Файл: Химмельблау Д. Анализ процессов статистическими методами.pdf
ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 09.04.2024
Просмотров: 762
Скачиваний: 2
430 |
Глава 6 |
Y, чтобы получить
то
і = і
mm
+2 2(-Sr)(w)C O T >'6 '>~
i=l i=l
«*,2 |
2 |
(6.4.4) |
І=1 |
7=1 |
|
Приближенную совместную доверительную область, эллипсои дальную по форме, также можно получить из квадратичной формыт аналогичной той, которая использовалась в разд. 5.2 для линей ных моделей:
(ß — b ) T (X T wX)(ß — b) = sy.mF1 _0 (m, n—m), |
(6.4.5) |
где F^a — 100 (1 — а)% - ная точка ^-распределения |
для m |
и п — m степеней свободы. График уравнения (6.4.5) можно начер тить в двух или трех измерениях, как показано на фиг. 6.4.1, где сравнивается поверхность истинной суммы квадратов с конту
рами, |
определенными |
из |
уравнения |
(6.4.5) по |
имитированным |
||||||
данным для модели |
|
|
|
|
|
|
|
|
|||
|
|
|
г, = о ß l o ( е - — е - & х ) . |
|
|
|
|
||||
|
|
|
|
Рі—Р2 |
|
|
|
|
|
|
|
Заметим, |
что |
параметр |
ß t |
оценен более |
точно, |
чем |
ß 2 . |
|
|||
Приближенные контуры поверхности суммы квадратов можно |
|||||||||||
записать, как в разд. 5.2: |
|
|
|
|
|
|
|||||
Фі-а = |
tfw |
+ |
sY.mb\-a {m, n—m) = |
|
|
|
|
|
|
||
|
|
|
= |
</>шш [ l +-^-n-Fi_a{m, |
n—m)] |
, |
(6.4.6) |
||||
где <£i_a — приближенное |
значение |
для |
контура |
суммы |
квад |
||||||
ратов |
с |
доверительной |
вероятностью |
(1 — |
а) |
и |
<£Мин — |
||||
= I |
m(Yt |
- |
Yt)*. |
|
|
|
|
|
|
|
|
i=l |
|
|
|
|
|
|
|
|
|
|
|
В работе [17] обсуждаются различные критерии нелинейности, указывающие, когда нелинейность достаточно мала, чтобы исполь зование линейной теории в качестве приближенной теории для нелинейных моделей было оправдано. Дополнительное освещение вопросов оценивания доверительных пределов для нелинейных моделей дано в работе [18].
Нелинейные |
модели |
43$ |
Ф и г . 6.4.1. Контуры поверхности истинной суммы квадратов и соответ ствующие контуры, полученные на основе уравнения (6.4.5). Числа вблизи контуров указывают доверительную вероятность для данной области [16].
контуры суммы квадратов для нелинейной модели; — контуры суммы квадратов для модели, линеаризованной вблизи Ф .„„.
м и н
Пример 6.4.1. Приближенная совместная доверительная область
для нелинейной модели
Чтобы ознакомиться с получением индивидуальных довери тельных интервалов для оцениваемых параметров и совместной оценки доверительной области, рассмотрим двухпараметрическую модель, используемую при изучении химической кинетики. Были получены данные о реакции гидрирования в проточном трубчатом реакторе,*описываемой эмпирической моделью (при постоянной
432 |
Глава |
6 |
|
|
|
|
температуре): |
|
|
|
|
|
|
|
1 + |
ßiP |
|
|
|
|
где r — скоростьл реакции, а р — полное давление. |
Предполага |
|||||
лось, что R = г + * |
8 . Данные |
при 164 °С были |
таковы: |
|||
R, г-моль/(ч. |
г'/мма |
Н ' |
г - м ° л ь / ( ч - |
„ |
гс/мм2 |
|
• г катализатора) |
р " '-/мм |
.г катализатора) |
ѵ> |
а / ™ |
|
|
0,0680 |
20 |
|
0,1130 |
50 |
|
|
0,0858 |
30 |
|
0,1162 |
55 |
|
|
0,0939 |
35 |
|
0,1190 |
60 |
|
|
0,0999 |
40 |
|
|
|
|
|
С помощью модифицированного варианта метода Маркуардта, использующего аналитический вид частных производных, были получены следующие результаты:
p |
( Й - Д ) - І О З |
V |
(Я — й).103 |
20 |
0,433 |
50 |
1,636 |
30 |
—0,656 |
55 |
0,282 |
35 |
—0,0619 |
60 |
—1,006 |
40 |
—0,605 |
|
|
|
г-0,0191 |
0,178-1 |
|
( X T X ) = = U , 1 7 8 |
1,703 J' |
||
|
г |
2020 |
—211,1 -i |
C = ( X r X ) " 1 = = L - 2 1 1 , 1 |
26,65 J' |
||
|
5,154-IQ"3 |
||
|
L22,628.-.10-22 .J |
Сумма квадратов остатков равнялась фмив = 4,76 - Ю - 6 , величина Я
во время |
поиска |
изменялась |
от 10~2 |
до 10_ 6 , а корреляционная |
|
матрица оценок |
параметров |
имела |
вид |
||
|
|
4,000 |
|
0,9902 |
|
|
|
0,9902 |
1,000 |
||
Заметим, |
что параметры сильно |
коррелированы. |
|||
Для а |
= 0,05 |
и ѵ = 7 — 2 = 5 |
степеней свободы _«,/2 = |
=^0.975 = 2,571; следовательно, индивидуальные доверительные
интервалы для параметров, вычисленные как в разд. 5.2, для линеаризованной модели имеют вид
-a/2Sy.
°i — * l - a / 2 s r -
Нелинейные |
модели |
433 |
Так как повторные измерения не проводились, в качестве оценки Sy. использовалась величина
s , = y ; r= | / 4,7604-10-а ^ T / Q ^ ,1 Q - 8 =0,975.10"».
Если модель оказывается плохой, то sr является плохой оценкой sy.. Соответствующие доверительные интервалы выражаются нера венствами
-0,107 < ß 0 < 0,117,
0,0119 < ßj < 0,0263.
Приближенная совместная доверительная область определяется по соотношению (6.4.5):
|
Г0.0191 |
0,1781 |
||
[ ( ^ - 5 , 1 5 4 - 1 0 - з ) ( ^ - 2 , 6 2 8 . 1 0 - 2 ) ] ^ 0 1 7 8 |
і д |
а |
• |
|
|
"ßo — 5,154 - Ю - 3 |
= |
0,952-10-«. 2-5,79, |
|
|
.ßj —2,628-10-2 |
|||
или |
|
|
|
|
ß02 + 18,64ß1 ß0 + 89,13ß? |
0,499ß0 - 4,875ßt |
+ |
0,00698 = 0; (а) |
графически эта область показана на фиг. П.6.4.1. Она имеет длин ную вытянутую форму, характерную для случаев, когда оценки
Ф il г. П.6.4.1. |
Контур при |
1,00 |
1,50 |
|
ближенной 95%-ной довери |
||||
|
ßo |
|||
тельной |
области. |
|
||
|
|
параметров сильно коррелированы. Уравнение контура суммы
квадратов в соответствии с уравнением (6.4.6) имеет |
вид |
= 4,76 -10-« [ 1 + - j ^ Л - а (2,5) ] . |
(б) |
6.4.2.Метод Вилъямса
Вильяме [19] исследовал ряд альтернативных методов оцени вания доверительных интервалов для параметров, а также пред ложил свой метод для моделей, нелинейных по одному из коэф-
434 Глава 6
фициентов. Чтобы пояснить этот |
метод, используем |
модель |
|
Л = |
ßo + |
ßi* - **, |
(6.4.7) |
оценка которой имеет вид |
|
|
|
Y = b0 |
+ 6i e -ft*, |
|
|
где к служит оценкой х. Уравнение (6.4.7) можно |
представить |
||
в общем виде |
|
|
|
Ч = |
ßo + ßi / (x, x), |
(6.4.8) |
где функция / (х, х) содержит нелинейность. Предполагается, что выполнены обычные предположения (переменная Y распределена по нормальному закону с постоянной дисперсией о2 ), а критерием, используемым при оценивании, является минимизация суммы квадратов отклонений ф (6.2.1).
Прежде всего линеаризуем выражение (6.4.7) с помощью раз ложения в ряд Тейлора относительно предполагаемого значения к(0}
T l « ß o + ß i [ / ( * . |
fe(0))+'/(lfc(0>) |
(x - fc"')] |
= |
|
|
|
|
= ßo + |
ß 1 / ( s , |
kin) |
+ h d n * L k i 0 |
) ) , |
(6.4.9) |
|
|
|
|
dn |
|
|
где b2 = ßi (x — k(0)). Параметры ß 0 |
и ß t , как и b2, |
а также их |
||||
дисперсии можно |
оценить методами |
линейного анализа. |
После |
первой итерации второе приближение для к исходит из предпола гаемого значения
Ä ( i > = Ä ( o ) + |
^ L |
(6.4.10) |
и процесс итераций продолжается. К тому моменту, когда |
||
fc(n+l)=&(n+l)(/(;("+1) |
— кР>) -> |
0 |
ИЛИ |
|
|
>• о
процесс итераций можно закончить. Таким образом, линейный коэффициент Ъ2 обращается в нуль для оценки, соответствующей минимуму суммы квадратов.
Для испытания нулевой гипотезы х = к(П), где — любое из последовательности значений к, проверяют, является ли вели чина Ь 2 значимо отличной от нуля. Если это так, нулевая гипотеза отвергается. В методе Вильямса доверительные пределы для х
устанавливаются как такие значения к, для которых |
коэффициент |
Ъ2 незначимо отличен от нуля при заданном уровне |
вероятности. |
В процессе итераций получается ряд значений /с( П ) , |
однако может |