Где k = 0, 1, 2. (2,2)
(2.4)
Smin=0.7597
При построении доверительных интервалов для оценок коэффициентов определяем предварительно точечные оценки.
Где Sk – минор соответствующего диагонального элемента матрицы нормальной системы;
D - главный определитель нормальной системы.
В нашем случае:
S0=3.5438 10-22
S1=-8.9667 10-14
S2=6.3247 10-7
Имеют распределения Стьюдента, а r = 3.
(2.4*)
2.2 Проверка статистической гипотезы об адекватности модели задачи регрессии.
(2.5)
Где r1 = 4 (количество точек – 6, параметра – 2).
(2.7)
(2.8)
Чем лучше функция регрессии описывает эксперимент, тем меньше для неё должна быть оценка дисперсии отдельного измерения Ui, т.к. при плохом выборе функции в дисперсию войдут связанные с этим выбором дополнительные погрешности. Поэтому для того, чтобы сделать выбор между функциями U(x) и U(1)(x) нужно проверить значимость различия между соответствующими оценками дисперсии, т.е. проверить гипотезу:
Т.е. проверить, значимо ли уменьшение дисперсии при увеличении степени многочлена.
(2.9)
имеющую распределение Фишера с(r ; r1) степенями свободы. Выбираем уровень распределения Фишера, находим критическое значение F*a, удовлетворяющее равенству: p(F>F*a)=a
В нашем случае F=349.02, а F*a=10,13.
, коэффициенты в котором неодинаковы.
3. Нахождение коэффициента теплопроводности a.
(3.2)
(3.3)
Т.е. в качестве предельно допустимой абсолютной погрешности вычисления интеграла I возьмём d=0,001Т (3.4)
Т=218 оС, следовательно, d=0,218 оС.
3.1 Вычисление интеграла I методом трапеции
, где M2=[f”(t)], t e [0;T], f(t)=e-bt3
(3.5)
Страницы: 1, 2, 3