Статьи

НОУ ІНТУЇТ | лекція | планування експериментів

  1. 4.6. Точність і кількість реалізацій моделі при визначенні середніх значень параметрів Знайдемо...
  2. 4.6.2. Визначення оцінки дисперсії

4.6. Точність і кількість реалізацій моделі при визначенні середніх значень параметрів

Знайдемо функціональну зв'язок точності е і достовірності а з кількістю реалізацій моделі, коли в якості показників ефективності виступають матожіданіє і дисперсія деякої випадкової величини (часу, відстані і т. П.).

4.6.1. Визначення оцінки матожіданія

Знайдемо шукану зв'язок для випадку, коли метою експерименту є визначення оцінки матожіданія деякої випадкової величини.

В В   прогонах моделі отримані незалежні значення даного нас показника ефективності: прогонах моделі отримані незалежні значення даного нас показника ефективності:

В якості оцінки матожіданія візьмемо вибіркове середнє (середнє арифметичне):

У наступній темі ми покажемо, що оцінка такого виду є найкращою.

Згідно центральній граничній теоремі, якщо значення Згідно центральній граничній теоремі, якщо значення   незалежні і мають кінцеві дисперсії одного порядку, то при великому числі доданків   випадкова величина   має практично нормальний розподіл з матожиданием і дисперсією відповідно: незалежні і мають кінцеві дисперсії одного порядку, то при великому числі доданків випадкова величина має практично нормальний розподіл з матожиданием і дисперсією відповідно:

де де   - дисперсія шуканої випадкової величини - дисперсія шуканої випадкової величини

Отже, справедливо

де де   - інтеграл ймовірності - інтеграл ймовірності.

У деяких виданнях під інтегралом ймовірності розуміють дещо інше вираз, тому доцільно користуватися інтегралом Лапласа, який пов'язаний з інтегралом ймовірності

так: так: . - інтеграл Лапласа. З наведеного випливає:

Порівнюючи цей вираз з виразом (4.1), маємо:

Інтеграл Лапласа табульованих, отже, задаючись значенням достовірності Інтеграл Лапласа табульованих, отже, задаючись значенням достовірності   , Визначається аргумент , Визначається аргумент .

Отже, шукана зв'язок між точністю Отже, шукана зв'язок між точністю   , достовірністю   і числом реалізацій моделі отримана: , достовірністю і числом реалізацій моделі отримана:

З виразів (4.2) слід:

Достовірність результату Достовірність результату   вказана значенням аргументу функції Лапласа вказана значенням аргументу функції Лапласа . зв'язок значення з знаходиться з таблиці значень функції (інтеграла) Лапласа. Найбільш вживані відповідності і наведені в табл. 4.3 .

Щоб користуватися формулами (4.2), потрібно знати дисперсію Щоб користуватися формулами (4 . Дуже рідкісні випадки, коли значення дисперсії відомо до експерименту, тому можливі два способи попереднього визначення дисперсії.

Перший спосіб. Іноді заздалегідь відомий розмах значень шуканої випадкової величини:

Іноді заздалегідь відомий розмах значень шуканої випадкової величини:

У припущенні нормального розподілу випадкової величини У припущенні нормального розподілу випадкової величини   , Можна з використанням правила трьох сигм отримати наближену оцінку   : , Можна з використанням "правила трьох сигм" отримати наближену оцінку :

Другий спосіб. Треба скористатися оцінкою дисперсії. Для цього необхідно виконати попередній прогін моделі в кількості Другий спосіб реалізацій. З використанням отриманого ряду , Знайдемо оцінку дисперсії:

тут тут   - середньоарифметичне значення по   вимірам - середньоарифметичне значення по вимірам. І в цьому випадку формули (4.2) мають вигляд:

обчислену дисперсію обчислену дисперсію   підставимо в формулу для визначення підставимо в формулу для визначення . якщо виявиться то моделювання повинно бути продовжено до виконання реалізацій. Якщо ж , То моделювання закінчується. необхідна точність оцінки випадкової величини (Шуканого показника ефективності) при заданій достовірності досягнута.

Якщо в технічних умовах задана відносна точність Якщо в технічних умовах задана відносна точність   , То формули (4 , То формули (4.3) приймають вид:

значення значення   визначається на підставі   прогонів моделі визначається на підставі прогонів моделі. Всі подальші розрахунки аналогічні щойно розглянутим аналітичним виразами.

Вищенаведені міркування і вирази були справедливі в припущенні нормального закону розподілу випадкової величини Вищенаведені міркування і вирази були справедливі в припущенні нормального закону розподілу випадкової величини . Якщо в цьому є сумнів, то для визначення зв'язку , і можна скористатися нерівністю Чебишева П. Ф .:

З урахуванням напрямку знаків нерівностей отримаємо:

Також як і в попередніх випадках замість невідомої дисперсії Також як і в попередніх випадках замість невідомої дисперсії   слід використовувати її оцінку   , Обчислену за даними   прогонів моделі слід використовувати її оцінку , Обчислену за даними прогонів моделі. І ще: звернемо увагу, що в даному випадку достовірність бере участь в формулах в явному вигляді.

Отже, в виразах (4.3) ми замість невідомої дисперсії Отже, в виразах (4 використовуємо її оцінку . У цьому випадку замість аргументу функції Лапласа треба використовувати параметр розподілу Стьюдента , Значення якого залежать не тільки від рівня достовірності , Але і від числа так званих ступенів свободи . Тут, як і раніше, - число прогонів моделі. Взагалі-то, при розподіл Стьюдента прагне до нормального розподілу, але при малому числі прогонів моделі помітно відрізняється від .

Для практичних цілей значення Для практичних цілей значення   можна взяти з   табл можна взяти з табл. 4.4 .

з табл. 4.4 видно, що при з   табл значення і практично збігаються. Але при менших значеннях слід користуватися величиною .

4.6.2. Визначення оцінки дисперсії

Ми навчилися знаходити оцінку матожіданія Ми навчилися знаходити оцінку матожіданія   деякої випадкової величини   із заданими точністю і достовірністю деякої випадкової величини із заданими точністю і достовірністю.

Тепер розглянемо задачу визначення оцінки дисперсії Тепер розглянемо задачу визначення оцінки дисперсії   випадкової величини   також із заданими точністю і достовірністю випадкової величини також із заданими точністю і достовірністю.

Опустимо висновок і наведемо остаточний вигляд формул для розрахунку Опустимо висновок і наведемо остаточний вигляд формул для розрахунку   і   : і :

де де   - емпіричний центральний момент четвертого порядку: - емпіричний центральний момент четвертого порядку:

невідоме значення невідоме значення   замінюється оцінкою   , Як було розглянуто раніше замінюється оцінкою , Як було розглянуто раніше.

Якщо визначається випадкова величина має нормальний розподіл, то Якщо визначається випадкова величина має нормальний розподіл, то   і вирази для   і   приймають вид: і вирази для і приймають вид:

Як і раніше при малих значеннях Як і раніше при малих значеннях   (   ) Слід використовувати параметр розподілу Стьюдента ( ) Слід використовувати параметр розподілу Стьюдента .

З зіставлення (4.3) і (4.4) випливає, що один і той же кількість реалізацій моделі забезпечить різне значення помилки З зіставлення (4 при оцінці матожіданія випадкової величини і її дисперсії - при однаковій достовірності. І інакше: однакову точність визначення оцінок матожіданія і дисперсії випадкового параметра при однаковій достовірності забезпечить різну кількість реалізацій моделі.

Приклад 4.5. В результаті попередніх прогонів моделі Приклад 4 визначена оцінка дисперсії .

Визначити число реалізацій моделі Визначити число реалізацій моделі   і   для визначення оцінок матожіданія і дисперсії випадкової величини   відповідно з точністю   і достовірністю і для визначення оцінок матожіданія і дисперсії випадкової величини відповідно з точністю і достовірністю

Рішення