Методы и средства исследования и оптимизации процессов . Основные понятия

Автор работы: Пользователь скрыл имя, 01 Декабря 2015 в 00:47, лекция

Описание работы

Оптимизируются те или иные объекты. Для оптимизации объекта следует иметь об этом объекте достаточное количество априорной информации.
Априорная информация – уровень достоверной информации об объекте исследования, позволяющей построить модель того или иного уровня детализации и достоверности.
Сущность математического описания объекта (системы) или процесса заключается в получении математической модели или соотношения, связывающего характеристики входящего в объект материала и выходящего продукта:
Y = F{X},
где Y – сов-ть выходных параметров процесса, которые определяют свойства выходящего продукта.
 Х – совокупность выходных параметров (факторов), определяющих характеристики процесса (объекта) и свойства входящего материала (продукта).
F{X} – символ, называемый оператором, который характеризует математическую модель объекта или системы.

Скачать архив (1.75 Мб) Сколько стоит заказать работу?
Файлы: 1 файл

Методы и средства исследования и оптимизации процессов бурения скважин.ppt

— 2.15 Мб (Скачать файл)

Насколько шире? Это  будет зависеть от РАЗМЕРА ВЫБОРКИ (от числа степеней свободы df = n-1)

 

df

 

Пояснить про число  степеней свободы 

t-распределение (Стьюдента)

 

df=k

 

При больших (>30) размерах выборок приближается к нормальному

 

61

 

Задав доверительный интервал и уровень значимости, и зная дисперсию, можно рассчитать необходимый минимальный объём выборки

  •  иногда стандартную ошибку среднего приводят как показатель разброса в выборке (±SE); это не очень корректно, т.к. это характеристика не выборки, а выборки выборочных средних;
  • зато в публикациях нередко используют доверительный интервал (95% CI), ведь он показывает местонахождение популяционного среднего;

 

Для публикаций

В чём ошибки?

Темы занятий (2015 год)

 

1. Основные понятия. Описательная статистика

2. Тестирование гипотез  в статистике. Критерии Стьюдента

3. Мощность статистического  теста. Величина различий (effect size). Формирование  выборок для параметрических  критериев.

4. Дисперсионный анализ ANOVA

5. Дисперсионный анализ ANOVA (продолжение)

6. Корреляции. Регрессионный  анализ

7. Трансформация данных. Непараметрические критерии.

8. Частотный анализ.

9. Основы многомерных  методов анализа. Факторный анализ.

10. Дискриминантный  анализ. Многомерное шкалирование. Кластерный анализ


Информация о работе Методы и средства исследования и оптимизации процессов . Основные понятия