Файл: Химмельблау Д. Анализ процессов статистическими методами.pdf
ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 09.04.2024
Просмотров: 727
Скачиваний: 2
Стратегия |
эффективного |
экспериментирования |
597 |
рые должен (n - f 1)-й эксперимент. Используя матрицу относи тельного правдоподобия и вектор априорных вероятностей, можно образовать скалярную дискриминантную функцию
PÏI |
X |
|
|
|
|
|
|
[ 7 ( 1 : 1 ) |
7 ( 1 : 2 ) |
|
/ ( 1 : ^ ) 1 |
pin) |
|
||
7 |
( 2 : 1 ) |
7 ( 2 : 2 ) |
|
І(2:ѵ) |
|
||
|
|
|
|||||
X |
|
|
|
|
|
|
(8.5.4) |
. 7 |
( ^ : 1 ) |
7 (v: 2) . . . |
I |
(v:v)\ |
V |
J |
|
|
|
|
|
|
|
Каждый элемент главной диагонали матрицы 7 (г : s) равен нулю,
так что дискриминантная |
функция |
имеет вид |
|
|
|||||
Kv = PiP2J(l, |
2) + 7 W |
( |
l , |
3 ) + . . . - f i y V ( l , |
ѵ) + |
|
|||
|
+ P2PVJ |
(2, |
v) + |
. . . + Т Ѵ І Т Ѵ (v—l,v) |
= |
|
|||
it |
r> |
|
|
|
.0«)« |
|
|
|
|
|
|
,(n)p(n) |
|
(Пп + 1 ) - y(n+D ) 2 x |
|||||
r=l |
s=r-j-l |
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
||
|
|
|
|
|
X |
1 |
|
|
|
|
|
|
|
|
|
-ol |
a-)]. |
(8-5.5) |
|
|
|
|
|
|
O y |
|
|||
|
|
|
|
|
|
|
T |
||
(Заметим, что / (r, |
r) = |
0.) |
Выражение (8.5.5) совпадает |
с выра |
жением, найденным Боксом и Хиллом.
Один из способов получения апостериорной вероятности того, что модель г правильна после совершения п наблюдений, состоит в том, что к каждой модели последовательно применяется теорема
Байеса в |
следующей |
форме: |
|
|
|
|
|
|
Р(Г^ЛУІП)) |
, |
|
( 8 5 Б ) |
|
|
р(^=- |
|
|
|
|
|
|
|
2 |
Р?-1)РГЫ(П)) |
|
|
|
где T*}.7 1 - 1 '— априорная |
вероятность,г=1 |
относящаяся к г-й |
модели. |
|||
Если начальные вероятности Р{г0) неизвестны, их можно |
положить |
|||||
равными |
1/ѵ. |
|
|
|
|
|
Вообще говоря, ни дисперсия а\, ни дисперсии о£, r= |
1, |
. . ., ѵ, |
неизвестны; следовательно, их значения нужно оценить. Чтобы найти дисперсию Yr для некоторой модели, можно использовать расчеты, выполненные при оценивании коэффициентов ß методом наименьших квадратов. Если величину YT линеаризовать, разла
гая в ряд Тейлора, ее дисперсия а? дается выражением |
(6.4.4), |
а элементы матрицы С определяются выражением (6.4.1). |
Однако |
оценку дисперсии Oy, даваемую формулой (6.4.2), нельзя |
исполь- |
598 |
|
Глава 8 |
|
|
зовать для каждой модели ввиду того, что эта формула |
опирается |
|||
на |
предположение |
о том, что модель корректна. Таким образом, |
||
в |
качестве дисперсии о \ следует взять al и оценить |
последнюю |
||
из повторных экспериментов (с помощью sf). |
|
|||
|
Итак, последовательная процедура различения моделей вклю |
|||
чает |
следующие |
этапы: |
|
|
|
1. |
Опираясь на план эксперимента, составленный |
произволь |
ным или почти оптимальным способом, получают п эксперименталь ных точек.
•3* Qj |
|
|
|
|
|
^s*"^ |
Модель |
A |
|
|
|
|
|
|
|
|
|
а ! |
|
|
|
|
|
|
|
|
|
Начальный |
|
|
|
|
.Модель В |
|
|
|
эксперимент |
|
|
|
|
|
||
И |
|
|
|
|
Чу |
|
/ Модель С |
|
1 1 1 |
1 |
| Ѵ ^ - - Ж ^ 5 = = 5 |
I |
|||||
=4 О |
1 |
2 |
3 |
4 |
5 |
6 7 |
6 |
10 |
|
|
|
Число |
наблюдений |
п |
|
|
Ф и г . 8.5.2. Различение моделей с помощью последовательных планов .
2. |
Оценивают параметры всех ѵ моделей с помощью линейной |
||||||||||||
или |
нелинейной |
регрессии; |
оценивают |
оу |
и |
каждую |
из а\, |
||||||
используя |
выражение (6.4.4). |
|
|
|
|
|
|
|
|
||||
3. Вычисляют априорные вероятности для (п + 1)-го опыта, |
|||||||||||||
которые |
равны |
|
апостериорным |
вероятностям |
для п-то опыта, |
||||||||
используя |
для |
этой цели |
выражения (8.5.6) |
и |
(8.5.3) |
с |
заменой |
||||||
в последнем из них числа |
(п |
- j - |
1) на п. |
Начальные |
вероятности |
||||||||
РУ?\ если нет лучшего выбора, можно приравнять |
ІІѵ. |
|
|||||||||||
4. Выбирают вектор экспериментальных условий для (п -f- 1)- |
|||||||||||||
го опыта |
(вектор |
x ( W f l ) ) , |
максимизируя |
Кѵ |
каким-либо |
методом |
|||||||
численной оптимизации. |
|
|
|
|
|
|
|
|
|
||||
5. |
Проводят |
эксперимент в точке x ( f l + 1 ) |
и повторяют всю про |
||||||||||
цедуру, начиная со второго этапа. На фиг. 8.5.2 |
показана |
вероят |
|||||||||||
ность |
описания |
экспериментальных данных |
тремя |
конкурирую |
|||||||||
щими моделями для нескольких циклов предлагаемой |
процедуры. |
||||||||||||
Последовательную процедуру продолжают до тех пор, пока |
|||||||||||||
одна (или несколько) из вероятностей Р^ |
не достигнет значения, |
которое требует принятия модели согласно некоторому критерию. Или же экспериментатор может просто обнаружить тенденцию изменения Рт с увеличением числа экспериментов, отбросить моде ли с малыми значениями Рт и при желании добавить другие моде-
600 |
Глава 8 |
|
Обозначения: |
|
|
С = с + е — концентрация поглощаемого кислорода |
(КПК); |
|
x — количество |
воды, мм/ч. |
|
Зависимая С и независимая х переменные изменялись |
соответ |
ственно в интервалах: 3000 — 10 000 и 0 — 12. Требовалось оце
нить следующие |
параметры: |
|
|
|
||
Модель 1: ß 0 и ß 4 . |
|
|
|
|
|
|
Модель 2: ß 2 , |
ß 3 и ß 4 . |
|
|
|
|
|
Модель 3: ß5 , |
ß6 , ß 7 , |
ß 8 |
и ß 9 . |
|
|
|
Для того чтобы оценить параметры модели 3, требуется по |
||||||
крайней мере пять экспериментов; |
с учетом этого было проведе |
|||||
но шесть экспериментов |
и два |
повторных, которые |
состояли |
|||
в орошении, по возможности равномерном, |
небольшого |
бетониро |
||||
ванного участка. Были получены следующие результаты: |
||||||
|
С, г/м3 |
ос, мм/ч |
С, г/м3 |
X, мм/ч |
|
|
|
8140 |
0,1 |
5390 |
5,0 |
|
|
|
7430 |
1,0 |
5250 |
6,0 |
|
|
|
6310 |
2,0 |
6140 |
2,0 |
|
|
|
5510 |
4,0 |
6490 |
2,0 |
|
Повторные опыты, проведенные по существу при одинаковых усло виях, дали информацию для оценивания остаточной дисперсии.
Ни один из критериев гл. 7 не позволил выяснить, какая из мо делей наилучшим образом описывает эти данные. Поэтому было решено провести последовательные эксперименты для различения моделей. Из начальных восьми экспериментов были найдены сле дующие оценки коэффициентов:
ъ0 |
= |
7919, |
h = -2,490-10-2 : |
|
|
= |
0,07937, |
К = |
8,64940*, |
|
= |
3431, |
b, = |
3,730-Ю-2 |
|
= |
0,3630, |
К = —1,908-105, |
|
ъ, |
= |
4797, |
h = |
1,102-І05 . |
Оценки |
параметров Ъъ ~ |
ba |
находились |
для |
преобразованной |
модели |
|
|
|
|
|
с = |
ß 9 exp [ - ß , (х-х)] |
+ |
ß 6 ехр [ - ß 7 |
(х - |
х)] + ß s , |
где x = 3,000. Как упоминалось в гл. 6, для такой модели значи тельно улучшается сходимость метода нелинейного оценивания (метода Маркуардта) по сравнению с не преобразованной моделью.