Optimiranje i planiranje pokusa - Fsb
Optimiranje i planiranje pokusa - Fsb
Optimiranje i planiranje pokusa - Fsb
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