- •Часть 2
- •Лекция 7
- •7.1. Системы случайных величин. Функция и плотность
- •7.2. Стохастическая связь. Ковариация. Коэффициент корреляции. Регрессия
- •7.3. Выборочный коэффициент корреляции.
- •7.4. Приближенная регрессия.
- •Лекция 8
- •8.1. Линейная регрессия от одного параметра
- •8.2. Регрессионный анализ
- •8.2.1. Проверка адекватности приближенного уравнения
- •8.2.2. Оценка значимости коэффициентов
- •8.2.3. Оценка доверительного интервала
- •8.3. Оценка тесноты нелинейной связи
- •8.4. Аппроксимация. Параболическая регрессия
- •8.5. Приведение некоторых функциональных зависимостей
- •8.6. Метод множественной корреляции
- •Лекция 9
- •9.1. Задачи дисперсионного анализа.
- •9.2. Двухфакторный дисперсионный анализ
- •Исходные данные для двухфакторного дисперсионного анализа
- •Лекция 10
- •10.1. Планирование эксперимента при дисперсионном анализе
- •Полный факторный эксперимент 23
- •2 X 2 латинский квадрат
- •План дфэ по схеме латинского квадрата 2 X 2
- •10.2. Постановка задачи при планировании экстремальных экспериментов
- •10.3. Полный факторный эксперимент типа 22: матрица
- •Полный факторный эксперимент 22
- •Матрица планирования пфэ типа 22 с фиктивной переменной
- •Расширенная матрица планирования пфэ типа 22
- •11.1. Матрица планирования полного факторного
- •Полный факторный эксперимент 23
- •Расширенная матрица планирования пфэ типа 23
- •11.2. Проверка значимости коэффициентов и адекватности
- •Матрица планирования пфэ 23 в условиях линейной модели с одинаковым числом параллельных опытов
- •11.3. Дробный факторный эксперимент. Планы типа 2k-1
- •Матрица планирования дфэ типа 23-1
- •12.1. Оптимизация методом крутого восхождения
- •12.2. Описание функции отклика в области, близкой
- •Матрица планирования пфэ 32
- •12.3. Ортогональные планы второго порядка,
- •Значения 2 для k факторов и n0 опытов в центре плана
- •Ортогональный план второго порядка для двух факторов
- •12.4. Метод последовательного симплекс-планирования
12.3. Ортогональные планы второго порядка,
расчет коэффицентов уравнения регрессии
Выбор звездного плеча в композиционных планах Бокса–Уилсона может быть произвольным, однако расчеты коэффициентов уравнения регрессии при k < 5 существенно упрощаются, если величина плеча определяется исходя из следующего уравнения:
. (12.12)
Значения 2, определенные по (12.12), приведены в табл. 17.
Таблица 17
Значения 2 для k факторов и n0 опытов в центре плана
n0 |
k |
|
n0 |
k |
||||
2 |
3 |
4 |
|
2 |
3 |
4 |
||
1 |
1.00 |
1.476 |
2.00 |
|
6 |
1.742 |
2.325 |
2.950 |
2 |
1.160 |
1.650 |
2.164 |
|
7 |
1.873 |
2.481 |
3.140 |
3 |
1.317 |
1.831 |
2.390 |
|
8 |
2.00 |
2.633 |
3.310 |
4 |
1.475 |
2.00 |
2.580 |
|
9 |
2.113 |
2.782 |
3.490 |
5 |
1.606 |
2.164 |
2.770 |
|
10 |
2.243 |
2.928 |
3.66 |
Выбрав , проведем следующее линейное преобразование квадратичных столбцов:
. (12.13)
Композиционные планы, полученные таким образом, называются ортогональными планами второго порядка.
Ортогональный план второго порядка при k = 2 и n0 = 1 представлен в табл. 18. За его основу взят композиционный план для двух факторов (табл. 16) с общим числом опытов N = 9. Величину звездного плеча определим по табл. 17: 2 = 1, = 1. Средние значения элементов квадратичных столбцов в табл. 16 равны
. (12.14)
В математической статистике доказывается, что для ортогональных планов второго порядка все коэффициенты уравнения регрессии определяются независимо друг от друга по формуле
, (12.15)
а дисперсии коэффициентов равны
. (12.16)
Таблица 18
Ортогональный план второго порядка для двух факторов
№ опыта |
|
|
|
|
|
|
y |
1 |
+1 |
+1 |
+1 |
+1 |
+1/3 |
+1/3 |
y1 |
2 |
+1 |
+1 |
–1 |
–1 |
+1/3 |
+1/3 |
y2 |
3 |
+1 |
–1 |
–1 |
+1 |
+1/3 |
+1/3 |
y3 |
4 |
+1 |
–1 |
+1 |
–1 |
+1/3 |
+1/3 |
y4 |
5 |
+1 |
+ |
0 |
0 |
+1/3 |
–2/3 |
y5 |
6 |
+1 |
– |
0 |
0 |
+1/3 |
–2/3 |
y6 |
7 |
+1 |
0 |
+ |
0 |
–2/3 |
+1/3 |
y7 |
8 |
+1 |
0 |
– |
0 |
–2/3 |
+1/3 |
y8 |
9 |
+1 |
0 |
0 |
0 |
–2/3 |
–2/3 |
y9 |
Для определения дисперсии воспроизводимости необходимо выполнить серию опытов в центре плана. В результате расчетов по матрице с преобразованными столбцами для квадратичных эффектов (табл. 18) получаем следующее уравнение:
. (12.17)
Чтобы перейти к обычной записи уравнения регрессии в виде
, (12.18)
определим b0 по формуле
(12.19)
с дисперсией, равной
. (12.20)
Значимость коэффициентов проверяется по критерию Стъюдента. Если
, (12.21)
где tp(f ) — табличное значение критерия Стъюдента для р = 0,05 и числа степеней свободы дисперсии воспроизводимости, то коэффициент значимо отличается от нуля.
Коэффициенты уравнения регрессии, получаемые при помощи ортогональных планов второго порядка, определяются с разной точностью. В случае, когда k 4, согласно (12.16) имеем
;
;
; (12.22)
.
После исключения незначимых коэффициентов проводится проверка адекватности уравнения по критерию Фишера. Уравнение адекватно эксперименту, если
, (12.23)
где F1-p (fад, fвоспр) — критерий Фишера для р = 0,05; fад = N – l — число степеней свободы дисперсии адекватности (l — число значимых коэффициентов в уравнении регрессии); fвоспр — число степеней свободы дисперсии воспроизводимости.
