- •Планирование эксперимента
- •Регрессионный анализ для ортогональных двухуровневых планов
- •Основной эксперимент, планы первого порядка
- •Построение матрицы планирования.
- •Основное преимущество факторного эксперимента
- •Алгоритм расчета полного факторного эксперимента типа 2n
- •1. Построение матрицы планирования
- •2. Расчет коэффициентов уравнения регрессии (линейная форма).
- •3. Расчет ошибки опыта (дисперсии воспроизводимости).
- •4. Принятие решений.
- •5. Проверка значимости коэффициентов регрессии.
- •6. Принятие решений.
- •7. Проверка адекватности линейного уравнения регрессии.
- •8. Принятие решений.
- •Приложение 1 Процентные точки распределения
- •Процентные точки распределения Стьюдента
Основное преимущество факторного эксперимента
Основное преимущество факторного эксперимента заключается в том, что в эксперименте варьируются одновременно все факторы. Это приводит к тому, что дисперсия в оценке коэффициентов регрессии оказывается в N раз меньше ошибки опыта.
При классическом подходе эксперименты ставятся в определенной последовательности: все факторы фиксируются на некотором уровне, а один фактор переводят на другой уровень. Затем это повторяют для другого фактора. В оценке каждого из коэффициентов уравнения участвует только какая-то часть опытов.
Рассмотрим пример двух факторов и классический подход в экспериментировании.
Результаты эксперимента представлены в табл. 3.
Таблица 3. Неоптимальная схема эксперимента для двух факторов
опыты |
x0 |
x1 |
x2 |
y |
1 |
+1 |
+1 |
+1 |
y1 |
2 |
+1 |
+1 |
-1 |
y2 |
3 |
+1 |
-1 |
+1 |
y3 |
Каждый коэффициент уравнения определяют по двум точкам:
с дисперсией где — ошибка опыта.
При использовании факторного эксперимента следует поставить четыре опыта, т. е. реализовать ПФЭ 22. Коэффициенты уравнения определяют по результатам четырех опытов и дисперсия будет равна:
.
Точность проведения эксперимента в этом случае вдвое выше. Для достижения такой точности при классическом подходе необходимо опытов. Еще более показательна эта особенность факторного эксперимента при большом количестве факторов. Так, при числе факторов n = 7 воспользуемся частью (1/16) ПФЭ 27, поставив всего 8 опытов, как и при классическом подходе. Однако дисперсия в оценке коэффициентов уравнения в этом случае будет
против той же, что и ранее . Для такой же
высокой точности при классическом подходе следует поставить 8 • 4 = 32 опыта.
Достоинства ПФЭ:
независимость дисперсии переменной состояния от вращения системы координат в центре плана;
одинаковую и минимальную дисперсию коэффициентов регрессии;
независимость определения коэффициентов регрессии друг от друга;
простоту в вычислениях коэффициентов.
Последние дна свойства ПФЭ молено оценить па конкретном примере, используя понятия матричной алгебры (см. приложение 2).
Рассмотрим план типа ПФЭ 22 (см. табл.1), для которого X – матрица факторов и Y – столбец наблюдений имеет вид:
Найдем произведение матриц:
Система нормальных выражений записывается:
(10)
(11)
Решение системы в общем виде
(12)
Или для конкретного примера:
(13)
Из выражения (13) видно, что свободный член уравнения регрессии b0 равен среднему арифметическому всех значений выходной переменной (х0 = 1), а b1 и b2, находят как среднее алгебраической суммы yu со знаками столбца х1 или х2. Простота расчета коэффициентов уравнения регрессии не вызывает сомнения. Ясно также, что вычеркивание или добавление столбцов xi не меняет расчет других коэффициентов, т. е. коэффициенты регрессии определяются независимо друг от друга.
Расчет коэффициентов уравнения.
Таблица 4. План ПФЭ23
опыты |
x1 |
x2 |
x3 |
y |
1 |
+1 |
+1 |
+1 |
y1 |
2 |
-1 |
+1 |
+1 |
y2 |
3 |
+1 |
-1 |
+1 |
y3 |
4 |
-1 |
-1 |
+1 |
y4 |
5 |
+1 |
+1 |
-1 |
y5 |
6 |
-1 |
+1 |
-1 |
y6 |
7 |
+1 |
-1 |
-1 |
y7 |
8 |
-1 |
-1 |
-1 |
y8 |
Реализация матрицы планирования. После построения матрицы планирования приступают непосредственно к эксперименту. Обычно матрицу планирования представляют в виде, удобном для реализации опытов — все кодированные значения факторов заменяют натуральными. Такую матрицу планирования называют рабочей. В рабочую матрицу также заносят время проведения опытов, значения ограничительных переменных и некоторые временные изменения в анализируемых пробах. Такая подробность в описании условий эксперимента очень часто бывает полезной в принятии решений о достоверности тех или иных опытов, о влиянии систематических ошибок и др.
Поскольку на изменение выходной переменной влияют помехи, план чаще всего реализуют несколько раз, получая m параллель- пых значений переменной состояния. Первоначальное число m выбирают по результатам предварительного эксперимента или с помощью специально поставленных опытов, оценивающих их воспроизводимость.
Для того чтобы избежать появления некоторой неслучайной связи между реализациями каждого эксперимента или серии экспериментов, рекомендуется, опыты рандомизировать во времени. Здесь рандомизация предполагает случайное расположение или случайную реализацию плана эксперимента.
Появление и влияние неслучайной составляющей в опытных данных можно показать на следующем примере.
Пример 2. В табл. 4 приведена матрица ПФЭ 23, полученная с помощью уже описанного приема (см. табл. 3): два раза повторяется план 22 — один раз на верхнем уровне фактора х3, другой раз — на нижнем.
Предположим, что четыре опыта реализуются в первый день, а остальные — во второй день. Предположим также, что условия опытов в эти дни отличались друг от друга на некоторую ошибку (например, сбился нуль измерительного прибора). Тогда при подсчете b3 получается:
Таблица 5. Последовательность случайных чисел
№п/п |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
Рандомизированные опыты |
05 |
02 |
03 |
07 |
06 |
01 |
08 |
04 |
где — истинное значение коэффициента при х3. Таким образом, значение b3 искажается. Отметим, что на b1 и b2 не влияет.
Рандомизация обычно проводится следующим образом. В таблице случайных чисел из любого столбца выбирают числа в порядке их следования от 1 до N. Если матрица предполагает параллельные опыты, то тогда количество случайных чисел возрастает от 1 до mN, т. е. нумеруются не только строки матрицы, но и параллельные опыты. Каждое число от 1 до N или mN из таблицы случайных чисел берут только один раз.
Для рассматриваемого примера в таблице случайных чисел были выбраны числа от 1 до 8 в последовательности, которая приведена в табл. 5. Это значит, что опыт № 1 в матрице планирования («+1, +1,+1, табл. 5) реализуется пятым по порядку, опыт № 6 («—1, +1, —1») реализуется первым и т. д.