коэффициента корреляции и углового критерия 6) коэффициента сопряженности 7) корреляционного отношения
Коэффициент корреляции оценивается наличие корреляции, т.е. гипотеза о том, может ли выборочный коэф. корреляции иметь случайные отклонения от нуля при генеральной совокупности с параметром ρ=0, проверяется на основании t-распределения с (n-2) степенями свободы если гипотеза Н0: ρ=0 отклоняется. Для оценки коэффициента корреляции можно воспользоваться и статистикой подчиненной F- распр. Проверку разности между r и ρ можно осуществить статистикой подчиненной нормальному закону распределения.
10.Метод наименьших квадратов - базовый метод получения коэффициентов регрессионных уравнений.
1. Линейный одномерный случай y = a0 + a1x 2. Параболическая или степенная регрессия
3. Линейная множественная регрессия
МНК имеет три этапа: 1 этап Определение коэффициентов а. 2 этап Оценка достоверности коэффициентов а. 3 этап Проверка адекватности модели.
Требуемые условия. 1. Результаты наблюдений свободны от систематических ошибок E - математическое ожидание. 2. Результат наблюдений в точке xj не зависит от результата наблюдений в точке xi . 3. Дисперсия результатов наблюдений во всех точках одинакова. для любых i. 4. Оценка является несмещенной
5. Дисперсия оценки должна быть минимальна где - оценка, которая еще пока не найдена.
Так как S/a = 0 то следовательно
x i