橡膠配方設(shè)計中的數(shù)學(xué)方法課件

1、1 隨機(jī)變量及其分布什么是隨機(jī)變量，來看個例子：有一批產(chǎn)品共1000個，每個產(chǎn)品按質(zhì)量可分為一等、二等和次品，分別用“1”“2”和“0”表示，那么我們說這1000個減速器的等級構(gòu)成一個母體（也叫總體）每個產(chǎn)品的等級是個體。其中“1”是721個，“2”是213個，“0”是66個。1 隨機(jī)變量及其分布什么是隨機(jī)變量，來看個例子：從母體中隨意取得的一個個體，叫隨機(jī)變量，記為X。那么上例中，隨機(jī)變量的概率分布列是：從這個分布列可看出，隨機(jī)變量X的概率分布與母體分布是相同的。以后把母體分布就稱為是相應(yīng)隨機(jī)變量X的概率分布。P用分布列、分布密度、分布函數(shù)具體表示母體分布的數(shù)字特征指的是相應(yīng)隨機(jī)變量的數(shù)字特

2、征。從母體中隨意取得的一個個體，叫隨機(jī)變量，記為X。那么上例中，實際中，我們不可能對所有的母體元素都進(jìn)行統(tǒng)計，因此只能進(jìn)行隨機(jī)抽樣檢查或分析。就是說從母體取得一部分的個體，這部分個體叫子樣。隨機(jī)抽取子樣有兩種方法。一種是重復(fù)抽樣，取一樣品后又放回，這種抽法則每一個隨機(jī)變量都是獨(dú)立同分布，且與母體分布相同；另一種情況是取一樣品不放回，如母體無限，隨機(jī)變量仍是獨(dú)立同分布，如母體有限，就并非如此。如子樣容量為n，相對于母體容量N很小：n/N0.1 如隨機(jī)子樣用X(X1，X2，Xn)表示，近似可看成獨(dú)立同分布。同分布即指每一個隨機(jī)變量分布都是母體分布，與母體分布相同。因此我們可通過研究子樣的一些特點來

3、推測或推導(dǎo)出母體函數(shù)分布的特征，以便于理解。實際中，我們不可能對所有的母體元素都進(jìn)行統(tǒng)計，因此只能進(jìn)行隨2.子樣分布 類似于母體分布，有三種形式：頻數(shù)分布和頻率分布，經(jīng)驗分布函數(shù)和直方圖。2.1.子樣頻數(shù)和頻率分布：例：從橡膠車間取7種規(guī)格產(chǎn)品，檢查每種規(guī)格的次品數(shù)得到子樣(0，3，2，1，1，0，1)。把7個數(shù)從小到大依次排列，相同的數(shù)合并，得到下列頻數(shù)表：2.子樣分布 類似于母體分布，有三種形式：頻數(shù)分布和頻率分上表稱為子樣頻數(shù)分布。那么頻率分布可用下表給出：橡膠配方設(shè)計中的數(shù)學(xué)方法課件2.2 經(jīng)驗分布函數(shù) Rn*(x) 定義：對任意實數(shù)x，子樣值中小于或等于x的個數(shù)記為m(x)， Rn*

4、(x)m(x)/n（n為子樣容量），那么上例的經(jīng)驗分布函數(shù)表達(dá)式是： 0， 當(dāng)x0 2/7， 當(dāng)0 x1 R7*(x) 5/7， 當(dāng)1x2 6/7， 當(dāng)2x3 1， 當(dāng)x32.2 經(jīng)驗分布函數(shù) Rn*(x) 定義：對任意實數(shù)x 因此， Rn*(x)可表示n次試驗事件Xx發(fā)生的概率，它與分布函數(shù)具有相同的性質(zhì)：非降性，右連續(xù)。Rn*(-)0 Rn*()1 那么Rn*(x)與我們所關(guān)心的母體函數(shù)分布F(x)有何關(guān)系呢？ 按W.Glivenko定理，當(dāng)n值很大時， Rn*(x)近似于F(x)，所以我們可以用Rn* (x)來近似理解F(x)的性質(zhì)。 因此， Rn*(x)可表示n次試驗事件Xx發(fā)生的概2

5、.3 直方圖 進(jìn)行N次獨(dú)立實驗，事件A發(fā)生的次數(shù)0且N，母體的數(shù)量指標(biāo)是離散量。前面所說的兩種方法都適合于離散型隨機(jī)變量的表達(dá)。 對于連續(xù)量，可用分布密度來表示。相應(yīng)的子樣“密度”需用直方圖來表示。在母體分布密度圖中，用曲邊梯形面積來表示此區(qū)間的分布幾率，同樣在直方圖中，用子樣在直方圖中一個區(qū)間的面積代表此區(qū)間上的頻率。2.3 直方圖 進(jìn)行N次獨(dú)立實驗，事件A發(fā)生的次數(shù)0且舉例 測200個圓柱狀橡膠件的直徑，最小13.09，最大13.69?，F(xiàn)把它們分成12個組，組距為0.05列表如下：為了使面積等于組頻率，則縱坐標(biāo)頻率/組距舉例 測200個圓柱狀橡膠件的直徑，最小13.09，最大若n愈大，直方

6、圖越接近于子樣分布密度函數(shù)f(x)的圖像。那么分布密度f(x)的性質(zhì)：f(x)0 Paxb=對開區(qū)間成立，或左閉右開，或左開右閉。若n愈大，直方圖越接近于子樣分布密度函數(shù)f(x)的圖像。子樣的重要數(shù)字特征子樣平均數(shù)：子樣方差：子樣的重要數(shù)字特征子樣平均數(shù)：作業(yè)：從母體中抽得容量為50的子樣，其頻數(shù)分布為計算x和s2。作業(yè)：從母體中抽得容量為50的子樣，其頻數(shù)分布為計算x和s23. 正態(tài)分布（高斯分布）的分布密度概率中其中 0，正態(tài)分布記為N(u， 2)。舉例：如u=0， 1，f(x)稱為標(biāo)準(zhǔn)正態(tài)分布，記為N(0，1)，其圖像為過0軸，其分布函數(shù)記為(x)，數(shù)值可查表。3. 正態(tài)分布（高斯分布）

7、的分布密度概率中正態(tài)分布性質(zhì)有頂峰。有對稱軸。x 或 x 時y 區(qū)間上的部分占總面積的68.3 區(qū)間上的部分占總面積的99.5 區(qū)間上的部分占總面積的99.7 證明可用積分計算，也可查表驗證。 正態(tài)分布性質(zhì)有頂峰。 從上面的解釋中我們可了解到，對一個隨機(jī)變量來說，分布函數(shù)F(x)才是它最完善的描述。但在實際情況下，我們并不需要知道全部的概率性質(zhì)，只需要知道這個隨機(jī)變量x的幾個特征數(shù)字，能反映該變量的變化值的集中位置和離散度就夠了。其中最常用的數(shù)字特征是數(shù)學(xué)期望和方差。 從上面的解釋中我們可了解到，對一個隨機(jī)變量來說，分布函4. 數(shù)學(xué)期望和方差 4.1 數(shù)學(xué)期望E(X) 表示的是隨機(jī)變量在數(shù)軸取

8、值的集中位置，它說明隨機(jī)變量x的值大多出現(xiàn)在哪里，可以說E(X) 是隨機(jī)變量的平均值，但這一平均值概念與算術(shù)平均值概念不同。4. 數(shù)學(xué)期望和方差 4.1 數(shù)學(xué)期望E(X) 離散型隨機(jī)變量的E(X)連續(xù)型用分布密度f(x)代表E(X)離散型隨機(jī)變量的E(X)4.2 方差 用來衡量隨機(jī)變量對E(X)的離散程度。 DX=EX- E(X) 2 隨機(jī)變量與E(X)之差的平方的數(shù)學(xué)期望。 DX= E(X2)- E(X) 2 離散型： 連續(xù)型：4.2 方差 用來衡量隨機(jī)變量對E(X)的離散程度。數(shù)學(xué)期望的性質(zhì)E(C)=C，其中C為常數(shù)。E(CX)=CE(X)E(X+Y)=E(X)+E(Y)推廣X、Y相互獨(dú)立

9、，E(XY)=E(X)E(Y)數(shù)學(xué)期望的性質(zhì)E(C)=C，其中C為常數(shù)。方差性質(zhì)D(C)=0D(CX)=C2D(X)若X、Y相互獨(dú)立，D(X+Y)=D(X)+D(Y)推廣方差性質(zhì)D(C)=0 前面介紹了數(shù)學(xué)期望和方差的概念及性質(zhì)，我們來看一下，正態(tài)分布的數(shù)學(xué)期望是什么？ 令 ，得E(X)=u 同樣可算出D(X)= 2 前面介紹了數(shù)學(xué)期望和方差的概念及性質(zhì)，我們來看一下，正 那么對于f(x)，只要知道u， 2，即E(X)和D(X)，就可以畫出其曲線。 正態(tài)分布表示為 ，往往需要對其進(jìn)行標(biāo)準(zhǔn)化。如令 ，則隨機(jī)變量Y服從標(biāo)準(zhǔn)正態(tài)分布，表示為 ，N(0，1)。 大家可計算E(Y)=0，D(Y)=1。

10、如 那么對于f(x)，只要知道u， 2，即E(X)和D(5. 三種重要抽樣分布 三種重要抽樣分布 分布，t分布，F(xiàn)分布。它們在作統(tǒng)計判斷時經(jīng)常使用。先來看一下正態(tài)母體的子樣平均數(shù) 。 5.1 正態(tài)母體中的 的分布： 設(shè)x1，x2，xn是獨(dú)立同分布隨機(jī)變量，且每個隨機(jī)變量服從正態(tài)分布 ，則平均數(shù) 是否服從？ 5. 三種重要抽樣分布 三種重要抽樣分布 分大家可以用前面所學(xué)的計算一下：大家可以用前面所學(xué)的計算一下：5.2 分布 設(shè)x1，x2，xn是獨(dú)立同分布隨機(jī)變量，且每個 隨機(jī)變量服從標(biāo)準(zhǔn)正態(tài)分布N(0，1)，則隨機(jī)變量 的分布密度是 ， x0 0 ， x0 是伽瑪函數(shù)在 處的值。 這種分布稱為自

11、由度為n的 分布，記為 。5.2 分布 設(shè)x1，x2，xn是獨(dú)立同性質(zhì) 設(shè)兩個 變量 和 相互獨(dú)立。 的自由度為n1， 的自由度為n2。則 是自由度為n1 n2的 變量，那么定義中的是 ，自由度為112，總共為n。 補(bǔ)充：自由度簡單說就是試驗觀測個數(shù)減去加在上面的約束條件。 如：子樣方差 只有一個約束條件 ，自由度為n-1。性質(zhì)那么 分布的密度圖象是那么 分布的密度圖象是 可以看出n取不同值時有不同圖像，若對于給定(01） 存在 使 。則稱 為 的上側(cè)分位 數(shù)。以后在參數(shù)估計和假設(shè)檢驗中常用到。 從橫排看，取值越大， 越小。從縱排看，n越大， 越大 但是當(dāng)n45時，值從表中查不到。如何解決這一

12、問題？先看一條性質(zhì)。從橫排看，取值越大， 越小。由中心極限定理，當(dāng) 時， 也就是說性質(zhì)：設(shè)隨機(jī)變量x服從自由度為n的 分布，則對任意x有此性質(zhì)證明當(dāng)n很大時， 近似服從標(biāo)準(zhǔn)正態(tài)分布，即自由度n很大的 分布近似于正態(tài)分布N(n,2n)。再看當(dāng)n45時如何計算 ?由中心極限定理，當(dāng) 時， 按上側(cè)分位數(shù)定義， 因而 ，令 若Y服從標(biāo)準(zhǔn)正態(tài)分布N(0，1)，對于任意給定的， 式中的 可以查表得到。 為標(biāo)準(zhǔn)正態(tài)分布的上側(cè)分位數(shù)。則 例：要求 ，由0.05，查 1.645 則 按上側(cè)分位數(shù)定義，5.3 t分布 設(shè)隨機(jī)變量x服從標(biāo)準(zhǔn)正態(tài)分布N(0,1)，隨機(jī)變量Y服從自由度為n的 分布，且X與Y相互獨(dú)立，則

13、 的分布密度為 這種分布稱為自由度為n的t分布。記為t(n)5.3 t分布 設(shè)隨機(jī)變量x服從標(biāo)準(zhǔn)正態(tài)分布N(0,1) 分布的密度圖象為 令t(n)為t分布的上側(cè)分位數(shù)。從圖中可以看出當(dāng) 為標(biāo)準(zhǔn)正態(tài)分布，因此n45的t(n)可查表，n45時可查正態(tài)分布 的值。t(n) 分布的密度圖象為t(n)5.4 F分布 設(shè)X和Y分別服從自由度為n1，n2的 分布，且與X與Y相 互獨(dú)立，則 ，分布密度為 0 ，z0 這種分布叫第一自由度為n1，第二自由度為n2的F分布，記為F(n1，n2)。5.4 F分布 設(shè)X和Y分別服從自由度為n1，n2的 其分布密度圖象：有一重要性質(zhì)：F服從F(n1，n2)時，則 服從F

14、(n2，n1)其分布密度圖象：參數(shù)估計 我們進(jìn)行一批實驗，得到一些實驗結(jié)果（數(shù)據(jù)）。如測一物體長度其得到五個值。假定測定長度服從正態(tài)分布 很容易我們會想到用實測值的 和s2來做為參數(shù)值u和2的估計值。 估計方法有矩法估計、點估計、最大似然估計等等。這里不做逐一介紹，我們所關(guān)心的是我們所估計的值與這些參數(shù)到底相差多少，即檢驗它們的無偏性，先來下個定義：若參數(shù)的估計量 滿足 ，則稱 是的無偏估 計量。而對于上例， 和s2是否是u和2的無偏估計？參數(shù)估計 我們進(jìn)行一批實驗，得到一些實驗結(jié)果（數(shù)據(jù)）。因此s2不是2的無偏估計按E(X)性質(zhì) 2無偏估計，記為s*2Es*2=2，這里可看到，當(dāng)n很大時，s

15、*2= s2橡膠配方設(shè)計中的數(shù)學(xué)方法課件 前面我們所說的估計可以說是點的估計，而數(shù)理統(tǒng)計中的未知參數(shù)往往需要依靠一定的概率在一定范圍內(nèi)進(jìn)行估計，這即是區(qū)間估計，例： 已知某橡膠試片的300定伸強(qiáng)度在正常情況下服從正態(tài)分布，且標(biāo)準(zhǔn)差0.108，現(xiàn)測五個試片，其300定伸是4.28，4.40，4.42，4.35，4.37（MPa),試以概率95對母體平均u作區(qū)間估計。 前面我們所說的估計可以說是點的估計，而數(shù)理統(tǒng)計中的未知 解：母體X的分布為正態(tài) ，已知 （ 已知）從母體中隨機(jī)抽樣得子樣(X1，X2，Xn)，要求以概率1對母體平均u作區(qū)間估計。 解：母體X的分布為正態(tài) ，已知 自然我們用 來估計u

16、(因為是其無偏估計） 標(biāo)準(zhǔn)化給定概率1(01)存在 使自然我們用 來估計u(因為是其無偏估計）則 稱為u的置信區(qū)間。對此題來講， 0.108，n=5, =4.3641-=0.95，查表 1.96，代入后P4.269u4.4590.95置信區(qū)間（4.269，4.459），置信概率0.95就是落在（4.269，4.459）區(qū)間上的概率是0.95橡膠配方設(shè)計中的數(shù)學(xué)方法課件三. 假設(shè)檢驗假設(shè)檢驗對于今后要介紹的方差分析、回歸分析相當(dāng)重要。假設(shè)檢驗是小概率事件，小概率本身是不應(yīng)發(fā)生或發(fā)生概率較小，如在假設(shè)情況下小概率發(fā)生，則假設(shè)不成立。假設(shè)檢驗可分為兩類：參數(shù)假設(shè)檢驗（即母體的數(shù)字特征作假設(shè)，再從母體

17、中 取得子樣檢驗此假設(shè)是否成立）。分布假設(shè)檢驗。三. 假設(shè)檢驗假設(shè)檢驗對于今后要介紹的方差分析、回歸分析相當(dāng)舉例 某膠鞋廠檢驗鞋底，每只鞋底標(biāo)準(zhǔn)重量為500g，按以前生產(chǎn)經(jīng)驗標(biāo)準(zhǔn)差為10g，每隔一定時間需要檢查設(shè)備工作情況，現(xiàn)取10雙，稱得其重量為（g): 495，510，505，498，503，492，502，512，497，506 假定重量服從正態(tài)分布，試問這段時間設(shè)備工作是否正常？舉例 某膠鞋廠檢驗鞋底，每只鞋底標(biāo)準(zhǔn)重量為500g，按以解：鞋底重量是一個正態(tài)母體，標(biāo)準(zhǔn)差10，可假設(shè)母體平均數(shù)為500，如 k(確定常數(shù))，則設(shè)備工作正常，否則不正常。假設(shè)H0：u=500給定小概率(5，1或

18、10)有解：鞋底重量是一個正態(tài)母體，標(biāo)準(zhǔn)差10，可假設(shè)母體平均數(shù) 若0.05，則 1.96 例中 502，則26.2，說明小概率事件沒有發(fā)生，假設(shè)成立，即可以認(rèn)為這段時間平均重量仍為500g。橡膠配方設(shè)計中的數(shù)學(xué)方法課件 這個例子中是已知的，若未知，應(yīng)將換為s*。則上式可換為 ，經(jīng)證明Tt(n-1)。 可查表得上側(cè)分位數(shù) 的值，使 從一次抽樣的所得子樣值 計算出s*和 的數(shù)值。若 則拒絕H0，反之則接受，這種方法叫t檢驗。 這個例子中是已知的，若未知，應(yīng)將換為s*。則上式四 方差分析 在實驗中，影響性能因素復(fù)雜，我們往往需要知道哪些因素是主要的。如C.B和S用量都會對膠料性能有影響，哪個是主要

19、的，我們把這主要的因素就叫它對性能的影響是顯著的，這一章將重點介紹方差分析。 舉例：實驗中做耐油制品，測耐油時間，四種配方設(shè)計。 取若干個作壽命試驗，得如下數(shù)據(jù)（單位：小時）四 方差分析 在實驗中，影響性能因素復(fù)雜，我們往往需要知 題意：共四個母體，從母體中分別取一子樣，容量不等，本題考察配方方案對耐油壽命有無顯著影響，即檢驗四個母體平均數(shù)是否相等。如相等，即無顯著影響?，F(xiàn)從這個例子抽象出一般數(shù)學(xué)模型。 設(shè)r個正態(tài)母體Xi,i1，2，r。Xi的分布為 這里r個母體方差相等，在r個母體上作假設(shè)H0：u1=u2=ur?，F(xiàn)獨(dú)立從各母體中取出一個子樣，列成下表： 題意：共四個母體，從母體中分別取一子樣

20、，容量不等，本題 題的目的：用r個子樣，檢驗上述假設(shè)是否成立。 橡膠配方設(shè)計中的數(shù)學(xué)方法課件 本題是相等且已知，可用F檢驗法。檢驗任兩母體平均數(shù)相等就可，但要做r-1次很繁，用離差分解法。 組內(nèi)平均： 總平均： 總離差平方和為：iii 本題是相等且已知，可用F檢驗法。檢驗任兩母體平均數(shù)相經(jīng)分解得等式右邊部分的前一半是QE，后一半是QA。 QE表示組內(nèi)離差平方和， QA表示組間離差平方和。計算其中i=ui - u，i=1，2，r 經(jīng)分解得 是相互獨(dú)立用F分布定義橡膠配方設(shè)計中的數(shù)學(xué)方法課件令 ， 為組內(nèi)均方離差 為組間均方離差令 一次抽樣若FF(r-1，n-r)，說明小概率事件發(fā)生，拒絕H0。即

21、認(rèn)為有顯著影響。如FF(r-1，n-r)，則接受H0，無顯著影響。 計算F的方差分析表ii計算F的方差分析表ii作業(yè)：對上例，給定0.055，問是否有顯著影響？F0.05(3，22)3.05F0.05(4，20)=2.87F0.05(3，20)=3.49作業(yè)： 在這個例子中，假定 02是已知的，實際情況中，母體方差并不知道，檢驗?zāi)阁w平均數(shù)。 假定母體XN（u， 2)， 2未知，在母體上作假設(shè)H0：u=u0(u0已知），上例的u0500可用t檢驗。 給定查表 值。 若成立則拒絕H0 若不成立則接受H0 在這個例子中，假定 02是已知的，實際情況中，母體方 還有其它檢驗?zāi)阁w平均數(shù)的方法，比如u檢驗

22、等等。這里就不逐一介紹了。 而檢驗?zāi)阁w方差用 檢驗。假設(shè)H0 ：0 02(02已知) 還可對分布進(jìn)行假設(shè)檢驗，這里也不介紹了。 還有其它檢驗?zāi)阁w平均數(shù)的方法，比如u檢驗等等。這里就不五 實驗數(shù)據(jù)的回歸分析 對于R實驗來講，我們希望通過回歸分析使得到的一批數(shù)據(jù)能較好地擬合出性能與各影響因子間的經(jīng)驗數(shù)學(xué)模型，這就需要用回歸的方法。 5.1 多項式回歸 只要取得一組數(shù)據(jù)(xi，yi)，就可以擬合成一個較逼近實驗曲線的多項式函數(shù)。這種方法對回歸方程類型不易判斷的情形很實用五 實驗數(shù)據(jù)的回歸分析 對于R實驗來講，我們希望通過回歸 對于一次多項式將通過兩點，二次多項式將通過三點等。對于C.B用量對硬度的影

23、響，有10個點，可用一個唯一的一個9次多項式擬合。一般來說，我們采取連續(xù)最小二乘法去擬合次數(shù)為1，2，3，的多項式，直到找出一個適當(dāng)次數(shù)的多項式為止，當(dāng)然，我們總希望其次數(shù)少一些，如2次3次就可得到好的擬合效果，就不必再進(jìn)行高次的了。先來了解一下最小二乘法的多項式回歸方程。 對于一次多項式將通過兩點，二次多項式將通過三點等。最小二乘多項式回歸 給定一組數(shù)(xi，yi) i=1，2，n 這是一元函數(shù)關(guān)系， 先假定x和y之間是線性關(guān)系，即是一次的。 定義為Y=+X+，其中 N(0，2)分布 在X固定的情況下，計算E(Y)，則E(Y)+X (1) (1)式是我們希望得到的函數(shù)關(guān)系式，這種情況是0，但

24、 不一定為0。計算及實驗時，我們說達(dá)最小時得到的最小二乘多項式回歸 給定一組數(shù)(xi，yi) i=1，2 其中 和 不是和真值，而是估計值, 因此我們的任務(wù)就是要計算出 和 。 其中 和 不是和真值，而是估計值, 因此我們的 具體計算： 作離差平方和 使Q最小，即 2最小，來計算 和 ?？闪頠分別對 和 求偏導(dǎo)數(shù)，令一階導(dǎo)數(shù)為0。 具體計算：經(jīng)變形令 或經(jīng)變形 代入原式則擬合的方程就得到了，叫經(jīng)驗回歸方程 如果x，y不是線性關(guān)系，需進(jìn)行二次多項式回歸。 一般來講理論上 所以再繼續(xù)進(jìn)行高次回歸時，經(jīng)驗上有個標(biāo)準(zhǔn)，即 終止次數(shù)一般k8。 代入原式則擬合的方程就得到了，叫經(jīng)驗回歸方程終止次數(shù)一5.2

25、 一元線性回歸 模型： 與一次多項式回歸是相同的相關(guān)系數(shù)：相關(guān)系數(shù)說明兩變量之間的相關(guān)程度，通常用由上式可知，0|r|1，可分3種情況來說明：5.2 一元線性回歸 模型： 1. ，X與Y無線性關(guān)系；2. 0|r|1,大多數(shù)情況，X與Y存在一定的相關(guān)性，r0， ，是正相關(guān)，y隨x單調(diào)增加，r0則是負(fù)相關(guān)，|r| 越小，數(shù)據(jù)點越分散；3. |r|=1，所有點都在回歸直線上。x，y存在確定的線性關(guān)系。查相關(guān)系數(shù)表。與了樣容量n及置信度有關(guān)。 1. ，X與 當(dāng)n=10，0.05時 則|r|0.632，說明在0.95的水平上，相關(guān)或說顯著。 |r|0.765，在0.99水平上顯著。相關(guān)系數(shù)與子樣容量和置

26、信度（）有關(guān) 當(dāng)n=10，0.05時相關(guān)系數(shù)與子樣容量和置信度（5.4 一元非線線性回歸 若實驗數(shù)據(jù)(xi，yi)，畫點圖，如不是線性的，這就要先把它配上相應(yīng)的曲線，再通過線性化按線性回歸的方法計算出它們的系數(shù)。 5.4 一元非線線性回歸 若實驗數(shù)據(jù)(xi，yi)，畫點通常選取的曲線有6種類型：1. 雙曲線通常選取的曲線有6種類型：2. 冪函數(shù)曲線 ，其中x0，a02. 冪函數(shù)曲線 ，其中x03. 指數(shù)曲線 ，其中a03. 指數(shù)曲線 ，其中4. 倒指數(shù)曲線 ，其中a04. 倒指數(shù)曲線 ，其中5. 對數(shù)曲線5. 對數(shù)曲線6. S型曲線6. S型曲線舉例：流變學(xué)中，混煉膠流動曲線為 (b1)此式不

27、過原點的冪函數(shù)方程，令 先求出c值，利用拉格朗日差值法 舉例：流變學(xué)中，混煉膠流動曲線為 求出c后，將原式線性化，令 ， 得 ，再用一元線性回歸求出a，b。a和b確定后，牛頓流動指數(shù)n 求出c后，將原式線性5.5 多元線性回歸 實驗中影響性能因素常常不只是一個，則需要進(jìn)行多元線性回歸。 首先建立模型： 為常數(shù)。 這就稱為p元線性回歸模型。 對隨機(jī)變量 作n次觀測得n組觀測值。 0 0-p 5.5 多元線性回歸 實驗中影響性能因素常常不只是一個，為處理方便，用矩陣表示：令 則 ， 為計算 ，作離差平方和0-p 為處理方便，用矩陣表示：0-p 將 換為 ，最后用矩陣（逆矩陣）法可解出 回歸顯著檢驗

28、（哪個變量對y重要），如影響不重要那么哪個因素前面的系數(shù)j應(yīng)為0，所以可以假設(shè)H0：j=0，然后再用F檢驗。多元非線性也是如此。（可看參考書） 回歸顯著檢驗（哪個變量對y重要），如影響不重要那么哪個5.6 試驗優(yōu)化與設(shè)計方法 前面的幾章我們介紹了如何對實驗數(shù)據(jù)處理和模擬實驗方程，這是實驗后的工作。如果實驗前所選擇的實驗點不恰當(dāng)，那么計算的再精確也達(dá)不到預(yù)期的效果，因此實驗點的選擇非常重要。 配方設(shè)計可分為單因素變量設(shè)計和多因素變量設(shè)計。5.6 試驗優(yōu)化與設(shè)計方法 前面的幾章我們介紹了如何對實一、單因素變量設(shè)計 平分法 消去法 黃金分割法 kibonaci法 分批試驗法 拋物線法一、單因素變量設(shè)

29、計 平 這里只介紹平分法： 條件：如果每作一次試驗，可根據(jù)結(jié)果來決定下次試驗的方向，就可用平分法。 例：選一R配方，要求硬度為70，確定C.B用量，按經(jīng)驗先其試驗范圍為4080份，由于硬度是C.B用量的單調(diào)增函數(shù)，因此可用平分法。 第一次：M1/2(4080）60，結(jié)果硬度小于70， 應(yīng)劃去60以下的范圍，第二次為1/2(6080)=70。 如大于70，則劃去7080，如小于70則劃去70以下，繼續(xù)下去，直至得到最佳值。 這里只介紹平分法：二、多因素配方設(shè)計 這里重點介紹等高線圖形法。 它表示當(dāng)有兩個或三個因素變量時，某一項性能指標(biāo)變化規(guī)律的一種試驗設(shè)計方法，這種方法簡單、直觀。 2.1 等高

30、線原理（z為性能）： 如Z=f(x，y)為空間曲面圖形，且Z有最大值，其圖形為：二、多因素配方設(shè)計 這里重點介紹等高線圖形法。 圖中T點為最高點，即性能最高值，其在XOY平面上的投影為P點。如圖任一平行于XOY平面的平面去截此面圖形，再把所截曲線投影在XOY平面上，得曲線L1，則L1上任意一點所表達(dá)的性能值都是相同的。如用多個平面去截此曲線，并進(jìn)行投影，則可得到多條曲線，如圖中L2越往外，則性能越小，根據(jù)等高線這些特點，實驗中如果我們能把兩變量所影響的性能的相同點畫出來，并把這些點用線連起來，畫出等高線，則以等高線的變化就可得到此函數(shù)的變化規(guī)律了。 圖中T點為最高點，即性能最高值，其在XOY平

31、面上的投影2.2 繪圖方法 先對兩因素來講，按經(jīng)驗確定試驗范圍。如促進(jìn)劑和活性劑對焦燒時間的影響。然后以中心點為圓心作圓，在圓周上取正多邊形點，顯然邊數(shù)越多，試驗精確度高，這里我們選擇正五邊形，加上中點p點，做6次試驗得到焦燒時間值，分別標(biāo)在各點上。 然后將這幾點與中心連線，并按性能來分，相同性能點的連上線，畫出等高線圖。502.2 繪圖方法 先對兩因素來講，按經(jīng)驗確定試驗范圍。如 如果我們需要焦燒時間30分鐘，那么這么多點到底選哪一點呢？需要其它的性能等高線配合，如我要求300定伸強(qiáng)度10MPa?？僧嫵鰞梢蛩?00定伸強(qiáng)度的等高線，其與30分鐘曲線相等的點即為最佳點。如再配合其它性能測試，可

32、得出一最佳實驗點范圍。 上面我們介紹的是直角坐標(biāo)等高線圖作法。它適于兩因素的試驗方法。50 如果我們需要焦燒時間30分鐘，那么這么多點到底選哪一點 再看一個三角坐標(biāo)等高線圖，它適合于三元硫化促進(jìn)劑和三元R并用體系。 再看一個三角坐標(biāo)等高線圖，它適合于三元硫化促進(jìn)劑和三元具體畫法：取正三角形，每點表示不同變量，并且為100，將每邊10等分。如實驗中我們?nèi)?0個點，包括中心點，則將得到的性能（焦燒時間）標(biāo)上。如畫焦燒時間13分鐘的等高線，看12.614.6之間按比例找13分鐘這一點。同樣12.613.2之間，12.613.1之間，12.614.7之間得四點，并連結(jié)起來，得到等高線。具體畫法：取正三

33、角形，每點表示不同變量，并且為100，將每2.3 正交設(shè)計給大家介紹一種重要的設(shè)計方法正交試驗設(shè)計。一種運(yùn)用于多因素試驗的重要而且有效的方法。它的主要特點：能大幅度減少實驗次數(shù)，結(jié)論準(zhǔn)確可靠，還分析因素間的相互作用。它能夠很好地解決以下幾個問題：1. 影響性能的因素哪個重要，哪個不重要。2. 同一因子下不同水平哪個重要。3. 各因子依何水平搭配對性能影響顯著。2.3 正交設(shè)計給大家介紹一種重要的設(shè)計方法正交試驗設(shè)計一. 什么是正交試驗設(shè)計？按正交表進(jìn)行試驗設(shè)計的方法。二. 什么是正交表？我們來看這樣一個表這里我們需要了解的有： 表達(dá)含義 L正交表4實驗次數(shù)2兩個水平（表中的1和2表示不同的水平

34、）33個因素（因子）那么 表示的是9次試驗，3個水平，4個因素一. 什么是正交試驗設(shè)計？這里我們需要了解的有：橡膠配方設(shè)計中的數(shù)學(xué)方法課件 的正交表列如下：這些表從手冊上都可以查到查的原則是依據(jù)你選擇實驗的因子數(shù)和水平數(shù)來定。還有如其它的正交表。 ， 等。 從正交表中可看出有兩個重要的數(shù)字特征：(1). 每一列中，不同的數(shù)字出現(xiàn)的次數(shù)相等。(2). 任意兩列中，將同一橫行的兩個數(shù)字看成有序數(shù)對時，每種數(shù)對出現(xiàn)的次數(shù)相等。正交表的這些性質(zhì)決定了可用很少的試驗數(shù)就可準(zhǔn)確地進(jìn)行試驗 的正交表列如下：這些表從手冊上都可以查到查的原則是依據(jù) 三. 正交表運(yùn)用原則： 我們定義n水平數(shù)，m因素數(shù)。 無交互作

35、用時，試驗次數(shù)=m(n-1) 有交互作用時，試驗次數(shù)m(n-1)+(n-1)(n-1)。 如24，其中只有一對因素有交互作用，則計算最大試驗次數(shù)為4(21)+(2-1)(2-1)=5，如有兩對有交互作用，為6次。 拿24來講在正交表中找不到與之相應(yīng)的正交表。怎么辦？ 三. 正交表運(yùn)用原則：應(yīng)依據(jù)計算的實驗次數(shù)小于并接近于所選正交表的試驗次數(shù)原則來定，而且水平數(shù)要保持一致。所以應(yīng)選L8(27)，如選L32(237)實驗數(shù)就太多了。選定表為L8(27)之后，還要安排表頭，即如A、B、C、D四種不同因素，哪個放在1、2、3、4的位置呢？應(yīng)依據(jù)計算的實驗次數(shù)小于并接近于所選正交表的試驗次數(shù)原則來 順序

36、：不考慮交互作用，將重要的因素A、B放在1、2列。然后由L8(27)的交互作用表，查得AB應(yīng)放在第三列。應(yīng)當(dāng)說明的是：不同的正交表有它自身的交互作用表。 接著把因子C放在4列， AC放于第5列， BC放于第6列，D放于第七列，這樣表頭就設(shè)計完了。 順序：不考慮交互作用，將重要的因素A、B放在1、2列。接下來進(jìn)行實驗和數(shù)據(jù)分析。舉例：考察S/促進(jìn)劑/C.B這三個因素對NR/BR膠料的300定伸強(qiáng)度的影響，同時考察交互作用。 水 平A 促CZ 0.7 0.9B S 1.2 1.4C HAF/ISAF 14/41 27/28計算最大試驗次數(shù)：3(21)3(21)(21)=6L6(23)最接近的是L8(27)接下來進(jìn)行實驗和數(shù)據(jù)分析。橡膠配方設(shè)計中的數(shù)學(xué)方法課件 對實驗結(jié)果分析分為直觀分析和方差分析，先看直觀分析。 經(jīng)計算： 若是不考慮交互作用，可選擇A1 B1 C2作為