Математические методы в проектировании изделий электроники кр
.pdfПолную дисперсию ( ) можно рассчитать по формуле:
|
|
|
|
|
225923,064 |
|
||
( ) = ∑[ − ( )]2 / − 1 = |
= 7790,45. |
|||||||
|
|
|||||||
|
|
|
29 |
|
||||
=1 |
|
|
|
|||||
|
|
|
|
|
|
|
||
Подставив данные значения, получается |
||||||||
|
= |
ад( ) |
= |
7939,759 |
= 1,02. |
|
||
|
|
|
||||||
расч |
|
( ) |
7790,45 |
|
|
|||
|
|
|
|
кр определяется по таблицам распределения Фишера для заданного уровня значимости, принимая во внимание, что число степеней свободы для общей суммы квадратов (большей дисперсии ) 1 = − = 30 − 2 = 28 и число степеней свободы остаточной суммы квадратов (меньшей дисперсии) при линейной регрессии равно 2 = − 1 = 30 − 1 = 29. кр = 4,2.
Таким образом,
расч < кр
1,02 < 4,2
Об удачности линейного уравнения регрессии можно судить также по значению коэффициента детерминации 2:
|
|
|
2 = ∑[ ( ) − |
]2 / ∑[ ( ) − ]2 |
= 0,013. |
расч |
|
|
=1 |
=1 |
|
Коэффициент детерминации 2 показывает, какая доля вариации отклика y объясняется изменением 5 (1,3 %).
Средняя относительная ошибка (в процентах):
|
1 |
|
| |
− |
| |
|
∆= |
|
∑ |
расч |
|
|
∙ 100% = 64,52 %. |
|
|
|
|
|||
|
|
|
|
|
||
|
|
=1 |
|
|
|
|
|
|
|
|
|
|
Поскольку ошибка 64,52 %, то данное уравнение нельзя использовать в качестве регрессии.
Для реализации пошагового регрессионного анализа в первую очередь необходимо будет исключить фактор с наименьшим расчетным значением
( а0 расч = 0,22).
Используя инструмент «Регрессия», включенный в настройку «Анализ
данных» программы Microsoft Excel, для линейного полинома = 1 |
1 + |
|
2 2 + + 3 3 + 4 4 + 5 5 были |
получены коэффициенты 1, 2, 3 |
, 4, |
5 (рисунок 2.3). |
|
|
21
Рисунок 2.3 – Получение коэффициентов 1, 2, 3, 4, 5 для линейной полиномы = 1 1 + 2 2 + + 3 3 + 4 4 + 5 5
Значения коэффициентов регрессии и результаты проверки их статистической значимости, полученные при реализации процедуры пошагового регрессионного анализа, заносятся в таблицу 2.2.
Таблица 2.2 – Значения коэффициентов регрессии и результаты проверки их статической значимости
|
Точечная |
Критерий Стьюдента |
Решение о |
||
Коэффициент |
|
|
статистической |
||
расчетное |
критическое |
||||
оценка |
|||||
модели |
значение, |
(табличное) |
значимости |
||
коэффициента |
|||||
|
| расч| |
значение, кр |
коэффициента |
||
|
|
||||
1 |
5,69 |
4,70 |
2,0595 |
значим |
|
2 |
−0,37 |
2,32 |
2,0595 |
значим |
|
3 |
−1,25 |
3,87 |
2,0595 |
значим |
|
4 |
−3,65 |
4,16 |
2,0595 |
значим |
|
5 |
2,01 |
4,40 |
2,0595 |
значим |
Расчетные значения а1 расч, а2 расч, а3 расч, а4 расч, а5 расч больше
табличного. Таким образом, статистическая значимость коэффициентов регрессии подтверждается.
Конечный вид уравнения регрессии, полученного с помощью пошагового регрессионного анализа:
= 5,69 1 − 0,37 2 − 1,25 3 − 3,65 4 + 2,01 5.
22
Об удачности линейного уравнения регрессии можно судить также по значению коэффициента детерминации 2:
|
|
|
|
|
|
|
|
|
|
|
|
|
2 = ∑[ ( ) − |
]2 / ∑[ ( ) − |
]2 = 0,735. |
|
|
|
|||||
|
расч |
|
|
|
|
|
|
|
|
|
|
|
=1 |
=1 |
|
|
|
|
|
|
|
|
|
|
Коэффициент детерминации 2 показывает, какая доля вариации |
||||||||||
отклика y объясняется изменениями 1, 2, 3, |
4, 5 (99,6 %). Чем ближе |
||||||||||
2 к |
единице, тем лучше функция = |
+ |
+ |
+ |
+ |
||||||
|
|
1 |
1 |
2 |
2 |
3 |
3 |
4 |
4 |
5 |
5 |
описывает поведение отклика y. Считается, что модель удовлетворительно описывает y, если 2 ≥ 0,8. Проверка адекватности построенной регрессионной модели исходным данным является обязательной.
Для адекватной модели рассчитывается характеристика точности, такая как средняя относительная ошибка (в процентах):
|
1 |
|
| |
− |
| |
|
∆= |
|
∑ |
расч |
|
|
∙ 100% = 4,98 %. |
|
|
|
|
|||
|
|
|
|
|
||
|
|
=1 |
|
|
|
|
|
|
|
|
|
|
В среднем, расчетные значения отклоняются от фактических на 4,98 %. Поскольку ошибка меньше 5 %, то данное уравнение можно
использовать в качестве регрессии. |
|
|
|
|
|
|||||||||||
|
|
Заключение |
о |
статистической значимости линейного полинома |
||||||||||||
= 5,69 1 − 0,37 2 |
− 1,25 3 |
− 3,65 4 + 2,01 5 экспериментальным данным |
||||||||||||||
принимают с помощью F-статистики Фишера по формуле |
|
|||||||||||||||
|
|
|
ад( ) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
= |
= (∑[ − |
]2 / − )/ |
(∑[ − ( )]2 |
/ − 1), |
||||||||||
|
|
|||||||||||||||
расч |
|
( ) |
|
|
|
|
расч |
|
|
|
|
|
|
|
||
|
|
|
=1 |
|
|
|
|
|
|
|
|
|
=1 |
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
где |
− число опытов эксперимента; |
|
|
|||||||||||||
|
– число значимых коэффициентов в построенной модели; |
|
||||||||||||||
|
( ) − оченка математического ожидания отклика (среднее значение ), |
|||||||||||||||
|
|
|
подсчитанное по результатам всех опытов: |
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
( ) = ∑( ) / . |
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
=1 |
|
|
||
|
|
|
|
|
|
|
= |
ад( ) |
= |
78,646 |
|
= 0,261. |
|
|||
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
расч |
|
|
( ) |
|
|
301,675 |
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
кр определяется по таблицам распределения Фишера для заданного уровня значимости, принимая во внимание, что число степеней свободы для
23
общей суммы квадратов (большей дисперсии ) 1 = − = 30 − 2 = 28 и число степеней свободы остаточной суммы квадратов (меньшей дисперсии) при линейной регрессии равно 2 = − 1 = 30 − 1 = 29. кр = 4,2.
Значение определяется по следующей формуле:
|
|
= ∑[ − ( , , )]2 = ∑(∆ )2 |
= 2202. |
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
=1 |
|
|
|
=1 |
|
|
|
|
|
||
|
Результаты расчетов представлены в таблице 2.3. |
|
|
||||||||||
Таблица 2.3 – Результаты расчетов |
|
|
|
|
|
|
|
||||||
|
|
|
|
Использование критерия |
|
|
|
|
|
||||
|
|
|
|
|
|
Фишера |
|
|
|
|
|
Средняя |
|
|
Уравнение регрессии |
|
|
|
Усло- |
|
Заклю- |
|
|
|
относи- |
|
|
|
|
|
|
|
чение |
|
|
|
тельная |
2 |
|||
|
(модель) |
|
|
|
вие |
|
|
|
|||||
|
|
расч |
кр |
|
об |
|
|
|
ошибка |
|
|||
|
|
|
|
адекват- |
|
|
|
|
|
||||
|
|
|
|
|
|
|
адекват- |
|
|
|
∆, % |
|
|
|
|
|
|
|
|
ности |
|
|
|
|
|
||
|
|
|
|
|
|
|
ности |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Линейная |
|
|
|
|
расч |
|
|
|
|
|
|
|
|
= 5,69 |
− 0,37 − |
|
|
|
|
|
|
|
|
|
|
|
|
1 |
2 |
|
0,261 |
4,2 |
|
|
Значим |
|
2202 |
|
4,98 |
0,735 |
|
−1,25 3 − 3,65 4+ |
|
< |
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|||
|
+2,01 5 |
|
|
|
|
кр |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Вывод:
В результате пошагового регрессионного анализа многофакторного эксперимента были исключены факторы, влияние которых на отклик
статистически незначимо. |
Таким образом, модель |
приняла вид |
= 5,69 1 − 0,37 2 − 1,25 3 |
− 3,65 4 + 2,01 5. Проверка |
существенности |
уравнения данной модели с помощью коэффициента детерминации 2 установило, что доля 73,5 % вариации отклика y объясняется изменениями 1,2, 3, 4, 5. С помощью F-статистики Фишера было выявлено, что найденная оценка уравнения регрессии статистически надежна. Для адекватной модели была рассчитана средняя относительная ошибка ∆ = 4,98 %, которая означает, что данное уравнение можно использовать в качестве регрессии.
24
Список использованных источников
[1] Боровиков, С. М. , А. И. Бересневич, Е. Н. Шнейдеров, Т. В. Малышева, В. Е. Галузо Математические методы в конструировании и технологии радиоэлектронных средств : метод. пособие к практ. занятиям для студ. спец. «Моделирование и компьютерное проектирование РЭС» и «Проектирование и производство РЭС» всех форм обучения / С. М. Боровиков [и др.] ; под ред. С. М. Боровикова. – Минск : БГУИР, 2011. – 80 с. : ил.
25