матлаб
Primary tabs
clear all; clear functions; nf=2; minf=[4 3];%minf=[1 0.5]; maxf=[6 6];%maxf=[5 1]; %формирование дробного двухуровневого плана эксперимента %для учета взаимодействий fracfact('a b ab' ); N=2^nf; fracplan=ans fictfact=ones(N,1); % фиктивный фактор X = [fictfact ans]' fraceks = zeros(N,nf); for i=1:nf, for j=1:N, fraceks(j,i)=minf(i)+(fracplan(j,i)+1)*(maxf(i)-minf(i))/2; end; end; fraceks %тактическое планирование эксперимента %задание доверительного интервала и уровня значимости d_sigma=0.2; alpha=0.05; %определение t-критического tkr_alpha=norminv(1-alpha/2); %определение требуемого числа испытаний NE=round(1+2*tkr_alpha^2/d_sigma^2) %СТРАТЕГИЧЕСКОЕ ПЛАНИРОВАНИЕ (внешний цикл) %цикл по совокупности экспериментов стратегического плана for j=1:N, a=fraceks(j,1); b=fraceks(j,2); % вложенный цикл статистических испытаний (ТАКТИЧЕСКОЕ ПЛАНИРОВАНИЕ) for k=1:NE, %имитация функционирования системы u(k)=systemqv(a,b);% пользовательская функция реализующая датчик закона распределения %она определяется так (в моём случае это Эрлагановское распределение): % function u = systemqv(b,c) % product=1 % for i=1:c % product=product*randn % end % u=(-b)*log(product); % return; end; % далее мы - после формирования массива можем посчитать либо % матожидание либо дисперсию %оценка параметров (реакции) по выборке наблюдений % ДАЛЕЕ для построения поверхности мы используем фиктивный фактор - % чтобы свернуть формулу 2.1 в формулу 2.2 () mx=mean(u); DX=std(u)^2; Y(j)=DX; % сюда пишем полученный результат для мат ожидания (дисперсии) % здесь мы заканчивае проводить первый эксперимент - данные действия % надо повторить для каждого эксперимента %формирование и отображение гистограммы с 12-ю интервалами %figure; %hist(u,12); end; % закончили проводить эксперимент и % далее занялись построением поверхностей - эксперементальная % строится на основе эксперемента (что логично) %определение коэффициентов регрессии C=X*X'; b_=inv(C)*X*Y' %формирование зависимости реакции системы на множестве %значений факторов A=minf(1):0.1:maxf(1); % 0.1 - это шаг B=minf(2):0.1:maxf(2); [k N1]=size(A); [k N2]=size(B); for i=1:N1, for j=1:N2, an(i)=2*(A(i)-minf(1))/(maxf(1)-minf(1))-1; bn(j)=2*(B(j)-minf(2))/(maxf(2)-minf(2))-1; %экспериментальная поверхность реакции Yc(j,i)=b_(1)+an(i)*b_(2)+bn(j)*b_(3)+an(i)*bn(j)*b_(4);% формула 2.2 (Стратегическое планирование.pdf) end; end; for i=1:N1, for j=1:N2, %реальная поверхность реакции %Yo(j,i)=A(i)*B(j); Yo(j,i)=(A(i)^2)*B(j); %Yo(j,i)=(A(i)^2)*exp(B(j)^2)*(exp(B(j)^2)-1); end; end; % далее - РИСУЕМ ГРАФИКИ (теоретичекий и экпеременальный) % отобрабражение зависимостей в трехмерной графике [x,y]=meshgrid(A,B); figure; % рисуем график полученный в ходе эксперимента subplot(1,2,1),plot3(x,y,Yc),% 1 ячейка по горизонтали - 2 по вертикали xlabel('fact a'), ylabel('fact b'), zlabel('Yc'), title('System output'), grid on, % далее рисуем "реальный" график subplot(1,2,2),plot3(x,y,Yo), xlabel('fact a'), ylabel('fact b'), zlabel('Yo'), title('System output'), grid on;
эрлагановское распределение:
function u = systemqv(a,b) product=1 for i=1:b product=product*b*rand; end u=(-a)*log(product); return;
- vedro-compota's blog
- Log in to post comments
- 4954 reads