etteantud töövahendeid ja lõikereziimi piirväärtusi. Muutujateks on lõikekiirus v ja ettenihe f. Lõikesügavus t on konstantne. Katsete korraldamine ja andmetöötlus viia läbi katsete planeerimise teooria alusel. Selgitada vaadeldavate protsessi mõjutavate tegurite olulisus või ebaolulisus ning kas antud katsetamistäpsuse ja valitud mudeli kuju korral on võimalik koostada täpsemat mudelit. Arvutada välja mudeli väljundi usaldusintervallid ning joonistada välja 2 graafikut koos usaldusintervallidega: lõiketemperatuuri T sõltuvus lõikekiirusest v (f=const) ja lõiketemperatuuri T sõltuvus ettenihkest f (v=const). Töö eesmärk Uurida lõikeprotsessi parameetrite mõju lõiketemperatuurile Töövahendid 1. Treipink 2. Treitera 3. Toorik- süsinikteras 4. Nurgamõõturid 5. Millivoltmeeter 6. Termopaar
n x y yx = Ax2 + Bx + C. Kaks taset andmeid. Spearman taseme korrelatsiooni koefitsient 6 d i2 B 1 n3 3 54. Paari regressiooni arvutamine vähimruutude meetodil. Meetodi hälbed x'i = xj - x; y'i = yj - y, b = x'i y'i / (x'i)2; x'i y'i = xi yi - n x y; (x'i)2 = (xi)2 - n x2. Dispersioon s2b= s2 / (x'i)2; s2a= xi2 s 2 ; n ( x' i ) 2 55. Regressioonijoone usaldusintervallid 1 x' 2 s p = s 1 2 2 p x ' 2 n 56. Andmetöötluse robustsed meetodid Eksete suhtes vähetundlikud 57. Aegread Iga rea liige seotud ajaga. Keskmine kasvutempo n 1 1 2 .. n 1 . Aegridade
Dispersioonanalüüsi kõige lihtsam mudel (ühefaktoriline dispersioonanalüüs) eeldab kahte tunnust: üht kategoriaalset tunnust, mis kirjeldab võrreldavaid gruppe ning üht arvtunnust, mille osas gruppe võrrelda tahetakse. Dispersioonanalüüsi keerulisemate mudelite puhul võib lisanduda nii grupeerivaid kui ka uuritavaid tunnuseid. Kui aga korraga soovitakse vaadelda mitut sõltuvat tunnust, siis räägitakse mitmemõõtmelisest dispersioonanalüüsist (Atkinson; Nevill 2001). 2.3 Usaldusintervallid Hinnatava parameetri usaldusintervall (vahemikhinnang) kujutab enesest sellist piirkonda parameetri punkthinnangu ümber, mis katab parameetri õige väärtuse küllalt suure etteantud tõenäosusega. Täpsuse huvides räägitakse vahel ka alumisest ja ülemisest usalduspiirist (du Prel et. al 2009). 2.4 Student t-test Üheks rakendatavamaks testiks aritmeetiliste keskmiste võrdlemisel on t-test, nimetatakse ka selle väljamõtleja varjunime Student järgi Studenti t-testiks. Erinevad
Hinnangulisus: · Valimvaatlust läbiviiv inimene valib valimisse need objektid, mis tema arvates kõige paremini iseloomustavad uuritavat üldkogumit · Valimi kvaliteet sõltub inimesest, kes valimi moodustas · Üldiselt ei saa teha statistilisi järeldusi sellise valimi põhjal tehtud arvutuste põhjal 3.4 Tõenäosuslik valim · Iga valimiosa valimisse sattumise tõenäosust on võimalik arvutada · Usaldusintervallid on võimalik arvutustele lisada ja näidata valimi moodustamise käigus tekkinud vea suurust · Tõenäosuslikku valimit on võimalik moodustada, kasutades lihtsa juhusliku valiku, stratifitseeritud juhusliku valiku, klaster valiku ja süstemaatilise valiku põhimõtteid 3.4.1 Vaatlusvead Valimi moodustamise käigus võivad tekkida 1. Valimi vead 2. Mitte valimi vead 3. Vaatlusvead 4. Valimi vead
...-200 145-200 172,5 10 1725 10 -257 66049 ... 200-300 200-300 250 28 7000 38 -179,5 32220,25 ... 300-400 300-400 350 42 14700 80 -79,5 6320,25 ... 400-600 400-600 500 50 25000 130 70,5 4970,25 ... Üle 600 600-1000 800 20 16000 150 370,5 137270,3 ... Kokku 150 64425 4822025 USALDUSINTERVALLID Usaldusintervalle on vaja selleks, et hinnata valimi ja üldkogumi vastavust. Valim on juhuslik,võib esineda erinevaid tulemusi. Tehes üldistusi üldkogumile,peame veaga arvestama. Usaldusintervalle kasutataksegi selle vea hindamiseks. Keskmine esindusviga. Valimi suurenedes esindusviga väheneb. Selle leidmiseks on erinevad valemid lähtuvalt sellest, kas üldkogumi suurus on teada või ei ole.(valimi mahu võtmisel ei arvestata missing lahtrit) Piiresindusviga
3. Mõjutegurite aegridade uurimine. Et prognoosida 10...15 a ette, kogu- takse reeglina andmed 20-ne möödunud aasta kohta. Raskusi tekib, kui elektriturg on viimastel aastatel dramaatiliselt muutunud (nagu nt Eestis ja teistes üleminekuriikides). Prognoosimudel peab arvestama ka võimalikke turumuutusi tulevikus. 4. Multiregressioonanalüüs vastava tarkvara abil. Leitakse regressiooni- kordajad ja nende usaldusintervallid ning otsustatakse, millised mõju- tegurid jätta mudelisse (samm-sammulise ülalt alla või alt üles regres- sioonanalüüsi teel). 5. Mudeli testimine ja hindamine - üks olulisemaid etappe. Mudelit ra- kendatakse minevikule ning analüüsitakse prognoosivigu. Uuritakse ka regressioonitegurite stabiilsust. Selleks koostatakse mudel näiteks 1975...1985 a andmete alusel. Seejärel rakendatakse mõlemat mudelit 1985...1995 a tarbimiste prognoosiks
annaabi.ee 
