Академический Документы
Профессиональный Документы
Культура Документы
ВОСКОБОЙНИКОВ
А.Ф. ЗАДОРОЖНЫЙ
Л.А. ЛИТВИНОВ
Ю.Г. ЧЕРНЫЙ
Р
РЕЕШ
ШЕЕН
НИИЕ
Е И
ИННЖ
ЖЕЕН
НЕЕР
РННЫ
ЫХХ
ЗЗА
АДДА
АЧЧ В
ВППА
АККЕ
ЕТТЕ
Е
M
MAAT
THHC
CAAD
D
3
МИНИСТЕРСТВО ОБРАЗОВАНИЯ
И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ
НОВОСИБИРСКИЙ ГОСУДАРСТВЕННЫЙ
АРХИТЕКТУРНО-СТРОИТЕЛЬНЫЙ УНИВЕРСИТЕТ (СИБСТРИН)
РЕШЕНИЕ ИНЖЕНЕРНЫХ
ЗАДАЧ
В ПАКЕТЕ MATHCAD
Учебное пособие
НОВОСИБИРСК 2013
4
УДК 004.9
ББК 32.97
Р 47
ISBN 978-5-7795-0641-0
Рецензенты:
А.А. Воевода, д-р техн. наук, профессор (НГТУ);
М.С. Соппа, д-р физ.-мат. наук, профессор, завкафедрой
физики (НГАСУ (Сибстрин));
В.П. Умрихин, канд. техн. наук, доцент, завкафедрой
вычислительной математики (НГАВТ)
5
ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ ....................................................................................... 8
Глава 1. РЕШЕНИЕ ОПТИМИЗАЦИОННЫХ ЗАДАЧ ................ 9
1.1. Решение оптимизационных задач без ограничений ........... 9
1.2. Решение оптимизационных задач с ограничениями ........ 10
1.3. Решение оптимизационных задач из условий
экстремума целевой функции................................................... 16
Глава 2. ЗАДАЧИ ТЕОРЕТИЧЕСКОЙ МЕХАНИКИ
И СОПРОТИВЛЕНИЯ МАТЕРИАЛОВ....................................... 22
2.1. Единицы измерения физических величин в пакете
MathCAD ..................................................................................... 22
2.2. Решение задач статики и кинематики в пакете
MathCAD ..................................................................................... 25
2.3. Решение задач динамики в пакете MathCAD ................... 32
Глава 3. ЗАДАЧИ ТЕПЛОВОГО РАСЧЕТА
СТРОИТЕЛЬНЫХ КОНСТРУКЦИЙ ........................................... 44
3.1. Распределение температуры в плоской
неограниченной пластине .......................................................... 44
3.2. Сопоставление решений задачи аналитическим
и численным методами. ............................................................ 50
3.3. Распределение температуры в многослойной стене ........ 54
Глава 4. ЗАДАЧИ ТЕОРИИ ВЕРОЯТНОСТЕЙ
И МАТЕМАТИЧЕСКОЙ СТАТИСТИКИ ................................... 59
4.1. Формула испытаний Бернулли ........................................... 59
4.2. Случайные величины и их числовые характеристики ..... 64
4.3. Моделирование случайных величин ............................... 72
4.4. Построение гистограммы относительных частот
по выборочной совокупности.................................................... 77
4.5. Вычисление выборочных оценок для точностных
характеристик случайных величин ........................................... 83
6
Глава 5. ЗАДАЧИ ОБРАБОТКИ
ЭКСПЕРИМЕНТАЛЬНЫХ ДАННЫХ......................................... 88
5.1. Фильтрация зашумленных данных .................................... 88
5.2. Интерполяция дискретных данных.................................... 97
5.3. Построение парных эмпирических зависимостей .......... 102
5.4. Множественная эмпирическая зависимость ................... 114
ЗАКЛЮЧЕНИЕ ............................................................................ 121
БИБЛИОГРАФИЧЕСКИЙ СПИСОК ......................................... 122
7
ВВЕДЕНИЕ
8
Глава 1. РЕШЕНИЕ ОПТИМИЗАЦИОННЫХ ЗАДАЧ
10
***********************************************************************************************
2 2
4132 u16 u 4 v 20 v
1 32
d ( u v ) e
4
u 0 v 0 Задание т очки "ст арта"
u u 1
Maximize( d u v ) d ( u v ) 0.0795775
v v 2.5
d ( u 0.01u v 0.01v ) 0.0795673
d ( u 0.001u v 0.001v ) 0.0795774
11
**********************************************************************************************
2 a
F ( a b) 100( a b) 50
b
a 1 b 1
Given
a 2 b 5 b 1 a 0
a a 0
Maxim ize( F a b) F ( a b) 625
b b 2.5
a 2 b 5 Проверка ограничений
b 2.5
vi 1
i 1, vi 0.2, i 1,3. (1.2.4)
12
2
N ( v ) v v 1
2
2
0
v 2 1 Точка ст арт а
v 0
Given
1
v
1
1 v
5 0.2
v Minim ize( N v ) v 0.6 Решение
0.2
N ( v ) 0.64 v 1 Проверка решения
13
личеству металла (340 кг) достигнут уровень запаса – 340 кг (та-
кое ограничение называют активным). ☻
14
мальной. По техническим причинам первый погрузчик на вто-
рой площадке должен работать не более 16 часов.
Решение. Фрагмент документа MathCAD, в котором реша-
ется рассматриваемая задача, приведен на рис. 1.5. В качестве
искомых параметров приняты следующие переменные: xij – время
работы i-го погрузчика на j-й площадке. Обратите внимание на
ограничения в виде равенств, стоящих в блоке Given, в которых
стоит «жирный» знак =, вводимый с палитры инструментов «Ло-
гическая».
2 f 2 f 2 f 2 f
x12 x1 x2 x1 xm 1 x1 xm
f
2
f
2
f
2
2 f
x2x1 x22 x2xm 1 x2xm
. (1.3.2)
2 f 2 f 2 f 2 f
xm 1x1 xm 1x2 xm2 1 xm 1xm
2 f 2 f 2 f 2 f
xmx1 xmx2 xmxm 1 xm2
16
Как найти это решение в пакете MathCAD? Условия экс-
тремума (1.3.1) порождают систему уравнений (чаще всего не-
линейных), которые располагаются в блоке Given, вместе с ог-
раничениями, определяющими допустимую область. Само ре-
шение ищется с помощью функций Find, Minerr.
Краткая информация о функциях Find, Minerr примени-
тельно к решению систем уравнений есть в [3, 5].
Функция Find находит вектор решения системы уравнений.
Вызов этой функции имеет вид Find(x) Find ( x1, x2 ,..., xm ) , где
x1, x2 ,..., xm – проекции вектора решения. Если система уравне-
ний не имеет решения, то следует вызвать функцию Minerr(x),
которая возвращает вектор приближенного решения.
В функциях Find(x), Minerr(x) реализованы различные чис-
ленные алгоритмы, и пользователю предоставляется возмож-
ность либо задать один из реализованных алгоритмов (к кото-
рому он имеет «максимальное доверие»), либо предоставить
право выбора алгоритма пакету MathCAD. Для этого необходи-
мо щелкнуть правой кнопкой мыши на имени функции Find(x) и
в появившемся контекстном меню (рис. 1.6) и выбрать подхо-
дящий алгоритм. Пользователю, не «искушенному» в вычисли-
тельных методах, рекомендуется предоставить выбор MathCAD,
включив для этого команду «Автовыбор». В контекстном меню
всегда можно увидеть выбранный алгоритм вычисления реше-
ния системы уравнений.
Аналогично можно задать алгоритм решения и для функ-
ции Minerr(x).
Замечание 1.3.1. Использование численных методов в
функциях Find(x), Minerr(x) требует перед блоком Given задать
начальные значения переменным, по которым осуществляется
поиск корней уравнения. ♦
Пример 1.3.1. В качестве тестового функционала при поис-
ке точки минимума часто используется функционал Розенброка:
f ( x, y ) 100 ( y x 2 ) (1 x )2 . (1.3.3)
17
Рис. 1.6. Задание алгоритма функции Find
«Поверхность» этого функционала напоминает глубокий овраг,
что сильно осложняет работу многих алгоритмов минимизации.
Требуется вычислить точку минимума функционала при огра-
ничениях:
x 0; y 0; y 9 x. (1.3.4)
18
Рис. 1.7. Минимизация функции Розенброка
19
Ответ: максимум функционала достигается в точке (0, 13,
8).
6. Решите задачу оптимального раскроя. Из металлическо-
го листа прямоугольной формы (рис. 1.8) необходимо сварить
бак максимального объема. Размеры листа: L = 1, M = 2. Необ-
ходимо произвести вырез по углам прямоугольника на величину
a и сформировать стороны бака.
М=1
L=1
20
9. Решите пример оптимального выпуска продукции: пред-
приятие выпускает два вида продукции – по 1.5 и 9.5 руб. за
единицу. Для выпуска продукции выделено 5 тыс. единиц ре-
сурсов и 180 нормо-часов. На выпуск единицы продукции пер-
вого и второго вида уходит по 60 и 90 единиц ресурсов и 3.5 и
2.8 нормо-часа соответственно. Сколько нужно произвести про-
дукции первого и второго видов, чтобы ее общая стоимость бы-
ла максимальна?
Ответ: количество продукции первого и второго типа (15,
45).
10. Для питания нужно ежедневно принимать не менее 6
единиц белков, 8 единиц жиров и 12 единиц углеводов. Есть два
вида корма. Одна единица первого корма содержит 21 единицу
белка, 2 единицы жира, 4 единицы углеводов и стоит 3 руб. Для
второго корма соответствующие цифры cледующие: 3, 2, 2 и 2.
Составьте оптимальный рацион питания, т.е. сколько и какого вида
корма необходимо принимать ежедневно.
11. В условиях примера 3.1.3 найти решение задачи миними-
зации функции Розенброка без ограничений на переменные задачи.
21
Глава 2. ЗАДАЧИ ТЕОРЕТИЧЕСКОЙ МЕХАНИКИ
И СОПРОТИВЛЕНИЯ МАТЕРИАЛОВ
22
Также пакет MathCAD содержит справочник по основным
математическим и физико-химическим формулам и константам,
из которого можно копировать в расчеты необходимые форму-
лы и величины с соответствующими единицами измерения.
Справочник вызывается командой Reference Tables («Таблица
ссылок») из меню Help («Справка»). На рис. 2.2 показана встав-
ка физической формулы в расчет. Результат вставки показан в
верхней части документа, показанного на рис. 2.1.
23
o представление дробной части числа (десятичная или
простая дробь);
o точность округления и др.
Необходимый набор установок можно сделать набором по
умолчанию, нажав кнопку Set as Default («Установить по умол-
чанию»).
На рис. 2.3 показано, как отформатировать дробную часть
результата в виде простой дроби.
24
Рис. 2.4. Формат Engineering
25
где A – амплитуда колебаний;
– круговая частота приложенной силы;
t – время;
– начальная фаза колебаний.
26
С помощью инструмента «Анимация» создать видеоролик,
воспроизводящий процесс движения кривошипно-шатунного
механизма.
Решение. Рассмотрим математическую модель движения
кривошипно-шатунного механизма.
28
Рис. 2.9. Анимация движения кривошипно-шатунного механизма
29
Задача 2.2.3. Дана стальная балка из прокатного двутавра
№ 20 (ГОСТ 8239-89) (рис. 2.10). Требуется определить прогиб
и угол поворота свободного края консоли.
30
Рис. 2.11. Начало расчета прогиба балки из двутавра
31
2.3. Решение задач динамики в пакете MathCAD
d m y (t )
где y ( m) – означает производную m-го порядка по пе-
dt ( n )
ременной t .
Задача Коши для такого уравнения заключается в нахожде-
нии такой функции y (t ) , которая является решением уравнения
(2.3.1) (т.е. обращает его в тождество) и удовлетворяет началь-
ным условиям:
y t0 y0 , y t0 y1 , … , y t0 ym1 .
m1
(2.3.2)
33
где k, ≥ 0.
Решение задачи Коши показано в документе MathCAD
(рис. 2.13). Здесь же заданы все параметры системы. Для ввода
штриха (обозначение производной) нажимается [Ctrl] + [F7].
В документе приведены графики численного решения (кривая
yc (t ) – сплошная линия) и аналитического решения (кривая
ya (t ) – крестики). Видно хорошее совпадение двух кривых. ☻
34
Для иллюстрации возможностей MathCAD рассмотри при-
мер с рессорой, жесткость которой меняется в зависимости от
знака отклонения груза.
Пример 2.3.2. Задача о свободных колебаниях динамиче-
ской системы с переменной жесткостью. В условия примера
2.3.1 внесем следующее допущение, а именно – жесткость рес-
соры задается следующим образом:
100, y (t ) 0;
k ( y) (2.3.5)
20, y (t ) 0.
Решение. Для задания переменной жесткости (2.3.5) будем
использовать функцию if (вводится с клавиатуры и имеет три
аргумента) [5, 9]. На рис. 2.14 показан документ, решающий за-
дачу Коши. Сравнивая графики численных решений yc (t )
(рис. 2.13, 2.14), можно заметить отличие полученных решений.
Аналитическое решение получить не удается, и поэтому график
кривой ya (t ) (рис. 2.14) отсутствует.
Функции MathCAD для решения систем дифференциаль-
ных уравнений первого порядка. Многие физические процессы
описываются системами уравнений, содержащими производные
нескольких неизвестных функций по одной и той же независи-
мой переменной. Рассмотрим такую систему уравнений:
y1 f1 t , y1, y2 , , ym ,
y2 f 2 t , y1, y2 , , ym , (2.3.6)
y f t, y , y , , y ,
m m 1 2 m
35
Рис. 2.14. Решение задачи Коши для примера 2.3.2
y1 t0 y1 , y2 t0 y2 ,…, ym t0 ym , (2.3.7)
где y1,y2,…,ym – заданные величины.
При этом решение вычисляется на интервале (t0 , tk ).
Заметим, что дифференциальное уравнение первого поряд-
ка есть частный случай системы (2.3.6) при m = 1.
36
К решению задачи Коши для системы ОДУ сводится зада-
ча Коши для ОДУ вида (2.3.1). Введя новые переменные:
y1 y y2 , y2 y y3 , , ym y m , (2.3.8)
приходим к системе ОДУ первого порядка:
y1 y2 ,
y2 y3 ,
(2.3.9)
y y ,
m 1 m
f t , y1, y2 ,
ym , ym
y1 y2 ,
k (2.3.11)
y2 Q y1 Q y2 .
Начальные условия y1 t0 0.01 , y2 t0 0 .
Решение этой системы приведено в документе, показанном
на рис. 2.15. Обратите внимание, что переменная ORIGIN задана
равной 1 (для совпадения индексов переменных с обозначения-
ми системы (2.3.11)). Переменные Y1 , Y2 являются элементами
вектора, и поэтому их индексные выражения вводятся после
нажатия клавиши «левая квадратная скобка». Переменные y1, y2
(задают начальные условия) являются скалярными величинами,
и их индексы вводятся после нажатия клавиши [] – десятичная
точка. ☻
38
Рис. 2.15. Решение задачи Коши для системы обыкновенных
дифференциальных уравнений (пример 2.4.3)
39
Пример 2.4.4. Построить фазовый портрет динамической
системы примера 2.4.1 в координатах «перемещение-
ускорение».
Решение. К документу, изображенному на рис. 2.15, добав-
ляется фрагмент, приведенный на рис. 2.16. ☻
42
Вопросы и задания для самопроверки
43
Глава 3. ЗАДАЧИ ТЕПЛОВОГО РАСЧЕТА
СТРОИТЕЛЬНЫХ КОНСТРУКЦИЙ
44
Рис. 3.1. Распределение Рис. 3.2. Неограниченная пластина
температуры
ORIGIN: = 1
Исходные данные:
1 : = 3.5 2 : = 3.5 b : = 0.6 : = 2.8 c : = 0.28 : = 2400
tc1 : = 20 tc0 : = –10 dt : = 5 n : = 0 k : = 24 d : = 0.1
.
Замечание. В подпрограмме-функции Temp производится
расчет температуры во всех узлах пространственно-временной
сетки. В теле подпрограммы-функции используются перемен-
ные, которые должны быть определены до обращения к Temp.
47
Temp for i 1 n
x i dx ( i 1)
tc2n tc1
t i 1 x i tc1
b
for k 1 m
k n d ( k 1)
k
tc2k tc0 dt sin
12
for k 1 m 1
for i 2 n 1
a d
t i k 1 t i k t i 1 k 2 t i k t i 1 k
2
dx
1 dx
t 2 k 1 tc1
t 1 k 1
1 dx
1
2 dx
t n 1 k 1 tc2k 1
t n k 1
2 dx
1
t
t : = Temp
Подготовка параметров для построения графиков:
i : = 1 .. n k : = 1 .. m xi : = dx.(i – 1) k : = n + d.(k – 1),
48
- температура среды на улице
tni : = ti,1 – начальная температура в стене
tki : = ti,m – конечная температура в стене
tlk : = t1,k – температура на левой поверхности стены
tpk : = tn,k – температура на правой поверхности стены
20
12.5
tn
5
tk
2.5
10
0 0.1 0.2 0.3 0.4 0.5 0.6
x
Рис. 3.4. Распределение температуры в стене в начальный
и конечный моменты времени
20
12
tc2
4
tl
tp 4
12
20
0 4 8 12 16 20 24
Рис. 3.5. Распределение температуры на улице
и на поверхностях стены
49
3.2. Сопоставление решений задачи аналитическим
и численным методами
50
Так как пластина будет остывать симметрично с обеих сто-
рон, то начало координат поместим в середине стенки.
Документ MathCAD, реализующий аналитический метод
решения, включает следующие конструкции (в документ встав-
лены комментарии, которые можно опустить):
ORIGIN : = 1
Исходные данные:
bi
x
2 ( 1 bi)
for i 1 30
x1 0.0001 ( i 1)
x2 i
1
2
y 1 i root ( f ( x ) x x1 x2 )
sin y 1 i
y 2 i 2
y 1 i sin y 1 i cos y 1 i
y
51
В процедуре Tet производится расчет температуры на по-
верхности и внутри стены:
Tet for j 1 m
k d ( j 1)
k
Fo a
2
b
2
for l 1 n
v 0
r dx ( l 1)
for i 1 30
Fo
2
2
y 2 i cos 1 i r e
1
i
b
v v y
P j l v ( t0 tc) tc
P
t : = Tet
Численное решение задачи получим, используя приведен-
ный выше алгоритм метода конечных разностей. Для сравнения
результатов построим графики полученных температур:
52
tрa – распределение температуры по времени на поверхности
стены, вычисленное аналитически;
tpr – распределение температуры по времени на поверхности
стены, рассчитанное численно.
21
19
tn 17
15
tka 13
tkr 11
9
7
5
0 0.1 0.2 0.3
x
Рис. 3.6. Распределение температуры в стене на начальный и конечный
моменты времени
21
19
17
tpa 15
13
tpr
11
9
7
5
0 3 6 9 12 15 18 21 24
Рис. 3.7. Изменение температуры на поверхности стены по времени
53
конечных разностей для решения различных задач строительной
теплотехники.
54
где коэффициенты тем-
пературопроводности.
55
размерами и теплофизическими характеристиками: толщины
слоев – l1 = 0.5 м, l2 = 0.1 м, l3 = 0.12 м, теплофизические харак-
теристики – 1 = 2,8 Вт/(м·град.), c1 = 0.28 Дж/(кг·град.),
1 = 2400 кг/м3. 2 = 0,038 Вт/(м·град.), c2 = 0.38 Дж/(кг·град.),
2 = 600 кг/м3. 3 = 2,4 Вт/(м·град.), c3 = 0.28 Дж/(кг·град.),
3 = 1800 кг/м3. Температура среды tc : = –20 град., температура
слоев в начальный момент времени t0 : = 20 град.
Коэффициент теплопередачи между поверхностями стены и
внешней средой = 22.5 Вт/(м2·град.) (сильный ветер).
Документ MathCAD, реализующий рассмотренный алго-
ритм решения, включает следующие конструкции (в документ
вставлены комментарии, которые можно опустить):
ORIGIN : = 1
Исходные данные:
56
Temp for i 1 b3
t i 1 t0
for k 1 m 1
for i 2 n1 1
a1 d
t i k 1 t i k t i 1 k 2 t i k t i 1 k
2
dx
for i n1 1 b2 1
a2 d
t i k 1 t i k t i 1 k 2 t i k t i 1 k
2
dx
for i n1 n2 1 b3 1
a3 d
t i k 1 t i k t i 1 k 2 t i k t i 1 k
2
dx
2 t n1 1 k 1 1 t n1 1 k 1
t n1 k 1
1 2
3 t b2 1 k 1 2 t b2 1 k 1
t b2 k 1
2 3
dx
t 2 k 1 tc
1
t 1 k 1
dx
1
1
dx
t b3 1 k 1 tc
3
t b3 k 1
dx
1
3
t
57
t : = Temp
tn – начальная температура в стене;
tk – конечная температура в стене ;
tkc – температура в стене на 24 ч;
tkn – температура в стене на 12 ч.
25
20
tn 15
10
tk
5
tkc
0
tkn 5
10
15
20
0 0.12 0.24 0.36 0.48 0.6 0.72
x
Рис 3.9. Распределение температуры по толщине системы
58
Глава 4. ЗАДАЧИ ТЕОРИИ ВЕРОЯТНОСТЕЙ
И МАТЕМАТИЧЕСКОЙ СТАТИСТИКИ
61
Рис. 4.1. Вычисление вероятностей событий примера 4.1.1
62
а) б)
Рис. 4.2. Графики вероятностей Pn k , Prob k
63
Задание 4.1.1. В условиях задачи 4.1.2 определить число
наименьших выстрелов при p 0.4, 0.7, 0.9 . Объяснить выяв-
ленную закономерность изменения nmin . ●
f x dx 1. (4.2.9)
Заметим, что для непрерывных случайных величин с непрерыв-
ной функцией F x имеют место следующие равенства вероят-
ностей:
P X P X P X
(4.2.10)
P X ,
где P X – вероятность попадания в открытый интер-
вал , ;
P X – в полузакрытый интервал , ;
P X – в полузакрытый интервал , ;
P X – в закрытый интервал , .
66
Рис. 4.4. Статистические вычисления к примеру 4.2.1
Определить:
1) коэффициент A ;
2) функцию F x ;
67
3) вероятность попадания случайной величины в интервал
(2, 3);
4) вероятность того, что при четырех независимых испыта-
ниях случайная величина ни разу не попадет в интервал (2, 3).
Решение. Неизвестный множитель A определяем из усло-
вия (4.2.9):
A dx
x 2
dx A
x2
1.
2 2
Тогда
0, x 2;
f x 2
2 , x 2.
x
68
В этом же документе в символьном виде вычислена F x
на интервале 2, , откуда следует:
0, x 2;
F x x 2
x , x 2.
Далее вычисляется вероятность p 0.333 попадания слу-
чайной величины в интервал (2, 3), и по формуле
1 p 4 q4 0.6674 0.198
вычисляется вероятность того, что при четырех испытаниях
случайная величина ни разу не попадает в интервал (2, 3). ☻
Напомним, что математическое ожидание случайной вели-
чины определяется как:
M x x f x dx . (4.2.13)
Дисперсия определяется выражением:
D x x M x f x dx
2
(4.2.14)
x f x dx M x
2
2
.
Заметим, что математическое ожидание и дисперсия явля-
ются уже не случайными величинами: первая характеризует
точку, вокруг которой группируются значения случайной вели-
чины; вторая – степень разброса значений случайной величины
от ее математического ожидания.
69
0, если x 0;
x
, если 0 x 2;
8
f x 11 (4.2.15)
1, если 2 x 4 ;
0, если x 11
4
вычислить M x , D x .
Решение. На рис. 4.6 приведен фрагмент документа, в кото-
ром вычисляются искомые числовые характеристики. Вычисле-
ние дисперсии осуществляется двумя способами (4.2.14). ☻
70
P X xp F xp p , (4.2.16)
или
xp
f x dx p . (4.2.17)
Таким образом, вычисление x p сводится к решению либо
уравнения (4.2.16), либо (4.2.17). Лучше всего решать уравнения
в пакете MathCAD.
72
Окончание табл. 4.1
1 2 3
ab
M(X )
dunif x, a, b
Равномерное распределение 2
D( X )
1
, если x a, b qunif , a, b b a
2
ba
0, если x a, b runif m, a, b 12
dbinom x, n, p
M ( X ) np
Биноминальное распределение qbinom , n, p D( X )
Cnx p x 1 p n x , 0 x n
rbinom m, n, p np(1 p)
2 распределение
0, если x 0 ;
M (X ) n
dchisq x, n
x n / 2 1 , если D ( X ) 2n
qchisq , n
1
2
e 2 x
2n / 2 n
rchisq m, n
x0
( n 0 число степеней свободы)
Распределение Стьюдента
dt x, n
2 1 x 2
n 1
n 1
2
qt , n
n n
–
n
2 rt m, n
( n 0 число степеней свободы)
73
N i ~ N (0,1) , где N означает нормальное распределение, 0 – нуле-
вое математическое ожидание, 1 – среднеквадратическое откло-
нение, которое равно корню квадратному из дисперсии. Тогда
распределение случайной величины
74
Рис. 4.8. Плотности распределения 2
В табл. 4.1 в правой колонке (вторая строка) приведены
функции MathCAD (имена начинаются с буквы q ) вычисления
квантилей соответствующих вычислений.
75
Рис. 4.9. Графики распределений примера 4.3.1
77
выборка) хi , i 1, N случайной величины Х ( N – объем выбор-
ки). Введем L + 1 точку z1 z2 zL zL1 , при этом:
z1 minxi ; zL1 max xi . (4.4.1)
Тогда число значений xi , попавших в полузакрытый интер-
вал [ zk , zk 1 ), k 1, , L, обозначим через nk и назовем часто-
той.
Очевидно, что
L
n
k 1
k N. (4.4.2)
Величину
nk
wk (4.4.3)
N
назовем относительной частотой, для которой выполняется ус-
ловие
L
w
k 1
k 1. (4.4.4)
78
Возникает вопрос: как сформировать интервалы zk , zk 1 ?
Количество интервалов L рекомендуется вычислять по формуле:
L 1 3.222lg( N ) 1, (4.4.7)
80
сформирован случайный вектор N , проекции которого
играют роль элементов выборочной совокупности (объем равен
1000);
по формуле (4.4.7) вычислено число отрезков гисто-
граммы;
в результате обращения к функции hist(int, X) вычисле-
ны значения середин отрезков d k и частот nk , k 1,...,12 ;
вычислены высоты прямоугольников гистограммы y k* ;
вычислены значения pk плотности нормального распре-
деления N ( 20,10) в точках d k ;
построены соответствующие графики, где точками по-
казаны значения плотности нормального распределения, вы-
численные при x d k .
Видно хорошее совпадение высот гистограммы с теорети-
ческими значениями плотности распределения. ☻
Замечание 4.4.1. Для отображения значений y k* в виде пря-
моугольников необходимо сделать двойной щелчок на диаграм-
ме (т.е. войти в режим «Форматирование»), затем активизиро-
вать закладку «Графики» и в списке «Тип» задать параметр
«Панель заливок». Для англоязычной версии задать параметр
Solidbar. ♦
Замечание 4.4.2. Фрагмент документа, представленного на
рис. 4.11, можно использовать для построения гистограммы по
реальной выборке (т.е. по экспериментальным данным). Для
этого вместо функции моделирования случайного вектора вста-
вить функцию чтения READPRN данных из файла. Документ
для построения гистограммы по реальной выборке приведен на
рис. 4.12.
Файл с выборочными значениями имеет имя sample.prn.
Объем выборки равен 100. На графике отображается только гис-
тограмма, так как теоретические значения плотности вероятно-
сти pk на практике отсутствуют. Хотя выборка была сделана
из нормального распределения, ее малый объем привел к суще-
ственному отличию гистограммы от формы плотности нормаль-
ного распределения. ♦
81
Рис. 4.12. Построение гистограммы по реальной выборке
82
построение графиков гистограмм и теоретических зна-
чений плотности (см. пример 4.4.1);
анализ построенных гистограмм и вывод о связи точ-
ности гистограммы с объемом выборки. ●
83
Медиана случайной величины X – это значение элемента
выборки, приходящееся на середину упорядоченной выбороч-
ной совокупности. Если выборка имеет четное число элементов,
то значение моды будет равно среднему двух значений, находя-
щихся посередине упорядоченной выборочной совокупности.
Например, медиана выборки (200, 236, 250, 305, 337, 220) будет
равна (236 + 250) / 2 = 243.
Мода случайной величины X – это наиболее часто
встречающееся значение в выборке, т.е. значение, встречающее-
ся в выборке с максимальной частотой. Если нет повторяющихся
значений, то выдается сообщение об этом и мода не вычисляется.
Корреляционным моментом X,Y случайных величин X и
Y называется математическое ожидание случайной величины
( X M ( X )) (Y M (Y )), т.е.
X ,Y M ( X M ( X )) (Y M (Y )). (4.5.1)
Величина корреляционного момента может изменяться от
до . Для независимых случайных величин X и Y момент
X,Y = 0. Случайные величины, корреляционный момент которых
равен нулю, называются некоррелированными.
Более удобной характеристикой взаимосвязи случайных ве-
личин является коэффициент корреляции, определяемый соот-
ношением:
X ,Y
X ,Y . (4.5.2)
X2 Y2
Коэффициент корреляции является важной и удобной ха-
рактеристикой связи двух случайных величин. Приведем неко-
торые свойства коэффициента корреляции.
1. –1 ≤ XY ≤ 1, (| XY | ≤ 1).
2. Если случайные величины Х и Y являются независимыми
(не влияют друг на друга), то XY = 0.
3. Если XY = +1 (положительная корреляция), то между Х и
Y существует функциональная линейная зависимость
84
Y aX b, где а > 0. Если XY = 1 (отрицательная корреля-
ция), то между Х и Y существует функциональная обратная зави-
симость Y aX b , где а < 0.
Для иллюстрации статистического смысла коэффициента
корреляции приведем диаграммы рассеяния (геометрические
места точек ( xi , y j ) на плоскости) для разных коэффициентов
корреляции. На рис. 4.13а диаграмма рассеяния соответствует
коэффициенту корреляции, равному 0, на рис. 4.13б коэффици-
ент корреляции равен 0.94. Видно, что при увеличении модуля
XY расположение точек на плоскости стремится к прямой ли-
нии (подтверждение свойства 3 коэффициента корреляции).
а б
Рис. 4.13. Диаграммы рассеяния при разных коэффициентах XY
85
Рис. 4.14. Вычисление выборочных оценок
86
M(X), D(X) и определить вероятность события A 2 X 3 .
3. Непрерывная случайная величина X имеет плотность
распределения:
0, x 2;
f ( x ) kx, x 2,4 ;
0, x 4.
Необходимо: вычислить неизвестную константу k, функ-
цию распределения F(x), построить графики f(x), F(x), найти
M(X), D(X) и определить вероятность события
C 2.5 X 3.5 .
4. Как определяется корреляционный момент XY ?
5. Определить коэффициент корреляции. Объяснить его
теоретико-вероятностный смысл.
6. Какими свойствами обладает коэффициент корреля-
ции?
7. В каких случаях значения коэффициента корреляции
равны +1 и –1?
8. Пусть выборка случайной величины X объемом 20 оп-
ределяется первой строкой таблицы задания 1, а выборка слу-
чайной величины Y объемом 20 – второй строкой таблицы зада-
ния 1. Вычислить коэффициент корреляции между этими слу-
чайными величинами.
87
Глава 5. ЗАДАЧИ ОБРАБОТКИ
ЭКСПЕРИМЕНТАЛЬНЫХ ДАННЫХ
вычисляет по формуле
n
xi x j
h( b
) yi
fˆ jKSM n
i 1
, j 1,..., n , (5.1.3)
xi x j
i 1
h(
b
)
88
1 t2
где h(t ) exp . (5.1.4)
2 0.37 2 (0.37)
2
Видно, что сглаженное значение f€jKSM есть сумма всех изме-
рений yi с экспоненциальными весами. Следовательно, рассмат-
риваемый алгоритм обрабатывает все значения yi, но с разными
x xj
весами h( i ) . Величина весовых множителей зависит от:
b
параметра b – чем больше величина параметра, тем в
большей степени сглаживаются «зашумленные» значения yi;
«расстояния» xi x j – чем меньше эта величина, с тем
большим весом значение yi войдет в результат fˆj .
KSM
x
На рис. 5.1 приведен график значений функции h , вы-
b
численных при b = 2 и определяющих весовые множители сум-
мы (5.1.2). Видно, что значимые веса определяются для значе-
ний x [–1.5b, +1.5b]. Для значений x вне этого интервала весо-
вые множители очень малы, и следовательно, соответствующие
KSM
значения yi практически не учитываются при вычислении y j .
x
Рис 5.1. График функции h
b
89
Обращение к функции ksmooth имеет вид ksmooth(x, y, b),
где x, y – массивы длиной n, содержащие значения xi , yi. Соот-
ветственно, b – скалярный параметр, задающий степень сглажи-
вания исходных данных (чем больше величина параметра, тем в
большей степени сглаживаются значения yi). Результатом рабо-
ты является одномерный массив длиной n, содержащий значе-
ния y KSM
j .
90
1
50 €KSM 2 2
f i
f ( xi
)
Ф (b) i 0 50 . (5.1.5)
f ( xi ) 2
i 0
На рис. 5.3 приведена зависимость относительной ошибки
(b) от величины b. Видно, что при значении b = 0.85 относи-
тельная ошибка сглаживания имеет минимальное значение. Ес-
ли b меньше 0.85, то фильтрация данных выполняется в недос-
таточной степени (данные «недоглажены»). Если b больше 0.85,
то вместе с погрешностями i сглаживанию подверглись тонкие
«детали функции» f(x), которые должны быть сохранены в
fˆi KSM (данные «переглажены»).
91
На рис. 5.4 показаны значения f(xi), а также значения
fˆi KSM , вычисленные при оптимальном значении b = 0.85 (на
рис. обозначены светлыми кружками, относительная ошибка
сглаживания равна 0.069) и при b = 2.25 (обозначены темными
кружками, и относительная ошибка 0.161). В последнем случае
наблюдается значительное сглаживание функции f(x) в области
ее максимума. ☻
93
Рис. 5.5. Сглаживание данных с использованием ksmooth
94
Рис. 5.6. Исходные данные с аномальными измерениями
95
Эффективное удаление аномальных наблюдений медиан-
ным фильтром можно объяснить тем, что аномальные измере-
ния располагаются либо в начале вариационного ряда, либо в
конце. Поэтому результатом работы медианного фильтра не мо-
гут быть аномальные измерения (при правильно выбранной
длине апертуры, а именно – количество аномальных измерений,
попавших в апертуру не больше величины L).
В пакете MathCAD медианную фильтрацию можно осуще-
ствить с помощью функции medsmooth. Обращение к этой
функции имеет вид medsmooth (y, M), где y – вектор, составлен-
ный из наблюдений yi, i = 1, 2,…, n; M < n – размер апертуры
(нечетная величина).
На рис. 5.7 точка-
ми показаны результа-
ты фильтрации данных
рис. 5.6 медианным
фильтром при M = 17.
Относительная ошибка
равна 0.078. Заметим,
что применение функ-
ции ksmooth дало отно-
сительную ошибку
0.202.
96
жайшим точкам xi с адаптивным выбором «размера» k окна
сглаживания. Элементы массива X должны быть упорядочены
по возрастанию.
Обращение к функции имеет вид supsmooth(X, Y).
На рис. 5.8 представлены результат обработки «зашумлен-
ных» данных (сплошная кривая – исходные данные, точечная –
отфильтрованные значения). Отметим, что supsmooth не требует
задания никакого «управляющего» параметра, что для обычного
пользователя является определенным преимуществом функции
supsmooth.
99
на интервале xi , xi 1 является кубическим полиномом, удовле-
творяет условиям (5.2.1) и во внутренних узлах xi , i 2,..., n 1
имеет непрерывные первые и вторые производные.
Для осуществления кубического сплайна MathCAD пред-
лагает четыре встроенные функции: cspline, pspline, lspline и
interp. Первые три из них служат для вычисления вторых произ-
водных сплайна в узлах и отличаются только используемыми
краевыми условиями, которые определяют вид функции fˆ ( x) в
крайних точках x1 , xn :
lspline(vx, vy) – возвращает вектор vs вторых производных
и генерирует кривую сплайна, которая приближается к прямой
линии в граничных точках;
pspline(vx, vy) – возвращает вектор vs вторых производных
и генерирует кривую сплайна, которая приближается к параболе
в граничных точках;
cspline(vx, vy) – возвращает вектор vs вторых производных
и генерирует кривую сплайна, которая может быть кубическим
полиномом в граничных точках.
100
Рис. 5.10. Построение кубических сплайнов
101
Затем с помощью функции interp определим три функции
пользователя (три сплайна) с соответствующими краевыми ус-
ловиями. Построим графики значений этих функций в 200 узлах
мелкой сетки. Заметим, что сплайновая кубическая интерполя-
ция, несмотря на малое число узлов, в которых задаются значе-
ния функции (их всего 6), дает хорошие результаты: график
функции оказывается плавным, и точки его перегиба вообще
незаметны. Отличие между графиками на первом и последнем
интервале обусловлены разными краевыми условиями. ☻
Задание 5.2.2. Исходные данные даны следующими масси-
вами:
x 0.4,1.6, 3.1, 4.1, 4.2, 5.0 , t 25,11, 9.4,16.2, 21.2, 26.1.
Построить три кубических сплайна с разными краевыми
условиями и графики этих сплайнов на равномерной сетке с
150 узлами. ●
Таблица 5.1
Функция Назначение
slope x, y Вычисляется коэффициент a1 уравнения регрес-
сии S (a, x) = a0 + a1 x
intercept (x, y) Вычисляется коэффициент a0 уравнения регрес-
сии S (a, x) = a0 + a1 x
line x, y Вычисляются коэффициенты a0, a1 уравнения
регрессии S (a, x) = a0 + a1 x
103
Пример 5.3.1. По заданным значениям xi , yi , i 1,...,9
(рис. 5.11, векторы x, y ) вычислить коэффициенты, a1, исполь-
зуя функции MathCAD, приведенные в табл. 5.1.
Решение. Фрагмент документа MathCAD, содержащий об-
ращения к функциям, показан на рис. 5.11. Построенная эмпи-
рическая зависимость имеет вид:
S (a, x) 2.641 1.005x . ☻
i 1
106
Пример 5.3.2. По данным, приведенным на рис. 5.12 (век-
торы x , y , число наблюдений n 8 ), построить уравнение рег-
рессии вида S a, x a1ea2 x a3 .
107
казаны исходные данные xi , yi и кривая, соответствующая за-
висимости S a, x с вычисленными коэффициентами: a1 = 3.762;
a2 = 0.453; a3 = 3.006.
В нижней части документа стоит оператор, вычисляющий
коэффициент детерминации R 2 (переменная R2) по формуле:
Qe
R2 1 ,
Q
n
где Q ( yi y ) 2 ;
i 1
n
Qe ( S (a, xi ) yi ) 2 ;
i 1
108
Решение. Построение регрессий при заданных порядках по-
линома показано в документе MathCAD, приведенном на
рис. 5.13. Для вычисления коэффициентов зависимости будем
использовать функцию regress. Коэффициенты полинома второ-
го порядка (в программе обозначен y2(X))
S2 a, x a0 a1 x a2 x2 (5.3.4)
являются проекциями вектора coef2 (начиная с 4-й проекции), а
коэффициенты полинома (в программе обозначен y3(X)
S3 x a0 a1 x a2 x 2 a3 x 3 (5.3.5)
находятся в векторе coef3 (начиная с 4-й проекции). В нижней
части документа вычисляется коэффициент детерминации:
для k 2 R 2 0.904 ;
для k 3 R 2 0.955 .
109
Рис. 5.13. Построение нелинейной зависимости (к примеру 5.3.3)
110
Таблица 5.3
Вычисляет коэффициенты a1 , a2 , ..., am линей-
ной комбинации
S (a, x) a1φ( x) a2 φ( x) am φm ( x)
linfit (X, Y,Ф) 1 2
111
Обращение к функции linfit и вычисленные коэффициенты при-
ведены на рис. 5.14. Сравнивая эти коэффициенты с соответст-
вующими проекциями векторов coef2, coef3 (рис. 5.11), видим
совпадение этих величин. Обратите внимание на задание функ-
ций y2 ( X ), y3 ( X ) с использованием скалярного произведения
вектор-функции и вычисленных векторов коэффициентов.
S a, x e 2.8221.197 x 0.179 x .
2
113
Замечание 5.3.2. Разница между функциями linfit и genfit
заключается в том, что параметры а1,…, аm функции linfit нахо-
дятся из решения линейной системы уравнений, а в функции
genfit из нелинейной системы, и поэтому задается точка старта
(вектор ао) итерационной процедуры построения решения этой
нелинейной системы. ♦
114
степени полинома, а первая проекция – номеру функции. Ос-
тальные проекции содержат коэффициенты, но в определенном
порядке. Так, для k 2 и линейной регрессии имеется соответ-
ствие: четвертая проекция – a1; пятая – a2; шестая – a0 (см. при-
мер 5.4.1). Следует отметить, что вектор, являющийся результа-
том работы функции regress используется функцией interp для
вычисления значений уравнения множественной регрессии.
Обращение к функции interp имеет вид:
interp coef , X ,Y , z ,
где coef – вектор, результат работы функции regress;
X, Y – те же, что у функции regress;
z – вектор, состоящий из k проекций, определяющих зна-
чения x1 , x2 , , xk , при которых вычисляется значение эм-
пирической зависимости, и это значение является результа-
том работы функции interp (см. пример 5.4.1).
115
Рис. 5.16. Построение линейной множественной зависимости
(к примеру 5.4.1)
116
На этом же рисунке приведены графики:
исходных значений yi (квадратные маркеры);
значений yˆi построенного уравнения (сплошная кривая).
В отличие от парной эмпирической зависимости (где одна
независимая переменная), по оси абсцисс откладывается не зна-
чение независимой переменной (так как их несколько), а номер
наблюдения. ☻
где y€i S a, xi,1, xi,2 , ..., xi,k , i 1, ..., n – значения эмпириче-
ской зависимости при заданных значениях независимых пе-
ременных.
Для минимизации этого функционала используют функцию
MathCAD Minimize. При этом возможно задание ограничений на
значения искомых коэффициентов a0 , a1 ,..., ak (т.е. решается за-
117
дача условной минимизации функционала). Для иллюстрации
этой возможности рассмотрим следующий пример.
118
Рис. 5.17. Вычисление коэффициентов нелинейной зависимости
119
Заметим, что a0 , a1 ,..., ak являются простыми переменными
с нижними индексами, которые вводятся через десятичную точ-
ку (клавиша [·]). В нижней части документа вычислены: значе-
ние функционала МНК в точке минимума (5.4.7) и значение
функционала МНК в точке (3.193 + 0.01, 0.333, 0.667), т.е. сме-
щение от точки минимума на 0.01 по коэффициенту a0.
Второе значение функционала больше, чем в точке (5.4.7),
что доказывает правильность нахождения точки минимума
функционала МНК. ☻
120
ЗАКЛЮЧЕНИЕ
121
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
122
задачами в среде MathCAD : учеб. пособие / Р. И. Иванов-
ский. – СПб. : БХВ-Петербург, 2008. – 528 с.
12. Киселева Э. В. Математическое программирование : учеб.
пособие / Э. В. Киселева, С. И. Соловьева. – Новосибирск :
НГАСУ, 2005. – 104 с.
13. Лыков А. В. Теория теплопроводности / А. В. Лыков. –
М. : Государственное издательство технико-теоретической
литературы, 1952.
14. Очков В. Ф. MathCAD 14 для студентов инженеров и кон-
структоров / В. Ф. Очков. – СПб. : БХВ-Петербург, 2007. –
368 с.
15. Павленко Ю. Г. Лекции по теоретической механике /
Ю. Г. Павленко. – М. : ФИЗМАТЛИТ, 2002. – 392 с.
16. Поршнев С. В. Численные методы на базе MathCAD /
С. В. Поршнев. – СПб. : БХВ-Петербург, 2005. – 464 с.
123