|
236 При тактическом планировании в целях повышения эффективности разрабатываются методы понижения дисперсии. Они построены, в основном, на замене простой случайной выборки более совершенной. Если зависимая и независимая переменные количественные и непрерывные, то для решения задачи поиска можно использовать методику поверхности отклика (МПО). Наиболее часто в МПО используется метод наискорейшего спуска. Основная идея метода состоит в линейной аппроксимации поверхности отклика в окрестности исследуемой точки с помощью простого факторного эксперимента. По построенной линейной функции определяется направление спуска, делается шаг и затем вновь повторяется процедура факторного эксперимента. Среди них можно выделить: • несимметричный вариант Кифера-Вольфовица; • симметричный вариант Кифера-Вольфовица; • случайный поиск с парной пробой; • покоординатный спуск и другие. При реализации алгоритмов классификации построение матриц ошибочных классификаций возможно лишь на имитационной модели. Разработана модель, структура которой приведена на рис.4.12. На первом шаге разыгрывается процедура получения правильного ответа на вопросы теста в зависимости от уровня сложности задания (результат матрица Z размерности mxk, где m-число повторов теста). Вероятность правильного ответа задается распределением Бернулли с вероятностью р. z<-.7 II = р(% > Ру I Р>> *= j = 1’--п ’ (4-11) где р -вектор параметров имитационной модели, n-общее количество заданий в тесте. |
При тактическом планировании в целях повышения эффективности разрабатываются методы понижения дисперсии [67[. Они построены, в основном, на замене простой случайной выборки более совершенной. Методы тактического планирования в сочетании с методами стратегического планирования могут быть использованы для решения задач параметрического синтеза. При анализе чувствительности исследуемых характеристик модели в зависимости от варьируемых параметров часто применяются линейные регрессионные модели [97, 99]. Однако априорное предположение об описании объекта регрессионной моделью, зависящей от параметра, редко приводит к линейной модели. В нелинейных регрессионных моделях [15] численный поиск оценок параметров значительно сложнее, чем в линейных. В работе [18] отмечается, что если стоимость получения одной оценки велика, а их допустимое количество невелико, то целесообразнее может оказаться стратегический план. Если оценка дешевле, то рационально использовать тактический план. Это обстоятельство, а также итерационный характер вычислений делают целесообразным применение методов последовательного планирования [51] соответствующих экспериментов и рекуррентного вычисления оценок параметров, что значительно экономит объем вычислений. Если зависимая и независимая переменные количественные и непрерывные, то для решения задачи поиска можно использовать методику поверхности отклика (М ПО) [13]. Наиболее часто в МПО используется метод наискорейшего спуска. Основная идея метода состоит в линейной аппроксимации поверхности отклика в окрестности исследуемой точки с помощью простого факторного эксперимента. По построенной линейной функции определяется направление спуска, делается шаг и затем вновь повторяется процедура факторного эксперимента. Методы построения факторных планов рассмотрены в работах [50, 51]. Среди них можно выделить: • несимметричный вариант Кифера-Вольфовица; 105 106 • симметричный вариант Кифера-Вольфовица; • случайный поиск с парной пробой; • покоординатный спуск и другие. При реализации алгоритмов классификации построение матриц ошибочных классификаций возможно лишь на имитационной модели. Разработана модель, структура которой приведена на рис.3.4. Структура имитационной модели Статастическаяиодельтеста V " Задан1я Методыпострое>*(я тестов Стзтмчесшй Адаптивный 0 Фориапи1 ациягонятмя\ ]ч (/~\ уровнвсложюсгизада»*1й )М ). . •('"у MJ. • •('•'у (О • •("*’> теста J ‘'"’ V i ‘i ypOBWсложюсти Формирование тесте Тестовые задатмя ^иоршерэспредепения поуроамзнаы<й ---------7V---------д V Ал г" 1 I Модельгруппы• входнойпотоктестируемых Верояпасттаямодегь ответовтестируемого Видыанализа { Кластершйанализ ] ( Латенгно<тру1пур>»1йаяадтзj N Сложность /l__J Видыанализа Г Факгортыйанализ) Г IRTтеория J Статистическаямодель решениятеста тесть па Splx.. х,= к=1 * * U«спншикм рсокно О,еоишнсие НСрсокно Решен№<езадами ( © ■ " ■ © 0 © © ■ " © УровниcnowecTH Иститенй баял Статистическоесрэвнечте ИСТИН9Г0баллаиоцетш Процедурыклассификации говероятностноймодели ивыборкерешетнлсзадач Л J Видыанализа Байесоаскаяклассификация Дисхрименактиыйанализ Оцежа А / 1 — Оцежаэффективности \ ' процессакпассификации Рис. 3.4. |