Композиционные материалы в технике и исследование возможностей получения изделий из разнородных материалов в литейном производстве. Ковалева А.В - 76 стр.

UptoLike

ВУЗ: 

ПГУ | Пенза

Составители: 

Рубрика: 

личины показателей степени факторов, добиваясь точности математических
моделей.
2.4 Экспериментальные данные для прогнозного математического моде-
лирования
Комплекс исследований, проводимых в данной работе, предусматривает
предварительную обработку широкого спектра экспериментальных данных.
Поэтому выбор методики оценки и обработки результатов эксперимента, учи-
тывающей влияние комплекса условий его проведения являлся одной из основ-
ных задач данной работы.
На данный момент существует множество способов математического
анализа данных. [12, 13, 14] Для обработки экспериментальных данных в рабо-
те была использована методика регрессионного анализа. Существует несколько
программных комплексов позволяющих проводить необходимый анализ
(MatLAB, Statistica, Excel и другие). В данной работе использовался инструмен-
тарий Microsoft Office, в частности Excel.
Регрессионный анализ данных позволяет получить оценку влияния пе-
ременных, рассматриваемых в качестве аргументов (независимых переменных)
на переменную, которая считается зависимой от первых.
В Excel реализован набор методов линейной и фиксированной нелиней-
ной регрессии. Эти методы включают простую, множественную, пошаговую
регрессию, модели взвешенных наименьших квадратов. Программа вычисляет
полный набор статистик и расширенных диагностик, включая полную таблицу
регрессии (с значениями стандартной ошибки для В, Beta и свободного члена,
коэффициента детерминации
2
R
и скорректированного
2
R
для моделей с кон-
стантой и без нее и таблицей дисперсионного анализа), матрицы частных и по-
лучастных корреляций, корреляции и ковариации коэффициентов регрессии,
матрицу выметания (обратную матрицу), статистику Дарбина-Уотсона , рас-
стояния Махаланобиса и Кука, удаленные остатки, доверительные интервалы
для предсказанных значений и многие другие статистики.
d
76
личины показателей степени факторов, добиваясь точности математических
моделей.

2.4 Экспериментальные данные для прогнозного математического моде-
лирования

     Комплекс исследований, проводимых в данной работе, предусматривает
предварительную обработку широкого спектра экспериментальных данных.
Поэтому выбор методики оценки и обработки результатов эксперимента, учи-
тывающей влияние комплекса условий его проведения являлся одной из основ-
ных задач данной работы.
     На данный момент существует множество способов математического
анализа данных. [12, 13, 14] Для обработки экспериментальных данных в рабо-
те была использована методика регрессионного анализа. Существует несколько
программных комплексов позволяющих проводить необходимый               анализ
(MatLAB, Statistica, Excel и другие). В данной работе использовался инструмен-
тарий Microsoft Office, в частности Excel.
      Регрессионный анализ данных позволяет получить оценку влияния пе-
ременных, рассматриваемых в качестве аргументов (независимых переменных)
на переменную, которая считается зависимой от первых.
      В Excel реализован набор методов линейной и фиксированной нелиней-
ной регрессии. Эти методы включают простую, множественную, пошаговую
регрессию, модели взвешенных наименьших квадратов. Программа вычисляет
полный набор статистик и расширенных диагностик, включая полную таблицу
регрессии (с значениями стандартной ошибки для В, Beta и свободного члена,
коэффициента детерминации R 2 и скорректированного R 2 для моделей с кон-
стантой и без нее и таблицей дисперсионного анализа), матрицы частных и по-
лучастных корреляций, корреляции и ковариации коэффициентов регрессии,
матрицу выметания (обратную матрицу), статистику Дарбина-Уотсона d , рас-
стояния Махаланобиса и Кука, удаленные остатки, доверительные интервалы
для предсказанных значений и многие другие статистики.


                                       76

Страницы