Файл: Баженов, Ю. М. Перспективы применения математических методов в технологии сборного железобетона.pdf

ВУЗ: Не указан

Категория: Не указан

Дисциплина: Не указана

Добавлен: 29.10.2024

Просмотров: 102

Скачиваний: 0

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

цементного теста в бетоне

Следовательно, искомая модель /Ср= 0,7052+0,002416 ЦТ.

N

Исходя из (1.6), сумма квадратов отклонений 2А*

рассчитывается следующим образом:

и=1

 

55ост = V д2 =

V [уи -

ф0-I- b, X J ] 8

(1.12)

и=1

11=1

 

 

Величина S S 0CT называется

остаточной

суммой

квадратов, и в рассмотренном примере (см. табл. 1.2) она равна 115,02-ІО-4. Меньшую величину SS0Ct при гипо­ тезе линейности по имеющейся .в табл. 1.2 информации получить невозможно.

Следует обратить внимание на запись формул (1.11)

с помощью определителей.

В знаменателе

расчетных

формул для Ь0 и для &і стоит определить

[ц|||. Это оп­

ределитель матрицы1 [УИ] =

Ліо) (іі)||. составленной из из­

вестных величин в левой

части системы

нормальных

уравнений. Такая матрица [М] носит название «инфор­ мационной матрицы» [57,66]. Матрица [М] имеет очень важное свойство: она состоит только из элементов, включающих входы системы Хі (это ее свойство распро­ страняется иа любую размерность системы с К факто­ рами). Следовательно, существует возможность выби­ рать координаты опытных точек Х{и до проведения экс­ перимента некоторым способом, обеспечивающим опти­ мальность (с точки зрения цели всего исследования) построения и применения модели, т. е. математически планировать эксперимент.

Спланировать эксперимент — это, в частности, значит: а) выбрать из Nx действующих в системе факторов те наиболее существенные факторы Х\, Х2, ..., Хі,..., Хк,

уровни которых технолог собирается изменять; б) наметить пределы их варьирования (ТС) мин и

(Т С ) м аксі

в) наметить комбинацию уровней К факторов Хі, при которых будет исследоваться система;

г) определить число повторений опытов и измерений в каждой из выбранных комбинаций К факторов ТС.

Вопрос о составлении такого плана требует анализа

1 Матрица — таблица (в данном случае из четырех чисел), а оп­ ределитель — одио-единственное число, рассчитанное по элементам этой таблицы (см. ниже).

1% / •


с позиций новой научной дисциплины— математической теории эксперимента, которая изучает «оптимальное уп­ равление экспериментом при неполном знании механиз­ ма явления» [60] и является одним из направлений ки­ бернетики, основывающемся на применении аппарата математической статистики.

Информация, собранная при так называемом «актив­ ном» эксперименте по математически обоснованному пла­ ну, априори учитывающему цели эксперимента и мето­ ды обработки его результатов, имеет много большую ценность, чем информация от эксперимента, поставлен­ ного по традиционной методике, когда изменяется каж­ дый фактор в отдельности, или от наблюдений (так на­ зываемый «пассивный» эксперимент). При этом прак­ тически всегда меньше затраты ресурсов (материальных и временных) на активный эксперимент и существен­ но облегчается технологическая интерпретация моделей. Преимущества активных экспериментов сформулирова­ ны и обсуждены на основе большого опыта в работах В. В. Налимова [54,56]. Кроме минимизации числа опы­ тов автор отмечает, что при активном эксперименте:

оптимально используется факторное пространство (см. ниже), поскольку планы строятся так, чтобы с ро­ стом числа факторов увеличивался радиус обследуемо­ го пространства;

вводится четкая логика для всех процедур, последова­ тельно совершаемых экспериментатором;

условия опытов рандомизируются, т. е. (Nx К) «ме­ шающих» факторов превращаются в случайные величи­ ны;

благодаря направленной организации эксперимента выполняются исходные предпосылки статистического анализа;

оценивается элемент неопределенности, дающий воз­ можность сопоставлять результаты, полученные разны­ ми исследователями;

повышается контроль за точностью эксперимента; стимулируется разработка новых инструментальных ме­ тодов исследования, уменьшающих ошибку воспроизво­ димости результатов.

Все частные математико-статистические методики, применяемые при решении задач анализа и оптимиза­ ции качества и технологии материалов вообще, а бето­ на в частности, могут быть объединены общей блок-

2*

19


схемой [22, 23], включающей все основные этапы иссле­ дования от постановки технологической проблемы до решения об использовании результатов математического моделирования в практике. Такая блок-схема уже неод­ нократно применялась в технологических исследовани­ ях, она придает логическую стройность всей работе вне зависимости от степени использования в ней математи­ ческих методов.

В заключение еще раз отметим, что математические методы являются не предметными моделями (как обра­ зец-кубик бетона), а знаковыми, однако это не ума­ ляет их объективности при условии достаточной точно­ сти описания ими поведения системы. «Подобно тому как запись пьесы с помощью печатных знаков совсем не по­ хожа на ее содержание, так сами символы, числа, бук­ вы, уравнения, при помощи которых формируется модель, ничем не напоминает того объективного содержа­ ния, которое с их помощью выражается. Однако опре­ деленные правила чтения этих знаков, правила соотне­ сения этим символам некоторых характеристик объек­ та позволяют ученому воссоздать в своем мышлении необходимые образы и понятия..., познавать модель как заместителя объекта, как его отражение»1.

1 Ч а в ч а и и д з е В. В.,

Г е л ь м а н О. Я. Моделирование в

науке и технике. М., «Знание»,

1966.

Г л а в а II

ЭЛЕМЕНТЫ МАТЕМАТИЧЕСКОГО АППАРАТА1

II.1. Понятие о случайных величинах, дискретные величины. Случайной величиной называется поддающа­ яся измерению величина X, значения которой подверже­ ны некоторому неконтролируемому разбросу при повто­ рениях данного процесса. Случайная величина является непрерывной, если она может принимать любое значение в некотором числовом интервале; случайная величина дискретна, если ее значения представляют собой отдель­ ные изолированные числа.

Совокупность всех мыслимых наблюдений, которые могли бы быть сделаны при данном реальном комплек­ се условий, называется генеральной совокупностью, в которой число элементов УѴГ может быть конечным или бесконечным. Некоторая часть генеральной совокупно­

сти из п элементов (n < N r),

отобранная для наблюде­

ний, называется выборочной

совокупностью объема п.

Пример II.1. Конечная генеральная совокупность — все зафик­ сированные результаты испытания бетона в лаборатории, например за 1973 г. Бесконечная — мыслимое число кернов, которые можно было бы высверлить из бетонного тела плотины. Отбор 25 кернов из готового сооружения дает выборку для суждения о прочности бето­ на в этом сооружении.

Мерой объективной возможности появления случай­ ной величины X (происходит событие А) является веро­ ятность Р{Х}=Р{А}. Если событие А происходит обя­ зательно, то его называют достоверным (Р{Л} = 1). Ес­ ли событие А никогда не может произойти, то его назы­ вают невозможным (Р{Л }=0).

Вероятность случайного события А, которое может произойти, но может и не произойти, находится в преде­ лах 1 ^ Р { А } ^0 . Вероятность Р{А} отражает опреде­ ленную, независимую от 'Проводимого наблюдения струк­ туру самого процесса, в котором наблюдается событие Л.

Законом распределения дискретной случайной вели­ чины X является совокупность ее возможных значений

1 В гл. II использовано руководство [44] и др.

21


и соответствующих им вероятностей. Этот закон может быть представлен в виде таблицы, первая строка которой содержит возможные значения х,-, а вторая — вероятно­ сти pi (события Хи Л'2,..., Хі,..., Хп являются несовмести-

П

мыми и единственно возможными, поэтому 2 р і = 1 ) . Та-

1=1

кая таблица называется рядом распределения (табл. II.1). Для событий, которые не могут быть сведены.к си­ стеме случаев, совокупность дискретных значений слу­ чайной величины X может быть задана рядами частот

и частостей величин Хі. Частота

( т ; ) — абсолютная чи­

сленность отдельной случайной

величины, показываю­

щая, как часто она встречается в совокупности Nr. Отно­

сительную частоту, выраженную в долях

или процентах

 

ѵі

ГПі

от всей совокупности, называют частостью

 

Nr

В пределах рассматриваемой совокупности сумма всех частостей, равна единице, или 100%.

Пример 11.2. При исследовании морозостойкости после 300 цик­ лов замораживания и оттаивания бетонов иа пуццолановом порт­ ландцементе и щебне из песчаника проведена [77] оценка N r= 95 ку­

бов по десятибалльной системе. Результаты приведены в табл. II.1, многоугольник распределения — на рис. II.1, о.

Т а б л и ц а

II.1.

Ряд распределения образцов бетона

по баллам

 

(10 — наилучшая сохранность, 0 — наихудшая)

 

Событие

X 1 (оценка

в бал­

3

4

5

6

7

8

9

10

лах)

 

 

 

 

 

 

 

 

 

 

 

Частоты

(И;

(число

образ­

0

1

0

3

15

41

24

11

цов)

 

 

 

 

 

 

 

 

 

 

 

Частость

ѵс

(%)

 

0

1.05

0

3.16

15,79

43,16

25,26

11,58

Накопленные

частости

0

1.05

1,05

4,21

20

63,16

88,42

100

(%)

 

 

 

 

 

 

 

 

 

 

 

Функцией распределения дискретной величины X называется функция F{x}, выражающая для каждого Хі вероятность того, что случайная величина X примет значение, меньшее Хі (—оог^сХ-ОД. Функция распре­ деления дискретной величины X постоянна на интерва­ лах, значения которых она не принимает, и имеет скач­ ки в точках, соответствующих Х{. Скачки равны вероя­ тностям, с которыми X принимает значения Хі, поэтому график F{x} имеет ступенчатый вид (рис. ИЛ, б).

22


Функция F{x) может быть задана аналитически как F{x}—P{X<iXi}. Она является неубывающей функцией

своего аргумента;

если

х2> х и то

F{x2}'^sF{xi} . При

Хі = —°о /г{х}=0;

при х

= + °° F{x'}

= l; при любом дру­

гом Хі функция распределения находится в интервале 0<^{х}<;1. Вероятность того, что случайная величина X примет значение в интервале Хі=^:Х<>'2, равна прира­

щению ее функции F{x}

на этом интервале:

 

Р {*!< X <

Х2} = /7 {*8}-/?{*,} .

(ИЛ)

Рис. II.I. Многоугольник распределения а и функция распределения б для дискретной случайной величины х (по данным примера II.2)

Пример П.З. Какова вероятность того, что бетон (по данным примера II.2) будет оценен в интервале 7—9 баллов (включи­ тельно) ?

Р (лц < X < х 2] = Р {7 < X < 10} = 0,6316 — 0,0421 = 0,5895 .

11.2. Числовые характеристики распределения дис­ кретной случайной величины. Функция распределения F{x} полностью описывает дискретную случайную вели­ чину с вероятностной точки зрения. Однако практически нередко можно ограничиться значительно меньшей ин­ формацией— знанием нескольких основных числовых характеристик распределения.

Математическим ожиданием М{Х} случайной дис­ кретной величины X называется сумма произведений всех ее возможных значений х,- на их вероятности рр.

П

М {X} = хгРі + *2 р% -------Ь Хп рп = 2 Xi Pi. (ІІ.2)

і= 1

23

Математическое ожидание М{Х} молено представить как центр группирования случайной величины X (харак­ теристика положения случайной величины «а числовой оси). Из определения М{Х} следуют, в частности, та­ кие его свойства: математическое ожидание постоян­ ной величины С равно этой постоянной (II.3); матема­ тическое ожидание суммы случайных величин равно сум­ ме математических ожиданий слагаемых (П.4); при изменении случайной величины X на постоянную величину С на ту лее величину изменится М{Х) (II.5); при изменении случайной величины X в С раз (C = const) во столько лее раз изменится М{Х} (II.6):

М {С} = С;

 

 

 

(ІІ.З)

М {Хх -I- Х3 + • • • + X J

-

S М {X/};

(II.4)

 

 

 

 

/ = і

 

 

М {X + С} = V (*. -I- С) Р ,

=

м {X} + С;

(II.5)

1= 1

 

 

 

 

 

 

М {ХС} = І

(Х[ С) p t = М {X} С.

(II.6)

; = і

 

 

 

 

 

 

Пример 11.4. Определить

М {X}

по

данным

примера

II.2, счи­

тая, что Ѵ і = р і.

 

 

 

 

 

 

М (X) = 4.0,0105 -I- 6-0,0316 +

7-0,1579 +

8-0,4316 +

+ 9-0,2526 +

10-0,1158 =

8,2211.

 

Характеристикой рассеивания случайной величины X около центра ее группирования М{Х} служит диспер­ сия D{X}, которая определяется как математическое ожидание квадрата отклонений случайной величины X от ее математического олшдаиия:

D {X} = М {(X — М {X})2} = Е(+--УМ{Х})*р,, (II.7) /=і

Для наглядной характеристики рассеивания (в этом случае ее размерность будет совпадать с размерностью М{Х}) можно пользоваться среднеквадратичными от­ клонениями (допустимый термин «стандарт») о{Х}:

а{Х} = + 1fD{X) .

(II.8)

24