Методы планирования и обработки результатов научных экспериментов - История изменений

Dz в 15:43, 15 ноября 2019

2019-11-15T15:43:15Z

Dz в 15:37, 15 ноября 2019

2019-11-15T15:37:06Z

Dz: Новая страница: «1. Фильтрация экспериментальных данных. Алгоритм плавающего среднего, экспоненциальный …»

2019-11-15T15:18:48Z

Новая страница: «1. Фильтрация экспериментальных данных. Алгоритм плавающего среднего, экспоненциальный …»

Новая страница

1. Фильтрация экспериментальных данных. Алгоритм плавающего среднего, экспоненциальный фильтр. Рекуррентные алгоритмы. Оценка качества фильтрации. Выбор между качеством фильтрации и скоростью.<br>
2. Регрессионный анализ, основные допущения. Проверка значимости параметров и адекватности уравнения.<br>
3. Проверка адекватности математической модели.<br>
4. Структурная идентификация модели. Метод группового учёта аргументов. <br>
5. Определение параметров линейного уравнения регрессии методом наименьших квадратов.
6. Определение параметров линейного уравнения регрессии (простой и множественной) с использованием статистических характеристик.
7. Понятие о законах распределения "Хи-квадрат", Стьюдента и Фишера. Примеры их использования. Понятие о статистических гипотезах и методах их проверки. Р- значение.
8. Определение параметров линейного уравнения регрессии в матричной форме.
9. Понятие о полном факторном эксперименте (ПФЭ). Построение планов ПФЭ, его свойства. Достоинства и недостатки. Определение параметров модели по данным полного факторного эксперимента, проверка их значимости, проверка адекватности модели.
10. Таблица дисперсионного анализа. Определение наличия регрессионной зависимости с использованием F - отношения. Множественный коэффициент корреляции.
11. Понятие о частном коэффициенте корреляции. Определение его значимости. Пример использования.
12. Методы последовательного уточнения структуры регрессионного уравнения: метод включений, метод исключений, метод пошаговой регрессии.

Справочные материалы:
[http://orlovs.pp.ru/stat.php#s2p2 Высокие статистические технологии ]
[https://yadi.sk/i/8iK9SLLg3JKYj7]

[http://www.jurikres.com/catalog1/ms_ama.htm Jurik Research Moving Average]

[http://www.bot4sale.ru/blog-menu/ami/amibroker-list/232-juric-ma.html JURIK MOVING AVERAGE]

[http://www.bot4sale.ru/blog-menu/ami/amibroker-list/146-ma-all-in-one.html ВСЕ СКОЛЬЗЯЩИЕ СРЕДНИЕ В ОДНОМ ФЛАКОНЕ]

← Предыдущая		Версия 15:43, 15 ноября 2019
Строка 1:		Строка 1:
		+
		+	[http://msu.mguie.ru/ Вторая часть курса моделирования]
		+
		+
	1. Понятие математической модели, типы математических моделей. Классификация моделей. Требования, предъявляемые к математическим моделям.		1. Понятие математической модели, типы математических моделей. Классификация моделей. Требования, предъявляемые к математическим моделям.
	2. Этапы построения моделей. Структурный синтез математической модели.		2. Этапы построения моделей. Структурный синтез математической модели.

← Предыдущая		Версия 15:37, 15 ноября 2019
Строка 1:		Строка 1:
		+	1. Понятие математической модели, типы математических моделей. Классификация моделей. Требования, предъявляемые к математическим моделям.
		+	2. Этапы построения моделей. Структурный синтез математической модели.
		+	3. Этапы построения моделей. Параметрическая идентификация математической модели.
		+	4. Этапы построения моделей. Анализ адекватности математической модели.
		+	5. Этапы построения моделей. Обеспечение адекватности математической модели.
		+	6. Методы получения экспериментальных данных для построения математической модели.
		+	7. Аналитический метод построения математической модели
		+	8. Экспериментальный метод построения математической модели
		+	9. Комбинированный метод построения математической модели
		+	10. Анализ и классификация задач математического моделирования процессов.
		+	11. Понятие эксперимента/наблюдения, планирование активных экспериментов. Первичная обработка экспериментальных данных (фильтрация, центрирование, табулирование, статистический анализ, интегрирование, дифференцирование и др.). Вторичная обработка данных (анализ корреляционных и регрессионных зависимостей, аппроксимация, интерполяция и др.).
		+	12. Методы познания: эксперимент, физическое и математическое моделирование. Анализ методов, проблемы их применимости. Понятие оптимизации технологического процесса.
		+	13. Аппроксимация, интерполяция, экстраполяция. Полиномы Лагранжа, Ньютона, Чебышева. Применение аппарата нейронных сетей.
		+	14. Концепция интервальных вычислений. Нечёткая логика.
		+	15. Основы кодирования и передачи информации. Системы счисления. Логические операции. Компьютерная арифметика. Целочисленная и вещественная арифметика. Структуры данных. Коды и сжатие данных. Избыточность.
		+	16. Разработка логических систем управления.
		+
		+
		+
		+
	1. Фильтрация экспериментальных данных. Алгоритм плавающего среднего, экспоненциальный фильтр. Рекуррентные алгоритмы. Оценка качества фильтрации. Выбор между качеством фильтрации и скоростью.<br>		1. Фильтрация экспериментальных данных. Алгоритм плавающего среднего, экспоненциальный фильтр. Рекуррентные алгоритмы. Оценка качества фильтрации. Выбор между качеством фильтрации и скоростью.<br>
	2. Регрессионный анализ, основные допущения. Проверка значимости параметров и адекватности уравнения.<br>		2. Регрессионный анализ, основные допущения. Проверка значимости параметров и адекватности уравнения.<br>