CATEGORII DOCUMENTE |
Statistica |
ALGORITMI DE PRELUCRARE SECVENTIALA A DATELOR STATISTICE
In acest capitol se prezinta algoritmii de prelucrare secevntiala a datelor statistice pe baza testului secvential a lui Wald. Algoritmii sunt utilizati in prelucrarea datelor de control statistic pe masura ce se obtin si a datelor statistice din analizele chimice ce indica prezenta sau absenta unui element chimic.Vom pastra notatia din statistica clasica
In problemele de decizie secventiala se opereaza succesiv asupra termenilor sirului de observatii pe masura ce se obtin. Structura statistica a observatiilor este data de o structura statistica secventiala normala sau binomiala. Problema de decizie secventiala cea mai mult aplicata este aceea a carei regula de decizie (functie de decizie) utilizeaza raportul de probabilitate si are structura urmatoare:
.
unde:
d1 = decizia ca starea adevarata este q
d2 = decizia ca starea adevarata este q
d3 = decizia de a continua experienta .
unde
iar s(w,n) =
unde iar si sunt erorile de primul si al doilea gen.
2. Decizii statistice secventiale cu structura statistica a observatiilor normala
Consideram cazul cand elementul aleator X are densitatea de probabilitate
unde m poate lua una din valorile m0 sau m1.
In acest caz obtinem urmatoarea problema de decizie secventiala:
.
unde:
d1 este decizia ca m = m0;
d2 este decizia ca m = m1;
d3 este decizia de continuare a selectiei.
Functia de decizie S se deduce din expresia raportului probabilitatilor Pln/ Pon si are urmatoarea forma:
iar
unde
iar si sunt erorile de prima si a doua speta
Rezolvarea acestei probleme se reduce la calcularea lui S (xl,.. xn) pentru n = 1,2,., pana cand ia valoarea d1 sau d2.
Algoritmul prezentat mai jos permite rezolvarea problemelor de decizie secventiala cu structura statistica a observatiilor normala
0 START [Decizii-Secventiale cu observatii dintr-o populatie-normala]
1 INPUT
2
3
4
5
6
7
WHILE K = 0
8.1 INPUT
8.2 S ← S+ En
8.3 A1←a+n*c
8.4 A2←b+n*c
8.5 If A1<S<A2
Then
.1 n n +1
Else
.2 IF S ≤ A1
Then
.1 K
Else
.2 K ← 2
.3 CONTINUE
CONTINUE
CASE k OF
9.1 OUTPUT
9.2 OUTPUT
STOP
3 Decizii statistice secventiale cu structura statistica a observatiilor binomiala
Consideram un fenomen a carui probabilitate de realizare p in urma unui experiment, poate lua doua valori distincte p0 si p1. Deci, in legatura cu acest fenomen se pot adopta deciziile:
d0 : p = p0
d2 : p = p1
d3 : de continuare a experimentarii
Notam cu P0 (m,n) = probabilitatea ca fenomenul sa apara de m ori din n experimente cand s-a adoptat decizia d1 si cu P1(m,n) = probabilitatea ca fenomenul sa se realizeze de m ori din n experimente cand s-a adoptat decizia d2.
Problema de decizie statistica, secventiala cu structura statistica a observatiilor:
are urmatoarea forma:
Scriind inegalitatile procedurii secventiale a raportului probabilitatilor P1(m,n)/P0(m,n) obtinem urmatoarea expresie a functiei de decizie
unde εi = 1 dac[ fenomenul s-a realizat la etapa i,
0 dac[ nu s-a realizat la etapa i.
Algoritmul DeSeB este destinat rezolv[rii problemelor de decizie secveniale cu structura statistica a observaiilor binomiale
0 START[DeSeB]
1 INPUT
2 k←0,n←1,m←0
3 a ← ln[/(1-)
4 b ←ln[(1-p1)/(1-p0)]
5 c ← ln(p1/p0)-b
6 d ←ln[(1-
7 WHILE k = 0
7.1 INPUT
7.2 a1 ←(a - nb)/c
7.3 a2 ←(d - nb)/c
7.4 m ← m + E
7.5 IF a1 < m < a2
THEN
7.5.1 n ← n +1
ELSE
7.5.2 IF m < a1
THEN
.1 k ← 1
ELSE
.2 k
7.5.3 CONTINUE
7.6 CONTINUE
8 CASE k OF
8.1 OUTPUT
8.2 OUTPUT
9 STOP
II Stabilitateaunui proces tehnologic relativ la caracteristicile de calitate ale unui produs
Pentru studiul statistic al stabilitatii unui process tehnologic se aplica testul Bartlett pentru egalitatea mai multor dispersii. In fiecare perioada i se fac ni observatii asupra caracteristicilor de calitate, i= 1,2,..,k.
Procesul tehnologic se considera stabil daca este adevarata ipoteza:
Daca ipoteza H0 este adevarata, atunci este repartizata .
Astfel repartitia oricarei functii/sdepinde de n1,n2,.,nk
si b.
este repartizata 2 cu k - 1 grade de libertate.
Date: k= numarul de serii de observatii; ni = numarul de observatii ale seriei i, i = 1,2,.,k si x1,x2..xni, valorile observate in seria i, si din tabelul functiei X1 cu k -1 grade de libertate se alege .
0 START [ Decizii Bartlet]
1 b ←0; c ←0
2 n← 0
3 s2← 0
4 INPUT [k, ,n1,..,nk]
5 FOR i=1,2,..,k
5.1 INPUT
5.3 si ←0
5.4 FOR j = 1,2,.,ni
5.4.1
5.5
5.6 FOR j = 1,2,.,ni
5.6.1
5.7si←si/(ni-1)
5.8 s2 ← s2 +ni*si
5.9 n ← n+ni
6 s2 ← s2/n
7 FOR i=1,2,.,k
7.1 b← b+ni*ln(si/s2)
7.2 c ← c+(1/ni -l/n)
8 R ← b/(1+b/(k - 1))
9 IF R <.
Then
9.1 OUTPUT
Else
9.2 OUTPUT
10 STOP
II.2 Algoritm de apreciere a stabilitatii in functionare a masinilor unelte cu comanda numerica
In cazul cand numarul de masuratori este acelasi in k selectii se aplica testul lui Cochran care este mai rapid decat testul lui Bartlett si care consta in urmatoarele:
se calculeaza dispersiile de selectie:
- se calculeaza max si 1 i k
se formeaza raportul,
din tabela se extrage
daca se respinge ipoteza omogenitatii dispersiilor, adica a stabilitatii in functionare a masinilor unelte cu comanda numerica
Date de modelare:
K = numarul de selectii observate ale caracteristicii calitative a unui produs;
ni -n numarul de valori observate in etapa i i= 1,2,.,k;
x1, x2,..,xn - valorile de selectie la o anumita etapa i; i= 1,2,.n;
- pragul (nivelul) de acceptare ( = 0,05).
Reproducem exemplul dat in in care se studiaza stabilitatea in functionare a unei masini de alezat si frezat cu comanda numerica. Intr-un table sunt inregistrate erorile obtinute in urma masurarii deplasarilor dupa axele de coordonate ox si oy ale masinii.
0 START[TeCocM, Testul Cochran pentru studiul stabilitatii in functionare a
masinilor unelte]
1 INPUT
2 SN←0,sm←0
3 INPUT
4 For i=1,2,..,k
4.1 INPUT
4.2
4.3 For j=1,2,..,n
4.3.1
4.4 For j=1,2,..,n
4.4.1
4.5
4.6
4.7 if then
4.7.1
4.8 if
Then
4.8.1
4.9 continue
5
6 if
Then
6.1 output
Else
6.2 output
7 STOP
3 Algoritm pentru verificarea normalitatii pentru e antioane de volum mic
Decizii Massey
Se verific[ normalitatea pentru e]antioane cu volum mic de selecie n, 10 n
Testul lui Massey const[ din urm[toarele: fie n, valorile de observaie x1,x2,.,xn, a nivelul erorii de prima spe[ unde d0 este dedcizia ca x urmeaz[ o repartiie normal[ fa[ de decizia d1 ca x nu este repartizata normal.
0 START [TM]
1 INPUT
2 INPUT
3 x ← 0
4 FOR i = 1,2,.,n
4.1
5
6 FOR i = 1,2, ..,n
6.1 k ← 1
6.3 FOR j = i, i + 1,. n
6.3.1 IF xi < xj
Then
.1 k ← j
6.3.2 CONTINUE
6.4 z ← xi
6.5 xi ← xk
6.6 xk ← x
7 S ← 0
8 FOR i = 1,2,..,n
8.1 S ← S + ( - xi )
9 S ←
10 FOR I = 1,2,.., n
10.1 yi ← (xi - )/ S
11 f1 ← 1/n
12 h ← f1
13 FOR i = 1,2,.N
13.1 fi ← fi-1 +h
14 FOR i = 1,2,..n
14.1
15
16 FOR i = 1,2,.,n
16.1 IF dg < di
Then
.1. e ← i
16.2 CONTINUE
17 IF de < dg
Then
17.1 OUTPUT
Else
17.2 OUTPUT
18 STOP
Pentru riscul =0,05 valoarea lui dg se alege din tabelul
Pentru studierea durabilitatii (in minute) a unui tip de scule aschietoare trebuie verificate mai intai daca datele de selectie au o repartitie normala. Reproducem datele de selectie din /1/ .
5,05; 6,50; 7,16; 7,20; 9,40; 11,34; 12,18; 14,26; 16,10; 16,30; 17,54; 18,02; 21,28; 23,06; 24,58; 30,44; n = 16, d max = 0,1, dg = 0,126;
Se trage concluzia ca masuratorile au o repartitie normala
IV Studiul statistic al stabilitatii unui sistem analitic
O problema fundamentala pentru orice determinare analitica este aceea a stabilitatii parametrilor functiilor de transfer E = f(c).
Un sistem analitic reprezinta un model fizic realizabil, al unui ansamblu de fenomene existente, la care un grup de marimi ce le cauzeaza determina un alt grup de marimi reprezentand fenomenele.Fie sistemul:
E = f (c )
- c = marimea cauza (concentratia)
- E = efectul (semnale analitice)
instabilitatea unui sistem analitic ar determina aparitia intr-o serie de date experimentale a valorilor extreme, a fluctuatiilor periodice a discontinuitatilor
Corelarea seriala
Fie seria de date E1, E2,.En, corelarea seriala este corelarea intre perechile Ei si Ei+h, unde h este decalajul intre cele doua date experimente ce formeaza perechea, pentru i+h n se ia Ei+h = Ei+h-n (corelarea circulara).
Se calculeaza variabila de stabilitate (coeficientul de corelare seriala
START [ CORER< Algoritm de calcul a coef.de corelare seriala]
INPUT
FOR h = 1,2,.,n-1
SM ←0
SP ← 0
SR ← 0
FOR I =1,2,.,n
2.4.1 SM ← SM +Ei2
2.4.2 SP ← SP + Ei
2.4.3 IF - i + h > n
THEN
.1 SR ← SR +Ei . Ei+h-n
ELSE
. .2 SR ← SR + Ei . Ei +h
2.4.4 CONTINUE
2.5
2.6 output
2.7
2.8
2.9
2.10 if R1(0.975) <R1<R1(0,025)
Then
.1 output
.2 stop
2.11 if R1(0,975)>R1>R1(0,955) sau R1(0,25)<R1<R1(0,005)
Then
.1 output
.2 stop
2.11 if R1(exp)<R1(0,995) sau R1(exp)>R1(0,005)
Then
.1 output
2.13 STOP
Testul secvential bayesian pentru controlul calitatii productiei
Se considera un process de productie de serie mare cu un procent de produse care prezinta defecte. Cu ajutorul testului secvential ne propunem sa adoptam una din deciziile:
d1 : p = p0 ;
d2 :p = p1 > p0 ;
d3 : continua experimental
Consideram variabila xi care poate lua valoarea 1 sau 0 dupa cum produsul i controlat prezinta sau nu defecte.
Algoritmul " CONTROL" permite rezolvarea unei probleme de decizie secventiala cu structura statistica a observatiilor binomiala utilizata in controlul calitatii produselor fabricate in serie mare. Semnificatiile variabilelor de intrare utilizate
- eroarea de prima speta
- eroarea de speta a doua
p0 - proportia de piese defecte initiala
p1 - proportia de piese defecte mai mare decat p0
0 START [ CONTROL]
1 INPUT
2 a ← pn (p1(1 - p0) / (p0(1 -p1)))
3 b ← ln (l - p0) /(l-p1)
4 c ← ln ((l-p0)/ )
5 d ← ln ( /(l- )
6 w ← 0; n ←1; SN ← 0
7 WHILE w = 0
7.1 INPUT
7.2 SN ← SN + XN
7.3 IF SN*a > c + n* b
THEN
7.3.1 OUTPUT
7.3.2. w ← 1
Else
7.3.3 IF SN*a < d + nb
THEN
.1 OUTPUT
.2 w ← 2
Else
.3 n ← n +1
7.3.4 CONTINUE
7.4 CONTINUE
8 STOP
Algoritmi de analiza bayesiana
Conceptele traditionale utilizate in statistica (teoria estimatiei si verificarea ipotezelor statistice) au fost repuse in drepturi de teorii noi mai generale care isi au originea in notiunea de joc si de decizie. Teoriile noi nu inlocuiesc pe cele vechi, ci permit o mai buna intelegere a fundamentelor si se aplica mai usor si corect.
Pentru a da un suport intuitiv problemei studiate, vom expune de la inceput un exemplu care ne va permite sa introducem si principalele exemple.
Exemplul 1. O masina fabrica piese in serie de 500 din care un procent f sunt defecte. Acest procent nu este cunoscut dar se stie ca el poate sa ia 4 valori.
0,01 ; 0,05; 0,15 ; 0,25
Fiecare piesa defecta costa 3 lei. Uneori este posibil de a elimina complet rebutul procedand la un reglaj complet al masinii care costa 70 lei. Ce decizie este mai rationala sa se ia?
A alege dintre:
d1 : a nu face nimic
d2 : a efectua un reglaj
Introducem tabelul costurilor in diferite situatii
d1 d2
f1 = 0,01 17 70
__________________
f2 = 0,05 75 70
__________________
f3 = 0,15 225 70
__________________
f4 = 0,25 375 70
Trebuie adoptata o decizie in conditii de incertitudine (valoarea luata de f ).
a) In absenta oricarei informatii asupra gradului de verosimilitate a fiecarei valori posibile a lui f, este posibil de a formula un criteriu satisfacator.
Daca se doreste sa limitam riscul maxim trebuie sa luam decizia d2 (decizie minimax sau de extrema prudenta
b) Presupunem ca intreprinderea poate da ponderi diverselor procente care rezulta din analizele statistice effectuate intr-o perioada mare de timp. De exemplu:
f p(f)
_____________
0,01 0,7
0,05 0,1
0,15 0,1
0,25 0,1
_____________
Alegem decizia care minimizeaza media matematica a costului
Politica de confidentialitate | Termeni si conditii de utilizare |
Vizualizari: 2500
Importanta:
Termeni si conditii de utilizare | Contact
© SCRIGROUP 2024 . All rights reserved