📘 О чем эта работа
В работе исследуется влияние концентрации преджелатинизации (X, % мас.) на разнотолщенность пастизолей (Y, %). Объект — лабораторные образцы пастизолей; предмет — эмпирическая зависимость Y от X и её аппроксимация квадратичной регрессионной моделью после выравнивания переменных (u = x, z = y).
📚 Что внутри
Документ содержит полный набор экспериментальных измерений и пошаговые расчёты по нахождению параметров модели:
- Таблица 20 пар (X, Y) с X в диапазоне примерно 1.2–7.0 % мас. и Y в диапазоне ~0.10–509.28 % (включая значения 0.10; 0.58; 2.25; …; 505.22).
- Выбор формы модели: предварительная подстановка u = x, z = y и аппроксимация квадратичным многочленом z = a·u^2 + b·u + c.
- Построение нормальной системы МНК, вычисление определителей и решение системы методом детерминантов (приведены промежуточные матричные суммы и Δ-значения).
- Численные результаты: найденные коэффициенты a = 15.184, b = -43.629, c = 0.234.
- Статистические оценки: суммарный разброс S_y ≈ 2.566·10^4, остаточная сумма квадратов S_ost ≈ 2.018·10^3, расчёт коэффициента парной корреляции r = 0.964 (сильная связь).
- Проверка адекватности модели по критерию Фишера: вычисленное F превышает табличное F, сделан вывод об адекватности модели объекту.
- Описание алгоритма и текст программы/блок-схема для вычисления коэффициентов и статистик (формулы, суммирование по i, формулы для S_v, S_ost, F).
- Заключение с интерпретацией: модель пригодна для практических прогнозов толщины пастизолей при заданной концентрации преджелатинизации.
📊 Для кого подходит
Материал полезен студентам технических и химико-технологических специальностей (3–4 курсы), преподавателям лабораторных курсов по прикладной статистике и инженерам-технологам для оценки влияния состава на физико-технические свойства пастообразных материалов.
✨ Особенности
Работа ценна конкретикой: полный набор экспериментальных пар X–Y (20 точек), готовые численные решения нормальной системы МНК, явные значения коэффициентов и статистик (r, S_ост, F). Приведена программа/алгоритм для автоматизации расчётов, что позволяет быстро воспроизвести оценки на ЭВМ.
❓ Частые вопросы
Подойдет ли для моего ВУЗа?
Структура соответствует требованиям лабораторной работы: цель, постановка, таблица измерений, алгоритм расчёта, численные результаты и вывод — легко адаптируется под методические указания.
Можно ли изменить модель?
Да: исходные данные и код позволяют заменить форму аппроксимации (например, степенную или логарифмическую) и повторно оценить качество по тем же статистическим критериям.
