Нелинейные математические модели

a) применяются, если обеспечивается адекватность

b) не дают достаточной точности описания

c) применяются всегда

d) применяются очень редко

e) наиболее точные

160. Физическое моделирование означает, что, например:

a) создан действующий макет объекта

b) построена математическая модель, связывающая выход и вход

c) при построении использованы законы физики

d) описываются только установившиеся режимы объектов

e) описываются только динамические режимы объектов

161. Математическое моделирование означает, что, например:

a) построена математическая модель, связывающая выход и вход

b) создан действующий макет объекта

c) при построении не использованы законы физики

d) описываются только динамические режимы объектов

e) описываются только установившиеся режимы объектов

162. Математические модель статики:

a) не описывают переходные процессы

b) описывают переходные процессы

c) не достаточно точны

d) очень точны

e) описывают только динамические режимы объектов

163. Математические модель динамики:

a) описывают переходные процессы

b) не описывают переходные процессы

c) не достаточно точны

d) очень точны

e) описывают только установившиеся режимы объектов

164. Математические модель динамики:

a) содержат производные переменных по времени

b) не описывают переходные процессы

c) не достаточно точны

d) очень точны

e) описывают только установившиеся режимы объектов

165. Априорная информация это:

a) некоторая известная до проведения эксперимента информация об объекте

b) любая информация об объекте

c) когда математическая модель известна

d) информация, описывающая только установившиеся режимы объектов

e) информация, описывающая только динамические режимы объектов

166. Наличие априорной информации означает, что:

a) До начала опытов имеется некоторая известная исходная информация об объекте

b) До начала опытов не имеется никакой исходной информации об объекте

c) До начала опытов имеется вся исходная информация об объекте

d) Описываются только установившиеся режимы объектов

e) Описываются только динамические режимы объектов

167. Наличие априорной информации:

a) Облегчает построение математической модели

b) Затрудняет построение математической модели

c) Необходимо всегда

d) Позволяет описывать только динамические режимы объектов

e) Позволяет описывать только установившиеся режимы объектов

168. Принцип черного ящика означает, что:

a) При построении математической модели не учитываются физические закономерности протекания процесса

b) При построении математической модели учитываются физические закономерности протекания процесса

c) Построение математической модели ведется на основе изучения теоретических основ функционирования процесса

d) Описываются только установившиеся режимы объектов

e) Описываются только динамические режимы объектов

169. При использовании аналитических методов идентификации:

a) Построение математической модели ведется на основе изучения теоретических основ функционирования процесса

b) Построение математической модели ведется статистическими методами

c) Построение математической модели ведется методами планирования эксперимента

d) Построение математической модели ведется методами регрессионного анализа

e) Описываются только динамические режимы объектов

170. При использовании статистических методов идентификации может применяться:

a) Построение математической модели ведется методами регрессионного анализа

b) Построение математической модели на основе изучения теоретических основ функционирования процесса

c) Физическое моделирование

d) моделирование только динамических режимов объектов

e) моделирование только статических режимов объектов

171. Нелинейные математические модели идентификации:

a) Содержат переменных в степени выше первой

b) Не содержат переменных в степени выше первой

c) Всегда учитывают случайные факторы

d) Не содержат коэффициентов, зависящих от времени

e) Применяются только для описания установившихся режимы объектов

172. Идентификация в процессах управления позволяет:

a) Получить математическую модель объекта управления

b) Рассчитать переходный процесс в системе управления

c) Рассчитать настройки системы управления

d) Проверить устойчивость системы управления

e) Нет правильного ответа

173. Математические модели статики объектов идентификации:

a) Описывают установившиеся режимы объектов

b) Описывают переходные режимы объектов

c) Всегда линейные

d) Не содержат производные по пространственным координатам

e) Содержат производные по времени

174. Стохастические математические модели объектов идентификации:

a) Учитывают случайные факторы

b) Всегда линейные

c) Всегда нелинейные

d) Описывают только установившиеся режимы объектов

e) Нет правильного ответа

175. Априорная информации означает:

a) Сведения, имеющиеся до проведения экспериментов

b) Сведения, полученные при проведения экспериментов

c) Любая исходная информация

d) Лишняя информация

e) Избыточная информация

176. Когда модель является адекватной:

a) Соответствие математической модели реальному объекту в по определенному критерию

b) Равенство расчетных и полученных экспериментально значений выхода объекта

c) Что опыты воспроизводятся

d) Что все коэффициенты модели значимы

e) Что часть коэффициентов модели незначима

177. В качестве критерия адекватности математических моделей может быть использован:

a) Среднеквадратичное отклонение

b) Критерий Гурвица

c) Любой критерий устойчивости

d) Равенство расчетных и полученных экспериментально значений выхода объекта

e) Нет правильного ответа

178. Использование регрессионного анализа позволяет:

a) построить зависимость между многомерными переменными, оценить адекватность и значимость коэффициентов

b) произвести классификации данных большой размерности, выделить кластеры в данных

c) сократить число переменных (сжать данные) и определить структуры взаимосвязей между переменными

d) определить настройки регулятора

e) рассчитать параметры переходного процесса в системе

179. Адекватность модели означает:

a) Соответствие математической модели реальному объекту по определенным критериям

b) Равенство расчетных и полученных экспериментально значений выхода объекта

c) Что опыты воспроизводятся

d) Что модель не соответствует реальному объекту

e) Нет правильного ответа

180. Решение задачи аппроксимации позволяет, например:

a) Получить уравнение кривой описывающей эксперимент с использованием метода наименьших квадратов

b) Получить уравнение кривой точно проходящей через экспериментальные точки

c) Предсказать значения параметров в последующие моменты времени

d) Получить только линейные модели

e) Нет правильного ответа

181. Решение задачи интерполяции позволяет:

a) Получить уравнение кривой точно проходящей через экспериментальные точки

b) Получить уравнение кривой описывающей эксперимент с использованием метода наименьших квадратов

c) Получить только модели динамики

d) Получить только линейные модели

e) Нет правильного ответа

182. Решение задачи экстраполяции позволяет:

a) Найти значение параметров в промежуточных точках

b) Получить уравнение кривой описывающей эксперимент с использованием метода наименьших квадратов

c) Получить уравнение кривой точно проходящей через экспериментальные точки

d) Решить задачу идентификации без целенаправленного воздействия на входные параметры объекта

e) Нет правильного ответа

183. Решение задачи прогноза позволяет:

a) Предсказать значения параметров в последующие моменты времени

b) Получить уравнение кривой точно проходящей через экспериментальные точки

c) Получить уравнение кривой описывающей эксперимент с использованием метода наименьших квадратов

d) Найти значение параметров в промежуточных точках

e) Нет правильного ответа

184. Регрессионный анализ позволяет:

a) построить зависимость между многомерными переменными, оценить адекватность и значимость коэффициентов

b) произвести классификации данных большой размерности, выделить кластеры в данных

c) сократить число переменных (сжать данные) и определить структуры взаимосвязей между переменными

d) выполнить расчет настроек регулятора

e) выполнить расчет переходного процесса в системе

185. Нелинейное оценивания параметров является:

a) универсальной аппроксимирующей процедурой, оценивающей любой вид зависимости между выходом и входом

b) средством классификации данных большой размерности, выделения кластеров в данных

c) средством сокращения числа переменных (сжатия данные) и определения структуры взаимосвязей между переменными

d) методом оценки устойчивости нелинейных систем

e) способом расчета переходного процесса в системе

186. Критерий Фишера используется для:

a) Проверки адекватности уравнения регрессии

b) Проверки однородности результатов измерений

c) Расчета коэффициентов уравнения регрессии

d) Проверки значимости коэффициентов уравнения регрессии

e) Расчета настроек регулятора

187. Критерий согласия Пирсона используется для:

a) Проверки гипотезы о нормальности изучаемого распределения

b) Проверки гипотезы принадлежности двух выборок одной и той же совокупности

c) Проверки однородности результатов измерений

d) Проверки значимости коэффициентов уравнения регрессии

e) Расчета настроек регулятора

188. Основной целью дисперсионного анализа является:

a) оценка степени воздействия факторов на измеряемые данные

b) принятие решения о том, какие переменные разделяют объекты на две или более групп, отнесение объекта к одному из классов

c) сокращение числа переменных (сжатие данных) и определение структуры взаимосвязей между переменными

d) построение зависимости между многомерными переменными, оценки адекватности и значимости коэффициентов

e) Нет правильного ответа

189. Главными целями факторного анализа являются:

a) сокращение числа переменных (сжатие данных) и определение структуры взаимосвязей между переменными

b) построение зависимости между многомерными переменными, оценка адекватности и значимости коэффициентов

c) принятие решения о том, какие переменные разделяют объекты на две или более групп, отнесение объекта к одному из классов

d) определение коэффициентов уравнения регрессии

e) определение настроек регулятора

190.   Анализ регресивности позволяет:

a) построить зависимость между многомерными переменными, оценить адекватность и значимость коэффициентов

b) произвести классификации данных большой размерности, выделить кластеры в данных

c) сократить число переменных (сжать данные) и определить структуры взаимосвязей между переменными

d) определить настройки регулятора

e) рассчитать параметры переходного процесса в системе

191. Использование кластерного анализа позволяет:

a) произвести классификации данных большой размерности, выделить кластеры в данных

b) построить зависимость между многомерными переменными, оценить адекватность и значимость коэффициентов

c) оценить любой вид зависимости между выходом и входом

d) определить коэффициенты уравнения регрессии

e) определить значимость коэффициентов уравнения регрессии

192. Метод нелинейной оценки параметров является:

a) универсальной аппроксимирующей процедурой, оценивающей любой вид зависимости между выходом и входом

b) средством классификации данных большой размерности, выделения кластеров в данных

c) средством сокращения числа переменных (сжатия данные) и определения структуры взаимосвязей между переменными

d) способом определения настроек регулятора

e) способом расчета переходного процесса в системе

193. Критерий Стьюдента используется для:

a) Проверки значимости коэффициентов уравнения регрессии

b) Проверки однородности результатов измерений

c) Расчета коэффициентов уравнения регрессии

d) Проверки адекватности уравнения регрессии

e) Определения коэффициентов уравнения регрессии

194. Критерий Кохрена используется для:

a) Проверки однородности результатов измерений

b) Расчета коэффициентов уравнения регрессии

c) Проверки значимости коэффициентов уравнения регрессии

d) Проверки адекватности уравнения регрессии

e) Определения коэффициентов уравнения регрессии

195. Когда используется Критерий Фишера:

a) Проверки адекватности уравнения регрессии

b) Проверки однородности результатов измерений

c) Расчета коэффициентов уравнения регрессии

d) Проверки значимости коэффициентов уравнения регрессии

e) Определения коэффициентов уравнения регрессии

196. В общем виде, математическая модель статики объекта это функция отклика, связывающая входные параметры с выходными вида:

a)

b)

c)

d)

e)

197. Оценка математического ожидания переменной Х осуществляется по формуле:

198. Оценка дисперсии переменной Х осуществляется по формуле:

a)

b)

c)

d)

e)

200199. Сокращение АСНИ означает:

a) Автоматизированная система научных исследований

b) Автоматическая система научных исследований

c) Аварийная система научных измерений

d) Авторская система научных измерений

e) Автоматизированная система управления

200. Ошибка опыта (ошибка воспроизводимости (оценка остаточной дисперсии Y, дисперсии адекватности) равна:

a)

b)

c)

d)

e) Y _ЭКС - Y _РАС

@

201. Критерий Стьюдента позволяет:

a) определить значимость коэффициентов уравнения регрессии b_i.;

b) определить коэффициенты уравнения регрессии b_i.;

c) проверить воспроизводимость опытов;

d) проверить адекватность уравнения регрессии;

e) определить выходное значение объекта

202. Расчетное значение критерия Стьюдента определяют по формуле:

203. Входящая в выражение критерия Стьюдента  составляющая  это:

a) i – й коэффициент уравнения регрессии

b) среднеквадратическая ошибка в определении коэффициента регрессии b_i

c) средние значения входов

d) оценка остаточной дисперсии (дисперсии адекватности)

e) оценка дисперсии воспроизводимости

204. Входящая в выражение критерия Стьюдента  составляющая это:

a) среднеквадратическая ошибка в определении коэффициента регрессии b_i

b) i – й коэффициент уравнения регрессии

c) оценка дисперсии воспроизводимости

d) Оценка остаточной дисперсии (дисперсии адекватности)

e) значения Y, рассчитанные по уравнению регрессии на основе значимых коэффициентов

205. Надежность обеспечение АСНИ это:

a) совокупность описаний структур АСНИ и правил работы в АСНИ

b) операторы-технологи, организующие управление в АСНИ

c) организация поверок средств КИПиА

d) организация, ответственная за поставку новой техники АСНИ 

e) датчики

Что позволяет206. осуществлятьКритерий Стьюдента:

a) определить значимость коэффициентов уравнения регрессии b_i.;

b) определить коэффициенты уравнения регрессии b_i.;

c) проверить воспроизводимость опытов;

d) проверить адекватность уравнения регрессии;

e) определить выходное значение объекта

207. В выражении критерия Фишера входящая  составляющая это:

a) оценка дисперсии воспроизводимости

b) среднеквадратическая ошибка в определении коэффициента регрессии b_i

c) i – й коэффициент уравнения регрессии

d) средние значения входов

e) средние значения выходов

208. Входящая в выражение критерия Фишера  составляющая это:

a) оценка остаточной дисперсии (дисперсии адекватности)

b) оценка дисперсии воспроизводимости

c) среднеквадратическая ошибка в определении коэффициента регрессии b_i

d) i – й коэффициент уравнения регрессии

e) средние значения входов

209. Нелинейное оценивания параметров в АСНИ является:

a) универсальной аппроксимирующей процедурой, оценивающей любой вид зависимости между выходом и входом

b) средством классификации данных большой размерности, выделения кластеров в данных

c) средством сокращения числа переменных (сжатия данные) и определения структуры взаимосвязей между переменными

d) способом определения настроек регулятора

e) способом расчета переходного процесса в системе

210. В АСНИ основной целью факторного анализа являются:

a) сокращение числа переменных (сжатие данных) и определение структуры взаимосвязей между переменными

b) построение зависимости между многомерными переменными, оценка адекватности и значимости коэффициентов

c) принятие решения о том, какие переменные разделяют объекты на две или более групп, отнесение объекта к одному из классов

d) определение коэффициентов уравнения регрессии

e) определение настроек регулятора

211. Коэффициент уравнения регрессии b_i считается значимым, если:

a) >

b) <

c) =

d) > 0

e) =1

212. Значение , используемое в критерии Стьюдента, определяется по формуле:

a)

b)

c)

d)

e)

213. Табличное значение критерия Стьюдента определяется при числе степеней свободы:

a) f = n₀ – 1

b) f = n₀ + 1

c) f = 10

d) f = n₀

e) f = n₀+10

214. Коэффициент b ₀ линейной регрессия от одного параметра определяется по формуле:

a)

b)

c)

d)

Нет правильного ответа

215. Коэффициент b ₁ линейной регрессия от одного параметра определяется по формуле:

a)

b)

c)

d)

e) Нет правильного ответа

216. Для оценки силы линейной связи выборочный коэффициент корреляции вычисляется по формуле:

1.

2.

3.

4.

5. Нет правильного ответа

217. Система нормальных уравнений при использовании регрессионного анализа в матричной форме запишется в виде:

a)

b)

c)

d)

e) Нет правильного ответа

218. Решение системы нормальных уравнений при использовании регрессионного анализа в матричной форме запишется в виде:

a)

b)

c)

d)

e)

219. Исходными данными для регрессионного анализа не являются:

a) Матрица (вектор) коэффициентов

b) Матрица (вектор) наблюдений

c) Матрица независимых переменных

d) количество опытов

e) Нет правильного ответа

 

220. Матрица независимых переменных X – она содержит исходный статистический материал: в ней n – строк и k+1 столбец, где:

a) n – количество опытов; k - количество входов (факторов);

b) k – количество опытов; n - количество входов (факторов);

c) n – количество серий параллельных опытов; k - количество входов (факторов);

d) n - количество входов (факторов); k - число экспериментальных точек плана;

e) n = 3; k =3

221. В каких ситуациях используется критерий Фишера:

a) проверки адекватности уравнения регрессии;

b) проверки воспроизводимости опытов;

c) значимость коэффициентов уравнения регрессии b_i.;

d) определения коэффициентов уравнения регрессии b_i;

e) определения значимости коэффициентов уравнения регрессии

222. При обработке результатов эксперимента проведение параллельных опытов необходимо для:

a) получения информации о дисперсии результатов измерений

b) снятия кривой разгона

c) уменьшения количества опытов

d) определения коэффициентов уравнения регрессии b_i;

e) нет правильного ответа

223. Определите формулу значение критерия Фишера:

a)

b)

c)

d)

e) Как время запаздывания

224. Оценка остаточной дисперсии (дисперсии адекватности, используемой в критерии Фишера) рассчитывают по формуле:

a)

b)

c)

d)

e)

225. При использовании критерия Фишера уравнение регрессии адекватно описывает экспериментальные данные, если:

a)

b)

c)

d)

e)

226. При использовании критерия Фишера степени свободы f₁ для числителя и f₂ для знаменателя определяются как:

a) f₁ = n – L_ЗН и f₂ = n₀ – 1

b) f₂ = n – L_ЗН и f₁ = n₀ – 1

c) f₁ = n+1 – L_ЗН и f₂ = n₀ – 1

d) f₁ = n – L_ЗН и f₂ = n₀

e) f₁ = 1 и f₂ = 10

227. В формуле оценки остаточной дисперсии (дисперсии адекватности) используемой в критерии Фишера  переменная означает:

a) значения Y, рассчитанные по уравнению регрессии на основе значимых коэффициентов

b) средние значения Y

c) средние значения входов

d) средние значения выходов

e) средние значения возмущений

228. С помощью критерия Стьюдента можно определить:

a) значимость коэффициентов уравнения регрессии b_i.;

b) воспроизводимость опытов;

c) коэффициенты уравнения регрессии b_i.;

d) адекватность уравнения регрессии;

e) качество переходного процесса в системе

229. Коэффициент Стьюдента позволяет:

a) определить значимость коэффициентов уравнения регрессии b_i.;

b) определить коэффициенты уравнения регрессии b_i.;

c) проверить воспроизводимость опытов;

d) проверить адекватность уравнения регрессии;

e) проверить устойчивость

230. Значение критерия Стьюдента определяют по формуле:

a)

b)

c)

d)

e)

231. параметр  регрессии bi считается значимым, при:

a) >

b) <

c) =

d) > 0

e) =0

232.Используемый в критерии Стьюдента параметр , определяется по формуле:

a)

b)

c)

d)

e)

 

233. Табличное значение критерия Стьюдента определяется при числе степеней свободы, определяемом по формуле:

a) f = n₀ – 1

b) f = n₀ + 1

c) f = N

d) f = N+1

_e) f = N+n₀

234. Начальными данными для регрессионного анализа не являются:

a) Матрица (вектор) коэффициентов

b) Матрица (вектор) наблюдений

c)

d) Матрица независимых переменных

e) количество входов

f) количество выходов

 

235. Матрица независимых переменных X – она содержит исходный статистический материал  в ней n – строк и k+1 столбец, где:

a) n – количество опытов; k - количество входов (факторов);

b) k – количество опытов; n - количество входов (факторов);

c) n – количество серий параллельных опытов; k - количество входов (факторов);

d) n - количество входов (факторов); k - число экспериментальных точек плана;

e) n - количество коэффициентов в уравнении регрессии

236. На каком этапе используется критерий Фишера:

a) проверки адекватности уравнения регрессии;

b) проверки воспроизводимости опытов;

c) значимость коэффициентов уравнения регрессии b_i.;

d) определения коэффициентов уравнения регрессии b_i;

e) определения настроек регулятора

237. Значение параметра критерия Фишера определяется как:

a)

b)

c)

d)

e) Нет правильного ответа

238. Остаточная дисперсия рассчитывают по формуле:

a)

b)

c)

d)

e)

239. Уравнение регрессии адекватно описывает экспериментальные данные при использовании критерия Фишера, когда:

a)

b)

c)

d)

e)

240. Для критерия Фишера степени свободы f₁ для числителя и f₂ для знаменателя определяются как:

a) f₁ = n – L_ЗН и f₂ = n₀ – 1

b) f₂ = n – L_ЗН и f₁ = n₀ – 1

c) f₁ = n+1 – L_ЗН и f₂ = n₀ – 1

d) f₁ = n – L_ЗН и f₂ = n₀

e) Нет правильного ответа

241. При сценке остаточной дисперсии (дисперсии адекватности) используемой в критерии Фишера  переменная означает:

a) значения Y, рассчитанные по уравнению регрессии на основе значимых коэффициентов;

b) средние значения Y;

c) средние значения входов

d) средние значения выходов

e) количества экспериментов

242. Построение моделей статики объектов методами планирования эксперимента имеет преимущество в том, что:

a) Уменьшается количество экспериментов и упрощается обработка их результатов

b) Не надо проводить параллельные опыты

c) Уравнение регрессии всегда адекватно

d) Воспроизводимость опытов не имеет значения

e) Все опыты воспроизводимы

243. При выборе факторы:

a) не должны быть коррелированны между собой

b) могут быть коррелированны между собой

c) изменяются только на выходе

d) только возмущения

e) это выходы

244. К основным недостаткам классического регрессионного анализа не относятся:

a) невозможность получения адекватной модели;

b) корреляция между коэффициентами;

c) трудности в оценке ошибки;

d) необходимость большого количества опытов;

e) трудности при определении коэффициентов b_i вручную;

245. Необходимое число опытов в полном факторном эксперименте определяется по формуле , где:

a) N – количество уровней, К – количество факторов;

b) К – количество параллельных опытов; N – количество факторов;

c) К – количество выходов; N – количество входов;

d) К – количество факторов, N – количество уровней;

e) К – количество возмущений, N – количество выходов;

246. В полном факторном эксперименте (ПФЭ) опыты проводятся:

a) при всех возможных сочетаниях значений факторов на всех уровнях варьирования;

b) 10 раз;

c) как можно большее количество раз;

d) при всех возможных сочетаниях значений факторов на всех уровнях варьирования плюс опыты в дополнительных «звездных» точках;

e) 100 раз;

247. Под факторами в планировании экспериментов понимают:

a) Входные параметры

b) Выходные параметры

c) Опыты

d) Матрицу планирования экспериментов

e) Возмущения

248. Под уровнями в планировании экспериментов понимают:

a) Значения, принимаемые факторами

b) Входные параметры

c) Выходные параметры

d) Опыты

e) Возмущения

249. Матрица планирования экспериментов это:

a) План проведения опытов

b) Выходные параметры

c) Коэффициенты уравнения регрессии

d) Матрица дисперсий воспроизводимости

e) Вектор коэффициентов B

250. В основе методов статистического планирования экспериментов лежит использование:

a) упорядоченного плана расположения точек в факторном пространстве и использование новой безразмерной системы координат;

b) упорядоченного плана расположения точек в факторном пространстве без использования безразмерной системы координат

c) дисперсионного анализа

d) кластерного