- •Введение.
- •Формат исходных статистических данных
- •Статистические методы обработки экспериментальных данных
- •2.1. Задание 1. Определение ошибки воспроизводимости эксперимента.
- •2.2. Задание 2 Дисперсионный анализ результатов эксперимента.
- •2.3. Задание 3. Оценка линейной корреляции экспериментальных данных
- •Задание 4. Выполнение регрессионного анализа линейной по параметрам модели.
- •2.5 Задание 5. Регрессионный анализ линейный по параметрам нелинейной модели.
- •Варианты заданий к контрольной работе.
- •Учебники и монографии.
- •Учебные пособия.
- •Программы по статистике.
2.2. Задание 2 Дисперсионный анализ результатов эксперимента.
Цель: Определить степень детерминации объекта исследования.
Будем
исходить из основного дисперсионного
тождества:
,
т.е. сумма
квадратов отклонений результатов
эксперимента
от общего среднего
распадается на межгрупповую
и
внутригрупповую
составляющие. Формулы расчета
,
,
и оценки получаемых дисперсий
с учетом соответствующих для них степеней
свободы
,
где
,
число
групп,
число данных в
группе,
сведены для удобства выполнения
дисперсионного анализа в общую таблицу:
Источник рассеяния |
Число степеней свободы |
Сумма квадратов отклонений |
Оценка дисперсии |
Между уровнями |
|
|
|
Внутри уровней |
|
|
|
Суммы |
|
|
|
Общее
среднее
для всех значений
определим по исходным данным или по
данным табл.1 (строка групповых средних
).
Для
удобства и наглядности дальнейших
вычислений составим табл.2, в которой
представим квадраты исходных данных,
а также квадраты средних значений в
-группах.
Тогда удобно будет контролировать
нужные суммы в строке, выделив для них
последний столбец этой таблицы.
Таблица 2.
Квадраты исходных значений и квадраты средних
Квадраты значений |
Значения уровней факториального признака Х |
Суммы |
||||||||
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
|||
Квадраты откликов |
|
73,96 |
33,64 |
25 |
7,84 |
3,24 |
5,76 |
12,96 |
9 |
171,40 |
|
54,76 |
46,24 |
12,96 |
3,24 |
1,96 |
1,44 |
9 |
17,64 |
147,24 |
|
|
60,84 |
29,16 |
10,24 |
10,24 |
9 |
2,56 |
4,84 |
21,16 |
148,04 |
|
|
77,44 |
38,44 |
17,64 |
16 |
6,76 |
7,84 |
14,44 |
5,76 |
184,32 |
|
|
67,24 |
43,56 |
29,16 |
4,84 |
4 |
4 |
3,24 |
12,96 |
169,00 |
|
Суммы
|
334,3 |
191,1 |
95,00 |
42,16 |
24,96 |
21,6 |
44,48 |
66,52 |
820,00 |
|
Квадраты
средних
|
66,59 |
37,95 |
18,32 |
7,84 |
4,666 |
4 |
8,295 |
12,68 |
160,323 |
|
Сумму
квадратов средних значений в
-
группах определим по данным табл.2,
просуммировав элементы последней
строки:
Сумму
квадратов всех значений
определим по данным табл.2 , просуммировав
элементы последнего столбца (не включая
собственно сумму, равную 820, и элемент
последнего результата 160,3232).
.
Примечание.
Проверить правильность вычисления
суммы
можно используя
Теперь
выполним основные расчеты для
дисперсионного анализа: Определим суммы
квадратов отклонений
и соответствующие им оценки дисперсий
.
;
;
.
.
Указание
Обязательно следует проверить выполнение
основного дисперсионного тождества:
,
т.е. 180=161,616+18,384, а также тождества для
степеней свободы
,
т.е. 39=7+32.
Степень
детерминации объекта исследования
определяется корреляционным отношением:
- это доля влияния факториального
признака
на результативный признак
,
т.е. 89,79 % Аналогично определяется доля
воздействия на объект случайных
возмущений (доля «чистой» ошибки):
.
При этом
Достоверность
полученного вывода проверяется по
-
критерию Фишера. Эмпирический
,
т.е. на уровне значимости
подтверждается гипотеза о значиом
влиянии (89,79 %) факториального признака
на результативный признак объекта
исследования. На следующем этапе нужно
подобрать модель
,
которая наилучшим образом объясняла
бы полученные в эксперименте данные и
чтобы остаточная сумма квадратов, равная
.
Поиск зависимости целесообразно начинать с линейной модели, используя корреляционные и регрессионные методы анализа.
