
- •Ортогональное планирование первого порядка
- •1.1 Определяем вид математической модели процесса
- •1.6 Проверяем однородность дисперсии эксперимента
- •Вычисляем коэффициент уравнения регрессии
- •1.8 Статистическая оценка значимости коэффициентов регрессии
- •1.9 Проверка математической модели на адекватность
- •Поиск области экстремума
- •3 Ортогональное планирование второго порядка
- •3.1 Составляем матрицу плана
- •3.3 Вычисление значений сумм в столбцах
- •3.4 Проверка воспроизводимости эксперимента
- •3.5 Вычисление коэффициентов модели
- •3.6 Статистическая оценка значимости коэффициентов модели
- •3.7 Проверка адекватности модели
- •3.9 Построение графика уравнения регрессии
- •3.10 Определение экстремума уравнения регрессии
3.4 Проверка воспроизводимости эксперимента
То обстоятельство, что в каждой точке плана проводилось одинаковое количество опытов (в нашем случае – три), позволяет проверить однородности дисперсия. Для этого используется критерий Кохрена.
Применение этого
критерия состоит в вычислении опытного
значения критерия, который представляет
собой отношение максимальной дисперсии
в строке к сумме дисперсий во всех
строках. Дисперсии
вычисляются для
значений опытов уі
в каждой
строке плана.
Затем
вычисляется сумма дисперсий
во всех строках,
определяется максимальное значение
дисперсии, которое делится на сумму
дисперсий. В нашем примере
(3.6)
Теоретическое значение критерия находят по таблице приложения 1 для принятого значения уровня значимости α (обычно α = 0,05), числа степеней свободы k1 = m - 1, и числа строк N. В нашем примере число параллельных опытов
m = 3, k1 = 3 – 1 = 2, N = 9.
По таблице приложения
1 находим
0,4775.
Поскольку опытное значение критерия Кохрена оказалось меньше теоретического, гипотеза об однородности дисперсий замера значений функции отклика не отвергается.
3.5 Вычисление коэффициентов модели
Значения коэффициентов модели определяются по аналогии с моделью первого порядка:
(3.7)
с той лишь разницей, что знаменатель для различных коэффициентов имеет различное значение и для рассматриваемого примера составляет:
9,
6, 6, 2, 2, 4.
(3.8)
Для рассматриваемой задачи формулы определения коэффициентов модели имеют вид:
(3.9)
Таким образом, уравнение математической модели примет вид
(3.10)
3.6 Статистическая оценка значимости коэффициентов модели
Для статистической оценки значимости коэффициентов модели обычно составляется таблица, в которой сравниваются абсолютные значения коэффициентов сравниваются с величинами доверительных интервалов разброса коэффициентов. Для этого вычисляется дисперсия всего эксперимента как усредненное значение дисперсий по всем строкам (см. п. 1.1.8)
(3.11)
Вычисления производятся в электронной таблице.
В нашем примере
Среднеквадратичное отклонение для всего эксперимента
По таблице для критерия Стьюдента (приложение 2) при уровне значимости α = 0,05 и числе степеней свободы f2 = N·m – 1 = 9·3 – 1 = 26 находим значение критерия Стьюдента t = 2,056.
Среднее квадратическое отклонение коэффициента модели
(3.12)
Значения
определены в таблице 34
Результаты вычислений заносим в табл. 3.5
Таблица 3.5 – Статистическая оценка значимости коэффициентов модели
Коэффи- циент модели |
Численное значение коэффи- циента |
|
Среднее квадратичное отклонение коэффициента
|
Величина полуинтервала разброса коэффициента
|
Сравнение
|
B1 |
139,61 |
6 |
2,759 |
5,673 |
139,61>5,673 |
B2 |
70,283 |
6 |
2,759 |
5,673 |
70,283>5,673 |
B11 |
34,228 |
2 |
4,779 |
9,825 |
34,228>9,825 |
B22 |
1,561 |
2 |
4,779 |
9,825 |
1,561<9,825 |
B12 |
0,092 |
4 |
3,379 |
6,948 |
0,092<6,948 |
B0 |
439,44 |
9 |
2,253 |
4,632 |
439,44>4,632 |
Окончательно уравнение регрессии имеет вид
(3.13)