CURS 13

Titular CURS:
Conf.univ.dr.M.Sc.ing.ec.
Augustin SEMENESCU
MATHCAD
Cursul 7
Probleme rezolvate cu MATHCAD
7.4. Regresia multipl
7.5. Calculul parametrilor funciilor de repartiie
7.6. Model de simulare pentru calculul fiabilitii
unui sistem
7.7. Analiza statistic a datelor experimentale prin
metoda BARLOW - CAMPO
7.4. Regresia multipl

Pentru n puncte (x
I
,y
i
) situate n spaiu euclidian cu 3
dimensiuni, se determin cu metoda celor mai mici
ptrate o dependen funcional de forma unei
suprafee.


Se calculeaz coeficienii de corelaie i se reprezint
grafic suprafaa obinut.
n general, coeficientul de corelaie multipl aparine
intervalului [-1,1].


2
2 5 2 1 4
2
1 3 2 2 1 1 0
x a x x a x a x a x a a y + + + + + =

Vom prezenta n cele ce urmeaz dependena funcional
ntre dou variabile x,y sub forma unei suprafee de ordinul 5:
2
2 5 2 1 4
2
1 3 2 2 1 1 0
x a x x a x a x a x a a y + + + + + =
"Program MathCAD pentru calculul
coeficientului de corelatie multipla"
ORIGIN 0
n 8 :=
p 5 :=
i 1 n .. :=
j 1 p .. :=
k 1 p .. :=
Punctele au coordonatele:
x
1 i ,
3
2
1
0
3
2.5
3
3
|

\
|
|
|
|
|
|
|
|
|
|
|
.
:= x
2 i ,
3
2
1
0
2
1.5
1
0
|

\
|
|
|
|
|
|
|
|
|
|
|
.
:= y
i
7
5
3
1
7
6
9
13
|

\
|
|
|
|
|
|
|
|
|
|
|
.
:=
x
3 i ,
x
1 i ,
( )
2
:=
x
4 i ,
x
1 i ,
x
2 i ,
:=
x
5 i ,
x
2 i ,
( )
2
:=
m
0 0 ,
n :=
m
0 j ,
i
x
j i ,

:=
m
j 0 ,
m
0 j ,
:=
m
j k ,
i
x
j i ,
x
k i ,
( )

:=
b
0
i
y
i

:=
b
j
i
x
j i ,
y
i
( )

:=
Soluia sistemului este:
Soluia sistemului este:
a := m
-1
b
Eroarea de calcul a matricei inverse este:
err := m m
-1
mat_id := identity (b)
i
1
:= 0..5
j
1
:= 0..5

=
1
1 1
j
j , i 1
err : vi
norma := max (v)
norma := 1.874910
-12
Calculul coeficientului de corelaie multipl:

=
i
i 0 0
y a : t

=
i i , j
j
j 1
y x a : t
| |
n
y
: t
2
i
2

=
2
i
i 3
) y ( : t

=
coef_corel:=
2 3
2 1 0
t t
t t t

+
Rezultate:
- coeficientul de regresie:
a
T
= (1 1 1 1 2 1)
- coeficientul multiplu de corelaie:
coef_corel = 1
- graficul 3D
p := 10
i := 0..p
j := 0..p
pas := 0.30
f(x
1
,x
2
) := a
0
+ a
1
x
1
+a
2
x
2
+a
3
x
1
2
+ a
4
x
1
x
2
+ a
5
x
2
2
x
1i
:= -3 + pas i
x
2j
:= -3 + pas j
z
i,j
:= f(x
1i
, x
2j
)
7.5. Calculul parametrilor
funciilor de repartiie

Se calculeaz cu metoda verasimilitii
maxime, parametrii distribuiei Weibull
biparametrice cunoscnd primele r
valori dintr-o selecie de volum n
unde:
rs n
Se determin valoarea medie i
dispersia distribuiei.
"Program MathCAD de calcul al parametrilor funciilor de repartiie"
ORIGIN 1
n 20 :=
r 8 :=
i 1 r .. :=
t
i
222
237
297
375
375
393
419
437
|

\
|
|
|
|
|
|
|
|
|
|
.
:=
Distribuia Weibull biparametric are forma:
| 2 :=
F t ( ) 1 exp
t
o
|

\
|
|
.
|

(
(

:=
Estimarea iniiala:
Given
i
t
i
( )
|
ln t
i
( )

n r ( ) t
r
( )
|
ln t
r
( )
+
i
t
i
( )
|

n r ( ) t
r
( )
|
+
1
r
i
ln t
i
( )

1
|
|

\
|
|
.

:= Find ()
ERR = 0
o
1
r
i
t
i
( )
|

n r ( ) t
r
( )
|
+

(
(

(
(

1
|
:=
Parametrii distribuiei Weibull sunt:
:= 4.1812
:= 541.7946
m o I
1
|
1 +
|

\
|
|
.
:=
d o
2
I
2
|
1 +
|

\
|
|
.
I
1
|
1 +
|

\
|
|
.
2
|

\
|
|
.

(
(

:=
Valoarea medie (sau MTBF):
m = 467.7952
Dispersia:
d = 1.5896 10
4
7.6. Model de simulare pentru
calculul fiabilitii unui sistem

n cadrul acestui subcapitol, vom
realiza o evaluare numeric aproximativ a
funciei de fiabilitate a unui sistem utiliznd
tehnica de simulare MONTE CARLO.
Elementele au funciile de fiabilitate
individuale de tip exponenial, cu rate de
defectare deferite. Programul MathCAD
prezentat n cele ce urmeaz este realizat
pentru urmtoarea schem de fiabilitate a
sistemului.

E
11
E
1
E
2
E
4
E
3
E
6
E
5
E
8
E
7
E
9
E
10
ORIGIN 1
Definim funcia de structurare parial astfel:
SA e1 e2 , e3 , e4 , ( ) e1 e2 1 1 e3 ( ) 1 e4 ( ) [ ] :=
Nr. de simulri:
nrs 100 :=
Program MathCAD de simulare a fiabilitii
unui sistem prin metoda Monte - Carlo
Ratele de defectare:

0.002
0.001
0.001
0.002
0.001
0.002
0.001
0.001
0.0005
0.0005
0.001
|

\
|
|
|
|
|
|
|
|
|
|
|
|
|
|
.
:=
Nr. de elemente:
n 11 :=
Durata de timp: P[0,t] pentru care se determin fiabilitatea
t 50 :=
k 1 11 .. :=
r
k
exp
k
t ( ) :=
j 1 nrs .. :=
Efectuarea unei simulri:
i 1 11 .. :=
Vectorul de stare:
x
i j ,
if rnd 1 ( ) r
i
< 1 , 0 ,
( )
:=
Calculul funciei de structur a sistemului:
S1
j
SA x
1 j ,
x
2 j ,
, x
3 j ,
, x
4 j ,
,
( )
:=
S2
j
SA x
5 j ,
x
6 j ,
, x
7 j ,
, x
8 j ,
,
( )
:=
S3
j
x
9 j ,
x
10 j ,
x
11 j ,
:=
sistem
j
SA S3
j
1 , S1
j
, S2
j
,
( )
:=
Fiabilitatea sistemului este dat de relia:
f
sistem

nrs
:=
87 . 0 f =
7.7. Analiza statistic a datelor
experimetale prin metoda
BARLOW CAMPO

Metoda propus n 1975 de R. BARLOW i R. A.
CAMPO ne ofer posibilitatea de a realiza o analiz
simpl i eficient din punct de vedere statistic a
datelor experimentale. Reelele adecvate permit
identificarea modelului de fiabilitate dintre
variantele:
exponenial;
Weibull;
gamma;
loc normal.
- Metoda Barlow Campo poate utilizat n
analiza datelor obinute n ncercri de
fiabilitate trunchiate sau cenzurate.
- Indicatorul de baz n cadrul metodei l
reprezint transformata TTT (a Timpului Total
de Testare) definit astfel:
}

=
) u ( F
0
1
dt )) t ( f 1 ( ) u ( H
unde F
-1
(u) este inversa funciei de distribuie.
} { 1 u 0 , u ) t ( F t inf ) u ( F
1
s s > =

Vom exemplifica n cele ce urmeaz aplicarea

metodei Weibull:

Programul MathCAD ce urmeaz este
realizat pentru cazul unei ncercr
censorizate r din u.
|
|
.
|

\
|
|
.
|

\
|
o
=
|
t
exp 1 ) t ( F , t >0
Volumul lotului testat:

Nivelul cenzorizrii:




ORIGIN 1
n 20 :=
r 5 :=
Program MathCAD de analiz a datelor
experimentale prin metoda Barlow Campo
- Timpii de cdere:
Se determin timpii totali de
funcionare pn la cderea i:

r 5 :=
i 1 r .. :=
t
i
222
290
315
375
393
|

\
|
|
|
|
|
|
.
:=
T
i
, i := 1,2 .. r

i 2 r .. :=
T
1
t
1
:=
T
i
T
i 1
t
i
+ :=
i 1 r .. :=
T
i
T
i
n i ( ) t
i
+ :=
- pentru i := 1,2 .. r se calculeaz coordonatele
punctelor (x
i
, y
i
) care se poate reprezenta pe
diagrama Barlow Campo adecvat modelului
considerat.

i 1 2 , r .. :=
i 1 r .. :=
x
i
i
r
:=
r
i
i
T
T
y =
- pentru obinerea diagramei Barlow
Campo se traseaz graficele transformatei
normale a timpului total de testare pentru
funcia de repartiie Weibull considernd
valori diferite pentru parametrul ;
exemplific cu determinarea relaiei Barlow
Campo pentru o valoare a lui .

| 2.5 :=
o 1 :=
H2 o I
1
|
1 +
|

\
|
|
.
:=
- Obinem:

H2 = 0.8873
H2 o I
1
|
1 +
|

\
|
|
.
:=
u 0.01 0.05 , 1 .. :=
g u ( ) ln 1 u ( ) ( )
1
|
o :=
F t ( ) 1 exp
t
o
|

\
|
|
.
|

(
(

:=
Transformata normal a Timpului Total
de Testare (TTT):

H u ( )
0
g u ( )
t 1 F t ( ) ( )
(
(
]
d :=
2 H
) u ( H
: ) u ( TTT =
Obs. Se poate constata alinierea suficient
de apropiat de valoarea = 2,5. Pentru
distribuia Weibull se obine i o estimare a
parametrului .
0 0.5 1
0
0.5
1
TTT u ( )
u x
i
,
REGRESI E LI NI ARA
slope (vx,vy) - panta dreptei care se potriveste
cel mai bine datelor din vx,vy
- vx este un vector cu valori reale.Valorile din
vx corespund valorilor lui x;
- vy este un vector cu valori reale.Acestea
corespund valorilor lui y. Numarul de elemente
este acelasi ca si in cazul vx.
intercept (vx,vy) - interceptarea dreptei care se
potriveste cel mai bine datelor din vx,vy
line (vx,vy) - reda un vector ce contine coeficientii
pentru o dreapta de forma a+bx care aproximeaza
cel mai bine datele din vectorii vx,vy
medfit (vx,vy) - reda un vector ce contine
coeficientii pentru o dreapta de forma a+bx care
aproximeaza cel mai bine datele din vectorii vx,vy
folosind regresia "median-median"
REGRESI E POLI NOMI ALA
regress (vx,vy,k) - reda un vector pe care interp il
foloseste pentru a gasi ordinul "k" polinomial care
potriveste valorile datelor lui x si y din vx si vy.
interp (vs,vx,vy,x) - reda valoarea y interpolata
corespunzatoare lui x.vs se obtine din regress.
loess (vx,vy,span) - reda un vector pe care interp il
foloseste pentru a gasi un set de polinoame de
gradul 2 care potrivesc cel mai bine o vecinatate a
valorilor x si y in vx si vy. Span controleaza marimea
vecinatatii.
interp (vs,vx,vy,x)-reda valoarea interpolata y
corespunzatoare lui x.Se obtine vs din loess sau regress.
REGRESIE SPECIALIZATA
expfit (vx,vy,vg) - reda un vector continand coeficienti pentru
o curba exponentiala de forma "ae
bx
+c" care aproximeaza cel
mai bine datele din vx si vy. Vg contine valori ghicite pentru
cei 3 coeficienti.
lgsfit (vx,vy,vg) - reda un vector continand coeficienti pentru
o curba exponentiala de forma a /(1+be
-cx
) care aproximeaza
cel mai bine datele din vx si vy. Vg contine valori ghicite
pentru cei 3 coeficienti.
sinfit (vx,vy,vg) - reda un vector continand coeficienti pentru
o curba sinusoidala de forma "asin(x+b)+c care
aproximeaza cel mai bine datele din vx si vy. Vg contine
valori ghicite pentru cei 3 coeficienti.
iogfit (vx,vy,vg) - reda un vector continand coeficienti
pentru o curba logaritmica de forma "aln(x+b)+c
care aproximeaza cel mai bine datele din vx si vy. Vg
contine valori ghicite pentru cei 3 coeficienti.
pwrfit (vx,vy,vg) - reda un vector continand
coeficienti pentru o curba de forma "ax
b
+c" care
aproximeaza cel mai bine datele din vx si vy. Vg
contine valori ghicite pentru cei 3 coeficienti.

REGRESI E GENERALI ZATA
linfit (vx,vy,F) - reda un vector continand
coeficienti folositi pentru a crea o combinatie
liniara a functiilor in F care aproximeaza cel mai
bine datele din vx si vy. Vg contine valori ghicite
pentru cei 3 coeficienti.
genfit (vx,vy,vg,F) - un vector continand parametri
care fac o functie f din x si n parametri u
1
....u
n
sa
aproximeze cel mai bine datele din vx si vy.
Exemplu pentru regresia generalizata:
QuickSheet demonstreaza gasirea unei
combinatii lineare a functiilor specifice care
corespund cel mai bine datelor X-Y,
folosind functia linfit (limita) a MathCAD-
ului.
In interiorul matricei pot fi analizate
datele X-Y (coordonata X in prima coloana,
coordonata Y in a doua).
X
0
1
2
3
4
5
6
7
8
9
|

\
|
|
|
|
|
|
|
|
|
|
|
|
|
.
:= Y
9.1
7.3
3.2
4.6
4.8
2.9
5.7
7.1
8.8
10.2
|

\
|
|
|
|
|
|
|
|
|
|
|
|
|
.
:= data
0
1
2
3
4
5
6
7
8
9
9.1
7.3
3.2
4.6
4.8
2.9
5.7
7.1
8.8
10.2
|

\
|
|
|
|
|
|
|
|
|
|
|
|
|
.
:=
Introduceti functiile vectorului corespunzator
Nota: vectorul de la stanga va
corespunde unei functii de forma
F x ( )
1
1
x 1 +
x
2
|

\
|
|
|
|
|
.
:=
a b
1
x 1 + ( )
+ c x
2
+
n rows data ( ) := n 10 = i 0 n 1 .. :=
data csort data 0 , ( ) :=
X data
0
( )
:= Y data
1
( )
:= S linfit X Y , F , ( ) :=
Least-squares fitting function:
fit x ( ) F x ( ) S :=
Suma patratelor reziduala
i
fit X
i
( )
Y
i

( )
2

9.912 =
npoints 50 :=
j 0 npoints .. :=
q
j
min X ( ) j
max X ( ) min X ( ) ( )
npoints
+ :=
0 5 10
0
5
10
15
Y
i
fit q
j
( )
X
i
q
j
,
scale max fit X ( ) Y

( )
1.1 :=
0 5 10
2
0
2
fit X ( ) Y ( )

X