Компьютерные программы для планирования эксперимента
Обновлено: 07.07.2024
Выбор оптимального плана многофакторного эксперимента является комбинаторной задачей и отличается высокой трудоемкостью. Для автоматизации этого процесса необходимо разработать программный комплекс. В основе работы программ комплекса лежит генерация комбинаторных конфигураций, формирование соответствующих комбинаторных планов многофакторного эксперимента, оценка их характеристик и отбор оптимального по стоимости или времени реализации варианта.
Анализ последних исследований и публикаций.
В работах [1,2] перечислены функциональные возможности программ для автоматизации процессов синтеза оптимальных по стоимостным и временным затратам планов эксперимента. Для использования этих программ разработчиками необходимо привести примеры файлов исходных данных и результатов.
Цель статьи: систематизировать, описать функциональные возможности разработанного программного комплекса и привести примеры файлов исходных данных и результатов.
Основные результаты исследования.
Разработанное программное обеспечение реализовано на языке «TURBO PASCAL», построено по модульному принципу и допускает гибкую адаптацию к решению более широкого класса задач.
Общение пользователя и ЭВМ осуществляется в диалоговом режиме. Инициатором диалога выступает ЭВМ. На запрос необходимо ввести имя файла исходных данных и имя файла результата.
Предусмотрено два режима поиска оптимального решения: случайный поиск и последовательная генерация возможных вариантов
преобразований. Количество анализируемых вариантов может быть задано, а процесс поиска может быть прерван. Это позволяет найти решение близкое к оптимальному за приемлемое для пользователя время.
В процессе счета на дисплее отображается количество проанализированных вариантов и экстремальные значения стоимости среди рассмотренного множества вариантов.
При завершении работы формируется файл результата, в который записывается информация об исходных данных, матрицы планирования для минимального и максимального по стоимости реализации вариантов, время счета.
Файлы исходных данных для разработанных программ содержат две части. Первая часть содержит описание количества опытов, описание количества факторов, описание исходной матрицы планирования эксперимента. Во второй части содержатся специфические данные, в зависимости от решаемой задачи.
Например, для матрицы планирования эксперимента, приведенной в табл. 1, первая часть файла исходных данных имеет вид:
Приветствую всех пользователей Хабра!
Данная статья возникла как полезный побочный продукт моих научных изысканий. Буду рад, если идеи, изложенные ниже, покажутся для вас интересными и полезными, а еще лучше, если получат своё применение и дальнейшее развитие в реально существующих проектах.
- в инженерных и научных разработках, где часто производятся сложные длительные вычисления, а процессорное время на кластерных системах дорого и ограничено;
- в web-приложениях, в которых время генерации страницы критично для пользователя и напрямую зависит от объемов серверных мощностей;
- в встраиваемых программных продуктах, и т.д.
- продуктивность – объем информации, обрабатываемой системой в единицу времени;
- реактивность – время между предъявлением системе входных данных и появлением соответствующей выходной информации.
- – время обработки информации;
- – все параметры (факторы или влияющие факторы), которые прямым или косвенным образом могут влиять на производительность системы;
- – область определения i-го фактора, являющаяся ограничением задачи.
- объем оперативной памяти компьютера;
- скорость доступа к жесткому диску;
- максимальная частота работы и средняя загрузка процессора;
- настройки СУБД, и т.д.
- полный перебор всех возможных комбинаций значений влияющих факторов;
- случайный выбор некоторого числа комбинаций и последующий выбор самого лучшего варианта;
- аналитическое исследование системы;
- применение специализированных программных средств;
- использование математических моделей.
- – число вариантов значений i-го фактора.
- чрезмерно большое время проведения измерений;
- опора на способности исследователя, делающего выводы на основе анализа программы;
- сложность применения и использования.
- воспроизводимость опытов;
- управляемость факторов;
- измеримость выходных характеристик и возможность выразить её одним числом;
- однозначность и совместимость факторов и т.д.
Этап 1. Анализ априорной информации.
- ПО является web-приложением, написанным на языке программирования PHP;
- ПО выполняется на web-сервере Apache, интерпретатор PHP подключен в качестве модуля;
- ПО использует СУБД MySQL для хранения данных;
- существует возможность включения кэширования данных средствами самого приложения.
Факторы с самыми большими значениями будут наибольшим образом влиять на выходную характеристику.
Этап 2. Выбор влияющих факторов.
В таблице 1 представлен набор влияющих факторов, выбранных в результате анализа априорной информации о ПО.
- web-сервер Apache + модуль PHP;
- web-сервер Nginx + php-fpm.
Этап 3. Выбор верхнего и нижнего уровня для факторов.
- +1 соответствует верхнему уровню фактора;
- -1 соответствует нижнему уровню фактора.
Этап 4. Составление матрицы планирования и проведение экспериментов.
В таблице 3 представлены результаты проведения серии экспериментов.
Таблица 3.
| № | y | № | y | ||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | -1 | -1 | -1 | -1 | -1 | 6,909456902 | 17 | +1 | -1 | -1 | -1 | -1 | 6,956250343 |
| 2 | -1 | -1 | -1 | -1 | +1 | 6,265920885 | 18 | +1 | -1 | -1 | -1 | +1 | 6,27117213 |
| 3 | -1 | -1 | -1 | +1 | -1 | 1,046864681 | 19 | +1 | -1 | -1 | +1 | -1 | 1,049605346 |
| 4 | -1 | -1 | -1 | +1 | +1 | 0,959287777 | 20 | +1 | -1 | -1 | +1 | +1 | 0,960128005 |
| 5 | -1 | -1 | +1 | -1 | -1 | 6,922491238 | 21 | +1 | -1 | +1 | -1 | -1 | 6,94905457 |
| 6 | -1 | -1 | +1 | -1 | +1 | 6,292138541 | 22 | +1 | -1 | +1 | -1 | +1 | 6,288483698 |
| 7 | -1 | -1 | +1 | +1 | -1 | 1,047327693 | 23 | +1 | -1 | +1 | +1 | -1 | 1,048429732 |
| 8 | -1 | -1 | +1 | +1 | +1 | 0,959178464 | 24 | +1 | -1 | +1 | +1 | +1 | 0,959984639 |
| 9 | -1 | +1 | -1 | -1 | -1 | 6,947828159 | 25 | +1 | +1 | -1 | -1 | -1 | 6,944574752 |
| 10 | -1 | +1 | -1 | -1 | +1 | 6,269961421 | 26 | +1 | +1 | -1 | -1 | +1 | 6,281574535 |
| 11 | -1 | +1 | -1 | +1 | -1 | 1,047032595 | 27 | +1 | +1 | -1 | +1 | -1 | 1,047937875 |
| 12 | -1 | +1 | -1 | +1 | +1 | 0,960076244 | 28 | +1 | +1 | -1 | +1 | +1 | 0,960813348 |
| 13 | -1 | +1 | +1 | -1 | -1 | 6,954160943 | 29 | +1 | +1 | +1 | -1 | -1 | 6,952602925 |
| 14 | -1 | +1 | +1 | -1 | +1 | 6,278223336 | 30 | +1 | +1 | +1 | -1 | +1 | 6,284795263 |
| 15 | -1 | +1 | +1 | +1 | -1 | 1,048019483 | 31 | +1 | +1 | +1 | +1 | -1 | 1,047952991 |
| 16 | -1 | +1 | +1 | +1 | +1 | 0,960559206 | 32 | +1 | +1 | +1 | +1 | +1 | 0,960591927 |
Этап 5. Анализ результатов.
Коэффициенты уравнения регрессии (3) могут быть найдены как
Результаты представлены в таблице 4 и на рис. 2.
Таблица 4.
| 3,97361211 | 0,0519711 | 0,0245041 | 0,0034686 | -2,9182692 | -0,2483070 |
Рис. 2. Коэффициенты уравнения регрессии.
Этап 6. Вывод.
Из рис. 2 видно, что основной вклад в время генерации web-страницы вносит фактор , характеризующий кэширование данных в приложении. Отрицательное значение коэффициента регрессии означает, что данный параметр уменьшает функцию отклика черного ящика. В нашем примере это означает уменьшение времени генерации страницы.
Строго говоря, такие результаты являются очевидными, так как включение кэширования данных приложением влечет за собой минимальное число запросов к СУБД. Таким образом, влияние параметров настройки СУБД становится несущественным. Полученные результаты подтверждают возможность использования МПЭ применительно к анализу производительности ПО.
В данной статье я попытался рассмотреть возможность применения существующего уже давно метода математического планирования эксперимента применительно к анализу производительности ПО. Такой подход позволяет преодолеть ряд трудностей, возникающих при анализе программных систем, выявить факторы, наиболее сильно влияющие на анализируемую характеристику, выявить зависимости между факторами.
Разумеется, представленная методология не претендует на замену существующих методов анализа производительности, например, профилирования. Однако существует ряд задач, в которых применение подобной техники способно существенно облегчить задачи исследователя.
Аннотация научной статьи по компьютерным и информационным наукам, автор научной работы — Волков Виталий Витальевич
Описываются возможности программного средства EOSupport, разработанного автором и предназначенного для поддержки принятия решений в задачах, требующих планирования эксперимента и статистической обработки результатов. Приводятся научные результаты некоторых практических применений программы.
Похожие темы научных работ по компьютерным и информационным наукам , автор научной работы — Волков Виталий Витальевич
Методика оптимизации конструктивных и режимных характеристик нагревательной плиты вулканизационного пресса Применение методов планирования эксперимента при прогнозировании величины износостойкости инструментальной оснастки К построению расходных характеристик ГЭС и их оперативной коррекции Исследование влияния технологических факторов на длительность упругой стадии процесса линейной сварки трением Регрессионный анализ процесса реагентного умягчения воды с алюминий- и железосодержащими коагулянтами i Не можете найти то, что вам нужно? Попробуйте сервис подбора литературы.DESIGN OF EXPERIMENTS AND ANALYSIS OF THEIR RESULTS USING EOSUPPORT SOFTWARE
This article introduces a computer program EOSupport (Experimental Optimization Support) written by the author which helps to design experiments, process experimental data, calculate regression coefficients and compute statistical criterias for testing experimental results. The article also contains results of two successfully solved with EOSupport typical optimization problems.
Текст научной работы на тему «Планирование эксперимента и обработка результатов при помощи программного средства EOSupport»
УДК 519.242:004.42 В.В. ВОЛКОВ
ПЛАНИРОВАНИЕ ЭКСПЕРИМЕНТА И ОБРАБОТКА РЕЗУЛЬТАТОВ ПРИ ПОМОЩИ ПРОГРАММНОГО СРЕДСТВА EOSUPPORT
Описываются возможности программного средства EOSupport, разработанного автором и предназначенного для поддержки принятия решений в задачах, требующих планирования эксперимента и статистической обработки результатов. Приводятся научные результаты некоторых практических применений программы. Ключевые слова: планирование эксперимента, дисперсионный анализ, описание поверхности отклика, оптимизация процесса.
Введение. Существует множество программных средств, предназначенных для автоматизации вычислений и осуществляющих поддержку принятия решений в разнообразных задачах, связанных с планированием эксперимента. Однако практически все они являются разработками зарубежных университетов или фирм, не поддерживают русскоязычный интерфейс и являются платными программными продуктами [4]. Поэтому является актуальной задача создания собственной программы для поддержки планирования экспериментов.
Реализованные методы. Созданная ранее автором функционирующая версия программы EOSupport (Experimental Optimization Support, Система поддержки экспериментальной оптимизации), позволяет строить линейные и квадратичные регрессионные модели (содержащие до 10 факторов) исследуемых процессов, а также проводить статистическую обработку получаемых результатов.
Для построения линейной модели пользователю предоставляется возможность выбора между полным и дробным факторным экспериментом (ПФЭ и ДФЭ соответственно). В случае выбора полного факторного эксперимента в линейную модель можно дополнительно включить произвольные эффекты взаимодействия факторов. При проведении факторного эксперимента используется схема с одинаковым количеством повторных опытов. Эти дополнительные опыты позволяют оценить дисперсию единичного из-
где i = 1..N - номер строки матрицы планирования;
вторного опыта; si - дисперсия отклонения повторных опытов в каждой точке плана от среднего значения отклика в этой точке; У - матрица N т откликов; число степеней свободы 81осп равно
Коэффициенты регрессионной модели рассчитываются также на основании средних значений yi, что обеспечивает высокую точность их оценки:
где I - количество коэффициентов в модели.
Статистический анализ линейной модели состоит в следующем.
Сначала проверяется гипотеза об однородности дисперсий si по критерию
Кохрена. Затем при помощи ^ -критерия Фишера проверяется гипотеза об адекватности модели и, наконец, для каждого рассчитанного коэффициента можно проверить его значимость по t -критерию Стьюдента [1]. Данный набор критериев позволяет достаточно полно оценить надежность полученных результатов эксперимента.
Пример 1. Использование ПФЭ для исследования взаимодействий факторов в «игрушечном гольфе». Рассмотрим эксперимент по забрасыванию мяча на заданное расстояние при помощи специальной установки, называемой «игрушечный гольф» [3]. Управляемые факторы: X - длина
биты (или клюшки); х2 - угол отклонения биты перед ударом; х3 - масса дополнительного груза биты. В качестве отклика выступает расстояние У, которое преодолеет мяч после удара. Необходимо исследовать взаимодействие между факторами и построить регрессионную модель для предсказания результатов произвольного удара.
Методы испытаний. Для решения поставленной задачи подходит полный факторный эксперимент, позволяющий получить неполную квадратичную модель, содержащую линейные члены и эффекты парных взаимодействий. Интервалы варьирования факторов и некоторая дополнительная информация представлены в табл.1. Сгенерированный EOSupport план эксперимента и результаты непосредственных измерений представлены в табл.2.
Общие данные об эксперименте
х Длина дюйм 5.50 11.50
х2 Угол градус 20.00 60.00
х3 Масса кг 0.00 2.00
Отклик Название Единица
У Расстояние дюйм
Тип плана | Полный факторный (варьирование факторов на 2 уровнях)
Количество повторных опытов | 3
Матрица планирования и результаты непосредственных измерений
№ х, х х2 х3 X х2 X х3 х2 х3 У У 2 Уз
1 1 1 1 1 1 1 1 116 110 121
2 1 1 1 1 39.0 35.0 37.0
3 1 1 1 1 22.5 24.0 23.0
4 1 1 1 8.00 8.50 8.00
5 1 1 1 1 76.0 89.0 82.0
6 1 1 1 16.0 17.5 16.0
7 1 1 1 16.5 16.0 19.5
8 1 1 1 1 1.75 2.50 2.50
Результаты эксперимента и их обсуждение. В результате опытов были получены коэффициенты уравнения регрессии. Проведен статистический анализ модели в целом и ее коэффициентов в отдельности. Результаты сведены в табл.3.
Результаты статистического анализа эксперимента
Коэффици- енты Степень свободы Оценка ? -экспер. ? -крит. ( р =0.05) Вывод
ь, 16 37.8 56.88 2.12 значим
Ь 16 21.8 32.81 2.12 значим
Ьу 16 25.0 37.71 2.12 значим
Ь3 16 8.16 12.29 2.12 значим
Ь 2 16 14.3 21.48 2.12 значим
Ь 3 16 1.55 2.34 2.12 значим
ь23 16 5.22 7.86 2.12 значим
Дисперсия Ст. свободы Оценка
2 С восп 16 10.58
Модель р -эксп. р -крит. ( р =0.01)
5.61 8.5 модель адекватна
Получена следующая регрессионная модель в кодированных единицах:
в натуральных единицах:
вычисления проводились два раза: первый - при помощи авторской программы EOSupport и второй - при помощи коммерческого продукта Design-Expert trial-версии 7.1.4 фирмы Stat-Ease, Inc. Результаты полностью совпали.
Описание экстремальной области. После получения линейной модели, описывающей локальную область факторного пространства, исследователю надлежит принять решение о дальнейшем ходе исследования; следует ли оптимизировать процесс, двигаясь в направлении градиента (траекторию автоматически рассчитает EOSupport), либо область экстремума уже достигнута и необходимо построение более точной квадратичной модели. Чтобы выяснить это в EOSupport, существует специальная функция оценки кривизны поверхности отклика в области эксперимента. Для этого пользователю предлагается поставить несколько дополнительных опытов в центре плана. Мерой кривизны поверхности отклика может служить разность среднего значения этих откликов и свободного члена линейной модели [2].
Построение квадратичных моделей также легко осуществимо при поддержке EOSupport. Для этого в текущей версии имеется поддержка построения ортогональных центральных композиционных планов (ОЦКП), в которых факторы варьируются на пяти различных уровнях. Достаточно только указать количество факторов, количество повторных экспериментов и количество дополнительных экспериментов в центре плана, и система автоматически рассчитает величину «звездного плеча» a , а также смещение для квадратичных членов. Также можно достроить существующий план ПФЭ или ДФЭ до ОЦКП.
Обычно на практике проведение экспериментов является дорогостоящей и трудоемкой операцией, поэтому при планировании всегда стремятся уменьшить количество точек плана. Чтобы достичь этого без существенных потерь точности, применяется специальная схема, согласно которой повторные опыты, необходимые для оценки дисперсии единичного измерения, ставятся только в центре плана [5]. Использование данной схемы иллюстрирует следующий пример.
Пример 2. Применение ОЦКП для оптимизации процесса очистки воды. Вода, полученная после процесса осушения баков для хранения бензина, подвергалась очистке в пробной установке для исследования эффективности совместного влияния коагулянта (сульфата алюминия) и катионо-вого флокулянта (полиэлектролита) группой ученых из Национального технического университета в Афинах [6].
Методы испытаний. Для построения квадратичных регрессионных моделей трех параметров оптимизации (мутность, наличие твердой взвеси, наличие нефтепродуктов) использовалось композиционное планирование. В качестве факторов были выбраны концентрации коагулянта, флокулянта и уровень pH. Автор настоящей статьи использовал полученные исследователями экспериментальные данные при апробации программы EOSupport для проверки вычисленных статистических оценок. Пример ограничивается лишь одним параметром оптимизации - уровнем замутненности воды, подвергшейся очистке. Общие данные представлены в табл.4 и 5.
Общие данные об эксперименте
х Сульфат алюминия мг/л 4 19 55 91 106
х2 Полиэлектролит мг/л 1 5 15 25 29
х3 pH 5 5.5 7 8.5 9
Отклик Название Единица
Тип плана | ОЦКП (варьирование факторов на 5 уровнях)
Количество опытов в центре плана | 4
Матрица планирования и результаты непосредственных измерений
№ х, х, х2 х3 У № х, х, х2 х3 У
i Не можете найти то, что вам нужно? Попробуйте сервис подбора литературы.1 1 1 1 1 95.5 10 1 1.41 0 0 56.8
2 1 1 1 69.7 11 1 0 -1.41 0 17.6
3 1 1 1 11.6 12 1 0 1.41 0 41.5
4 1 1 25.6 13 1 0 0 -1.41 35.7
5 1 1 1 68.9 14 1 0 0 1.41 58.8
6 1 1 55.8 15 1 0 0 0 30.9
7 1 1 56.8 16 1 0 0 0 28.7
8 1 17.6 17 1 0 0 0 20.2
9 1 -1.41 0 0 52.6 18 1 0 0 0 25.9
Результаты эксперимента и их обсуждение. После проведения опытов были получены коэффициенты квадратичного уравнения регрессии. Проведен статистический анализ модели. Результаты представлены в табл.6.
Коэффи- циент ь. Ь ¿2 Ь3 ¿12 Ь13 Ь 23 ¿11 Ь22 Ьзз
Оценка 26.95 5.84 17.68 3.00 1.71 -5.06 9.71 13.35 0.78 9.63
Дисперсия Степень свободы Оценка
2 е восп 3 21.41
Модель р -эксп. р -крит. (р =0.05) Вывод
12.49 9.0 модель адекватна
Особый интерес представляют графики полученной поверхности отклика, представленные на рисунке, определяемой уравнением (в кодированных значениях факторов):
На каждом из трех графиков отсутствующий фактор зафиксирован на основном уровне (0.0).
Зависимость мутности воды (у в %) от дозы полиэлектролита (Х2), сульфата алюминия (
*1) и уровня pH (Х3) в кодированных значениях
Из рисунка хорошо видно, что мутность воды в значительной степени зависит от дозы полиэлектролита и в меньшей степени от уровня pH и дозы сульфата алюминия. Кроме того, мутность имеет минимум около
точки (-.3, 0 -.2) на уровне около 25%. Результаты, полученные при
помощи программы EOSuppport, хорошо согласуются с результатами исследователей, изложенными в [6].
Выводы. Программное средство EOSupport планируется в будущем расширить дополнительными возможностями, такими как поддержка ротатабельных планов, планов Бокса-Бенкена, функциями разбиения плана на блоки, вычисления p-значений для проверки гипотез и др. Наряду с улучшением средств визуализации полученных результатов всё это позволит существенно повысить эффективность применения EOSupppot.
1. Адлер Ю.П. Планирование эксперимента при поиске оптимальных условий / Ю.П. Адлер, Е.В.Маркова, Ю.В.Грановский. - М.: Наука, 1976.
2. Ахназарова С.Л. Оптимизация эксперимента в химии и химической технологии. / С.Л. Ахназарова, В.В.Кафаров. - М.: Высшая школа, 1978.
Материал поступил в редакцию 26.02.08.
V. V. VOLKOV DESIGN OF EXPERIMENTS AND ANALYSIS OF THEIR RESULTS USING EOSUPPORT SOFTWARE
This article introduces a computer program EOSupport (Experimental Optimization Support) written by the author which helps to design experiments, process experimental data, calculate regression coefficients and compute statistical cri-terias for testing experimental results. The article also contains results of two successfully solved with EOSupport typical optimization problems.
ВОЛКОВ Виталий Витальевич (р.1984), аспирант (научный рук. Р.В.Ней-дорф) первого года обучения кафедры «ПОВТ и АС» ДГТУ. Окончил ДГТУ по специальности «Программное обеспечение ВТ и АС» в 2007 году. Область научных интересов: теория управления, планирование эксперимента, языки программирования, базы данных.
- Вас Кузьмой зовут?
- Кузенькой, можно Кузькой, маленький я ещё, семь веков всего, восьмой пошел.
Из м/ф "Домовенок Кузя"
Первокурсник что ли?А коэффициенты Стьюдента ещё не проходили? sex, drinks and rock-n-roll
Festina lente.
1024 МегаПевта равны одному ГигаПевту, 1024 ГигаПевта равны 1 ТераПевту. Лекарь МС, можно у вас пройти курсы повышения самооценки и критического отношения к окружающим? К сожалению нет.
Да и зачем? Всё описано в учебниках и специальной литературе. sex, drinks and rock-n-roll
Festina lente.
1024 МегаПевта равны одному ГигаПевту, 1024 ГигаПевта равны 1 ТераПевту.
конечно не проходили:):):). Если уважаемый Лекарь считает что прога не нужная, то пускай скажет как решать подобные проблемы.
[ Post made via Android ]
- Вас Кузьмой зовут?
- Кузенькой, можно Кузькой, маленький я ещё, семь веков всего, восьмой пошел.
Из м/ф "Домовенок Кузя"
У меня очень нехорошее отношение к методам планирования эксперимента. Ибо там все подгоняется под некую изначально заданную функцию, без малейшего сомнения, что она точно опишет эксперимент. Хотя, для отсечения неких влияющих (а может, и нет) факторов сия методика может быть полезной. himdim2012 писал(а): Написали программу для планирования эксперимента Написали, так выкладывайте первую (демо) версию, будем всем гуртом опробовать и ругать/хвалить sex, drinks and rock-n-rollFestina lente.
1024 МегаПевта равны одному ГигаПевту, 1024 ГигаПевта равны 1 ТераПевту. sex, drinks and rock-n-roll
Festina lente.
1024 МегаПевта равны одному ГигаПевту, 1024 ГигаПевта равны 1 ТераПевту.
Кратко по предыдущим постам:
1.MONSTA, функцию программа вычисляет исходя из данных пользователя, а пользоваться ей или нет решать вам, учитывая её погрешность. Реализованная в программе методика позволяет сократить число экспериментов. Как и любой метод он имеет определенную погрешность, насколько ей можно пренебречь сэкономив время и ресурсы решать каждому самому.
2. chemist, выложить пока не могу т.к. програмисты ещё оформляют документы на неё и доделывают интерфейс.
3. Лекарь МС, можно конечно и на счетах все считать, но человек зачем-то придумал компьютер и калькулятор, наверно просто так )))), как говорится дело вкуса. От банальной статобработки отличается тем, что позволяет уменьшить количество экспериментов обеспечивая их статистическую равноценность. Про отбрасывание ошибочных измерений ответственен пользователь который вводит данные.
Прога реализована на С++.
- Вас Кузьмой зовут?
- Кузенькой, можно Кузькой, маленький я ещё, семь веков всего, восьмой пошел.
Из м/ф "Домовенок Кузя"
Если человек "как бы" придумал компьютер, то я не понимаю, зачем писать прогу на Си, если это всё элементарно считается в Excel.
Тем более, что это всё считалось "на бумажке" и результаты так же сортировались вручную задолго до компьютеров.
Как это нравилось преподам, когда результаты статобработки выдаются через "пять минут".
Пока вы вносите данные в прогу, я уже выдаю результат.
А как реализовано в проге распознавание линейной зависимости или экспоненциальной?
Кстати, те, кому нужна эта прога, уже всё давно умеют считать или "на бумажке", или в Excel-е.
А кто не умеет считать - тому и не надо.
Как много ещё сырого в вашей проге.
Festina lente.
1024 МегаПевта равны одному ГигаПевту, 1024 ГигаПевта равны 1 ТераПевту. Мне тоже непонятно, зачем нужна ещё одна программа для обсчёта статистики ? Тем более - с закрытыми исходниками. Чего там программисты накосячили, сам чёрт не разберёт. Для мало-мальски серьёзных вещей используются UNIX way- программы, многие из которых написаны ещё в 70-80-е годы прошлого века, они проверены десятилетиями, код открыт, их Linux- версии компонуются в специальные дистрибутивы. А для студентов и любителей есть Exсel. Что ещё надо?
Отличие проги от аналогичных, использование теории латинских квадратов при планировании экспериментов с последующим регресионным анализом. А я вот не встречал прог с использованием латинских квадратов, лично мне этот алгоритм нравиться, может не там искал?
Распознование производистя выводом регрессионных уравнений и выбором оптимиалььной по наименьшей погрешности.
Как говорится дело вкуса на чем считать на бумажке, ехсеle или чем то ещё. Большие массивы данных на
бумажке не посчитаешь.
[ Post made via Android ]
- Вас Кузьмой зовут?
- Кузенькой, можно Кузькой, маленький я ещё, семь веков всего, восьмой пошел.
Из м/ф "Домовенок Кузя"
Если искали в Windows, значит не там
Гесс, в армии служили?
sex, drinks and rock-n-rollFestina lente.
1024 МегаПевта равны одному ГигаПевту, 1024 ГигаПевта равны 1 ТераПевту. Нет, а что?
Годен в условиях военного времени к рытью окопов.
- Вас Кузьмой зовут?
- Кузенькой, можно Кузькой, маленький я ещё, семь веков всего, восьмой пошел.
Из м/ф "Домовенок Кузя"
himdim2012 писал(а): Прога жизнеспособна, что было подтверждено использованием на пром. предприятиях. «Тестирование программ может использоваться для демонстрации наличия ошибок, но оно никогда не покажет их отсутствие.» — Дейкстра Э., 1970 г.himdim2012, если не будете внимательно вникать в проблему, то не получите результата.
А я со своей знакомой за чашкой чая как-то обсудил проблему бухучета в с/х.
В двух предложениях это звучало так: как можно посчитать урожай, если ты не знаешь, будет лето дождливым или сухим?
А заложить это всё надо, чтоб понимать на что можно рассчитывать.
Перевожу на язык понятный химикам: что будет в колбе, если в процессе реакции подлили какую-то жидкость, потом часть колбы разрушилась и реакция протекала дальше?
Кому нужно планирование такого эксперимента?
Вот и намекают вам разными способами про это. И про другое то же.
А если программеры дописывают, то у них должно быть нормальное техзадание, а значит должно быть написано "описалово" для проги: прога умеет то-то и то-то, такими методами, выводит цифрами, графиками, диаграммами.
А не такое общее, как вы нам даёте.
И реально - прогу надо тестировать или, если пролезете, протолкнуть в общегосударственном масштабе.
Тогда и тем открывать не надо с предложением.
Кстати, здесь форум существует "могу, умею". Там не пробовали запостить?
Как там отреагируют на вашего кота в мешке.
Может быстро привить в человеке уверенность в себе и своих силах, критический анализ ситуации. Это если семьёй не привито.
Учитывая то, что туда перестали брать студентов, должно возникнуть желание ответить на вопрос - всегда ли перед тобой адекватный человек?
Сейчас похоже остаётся самоанализ и самоисправление. Осознание ведь есть?
Читайте также: