- •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
3.7 Проверка адекватности модели
Проверка адекватности модели проводится по критерию Фишера. Опытное значение критерия Фишера равно отношению остаточной дисперсии (дисперсии адекватности) к дисперсии всего эксперимента (дисперсии воспроизводимости).
Общая дисперсия S2{Y} была вычислена при проверке значимости коэффициентов уравнения регрессии. (S2{Y} = 9,333).
Дисперсия адекватности вычисляется по зависимости
(3.14)
где
- опытные построчные
средние значения функции отклика,
вычисленные по зависимости 3.13 для каждой
строки;
- среднее значение
функции отклика в строке;
d – число значащих коэффициентов в уравнении регрессии после отбрасывания незначащих коэффициентов (в уравнении 3.13).
№ опыта |
Среднее значение |
Расчетное значение |
Квадраты отклонений |
1 |
271,83 |
263,78 |
64,92 |
2 |
330,47 |
334,06 |
12,91 |
3 |
403 |
404,34 |
1,8 |
4 |
358,40 |
469,15 |
115,64 |
5 |
440,7 |
439,44 |
38,39 |
6 |
517,40 |
509,72 |
58,98 |
7 |
550,37 |
542,99 |
54,46 |
8 |
610,67 |
613,27 |
6,78 |
9 |
681,90 |
683,55 |
2,73 |
Сумма
|
356,62 |
||
Опытное значение
критерия Фишера
.
Теоретическое значение критерия Фишера при уровне значимости α = 0,05 и числах степеней свободы k1 = N – d = 6, k2 = N·m – 1 = 26
Fтеор = 2,59
Поскольку опытное значение критерия Фишера больше теоретического значения, модель признается неадекватной. В этом случае, модель оказывается неадекватной, следует проводить более точный эксперимент или использовать другую модель, например, неполную кубическую.
3.8 Переход от кодированных значений переменных к фактическим значениям
(3.15)
Решение в Mathcad
Подставляем вместо х1 – х1н и получаем уравнения:
Y = 0,86168х12 - 18,85556х1 + 70,28х2 + 400,11333 = 0.
Подставляем вместо х2 – х2н и получаем итоговое уравнение:
Y = 0,86168х12 - 18,85556х1 +22,67097х2 + 80,45269 = 0
3.9 Построение графика уравнения регрессии
График желательно строить в пакете MathCAD или MATLAB благодаря удобному механизму вращения графиков.
Пример построения графика Y(x1,x2) в пакете MATLAB:
