Анализ регрессионный

Модель прогноза строили для параметров местоположение на дистанции" и количество дефектов по данным первого прогона внутритрубного дефектоскопа-снаряда. Анализ регрессионных уравнений для параметра местоположение дефекта на дистанции показал, что при изменении режимов работы трубопровода образование прогнозировавшихся дефектов происходило хаотично и не отражало реальной картины повторного прогона. Поэтому в дальнейшем этот параметр не рассматривали. [c.114]

Некоторые сведения о регрессионном анализе. Регрессионный анализ нашел широкое применение для исследования зависимости между количественными факторами и признаком (показателем) ремонтопригодности. Как уже указывалось, метод регрессионного анализа используется, в двух случаях когда влияние факторов устанавливается по данным эксплуатации машин (пассивные эксперименты) и когда проводятся специально спланированные эксперименты (активные эксперименты). [c.90]

Статистический анализ регрессионной модели включает оценку дисперсии воспроизводимости, проверку адекватности регрессионной модели и проверку значимости коэффициентов уравнения регрессии 18, 481. [c.159]

Анализ регрессионных моделей показал, что в исследованных диапазонах изменения параметров АТ, F и наибольшее влияние на свойства получаемых ультрадисперсных металлических порошков (d и "уд) оказывает температура процесса пиролиза формиатов, вернее, температурный интервал циклирования АТ. Из двух скоростей — нагрева и охлаждения — наиболее важной является скорость охлаждения. [c.197]

Для использования методов регрессионного анализа с вычислением дисперсий желательно, чтобы дли каждого номера опыта было выполнено не меиее трех опытов. Прн большом числе опытов линия регрессии будет более точно отражать экспериментальные данные. [c.178]

Регрессионный анализ. Связь между г/ и Q может быть не функциональной, а статистической, что особенно характерно при пассивных экспериментах. Для получения моделей в такой ситуации часто применяют регрессионный анализ. Модель ищется в форме уравнения регрессии (4.4), в котором роль коэффициентов в векторе А выполняют коэффициенты относительной регрессии. [c.153]

Результаты статистических испытаний Уд используются для построения гистограмм, подсчета математических ожиданий и дисперсий выходных параметров. Можно рассчитать также коэффициенты корреляции между выходными /// и внутренними Xi параметрами, которые используются для определения коэффициентов регрессии г// на xi. Поскольку относительные коэффициенты регрессии являются аналогами коэффициентов влияния xt на yj, регрессионный анализ, совмещаемый со статистическим анализом, следует рассматривать как возможный подход к анализу чувствительности. [c.257]

Пример 6.6. Управление технологическим процессом на основе текущего регрессионного анализа. Рассмотрим технологический процесс производства магнитоуправляемых контактов (МК). Основная задача производства МК — получение изделий с заданными величинами напряженности магнитного поля 0 и зазора S между контактами. [c.301]

По результатам математической обработки большого количества экспериментальных данных по программе регрессионного анализа на ЭВМ получены зависимости [c.526]

Рассмотренные выше теоретические методы не всегда позволяют получать математические модели ЭМП, удобные для реализации в САПР. В этих случаях в последние годы широко применяют статистические методы и, в частности, методы регрессионного анализа, используемые в теории планирования экспериментов [53]. Математическая модель, называемая функцией или поверхностью отклика, представляется уравнением регрессии [c.95]

Адекватность представления результатов испытаний уравнением регрессии в факторном анализе так же, как и в классическом регрессионном, оценивается с помощью дисперсионного отношения [c.96]

Благодаря идеям оптимального планирования точек испытаний, анализ факторов регрессионных моделей является достаточно универсальным средством не только для экспериментального изучения и оптимизации малоизвестных явлений, но и для аппроксимации сложных функций многих переменных с минимальной затратой усилий. [c.97]

РЕГРЕССИОННЫЙ АНАЛИЗ - его задача подбор математических формул, наилучшим образом описывающих экспериментальные данные. [c.65]

Блок обработки дефектов представляет собой блок программ, состоящий из двух основных разделов, — статистической и математической обработки дефектов. Блок позволяет проводить первичную обработку дефектов после завершения внутритрубной УЗД. В блоке статистической обработки дефекты сортируются по видам, анализируется их взаимосвязь, определяются участки трубопровода с наибольшим количеством дефектов. Математическая обработка предусматривает расчет распределений по видам дефектов, подготовку данных для проведения факторного и регрессионного анализов, а также решение специальных задач (подбор закона распределения параметров дефектов на участках трубопровода, недоступных для внутритрубной дефектоскопии, решение регрессионных уравнений и других). [c.104]

Обработка результатов применения автоматизированной базы данных методами факторного и регрессионного анализов позволила оценить влияние основных факторов на коррозионные процессы в трубопроводах. Матрица наблюдений, с помощью которой построены модели прогноза образования дефектов, состояла из одиннадцати параметров и включала характеристики дефектов и труб, а также режимов работы трубопроводов. Особенность прогнозирования заключается в подготовке [c.106]

Для оценки влияния параметров режима эксплуатации трубопровода на коррозионные процессы использовали факторный и регрессионный анализы. Факторный анализ позволяет устанавливать связи между исследуемыми параметрами. Результатом применения регрессионного анализа являются модель прогноза для зависимого параметра и определение вкладов каждого независимого параметра в зависимый [47]. [c.110]

Построение и анализ многофакторной регрессионной модели позволяют судить о численном влиянии факторов на изучаемый показатель дефектности трубопровода и изменении этого показателя при варьировании значений каждого фактора. Критерием оценки адекватности модели является коэффициент детерминации который представляет собой статистическую характеристику, учитывающую как линейные, так и нелинейные виды связей и дающую возможность оценивать степень адекватности построенной модели с помощью зависимости [c.113]

Измерение любой экспериментальной величины осуществляется при воздействии помех, поэтому исследователь имеет дело со случайными величинами. Кроме расчета статистических характеристик случайных величин (математического ожидания, дисперсии, среднеквадратичного отклонения и т. д., см. 2.2) основной задачей статистического анализа результатов исследования (наряду с дисперсионным и регрессионным анализами, см. 5.5) является проверка статистических гипотез. [c.104]

ДИСПЕРСИОННЫЙ И РЕГРЕССИОННЫЙ АНАЛИЗЫ [c.106]

Если дисперсионный анализ отвечает на вопрос, влияет ли данный фактор (факторы) на у, то задачей регрессионного анализа является выяснение количественных характеристик этого влияния. [c.108]

Случай, когда уравнения регрессии имеют более сложный вид, а также многофакторный регрессионный анализ рассматривается в специальной литературе (например, в [6]). [c.109]

И расчетных данных проводили методами корреляционного и регрессионного анализов [61] на ЭВМ Мир . [c.115]

Как правило, независимые переменные задаются с известной ошибкой, т. е. каждому значению л-, соответствует стандартное отклонение s,- и, следовательно, каждому значению yi — стандартное отклонение Нахождение взаимосвязи между у и х называется регрессионным анализом данных. Если эта взаимосвязь линейна, то с помощью измеренных значений строится прямая регрессии [14]. [c.19]

Математическая обработка полученных зависимостей потерь массы О [ г/м2] от времени t [ч] с помощью регрессионного анализа показала, что наилучшая аппроксимация достигается при использовании логарифмического закона [c.33]

Таблица 4. Результаты регрессионного анализа для потенциалов ПК исследованных сталей

Таким образом, можно считать обоснованным применение методов регрессионного анализа к анализируемым результатам. [c.81]

Однако рассмотренные двухмерные зависимости не позволяют найти оптимальный технологический режим, обеспечивающий получение глобального экстремума оптимизируемого показателя качества покрытия, так как они не учитывают взаимного влияния этих параметров на свойства покрытий. Сложность и недостаточная изученность явлений, лежащих в основе данного технологического процесса, не позволяют получить аналитическое решение поставленной задачи, поэтому мы использовали экспериментально-статистические методы регрессионного анализа и теории планирования экспериментов [2], позволяющие получить математическую модель и определить оптимальные значения режимных параметров процесса с учетом их взаимного влияния на свойства покрытий. [c.88]

Более точные данные по влиянию на коррозионную стойкость алюминия, хрома и кобальта дал регрессионный анализ. В результате регрессионного анализа были установлены об.ласти сплавов, обладающих наиболее высокой стойкостью против сульфидной коррозии [c.177]

На основании регрессионного анализа получены оптимальные значения параметров отверждения покрытий из исследованных ОСК (табл. 2). [c.217]

Коэффициенты уравнений (23), (24) получают методом регрессионного анализа соответственно с переменной и постоянной дисперсией по уровням напряжения (табл. 14).. [c.85]

Совершенствование системы нормативов надежности должно опираться на сочетание исследований общих закономерностей формирования свойства надежности систем энергетики, анализа прошлого опыта работы систем и экспертных оценок [72]. Исследование закономерностей, проводимое на достаточно сложных модельных объектах, имеет целью изучение относительной силы влияния тех или иных факторов на изменения показателей надежности системы. Здесь могут быть полезны имитационные модели и методы, основанные на построении регрессионных зависимостей, с учетом экстраполяции существующих тенденций развития системы на перспективу. Анализ прошлого опыта вместе с экспертными оценками должен давать ответ на вопрос о том, насколько удовлетворительным было обеспечение потребителей в прошлом. Иными словами, неизбежно должны получить развитие методы ретроспективного анализа надежности систем энергетики. Ясно, что процесс создания нормативов в принципе итеративный, поскольку необходимы этапы оценки эффективности разрабатываемых и внедряемых норм и их корректировки с изменением внешних условий, накоплением опыта решения задач и т. д. [c.174]

На рисунке 2.17 представлены таюке фанулометрические характеристики готового продукта, пол> ченного при разрушении кварцевого стекла при различных энергиях импульса, а в табл.2.6 сведены результаты частных выходов в классы крупности кварцевой керамики при варьировании рабочего напряжения, разрядной емкости, длины рабочего промежутка в камере. В таблице 2.6 также приведены экспериментальные данные, полученные из рефессионных уравнений, и значения частных характеристик крупности, рассчитанных по разработанной методике (раздел 2.4). Влияние исследуемых параметров и их взаимодействий на фанулометрические характеристики готового продукта значительно и достаточно сложно. Анализ регрессионных уравнений (В.И.Курец, 1988 г., диссертация. Томский политехнический университет, г.Томск) указывает на неоднозначность их влияния переменных величин, характеризующих энергетический режим разрушения, на частные характеристики крупности. Гранулометрические характеристики кварцевого стекла подтверждают это положение. Так, увеличение энергии импульса напряжением генератора практически всегда приводит к увеличению выхода материала во все классы крупности готового продукта, в том числе и в мелкие. Изменения величины энергии разрядной емкостью генератора неоднозначно влияют на частные выходы в различные классы крупности готового продукта. Так, выход в класс (-1+0) мм уменьшается, а в промежуточный класс (-3+1) мм увеличивается с ростом разрядной емкости. Рост рабочего промежутка приводит к уменьшению выхода готового продукта в классы крупности (-5+1) мм и увеличению [c.96]

При игследрвании развития явлений общественного производства, в том числе и в области ремонта, используют диалектический метод. Наряду со всеобщим методом широко применяют и конкретно-научные методы, такие, как математический анализ, регрессионный и корреляционный анализ, дисперсионный анализ, методы индукции и дедукции, метод абстракции, системный анализ как метод исследования процессов ремонтного производства и т. д. [c.289]

Для того чтобы оцепить пригодность получешюго уравнения, необходимо проверить ряд статистических гипотез регрессионного анализа. Приступать к регрессионному анализу можно только в том случае, если дисперсии в каждом опыте однородны. Дисперсия в каждом опыте определяется по формуле [c.178]

Наиболее целесообразно все расчеты по регрессионному анализу выполнять на ЭВМ. В этом случае значимость коэффициентов определяют в процессе расчета — ио программе рассчитывают все коэффициенты уравнения регрессии, провернют их значимость по критерию Стьюдента при вероятностях р г = 0,90 0,95 0,98 0,99, Переменную с минимальным уровнем значимосиг исключают из уравпенпя и расчет повторяют до исключения всех незначимых переменных. [c.179]

В результате регрессионного анализа, использовав экспериментальные данные по теплообмену псевдоожи-женного слоя стеклянных шариков диаметром 3—3,2 мм с поверхностью вертикального датчика, а также соотношения (3.86) и (3.88), была получена величина коэффициента [c.101]

Диалоговое моделирование. Наличие в методике макромоделирования эвристических и формальных операций обусловливает целесообразность разработки моделей элементов в диалоговом режиме работы с ЭВМ. Язык взаимодействия человека с ЭВМ должен позволять оперативный ввод исходной информации о структуре модели, об известных характеристиках и параметрах объекта, о плане экспериментов. Диалоговое моделирование должно иметь программное обеспечение, в котором реализованы алгоритмы статистической обработки результатов экспериментов, расчета выходных параметров эталонных моделей и создаваемых макромоделей, в том числе расчета параметров по методам планирования экспериментов и регрессионного анализа, алгоритмы методов поиска экстремума, расчета областей адекватности и др. Пользователь, разрабатывающий модель, может менять уравнения модели, задавать их в аналитической, схемной или табличной форме, обращаться к нужным подпрограммам и тем самым оценивать результаты предпринимаемых действий, приближаясь к получению модели с требуемыми свойствами. [c.154]

Следует отметить, что выражение (4.27) используется также в классическом регрессионном анализе, где для определения коэффициентов регрессии обрабатываются результаты замеров (испытаний) функции f в случайных точках факторного пространства, число которых больше числа коэффициентов регрессии или равно ему. Это создает существенные недостатки 1) коэффициенты регрессии рпределяются с помощью решения специальной системы уравнений, т. е. коэффициенты взаимосвязаны 2) пренебрежение отдельными членами уравнения регрессии требует пересчета оставшихся коэффициентов 3) большинство факторов оказываются попарно коррелированы, поэтому нельзя разделить соответствующие [c.95]

Например, в соответствии с исходной матрицей наблюдений за трубопроводом УКПГ-З-ГПЗ проведен факторный анализ, который позволил определить наиболее взаимосвязанные параметры и построить регрессионные уравнения для прогнозирования де-( )ектности трубопровода в зависимости от режима его работы. При построении модели оценивали удельный вес аргументов Хд, Хю, X], (см. табл. 11) и отбирали те из них, которые характеризовались наиболее значимыми вкладами в зависимый параметр [c.113]

В активном планируемом эксперименте все условия регрессионного анализа сохраняются, но организован он лучше, поскольку коэффициенты регрессии-некоррелированы (коэффициент корреляции характеризует статическую меру линейной связи между двумя случай-ными переменными). [c.9]

Очевидно, что при полном согласии теории с экспериментом, отсутствии случайных взаимодействий точки должны лежать на прямой у=х. Значимость отклонений реальных значений от этой идеальной линейной связи проверяется с помощью регрессионного анализа 1]. Сопоставление велось по параметру Rap- , вычисленному по формулам (III.11) и (IV.30), и параметру "эксп. измеренному на поверхности, образовавшейся после стабилизации процесса трения. Одним из условий применимости регрессионного анализа является равноточность экспериментов, т. е. постоянство дисперсии, характеризующей ошибку эксперимента эта дисперсия определяется по следующей формуле [c.80]

Другим требованием регрессионного анализа является нормальность распределения зависимой переменной /( аэксп) пРи каждом фиксированном значении -а X ( Орас,)- Поскольку ЧИСЛО экопериментов при каждом [c.81]

В результате регрессионного анализа изменения удельной массы образцов 113 сплавов системы N1—Со—Сг—А1—У после изотермического окисления при 1200 "С (100 ч) было установлено, что увеличение содержания хрома от 15 до. 30 мае. % приводит к увеличению жаростойкости сплавов на 50 %. Увеличение содержания иттрия в сплавах от 0.1 до 0.5 мае. % сопровождается увеличением прироста удельной массы образцов ( 20 %), что связано с образованием из-за высокого сродства иттрия к кислороду разветвленной зоны окие.тення, повышающей адгезию поверхностных оксидов с покрытием. [c.177]

Энциклопедия по машиностроению XXL

Оборудование, материаловедение, механика и ...