Министерство образования и науки Российской Федерации

Федеральное государственное бюджетное образовательное учреждение

высшего образования
«Пермский национальный исследовательский
политехнический университет»

Факультет: прикладной математики и механики

Направление: «Фотоника и оптоинформатика».

Лабораторная работа №2

Выполнил студент гр. ФОП-17-1б

Поош Сергей Андреевич

Проверил:

Никулин И. Н.
___________ _________________________
(оценка) (подпись)

_____________
(дата)

Пермь 2021
 Лабораторная работа № 2

Статистическая обработка массива случайных данных

Цель работы: рассчитать корреляционную зависимость между скоростью

вытяжки и диаметров волокна.
Приборы и принадлежности: LibreOffice Calculatare

Сведения из теории
Применение статистических методов для анализа качества технологического процесса
вытяжки волокон:
На сегодняшний день оценка качества продукции одно из основных направлений в
производстве оптического волокна. Для соответствия международным стандартам
принятие эффективных решений должно основываться на рациональном анализе данных и
информации. Само производство световодов включает в себя совокупность достаточно
сложных прецизионных технологий, что впоследствии является причиной множественных
отклонений различных характеристик от стандартов. Это является основным поводом для
введения стратегии улучшения качества на основе уже имеющейся информации.
Например, такой материал как стекло может иметь достаточно большой разброс
прочности растяжения от среднестатистического, порядки могут отличаться в 10 3-106 раз.
Это объясняется наличием трещин на поверхности продукта и их характерным размером,
получаемым при производстве. Различные подходы в борьбе с трещинами уменьшают
разброс и среднюю величину прочности, а также дают впоследствии возможность оценить
эффективность метода.
Таким образом, одним из самых главных направлений контроля и обработки
данных является статистический контроль технологического процесса. Его основной
целью является предупреждение брака и улучшение качества производства. Сама оценка
готовой продукции производится на основании измерений её основных потребительских
характеристик.
Можно выделить основные подходы к обработке статистических данных
полученных при мониторинге продукции: контрольный листок, гистограмма качества,
причинно-следственная диаграмма, диаграмма Парето, стратификация данных, диаграмма
рассеивания и контрольные карты. Эти методы предназначены для анализа и контроля
данных непосредственно на рабочем месте при учёте отсутствия специальной
статистической подготовки рабочих, что повышает эффективность использования этих
подходов.

Диаграмма рассеяния. Метод наименьших квадратов:

Диаграммы рассеивания предназначены для изучения связи между двумя или более
показателями. Они позволяют оценить функциональную зависимость и коэффициент
корреляции. Поэтому такая диаграмма по своей сути является регрессионной моделью,
задачей которой является выявить связь входных и выходных параметров. Имеющиеся
математические методы позволяют решать подобные задачи и реализовывать их на ЭВМ.
К примеру, у нас есть совокупность значений величины h-параметра (Коэффициент
межмодовой поляризационной связи - показывает какая доля мощности возбужденной,
например x-моды, перекачивается из-за не идеальности световода в y-моду на одном метре
его длины) в зависимости двулучепреломления (см рисунок 1). Соответственно эти
величины расположены на оси ординат и абсцисс.
Первым делом выдвигаем гипотезу о линейности зависимости имеющихся величин:
y=A0 +A 1 x ;
Решение подобной задачи осуществляется методом наименьших квадратов. Для того,
чтобы прямая была более точной, она должна соответствовать наименьшей сумме модулей
всех отклонений:
∑ ( y− y эi ) →min
; i
Из-за сложности работы с модулями используют квадрат отклонения экспериментальных
точек от теоретических:
2
F= ∑ ( y − y i ) →min
i ;
2
F= ∑ ( A 0 +A1 x i− yi ) →min
i;
Меняя коэффициенты А0 и А1, мы можем достичь экстремума – наименьшего значения F.
Такому условию соответствует следующая система уравнений:
dF dF
=0, =0
dA0 dA1 ;
∑ 2 ( A 0 +A1 x i− y i )=0 , ∑ 2 ( A 0 +A1 x i− yi ) x i =0
i i ;
∑ ( A 0 +A1 x i − y i )=0 , ∑ ( A0 +A 1 x i− y i ) x i=0
i i ;
NA 0 +A 1 ∑ x i−∑ y i=0 ,A 0 ∑ x i +A 1 ∑ x2i − ∑ y i x i=0
i i i i i ;
NA 0 +A 1 ∑ x i=∑ y i ,A0 ∑ xi +A 1 ∑ x 2i = ∑ yi xi
i i i i i ;
У нас имеется следующая система уравнений:
N ∑ xi ∑ yi
{
∑ xi
i
i

∑ x2i
i
}{ } { }
A0
A1
= i

∑ yi x i
i
;

Решая систему уравнений методов Крамера получаем:

2
Δ=N ∑ x 2i − ∑ x i
i ( ) i ;
Δ A 0=∑ y i ∑ x2i − ∑ y i x i ∑ xi
i i i i ;
Δ A =N ∑ y i x i−∑ x i ∑ y i
1
i i i ;
ΔA ΔA
A 0= 0
,A 1 = 1

; Δ Δ
Далее следует определить средние значения x̄ , ȳ и коэффициент корреляции:
∑ ( x i − x̄ )( y i− ȳ )
i
r=
∑ ( x i − x̄ ) 2 ∑ ( y i − ȳ )2
√
; i i
 Коэффициент r ∈ [ −1;1 ] численно показывает характер зависимости величин х и у.
Если r=1 или r=-1, то зависимости линейны и соответственно возрастают или убывают.
При r=0 зависимость нелинейна, при остальных значениях r зависимости имеют
промежуточный характер между линейными и нелинейными.

Выполнение работы
Вариант №6

Исходные данные
Таблица 1

Скорост
ь 119,84 121,47 123,09 124,71 126,34 127,96 129,59 131,21 132,84 134,46
вытяжки x
Диаметр
125,00 125,00 124,73 124,75 124,51 124,03 123,86 124,03 123,90 123,69
волокна y

Таблица обработки данных

Таблица 2

n x y x2 xy Y-yi (Y-yi)^2 X-xi (X-xi)^2 (Y-yi)(X-xi)

1 119,84 125,001 14362,2 14980,4 0,65231 0,42551 7,30885 53,4193 4,767645
2 121,47 124,999 14754,1 15183,1 0,64981 0,42225 5,68466 32,3154 3,693938
3 123,09 124,725 15151,3 15352,5 0,37668 0,14189 4,06047 16,4874 1,529508
4 124,71 124,745 15553,8 15557,6 0,39667 0,15734 2,43628 5,93548 0,966391
5 126,34 124,509 15961,6 15730,4 0,16058 0,02579 0,81209 0,6595 0,130404
6 127,96 124,031 16374,6 15871,4 0,31751 0,10081 0,81209 0,6595 0,257851
7 129,59 123,856 16792,9 16050,1 0,49314 0,24319 2,43628 5,93548 1,201427
8 131,21 124,032 17216,5 16274,5 0,31639 0,1001 4,06047 16,4874 1,284694
9 132,84 123,899 17645,4 16458,2 0,44958 0,20212 5,68466 32,3154 2,555728
10 134,46 123,689 18079,5 16631,3 0,65942 0,43483 7,30885 53,4193 4,819597
Σz 1271,5 1243,49 161892 158090 4,47209 2,25384 40,6047 217,634 21,20718
(Σz)2 1616741                
срзна
127,15 124,349    
ч          

Первым делом выдвигаем гипотезу о линейности зависимости имеющихся величин:

y=A0 +A 1 x ;

Решим систему уравнений методов Крамера:

N x   A0  =  yi 
i
10 1271,5115
=
1243,48739
 i    i 
 A  
2 1 
1271,5115 161891,784 158089,644

 xi i xi   i i 
y x
 i  i 

дельта 2176,34138 ΔA ΔA
0
A0 = , A1 = 1
Δ Δ
 дельта А0 297590,482
дельта А1 -212,071829
А0 136,73888
A1 -0,09744419

Далее следует определить средние значения x̄ , ȳ и коэффициент корреляции:

0,9575418
r 7
 x  x   y  y 
i
i i
r=
 x  x   y  y 
2 2
i i
i i

Коэффициент r ∈ [ −1;1 ] численно показывает характер зависимости величин х и у. Если

r=1 или r=-1, то зависимости линейны и соответственно возрастают или убывают. При
r=0 зависимость нелинейна, при остальных значениях r зависимости имеют
промежуточный характер между линейными и нелинейными.
Получаем уравнение: y=136,738−0,097 x ;
Строим зависимость y эксп и y теор от x:
x y теор 125.5
119,8423 125,060944
121,466489 124,902676 125 f(x) = − 0.1 x + 136.74
123,090678 124,744408
124,714867 124,58614
126,339056 124,427872 124.5
127,963244 124,269605
y эксп
129,587433 124,111337 124
Linear (y эксп)
131,211622 123,953069
y теор
132,835811 123,794801 123.5
134,46 123,636534
123

122.5
118 120 122 124 126 128 130 132 134 136

Вывод: В данной работе научился рассчитывать корреляционную зависимость между

скоростью вытяжки и диаметров волокна.