资源描述
Click to edit Master title style,Click to edit Master text styles,Second level,Third level,Fourth level,Fifth level,*,*,按一下以編輯母片標題樣式,按一下以編輯母片,第二層,第三層,第四層,第五層,*,數值模擬在抽樣策略最佳化設計之研究,校內專題研究計畫成果報告,題目：,內容大綱,壹、,緣由與目的,貳、文獻探討,參、,研究方法及進行步驟,肆、,結果與討論,伍、,計畫成果自評,陸、結語,對事理或物項的認知通常係透過檢驗（含量測、調查）的方式，以獲得有關的特徵質或量。,理想的方式是全數檢驗（,total inspection,），或稱為,100%,檢驗。,實用的方式是抽樣檢驗，係以少數的樣本（,sample,）來探討整個母體（,population,）的特性。,壹、緣由與目的,如何針對問題找到適用的抽樣策略，實關係著對母體認知的準確或可靠與否,本研究的目的即在運用有系統的規劃方式，以數值模擬為驗證工具，希望對不同的問題形態，各找出其最佳或最適當的抽樣方式，以增進抽樣檢驗應用上的精度與準度。,壹、緣由與目的,抽樣方法的分類：,(,一,),立意抽樣法（,purposive sampling,）：均勻抽樣（,uniform sampling,）與規律性抽樣（,systematic sampling,）,(,二,),隨機抽樣法（,random sampling,）：簡單隨機抽樣（,simple random sampling,）,(,三,),混合抽樣法（,mixed sampling,）：分層隨機抽樣（,stratified random sampling,）與群集抽樣（,cluster sampling,）,(,四,),其他抽樣法（,other sampling,）：漢默斯里序列抽樣法（,Hammersleys sampling method,）、升降抽樣法（,up/downsampling method,）、拉丁高立方抽樣法（,Latin hypercube sampling method,）,貳、文獻探討,SAMPLING STRATEGY DESIGN,General Sampling Strategies,Hammersley Sequence,Feature-based Sample Distribution,Multiple surface features sample distribution,Randomization of the Hammersley Sequence,貳、文獻探討,.,(a)Simple Random Sampling,:,Every possible sample of size n has the same,chance of being selected.,(b)Uniform Sampling,:,Sample of size n are uniformly selected.,(c)Systematic Sampling,:,Randomly select one element from the first,k elements,then every k,th,element thereafter,(1-in-k systematic sample with a random start).,.,N,1,N,2,N,h,(d)Stratified Sampling,:,*as homogeneous as possible within,*as different as possible between,.,N,1,N,2,N,h,(e)Cluster Sampling,:,*as heterogeneous as possible within,*as alike as possible between,(f)Latin Hypercube Sampling,:,*generate n random number in n-by-n grids,*order them into p,i,for i=1 to n,*pick the(i,p,i,)grid and select a random point,(g)Up/downsampling,:,*downsampling lattice represents separable by,three in both dimensions,*upsampling one is“quincunx”,Downsampling,Upsampling,3 0,0 3,2 1,0 1,6 3,0 3,Y,X,0.0,0.0,0.2,0.4,0.6,0.8,1.0,0.2,0.4,0.6,0.8,1.0,Distribution of N=10 Hammersley points,(h)Hammersley Sequence,:,抽樣策略之系列探討,(,一,),在任何的量測過程中，抽樣策略的選擇可能是產生量測不確定性或誤差的主要來源，因為過程中模式或演算法內所使用的分析資料，只是抽到的樣本部分，而任何存在於未抽到的樣本之有價值的訊息便無法被反映出來。,參、研究方法及進行步驟,抽樣策略之系列探討,(,二,),本研究的目的即在運用有系統的規劃方式，以數值模擬為驗證工具，希望對不同的問題形態，各找出其最佳或最適當的抽樣方式，以增進抽樣檢驗應用上的精度與準度。,參、研究方法及進行步驟,The Surface Areas and Specified Measuring Points of the Test Part,A,1,A,2,A,3,A,5,A,4,A,6,specified measuring point,X,Y,Z,part zero,Multiple Surface,(1)Surface Areas:,A,1,=14784.2 mm,2,;,A,2,=16894.6 mm,2,;,A,3,=20071.2 mm,2,;,A,4,=2000.8 mm,2,;,A,5,=1819.4 mm,2,;,A,6,=9120.7 mm,2,;,Multiple Surface,(2)The Ratio of Standard Deviations:,s,1,:,s,2,:,s,3,:,s,4,:,s,5,:,s,6,=,1:1.2:1:1.1:1.1:1.8,(4)The Neyman Allocation Algorithm:,n,1,:n,2,:n,3,:n,4,:n,5,:n,6,=,12:16:16:2:2:12,(3)The Total Sample Size:,n=60,The Cartesian Coordinates of the Six Features,Multiple Surface,參、研究方法及進行步驟,計畫進行步驟,肆、結果與討論,為切合實際及提昇未來之實用價值，本研究按進行之步驟，先行仿真模擬出本校學生之各項基本資料母體，計有十六個系，每系四個年級，每年級三個班，每班五十人，完成之母體總合為,9,600,筆資料。每一筆資料並包含七個項目,(k=7),，如性別、身體重、籍貫、政黨屬別、家庭年收入、及家庭總財產等。各資料項目的產生方式彙整,如表一所示,。,肆、結果與討論,表一,：,母體之各項基本資料產生方式,資料項目,隨機變數,X,的產生方式,性別,F,0.5,為男生，餘為女生,身高,男生則,XN(168,25),，女生則,XN(155,16),體重,男生則,XN(63,25),，女生則,XN(45,9),籍貫,F,0.4,為本地，餘為外地,黨別,F,0.3,為甲黨，餘為他黨,年收入,平分為,N(20,9),，,N(50,16),，,N(60,16),，,N(100,25),，,N(250,100),等五級,總財產,設為,=500,的指數分配，,X=500*ln(1-F),註,：,F,為累積分配函數,，,本身具均勻分配,，,可藉亂數方式產生,。,肆、結果與討論,透過,MATLAB,軟體的撰寫與應用，產生之母體資料彙整,如表二所示,。其中，性別、籍貫與政黨屬別屬伯努利型,(,或二項,),分佈，身高、體重與家庭年收入屬常態型分佈，家庭總財產則是指數型分佈。,肆、結果與討論,表二：母體之各項基本資料產生方式,資料,項目,第,1,筆,第,2,筆,第,3,筆,第,9600,筆,性別,女,男,女,男,身高,(cm),153.27,169.44,159.76,164.04,體重,(kg),40.00,57.27,44.89,70.13,籍貫,本地,它地,本地,它地,黨別,其它,其它,其它,其它,年收入,(,萬,),60.50,23.57,101.64,57.67,總財產,(,萬,),19.15,1160.0,723.73,303.51,肆、結果與討論,本研究以,均勻抽樣,、,簡單隨機抽樣,、及,分層隨機抽樣,等方式，,配合抽樣個數,n=10,、,50,及,100,個,，與,模擬次數,ns=10,、,50,、,100,、,500,、及,1000,次等情形,，探討其中各項組合的,總絕對誤差值,(MAE),與,總均方根誤差值,(RMSE),，,由而決定出最佳的抽樣策略與方式，兩個誤差指標均愈小愈好。,肆、結果與討論,經過實驗設計的系統化模擬，,三種抽樣方式,x,三種樣本大小,x,五種模擬次數，共,45,種組合情形，,並以,IMAE,及,IRMSE,兩種值分別呈現。其分析之結果,彙整如表三,，因其中之,IMAE,及,IRMSE,兩種指標走勢相當雷同，故往後的分析將僅以,IRMSE,指標為主。另為易於分析，表三之結果分別以,n,或,ns,的分類方式繪如,圖二中之,(a),與,(b),。,其中,(a),的部分可看出樣本數愈多誤差愈小。,肆、結果與討論,表三：各種組合情形的模擬結果分析,肆、結果與討論,圖二：各種組合情形的,IRMSE,模擬結果分析,(a),肆、結果與討論,圖二：各種組合情形的,IRMSE,模擬結果分析,(b),肆、結果與討論,若綜合,(a),與,(b),之結果，可進一步推論出三種抽樣方式中，簡單隨機抽樣與分層隨機抽樣的分析結果不分軒輊，而均勻抽樣則為較差的抽樣方法。,整體而言，對類似本校學生之各項基本資料母體的個案來說，當樣本數,n50,時，以簡單隨機或分層隨機作為抽樣方法均屬理想的選擇，而均勻抽樣一般產生的誤差變化較大，也易受模擬次數的大小之影響。,伍、計畫成果自評,本計劃完全依照原計畫步驟進行，預期之目標約均悉數達成，研究的成果將適合在本校期刊或相關研討會上發表。其應用價值並已在本系四技同學之畢業專題上做了展現。專題中選用了本研究所提之最適合的抽樣方式，運用在本校相關交通環境作為對本校學生有何隱藏性影響變數，及是否會影響學生選擇就讀本校的意願程度等真實的議題探討上，並且發揮了一定的功效。,陸、結語,運用數值模擬方法與實驗設計方法之結合方式，有系統且有效率的規劃與探討各種量測組合狀況下之誤差現象與抽樣策略的優缺與影響結果。,以本校學生及其基本資料為藍本，完成模擬的母體資料，並以,MATLAB,完成上述各項分析之程式撰寫，程式並經,n=9000,的驗正測試無誤。,谢谢观看,/,欢迎下载,BY FAITH I MEAN A VISION OF GOOD ONE CHERISHES AND THE ENTHUSIASM THAT PUSHES ONE TO SEEK ITS FULFILLMENT REGARDLESS OF OBSTACLES.BY FAITH I BY FAITH,
展开阅读全文