Планирование Научного Исследования Реферат
👉🏻👉🏻👉🏻 ВСЯ ИНФОРМАЦИЯ ДОСТУПНА ЗДЕСЬ ЖМИТЕ 👈🏻👈🏻👈🏻
Планирование Научного Исследования Реферат
Вы можете узнать стоимость помощи в написании студенческой работы.
Помощь в написании работы, которую точно примут!
.1 Однофакторный
дисперсионный анализ
.1.3 Основная
логика дисперсионного анализа
.1.4 Зависимые
и независимые переменные
.2 Двухфакторный
дисперсионный анализ
.3 Трехфакторный
дисперсионный анализ
.
Планирование и организация отдельных этапов и в целом научных исследований
.1
Выбор направления научных исследований
.2
Содержание и этапы научно-исследовательских работ
Наука характеризуется, прежде всего, как особый
вид знания и деятельность по его получению. Впрочем, значение «система знаний»
отмечается у слова «наука» только с 18 века. А в современном понимании наука
включает в себя и деятельность по производству знания. В отличие от обыденного
познания научное характеризуется систематичностью, а систематичность имеет
своим твердым основанием научную методологию. В настоящее время наука
располагает достаточным арсеналом объективных методов познания, проверенных
историей развития человеческого общества.
Цель данной работы - изучить и дать
характеристику этапам планирования и организации научных исследований. Более
подробно рассмотрены вопросы дисперсионного анализа и планирования и
организации отдельных этапов и в целом научных исследований.
Термин «дисперсионный анализ» ввел Р.А. Фишер
(20-е гг. ХХ в.) и определил его как отделение дисперсии, приписываемой оной
группе причин, от дисперсии, приписываемой другим группам [1].
Дисперсионные анализ - это статистический метод,
предназначенный для оценки влияния различных факторов на результат
эксперимента, а также для последующего планирования аналогичных экспериментов
[2].
При составлении планов наблюдений для
дисперсионного анализа необходимо учитывать, что в объекте наряду с выбранными
для изучения источниками рассеяния действуют множество других факторов,
мешающих анализу рассеяния.
Изучение рассеяния наблюдаемых величин в
эксперименте является главным предметом дисперсионного анализа. Дисперсионный
анализ представляет собой метод разложения общей дисперсии совокупности
наблюдений на составляющие. Учитывая, что рассеяние наблюдаемой случайной
переменной y причинно обусловлено влиянием множества факторов, дисперсионный
анализ можно интерпретировать как метод разделения эффектов влияния на
наблюдаемые значения у различных факторов.
Важность такого метода оценки степени влияния
переменного фактора можно перечеркнуть следующим примером из проблемы контроля
за производством. От предприятия требуется выпуск однородной по своему качеству
продукции. Процесс производства заключает в себя несколько этапов, каждый из
которых вносит свою «лепту» в фактическую неоднородность (вариабельность)
конечного продукта. Одновременное усовершенствование всех этих этапов, как правило,
слишком трудоемко или дорого. Поэтому вначале нужно выяснить, какой из этапов
дает наибольшую неоднородность, и усовершенствование начинать с него. При
исследовании мажет оказаться, что некоторые этапы дают лишь незначительную
неоднородность, так что затраты на их усовершенствование вообще были бы
неоправданными.
Дисперсионный анализ применяется для изучения
дискретных факторов. Это, прежде всего, переменные качественного характера,
т.е. измеренные в неколичественных шкалах (шкалах наименований, классификации
или порядковых). Часто мы можем только «перечислить» уровни факторов, присвоив
им в произвольном порядке номера, имея ввиду, что упорядоченность уровней носит
чисто условный характер. Впрочем, дискретный характер могут носить и
качественные переменные.
1.1 Однофакторный дисперсионный
анализ
Из множества факторов, влияющих на рассеяние
выходной величины у, выбирается один, который, по мнению исследователя, имеет
наибольшее влияние на это рассеяние [3].
Остальные факторы служат фоном (ошибкой эксперимента). Чтобы выявить эффект
исследуемого фактора, его делят на несколько четко различимых уровней, а
остальные факторы рандомизируют. Число экспериментов при этом может быть
случайным или определенным по специальной методике из условия минимальной различимости
эффектов. Продолжительность экспериментальных исследований должна быть
достаточной для того, чтобы учесть все факторы, влияющие на рассеяние выходной
величины, по результатам наблюдений и с учетом рандомизации строится таблица
наблюдений и первоначальной обработки результатов эксперимента (таб.1), причем
следует особо отметить то обстоятельство, что число наблюдений по разным
уровням исследуемого фактора может быть разным. По данным таблицы вычисляются
оценки дисперсии, связанные с изменением уровней исследуемого фактора -
дисперсия между выборками S 2 А ,
и ошибки эксперимента, то есть дисперсия внутри выборки S 2 от .
Таблица 1 - Схема определения дисперсий
Таким образом, сумма квадратов отклонений и
общее число степеней свободы делятся на две составляющие. Одна составляющая
основана на дисперсии частных средних вокруг общего среднего х, а другая - на
дисперсиях внутри выборок.
Для выборки n выборочная дисперсия вычисляется
как сумма квадратов отклонений от выборочного среднего, деленная на n-1 (объем
выборки минус единица). Таким образом, при фиксированном объеме выборки n
дисперсия функции суммы квадратов (отклонений), обозначаемая, для краткости,
SS.
Наблюдение 1 Наблюдение 2 Наблюдение 3
Общее среднее Общая сумма квадратов
Средние двух групп существенно различны (2 и 6
соответственно). Сумма квадратов отклонений внутри каждой группы равна 2.
Складывая их, получаем 4. Если теперь повторить эти вычисления без учета
групповой принадлежности, то есть, если вычислить SS исходя из общего среднего
этих двух выборок, то получим величину 28. Иными словами, дисперсия (сумма
квадратов), основанная на внутригрупповой изменчивости, приводит к гораздо
меньшим значениям, чем при вычислении на основе общей изменчивости
(относительно общего среднего). Причина этого, очевидно, заключается в
существенной разнице между средними значениями, и это различие между средними и
объясняет существующее различие между суммами квадратов. В самом деле, если
использовать для анализа этих данных модуль Дисперсионный анализ, то будет
получена следующая таблица, называемая таблицей дисперсионного анализа:
Как видно из таблицы, общая сумма квадратов SS =
28 разбита на компоненты: сумму квадратов, обусловленную внутригрупповой
изменчивостью (2+2=4; см. вторую строку таблицы) и сумму квадратов,
обусловленную различием средних значений между группами (28-(2+2)=24; см первую
строку таблицы). Заметим, что MS в этой таблице есть средний квадрат, равный
SS, деленная на число степеней свободы (ст.св).
Внутригрупповая изменчивость (SS) обычно
называется остаточной компонентой или дисперсией ошибки. Это означает, что
обычно при проведении эксперимента она не может быть предсказана или объяснена.
С другой стороны, SS эффекта (или компоненту дисперсии между группами) можно
объяснить различием между средними значениями в группах. Иными словами,
принадлежность к некоторой группе объясняет межгрупповую изменчивость, т.к. нам
известно, что эти группы обладают разными средними значениями.
Если на выборочные наблюдения не оказывают
влияния определенные факторы, то оценки дисперсий не отличаются друг от друга.
Это можно проверить с помощью F-критерия,
а именно
По таблице F-распределения находят значения F кр
для выбранного уровня значимости q и числа степеней свободы. Если F расч
<
F кр , делается вывод о том, что результаты
эксперимента не противоречат гипотезе об отсутствии эффекта уровней
исследуемого фактора. Если F расч ≥
F кр , то следует сделать вывод о том, что
исследуемый фактор вносит существенный эффект в разброс выходной величины у. В
рассмотренном выше примере F-критерий показывает, что различие между средними
статистически значимо (значимо на уровне 0.008).
1.1.3 Основная логика дисперсионного
анализа
Подводя итоги, можно сказать, что целью
дисперсионного анализа является проверка статистической значимости различия
между средними (для групп или переменных). Эта проверка проводится с помощью
разбиения суммы квадратов на компоненты, т.е. с помощью разбиения общей
дисперсии (вариации) на части, одна из которых обусловлена случайной ошибкой
(то есть внутригрупповой изменчивостью), а вторая связана с различием средних
значений. Последняя компонента дисперсии затем используется для анализа
статистической значимости различия между средними значениями. Если это различие
значимо, нулевая гипотеза отвергается и принимается альтернативная гипотеза о
существовании различия между средними.
Переменные, значения которых определяется с
помощью измерений в ходе эксперимента (например, балл, набранный при
тестировании), называются зависимыми переменными. Переменные, которыми можно
управлять при проведении эксперимента (например, методы обучения или другие
критерии, позволяющие разделить наблюдения на группы или классифицировать)
называются факторами или независимыми переменными.
1.2 Двухфакторный дисперсионный
анализ
Однофакторный дисперсионный анализ, при котором
происходит полная рандомизация эксперимента, не всегда является лучшим способом
его планирования. Очень часто выделение из общей дисперсии влияние только
одного исследуемого фактора оказывается недостаточным, так как ошибка
эксперимента может быть очень велика и интересующий нас эффект может быть не
виден на фоне этой ошибки. Уменьшение ошибки эксперимента можно получить при
разбиении эксперимента на группы опытов, так называемые блоки, («блочное
планирование»), соответствующие возможным причинам неоднородностей. В качестве
блоков могут быть использованы уровни второго исследуемого фактора или разные
дни проведения экспериментов, или еще какие-либо условия.
Такой план эксперимента способствует влиянию
эффекта, связанного с изменением уровней обоих исследуемых факторов. Блоки в
двухфакторном эксперименте представляют ограничение, наложенное на
рандомизацию, которая в этом случае должна проводиться в каждом блоке отдельно.
Таблица 2 - Формулы для расчета оценок дисперсий
Для проверки гипотезы об отсутствии эффектов
влияния по обоим исследуемым факторам вычисляются дисперсионные отношения:
и сравниваются с табличными значениями обычным
порядком. Двухфакторный дисперсионный анализ является самым удобным из простых
планов и поэтому самый употребительным.
дисперсионный анализ квадрат
планирование
1.3 Трехфазный дисперсионный
анализ
Дальнейшее уменьшение ошибки эксперимента можно
получить введением еще одного исследуемого фактора, который выделит из общей
дисперсии свою часть. При этом налагается еще одно ограничение на рандомизацию,
что приводит к специальным планам эксперимента, называемым латинскими
квадратами. Суть этого плана сводится к тому, что все три исследуемых фактора
разбиваются на одинаковое число уровней n (как правило, n≥4), при этом
уровни 1-го фактора располагаются по столбцам плана, уровни 2-го - по строкам,
а уровни 3-го, обозначенные в виде латинских букв, - в поле плана, причем их
комбинация должна быть такой, чтобы каждая буква встречалась в каждом столбце и
в каждой строке только один раз таб. 3. Построение плана эксперимента по типу
латинского квадрата позволяет осуществить экономный перебор вариантов
испытаний.
Таблица 3 - План эксперимента типа «латинский
квадрат»
Планирование и организация научных исследований .
Планирование научного исследования
Планирование научного исследования
1. Планирование научно – исследовательской работы
реферат - Планирования исследования .
Мой Любимый Писатель Серебряного Века Сочинение
Курсовая Работа Авторские Телепроекты
Сочинение Описание Внешности Сестры
Сочинение На Тему Правила Этикета
В Чем Проявляется Любовь К Родине Сочинение