17.12.2012 Views

Optimiranje i planiranje pokusa - Fsb

Optimiranje i planiranje pokusa - Fsb

Optimiranje i planiranje pokusa - Fsb

SHOW MORE
SHOW LESS

Create successful ePaper yourself

Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.

<strong>Optimiranje</strong> i <strong>planiranje</strong> <strong>pokusa</strong> 2012.<br />

Osnovni pristupi istraživanju pojava u procesu<br />

• Dva osnovna pristupa:<br />

1. Regresijski pristup – upotreba empirijskih (historijskih) podataka gdje ne<br />

postoji mogućnost kontrole faktora u procesu.<br />

• jedna ili više regresorskih varijabli (faktora) koja utječe na odzivnu<br />

varijablu<br />

2. Planiranje <strong>pokusa</strong> – mogućnost kontrole faktora u procesu te oblikovanje<br />

modela po stohastičkom principu radi eliminacije utjecaja nekontroliranih<br />

faktora.<br />

<strong>Optimiranje</strong> i <strong>planiranje</strong> <strong>pokusa</strong> 2012.<br />

Opći model procesa<br />

Korelacija i regresija<br />

- korelacija – mjera povezanosti dvije ili više varijabli<br />

Karl Pearson<br />

- regresija – definira oblik povezanosti dvaju ili više varijabli<br />

Francis Galton<br />

Zagreb, rujan 2009.<br />

H. Cajner<br />

Zagreb, rujan 2009.<br />

H. Cajner<br />

29.3.2012.<br />

1


<strong>Optimiranje</strong> i <strong>planiranje</strong> <strong>pokusa</strong> 2012.<br />

Korelacija<br />

• Mjera povezanosti dvije ili više varijabli – metoda kojom se utvrđuje da<br />

li među varijablama postoji funkcionalna ovisnost<br />

• Pearson-ov koeficijent korelacije r može poprimiti vrijednost od -1.00<br />

do +1.00<br />

• r0 definira pozitivnu korelaciju<br />

SMJER POVEZANOSTI<br />

• Metoda korelacije prati odstupanja i uspoređuje varijacije dvaju ili više<br />

varijabli te mjeri odnose među varijacijama. – jakost veze<br />

• Metoda najmanjih kvadrata odstupanja – koristi se za određivanje<br />

koeficijenta korelacije odnosno koeficijenta determinacije<br />

Metoda najmanjih kvadrata odstupanja u određivanju koeficijenta korelacije:<br />

<strong>Optimiranje</strong> i <strong>planiranje</strong> <strong>pokusa</strong> 2012.<br />

Zagreb, rujan 2009.<br />

H. Cajner<br />

- r – Pearsonov koef. korelacije<br />

-x i, y i –originalne vrijednosti<br />

- n –broj parova podataka<br />

Zagreb, rujan 2009.<br />

H. Cajner<br />

29.3.2012.<br />

2


Primjeri kretanja koeficijenta korelacije za različite grupe podataka:<br />

<strong>Optimiranje</strong> i <strong>planiranje</strong> <strong>pokusa</strong> 2012.<br />

Izvod koeficijenta determinacije:<br />

- koeficijent korelacije se računa kao drugi korijen koeficijenta determinacije<br />

- r 2 koeficijent determinacije – utvrđuje koliko je promjene zavisne varijable<br />

objašnjeno promjenom nezavisne varijable<br />

Primjer. Ako je koeficijent korelacije 0.9, tada je koeficijent determinacije 0.8<br />

-Što znači da je 80% promjene zavisne varijable objašnjeno promjenom<br />

nezavisne varijable<br />

- kada se govori o jačini veze ne smije se govoriti na nivou r , već treba uzeti u<br />

obzir i koeficijent determinacije!!!<br />

<strong>Optimiranje</strong> i <strong>planiranje</strong> <strong>pokusa</strong> 2012.<br />

Zagreb, rujan 2009.<br />

H. Cajner<br />

Zagreb, rujan 2009.<br />

H. Cajner<br />

29.3.2012.<br />

3


<strong>Optimiranje</strong> i <strong>planiranje</strong> <strong>pokusa</strong> 2012.<br />

Testiranje koeficijenta korelacije (T-test)<br />

• Upotreba metode uzoraka u teoriji korelacije<br />

• Koeficijent korelacije podliježe testiranju t-testom samo ako su promatrane<br />

varijable normalno distribuirane<br />

• Testira se hipoteza o koeficijentu korelacije osnovnog skupa iz kojeg je uzet<br />

uzorak sa n parova podataka<br />

<strong>Optimiranje</strong> i <strong>planiranje</strong> <strong>pokusa</strong> 2012.<br />

Regresijska analiza<br />

• Određuje oblik krivulje koja najbolje opisuje zadane podatke<br />

• Oblik povezanosti varijabli:<br />

• Linearna povezanost: y=ax+b<br />

• Krivolinijska:<br />

»y=aebx » y=a+blnx<br />

»y=abx… • Kod regresijske analize se zna što je uzrok a što posljedica<br />

(zavisna, nezavisna varijabla)<br />

• Osnovni problem ove metode je odrediti koeficijente regresije<br />

• Regresijska analiza: jednostavna linearna regresija; nelinearna<br />

regresija (linearizacija); višestruka regresija<br />

Zagreb, rujan 2009.<br />

H. Cajner<br />

Zagreb, rujan 2009.<br />

H. Cajner<br />

29.3.2012.<br />

4


<strong>Optimiranje</strong> i <strong>planiranje</strong> <strong>pokusa</strong> 2012.<br />

Jednostavna linearna regresija<br />

• Bit metode je odrediti koeficijente regresijskog pravca β 0 i β 1<br />

• Oblik regresijskog pravca:<br />

ŷ= β 0 + β 1x<br />

• Pravac koji najbolje aproksimira originalne vrijednosti mora biti tako položen da<br />

SUMA KVADRATA ODSTUPANJA (S) procijenjenih i originalnih vrijednosti bude<br />

minimalna!<br />

• Izvod koeficijenata regresijskog pravca<br />

• Konačni izrazi za koeficijente regresijskog pravca oblika ŷ=β 0+β 1x<br />

<strong>Optimiranje</strong> i <strong>planiranje</strong> <strong>pokusa</strong> 2012.<br />

Zagreb, rujan 2009.<br />

H. Cajner<br />

Zagreb, rujan 2009.<br />

H. Cajner<br />

29.3.2012.<br />

5


Ispitivanje adekvatnosti modela (F-test)<br />

<strong>Optimiranje</strong> i <strong>planiranje</strong> <strong>pokusa</strong> 2012.<br />

<strong>Optimiranje</strong> i <strong>planiranje</strong> <strong>pokusa</strong> 2012.<br />

Testiranje ostataka preko papira vjerojatnosti<br />

Zagreb, rujan 2009.<br />

H. Cajner<br />

• još jedna od grafičkih metoda analize podataka (iz uzorka) kontinuiranog<br />

obilježja<br />

• utvrđuje se da li se podaci ponašaju po jednoj od promatranih raspodjela i koliko<br />

koji elementi odstupaju<br />

• za svaku raspodjelu posebno konstruira se papir vjerojatnosti:<br />

– papir vjerojatnosti normalne raspodjele (najčešće)<br />

– papir vjerojatnosti Weibull-ove raspodjele<br />

– papir vjerojatnosti lognormalne raspodjele<br />

– ...<br />

• uzima se funkcija distribucije određene raspodjele i promjenom mjerila dobiva<br />

se funkcija distribucije u obliku pravca (Henry-jev pravac)<br />

Zagreb, rujan 2009.<br />

H. Cajner<br />

29.3.2012.<br />

6


• konstruiranje papira vjerojatnosti normalne raspodjele<br />

<strong>Optimiranje</strong> i <strong>planiranje</strong> <strong>pokusa</strong> 2012.<br />

~84%<br />

�<br />

� ���<br />

• Henry-jev pravac se ucrtava tako da se odrede dvije čvrste točke:<br />

– 1. točka : (x=�, y=50%)<br />

– 2. točka : (x=�����y=84%)<br />

• primjena papira vjerojatnosti<br />

Zagreb, rujan 2009.<br />

H. Cajner<br />

Primjer: Provjeriti da li se podaci iz uzorka rasipaju po normalnoj raspodjeli.<br />

- promatranjem podataka može se utvrditi da li se podaci rasipaju<br />

po normalnoj raspodjeli.<br />

- uzeta je raspodjela sa parametrima<br />

<strong>Optimiranje</strong> i <strong>planiranje</strong> <strong>pokusa</strong> 2012.<br />

Zagreb, rujan 2009.<br />

H. Cajner<br />

29.3.2012.<br />

7


- transformacija u linearni sustav<br />

-tipične transformacije:<br />

<strong>Optimiranje</strong> i <strong>planiranje</strong> <strong>pokusa</strong> 2012.<br />

Metoda linearizacije:<br />

Zagreb, rujan 2009.<br />

H. Cajner<br />

PRIMJER:<br />

U nekom istraživanju mehaničkih svojstava nekog alatnog čelika utvrđeni su<br />

podaci o mikrostrukturnom sastavu (volumnom udjelu jedne od faza) i tvrdoći,<br />

prema tablici. Utvrditi ima li ovisnosti između ove dvije varijable i kakvog je ona<br />

oblika.<br />

Volumni udio faze x [%] 1.2 1.4 1.8 2.1 2.9 3.6 4.2 5.1<br />

tvrdoća, y [HRC] 66 65 64 64 62 61 60 57<br />

<strong>Optimiranje</strong> i <strong>planiranje</strong> <strong>pokusa</strong> 2012.<br />

Regression Analysis: Tvrdoca versus Udio faze_<br />

The regression equation is<br />

Tvrdoca = 68,2 - 2,09 Udio faze_<br />

Predictor Coef SE Coef T P<br />

Constant 68,1995 0,3618 188,52 0,000<br />

Udio faze_ -2,0895 0,1173 -17,81 0,000<br />

S = 0,437523 R-Sq = 98,1% R-Sq(adj) = 97,8%<br />

Zagreb, rujan 2009.<br />

H. Cajner<br />

29.3.2012.<br />

8


Analysis of Variance<br />

Source DF SS MS F P<br />

Regression 1 60,726 60,726 317,23 0,000<br />

Residual Error 6 1,149 0,191<br />

Total 7 61,875<br />

Udio<br />

Obs faze_ Tvrdoca Fit SE Fit Residual St Resid<br />

1 1,20 66,000 65,692 0,242 0,308 0,84<br />

2 1,40 65,000 65,274 0,225 -0,274 -0,73<br />

3 1,80 64,000 64,438 0,193 -0,438 -1,12<br />

4 2,10 64,000 63,812 0,174 0,188 0,47<br />

5 2,90 62,000 62,140 0,155 -0,140 -0,34<br />

6 3,60 61,000 60,677 0,182 0,323 0,81<br />

7 4,20 60,000 59,424 0,227 0,576 1,54<br />

8 5,10 57,000 57,543 0,312 -0,543 -1,77<br />

<strong>Optimiranje</strong> i <strong>planiranje</strong> <strong>pokusa</strong> 2012.<br />

Zagreb, rujan 2009.<br />

H. Cajner<br />

29.3.2012.<br />

9

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!