Файл: Химмельблау Д. Анализ процессов статистическими методами.pdf
ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 09.04.2024
Просмотров: 728
Скачиваний: 2
Таблица П.8.4.3
М а к с и м и з а ц ия А при различных предположениях об элементах матриц Г и й дл я определения начального плана экспериментов
|
а) соц = э°, |
(022 = |
0 |
0 |
, |
(012 = (021 = 0 |
|
|
|
||||
Р12 |
°! |
|
|
ХІА |
|
|
|
ХІВ |
Ж 2 А |
Х2В |
Целевая функция Л |
||
0 |
i |
1 |
|
0 |
|
|
|
|
0,573 |
0,280 |
0,720 |
4 , 4 0 - Ю - з |
|
0 |
0,1 |
1 |
|
0,280 |
|
|
|
0,720 |
0 |
0,580 |
2,42 - Ю - з |
||
0 |
i |
ОД |
|
0,351 |
|
|
|
0 |
0,280 |
0,720 |
2,42 - Ю - з |
||
0 |
103 |
Ю - 3 |
|
0,351 |
|
|
|
0 |
0,281 |
0,719 |
2,20-103 |
||
0 |
Ю-з |
103 |
|
0 |
|
|
|
|
0,582 |
0,280 |
0,720 |
2,20-103 |
|
0,5 |
1 |
1 |
|
0 |
|
|
|
|
0,582 |
0,269 |
0,428 |
2,11 - Ю - з |
|
0,5 |
103 |
Ю-з |
|
0,351 |
|
|
|
0 |
0,280 |
0,720 |
2 , 2 0 - Ю 3 |
||
0,5 |
Ю - 3 |
103 |
|
0 |
|
|
|
|
0,585 |
0,281 |
0,719 |
2,20-103 |
|
|
б) |
CÛ11 = |
1, |
(022 = |
|
1, |
(012 = «21 = О |
|
|
|
|||
Р12 |
|
° І |
|
ХІА |
|
|
|
Х1В |
Х2А |
Х2В |
Целевая функция Д |
||
0 |
1 |
i |
|
0,280 |
|
|
|
0,720 |
0,280 |
7,720 |
1,555 |
|
|
0 |
0,1 |
i |
|
0,280 |
|
|
|
0,720 |
0,280 |
0,720 |
1,305 |
|
|
0 |
1 |
0,1 |
|
0,280 |
|
|
|
0,720 |
0,280 |
0,720 |
1,305 |
|
|
0 |
103 |
Ю-з |
|
0,279 |
|
|
|
0,721 |
0,347 |
0,001 |
2,36-103 |
||
0 |
Ю-з |
103 |
|
0,282 |
|
|
|
0,718 |
0 |
0,593 |
2 , 4 6 - Ю 3 |
||
0,5 |
1 |
1 |
|
0,281 |
|
|
|
0,719 |
0,284 |
0,716 |
1,278 |
|
|
0,5 |
103 |
l u " 3 |
|
0,291 |
|
|
|
0,709 |
0,360 |
0,005 |
2,33-103 |
||
0,5 |
Ю - 3 |
103 |
0,282 |
|
|
|
0,718 |
0 |
0,593 |
2,46-103 |
|||
|
В) |
(OU = |
102, |
Ю 2 2 |
= |
= |
10-2, 0)12 == (021 = 0 |
|
|
|
|||
Р12 |
0-2 |
° ï |
|
Х1А |
|
|
|
Х1В |
Х2А |
хгв |
Целевая функция Д |
||
0 |
1 |
1 |
0,274 |
|
|
|
0,726 |
0,277 |
0,723 |
8,307 |
|
||
0 |
0,1 |
1 |
0,280 |
|
|
|
0,720 |
0,280 |
0,720 |
5,020 |
|
||
0 |
1 |
0,1 |
0,279 |
|
|
|
0,721 |
0,279 |
0,721 |
5,020 |
|
||
0 |
103 |
Ю-з |
0,341 |
|
|
|
0 |
0,277 |
0,723 |
5,85-103 |
|||
0 |
Ю-з |
103 |
0,280 |
|
|
|
0,720 |
0,280 |
0,720 |
3,66-103 |
|||
0,5 |
1 |
1 |
0,351 |
|
|
|
0 |
0,351 |
0 |
4,652 |
|
||
0,5 |
103 |
Ю - 3 |
0,351 |
|
|
|
0 |
0,280 |
0,720 |
5,85-103 |
|||
0,5 |
Ю-з |
103 |
0,280 |
|
|
|
0,720 |
0,280 |
0,720 |
3 , 6 5 - Ю 3 |
|||
|
Г) |
(ОЦ = |
10-2, |
0)22= |
|
102, (0 1 2 = |
(021 = 0 |
|
|
|
|||
|
С2 |
|
|
ЧА |
|
|
|
|
|
Ѵ 2 А |
|
Целевая функция Ь |
|
|
|
|
|
|
|
|
|
|
|
||||
|
1 |
1 |
0,280 |
|
|
|
0,720 |
0,280 |
0,720 |
49,23 |
|
||
|
0,1 |
1 |
0,279 |
|
|
|
0,721 |
0,281 |
0,719 |
27,52 |
|
||
|
1 |
0,1 |
0,280 |
|
|
|
0,720 |
0,280 |
0,720 |
27,52 |
|
||
|
Ю 3 |
Ю-з |
0,280 |
|
|
|
0,720 |
0,280 |
0,720 |
2,41 •10* |
|||
|
Ю - 3 |
103 |
0 |
|
|
|
|
0,577 |
0,280 |
0,720 |
2,63-10* |
||
|
1 |
1 |
0,280 |
|
|
|
0,720 |
0,280 |
0,720 |
25,11 |
|
||
|
103 |
Ю-з |
0,280 |
|
|
|
0,720 |
0,280 |
0,720 |
2,41 |
10* |
||
|
Ю - 3 |
103 |
0 |
|
|
|
|
0,581 |
0,281 |
0,719 |
2,63 |
10* |
Стратегия эффективного экспериментирования 593
При w1 2 = О І 2 1 0 |
можно |
написать |
|
|
|
|
|
Г " 1 |
0 "I |
|
|
|
»11 |
|
|
Q _ 1 = |
|
||
|
0 |
1 |
||
|
|
|
||
|
|
|
Û)22 - J |
|
|
|
|
|
|
Поскольку отсутствуют |
какие-либо оценки элементов матриц Г |
|||
и Q был сделан |
ряд предположений относительно величин этих |
элементов, и определитель А выражения (в) максимизировался симплексным методом; соответствующие результаты приведены в табл. П.8.4.3. Для вычисления а 1 2 использовалось соотношение
сг12
Рі 2 - № 1 ) ^ -
За немногими исключениями, практически все пары экспери ментальных точек приходятся на нулевую мольную долю компо
нента С, что довольно неожиданно. Неоднократно |
появлялись |
|||
вполне определенные точки, например х1А |
= 0,280 и хіВ |
= 0,720, |
||
независимо от того, какие делались |
предположения об элементах |
|||
Г и ÇÏ. Учитывая, что значения ©и |
= CU2 2 |
= O O H C Ö I 2 |
= |
( Ö 2 1 = 0 |
соответствуют случаю, когда заранее неизвестна точность оценок
ßtj, |
но |
известно, что сами параметры некоррелированы, |
можно |
||
оценить |
влияние предполагаемой |
корреляции между |
моделями |
||
или ее отсутствия по наблюдениям |
в одном эксперименте. |
Если |
|||
никакой |
корреляции нет, влияние |
высокой точности (а2 = 10_ 3 ) |
|||
по |
сравнению с низкой точностью |
(а2 = 103) можно |
проследить |
по четвертой и пятой строкам части а) табл. П.8.4.3. «Направление экспериментирования» следует выбирать так, чтобы получить информацию о параметрах, известных с наименьшей точностью. Аналогично по другим частям этой таблицы можно изучить априорную информацию другого рода.
8.5. П О С Л Е Д О В А Т Е Л Ь Н Ы Е П Л А Н Ы Д Л Я Р А З Л И Ч Е Н И Я ( Д И С К Р И М И Н А Ц И И ) М О Д Е Л Е Й
Часто для описания некоторого процесса экспериментатор предлагает не одну, а несколько моделей, и тогда естественно поставить вопрос, можно ли выбрать наилучший план эксперимен та с точки зрения различения (дискриминации) предлагаемых моде лей. Кроме того, какие эксперименты позволят с наименьшими усилиями получить наибольшую информацию, с тем чтобы, опи раясь на некоторый количественный критерий, можно было решить, какая модель лучше? Ясно, что лишь получение данных в определенной критической области позволит установить различие между двумя (или несколькими) моделями. Например, на фиг. 8.5.1
596 |
|
|
|
|
Глава |
8 |
|
|
|
|
Согласно |
линейному анализу |
(гл. 5 и 6), далее можно |
пред |
|||||||
положить, что (п + 1)-е |
наблюдение |
нормально |
распределено |
|||||||
относительно |
своего математического |
ожидания |
для модели г, |
|||||||
Щ {Yrn+iy} |
= угп+1\ |
с дисперсией |
о\- Кроме того, величина |
угп+Х) |
||||||
распределена |
в некоторой |
локальной |
(линеаризованной) области |
|||||||
относительно своего предсказанного значения Y(rn+1) |
с дисперсией |
|||||||||
öl- Следовательно, величина У<п+1> распределена |
относительно |
|||||||||
у(п+і) с |
д И С П ерсией о\ + а£. |
Можно заключить, что плотность |
||||||||
распределения |
вероятности |
У<п+1 » |
для г-й модели |
равна |
|
|||||
|
|
|
1 |
г |
i |
(Y<n+l>_y("+t))2 |
|
2. |
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(8.5.3) |
Величины г/г и о"г соответствуют среднему значению и дисперсии У, если H = НІ или альтернативно і / = і/ 2 - Кульбак показал, что после подстановки выражения (8.5.3) в формулы (8.5.2) и ин тегрирования получается
/ М - ^ - ± 1 |
°Y + q |
I , 1 |
q y + q i |
1 , 1 (f |
i " + 1 > - * ? + 1 ) ) 2 |
||||
i ( l . Z ) - 2 i n |
ст^_|_аа |
-Г 2 |
о-^ + |
ст! |
2 + 2 |
o-y + a§ |
|||
^ 9 . |
^ - i |
_ l |
° r + g i |
2 |
1 |
+ |
1 , 1 ( Г < Г + 1 ) - П " + 1 ) ) 2 |
||
2(4.1) |
2 |
m |
o-^^o-i + |
а^ + о* |
2 + 2 |
o-y + crf |
J ( l , 2) = 4 . ( o î - o O ( - ^ — ^ р ) ^ -
Итак, зная результаты n наблюдений, величины / или / можно максимизировать по независимым переменным модели для того, чтобы найти следующий вектор х для новой экспериментальной серии.
Бокс и Хилл [35] предложили улучшенный вариант дискриминантных функций Кульбака, в которых учитывается априорная вероятность. Здесь нет возможности проследить за рассуждения ми Хилла [36]; вместо этого для получения такого же результата используем эвристические соображения. Для того чтобы полностью использовать имеющуюся априорную информацию о справедли вости каждой из моделей, помимо вычисления оценок коэффициен тов, входящих в отклик Yrn+1), представляется разумным приписать величинам / (1:2) и / (2:1) веса, равные соответствующим априор ным вероятностям Р^ и Р{гп) того, что правильной моделью являет ся соответственно модель 1 или модель 2.
Теперь усложним рассматриваемую задачу, предполагая, что существует несколько конкурирующих моделей, различить кото-