- •Билет №1.
- •1. Классификация ошибок, возникающих при проведении исследований. Промахи: их причины, методы предупреждения и исключения.
- •Билет №2.
- •1. Систематические ошибки, возникающие при проведении исследований. Их причины, методы предупреждения и исключения.Есть ещё и Лизин вар.
- •Билет №3.
- •Билет №4.
- •Билет №5.
- •Билет №6.
- •2. Рандомизация плана эксперимента.
- •Билет №7.
- •1. Группировка результатов наблюдений. Расчёт среднего и дисперсии по результатам группировки.
- •Билет №8.
- •1. Гистограмма и полигон распределения. Обработка результатов ситового анализа.
- •Билет №9.
- •1. Корреляция. Расчёт и проверка значимости коэффициента корреляции
- •Билет №10.
- •Билет №11.
- •2. Условная оптимизация. Использование неопределённых множителей Лагранжа при оптимизации с ограничениями.
- •Билет №12.
- •Билет №13.
- •Билет №14.
- •2. Крутое восхождение.Как метод поиска оптимума.
- •Билет №15.
- •1. Проверка статистических гипотез при обработке результатов эксперимента.
- •Билет № 16.
- •2. Последовательный симплекс-метод оптимизации.
- •Билет № 17.
- •1. Доверительные интервалы. Возможности исключения незначимых коэффициентов.
- •Билет № 18.
- •Билет № 19.
- •1. Проверка адекватности уравнения регрессии. Анализ причин неадекватности и путей её устранения.
- •2. Графический метод решения задач линейного программирования.
- •Билет № 20.
- •Билет № 21.
- •Билет № 22.
- •Билет № 25.
Билет №11.
1. Цели и способы получения информации о дисперсии воспроизводимости отклика. Проверка гипотезы о незначимости различия ряда дисперсий по критерию Кохрена.
Дисперсия воспроизводимости откликов находится для того, чтобы реально оценить элементы матрицы дисперсий-ковариаций коэффициентов регрессии. Правда практически невозможно вычислить генеральную дисперсию , но т.к. , вместо генеральной подставляют значение выборочной дисперсии, которую легко посчитать по результатам параллельных опытов. , где n – кол-во параллельных опытов.
Проверка стат гипотезы о незначимости различия ряда дисперсий. Гипотезу проверют с помощью G-критерия (критерий Кохрэна) - (если соблюдается, то гипотеза принимается), критерий G берут из таблиц для заданного уровня значимости, кол-ва опытов и числа дублирования каждого опыта.
2. Условная оптимизация. Использование неопределённых множителей Лагранжа при оптимизации с ограничениями.
Опт-ция при ограничениях. Задача о складской площадке..
Ранее, использовав подстановку мы превратили нашу зад в зад бузусловной оптим-ции. В данном виде речь идет об усл опт-ции, тк требование мини-ции целевой ф-ции сопр-ся огр-ем .для решегия подобных задач анал-ким методом м исп-ть метод неопределенных множителей Лангранжа.Приведем имеющееся ограничение к виду
Кол-во гораничений не д превышать числа аргументов.Ф-я Лангранжа:
-неопределенный множитель. Матем-ки доказано, ч ф-я Л имеет безусл-ный экстемум при тех знач-ях аргументов х1,х2….х ,при к-ыхцелевая ф-я имеет усл.экстремум. Ф-я имеет больше аргументов, чем , тк в нее входят доп Эл-ты Найдем корд безусл-ого экстр-ма ф-ции Л:
Билет №12.
1. Уравнения регрессии и их связь с представлением многоаргументной функции в виде ряда Тейлора.
Регрессия и регресс-ный анализ исп-ся для аппроксимации рез-тов э-та разл-ми аналитическими зависимостями. Сущ-ет линейная, парабол-кая аппр-ция. Р-я_ получение зависимости в усл-ях неопред-сти.Анализ имеет статистич-кий хар-р, а не функц-ный.
1.табл № х у 2.график х(у) 3.в поле разброса м провести такую линию, кот наил образом будет хар-ть изучаемую зав-сть
2. Эксперимент при поиске экстремума. Метод сканирования. Метод Гаусса-Зайделя.
Поисковые методы оптимизации.Сплав 3хим Эл-та.обеспечить макс прочности.
1Метод сканирования пространства аргументов.
По окончанию э-та будут известны знач-я целевой ф-ции в узлах сетки(каждом). При этом легко обнар-ть области, в к-ых зн-я целевой ф-ции больше чем в др.
Достоинство:простота;возможн-сть обнаруж-я всех экстремумов, если их несколько.
Недостаток:мн-во Эл-тов. С увел кол-ва факторов происходит недопустимое возрастание vэкспер-ной работы.
«метод Гаусса-Зайделя(покоординатного дв-я)
После выбора исх точки и реализации в ней 1ого э-та, нач-ют дв-е паралл-но 1 из всех корд, т е стабилиз-ют все факторы кроме 1ого. След э-т делают на некот-ом удалении от 1ой точки. Если ре-т этого э-та ок-ся лучше,продолжаем дв-е впрежнем напр-нии до тех пор, пока рез-т не станет хуже. В этом сл возр-ся к прошлой т-ке и нач-ют дв-е в напр-нии паралл оси след фактора. Здесь общее кол-во опытов довольно велико, но оно заметно меньше, чем при сканировании.
Недостатки:1невозм-сть обнар-я всех экст-мов2не сформул-но правило для выбора вел-ны шага3довольно большой V4нед-ки обусловлены тем,что факторы м меняться т-ко по 1му