ЗАДАЧА 5

Наити максимум функции F  при заданных ограничениях

F = x1+2x2 ->max

3x1+x2      >=3

(1)

3x1-x2      <=0

(2)

x1-x2        >=3

(3)

x1>=0

(4)

x2>=0

(5)

Решить графическим методом

Решение

1.Из условия знакоположительности - первой допустимой областью

решения  является первая четверть декартовой системы координат

2. Построим области допустимых значений, для этого построим линии

для каждого из уравнений

3x1+x2      =3

3x1-x2      =0

x1-x2        =3

и линию для функции f

x1+2x2 =0

3. Наидем область допустимых значений

4. Как видно на графике  области допустимых значений для

ограничении (1),(2) и (3) не пересекаются, значит система не имеет

допустимых решений. Ограничения противоречивы.

5.Для того чтобы система была решаема, она должна быть например

такой

F = x1+2x2 ->max

3x1+x2      <=3

3x1-x2      <=0

x1-x2        <=3

x1>=0

x2>=0

Тогда область допустимых решений - треугольник АВС

И функция F достигает максимума в точке С (0;3) и F=6

ЗАДАЧА 6

Имеются следующие  данные об урожайности зерновых культур Y (в ц/га)

количестве осадков Х1 (в см) выпавших в вегетационный период

i

1

2

3

4

5

6

7

8

9

10

Yi

23

24

27

27

32

31

33

35

34

32

Xi

25

27

30

35

36

38

39

41

42

45

Требуется :

а)Определить параметры уравнения регрессии;

б) определить коэффициент парной корреляции и проверить его

статическую надежность

1.  Количественные оценки связи между величинами случайного процесса

устанавливает регрессионный анализ. Связи между переменными могут

линейные и нелинейные. В простейшем случае значения Y выражаются в

виде линейной зависимости :

 Y =a + bX,

 где a и b - коэффициенты регрессии.

 Наиболее часто для расчетов коэффициентов применяют метод

 наименьших квадратов.

2.  По методу наименьших квадратов произведем расчет коэффициентов

уравнения регрессии

из системы уравнении

sum(Yi)=  n*A + B sum(Xi)

sum(XiYi) = A* sum(Xi) + B*sum(Xi2))

имеем

А = sum(Yi) * sum(Xi2) - sum(XiYi) * sum(Xi)

n* sum(Xi2)- (sum(Xi) 2)

B = n*sum(XiYi) - sum(Xi)* sum(Yi)

       n*sum(Xi2)- (sum(Xi))2

A=S2*S3-S4*S1      B=n*S4-S1*S2,

     n*S3-S1*S1

n*S3-S1*S1

где  S1=SUM(Xi)  S2=SUM(Yi)   S3=SUM(Xi2)

S4=SUM(XiYi) 

n - общее число замеров, в нашем случае это 10

2.В результате расчета получено уравнение регрессии:

Y=

8,917+0,583*Х

3.Подставив значения X в уравнение найдем Y расчетное.

4.По значениям экспериментальным и теоретическим строим графики.

5.  Связь между двумя случайными величинами, которая определяется с

некоторой вероятностью, называется корреляционной. Для

количественной оценки линейной корреляции используется  коэффициент

парной корреляции

r = 10*S4-S1*S2

      (10*S3-S12)*(10*S5-S22)

S5=SUM(Yi2)

r=

0,9104

 По таблице Чеддока найдём тесноту связи между двумя явлениями, связь

"очень тесная"

6.Качество уравнений регрессии оценивают по его прогнозирующей

способности. Уравнения хорошо прогнозируют(т.е. адекватно описывают)

экспериментальные данные, если расхождения между экспериментальными

и расчетными данными находятся в допустимых пределах.

Для проверки адекватности уравнения найдем среднюю относительную

ошибку прогнозирования E:

E=100 *SUM |Yэi - Ypi|

     10                   Yэi

где Yэi  -экспериментальное, Ypi - расчетное значение

Е=

4,434%

Это сравнительно большое значение ошибки прогнозирования при

полученном выше значении r.

Внимательно посмотрим на значения отклонений между фактическими и

расчетными значениями Y. Почти непрерывный рост уражайности

после 8 года сменяется спадом. 10 год дает самый большой прирост

ошибки прогнозирования.

По всей видимости, для описания зависимости, лучше подошло бы

не уравнение прямой, а уравнение параболлы, так как после  достижения

определенного уровня осадков урожайность начинает падать (много воды -

это тоже плохо для урожая) см. последние значения Х и Y

В 4 год также сравнительно большое расхождение, это может быть

вызванно тем, что урожайность зерновых зависит не только от

количества осадков, но и от многих других факторов, например от

количества теплых дней. Просто было холодно.

i

       X

      Y

   X2

    XY

Yрасч

     Y2

(Y-Yрасч)       Y

1

25

23

625

575

23,5

529

0,0217

2

27

24

729

648

24,67

576

0,0279

3

30

27

900

810

26,42

729

0,0215

4

35

27

1225

945

29,33

729

0,0863

5

36

32

1296

1152

29,92

1024

0,0650

6

38

31

1444

1178

31,08

961

0,0026

7

39

33

1521

1287

31,67

1089

0,0403

8

41

35

1681

1435

32,83

1225

0,0620

9

42

34

1764

1428

33,42

1156

0,0171

10

45

32

2025

1440

35,17

1024

0,0991

å

358

298

13210

10898

298

9042

0,4434

среднее

35,8

29,8

Коэффициенты регрессии:

b

0,583

a

8,917

Уравнение регрессии: Y=

8,917+0,583*Х

Коэффициент парной корреляции:

ЧИСЛИТ

2296

ЗНАМЕН

2522

R

0,91

Средняя относительная ошибка прогнозирования:

E=

4,43439