Файл: Кориков А.М. Математические методы планирования эксперимента учеб. пособие.pdf

ВУЗ: Не указан

Категория: Не указан

Дисциплина: Не указана

Добавлен: 27.06.2024

Просмотров: 137

Скачиваний: 0

ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.

Несколько позже мы покажем, что двойное сглаживание

можно применять для определения коэффициентов линейной мо­

дели.

В общем случае для многократного экспоненциального

сглаживания определен оператор tv - г о порядка

Мы видим, что операторы сглаживания требуют рекуррент­

ных вычислений, поэтому для оценки коэффициентов модели

необходимо знать начальные величины

На практике эти начальные оценки обычно получают на основе

прошлых данных: например,для постоянной модели - путем у с ­

реднения, для линейной моделв-по методу наименьших квад­ ратов.

О с н о в н а я

т е о р е м а

э к с п о н е н ­

ц и а л ь н о г о

с г л а ж и в а н и я

Прогнозируемое

значение

( ^ + й 1 М о ж н ° выразить с помощью

ряда Тейлора для К - го наблюденного

значения

 

n * » - r 4 v <

 

( I 0 - 7 )

где ц^'

- 1 - я

производная,

взятая в момент " t - K b * t

 

«v - количество интервалов от последнего наблюден­

 

ного

значения

 

до

предсказываемого значения

Из

сравнения

( Ю Л ) с

(10.7)

следует, что неизвестные

коэффициенты О.^

представляют

собой соответствующие про­

изводные переменной

в

 

-ый момент наблюдения^.

Основная теорема экспоненциального сглаживания позволя­

ет получить оценки ( п.-И ) коэффициентов (производных) в

полиномиальной

модели >v -го

порядка как линейную комбина­

ции результатов

первых

( п.+1 ) порядков сглаживания.

Т е о р е м а. Если

ряд наблюдений ^ ^ представлен

модель»

 

ш

г

то

существует система

( К.+1

)

уравнений, связыващих

сглаженные величины

C^\ij)

с

искомыми производными

то

есть

. ц .

 

 

-11*

±. .

f . .t,,.,,JlH+J)!


- 2 5 4 -

Рвшение этой систеш дает выражения для производных в ви­

де линейных комбинаций сглаженных данных.

Применяя основную теорему для случая Щ =си , полу­

чаем всего одно уравнение

В в в о д р а с ч е т н ы х ф о р ы у л

д л я

к о э ф ф и ц и е н т о в л и н е й н о й

м о ­

д е л и

 

I . Пользуясь определением многократного сглаживания,

внразим текущие оглаженные величины через текущие наблю-

двиные значения и предыдущие сглаженные величины

I

r

W

r ( t )

r

W

 

 

l

C

h - * *

» K * * ^ » r t *

»

C M

'

(10 . 8)

где ^

«

1-сь .

 

 

 

 

 

2 .

Выразим коэффициенты модели через

сглаженные

вели­

чины. Для этого необходимо на основании теоремы экспонен­

циального оглаживанчя записать выражения для

сглаженных

величин через' оценка коэффициентов o , i а ,

 

( 1 0 . 9 )

- 2 5 5 -

Решив вту систему относительно

и а % , подучим

(10.10)

3 . Подставим (10.8) в (10.10)

h o . m

4 . По аналоги о (10.9) запишем выраженчя для прввн-

дущих сглаженных величия черв* оценки коэффициентов модели

(10.12)

5 . Подставим уравнения (10.12) в уравнения (10.11). Окончательные выражения для оценок коэффициентов имеют вид

где

Поделив аналогичные выкладки для случая квадратичной модели, получим следующие


Р а с ч е т н ы е ф о р м у л ы д л я к о э ф ф и ­

ц и е н т о в к в а д р а т и ч н о й м о д е л и :

где

Рассмотрим подробнее другие этапы решения задачи про­ гнозирования.

§ 1 0 - 3 . В ы б о р

и н т е р в а л а

д и с к р е т ­

 

 

 

н о с т и

 

Интервал

между замерами рекомендуется выбирать в за­

висимости

от

'требуемого

минимального времени упреадения

х = т.ь"Ь.

Обычно берут

интервал между

замерами д"Ь .рав­

ным 0,25 * 0 , 1 минимального времени упреадения. Указанная рекомендация не является жесткой,.однако следует помнить, что при слишком малом интервале между замерами характер процесса затемняется шумом. С другой стороны, при увеличе­

нии

растет

величина

среднеквадратического отклонения

предсказанного

значения

от наблюденного.

- г 5 7 -

§ 1 0 - 4 . О п р е д е л е н и е н и а к о ч а с т о т -

а о й с о с т а в л я ю щ е й (в и б о р м о д е л и )

Выбор иодели связан о разделением детерминированной а

случайной составляющих в ряде данных. Для определения по­

рядка полинома на основе выборки вычисляют разности 1-го

порядка

если они колеблются около нуля, данные можно представить

постоянной величиной.

Вели среднее разностей 1-го порядке не равно нулю, а

для разностей 2-го порядка .

среднее равно нулю, то данные представляют с помощью ли­

нейного закона. Вообще, если разности ( п . - 1 )-го порядка в

среднем не равны нулю, а среднее разностей к -го порядка

равно нулю, то мслолью будет служить полином степени «--1 . Если наблюдается систематический рост разностей, то

возможно, что данные описываются экспонентов. Для провер­

ки необходимо оценить отношение двух соседних наблюдений.

При экспоненциальном законе рост данных должен быть посто­

янным.


-15ft-

 

 

§ 1 0 - 5 . П р о г н о з и р о в а н и е

*

После того, как получены оценки коэффициентов кодели,

может

быть вычислена

опенка будущего наблюдения

 

 

Л

_

Л

 

 

т . о.^

 

где п,

-

порядок полинома,

 

0^

-

оценка коэффициента а . ;

 

м. -

количество .интервалов от последнего наблщсяного

 

 

значения

предсказываемого значена i j , ^

 

 

К о м м е н т а р и и

 

Итак, мы рассмотрели лишь один из мзтодов анализа

вре­

менных рядов. Эта глава написана по материалам работы

£ l 7 J .

В последние годы значительное внимание уделялось

изу­

чению временных рядов

как случайных процессов. Тако*

под­

ход часто позволяет глубже (по сравнению с рассмотрении! эмпирическим) проникнуть внутрь механизма, порочащего

процесс. Имеется обширная литература, в которой врегленше ряды рассматриваются с точки зрения случа?;ных процессов. 7еяаюшим познакомиться подробнее с анализом временных ря­

дов

можно порекомендовать

книги

С.Уилкса

[зб]

, В.З.Нали-

мова

[ 2 б ] , М.С.Бартлета

[ б ] ,

Дж.Дуба

[к] ,

А.Ф.Романен-

ко и Г.А.Сергеева [ з 1 ] ,

А.Г.Ивахненко

и

В.Г.Лапы [ l 5 ] .


 

 

 

 

ЛИТЕРАТУРА

 

 

 

1 . Адлер

Ю.П. Введение

в планирование эксперимента.

 

 

 

 

"Металлургия",

I S 6 9 .

 

 

 

 

2 . Адлер

Ю.П., 1'аркова

Е.В.,

Грановский В.В. ПяаиированЕв

 

 

эксперимента при поиске оптимальных условии.

 

 

 

Изд.

"Наука", 1 9 7 1 .

 

 

 

 

3 . Андерсон Т. Введение

в многомерный статистический

ана­

 

 

 

 

лиз,

'^изматгаз, 1963.

 

 

 

4 . Андрукович

П.*. Применение метода главных компонент в

регрес­

 

 

 

 

сионном анализе. "Заводская дабораторвн",

 

 

 

 

й

3, 1970.

 

 

 

 

5.

Андрукович

П.Ф.,

Голикова

Т.И., Костина С.Г. Планы второго

 

 

порядка на

гиперкубе, близкие ио свейсявая к 2

-

 

 

оптимальным. 3 кн.: "Новые идея в шеевиоозании

экс­

 

 

перимента" . Изд. "Наука", 1969.

 

 

 

6 .

Еартлет М.С. Введение в теаритэ случайных процессов. Изд.

 

 

ИЛ, 1958.

 

 

 

 

 

 

7. Вучков И.Н.,

Круг

Г.К. <2>

-оптимальные

экспериментальные

 

 

планы. В кн.: "Проблемы планирования эксперимента".

 

 

Изд. "Наука",

1969.

 

 

 

8 .

Голикова Т . И . , Кикешина Н.Г. Свойствай>

-оптимальных

планов

 

 

и

методы их построения. В кн.: "Новые идеи в планиро­

 

 

вании эксперимента". Изд. "Наука", 1969.

 

 

9 .

Голикова 1.И., Федоров В.В., Николаева.Л.С.,. Чернова Н.А.

 

 

Сравнение кошозиционных планов второго порядка, по­

 

 

строенных на л. -мерном шаре. В кн.: "Новые идеи в

 

 

планировании

эксперимента". Изд. "Наука",

I96S.

10 .

Горский'В.Г.,

Бродский В.З. Нерегулярные

реплики факторного