Файл: Контрольная работа по дисциплине статистический анализ и планирование эксперимента Вариант 42.docx

ВУЗ: Не указан

Категория: Не указан

Дисциплина: Не указана

Добавлен: 09.01.2024

Просмотров: 248

Скачиваний: 1

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

СОДЕРЖАНИЕ

Министерство науки и высшего образования Российской ФедерацииФедеральное государственное бюджетное образовательное учреждение высшего образованияИРКУТСКИЙ НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТКафедра нефтегазового делаКонтрольная работапо дисциплине «СТАТИСТИЧЕСКИЙ АНАЛИЗ И ПЛАНИРОВАНИЕ ЭКСПЕРИМЕНТА»Вариант №42Выполнил:студент группы НДбз-18-2Носков В.АПроверил преподаватель: Шмаков А. К.Иркутск 2022 г.1 СТАТИСТИЧЕСКИЙ АНАЛИЗ СЛУЧАЙНЫХ ВЕЛИЧИН1.1. Статистический анализ одномерной последовательности случайных величинЦель работы: приобрести компетенции статистического анализа одномерной последовательности случайных величин.Задание: Подготовить исходные данные. Построить вариационный, статистический, группированный ряды. Построить гистограмму, полигон, кумуляту, огиву. Определить относительные частоты последовательности. Определить: среднее арифметическое (по вариационному ряду), средневзвешенное (по группированному ряду), моду, медиану, дисперсию (по группированному ряду); среднее квадратическое отклонение, коэффициент вариации. Рассчитать в программе Excel характеристики описательной статистики для заданной последовательности случайных величин. Исходные данные В качестве исходных данных принято количество агрегатов в работе, таблица 1.1.Таблица 1.1- Кпес. - песчанистость, Ккар

2.1 Статистический анализ двумерной последовательности случайных величин

Цель работы. Освоить компетенции выполнения статистического анализа двумерных данных, выявить зависимость (связь) между случайными величинами.

Заключение

Заключение

Литература



Регрессионный анализ заданных последовательностей выполнен с помощью режима Регрессия пакета «Анализ данных» программы MS Excel. Сгенерируются результаты по регрессионной статистике, представленные в таблице 2.3.
Таблица 2.3- Результаты регрессионного анализа

ВЫВОД ИТОГОВ































Регрессионная статистика

 













Множественный R

0,149781













R-квадрат

0,022434













Нормированный R-квадрат

0,002484













Стандартная ошибка

15,66512













Наблюдения

51














Дисперсионный анализ










 

df

SS

MS

F

Значимость F

Регрессия

1

275,9503736

275,9503736

1,124510613

0,294148421

Остаток

49

12024,40257

245,3959708

 

 

Итого

50

12300,35294

 

 

 






















 

Коэффициенты

Стандартная ошибка

t-статистика

P-Значение

Нижние
95%


Верхние
95%


Нижние
95,0%


Верхние
95,0%


Y-пересечение

73,08335

11,05977217

6,608034211

2,68632E-08

50,85790858

95,3088

50,85791

95,3088

Переменная X 1

-0,95699

0,902453475

-1,060429448

0,294148421

-2,770536395

0,85656

-2,77054

0,85656


Рассчитанные в таблицах характеристики представляют собой:

Множественный R — коэффициент корреляции R отражающий взаимосвязь двух и более случайных величин;

R-квадрат — коэффициент детерминации R 2 — это доля дисперсии зависимой переменной, объясняемая рассматриваемой моделью зависимости, то есть объясняющими переменными;

Нормированный R-квадрат – скорректированный R2 с поправкой на число степеней свободы.

Стандартная ошибка — остаточное стандартное отклонение реальных значений от прогнозируемых.

Наблюдения — число наблюдений n.

df — число степеней свободы.

  1. Для строки Регрессиячисло степеней свободы определяется количеством факторных признаков m: kф=m=1.

  2. Для строки Остатокчисло степеней свободы определяется числом наблюдений nи количеством переменных в уравнении регресси: kо = n - (m+1).

  3. Для строки - Итогочисло степеней свободы определяется суммой kY = kФ + kо.


SSсумма квадратов отклонений.

  1. Для строки Регрессия — это сумма квадратов отклонений теоретических данных от среднего:

  2. Для строки Остаток — это сумма квадратов отклонений эмпирических данных от теоретических:

  3. Для строки Итого — это сумма квадратов отклонений эмпирических данных от среднего.

MS— дисперсии:

  1. Для строки Регрессия — это факторная дисперсия.

  1. Для строки Остаток — это остаточная дисперсия. Остаточная дисперсия — это общая сумма квадратов отклонений расчетных значений от фактических (объем остаточной вариации), разделенная на число наблюдений.

Fрасчетное значение F-критерия Фишера (вычисляемое по формуле).

Значимость Fзначение уровня значимости, соответствующее вычисленному значению.

Коэффициенты — значения коэффициентов аi.

Стандартная ошибка — стандартные ошибки коэффициентов ai

t-статистика — расчетные значения t-критерия

Р-значение — значения уровней значимости, соответствующие вычисленным значениям tp.

Нижние 95 % и Верхние 95 % — соответственно нижние и верхние границы доверительных интервалов для коэффициентов регрессии.
Построение регрессионных моделей выполнено с помощью команды «Построение линии тренда» программы Excel.

На нижеприведенных рисунках (рис. 2.2 - 2.6 показаны различные регрессионные модели, описывающие связь между двумя заданными последовательностями случайных величин.


Рисунок 2.2 – Экспоненциальная модель


Рисунок 2.3 – Линейная модель


Рисунок 2.4 – Логарифмическая модель


Рисунок 2.5 – Полиномиальная модель


Рисунок 2.6 – Полиномиальная модель
В таблице 2.4 показаны сводные данные по всем построенным моделям.

Таблица 2.4 - Сводные данные построенных регрессионных моделей



п/п

Наименование модели

Вид уравнения

Величина достоверности детерминации, R2

1

Экспоненциальная

y=64,696e-0,007x

0,0039

2

Линейная

y = -0,957x + 73,083

0,0224

3

Логарифмическая

y = -11,54ln(x) + 90,043

0,023

4

Полиномиальная второй степени

y = 0,0116x2-1,2563x + 74,936

0,0225

5

Полиномиальная третьей степени

y = -0,0354x3 + 1,3925x2 - 18,178x + 140,09

0,0267



Вывод: Полиномиальная третьей степени модель обладает наибольшим значением величины достоверности детерминации 0,0267. Это означает что данная модель описывает все точки случайной величины наиболее точно и должна использоваться как модель.


Заключение


Мной были освоены компетенции выполнения статистического анализа двумерных данных, выявить практически отсутствующую зависимость между рассмотренными случайными величинами.

  1. ПЛАНИРОВАНИЕ ЭКСПЕРИМЕНТОВ


Реалистичное содержание целевой функции
В качестве целевой функции (функции отклика, зависимой переменной, реакции системы на воздействие факторов Xi) Y принят износ долота, мм.
Y = f(Х1, Х2, Х3).
Реалистичное содержание (сущность) факторов
В качестве факторов функции отклика Xi принимаются:
X1 – количество оборотов ротора, об/мин;

X2 – осевая нагрузка на долота, т;

Х3 - плотность бурового раствора, кг/м3.
Уровни варьирования значений факторов
Минимальные и максимальные значения факторов приняты следующие:


Х1 min = 70

X1 max = 190

Х2 min= 10

X2 max= 20

Х3 min= 800

X3 max= 1500


Среднее значение фактора
Среднее значение фактора определяется по формуле:



Х10=(190+70)/2=130 об/мин.

Х20= (20+10)/2=15 тонн.

Х30= (1500+800)/2=1150 кг/м3.

Интервалы варьирования фактора

Интервал варьирования определяется по формуле:

dx1 = X10 – X1min = 130-70=60.

dx2 = X20 – X2min = 15-10=5.

dx3 = X30 – X3min = 1150-800=350.


Корректность определения значений факторов


Фактор

X1

X2

Х3

Минимальное значение, Хi min

70

10

800

Максимальное значение, Xi max

190

20

1500

Среднее значение, X0

130

15

1150

Интервал варьирования dХi

60

5

350