- •Математические методы планирования экспериментов в биотехнологии Федеральное агентство по образованию
- •Математические методы планирования экспериментов в биотехнологии
- •Введение
- •1. Накопление и обработка научно-технической информации
- •1.1. Научные произведения и их особенности
- •1.2. Государственная система научно-технической информации
- •1.3. Работа с литературой
- •1.4. Патентная информация и ее особенности
- •1.5. Рекомендации по оформлению библиографического описания
- •1.6. Рекомендуемые научно-технические издания
- •1.6.1. Издания для технологов пищевых производств
- •1.6.2. Издания для работников хлебопекарного производства
- •1.7. Система технологической документации в пищевой промышленности
- •1.8. Виды технологических документов
- •2. Организация самостоятельной и научно-исследовательской работы студентов
- •2.1. Основы организации самостоятельной работы
- •2.1.1. Уровни самостоятельной работы
- •2.1.2. Виды самостоятельной работы
- •2.1.3. Элементы и виды деятельности при самостоятельной работе
- •2.2. Классификация и организация научно-исследовательской работы
- •2.2.1. Проблема, научное направление и тема нир
- •2.2.2. Классификация и основные стадии нир
- •2.2.3. Основные этапы выполнения нир
- •2.2.4. Уровни внедрения результатов нир
- •2.2.5. Общие требования к отчету по нир
- •2.2.6. Основные стадии нир
- •2.2.7. Организация экспериментального исследования
- •2.2.8. Выбор темы исследования
- •2.2.9. Выбор и описание методики эксперимента
- •2.2.10. Составление рабочего плана исследования и подготовка материальной базы для его проведения
- •2.2.11. Проведение исследования
- •2.2.12. Обработка результатов исследования
- •Изменение химического состава масла в зависимости от времени года
- •3. Cтатистическая обработка результатов научно-исследовательской работы
- •3.1. Ошибки эксперимента
- •3.2. Предварительная обработка результатов эксперимента
- •3.3. Среднеарифметическая величина Среднеквадратичное отклонение
- •3.4. Оценка достоверности разницы между средними арифметическими величинами двух выборочных совокупностей
- •3.5. Определение количества опытов, необходимых для получения результатов с заданной степенью точности
- •3.6. Расчет относительной погрешности любого метода при количественном определении вещества
- •4. Методы математического планирования эксперимента
- •4.1. Анализ результатов экспериментов
- •4.2. Постановка задачи оптимизации
- •4.3. Общие приемы поиска оптимального значения критерия оптимизации
- •4.4. Способы решения задачи оптимизации
- •4.5. Метод Бокса
- •4.5.1. Схема планирования эксперимента
- •Матрица планирования для двух факторов на двух уровнях
- •Матрица планирования для трех факторов на двух уровнях
- •Матрица планирования для четырех факторов на двух уровнях
- •Расширенная таблица для пяти факторов на двух уровнях
- •4.5.2. Метод крутого восхождения
- •4.5.3. Полный факторный эксперимент
- •Матрица планирования эксперимента для описания двухфакторного процесса с учетом межфакторных взаимодействий
- •Матрица планирования эксперимента для описания трехфакторного процесса с учетом всех межфакторных взаимодействий
- •Матрица планирования эксперимента для описания четырехфакторного процесса неполным квадратным уравнением
- •5. Применение математических методов планирования экспериментов при решении задач оптимизации процессов получения пива и выращивания хлебопекарных дрожжей
- •5.1. Оптимизация процесса приготовления пивного сусла
- •План опыта в натуральных и кодированных единицах значений факторов
- •Определение построчных дисперсий
- •Определение квадрата отклонений средних значений, полученных в опыте и определенных по уравнению линейного приближения
- •5.2. Оптимизация питательной среды культивирования пекарских дрожжей
- •План опыта и результаты, полученные при его реализации
- •Определение построчных дисперсий
- •Определение квадрата отклонений средних значений, полученных в опыте и рассчитанных по уравнению (5.4)
- •6. Применение метода крутого восхождения
- •План опыта для четырех факторов на двух уровнях
- •Исходные данные для составления программы крутого восхождения
- •Программа крутого восхождения
- •7. Нахождение оптимальных параметров с помощью эвм
- •7.1. Пример оптимизации процесса приготовления пивного сусла
- •Матрица экспериментальных данных
- •7.2. Пример оптимизации использования питательной среды при культивировании пекарских дрожжей
- •Матрица экспериментальных данных
- •8. Аппроксимация экспериментальных данных
- •Результаты измерений
- •Список литературы
- •Приложения
- •Критерии для исключения выскакивающих значений
- •Критерий Стьюдента для оценки значимости коэффициентов регрессии
- •Значения критерия Фишера для 5 %-го уровня значимости
- •Содержание
- •Математические методы планирования экспериментов в биотехнологии
Определение построчных дисперсий
u |
уul |
∑ (уul)2 |
∑ (уul) |
(∑уul)2 |
S |
|||
1 |
47 |
53 |
50 |
50 |
472+532+502 = 7 518 |
47+53+50 = 150 |
22 500 |
9 |
2 |
42 |
49 |
44 |
45 |
422+492+442 = 6 101 |
42+49+44 = 135 |
18 225 |
12 |
3 |
43 |
36 |
41 |
40 |
432+362+412 = 4 826 |
43+36+41 = 120 |
14 400 |
13 |
4 |
78 |
71 |
61 |
70 |
782+712+612 = 14 846 |
78+71+61 = 210 |
44 100 |
73 |
5 |
76 |
84 |
80 |
80 |
762+842+802 = 19 232 |
76+84+80 = 240 |
57 600 |
16 |
6 |
76 |
80 |
69 |
75 |
762+802+692 = 16 973 |
76+80+69 = 225 |
50 625 |
31 |
7 |
69 |
58 |
65 |
64 |
692+582+652 = 12 350 |
69+58+65 = 192 |
36 864 |
31 |
8 |
82 |
79 |
94 |
85 |
822+792+942 = 20 801 |
82+79+94 = 255 |
65 025 |
62 |
|
|
|
|
|
|
|
|
В результате получим:
;
.
Затем устанавливаем ошибку определения bi по формуле (4.22).
Значение коэффициента Стьюдента следует взять по приложению 2 для члена степеней свободы f = (m – 1) N = (3 – 1) 8 = 16 и уровня значимости 5 % → t = 2,12. Следовательно, коэффициент bijk можно считать значимым, если выполняется следующее неравенство:
Таким образом, все коэффициенты регрессии, кроме b2, b13, b123, значимы и уравнение имеет вид
y = 64 + 5x1 + 12x3 + 8x1x2 – 3x2x3. (5.4)
6. Проверяем, адекватно ли уравнение (5.4) уравнению линейного приближения. Для этого сначала по уравнению (5.4) находим значение выхода y для каждого варианта. В каждом варианте значения уровней факторов x1, x2, x3 берем из матрицы (см. табл. 4.4). Таким образом можно определить (табл. 5.6).
Таблица 5.6
Определение квадрата отклонений средних значений, полученных в опыте и рассчитанных по уравнению (5.4)
yu |
|||
y1 = 64 – 5 – 12 + 8 – 3 = 52 |
50 |
(–2) |
4 |
y2 = 64 + 5 – 12 – 8 –3 = 46 |
45 |
(–1) |
1 |
y3 = 64 – 5 – 12 – 8 +3 = 42 |
40 |
(–2) |
4 |
y4 = 64 + 5 – 12 + 8 +3 = 68 |
70 |
2 |
4 |
y5 = 64 – 5 + 12 + 8 +3 = 82 |
80 |
(–2) |
4 |
y6 = 64 + 5 + 12 – 8 +3 = 76 |
75 |
(–1) |
1 |
y7 = 64 – 5 + 12 – 8 – 3 = 60 |
64 |
4 |
16 |
y8 = 64 + 5 +12 + 8 –3 = 86 |
85 |
(–1) |
1 |
Отсюда находим дисперсию адекватности:
и рассчитываем критерий Фишера:
,
где
.
Табличное значение критерия Фишера находим по приложению 3 при числе степеней свободы дисперсии адекватности fад = N – N´= 8 –5 = 3 и числе степеней свободы дисперсии воспроизводимости результатов :
f = (m – 1) N = (3 – 1) 8 =16 Fт = 3,2.
Поскольку Fт > Fp, уравнение (5.4) адекватно изучаемому процессу.
Таким образом, можно сделать вывод о том, что на выход биомассы в изучаемой области концентраций положительно влияет увеличение концентрации сульфата аммония и биотина в среде культивирования. В то же время эффект от этих факторов усиливается от совместного действия факторов x1 и x2 (концентраций сульфата аммония и диаммонийфосфата) при условии, что эти факторы будут находиться на высшем уровне кодирования (x1 = +1 и x2 = +1).
Что касается совместного действия факторов x2 и x3, то эффект будет максимальным, если концентрации биотина и диаммонийфосфата будут также находиться на высшем уровне. Именно в этих условиях выход будет составлять ymax = 64 + 5 + 12 + 8 – 3 = 86 %.