Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Лабораторна робота4.doc
Скачиваний:
2
Добавлен:
08.12.2018
Размер:
782.34 Кб
Скачать

Лабораторна робота № 4

D-ОПТИМАЛЬНІ ЕКСПЕРИМЕНТАЛЬНІ ПЛАНИ

8.1 Мета роботи. Ознайомитись з D-оптимальними експериментальними планами, методикою послідовного проведення експерименту і способом вибору кількості дослідів при реалізації D-оптимальних планів.

8.2 Теоретичні відомості

Експериментальні плани, що визначають програму досліджень для знаходження математичного опису об’єкта, будуються виходячи з різних критеріїв оптимальності. Значного поширення набули ортогональні плани. Вони оптимальні з погляду простоти обробки отриманої інформації. А також ротатабельні плани. Вони забезпечують однакову інформацію на рівних відстанях від центра плану.

Однак ці критерії не висували ніяких вимог до характеристик, які пов’язані з точністю отриманого математичного опису. Тому з’явились нові критерії оптимальності планування, такі як величина визначника кова-ріаційної матриці оцінок коефіцієнтів (тобто узагальнена дисперсія оцінок коефіцієнтів), максимальне значення дисперсії пророкування рівняння регресії, середня дисперсія оцінок коефіцієнтів і інші.

Припустимо, що функціональний вигляд рівняння регресії відомий

(8.1)

де- відомі функції вхідних змінних Х1 , Х2 , Х3 ,…, Хn .

Вектор є вектором вхідних змінних.

Результати спостережень y1, y2, …, yN - незалежні, нормально розподілені випадкові величини.

Дисперсії

дорівнюють одна одній

.

Задача експериментатора полягає в знаходженні оцінок bk коефіцієнтів рівняння (8.1).

Введемо такі позначення:

-вектор, який визначає набір функцій­ fgk в g-му спостреженні, Т – знак транспонування;

- d мірний вектор шуканих оцінок.

. (8.2)

Оцінки компонент вектора можуть бути знайдені методом найменших квадратів, тобто з умови мінімуму суми квадратів відхилень спостережуваної величини yj від величини, передбаченої рівнянням (8.1)

. (8.3)

Диференціюючи (8.3) по параметрах bk і прирівнюючи похідні до нуля, одержимо систему нормальних рівнянь, яка записується [8] так:

(8.4)

де (8.5)

матриця коефіцієнтів системи (8.4), елементи якої знаходять з виразу (8.6) ,. (8.6)

Вільні члени αk визначаються за виразом

. (8.7)

У матричній формі система нормальних рівнянь запишеться так:

. (8.8)

Рішенням системи (8) є вектор оцінок коефіцієнтів

. (8.9)

Запишемо вирази для коваріаційної матриці оцінок bk . Нагадаємо, що ця матриця складається з елементів, які є дисперсіями і коваріаціями оцінок коефіцієнтів, тобто

(8.10)

де βk, βf - справжні значення коефіцієнтів.

Коваріаційна матриця з врахуванням (8.9)

(8.11)

запишеться так:

. (8.12)

в силу того, що помилки некорельовані; тут

Е – одинична матриця розміру NN ).

План X, який мінімізує визначник коваріаційної матриці оцінок (8.12) на безлічі всіх планів в області G, називається D-оптимальним.

, (8.13)

де .

Пояснимо, як треба розуміти критерій D-оптимальності. Виявилося, що D-оптимальний план мінімізує об’єм довірчого еліпсоїда на безлічі всіх планів в області G. Довірчий еліпсоїд - це такий еліпсоїд, що накриває справжні значення коефіцієнтів з даним рівнем імовірності. Оскільки об’єм цього еліпсоїда V пропорційний , то мінімізація цього визначника по безлічі планів в області G забезпечить мінімальний об’єм.

Наведемо ще кілька критеріїв оптимальності:

1. А-оптимальність. План називається А-оптимальним, якщо його коваріаційна матриця має мінімальний слід (тобто мінімальну суму діагональних елементів). Це відповідає мінімумові середньої дисперсії оцінок параметрів.

2. Е-оптимальность. План називається Е-оптимальним, якщо він мінімізує максимальне власне число коваріаційної матриці оцінок .

3. G-оптимальність. План називається G-оптимальним, якщо він забезпечує найменшу за всіма планами величину максимальної дисперсії передвіщених значень рівняння регресії

(8.14)

4. План, який мінімізує максимальний діагональний елемент коваріаційної матриці (тобто максимальну дисперсію оцінок параметрів).

Усі наведені критерії були сформульовані для точних планів, тобто для планів з фіксованою кількістю спостережень N.

Розглянемо тепер методи побудови D оптимальних планів.

При побудові D -оптимальних планів можливі дві постановки задачі. При першій з них задається кінцева кількість N спостережень і шукається таке розташування експериментальних точок, при якому буде виконана умова (8.13). Отримані в такий спосіб D-оптимальні плани називаються точними. Якщо ці плани концентруються в h N точках, в кожній з яких кількість вимірювань дорівнює NL то частота повторень спостережень у l-ній точці буде . Тому . Основна властивість, яка характеризує точні плани, це те, що Nt - ціле число.

Можлива й інша постановка задачі. Вона зв’язана з поняттям узагальненого плану. Узагальненим (або безперервним) планом називається сукупність 2h чисел

(8.15)

.

Де - точки, в яких проводяться спостереження, а Wl - частка спостережень в даній точці при загальній кількості спостережень, прийнятій за одиницю.

В даному випадку

але - це будь-які дійсні числа, у тому числі й ірраціональні. Отже, такі плани не зв’язані з якоюсь конкретною кількістю спостережень.

Безперервні плани - це математична абстракція, що необхідна для спрощення задачі побудови D-оптимальних планів. Виявилося, що безпе-рервні D-оптимальні плани можуть бути побудовані аналітично для деяких видів рівняння регресії.

Для безперервних D-оптимальних планів була сформульована і дове-дена теорема еквівалентності, відповідно до якої безперервний D-оптимальний план є одночасно і G-оптимальним, тобто мінімізує , причому

, (8.16)

де k - кількість коефіцієнтів регресії;

N - кількість точок експериментального плану. Рівняння (16) дозволяє оці-нювати відхилення даного плану від D-оптимального. Відносне відхилення можна оцінити за формулою:

. (8.17)

На основі теореми еквівалентності була створена розрахункова процедура, яка дозволяє будувати безперервні D-оптимальні плани для довільного виду рівняння регресії і довільної форми області планування G.

Надалі будемо розглядати лише безперервні D-оптимальні плани. При реалізації безперервних D-оптимальних планів на практиці застосовується послідовна стратегія експериментування, при якій точка постановки нового експерименту визначається, виходячи з результатів попередніх експериментів.

При цьому виникають дві основні проблеми:

- доцільність продовження експерименту для уточнення оцінок параметрів;

- вибір наступної експериментальної точки з точок D-оптимального плану, якщо прийнято рішення про продовження експерименту.

Послідовний D-оптимальний експеримент організується так:

- вибирається початковий план, який є підмножиною точок D-оптимального плану;

- перевіряється виконання умови припинення експериментування (як буде

показано нижче, момент припинення не залежить від результатів експе-рименту yg );

  • якщо не прийняте рішення про припинення спостережень, то вибирається

найкраща точка постановки наступного експерименту.

Розглянемо реалізацію правила припинення. Будемо вважати, що нам дана допустима точність визначення оцінок :

(8.18)

де — оцінка після D-спостережень, яка повинна бути забезпечена з деякою заданою імовірністю. Умова (8.18) означає, що точка дійсних значень коефіцієнтів з імовірністю Р знаходиться в середині сфери радіуса з центром у точці Область у просторі параметрів, обмежену сферою (8.18), позначимо через N і назвемо її допустимою. Спостереження припиняються, коли N досягне такого значення, при якому

. (8.19)

Скористаємося поняттям довірчого еліпсоїда. Довірчий еліпсоїд визначає область у просторі , яка накриває вектор дійсних значень параметрів з імовірністю P. Рівняння довірчого еліпсоїда записується так:

, (8.20)

де - відсоткова точка розподілу s2 для кількості ступенів сво-боди k.

Умова припинення (8.19) буде виконана, якщо довірчий еліпсоїд знаходиться в середині сфери (8.18), яка визначає допустиму область.

Це буде матиме, коли

, (8.21)

де N, min - мінімальне власне число матриці .

Отже, спостереження припиняються, як тільки виконується нерівність (8.21). Очевидно, що виконання умови (8.21) не залежить від результатів експерименту. Якщо умова припинення (8.21) не виконана, необхідно продовжити експеримент. Для вибору наступної експериментальної точки необхідно знайти максимальне значення дисперсії пророкування (8.14) по точках плану. Точка максимуму і є точкою постановки нового експерименту. Алгоритм вибору наступної експериментальної точки, заснований на процедурі послідовного планування експериментів Соколова. Вибір точки також не зв’язаний з результатами попередніх експериментів (тому що не залежить від yg ), тому і порядок проходження точок, і мінімальні власні числа матриці можуть бути визначені до початку експерименту. Спочатку визначається порядок проходження точок D-оптимального плану, а потім обчислюється N,min після кожного нового спостереження.

Маючи таку таблицю, яка містить точки плану і N,min можна визна-чити по (8.17) межу припинення і визначити заздалегідь кількість спосте-режень, які потрібно буде зробити.

Таблиця 8.1 - Значення N,min і після кожного спостереження

Х1

Х2

min

1

2

3

4

5

1

0

0

-

-

2

1

0

-

-

3

-1

0

-

-

4

0

1

-

-

5

1

1

-

-

6

-1

1

-

-

7

0

-1

-

-

8

1

-1

-

-

9

-1

-1

1,000

0,667

10

1

-1

1,031

0,833

11

1

1

1,067

0,590

12

-1

-1

1,100

0,720

13

-1

1

1,138

0,234

14

0

0

1,717

0,115

15

0

-1

1,744

0,168

16

1

1

1,762

0,241

17

-1

1

1,781

0,278

18

1

-1

1,803

0,346

19

-1

-1

1,827

0,32

20

1

0

1,985

0,225

21

-1

0

2,047

0,254

22

0

1

2,174

0,0925

23

1

-1

2,199

0,14

24

1

1

2,225

0,183

25

-1

-1

2,250

0,231

26

-1

1

2,277

0,1925

27

0

0

2,860

0,0733

28

1

0

2,919

0,0923

Продовження таблиці 8.1

1

2

3

4

5

29

0

-1

3,024

0,095

30

-1

1

3,041

0,116

31

-1

-1

3,067

0,152

32

1

1

3,092

0,166

33

1

-1

3,130

0,145

34

-1

0

3,206

0,167

35

0

1

3,321

0,068

36

0

0

3,892

0,0668

37

1

-1

3,918

0,0957

38

1

1

3,945

0,1245

39

-1

-1

3,972

0,153

40

-1

1

4,000

0,066

41

0

-1

4,071

0,078

42

1

0

4,174

0,0557

43

0

1

4,249

0,0707

44

-1

0

4,349

0,0725

45

1

-1

4,377

0,0933

46

1

1

4,406

0,1147

47

-1

-1

4,434

0,1384

48

-1

1

4,464

0,0886

49

0

0

5,039

0,0367

50

1

-1

5,063

0,0574

51

-1

-1

5,078

0,0764

52

1

1

5,089

0,0971

53

-1

1

5,105

0,0575

54

1

0

5,216

0,0689

55

0

1

5,295

0,0509

56

0

-1

5,378

0,0631

57

-1

0

5,498

0,043

58

1

-1

5,524

0,06

59

-1

-1

5,551

0,077

60

1

1

5,557

0,095

61

-1

1

5,604

0,1005

62

0

0

6,182

0,0196

63

1

-1

6,206

0,0375

64

1

1

6,230

0,051

65

-1

-1

6,254

0,067

66

-1

1

6,278

0,0687

67

0

0

6,860

0,0517

Для визначення звичайно проводиться попередній експеримент, який містить невелику кількість точок D-оптимального плану (N0 спостережень) і визначаються оцінки коефіцієнтів регресії Після цього береться, як деякий відсоток величини .

Відзначимо, що ортогональні плани типу 2n є D-оптимальними. Таким чином, у випадку рівняння регресії виду

, i k l q (8.22)

можна використовувати блоки експериментів, кожний з яких представляє повний факторний експеримент або дробовий факторний експеримент. Можна показати, що після кожного такого блоку

, (8.23)

де v - кількість блоків, n - кількість спостережень у блоці.

Відзначимо, що після визначення кількості спостережень порядок їхнього проведення не має значення.

У таблиці 8.1 приведений D -оптимальний план для рівняння

. (8.24)

Цей план складається з 9 дослідів (перші 9 точок таблиці). Послідовність проведення експериментів після перших 9 дослідів визначалася за допомогою обчислення максимального значення (8.14) на кожному крокові і додавання точки, у якій досягається цей максимум.

В таблиці 8.1 приведені також N,min і після кожного спостереження.