24.Первичная обработка экспериментальных данных

Первичная обработка экспериментальных данных включает: 1) исключение резко выделяющихся (выскакивающих, аномальных) экспериментальных данных; 2) статистическую проверку случайности и независимости результатов измерений (испытаний); 3) определение числовых характеристик случайных величин: среднего, дисперсии или среднего квадратического отклонения, коэффициента вариации и вида распределения случайных величин, а также определение точности и надежности этих характеристик; 4) определение вида распределения ординат реализации стационарной эргодичной случайной функции, корреляционной функции, спектральной плотности и градиента неровноты, определение точности и надежности этих характеристик; 5) проверку воспрвизводимости процесса; 6) проверку стационарности процесса и определение скрытых периодичностей и наличия дрейфа (тренда) экспериментальных данных.

25.Планирование эксперимента. Классический и факторный математический методы планирования эксперимента

Математическая модель, получаемая при традиционном планировании эксперимента, описывает объект в широких пределах изменения факторов, так как число уровней и диапазон изменения их ограничиваются только техническими возможностями осуществления процесса. Для определения значения факторов, соответствующих экстремальному значению функции отклика, используют известные методы классического анализа. Для определения математической модели по данным эксперимента с традиционным планированием требуется проведение большого числа опытов, чтобы обеспечить достаточную точность результатов. При традиционном планировании эксперимента не представляется возможным определить взаимодействие факторов и в оценке коэффициентов регрессии математической модели участвует малая часть опытов. Факторным планированием эксперимента называется такое планирование, при котором одновременно варьируются все факторы. Такое планирование обеспечивает достаточную точность эксперимента при меньшем числе опытов. В математической модели, получаемой на основе эксперимента с факторным планированием, каждый коэффициент регрессии определяется по результатам всех N опытов, поэтому дисперсия его в N раз меньше дисперсии ошибки опыта. Если математическая модель представляет линейное уравнение Y = b0 + b1x1 + b2x2+ • • • + bnxn то для определения его коэффициентов регрессии достаточно провести N = п + 1 опытов и в этом случае дисперсия коэффициента регрессии уменьшается с увеличением числа факторов. При традиционном планировании эксперимента точность оценок коэффициентов регрессии не зависит от числа факторов п. При факторном планировании эксперимента проводится рандомизация опытов, которая позволяет исключить влияние неконтролируемых факторов (неравномерности сырья и входящих продуктов, изменения во времени, т. е. дрейф, параметров, характеризующих объект и др.) и рассматривать их как случайные факторы. Факторное планирование используется при проведении: полного и дробного факторного эксперимента (ПФЭ и ДФЭ), случайно-сбалансированного эксперимента (ССЭ), экстремального эксперимента (ЭЭ), а также в дисперсионном анализе и др. Матрицы и методы статистической обработки экспериментальных данных для каждого из указанных экспериментов имеют свою | специфику