Если tj >tq v, то значение /-го коэффициента регрессии считается надежным. Если F > Fq v , то значение множественного коэффициента регрессии считается надежным.
Прежде всего необходимо получить модели с надежными оценками коэффициентов регрессии и коэффициента множественной корреляции, минимальной ошибкой аппроксимации и стандартной ошибкой оценки модели.
Остановиться следует на той из построенных моделей, которая имеет надежные оценки Г, коэффициентов регрессии Ь', надежную оценку F множественного коэффициента корреляции, наименьшую стандартную ошибку оценки модели, достаточно высокий коэффициент множественной корреляции R как показатель детерминированности взаимосвязи целевой переменной Y с независимыми переменными X, а также имеет состав переменных X, приемлемый в контексте решаемой задачи.
ПРИЛОЖЕНИЕ В
(справочное)
МЕТОДИКА ВОССТАНОВЛЕНИЯ РЕГРЕССИОННЫХ
ЗАВИСИМОСТЕЙ ПО ЭМПИРИЧЕСКИМ ДАННЫМ
Для восстановления количественного соответствия между значениями показателей механических свойств проката и измеряемыми физическими параметрами в случае, когда выборки проводятся несогласованно и имеют различное число измерений, предлагается методика нахождения коэффициентов калибрующего уравнения, базирующаяся на восстановлении корреляционных зависимостей. Основанием применения метода восстановления является стабильность свойств, порождаемых данной технологией, и нормальный закон совместного распределения значений измеряемых показателей.
При восстановлении зависимостей различные постановки задач сводятся к математической схеме минимизации среднего риска по эмпирическим данным.
Считается, что показатели У и X связаны регрессионной зависимостью, если каждому значению х показателя X ставится в соответствие число у, полученное с помощью случайного испытания над показателем У согласно условной плотности вероятности Р(у/х). Иначе говоря, каждому х ставится в соответствие закон S(y/x), согласно которому в случайном испытании реализуется выбор у.
Полное знание регрессионной зависимости требует восстановления условной плотности їу/х), но на практике, в задачах обработки результатов измерений, нужно знать одну из ее характеристик, функцию условного математического ожидания
у (х) = J у • P(y/x)dy, (В.1)
называемую регрессией.
Задача восстановления функции условного математического ожидания в этом случае формулируется как задача восстановления регрессии — одна из основных проблем прикладной статистики.
Постановка задачи состоит в следующем.
При проведении испытаний случайно и независимо появляются значения измерений х. В этой среде работает преобразователь S(x/y), который
ііііііііііііііііііііііііііііііііііііісл^аййдЩНИЬШіїШй'ЯуіЬбгаЖЇІбНакйд'йуНРС^/^іііііііііііііііііііііііііііііііііііііііііііііііііііііііі , что: Свойства і среды 1х) и закон1Р(у/х)11 неизвестны, однако известно
с
(В.2)
уществует регрессияУ = У W.
Требуется по паре случайных независимых выборок в общем случае различного объема
{A,}, i-Tjn; Ц), j= М (В.З)
восстановить регрессию, то есть в классе функций F(x, а) отыскать функцию F (х, а'), наиболее близкую к регрессии у(х).
Здесь т, п — объемы независимых выборок над показателями Y, X, a F — обозначение класса функций регрессии, отличающихся значениями параметров а, принадлежащих А — множеству значений.
Задача восстановления регрессии сводится к проблеме минимизации функционала
1(a) = / (у — F[x,a))2■ Р(у/х) ■ P(x)dxdy (В.4)
на множестве F{x,a) ^Lp— интегрируемых с квадратом по мере Р(х) функций в ситуации, когда совместная плотность вероятности Р(х,у) = Р(у/х)Р[х) неизвестна.
Можно показать, что если регрессия у = у(х) принадлежит классу F{X,а), то она минимизирует функционал Ца). Если же регрессия не принадлежит F[x,a), то минимум достигается на ближайшей к регрессии функции F[x,a), то есть в любом случае решение будет оптимальным относительно сделанных предположений.
Близость функций понимается в смысле метрики Lp (квадратичная мера): d [ (fj(x), /2(х) ] А/ I(/j(x)-/2(x))2P(x)dx. (В.5)
Записываем формулу (4) в общей форме
/(а) = Qtz,a) Р (z)dz, (В.6)
где 1(a) — средний риск;
Q(z,a) — функция потерь в задаче минимизации среднего риска при восстановлении регрессии по эмпирическим данным zt, Zi • •• •
Минимальное значение (В.6) достигается с доверительной вероятностью Р, называемой надежностью восстановления.
Практическое решение задачи, обеспечивающее минимизацию среднего риска восстановления регрессии с заданной надежностью на выборках конечного объема, состоит в построении уравнения выбранной 100 (1 — а)-процентной области Dyx совместного распределения значений показателей Y, X.
D^ -. D(a., и) = 0, (В.7)
где и — вектор параметров, включающий опорные значения совместного распределения измерений х, у, в том числе средние значения ў, х, средние квадратические отклонения Sy, Sx и парный коэффициент корреляцииНаходится решение уравнения относительно Ryx при выборочных значениях опорных величин. В частности, 100(1—а)-процентная доверительная область совместного попадания значений у, х определяется уравнением эллипсоида
ЖЖ - 2R (у-ў ) (х~х) + (х-/)2-= 1 - (В.8)
Аг
с растяжением, соответствующим назначенной доверительной вероятности и объемам выборок.
Задавая статистические, гипотезы о предельных значениях Y = У0 и X = Л”, находим решение уравнения (В.8) относительно R что позволяет определить калибрующий коэффициент
<В’>
и смещение
а = у— Ьх (В. 10)
для восстановления регрессионной зависимости
у = а + bx (В.11)
между механической характеристикой и измеряемым физическим показателем.
Как правило, уравнения (В.7) являются нелинейными относительно в связи с чем целесообразно использовать один из приближенных методов отыскания решений с интерацией на /-м шаге
u(i + 1) = u(j) + (В. 12)
где g(i) — единичный вектор в направлении градиента;
t(i) — значение шага
.УДК 669.13/14.001.4:006.354 ОКС 77.140 В09 ОКСТУ 0909
Ключевые слова: неразрушающий контроль, магнитный метод, средства контроля, проведение контроля, обработка результатов
Редактор Т.С. Шеко
Технический редактор В.Н. Прусакова
Корректор В. И. Варенцова
Компьютерная верстка В.И. Грищенко
Изд. лиц. №021007 от 10.08.95. Сдано в набор 19.06.97. Подписано в печать 13.08.97.
Усл. печ. л. 1,16. Уч.-изд. л. 1,10. Тираж 348 экз. С731. Зак. 529.
ИПК Издательство стандартов, 107076, Москва, Колодезный пер., 14.
Набрано в Издательстве на ПЭВМ
Филиал ИПК Издательство стандартов — тип.’ "Московский печатник"
Москва, Лялин пер., 6.
Плр № 080102