- •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
24. Непараметрическая статистика Манна-Уитни.
(применяется при малых выборок)
Критерий применяется для проверки идентичности двух совокупностей.
Пусть взята одна выборка объемом n (символ x), выборка объема m (символ у). Предполагаем, что обе выборки взяты из одного ансамбля. Затем (n+m) наблюдений записываются в порядке возрастания, и при этом фиксируется ранг или номер позиции.
- общее количество возможных структур.
Рассчитаем ранги:
R1 – сумма рангов символа (x)
R2 – сумма рангов символа (y)
Рассчитывается по таблице в зависимости от α, m, n. Значение u(α, m, n). Среди двух статистик U1 и U2 выбирается наименьшее значение и сравнивается с табличным значением. Но отвергается, если меньшее значение меньше табличного.
23. Составление статистических оценок ; анализ наиболее часто используемых законов распределения.
- Теория вероятностей - Математическая статистика Практические задачи. Сравнить работу двух установок, если имеется некоторая статистика по обеим установкам. 1. Н0 Нальтер. 2. Сформировать статистику 3. Законы распределения
Статистики; 1) Параметрические(нормальный, малый объем выборки) 2) непараметрические (неизвестен закон распределения малый объемы выборки) Должны работать критерии согласия (сравнивают кривые распределения 2, Колмогорова - Смирнова). Сравнение двух выборок а). по среднему арифметическому (распределение Стьюдента) б). по дисперсии (распределение Фишера, при малом объеме выборки - критерий Манна - Уитни)
22. Составление статистической оценки на основе распределения Колмогорова – Смирнова.
Критерий Колмогорова- Смирнова(Критерий согласия)
Цели: 1) Проверка согласия 2-х выборок 2) Проверка тождественности эмпирической и теоритической кривых распределения (непараметрический аналог 2)
Если критерий χ2 лучше чувствует нерегулярность распределения, то критерий Колмогорова-Смирнова хорошо показывает отклонение от формы.
Алгоритм применения критерия.
Расчет эмпирических кривых распределения: F1n(x), F2n(z).
1-ая выборка х1, х2,…,хn,
2-ая выборка z1, z2,…,zm;
Для этого упорядочим в порядке возрастания каждую последовательность x и z, построим кумулятивную функцию распределения.
Определение верхнего предела (или верхней грани) – Dn,m - модуля эмпирических распределений.
Определение при заданном уровне значимости табличного значения Dα. (Dα – рассчитывается по сложной формуле).
Сравнение значений Dn,m и Dα .Если Dn,m < Dα , то гипотеза о торжественности двух выборок не отвергается.
Пример.
Игральную кость бросали 120 раз. Частоты чисел от 1 до 6 : 18, 23,15,21,25, 18.
Соответствует ли данное эмпирическое распределение нуль-гипотезе
Но – кость идеальна. Безупречна ли данная кость?
|
20 |
40 |
60 |
80 |
100 |
120 |
|
15 |
33 |
51 |
72 |
95 |
120 |
|
5 |
7 |
9 |
8 |
5 |
0 |
0,075
Нулевая гипотеза не отклоняется.