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: 66
Скачиваний: 0
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